LAPORAN TUGAS BESAR PENGANTAR METODE STATISTIKA
JUDUL :
MENINGKATNYA DAYA BELI MASYARAKAT SECARA DARING PASCA PANDEMI
“EKONOMI”
KELOMPOK 9 Nama Anggota : 1. Aqmal Ramadhan (03201016)
2. Christian Dody Irfandi Sinaga (03201020) 3. Putri Mauldy Wijayati (05201070)
4. Yashinta Putri Marshanty (05201091) 5. Muhammad Rifaldi (10201065)
Dosen :
Syalam Ali Wira Dinata Simatupang S.Si., M.Si.
INSTITUT TEKNOLOGI KALIMANTAN BALIKPAPAN
2021
DAFTAR ISI
BAB I PENDAHULUAN 1.1 Latar Belakang
Adanya perkembangan teknologi internet berdampak pada pertumbuhan ekonomi di Indonesia. Hal ini terjadi pada dunia bisnis dan pemasaran. Meningkatnya jumlah pengguna internet dimanfaatkan sebagian besar orang untuk melakukan bisnis online. Situasi ini berdampak timbulnya pasar potensial dalam meningkat perkembangan ekonomi. E-commerce tidak hanya menjual dan membeli barang secara online tetapi e-commerce juga menghasilkan banyak keuntungan bagi perusahaan maupun konsumen. E-commerce memiliki dampak positif yang mampu menarik konsumen untuk bertransaksi online. Penyebab adanya peningkatan pengguna e-commerce didasari karena adanya kemudahan serta kenyaman dalam mengakses internet.mereka dapat membeli produk yang mereka inginkan serta melakukan transaksi secara mudah dan tentunya para konsumen e-commerce pun mampu melayani keinginannya sendiri sesuai harapan dan keputusan yang diambil ketika sedang melakukan transaksi e-commerce tersebut. E-commerce juga memiliki dampak negatif seperti adanya resiko yang bisa dialami para penggunanya. Oleh karena itu para pengguna e-commerce harus lebih berhati-hati untuk bisa mendapatkan kepuasan agar dapat tercipta kepercayaan serta untuk membuat rasa ketidakpastian mengenai informasi yang didapat tersebut akan hilang pada pengguna e-commerce. Agar pengguna e-commerce tidak khawatir dalam bertransaksi maka kenyamanan serta keamanan yang harus di timbulkan agar para pengguna e-commerce dapat membuat keputusan ketika mengakses situs situs e-commerce.
1.2 Rumusan Masalah
Berdasarkan latar belakang maka permasalah yang diambil dalam analisis ini adalah sebagai berikut.
1. Bagaimana statistika deskriptif dari data Banyaknya Konsumen, Pengeluaran Konsumen, dan Pendapatan Konsumen dalam berbelanja online?
2. Bagaimana analisis kolerasi dari data Banyaknya Konsumen, Pengeluaran Konsumen, dan Pendapatan Konsumen dalam berbelanja online?
3. Bagaimana model regrensi linear berganda melalui pendekatan matriks dari data Banyaknya Konsumen, Pengeluaran Konsumen, dan Pendapatan Konsumen dalam berbelanja online?
4. Bagaimana pengujian parameter regresi linier berganda dari data Banyaknya Konsumen, Pengeluaran Konsumen, dan Pendapatan Konsumen dalam berbelanja online?
5. Bagaimana pengujian asumsi residual IIDN (Identik, Independen, Berdistribusi Normal) dari data Banyaknya Konsumen, Pengeluaran Konsumen, dan Pendapatan Konsumen dalam berbelanja online?
1.3 Tujuan Penelitian
Perumusan masalah di atas menghasilkan tujuan yang akan di capai dalam percobaan ini adalah sebagai berikut.
1. Mengetahui statistika deskriptif dari Banyaknya Konsumen, Pengeluaran Konsumen, dan Pendapatan Konsumen dalam berbelanja online.
2. Mengetahui hubungan kolerasi dari Banyaknya Konsumen, Pengeluaran Konsumen, dan Pendapatan Konsumen dalam berbelanja online.
3. Mengetahui model regrensi linear berganda melalui pendekatan matriks dari Banyaknya Konsumen, Pengeluaran Konsumen, dan Pendapatan Konsumen dalam berbelanja online.
4. Mengetahui pengujian parameter regresi linier berganda dari Banyaknya Konsumen, Pengeluaran Konsumen, dan Pendapatan Konsumen dalam berbelanja online.
5. Mengetahui uji asumsi residual IIDN (Identik, Independen, Berdistribusi Normal) dari Banyaknya Konsumen, Pengeluaran Konsumen, dan Pendapatan Konsumen dalam berbelanja online.
1.4 Manfaat Penelitian
Adapun manfaat yang didapatkan dari penelitian ini yaitu peneliti dapat mengaplikasikan dan mengembangkan teori atau ilmu-ilmu yang telah diperoleh dalam perkuliahan Pengantar Metode Statistik. Serta dapat memberikan informasi kepada seluruh masyarakat mengenai belanja online dalam masa pandemi di Indonesia saat ini.
1.5 Batasan Masalah
Batasan masalah yang digunakan dalam praktikum kali ini yaitu data yang digunakan merupakan data sekunder yang diperoleh dari pengeluaran dan pendapatan masyarakat yang berjumlah 50 data.
BAB II
TINJAUAN PUSTAKA 2.1 Analisis Korelasi
Korelasi adalah suatu alat analisis yang dipergunakan untuk mencari hubungan antara variabel independen/bebas dengan variabel dependen/tak bebas. Apabila beberapa variabel independen/bebas dihubungkan dengan satu variabel dependen/tak bebas disebut korelasi berganda. Dan apabila satu variabel independen/bebas berhubungan dengan satu variabel dependent/tak bebas disebut korelasi parsial . Hubungan antara dua variabel dapat karena hanya kebetulan saja dapat pula memang merupakan hubungan yang sebab akibat. Dua variabel berkorelasi apabila perubahan yang lain secara teratur, dengan arah yang sama atau arah yang berlawanan. Dalam analisa korelasi disamping mengukur kesesuaian garis regresi terhadap data sampel atau disebut Koefisien Determinasi atau Koefisien Penentu, juga mengukur keeratan hubungan antara variabel atau disebut Koefisien Korelasi.
2.2 Analisis Regresi
Regresi adalah suatu metode analisis statistik yang digunakan untuk melihat pengaruh antara dua atau lebih banyak variabel. Hubungan variabel tersebut bersifat fungsional yang diwujudkan dalam suatu model matematis. Pada analisis regresi, variabel dibedakan menjadi dua bagian, yaitu variabel respons (response variable) atau biasa juga disebut variabel bergantung (dependent variable), dan variabel explanatory atau biasa disebut penduga (predictor variable) atau disebut juga variabel bebas (independent variable). Regresi terbagi menjadi beberapa jenis, yaitu regresi sederhana (linier sederhana dan nonlinier sederhana) dan regresi berganda (linier berganda atau nonlinier berganda). Secara matematis, model analisis regresi linier sederhana adalah seperti berikut.
Y = A + BX + e
Y = variabel dependen atau response.
A = intercept atau konstanta.
B = koefisien regresi atau slope.
e = residual atau error.
2.3 Uji Signifikansi Parameter Regresi
Uji signifikansi parameter digunakan untuk mengetahui ada tidaknya hubungan parameter di dalam model regresi. Uji signifikansi parameter dilakukan secara serentak (simultan) maupun parsial.
2.3.1 Pengujian signifikansi secara serentak
Uji serentak dilakukan untuk mengetahui signifikansi parameter model regresi secara bersama-sama menggunakan analisis ANOVA (Analysis of Variance)
Langkah-langkah uji signifikansi secara serentak:
Hipotesis
H0 : β1 = β2 = β3 = ... = βp = 0
H1 : paling tidak ada satu βj ≠ 0 , j=1,2,...,p
Menentukan tingkat signifikansi
Tingkat signifikansi yang digunakan adalah α=0,05 Uji Statistik
Daerah Penolakan H0
H0 ditolak jika Fhitung > Fα (p,p-1) atau p-value < α
Kesimpulan
Jika H0 ditolak, maka dapat disimpulkan bahwa minimal terdapat satu variabel yang signifikan terhadap model.
2.3.2 Pengujian Signifikansi Secara Parsial
Uji signifikansi secara parsial digunakan untuk mengetahui variabel prediktor yang mana yang berpengaruh terhadap model regresi. Berikut adalah langkah-langkah uji signifikansi parsial
Hipotesis H0 : βj = 0
H1 : βj ≠ 0 , j=1,2,...,p
Menentukan tingkat signifikansi
Tingkat signifikansi yang digunakan adalah α=0,05 Uji Statistik
Daerah Penolakan H0
H0 ditolak jika |thitung| ≥ tα/2 (n-p-1) atau p-value < α
Kesimpulan
Jika H0 ditolak, maka dapat disimpulkan bahwa variabel ke-j berpengaruh signifikan terhadap model.
BAB III
METODOLOGI PENELITIAN 3.1 Deskripsi Data
Data yang digunakan dalam penelitian ini menggunakan data primer. Data tersebut diperoleh dari survey yang menggunakan google forms. Berikut adalah statistika deskriptif dari data yang diperoleh:
Tabel 3.1 Data Persentase meningkatnya daya beli masyarakat secara daring pasca pandemi selama sebulan terakhir.
Variabel Rata-rata Standar
Deviasi Varians Maksimum Minimum
Penggunaan e commerce
dalam satu bulan (Y) 3.38 7.275595 52.93429 52 1
Pemasukan pengguna
dalam satu bulan(X1) 655000 1056382.449 1.11594E+12 7000000 50000 Pengeluaran pengguna
untuk e commerce dalam satu bulan (X2)
208400 137801.3951 18989224490 600000 20000
Berdasarkan Tabel 3.1, diketahui bahwa rata–rata Penggunaan e commerce dalam satu bulan yaitu 3.38% dengan varian sebesar 52.93429, dimana nilai maksimumnya 52 dan nilai minimumnya 1. Rata-rata Pemasukan pengguna dalam satu bulan yaitu 655000 dengan varian 1.11594E+12 dimana nilai maksimumnya 7000000 dan nilai minimumnya 50000. Rata–rata Pengeluaran pengguna untuk e commerce dalam satu bulan adalah 208400 dengan varian 18989224490 dengan nilai maksimumnya 600000 dan nilai minimumnya 20000.
Dapat diketahui juga variabel penelitian yang digunakan untuk menganalisis data pada penelitian ini adalah sebagai berikut.
1. Variabel Y = Penggunaan e commerce dalam satu bulan (ribu rupiah) 2. Variabel X1 = Pemasukan pengguna dalam satu bulan (ribu rupiah)
3. Variabel X2 = Pengeluaran pengguna untuk e commerce dalam satu bulan (ribu rupiah) Berikut adalah visualisasi keempat variabel di atas dalam bentuk Time Series Plot:
Gambar 3.1 Time Series Plot dari Penggunaan e commerce dalam satu bulan (Y)
Gambar 3.2 Time Series Plot dari pemasukan pengguna dalam satu bulan (X1)
Gambar 3.3 Time Series Plot dari Pengeluaran pengguna untuk e commerce dalam satu bulan (X2)
3.2 Analisis Korelasi
Pada Analisis korelasi ini dilakukan untuk mengetahui apakah ada hubungan liniear Penggunaan e commerce dalam satu bulan, Pemasukan pengguna dalam satu bulan, dan Pengeluaran pengguna untuk e commerce dalam satu bulan. Untuk mengetahui pola hubungan linier antara variable tersebut maka diperlukan scatterplot. Berikut adalah hasil scatterplot.
Gambar 3.4 Scatter Plot dari Y vs X1
Gambar 3.5 Scatter Plot dari Y vs X2
Dari gambar diatas menunjukkan bahwa hubungan antara Penggunaan e commerce dalam
berbanding lurus. Hubungan antara Penggunaan e commerce dalam satu bulan (Y) dengan Pengeluaran pengguna untuk e commerce dalam satu bulan (X2) memiliki hubungan linier berbanding lurus. dilakukan pengujian korelasi terhadap variabel-variabel tersebut. Berikut adalah hasilnya
Tabel 3.2 Hasil uji korelasi
Korelasi P-Value
Y,X1 0.07 0.631
Y,X2 0.374 0.007
Berdasarkan tabel 3.2, variabel penggunaan e commerce dalam satu bulan (Y) dengan pemasukan pengguna dalam satu bulan (X1), dan pengeluaran pengguna untuk e commerce dalam satu bulan (X2).
Untuk masing-masing prediktor pada taraf signifikansi (α) sebesar 0.05 adalah sebagai berikut : Korelasi antara penggunaan e commerce dalam satu bulan (Y) dengan Pemasukan pengguna dalam satu bulan (X1) sebesar 0.07 dengan P-Value sebesar 0.631, dapat dikatakan bahwa kita gagal tolak H0 atau kita menerima H0 dikarenakan P-Value > α; Korelasi antara persentase penduduk (Y) dengan pengeluaran pengguna untuk e commerce dalam satu bulanr (X2) sebesar 0.374 dengan P-Value sebesar 0.007, dapat dikatakan bahwa kita tolak H0 dikarenakan P-Value < α.
Maksud dari kita terima H0 yaitu tidak terdapat korelasi yang kuat antara variabel X1 dengan Y.
Hal ini juga diperkuat dengan nilai korelasi antar variabel di atas yang nilainya < 0.3 yang sangat jauh dari 1, yang artinya status korelasi variabel-variabel tersebut rendah. Sedangkan maksud dari kita tolak H0 terdapat korelasi yang tidak begitu kuat antara variabel X2 dengan Y. Hal ini juga diperkuat dengan nilai korelasi antar variabel di atas yang nilainya > 0.3 yang cukup jauh dari 1, artinya, status korelasi variabel-variabel tersebut tidak terlalu kuat atau lemah.
3.3 Regresi Linier Berganda 3.3.1 Model Regresi Berganda
Model regresi berganda ini digunakan untuk memprediksi nilai Penggunaan e commerce dalam satu bulan apabila mengalami kenaikan atau mengalami penurunan. Dengan
menggunakan software yaitu Microsoft Excel 2019 dan Minitab 19. Dengan menggunakan bantuan kedua software tersebut, didapat hasil sebagai berikut:
Tabel 3.3 Hasil analisis regresi berganda β0 -0.701341709 β1 -5.48048E-07 β2 2.13067E-05
Berdasarkan tabel Tabel 3.3, dapat diketahui bahwa nilai dari masing-masing , sehingga dapat dituliskan menjadi model regresi Y = -0.701341709 + 5.48048E-07X1 + 2.13067E-05X2.
Arti dari persamaan regresinya adalah, setiap bertambahnya satu pemasukan pengguna dalam satu bulan (X1) dan pengeluaran pengguna untuk e commerce dalam satu bulan (X2) konstan mengakibatkan penggunaan e commerce dalam satu bulan (Y) akan berkurang sebesar 5.48048E-07 satuan, setiap bertambahnya satu pengeluaran pengguna untuk e commerce dalam satu bulan (X2) dan pemasukan pengguna dalam satu bulan (X1) konstan mengakibatkan penggunaan e commerce dalam satu bulan (Y) akan berkurang sebesar 2.13067E-05 satuan, dan jika tidak terdapat penambahan jumlah pemasukan pengguna dalam satu bulan (X1), dan pengeluaran pengguna untuk e commerce dalam satu bulan (X2), maka penggunaan e commerce dalam satu bulan sama dengan -0.701341709.
3.3.2 Uji Parameter A. Uji Serentak
Uji ini digunakan untuk mengetahui apakah persentase pengguna e-commerce dalam satu bulan dengan pemasukan pengguna dalam satu bulan dan pengeluaran pengguna untuk e-commerce dalam satu bulan dapat berpengaruh secara signifikan terhadap model dengan menguji variabel-variabel tersebut secara bersamaan. Berikut adalah hasil dari uji serentak yang telah dilakukan:
Source DF SS MS Fhitung Ftabel
Regression 2 377.2638 188.6319 3.999835 3.195056281
Residual Error 47 2216.516 47.15992
Total 49 2593.78
Berdasarkan tabel diatas dapat diketahui bahwa persentase pengguna e-commerce dalam satu bulan (Y) dengan pemasukan pengguna dalam satu bulan (X1) dan pengeluaran pengguna e-commerce dalam satu bulan (X2) diketahui bahwa nilai Fhitung
(3.999) > Ftabel (3.195) sehingga dapat diambil keputusan tolak H0, artinya minimal terdapat satu variabel yang signifikan terhadap model.
B. Uji Parsial
Uji ini digunakan untuk mengetahui apakah persentase pengguna e-commerce dalam satu bulan dengan kedua variabel prediktornya berpengaruh secara signifikan terhadap model dengan menguji masing-masing variabel secara terpisah. Berikut adalah hasil dari uji parsial yang telah dilakukan:
Tabel 3.5 Hasil analisis regresi uji parsial
Predictor P-Value
β0 (Jumlah Penggunaan) 0.69444662 β1 (Pendapatan (Rp)) 0.58604955
β2 (Pengeluaran (Rp)) 0.00777517
Berdasarkan tabel diatas, dapat diketahui bahwa persentase pengguna e- commerce (Y) memiliki P-Value (0.694) > (0.05) sehingga dapat diambil keputusan gagal tolak H0, artinya tidak ada hubungan yang signifikan antara persentase pengguna e-commerce dalam satu bulan (Y) dengan persentase pengguna (Y) itu sendiri. Dapat diketahui bahwa jumlah pendapatan pengguna e-commerce dalam satu bulan (X1) memiliki P-Value (0.586) > (0.05) sehingga dapat diambil keputusan gagal tolak H0, artinya tidak ada hubungan yang signifikan antara jumlah pendapatan pengguna e- commerce dalam satu bulan (X1) terhadap persentase pengguna e-commerce (Y).
Kemudian dapat diketahui juga bahwa jumlah pengeluaran pengguna e-commerce dalam satu bulan (X2) memiliki P-Value (0.007) < 0.05 sehingga dapat diambil keputusan tolak H0, artinya terdapat hubungan yang signifikan antara jumlah pengeluaran pengguna e-commerce dalam satu bulan (X2) dengan persentase pengguna e-commerce (Y).
3.4 Uji Asumsi IIDN (Identik, Independen, Distribusi Normal) 3.4.1 Uji Asumsi Residual Indentik
Pengujian asumsi residual identik menggunakan plot residual vs fitted value dari model regresi antara pengguna e-commerce dalam satu bulan dengan jumlah pendapatan pengguna e- commerce dalam satu bulan dan jumlah pengeluaran pengguna e-commerce dalam satu bulan.
Berikut adalah hasil uji yang telah dilakukan:
Gambar 3.6 Grafik Versus Fits
Berdasarkan gambar diatas, dapat dilihat bahwa plot residual versus fitted value membentuk suatu pola yang di mana residualnya dominan berada di titik nol. Bentuk plot ini menunjukkan bahwa residual data hasil analisis regresi belum memenuhi keidentikan dalam varians. Namun, pada laporan kali ini kami asumsikan bahwa residual data identik.
3.4.2 Uji Residual Saling Bebas (Independen)
Pengujian asumsi residual saling bebas menggunakan plot residual versus order dari model regresi antara persentase pengguna e-commerce dalam satu bulan dengan jumlah pendapatan pengguna e-commerce dalam satu bulan dan jumlah pengeluaran pengguna e- commerce dalam satu bulan. Berikut adalah hasil uji yang telah dilakukan:
Gambar 3.7 Grafik Versus Order
Berdasarkan gambar diatas, dapat dilihat bahwa plot residual versus order membentuk suatu pola yang cenderung bervariasi namun lebih dominan berada pada titik nol dengan residual tertinggi pada titik 41 dan residual terendah berada pada titik -11.
3.4.3 Uji Asumsi Residual Berdistribusi Normal
Pengujian asumsi residual berdistribusi normal untuk residual dilakukan dengan menggunakan uji normalitas dengan hasil sebagai berikut:
Gambar 3.8 Grafik Normal probability Plot
Berdasarkan gambar diatas, dapat dilihat bahwa residual membentuk suatu pola bervariasi yang dominan berada pada titik -5 sampai 5. Selain itu diketahui juga nilai P-Valuenya adalah
3.5 Simulasi Prediksi
Dengan menggunakan persamaan yang telah didapatkan sebelumnya yaitu Y = (- 0.701341709) + 5.48048E-07X1) + 2.13067E-05X2 kami mencoba menghitung nilai Y dengan menggunakan data responden yang telah kami peroleh yaitu:
1. Nama : Syaighona Risqi Utami Pekerjaan : Mahasiswa
Instansi : Sekolah Tinggi Ekonomi Swasta Diketahui : X1 = 1000000, X2 = 30000
Penyelesaian : Y = (-0.701341709) + (-5.48048E-07)(1000000) + 2.13067E-05(300000) Y = 5.142616
Dari hasil Y diatas, maka dapat kami prediksi bahwa responden yang bersangkutan memiliki persentase penggunaan e-commerce selama satu bulan sebesar 5.14%.
2. Nama : Rendy Muhammad Ghaniy Fillah Sudjana Pekerjaan : Mahasiswa
Instansi : Institut Teknologi Kalimantan Diketahui : X1 = 650000, X2 = 500000
Penyelesaian : Y = (-0.701341709) + (-5.48048E-07)(650000) + 2.13067E-05(500000) Y = 9.595769
Dari hasil Y diatas, maka dapat kami prediksi bahwa responden yang bersangkutan memiliki persentase penggunaan e-commerce selama satu bulan sebesar 9.59%.
BAB IV PENUTUP
4.1 Kesimpulan
1) Berdasarkan survey dan pengumpulan data yang telah dilakukan didapati kesimpulan semua variabel tidak terlalu mempengaruhi variabel Y. Dan, berdasarkan uji parsial didapati bahwa besar pendapatan seseorang (X2) tidak berpengaruh besar terhadap intensitas berbelanja melalui e-commerce (Y). Tetapi, terdapat hubungan yang signifikan antara jumlah pengeluaran pengguna e-commerce dalam satu bulan (X2) dengan persentase pengguna e- commerce (Y).
2) Model regresi yang diperoleh yaitu Y= -0.701341709, X1=-5.48048E-07 dan X2=2.13067E-05. Arti dari persamaan regresinya adalah, setiap bertambahnya satu pemasukan pengguna dalam satu bulan (X1) dan pengeluaran pengguna untuk e commerce dalam satu bulan (X2) konstan mengakibatkan penggunaan e commerce dalam satu bulan (Y) akan berkurang sebesar 5.48048E-07 satuan, setiap bertambahnya satu pengeluaran pengguna untuk e commerce dalam satu bulan (X2) dan pemasukan pengguna dalam satu bulan (X1) konstan mengakibatkan penggunaan e commerce dalam satu bulan (Y) akan berkurang sebesar 2.13067E-05 satuan, dan jika tidak terdapat penambahan jumlah pemasukan pengguna dalam satu bulan (X1), dan pengeluaran pengguna untuk e commerce dalam satu bulan (X2), maka penggunaan e commerce dalam satu bulan sama dengan -0.701341709.
3) Pada model summary kita mendapatkan nilai R-Square sebesar 14,5% , Adj R square sebesar 10,9% dan multiple R sebesar 38,1%.
Dalam melakukan eksperimen dan penelitian, panduan yang jelas dalam melakukan percobaan sangat penting dan dalam menganalisis data hasil survey dan percobaan ketelitian sangat dibutuhkan. Dalam melakukan penelitian haruslah lebih berhati-hati pada saat memasukan data dan mengikuti langkah-langkah yang telah ditentukan karena apabila perhitungan data salah pada suatu tahap maka akan menyebabkan kerusakan dan kesalahan pada hasil data yang lain.
4.3 Deskripsi pembagian kerja kelompok 1. Nama : Aqmal Ramadhan
NIM : 03201016 Prodi : Teknik Mesin Tugas :
2. Nama : Christian Dody Irfandi Sinaga NIM : 03201020
Prodi : Teknik Mesin Tugas : Bab 3
3. Nama : Putri Mauldy Wijayati NIM : 05201070
Prodi : Teknik Kimia Tugas :
4. Nama : Yashinta Putri Marshanty NIM : 05201091
Prodi : Teknik Kimia Tugas :
5. Nama : Muhammad Rifaldi NIM : 10201065
Prodi : Sistem Informasi Tugas : Bab 3
