![Modul Statistik Industri 2021 [PDF]](https://pdfs.asia/img/200x200/modul-statistik-industri-2021.jpg)
7 0 3 MB
MODUL PRAKTIKUM
STATISTIK INDUSTRI 2021
LABORATORIUM STATISTIK DAN MANAJEMEN INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UPN " VETERAN" JAWA TIMUR
PANDUAN PRAKTIKUM STATISTIK INDUSTRI Kepala Laboratorium Dwi Sukma Donoriyanto, ST., MT. NIP. 19810726 200501 1 002
Laboran Yusron Falah, ST. NIP. 18119810820108
Asisten Laboratorium ASSISTANT COORDINATOR Mohammad Febrian Ishaq NPM. 18032010036 SECRETARY Ailsa Dahnaira Wachid NPM. 18032010164
RND COORDINATOR Viola Indira Ramadhanti NPM. 18032010023
STAFF OF RND Zella Azzahra Achmadani NPM. 18032010046
CNI COORDINATOR Frydella Krisna Putri NPM. 18032010033
STAFF OF RND Muhammad Rizki Kurniawan NPM. 18032010052
STAFF OF CNI Dewi Cahyani Puspitasari NPM. 180320100141
TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAWA TIMUR 2021
i
KATA PENGANTAR Puji dan syukur kami panjatkan kehadirat Tuhan Yang Maha Esa karena atas rahmat dan hidayah-Nya kami dapat menyusun buku panduan Praktikum Statistik Industri ini dengan baik. Buku panduan Praktikum Statistik Industri ini terdiri dari delapan materi, yaitu: Statistik Deskriptif, Statistik Inferensi (Uji T untuk Satu Sempel dan untuk Dua Sampel), Statistik Inferensi (Uji T untuk Dua Sampel Berpasangan dan One Way ANOVA), Analisis Regresi dan Analisis Korelasi, Uji Validitas dan Reliabilitas, Analisis Cluster, Analisis Diskriminan, dan Analisis Multivarat Faktor. Tim penyusun mengucapkan terimakasih kepada semua pihak yang telah membantu memberikan masukan bagi perbaikan buku panduan praktikum Statistik Industri. Kami menyadari bahwa buku panduan praktikum ini masih jauh dari sempurna. Untuk itu kami selalu terbuka atas kritik dan saran yang bersifat membangun.
Surabaya, 25 Agustus 2021 Tim Penyusun
ii
TATA TERTIB 1.
Praktikan wajib menonton vidio materi 2 hari sebelum praktikum dimulai di channel youtube LSMI UPNVJT dan melakukan praktik sendiri terlebih dahulu.
2.
Waktu praktikum di aplikasi ZOOM dimulai sesuai waktu yang telah ditentukan.
3.
Praktikan wajib hadir di aplikasi ZOOM 15 menit sebelum praktikum dimulai.
4.
Jika praktikan telat memasuki ZOOM lebih dari 10 menit maka dianggap tidak mengikuti praktikum.
5.
Jika terdapat kendala atau halangan untuk mengikuti praktikum bisa menghubungi salah satu aslab maksimal 12 jam sebelum praktikum dimulai dengan menyertakan surat tertulis tidak bisa hadir (Surat dokter atau surat pernyataan orang tua).
6.
Para praktikan tidak boleh mengikuti Ujian Global apabila tidak mengikuti praktikum tanpa alasan meskipun hanya 1 kali.
7.
Praktikan diwajibkan on camera (Jika terdapat kendala bisa izin maksimal 1 jam sebelum praktikum dimulai dengan menyertakan bukti alasan).
8.
Praktikan diharapkan memakai pakaian yang rapi dan sopan.
9.
Praktikan diharapkan mengisi google form diakhir praktikum (Jika tidak mengisi maka dianggap tidak mengikuti praktikum) dan wajib menyertakan bukti screenshot youtube, software dan zoom praktikum di google form.
10.
Setelah praktikum berakhir, praktikan diwajibkan asistensi ke masingmasing asisten laboratorium.
11.
Praktikan wajib menjaga attitude selama kegiatan praktikum.
12.
Sistem penilaian praktikum. a)
Tugas Akhir
: 40%
b)
Laporan
: 20%
c)
Tugas Pendahuluan
: 10%
d)
Tes Awal
: 10%
e)
Absensi
: 10%
f)
Attitude
: 10%
iii
DAFTAR ISI STRUKTUR ASLAB .......................................................................................... i KATA PENGANTAR ....................................................................................... ii TATA TERTIB PRAKTIKUM STATISTIKA INDUSTRI .......................... iii DAFTAR ISI ..................................................................................................... iv MODUL I Statistik Deskriptif .......................................................................... 1 1.1
Tujuan Praktikum ....................................................................................... 1
1.2
Landasan Teori ........................................................................................... 1
1.3
Soal Praktikum ........................................................................................... 9
1.4
Langkah-Langkah Praktikum .................................................................... 10
1.5
Tugas Praktikum ....................................................................................... 10
MODUL II Statistik Inferensi (One Sample T-Test dan Two Sample T-Test) 11 2.1
Tujuan Praktikum ..................................................................................... 11
2.2
Landasan Teori ......................................................................................... 11
2.3
Soal Praktikum ......................................................................................... 14
2.4
Langkah-Langkah Praktikum .................................................................... 15
2.5
Tugas Praktikum ....................................................................................... 16
MODUL III Statistik Inferensi (Paired T-Test dan One Way ANOVA) ........ 17 3.1
Tujuan Praktikum ..................................................................................... 17
3.2
Landasan Teori ......................................................................................... 17
3.3
Soal Praktikum ......................................................................................... 20
3.4
Langkah-Langkah Praktikum .................................................................... 22
3.5
Tugas Praktikum ....................................................................................... 22
MODUL IV Analisis Regresi dan Korelasi ..................................................... 23 4.1
Tujuan Praktikum ..................................................................................... 23
4.2
Landasan Teori ......................................................................................... 23
4.3
Soal Praktikum ......................................................................................... 28
4.4
Langkah-Langkah Praktikum .................................................................... 29
4.5
Tugas Praktikum ....................................................................................... 30
MODUL V Uji Validitas dan Reabilitas ......................................................... 31 5.1
Tujuan Praktikum ..................................................................................... 31
iv
5.2
Landasan Teori ......................................................................................... 31
5.3
Soal Praktikum ......................................................................................... 33
5.4
Langkah-Langkah Praktikum .................................................................... 35
5.5
Tugas Praktikum ....................................................................................... 36
MODUL VI Analisis Cluster ............................................................................ 37 6.1
Tujuan Praktikum ..................................................................................... 37
6.2
Landasan Teori ......................................................................................... 37
6.3
Soal Praktikum ......................................................................................... 39
6.4
Langkah-Langkah Praktikum .................................................................... 41
6.5
Tugas Praktikum ....................................................................................... 42
MODUL VII Analisis Diskriminan ................................................................. 43 7.1
Tujuan Praktikum ..................................................................................... 43
7.2
Landasan Teori ......................................................................................... 43
7.3
Soal Praktikum ......................................................................................... 46
7.4
Langkah-Langkah Praktikum .................................................................... 48
7.5
Tugas Praktikum ....................................................................................... 48
MODUL VIII Analisis Multivariat Faktor ..................................................... 49 8.1
Tujuan Praktikum ..................................................................................... 49
8.2
Landasan Teori ......................................................................................... 49
8.3
Soal Praktikum ......................................................................................... 52
8.4
Langkah-Langkah Praktikum .................................................................... 58
8.5
Tugas Praktikum ....................................................................................... 60
DAFTAR PUSTAKA ....................................................................................... 61
v
STATISTIK DESKRIPTIF PRAKTIKUM STATISTIK INDUSTRI 1.1
Tujuan Adapun tujuan praktikum modul 1 (statistik deskriptif) adalah sebagai
berikut. 1.
Memahami materi mengenai statistik deskriptif serta dapat mengaplikasikan ke dalam kehidupan sehari-hari.
2.
Memahami berbagai macam jenis data dalam statistik deskriptif.
3.
Memahami langkah-langkah dalam penggunaan software Matlab.
1.2
Landasan Teori Statistik sendiri berasal dari kata “status” dalam bahasa latin, yang sama
artinya dengan kata “state” (bahasa inggris) yang berarti adalah negara. Awal mula suatu kata statistik, diartikan mengenai suatu kumpulan keterangan yang berupa angka ataupun non angka tetapi memiliki arti yang penting dan berguna untuk negara. Setelah berkembangnya suatu ilmu, maka statistik dijadikan sebagai kumpulan keterangan yang hanya berupa angka dan memberikan gambaran mengenai keadaan, peristiwa atau gejala tertentu. Statistika beda halnya dengan statistik, penggunaan istilah statistika berakar dalam bahasa latin modern statisticum collegium (“dewan negara”) dan bahasa Italia statista (“negarawan” atau “politikus). Statistika deskriptif bisa dikenal juga sebagai statistik deduktif, artinya statistika yang tingkat kegunaannya mencakup cara-cara mengumpulkan data, menyusun atau mengatur data, mengolah data, menyajikan data dan menganalisis data angka. Dalam hal ini agar bisa memberikan gambaran yang teratur, ringkas dan jelas, mengenai keadaan, peristiwa atau gejala tertentu sehingga dapat ditarik pengertian atau makna tertentu.
1
Statistik deskriptif ini memiliki beberapa kegunaan, khususnya dalam penelitian, adalah sebagai berikut. 1.
Dengan adanya statistik, maka pengumpulan data yang diperoleh akan tersaji dengan ringkas dan rapi serta dapat memberikan informasi inti dari kumpulan data yang ada.
2.
Dengan adanya statistik, memungkinkan peneliti menyajikan ataupun menggambarkan datanya dengan teknik grafik maupun teknik numerik.
3.
Statistik juga memungkinkan peneliti mengukur dua karakteristik dari setiap respondennya dan selanjutnya meneliti hubungan di antara kedua karakteristik (variabel) tersebut. Berikut ini dijelaskan berbagai macam jenis-jenis data dalam statistik
deskriptif, antara lain. 1.
Berdasarkan Bentuknya a)
Data Diskrit Data yang satuannya adalah bilangan bulat, tidak berbentuk pecahan. Pada dasarnya data diskrit ini di peroleh dari hasil pencacahan.
b)
Data Kontinu Data yang satuannya adalah bilangan pecahan. Pada dasarnya data kontinu ini bisa diperoleh dari hasil pengukuran.
2.
Berdasarkan Sifatnya a)
Data kuantitatif adalah data yang dinyatakan dengan menggunakan satuan angka.
b)
Data kualitatif adalah data yang dinyatakan dalam kategori, golongan atau sifat dari data tersebut.
3.
Berdasarkan Sumbernya a)
Data Intern Data yang menggambarkan suatu keadaan atau suatu kegiatan di dalam lembaga atau badan tertentu.
b)
Data Ekstern Data yang bisa menggambarkan suatu keadaan atau kegiatan di luar lembaga atau badan tertentu.
2
4.
Berdasarkan Susunan Data a)
Data tunggal atau acak adalah data statistik yang masing-masing angkanya merupakan satu unit (satu kesatuan) dengan kata lain data tunggal
adalah
data
statistik
yang
angka-angkanya
tidak
dikelompokkan. b)
Data kelompok atau data bergolong adalah data statistik yang tiap-tiap unitnya terdiri dari sekelompok atau kumpulan-kumpulan data.
5.
Berdasarkan Pengukurannya a)
Data Nominal Data nominal ini merupakan bagian dari pengukuran skala nominal, yang artinya data statistik dimana cara penyusunan angkanya berdasarkan beberapa kategori tertentu tanpa memperhatikan urutan.
b)
Data Ordinal Data statistik yang cara penyusunan angkanya berdasarkan beberapa kategori, dengan memperhatikan urutan tertentu. Dengan kata lain, dalam data ini memiliki kedudukan ketagori yang tidak setara, tetapi sesuai dengan label.
c)
Data Interval Data yang penyusunan angkanya disusun dengan jarak yang sama, antara kategori satu dengan kategori lainnya. Data interval juga memiliki sifat yang sama dengan data nominal maupun data ordinal, bedanya adalah data interval mempunyai karakter pada jarak, dimana jarak antara kategori satu sama dengan jarak kategori yang lain.
6.
Berdasarkan Cara Memperolehnya a)
Data Primer Data yang caranya dikumpulkan serta diolah sendiri oleh suatu lembaga atau individu, dilakukan secara langsung dari sumber objeknya.
b)
Data Sekunder Berbeda dengan data primer, untuk data sekunder yaitu data yang cara pemerolehannya sudah dalam bentuk jadi, data yang sudah jadi, sudah
3
dikumpulkan dan diolah pihak lain, atau bahkan sudah dipublikasikan oleh pihak terkait. 7.
Berdasarkan Waktu Pengumpulannya a)
Data Seketika (Cross Section Data) Data yang pengumpulannya pada waktu tertentu, yang bisa menggambarkan keadaan objek tersebut pada waktu penelitian dilakukan.
b)
Data Berkala (Time Series Data) Kebalikannya dengan data sebelumnya, yang kedua berdasarkan waktu pengumpulan adalah data berkala, atau sering disebut data time series. Artinya data yang pengumpulannya dari waktu ke waktu, yang bisa menggambarkan tentang perkembangan suatu kejadian tertentu.
Berikut ini dijelaskan berbagai macam penyajian data statistik, antara lain sebagai berikut. 1.
Bentuk Tabel Data-data yang sudah dikumpulkan, kemudian disajikan dengan baik dalam salah satu bentuk tabel, dengan klasifikasi sebagai berikut:
2.
a)
Tabel dengan klasifikasi tunggal
b)
Tabel dengan klasifikasi ganda
c)
Tabel dengan kontingensi
d)
Tabel dengan distribusi frekuensi
Bentuk Diagram Data yang sudah dikumpulkan dengan baik, selain disajikan dalam tabel, ternyata bisa disajikan dalam bentu diagram maupun grafik. Ada beberapa jenis diagram yang perlu dipahami, yaitu sebagai berikut: a)
Diagram Batang
b)
Diagram Lingkaran
c)
Diagram Lambang
d)
Diagram Garis
4
Dalam statistik terdapat beberapa rumus yang digunakan, berikut ini adalah rumus-rumus yang digunakan. 1.
Ukuran Lokasi atau Central Tendency (kecenderungan memusat) Ukuran lokasi adalah suatu ukuran sepanjang garis horizontal yang letaknya ditengah distribusi data.
a)
Mean (Rata-rata) Mean adalah nilai rata-rata dari beberapa buah data. Mean merupakan suatu ukuran pemusatan data. Mean tidak dapat digunakan sebagai ukuran pemusatan untuk jenis data nominal dan ordinal. Mean dirumuskan menjadi: 1)
Mean dari data tunggal 𝜒̅ =
2)
𝑛
…………………………………….……………………...(1-1)
Mean dari data kelompok 𝜒̅ =
b)
Σ𝑥𝑖
Σ𝑓𝑖 𝑥𝑖 Σ𝑓𝑖
…………………………………….……………………(1-2)
Median (Nilai tengah) Median adalah bilangan yang ditengah-tengah setelah bilangan-bilangan itu diurutkan dari yang terkecil sampai yang terbesar. Median dilambangkan dengan notasi “Me”. Median dirumuskan dalam persamaan sebagai berikut. 1)
Data yang belum dikelompokkan
Untuk Me jika n ganjil maka: 𝑀𝑒 = (𝑛 + 1)/2……………………………………………(1-3)
Untuk Me jika n genap maka: 𝑀𝑒 =
2)
𝑛 𝑛+2 +( ) 2 2
2
……………………….……………………... (1-4)
Data yang dikelompokkan Median = 𝐿1 + [
𝑛 − (Σ𝑓𝑖 ) 2
𝑓𝑚𝑒𝑑
] × 𝑐…………………………………...(1-5)
Dimana, Me
= median.
N
= banyaknya observasi.
LB
= lower boundary (tepi bawah kelas median).
fkum
3).
2)
Jika suatu distribusi (kurva) normal, distribusinya disebut mesokurtis (=3).
8
3)
Jika suatu distribusi (kurva) lebih landai atau lebih tumpul dibandingkan terhadap kurva normal disebut platikurtis ( kkm
12.
Berlatih soal
Skala: Selalu Sering Kadang-kadang Jarang Tidak pernah
1. 2. 3. 4. 5.
Pertanyaan: Lakukan analisa output yang ada di kursus “Minat Belajar Statistika pada
1.
Mahasiswa”? 2.
Apakah angket tersebut sudah valid dan reliabel?
3.
Jika data tidak valid dan reliabel, apakah yang seharusnya dilakukan?
1
Rizky Cahya Mellania
2 Cintha Niszar 3 Felicia Chanya 4 Aisyah Fitri 5 Auliana Anggraini 6 Muhammad Wijdan Roja 7 Irfan Ramadhan 8 Azmil Mufarikha 9 Muhammad Bambang Wibisono 10 Anugrah Intan Puspitasari 11 Eliana Rizki 12 Victoria Aurellia 13 Kharisma Syafitri 14 Haidar Alwi 15 Alvinas Anwar Saputro 16 Andrew Priyo Himawan 17 Maulinda Herlista
Tugas Tuntas Tugas Tepat Waktu Aktif Menjawab Aktif Bertanya Aktif Berdiskusi Mencatat Materi Tambahan Memperhatikan Dosen Mengulang Materi Meminjam/Membeli Buku Mencari Reverensi Internet Mendapat Nilai > KKM Berlatih Soal Gender Usia
Nama
No
Tabel 5.1. Rekap Data Hasil Kuesioner
5 4 2 1 4 3 4 4 4 4 3 2 P 20 3 5 5 5 5 4 5 4 5 5 3 5 3 4 4 5
5 3 3 4 4 4 2 4 2 1 4 3 4 1 4 4
3 3 3 3 3 3 3 2 3 2 1 3 2 4 3 3
3 3 3 3 3 4 3 3 3 2 1 3 2 4 3 3
5 3 3 4 4 4 2 4 2 1 4 3 4 1 4 4
5 3 3 4 4 4 3 4 3 4 1 3 4 4 3 5
3 4 4 4 4 3 4 4 4 2 1 5 4 4 4 5
5 5 5 5 4 4 2 4 3 3 1 3 3 3 3 1
5 4 2 3 4 2 1 4 3 4 1 4 4 2 1 5
5 3 3 4 4 4 2 4 2 1 4 3 4 1 4 4
4 3 3 4 4 4 3 4 3 3 1 4 4 5 4 3
3 3 4 3 3 3 2 2 3 4 1 4 2 4 4 3
P P P P L L L L P P P P L L L P
19 20 19 19 19 19 21 21 20 20 19 20 20 19 19 19
34
5.4
Hani Iszatul Vivi Indah Lestari Ady Rendra Bachtiar Lutfiah Nabilah Dewi Cahyani Miftahul hamdi Chori Janjuni Khoirotun Nisak Happy Wanda Sandi Tribanjar Sunarya Esti Handayani Fatimah Shania Dwi Gita Alfay Abid Naddya Rachma Salmaa M Rachmad Dwi Prasetyo Diajeng Rofiatul Adawiyah Viola Indira Arsetya Jaya Ezio Ar-Rozi
Tugas Tuntas Tugas Tepat Waktu Aktif Menjawab Aktif Bertanya Aktif Berdiskusi Mencatat Materi Tambahan Memperhatikan Dosen Mengulang Materi Meminjam/Membeli Buku Mencari Reverensi Internet Mendapat Nilai > KKM Berlatih Soal Gender Usia
Nama
No 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
5 5 5 5 4 5 5 5 4 4 4 4 5 5 5 4 5 5 5 5 5 4 1
2 1 5 1 3 3 3 3 3 4 3 3 3 2 1 3 2 4 3 3 2 4 3
2 4 3 2 3 3 3 4 3 3 3 4 3 3 3 3 3 4 3 2 2 2 1
2 4 3 2 3 2 3 3 2 3 2 4 3 3 4 3 3 3 3 2 2 2 1
2 1 5 4 3 4 4 4 4 3 4 4 4 2 1 5 4 4 4 5 3 5 4
3 5 3 3 4 3 5 4 4 4 3 4 5 3 4 4 5 3 3 4 4 4 2
3 5 4 4 4 5 5 4 4 4 3 4 4 4 4 4 5 4 3 5 5 4 2
3 4 2 3 3 3 1 3 3 3 3 3 4 4 2 3 4 3 3 3 3 3 3
3 5 2 2 1 5 4 5 3 3 3 3 2 2 3 2 3 4 4 2 3 3 5
2 1 5 4 4 4 4 4 4 4 3 3 4 4 4 5 4 4 4 3 4 5 5
4 5 4 4 2 3 4 4 3 4 4 4 4 4 4 4 4 4 4 3 5 4 1
2 4 3 3 2 3 3 4 4 3 2 3 3 4 4 3 4 4 3 3 4 4 1
P P L P P L P L P P L P P P L P P L P P P L L
20 21 21 19 20 19 20 19 19 20 20 19 20 20 20 20 19 20 20 20 20 20 20
Langkah-Langkah Praktikum (SPSS) Berikut ini adalah langkah-langkah praktikum modul 5 (uji validitas dan
reliabilitas) menggunakan software SPSS. 1.
Buka SPSS
2.
Klik Variabel View, lalu masukkan seluruh item dari hasil kuesioner (Nama, Mendukung SD dll) Type : Numeric, Decimals : 0
3.
Klik Data View lalu masukkan seluruh data (angka kuesioner) pada kolom sesuai item.
35
4.
Klik Analyze - correlate – Bivariate – pindahkan seluruh item ke ruas kanan – centang pearson – centang flag significant correlation – klik Ok.
5.
Untuk Reabilitas Klik Analyze – Scale – Reliability Analysis – pindah seluruh item ke ruas kanan – klik statistics – klik scale if item deleted – pastikan model Alpha – klik ok.
5.5
Tugas Praktikum Tugas praktikum akan diberikan pada saat praktikum dengan menggunakan
zoom dimulai dan disampaikan oleh Asisten Laboratorium setiap modul.
36
ANALISIS CLUSTER PRAKTIKUM STATISTIK INDUSTRI 6.1
Tujuan Praktikum Adapun tujuan praktikum modul 6 (analisis cluster) adalah sebagai berikut.
1.
Mengelompokkan objek-objek berdasarkan kesamaan karakteristik diantara objek-objek tertentu.
2.
Melakukan proses segmentasi responden kuesioner berdasarkan ciri-ciri sejumlah atribut.
3.
Menerapkan analisis cluster dengan metode hierarki dan metode nonhierarki pada suatu studi kasus.
6.2
Landasan Teori Analisis cluster merupakan suatu kelas tehnik yang digunakan untuk
mengklasifikasikan objek atau kasus (responden) ke dalam kelompok yang relatif homogen yang dinamakan cluster. Objek dalam setiap kelompok cenderung mirip satu sama lain dan berbeda jauh dengan objek dari cluster lainnya. Di dalam pengcluster-an setiap objek hanya boleh masuk ke dalam satu cluster saja sehingga tidak terjadi tumpang tindih (overlapping atau interaction). Asumsi untuk analisis cluster terkait dengan sampel yang akan diolah adalah sebagai berikut. 1.
Sampel yang diambil benar-benar bisa mewakili populasi yang ada. Memang tidak ada ketentuan jumlah sampel yang representatif, namun tetaplah diperlukan sejumlah sampel yang cukup besar agar proses clustering bisa dilakukan dengan benar.
2.
Multikolinieritas,
yakni
kemungkinan
adanya
korelasi
antar-objek.
Sebaiknya tidak ada atau seandainya ada, besar multikolinieritas tersebut tidaklah tinggi (misalnya diatas 0.5). Jika sampai terjadi multikolinieritas dianjurkan untuk menghilangkan salah satu variabel dari dua variabel yang mempunyai korelasi cukup besar (Santoso, 2010).
37
Secara logika, cluster yang baik adalah cluster yang mempunyai: 1.
homogenitas (kesamaan) yang tinggi antar anggota dalam satu cluster (within-cluster),
2.
heterogenitas (perbedaan) yang tinggi antar cluster yang satu dengan cluster yang lainnya (between-cluster). Analisis cluster dapat dibagi menjadi dua jenis, yaitu.
1.
Hierarchical Cluster. Metode ini digunakan untuk mengelompokkan objek secara terstuktur berdasarkan kemiripan sifatnya dan cluster yang diinginkan belum diketahui banyaknya, biasanya digunakan untuk jumlah sampel (data) yang relatif sedikit (Mattjik & Sumertajaya, 2011). Terdapat dua prosedur pada metode berhierarki, yaitu prosedur aglomeratif dan prosedur divisive (Johnson & Winchern, 2002). Pada hierarchial cluster yang termasuk dalam metode ini adalah metode hirarki single linkage, complete linkage, average linkage, median linkage, dan centroid linkage. Hasil keseluruhan dari algoritma hierarchical clustering secara grafik dapat digambarkan sebagai tree, yang disebut dengan dendogram. Tree ini secara grafik menggambarkan proses penggabungan dari cluster–cluster yang ada, sehingga menghasilkan cluster dengan level yang lebih tinggi (Budhi,2007).
2.
Non-Hierarchical Cluster Menurut Johnson & Wicern (2002), metode non hierarki digunakan untuk pengelompokan objek dimana banyaknya cluster yang akan dibentuk dapat ditentukan terlebih dahulu sebagai bagian dari prosedur penggerombolan. Setelah jumlah cluster ditentukan, baru proses cluster dilakukan tanpa mengikuti proses hierarki. Metode ini dapat diterapkan pada data yang lebih besar dibandingkan metode hierarki yang biasa disebut dengan metode K “means” (Gaspersz, 1995). Analisis Cluster terdiri dari beberapa prosedur dasar (Supranto, 2004), yaitu
sebagai berikut. 1.
Merumuskan Masalah Merumuskan masalah analisis cluster merupakan hal yang sangat penting karena berguna untuk pemilihan variabel-variabel yang akan dipergunakan
38
untuk pengklasteran (pembentuk cluster). 2.
Memilih Ukuran Jarak atau Similaritas Tujuan pengklasteran ialah untuk mengelompokan objek yang mirip dalam cluster yang sama, maka beberapa ukuran diperlukan untuk mengakses seberapa mirip atau berbeda objek-objek tersebut.
3.
Standarisasi Data Proses standarisasi dilakukan apabila diantara variabel-variabel yang diteliti terdapat perbedaan ukuran satuan yang besar. Perbedaan satuan yang mencolok dapat mengakibatkan perhitungan pada analisis cluster menjadi tidak valid.
4.
Memilih Suatu Metode Peng-cluster-an Data yang dianggap mempunyai satuan yang sangat berbeda diseragamkan, dan metode klaster ditentukan (misalnya dipilih average linkage), kemudian dilakukan pengelompokan data.
5.
Melakukan Interpretasi Terhadap Cluster yang telah Terbentuk Tahap interpretasi meliputi pengujian tiap cluster dalam terminology untuk menamai dan menandai dengan suatu label yang secara akurat dapat menjelaskan cluster.
6.
Melakukan Validasi dan Profiling Cluster Proses validasi bertujuan untuk menjamin bahwa solusi yang dihasilkan dari analisis cluster dapat mewakili populasi dan dapat digenerelisasi untuk objek lain. Cluster yang terbentuk jika sudah valid, maka akan dilakukan proses profiling untuk menjelaskan karakteristik setiap cluster berdasarkan profil tertentu.
6.3
Soal Praktikum Tahun 2021 diilakukan sebuah riset untuk mengetahui minat belajar
statistika pada mahasiswa. Untuk itu, kepada setiap mahasiwa diberikan daftar kuesioner yang memuat pertanyaan tentang pendapat mahasiswa terhadap variabel-variabel yang mempengaruhi minat belajar statistika pada mahasiswa. Berikut variabel yang digunakan: 1.
Tugas tuntas
39
2.
Tugas tepat waktu
3.
Aktif menjawab
Skala: Selalu Sering Kadang-kadang Jarang Tidak pernah
1. 2. 3. 4. 5.
4.
Aktif bertanya
5.
Aktif berdiskusi
6.
Mencatat materi tambahan
7.
Memperhatikan dosen
8.
Mengulang materi
9.
Meminjam/membeli buku statistika
10.
Mencari reverensi internet
11.
Mendapat nilai > kkm
12.
Berlatih soal Pertanyaan:
1.
Lakukan analisa output menggunakan metode Hierarchical Cluster yang ada pada penilaian “Minat Belajar Statistika pada Mahasiswa”?
2.
Lakukan analisa output menggunakan metode Non-Hierarchical Cluster yang ada pada penilaian “Minat Belajar Statistika pada Mahasiswa”?
1
Rizky Cahya Mellania
2 Cintha Niszar 3 Felicia Chanya 4 Aisyah Fitri 5 Auliana Anggraini 6 Muhammad Wijdan Roja 7 Irfan Ramadhan 8 Azmil Mufarikha 9 Muhammad Bambang Wibisono 10 Anugrah Intan Puspitasari 11 Eliana Rizki 12 Victoria Aurellia
Tugas Tuntas Tugas Tepat Waktu Aktif Menjawab Aktif Bertanya Aktif Berdiskusi Mencatat Materi Tambahan Memperhatikan Dosen Mengulang Materi Meminjam/Membeli Buku Mencari Reverensi Internet Mendapat Nilai > KKM Berlatih Soal Gender Usia
Nama
No
Tabel 6.1. Rekap Data Hasil Kuesioner
5 4 2 1 4 3 4 4 4 4 3 2 P 20 3 5 5 5 5 4 5 4 5 5 3
5 3 3 4 4 4 2 4 2 1 4
3 3 3 3 3 3 3 2 3 2 1
3 3 3 3 3 4 3 3 3 2 1
5 3 3 4 4 4 2 4 2 1 4
5 3 3 4 4 4 3 4 3 4 1
3 4 4 4 4 3 4 4 4 2 1
5 5 5 5 4 4 2 4 3 3 1
5 4 2 3 4 2 1 4 3 4 1
5 3 3 4 4 4 2 4 2 1 4
4 3 3 4 4 4 3 4 3 3 1
3 3 4 3 3 3 2 2 3 4 1
P P P P L L L L P P P
19 20 19 19 19 19 21 21 20 20 19
40
6.4
Kharisma Syafitri Haidar Alwi Alvinas Anwar Saputro Andrew Priyo Himawan Maulinda Herlista Hani Iszatul Vivi Indah Lestari Ady Rendra Bachtiar Lutfiah Nabilah Dewi Cahyani Miftahul hamdi Chori Janjuni Khoirotun Nisak Happy Wanda Sandi Tribanjar Sunarya Esti Handayani Fatimah Shania Dwi Gita Alfay Abid Naddya Rachma Salmaa M Rachmad Dwi Prasetyo Diajeng Rofiatul Adawiyah Viola Indira Arsetya Jaya Ezio Ar-Rozi
Tugas Tuntas Tugas Tepat Waktu Aktif Menjawab Aktif Bertanya Aktif Berdiskusi Mencatat Materi Tambahan Memperhatikan Dosen Mengulang Materi Meminjam/Membeli Buku Mencari Reverensi Internet Mendapat Nilai > KKM Berlatih Soal Gender Usia
Nama
No 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
5 3 4 4 5 5 5 5 5 4 5 5 5 4 4 4 4 5 5 5 4 5 5 5 5 5 4 1
3 4 1 4 4 2 1 5 1 3 3 3 3 3 4 3 3 3 2 1 3 2 4 3 3 2 4 3
3 2 4 3 3 2 4 3 2 3 3 3 4 3 3 3 4 3 3 3 3 3 4 3 2 2 2 1
3 2 4 3 3 2 4 3 2 3 2 3 3 2 3 2 4 3 3 4 3 3 3 3 2 2 2 1
3 4 1 4 4 2 1 5 4 3 4 4 4 4 3 4 4 4 2 1 5 4 4 4 5 3 5 4
3 4 4 3 5 3 5 3 3 4 3 5 4 4 4 3 4 5 3 4 4 5 3 3 4 4 4 2
5 4 4 4 5 3 5 4 4 4 5 5 4 4 4 3 4 4 4 4 4 5 4 3 5 5 4 2
3 3 3 3 1 3 4 2 3 3 3 1 3 3 3 3 3 4 4 2 3 4 3 3 3 3 3 3
4 4 2 1 5 3 5 2 2 1 5 4 5 3 3 3 3 2 2 3 2 3 4 4 2 3 3 5
3 4 1 4 4 2 1 5 4 4 4 4 4 4 4 3 3 4 4 4 5 4 4 4 3 4 5 5
4 4 5 4 3 4 5 4 4 2 3 4 4 3 4 4 4 4 4 4 4 4 4 4 3 5 4 1
4 2 4 4 3 2 4 3 3 2 3 3 4 4 3 2 3 3 4 4 3 4 4 3 3 4 4 1
P L L L P P P L P P L P L P P L P P P L P P L P P P L L
20 20 19 19 19 20 21 21 19 20 19 20 19 19 20 20 19 20 20 20 20 19 20 20 20 20 20 20
Langkah-Langkah Praktikum (SPSS) Berikut ini adalah langkah-langkah praktikum modul 6 (analisis cluster)
menggunakan software SPSS: 1.
Buka aplikasi SPSS.
41
2.
Dengan data yang sama dengan modul 5 → klik “variable view”, masukkan seluruh variabel (nama, gender, usia → type data = string dan tipe measure = nominal. Selain itu bertipe data numeric dan tipe measure = scale) dan dengan decimal = 0.
3.
Pada “data view”, copy data dari hasil kuesioner.
6.4.1 Non Hierarchical Berikut ini adalah langkah-langkah praktikum modul 6 (analisis cluster: metode non-hierarchial) menggunakan software SPSS: 1.
Klik analyze → Classify → K-means.
2.
Masukkan semua variabel yang bertipe numeric, number of clusters = 2, dengan method = iterate and classify.
3.
Klik iterate, isi maximum iterations = 10 → Continue.
4.
Klik Options → beri centang ANOVA. → Continue.
5.
Klik Save → beri centang keduanya → Continue.
6.
OK.
6.4.2 Hierarchical Berikut ini adalah langkah-langkah praktikum modul 6 (analisis cluster: metode hierarchial) menggunakan software SPSS: 1.
Klik Analyze → classify → hierarchical cluster.
2.
Masukkan semua variabel yang bertipe numeric.
3.
Klik statistics → centang proximity matriks, isi range of solutions (min = 2, max = 4) → continue.
4.
Klik Plots, centang dendogram → Continue.
5.
Klik methods → between – groups linkage, dan interval = squared euclidean distance→ continue.
6.
Klik save → range of solutions (min = 2, max = 4) → continue → OK.
6.5
Tugas Praktikum Tugas praktikum akan diberikan pada saat praktikum dengan menggunakan
zoom dimulai dan disampaikan oleh Asisten Laboratorium setiap modul.
42
ANALISIS DISKRIMINAN PRAKTIKUM STATISTIK INDUSTRI 7.1
Tujuan Praktikum Adapun tujuan praktikum modul 7 (analisis diskriminan) adalah sebagai
berikut. 1.
Mengelompokan setiap obyek dalam dua atau lebih kelompok berdasarkan pada kriteria tertentu.
2.
Dapat memahami setiap karakter dan kegunaan metode analisis diskriminan.
3.
Menguji apakah ada perbedaan signifikan antara kategori/kelompok yang dikaitkan dengan variabel bebas.
7.2
Landasan Teori Analisis diskriminan adalah salah satu tekik analisa statistika dependensi
yang memiliki kegunaan untuk mengklasifikasikan objek beberapa kelompok. Pengelompokan dengan analisis diskriminan ini terjadi karena ada pengaruh satu atau lebih variabel lain yang merupakan variabel independen. Kombinasi linier dari variabel-variabel ini akan membentuk suatu fungsi diskriminan (Tatham et. al.,1998). Analisis diskriminan dipakai untuk menjawab pertanyaan bagaimana individu dapat dimasukkan kedalam kelompok berdasarkan beberapa variabel. Persamaan fungsi diskriminan yang dihasilkan untuk memberikan peramalan yang paling tepat untuk mengklasifikasi individu kedalam kelompok berdasarkan skor variable bebas. Menurut Johnson and Wichern (1992: 470), tujuan dari analisis disriminan adalah untuk menggambarkan ciri-ciri suatu pengamatan dari bermacam-macam populasi yang diketahui, baik secara grafis maupun aljabar dengan membentuk fungsi diskriminan. Dengan kata lain, analisis diskriminan digunakan untuk mengklasifikasikan individu ke dalam salah satu dari dua kelompok atau lebih. Manfaat utama analisis diskriminan adalah sebagai berikut. 1.
Cara terbaik untuk menyatakan perbedaan antar segmen tersebut (masalah
43
diskriminan). 2.
Cara untuk mengalokasikan suatu objek baru ke dalam salah satu kelompok tersebut. Dalam buku Johnson, R. A. dan Wichern, D. W (1992) dijelaskan bahwa fungsi diskriminan pertama kali diperkenalkan oleh Ronald A. Fisher (1936) dengan menggunakan beberapa kombinasi linier dari pengamtan yang cukup mewakili populasi. Menurut Fisher, untuk mencari kombinasi linier dari p variabel bebas tersebut dapat dilakukan dengan pemilihan koefisien-koefisiennya yang menghasilkan hasil bagi maksimum antara matrik peragam antar kelompok (between-group) dan matrik peragam dalam kelompok (within-group). Adapun asumsi-asumsi yang harus dipenuhi sebelum melakukan analisis
diskriminan, antara lain yaitu. 1.
Variabel independen berdistribusi normal multivariate (multivariates normal distribution). Jika tidak berdistribusi normal, hal ini akan menyebabkan masalah pada ketepatan fungsi (model ) diskriminan.
2.
Varians dalam setiap kelompok adalah sama (equal variances).
3.
Tidak ada korelasi antar variable independen.
4.
Tidak adanya data yang bersifat ekstrim (outlier) pada variable independen. Jika terdapat data ekstrim yang tetap diproses, hal ini bias berakibat berkurangnya ketepatan klasifikasi dari fungsi diskriminan. Analisis diskriminan dapat dilakukan bila terdapat perbedaan yang nyata
antar kelompok, sehingga pada tahap awal yang harus dilakukan adalah uji hipotesis nol bahwa tidak ada perbedaan kelompok di antara individu yang dirumuskan dengan: H0 : µ1 = µ2 = … = µk………………………………………………..……..(7.1) H1 : µi ≠ µj ( minimal terdapat 2 kelompok yang berbeda) Oleh karena bentuk multivariat dari analisis diskriminan adalah dependen, maka variabel dependen adalah variabel yang menjadi dasar analisis diskriminan. Adapun tujuan dari analisis diskriminan antara lain. 1.
Mengetahui perbedaan yang jelas antar grup pada variabel dependen.
2.
Jika ada perbedaan, variabel independen manakah pada fungsi diskriminan yang membuat perbedaan tersebut.
44
3.
Membuat fungsi atau model diskriminan (yang mirip dengan persamaan regresi).
4.
Melakukan klasifikasi terhadap obyek ke dalam kelompok (grup). Beberapa hal yang berkaitan dengan analisis diskriminan, yaitu.
1.
Korelasi Kanonikal (canonical correlation) mengukur seberapa kuat asosiasi antara skor diskriminan dan kelompok merupakan ukuran antara fungsi diskriminan tunggal dan set variabel dummy yang membentuk anggota kelompok.
2.
Centroit ialah rata-rata nilai skor fungsi diskriminan untuk suatu kelompok tertentu. Banyaknya centroit sebanyak kelompok yang ada, sebab setiap kelompok mempunyai satu centroit. Rata-rata untuk satu untuk semua kelompok pada semua fungsi disebut centroit kelompok (group centroids).
3.
Cutting score, adalah nilai rata-rata centroit yang dapat dipakai sebagai patokan
mengelompokkan
objek.
Misalnya,
kalau
dalam
analisis
diskriminan dua grup cutting score adalah 0,15, keanggotaan suatu objek dapat dilihat apakah skor diskriminan objek tersebut di bawah ataukah di atas cutting score. 4.
Discriminant loadings (disebut juga structure correlations) merupakan korelasi linier sederhana antara setiap variabel independen dengan skor diskriminan untuk setiap fungsi diskriminan.
5.
Hit rasio merupakan nilai yang dapat menjawab : “Berapa persen objek yang dapat diklasifikasi secara tepat dari jumlah total objek ?”. Hit rasio merupakan salah satu kriteria untuk menilai kekuatan persamaan diskriminan dalam mengelompokkan objek.
6.
Metric klasifikasi sering disebut confusion metric atau prediction metric, memuat jumlah objek (kasus) yang secara benar terklasifikasi dan yang salah terklasifikasi. Objek kasus yang terklasifikasi secara benar tampak pada diagonal sebab kelompok yang diramalkan dan yang sebenarnya sama sedangkan yang berada di luar diagonal (off diagonal) mewakili objek yang berada di diagonal dibagi dengan banyaknya objek (kasus) yang diteliti disebut hit ratio.
7.
Koefisien fungsi diskriminan yang tidak dibakukan (unstandardized)
45
merupakan variabel multipliers, ketika variabel masih dalam suatu ukuran yang asli. Jika variabel di bekukan disebut koofisien beta. Koefisien fungsi diskriminan
yang
dibakuakan
(standardized)
ialah
koefisen
yang
dipergunakan sebagai peganda jika semua variabel telah dibakukan sehingga masing-masing variabel mempunyai rata-rata nol dan standar deviasi 1 (0 atau 1). 8.
Skor diskriminan. Koofisien yang tidak dibakukan dikalikan dengan nilai variabel, dijumlahkan kemudian ditambah dengan konstan akan diperoleh nilai atau skor diskriminan. Jadi skor diskriminan sama dengan fungsi diskriminan.
7.3
Soal Praktikum Tahun 2021 diilakukan sebuah riset untuk mengetahui minat belajar
statistika pada mahasiswa. Untuk itu, kepada setiap mahasiwa diberikan daftar kuesioner yang memuat pertanyaan tentang pendapat mahasiswa terhadap variabel-variabel yang mempengaruhi minat belajar statistika pada mahasiswa. Berikut variabel yang digunakan: 1.
Tugas tuntas
2.
Tugas tepat waktu
3.
Aktif menjawab
4.
Aktif bertanya
5.
Aktif berdiskusi
6.
Mencatat materi tambahan
7.
Memperhatikan dosen
8.
Mengulang materi
9.
Meminjam/membeli buku statistika
10.
Mencari reverensi internet
11.
Mendapat nilai > kkm
12.
Berlatih soal
1. 2. 3. 4. 5.
Skala: Selalu Sering Kadang-kadang Jarang Tidak pernah
Pertanyaan: 1.
Lakukan analisa output menggunakan analisis diskriminan yang ada pada penilaian “Minat Belajar Statistika pada Mahasiswa”?
46
1
Rizky Cahya Mellania
2 Cintha Niszar 3 Felicia Chanya 4 Aisyah Fitri 5 Auliana Anggraini 6 Muhammad Wijdan Roja 7 Irfan Ramadhan 8 Azmil Mufarikha 9 Muhammad Bambang Wibisono 10 Anugrah Intan Puspitasari 11 Eliana Rizki 12 Victoria Aurellia 13 Kharisma Syafitri 14 Haidar Alwi 15 Alvinas Anwar Saputro 16 Andrew Priyo Himawan 17 Maulinda Herlista 18 Hani Iszatul 19 Vivi Indah Lestari 20 Ady Rendra Bachtiar 21 Lutfiah Nabilah 22 Dewi Cahyani 23 Miftahul hamdi 24 Chori 25 Janjuni 26 Khoirotun Nisak 27 Happy Wanda 28 Sandi Tribanjar Sunarya 29 Esti Handayani 30 Fatimah 31 Shania Dwi Gita 32 Alfay Abid 33 Naddya Rachma 34 Salmaa M
Tugas Tuntas Tugas Tepat Waktu Aktif Menjawab Aktif Bertanya Aktif Berdiskusi Mencatat Materi Tambahan Memperhatikan Dosen Mengulang Materi Meminjam/Membeli Buku Mencari Reverensi Internet Mendapat Nilai > KKM Berlatih Soal Gender Usia
Nama
No
Tabel 7.1. Rekap Data Hasil Kuesioner
5 4 2 1 4 3 4 4 4 4 3 2 P 20 3 5 5 5 5 4 5 4 5 5 3 5 3 4 4 5 5 5 5 5 4 5 5 5 4 4 4 4 5 5 5 4 5
5 3 3 4 4 4 2 4 2 1 4 3 4 1 4 4 2 1 5 1 3 3 3 3 3 4 3 3 3 2 1 3 2
3 3 3 3 3 3 3 2 3 2 1 3 2 4 3 3 2 4 3 2 3 3 3 4 3 3 3 4 3 3 3 3 3
3 3 3 3 3 4 3 3 3 2 1 3 2 4 3 3 2 4 3 2 3 2 3 3 2 3 2 4 3 3 4 3 3
5 3 3 4 4 4 2 4 2 1 4 3 4 1 4 4 2 1 5 4 3 4 4 4 4 3 4 4 4 2 1 5 4
5 3 3 4 4 4 3 4 3 4 1 3 4 4 3 5 3 5 3 3 4 3 5 4 4 4 3 4 5 3 4 4 5
3 4 4 4 4 3 4 4 4 2 1 5 4 4 4 5 3 5 4 4 4 5 5 4 4 4 3 4 4 4 4 4 5
5 5 5 5 4 4 2 4 3 3 1 3 3 3 3 1 3 4 2 3 3 3 1 3 3 3 3 3 4 4 2 3 4
5 4 2 3 4 2 1 4 3 4 1 4 4 2 1 5 3 5 2 2 1 5 4 5 3 3 3 3 2 2 3 2 3
5 3 3 4 4 4 2 4 2 1 4 3 4 1 4 4 2 1 5 4 4 4 4 4 4 4 3 3 4 4 4 5 4
4 3 3 4 4 4 3 4 3 3 1 4 4 5 4 3 4 5 4 4 2 3 4 4 3 4 4 4 4 4 4 4 4
3 3 4 3 3 3 2 2 3 4 1 4 2 4 4 3 2 4 3 3 2 3 3 4 4 3 2 3 3 4 4 3 4
P P P P L L L L P P P P L L L P P P L P P L P L P P L P P P L P P
19 20 19 19 19 19 21 21 20 20 19 20 20 19 19 19 20 21 21 19 20 19 20 19 19 20 20 19 20 20 20 20 19
47
7.4
Rachmad Dwi Prasetyo Diajeng Rofiatul Adawiyah Viola Indira Arsetya Jaya Ezio Ar-Rozi
Tugas Tuntas Tugas Tepat Waktu Aktif Menjawab Aktif Bertanya Aktif Berdiskusi Mencatat Materi Tambahan Memperhatikan Dosen Mengulang Materi Meminjam/Membeli Buku Mencari Reverensi Internet Mendapat Nilai > KKM Berlatih Soal Gender Usia
Nama
No 35 36 37 38 39 40
5 5 5 5 4 1
4 3 3 2 4 3
4 3 2 2 2 1
3 3 2 2 2 1
4 4 5 3 5 4
3 3 4 4 4 2
4 3 5 5 4 2
3 3 3 3 3 3
4 4 2 3 3 5
4 4 3 4 5 5
4 4 3 5 4 1
4 3 3 4 4 1
L P P P L L
20 20 20 20 20 20
Langkah-Langkah Praktikum (SPSS) Berikut
ini adalah langkah-langkah praktikum modul 7
(analisis
diskriminan) menggunakan software SPSS. 1.
Buka aplikasi SPSS.
2.
Dengan data yang sama dengan modul sebelumnya.
3.
Klik analyze → classify → hierarchical cluster.
4.
Masukkan semua variabel yang bertipe numeric ke dalam “variables”, dan label by cases diisi var 1.
5.
Klik statistics → single solutions diisi 2→ continue→ OK.
6.
Klik analyze → classify → discriminant.
7.
Masukkan average linkage ke grouping variables (define range min = 1, max = 2) → continue, dan sisanya masukkan kedalam independents.
8.
Pilih use stepwise method.
9.
Klik statistics → centang means, univariate ANOVA, unstandardized →continue.
10.
Klik method → centang maholonobis dan use probability of F→ continue.
11.
Klik classify → centang summary table → continue → OK.
7.5
Tugas Praktikum Tugas praktikum akan diberikan pada saat praktikum dengan menggunakan
zoom dimulai dan disampaikan oleh Asisten Laboratorium setiap modul.
48
ANALISIS MULTIVARIAT FAKTOR PRAKTIKUM STATISTIK INDUSTRI 8.1
Tujuan Praktikum Adapun tujuan praktikum modul 8 (analisis multivariat faktor) adalah
sebagai berikut. 1.
Meringkas sejumlah variabel menjadi lebih sedikit.
2.
Mengidentifikasi adanya hubungan antar variabel dengan melakukan uji korelasi.
3.
Menguji validitas dan reliabilitas instrumen.
4.
Dapat memahami perbedaaan pengolahan dan analisis menggunakan software SPSS dan Smart PLS.
8.2
Landasan Teori
8.2.1 Analisis Faktor Analisis faktor adalah sebuah teknik yang digunakan untuk mencari faktorfaktor yang mampu menjelaskan hubungan atau korelasi antara berbagai indikator independen yang diobservasi. Analisis faktor dipergunakan untuk mereduksi data atau meringkas, dari variabel lama yang banyak diubah menjadi sedikit variabel baru yang disebut faktor, dan masih memuat sebagian besar informasi yang terkandung dalam variabel asli (Supranto, 2004). Pada dasarnya tujuan analisis faktor adalah sebagai berikut. 1.
Data Summarization, yakni mengidentifikasi adanya hubungan antar variabel dengan melakukan uji korelasi.
2.
Data Reduction, yakni setelah melakukan korelasi, dilakukan proses membuat sebuah variabel set baru yang dinamakan faktor untuk menggantikan sejumlah variabel tertentu. Oleh karena prinsip utama analisis faktor adalah korelasi, maka asumsi-
asumsi terkait dengan korelasi adalah sebagai berikut. 1.
Besar korelasi atau korelasi antar independen variabel harus cukup kuat, di atas 0,5.
49
2.
Besar korelasi parsial, korelasi antar dua variabel dengan menganggap tetap variabel yang lain, harus kecil. Pada SPSS, deteksi terhadap korelasi parsial diberikan lewat pilihan Anti-Image Correlation.
3.
Pengujian seluruh matrik korelasi (korelasi antar variabel), yang diukur dengan besaran Bartlett Test Of Sphericity atau Measure Sampling Adequacy (MSA). Pengujian ini mengharuskan adanya korelasi yang signifikan di antara paling sedikit beberapa variabel.
4.
Pada beberapa kasus, asumsi normalitas dari variabel-variabel atau faktor yang terjadi sebaiknya dipenuhi. Secara garis besar, tahapan pengolahan data pada analisis faktor adalah
sebagai berikut. 1.
Memilih variabel yang layak dimasukkan dalam analisis faktor.
2.
Setelah jumlah variabel terpilih, maka dilakukan “ekstraksi‟ variabel tersebut hingga menjadi satu atau beberapa faktor.
3.
Dilakukan proses rotasi untuk memperjelas apakah faktor terbentuk sudah secara signifikansi berbeda dengan faktor lain.
4.
Setelah faktor benar-benar sudah terbentuk, maka proses dilanjutkan dengan menamakan faktor yang ada dan validasi hasil faktor. Ada beberapa ukuran yang bisa digunakan untuk syarat kecukupan data
sebagai rule of thumb, yaitu. 1.
Korelasi matriks antar indikator: Metode yang pertama adalah memeriksa korelasi matriks. Tingginya korelasi antara indikator mengindikasikan bahwa indikator-indikator tersebut dapat dikelompokkan ke dalam sebuah indikator yang bersifat homogen sehingga setiap indikator mampu membentuk faktor umum atau faktor konstruk. Sebaliknya korelasi yang rendah antara indikator megindikasikan bahwa indikator-indikator tersebut tidak homogen sehingga tidak mampu membentuk faktor konstruk.
2.
Korelasi parsial: Metode kedua adalah memeriksa korelasi parsial yaitu mencari korelasi satu indikator dengan indikator lain dengan mengontrol indikator lain. Korelasi parsial ini disebut dengan negative anti-image correlations.
50
3.
Kaiser-Meyer Olkin (KMO): Metode ini paling banyak digunakan untuk melihat syarat kecukupan data untuk analisis faktor. Metode KMO ini mengukur
kecukupan sampling secara
menyeluruh dan mengukur
kecukupan sampling untuk setiap indikator (Hidayat, 2014). 8.2.2 Confirmatory Factor Analysis Analisis faktor konfirmatori yaitu suatu teknik analisis faktor di mana secara apriori berdasarkan teori dan konsep yang sudah diketahui dipahami atau ditentukan sebelumnya, maka dibuat sejumlah faktor yang akan dibentuk, serta variabel apa saja yang termasuk ke dalam masing-masing faktor yang dibentuk dan sudah pasti tujuannya. Pada dasarnya tujuan analisis faktor konfirmatori adalah sebagai berikut. 1.
Untuk mengidentifikasi adanya hubungan antar variabel dengan melakukan uji korelasi.
2.
Untuk menguji validitas dan reliabilitas instrumen. Dalam pengujian terhadap validitas dan reliabilitas instrumen atau kuesioner untuk mendapatkan data penelitian yang valid dan reliabel dengan analisis faktor konfirmatori. Salah satu metode confirmatory factor analysis adalah metode PLS.
Menurut Ghozali (2006) tujuan PLS adalah membantu peneliti untuk tujuan prediksi. Model formalnya mendefinisikan variabel laten adalah linear agregat dari indikator-indikatornya. Wold (1982) mengembangkan PLS untuk menguji teori dan data yang lemah, seperti karena adanya normalitas data (Ghozali & Latan, 2015). PLS juga bisa digunakan untuk mengkonfirmasi teori (Chin & Newsted, 1999). Dalam menggunakan PLS ini, perlu dilakukan dua langkah evaluasi, yaitu evaluasi measurement model dan evaluasi structural model. 1.
Evaluasi Measurement Model Evaluasi measurement model atau disebut dengan outer model (model pengukuran yaitu hubungan antara indikator dengan konstruknya) dilakukan untuk menilai validitas dan reliabilitas model. Outer model dievaluasi melalui validitas konvergen, diskriminan dan composite reliability serta cronbach alpha untuk indikatornya. Pada SmartPLS, uji validitas konvergen dapat dilihat dari nilai loading factor pada setiap
51
indikator. Nilai loading factor harus > 0.7 untuk penelitian bersifat confirmatory dan nilai average variance extracted (AVE) harus lebih besar dari 0.5 (Chin, 1998). Uji internal consistency reliability pada SmartPLS dilihat dari composite reliability dengan nilai lebih dari 0.7. Jika dibandingkan dengan cronbach alpha, nilai composite reliability ini tidak mengasumsikan ekuivalensi antar pengukuran dengan asumsi semua indikator diberi bobot yang sama. Dengan begitu, menurut Chin (1998), cronbach alpha cenderung tidak terlalu bagus untuk mengukur reliabilitas, sdangkan composite reliability merupakan closer approximation atau yang paling mendekati akurat. 2.
Evaluasi Structural Model Evaluasi structural model atau disebut dengan inner model (model struktural yang menghubungkan antar variabel laten) dilakukan dengan melihat nilai koefisien determinasi (R2), koefisien jalur dan nilai tstatistics. Nilai R2 digunakan untuk menjelaskan pengaruh antara variabel laten eksogen dengan variabel laten endogen. Menurut Chin (1998), nilai R2dianggap lemah, moderat dan kuat jika menunjukkan nilai 0.19, 0.33 dan 0.67. Nilai koefisien jalur digunakan untuk mengetahui seberapa signifikan relasi yang terbentuk antarvariabel laten. Nilai koefisien jalur dibilang
bagus
jika
melebihi 0.1, yang berarti variabel tersebut
mempunyai pengaruh yang signifikan terhadap model yang diuji. Nilai tstatistics digunakan untuk menyatakan hubungan antarvariabel dalam menentukan diterima atau ditolaknya suatu hipotesis. Nilai t- statistics yang lebih besar dari 1.96 dinyatakan memiliki signifikansi yang baik (Ghozali & Latan, 2015).
8.3
Soal Praktikum
8.3.1 Analisis Faktor Tahun 2021 diilakukan sebuah riset untuk mengetahui minat belajar statistika pada mahasiswa. Untuk itu, kepada setiap mahasiwa diberikan daftar kuesioner yang memuat pertanyaan tentang pendapat mahasiswa terhadap variabel-variabel yang mempengaruhi minat belajar statistika pada mahasiswa.
52
Berikut variabel yang digunakan: 1.
Tugas tuntas
2.
Tugas tepat waktu
3.
Aktif menjawab
4.
Aktif bertanya
5.
Aktif berdiskusi
6.
Mencatat materi tambahan
7.
Memperhatikan dosen
8.
Mengulang materi
9.
Meminjam/membeli buku statistika
10.
Mencari reverensi internet
11.
Mendapat nilai > kkm
12.
Berlatih soal
Skala: Selalu Sering Kadang-kadang Jarang Tidak pernah
1. 2. 3. 4. 5.
Pertanyaan: 1.
Lakukan analisa output menggunakan metode analisis faktor yang ada pada penilaian “Minat Belajar Statistika pada Mahasiswa”?
1
Rizky Cahya Mellania
2 Cintha Niszar 3 Felicia Chanya 4 Aisyah Fitri 5 Auliana Anggraini 6 Muhammad Wijdan Roja 7 Irfan Ramadhan 8 Azmil Mufarikha 9 Muhammad Bambang Wibisono 10 Anugrah Intan Puspitasari 11 Eliana Rizki 12 Victoria Aurellia
Tugas Tuntas Tugas Tepat Waktu Aktif Menjawab Aktif Bertanya Aktif Berdiskusi Mencatat Materi Tambahan Memperhatikan Dosen Mengulang Materi Meminjam/Membeli Buku Mencari Reverensi Internet Mendapat Nilai > KKM Berlatih Soal Gender Usia
Nama
No
Tabel 8.1. Rekap Data Hasil Kuesioner
5 4 2 1 4 3 4 4 4 4 3 2 P 20 3 5 5 5 5 4 5 4 5 5 3
5 3 3 4 4 4 2 4 2 1 4
3 3 3 3 3 3 3 2 3 2 1
3 3 3 3 3 4 3 3 3 2 1
5 3 3 4 4 4 2 4 2 1 4
5 3 3 4 4 4 3 4 3 4 1
3 4 4 4 4 3 4 4 4 2 1
5 5 5 5 4 4 2 4 3 3 1
5 4 2 3 4 2 1 4 3 4 1
5 3 3 4 4 4 2 4 2 1 4
4 3 3 4 4 4 3 4 3 3 1
3 3 4 3 3 3 2 2 3 4 1
P P P P L L L L P P P
19 20 19 19 19 19 21 21 20 20 19
53
Kharisma Syafitri Haidar Alwi Alvinas Anwar Saputro Andrew Priyo Himawan Maulinda Herlista Hani Iszatul Vivi Indah Lestari Ady Rendra Bachtiar Lutfiah Nabilah Dewi Cahyani Miftahul hamdi Chori Janjuni Khoirotun Nisak Happy Wanda Sandi Tribanjar Sunarya Esti Handayani Fatimah Shania Dwi Gita Alfay Abid Naddya Rachma Salmaa M Rachmad Dwi Prasetyo Diajeng Rofiatul Adawiyah Viola Indira Arsetya Jaya Ezio Ar-Rozi
Tugas Tuntas Tugas Tepat Waktu Aktif Menjawab Aktif Bertanya Aktif Berdiskusi Mencatat Materi Tambahan Memperhatikan Dosen Mengulang Materi Meminjam/Membeli Buku Mencari Reverensi Internet Mendapat Nilai > KKM Berlatih Soal Gender Usia
Nama
No 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
5 3 4 4 5 5 5 5 5 4 5 5 5 4 4 4 4 5 5 5 4 5 5 5 5 5 4 1
3 4 1 4 4 2 1 5 1 3 3 3 3 3 4 3 3 3 2 1 3 2 4 3 3 2 4 3
3 2 4 3 3 2 4 3 2 3 3 3 4 3 3 3 4 3 3 3 3 3 4 3 2 2 2 1
3 2 4 3 3 2 4 3 2 3 2 3 3 2 3 2 4 3 3 4 3 3 3 3 2 2 2 1
3 4 1 4 4 2 1 5 4 3 4 4 4 4 3 4 4 4 2 1 5 4 4 4 5 3 5 4
3 4 4 3 5 3 5 3 3 4 3 5 4 4 4 3 4 5 3 4 4 5 3 3 4 4 4 2
5 4 4 4 5 3 5 4 4 4 5 5 4 4 4 3 4 4 4 4 4 5 4 3 5 5 4 2
3 3 3 3 1 3 4 2 3 3 3 1 3 3 3 3 3 4 4 2 3 4 3 3 3 3 3 3
4 4 2 1 5 3 5 2 2 1 5 4 5 3 3 3 3 2 2 3 2 3 4 4 2 3 3 5
3 4 1 4 4 2 1 5 4 4 4 4 4 4 4 3 3 4 4 4 5 4 4 4 3 4 5 5
4 4 5 4 3 4 5 4 4 2 3 4 4 3 4 4 4 4 4 4 4 4 4 4 3 5 4 1
4 2 4 4 3 2 4 3 3 2 3 3 4 4 3 2 3 3 4 4 3 4 4 3 3 4 4 1
P L L L P P P L P P L P L P P L P P P L P P L P P P L L
20 20 19 19 19 20 21 21 19 20 19 20 19 19 20 20 19 20 20 20 20 19 20 20 20 20 20 20
8.3.2 Confirmatory Factor Analysis Dalam era ekonomi digital, peran internet sangat berpengaruhterutama bagi perusahaan e-commerce. Melalui fasilitas e-commerce masyarakat dapat melakukan transaksi perdagangan secara global dan mendunia. Aktivitas tersebut membentuk gaya hidup online pada masyarakat, seperti kegiatan berbelanja yang dulunya hanya dikenal melalui toko fisik, sekarang dilakukan secara online.
54
Proses jual-beli yang dulunya mengharuskan penjual dan pembeli untuk bertatap muka, sekarang hanya menjadi sebatas klik dengan gadget yang terintegrasi dengan teknologi internet. Berdasarkan fenomena tersebut, bertransaksi online pada saat ini telah naik. Harris, 2010 (dalam Anwar & Adidarma, 2016) mengatakan bagi sebuah toko online yang melakukan transaksi tanpa bertatap muka harus dapat menjaga kepercayaan agar dapat menarik minat konsumen. Adanya faktor kepercayaan yang dibangun oleh pelaku bisnis dapat menarik minat konsumen untuk berbelanja online melalui website yang dibangun. Minat yang muncul dalam melakukan pembelian menciptakan suatu motivasi yang terus terekam dalam benaknya dan menjadi suatu kegiatan yang sangat kuat yang pada akhirnya ketika seorang konsumen harus memenuhi kebutuhanya akan mengaktualisasikan apa yang ada didalam benaknya itu. Berdasarkan uraian tersebut maka dilakukan penelitian untuk mengetahui adakah
pengaruh
kepercayaan
konsumen,
pengalaman
berbelanja,
dan
kemudahan transaksi terhadap minat belanja online di kalangan mahasiswa program studi teknik industri UPN “Veteran” Jawa Timur. Berikut ini adalah pertanyaan pada kuesioner: Keterangan: 1: Sangat tidak setuju 2: Tidak setuju 3: Biasa saja 4: Setuju 5: Sangat setuju 1.
Minat Beli (MB) a)
Saya akan membeli produk secara online di toko yang saya kunjungi dalam waktu dekat.
b)
Saya akan mereferensikan toko online yang sering saya kunjungi.
c)
Saya lebih berminat membeli di toko online yang sering saya kunjungi.
d)
Jika bertransaksi kembali secara online, saya ingin mecoba produk lain.
55
2.
Kemudahan Transaksi (KT) a)
Saya merasa tidak ada kesulitan dalam melakukan transaksi di situs belanja online.
3.
b)
Saya mudah mendapatkan yang saya cari di situs belanja online.
c)
Intruksi di situs belanja online jelas dan dapat dimengerti.
d)
Interaksi yang terdapat di situs belanja online bersifat fleksibel.
Pengalaman Berbelanja (PB) a)
Saya berpengalaman terhadap harga barang yang dijual di toko online yang saya kunjungi.
b)
Saya berpengalaman terhadap kelengkapan barang yang dijual di toko online yang saya kunjungi.
c)
Berdasarkan pengalaman saya dalam berbelanja online, saya mengetahui bahwa vendor akan menepati janjinya kepada konsumen.
d) 4.
Saya puas dengan pengalaman berbelanja online sebelumnya.
Kepercayaan Konsumen (KK) a)
Toko belanja online yang sering saya kunjungi memiliki reputasi yang baik.
b)
Toko online memberikan keamanan dalam bertransaksi.
c)
Toko online menyediakan produk yang berkualitas.
d)
Toko online memenuhi tanggung jawab kepada pelanggan. Tabel 8.2. Rekap Data Hasil Kuesioner
MB1 4 5 4 4 5 4 4 3 4 5 4 4 5
MB2 3 4 5 3 4 4 4 4 5 4 4 4 5
MB3 5 4 4 4 3 4 3 3 5 5 3 2 4
MB4 4 4 4 5 4 5 4 3 5 5 4 4 5
KT1 4 4 4 4 4 4 4 3 3 3 4 4 4
KT2 5 3 4 4 4 4 5 4 4 3 4 4 4
KT3 5 3 4 5 4 4 3 3 4 2 3 2 4
KT4 5 3 4 4 5 4 4 2 4 3 4 4 4
56
4 5 4 4 5 4 4 3 4 5 4 4 3 1 4 4 4
3 4 5 3 4 4 4 4 5 4 4 5 4 3 4 4 4
5 4 4 4 3 4 3 3 5 5 3 4 4 2 5 3 2
4 4 4 5 4 5 4 3 5 5 4 5 3 1 3 4 4
4 5 4 4 5 4 3 3 4 4 4 4 3 1 4 4 4
3 4 5 3 4 4 3 4 5 4 4 5 4 3 4 4 4
5 4 4 4 3 4 3 3 5 5 3 4 4 2 5 3 2
4 4 4 5 4 4 3 3 5 5 4 5 3 1 3 4 4
PB1 3 4 3 3 4 4 4 3 4 4 3 4 5 3 3 4 2 4 4 1 3
PB2 4 4 4 4 4 4 5 3 4 4 3 2 5 3 4 4 4 4 5 3 4
PB3 4 5 4 3 3 4 4 2 4 5 2 2 4 3 4 3 4 2 4 4 4
PB4 3 4 4 4 2 4 5 4 5 4 2 3 5 4 4 3 3 3 4 4 4
KK1 3 4 3 3 4 4 4 4 4 3 3 4 3 4 3 4 4 4 2 1 3
KK2 4 4 4 4 4 4 5 4 4 3 3 2 4 5 4 4 4 4 4 3 4
KK3 4 5 4 3 4 4 4 5 2 2 2 2 4 4 4 3 5 5 2 4 4
KK4 3 4 4 4 5 4 5 4 3 3 2 3 5 4 4 3 5 5 2 4 4
57
4 5 3 4 4 2 3 4 4 8.4
4 5 4 4 4 2 4 4 4
5 5 4 4 4 2 2 4 3
5 4 4 4 4 2 3 3 3
4 3 3 5 4 2 3 4 4
3 4 4 4 4 3 4 4 4
4 4 4 5 4 2 2 4 3
5 3 4 4 4 3 3 3 3
Langkah-Langkah Praktikum
8.4.1 Analisis Faktor Berikut ini adalah langkah-langkah praktikum modul 8 (analisis multivariat faktor: metode analisis faktor) menggunakan software SPSS. 1.
Buka aplikasi SPSS.
2.
Masukkan data yang sama dengan modul sebelumnya.
3.
Klik analyze → dimension reduction → factor.
4.
Masukkan semua variabel bertipe numeric.
5.
Klik descriptives → beri centang “KMO...” dan anti image→ continue.
6.
OK.
7.
Apabila terdapat variabel yang nilai MSA nya dibawah 0,5, maka ulangi langkah 3-6 dengan mengeluarkan variabel tersebut.
8.4.2 Confirmatory Factor Analysis Berikut ini adalah langkah-langkah praktikum modul 8 (analisis multivariat faktor: metode CFA) menggunakan software SmartPLS. 1.
Buka aplikasi Smart PLS
2.
Menginputkan file yang akan dianalisis. Untuk menjalankan smartPLS 3.0 data harus disimpan dalam format .csv (disetting pada microsoft excel pada menu save as).
3.
Memasukan data ke dalam smartPLS 3.0 adalah dengan cara membuat projek yang akan dikerjakan. Disudut kiri atas klik New Project. Lalu akan muncul jendela baru lalu isikan nama project yang akan dikerjakan.
4.
Setelah diisikan nama project dan klik tombol OK maka project akan muncul pada jendela di sebelah kiri. Terdapat 2 menu yaitu menu untuk
58
memasukan data pada smartPLS 3.0 dan menu untuk menggambarkan struktur model penelitian. 5.
Untuk memasukan data, double klik pada icon menu “klik dua kali untuk memasukkan data”. Setelah di klik maka akan muncul layar yang berisikan file dimana kita menaruh data mentah dan pilih file dengan format .csv.
6.
Jika data telah dimasukan, maka akan tampak pada jendela smartPLS. Indikator lain jika data sudah masuk dalam smartPLS secara sempurna adalah icon warna hijau, yang berarti data sudah komplit. Tetapi jika icon berwarna kuning maka maknanya data masih mengandung missing value. Adapun isi dari data yang diperlihatkan oleh smartPLS diantaranya adalah variabel atau indikator penelitian disertai nilai statistik deskriptifnya.
7.
Setelah data berhasil di-input-kan dengan sempurna maka langkah berikutnya adalah menggambar model struktural. Menggambar model struktural dapat dimulai dengan melakukan double klik pada menu nama project disebelah kiri jendela. Setelah di klik akan muncul tab baru di bagian kanan atas.
8.
Dalam menggambar gunakan dua icon yaitu “latent variable” dan “connect” dengan cara klik icon laten variabel lalu klik pada bidang gambar dan seterusnya lakukan hal yang sama sesuai jumlah laten variabel. Lalu untuk menghubungkan pola hubungan gunakan icon connect.
9.
Untuk memasukan observed variabel ke dalam laten variable maka cukup men-drag atau menarik satu persatu observed variable yang ada pada layar sebelah kiri bawah ke dalam bidang gambar disesuaikan dengan pasangan laten variable-nya.
10.
Jika observed variable sudah dimasukan ke dalam laten variable maka model berubah menjadi biru.
11.
Jika perlu mengganti nama dari masing-masing laten variable cukup klik kanan pada laten variable dan melakukan rename.
12.
Untuk melakukan pengujian pada menu smartPLS 3.0 pilih menu calculate dan pilih Algoritma PLS.
13.
Setelah di klik akan muncul jendela baru, pada menu maksimum iterasi isikan sebanyak 300, lalu klik start calculation.
59
8.5
Tugas Praktikum Tugas praktikum akan diberikan pada saat praktikum dengan menggunakan
zoom dimulai dan disampaikan oleh Asisten Laboratorium setiap modul.
60
DAFTAR PUSTAKA Andin, W. (2019). Reliabilitas. Diakses 21 Agustus 2021, dari https://www.dosen pendidikan.co.id/reliabilitas/. Budhi, Gregorius, S., Handojo, Andreas, Wirawan, and Christine, O. (2009), Algoritma Generalized Sequential Pattern untuk Menggali Data Sekuensial Sirkulasi Buku pada Perpustakaan. UK Petra: SNATI. Chin, W. W., and Newsted, P. R. (1999). Structural equation modeling analysis with small samples using partial least squares. In R. H. Hoyle (Ed.), Statistical strategies for small sample research. Thousand Oaks (pp. 307341). CA: Sage Publications. Depdikbud. (2018). Pengertian Statistik Deskriptif. Diakses 21 Agustus 2021, dari http://depdikbud.blogspot.com/2018/06/pengertian-statistik-deskriptif.html. Gaspersz, V. (1995). Teknik Analisis Dalam Penelitian Percobaan. Bandung: Tarsito Bandung. Ghozali. (2006). Structural Equation Modeling, Metode Alternatif dengan Partial Least Square. Semarang: Badan Penerbit UNDIP. Ghozali. and Latan. (2015). Partial Least Squares: Konsep, Teknik dan Aplikasi Menggunakan Program SmartPLS 3.0. Semarang: Badan Penerbit UNDIP. Gunawan, I. (2016). Pengantar Statistik Inferensial. Depok: Rajagrafindi Persada. Hadi, S. (2018). Statistika Deskriptif. Diakses 21 Agustus 2021, dari https://id. HadiSutrisno.org/Statistika deskriptif. Handoyo. (2014). Bahan Ajar Statistik Industri. Surabaya: Universitas Pembangunan Nasional “Veteran” Jawa Timur. Hasan. (2001). Dasar-Dasar Statistika. Bandung: Alfabeta. Hidayat, A. (2014). Analisis Cluster. Diakses 21 Agustus 2021, dari www.statistikian.com. Hildaria, H. (2017). Pengaruh Kepercayaan Konsumen, Pengalaman Berbelanja, dan Kemudahan Transaksi terhadap Minat Belanja Online di Kalangan Mahasiswa Program Studi Manajemen Universitas Sanata Dharma Yogyakarta. Skripsi. Yogyakarta: Program Studi Pendidikan Ekonomi, Univesitas Sanata Dharma.
61
Huang, H. (2019). Analisis Korelasi. Diakses 21 Agustus 2021, dari https://www. globalstatistik.com/analisis-regresi-sederhana-ini-penjelasannya/. Huda, F.A. (2018). Pengertian Uji Regresi. Diakses 21 Agustus 2021, dari http:// fatkhan.web.id/pengertiandan-contoh-kasus-uji-regresi-linear-sederhana-dan -berganda/. J. Supranto, M.A. (1991). Statistik Teori dan Aplikasi. Edisi ke Lima. Jakarta: Penerbit Erlangga. Johnson, R.A. and Wichern, D.W. (1992). Applied Multivariate Statistical Analysis. New Jersey: Pretice Hall. Johson R.A. and Winchern D.W. (2007). Applied Multivariate Statistical Analysis. New Jersey: Prentice Hall. Lianda, Y. (2019). Analisis Korelasi. Diakses 21 Agustus 2021, dari https://yuvalianda.com/analisiskorelasi/. Mattjik A.A. and Sumertajaya I.M. (2011). Sidik Peubah Ganda dengan Menggunakan SAS. Wibawa GNA, Hadi AF. Bogor: IPB Press. Mekse, G. (2017). Buku Pengantar Statistika. Bali: Universitas Udayana. Nazir, M. (1985). Metode Penelitian. Jakarta: Ghalia Indonesia. Rinaldi, Achi, dkk. (2021). Statistika Inferensial untuk Ilmu Sosial dan Pendidikan. Bogor: IPB Press. Santoso, S. (2010). Statistik Multivariat, Konsep dan Aplikasi dengan Aplikasi SPSS. Jakarta: Elex Media Komputindo. Simamora, B. (2005). Analisis Multivariant Pemasaran. Jakarta: PT. Gramedia Pustaka Utama. Somantri, A. and Sambas A. (2006). Aplikasi statistika dalam Penelitian. Bandung: Pustaka Ceria.. Sudjana. (1995). Metode Statistika. Bandung: Tarsito. Sugiyono. (2006). Statistika Untuk Penelitian. Bandung: Alfabeta. Sugiyono. (2009). Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung: Alfabeta. Supranto, J. (2004). Analisis Multivariat Arti dan Interpretasi. Jakarta: Rineka Cipta.
62
Susanti, D. S. et al. (2019). Analisis Regresi dan Korelasi. Purwokerto: CV IRDH. Prietmo. (2016). Jendela Statistika: Uji Validitas dan Reliabel. Yogyakarta: Graha Ilmu. Tabachnick, B.G., and Fidell, L.S. (1996). Using Multivariate Statistics. 3rd ed. New York: Harper Collins. Tatham, R.L., Hair,J.F, Anderson, R.E., and Black, W.C. (1998). Multivariate Data Analysis. New Jersey: Prentice Hall. Walpole, R.E. (1995). Pengantar Statistik. Edisi Ke-4. Jakarta: PT Gramedia. Walpole, R.E. (2014). Pengantar Statistika. Edisi-3. Jakarta: Gramedia Pustaka Utama.
63
