Laboratorium Manajemen Dasar - ma-dasar…ma-dasar.lab.gunadarma.ac.id/wp-content/uploads/2015/03/MODUL-R… · laboratorium manajemen dasar modul riset akuntansi ata 2014/2015 nama

LABORATORIUM MANAJEMEN DASAR

MODUL RISET AKUNTANSI

ATA 2014/2015

NAMA :

NPM :

KELAS :

FAKULTAS EKONOMI

UNIVERSITAS GUNADARMA

DEPOK

Laboratorium Manajemen Dasar

Riset Akuntansi ii ATA 14/15

KATA PENGANTAR

Assalamu’alaikum Wr. Wb.

Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa atas limpahan

rahmat dan karunia-Nya sehingga modul praktikum Riset Akuntansi ini dapat

terselesaikan.

Modul praktikum ini merupakan penyempurnaan dari modul praktikum

sebelumnya dan diharapkan dengan adanya modul praktikum ini dapat

meningkatkan pemahaman dasar materi praktikum serta sebagai pedoman bagi

mahasiswa dalam melakukan penelitian-penelitian ekonomi. Selain itu, modul ini

juga dapat digunakan sebagai dasar suatu pandangan mahasiswa dalam melihat

keadaan perekonomian dan disesuaikan dengan teori-teori ekonomi yang ada.

Dengan penuh kesadaran, bahwa modul praktikum ini masih perlu

disempurnakan lagi, sehingga saran dan kritik untuk penyajian serta isinya sangat

diperlukan.

Akhir kata, terima kasih kepada tim Litbang Riset Akuntansi

Laboratorium Manajemen Dasar 2014/2015 yang turut berpartisipasi dalam

penulisan modul praktikum ini. Ucapan terima kasih juga kami sampaikan kepada

seluruh pihak yang berpartisipasi sehingga pelaksanaan praktikum ini dapat

berjalan dengan lancar.

Wassalamu’alaikum Wr. Wb.

Depok, Maret 2015

Tim Litbang


Riset Akuntansi iii ATA 14/15

DAFTAR ISI

Halaman Judul ............................................................................................... i

Kata Pengantar .............................................................................................. ii

Daftar Isi........................................................................................................ iii

Daftar Gambar ............................................................................................... v

Daftar Tabel .................................................................................................. viii

Materi 1. Uji Normalitas

I. Pendahuluan ......................................................................................... 1

II. Analisis yang Diperlukan ..................................................................... 1

III. Contoh Kasus ....................................................................................... 2

Materi 2. Uji T Sampel Bebas (Independent Sample T-Test)

I. Pendahuluan ......................................................................................... 12

II. Langkah Analisis Pengujian ................................................................. 13

III. Contoh Kasus dan Langkah Pengerjaan ............................................... 13

Materi 3. Uji T Sampel Berpasangan

I. Pendahuluan ......................................................................................... 22

II. Langkah-langkah Analisis Pengujian ................................................... 22

III. Contoh Kasus ....................................................................................... 23

IV. Langkah-langkah Pengerjaan ............................................................... 23

Materi 4. Uji ANOVA

I. Pendahuluan ......................................................................................... 29


Riset Akuntansi iv ATA 14/15

II. Analisis yang Diperlukan ..................................................................... 30

III. Contoh Kasus ....................................................................................... 31

IV. Langkah Pengerjaan dengan Software R-Commander ........................ 31

V. Langkah-Langkah Hipotesis ................................................................ 40

Materi 5. Regresi Linear Berganda

I. Pendahuluan ......................................................................................... 42

II. Tujuan Penggunaan Analisis Regresi Linier Berganda ....................... 42

III. Analisis Yang Diperlukan .................................................................... 42

a. Persamaan umum regresi linier berganda ...................................... 42

b. Uji Asumsi Klasik .......................................................................... 43

c. Koefisien Korelasi .......................................................................... 44

d. Koefisien Determinasi .................................................................... 44

e. Kesalahan Standar Estimasi .......................................................... 44

IV. Contoh Kasus ....................................................................................... 44

V. Langkah-langkah Pengerjaan ............................................................... 45

Daftar Pustaka ............................................................................................... 52


Riset Akuntansi v ATA 14/15

DAFTAR GAMBAR

Gambar 1.1. Tampilan awal R-Commander .............................................. 2

Gambar 1.2. Tampilan menu New Data Set .............................................. 3

Gambar 1.3. Tampilan menu name for data set ......................................... 3

Gambar 1.4. Tampilan Data Editor ............................................................ 4

Gambar 1.5. Tampilan menu variable editor ............................................. 5

Gambar 1.6. Tampilan data editor yang telah diisi dengan Data ............... 6

Gambar 1.7. Tampilan Script Window ...................................................... 6

Gambar 1.8. Tampilan menu pengolahan data .......................................... 7

Gambar 1.9. Tampilan Scale Reliability .................................................... 8

Gambar 1.10. Tampilan Output ABC, dan Indomie .................................... 8

Gambar 1.11. Tampilan Output Mie Sedap dan Sarimie ............................. 9

Gambar 1.12. Tampilan Output Supermie ................................................... 10

Gambar 2.1 Tampilan Menu Awal R-Commander ................................... 14

Gambar 2.2 Tampilan Menu New Data Set .............................................. 15

Gambar 2.3 Tampilan kotak dialog New Data Set ................................... 15

Gambar 2.4 Tampilan Data Editor ........................................................... 16

Gambar 2.5 Tampilan Variabel Editor SKOR ........................................ 16

Gambar 2.6 Tampilan Variabel Editor KODE ........................................ 17

Gambar 2.7 Tampilan Isi Data Editor ...................................................... 17

Gambar 2.8 Tampilan Manage Variable .................................................. 18


Riset Akuntansi vi ATA 14/15

Gambar 2.9 Tampilan Bin Numeric .......................................................... 18

Gambar 2.10 Tampilan Bin Names ............................................................. 19

Gambar 2.11 Tampilan Menu Olah Data .................................................... 19

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

Gambar 2.13 Hasil Pengujian Independent Samples T-Test ....................... 20

Gambar 3.1. Tampilan menu awal R commander ..................................... 24

Gambar 3.2. Tampilan menu New Data Set .............................................. 24

Gambar 3.3. Tampilan New Data Set ........................................................ 24


Gambar 3.5. Tampilan Variabel Editor Sebelum ....................................... 25

Gambar 3.6. Tampilan Variabel Editor Sesudah ....................................... 25

Gambar 3.7. Tampilan Data Editor yang telah diisi .................................. 25

Gambar 3.8. Tampilan Script Window ...................................................... 26

Gambar 3.9. Tampilan Menu Olah Data .................................................... 26

Gambar 3.10. Tampilan Paired T-Test......................................................... 27

Gambar 3.11. Tampilan Output ................................................................... 27

Gambar 4.1. Tampilan menu awal R-Commander .................................... 32

Gambar 4.2. Kotak Dialog New Data Set .................................................. 32


Gambar 4.4. Tampilan Variabel Editor Barang ......................................... 33

Gambar 4.5. Tampilan Variabel Editor penjualan_perhari ........................ 33


Riset Akuntansi vii ATA 14/15

Gambar 4.6. Tampilan Data Editor yang telah diisi .................................. 34

Gambar 4.7. Tampilan Manage Variables ................................................. 35

Gambar 4.8. Tampilan Bin a Numeric Variable ........................................ 36

Gambar 4.9. Tampilan Bin Names............................................................. 36

Gambar 4.10. Tampilan Menu untuk Uji Kesamaan Varians ...................... 37

Gambar 4.11. Tampilan Levene’s test .......................................................... 37

Gambar 4.12. Hasil Uji Levene’s test .......................................................... 38

Gambar 4.13. Tampilan Menu untuk Uji Anova ......................................... 39

Gambar 4.14. Tampilan One-Way Analysis of Variance ............................ 39

Gambar 4.15. Hasil uji Anova ..................................................................... 40

Gambar 5.1 Tampilan menu awal R commander ..................................... 45

Gambar 5.2 Tampilan menu New Data Set .............................................. 46

Gambar 5.3 Tampilan New Data Set ........................................................ 46

Gambar 5.4 Tampilan Data Editor ............................................................ 46

Gambar 5.5 Tampilan Variabel Editor Pengangguran .............................. 47

Gambar 5.6 Tampilan Variabel Editor Inflasi .......................................... 47

Gambar 5.7 Tampilan Variabel Editor Pendapatan Nasional ................... 47

Gambar 5.8 Tampilan isi Data Editor ....................................................... 47

Gambar 5.9 Tampilan menu olah data ...................................................... 48

Gambar 5.10 Tampilan Linier Regression .................................................. 49

Gambar 5.11 Tampilan Output ................................................................... 49


Riset Akuntansi viii ATA 14/15

DAFTAR TABEL

Tabel 1.1. Data Penjualan Mie .................................................................. 2

Tabel 2.1. Data Penjualan Sabun .............................................................. 13

Tabel 3.1. Data penjualan pada kedai es krim “Lezatto”

sebelum dan sesudah promosi. ................................................. 23

Tabel 4.1. Data Penjualan Buku ................................................................ 31

Tabel 5.1. Data pengaruh antara Pengangguran dan Inflasi terhadap

Pendapatan Nasional Indonesia................................................ 44

Laboratorium Manajemen Dasar Uji Normalitas

Riset Akuntansi 1 ATA 14/15

UJI NORMALITAS

I. PENDAHULUAN

Uji normalitas adalah suatu bentuk pengujian tentang kenormalan

distribusi data. Tujuan dari uji ini adalah untuk mengetahui apakah data yang

diambil adalah data yang terdistribusi normal. Maksud dari data terdistribusi

normal adalah bahwa data akan mengikuti bentuk distribusi normal dimana

datanya memusat pada nilai rata-rata dan median. Uji ini sering dilakukan untuk

analisis statistik parametrik.

II. ANALISIS YANG DIPERLUKAN

Yang perlu dilihat dari output R programming adalah hasil dari Shapiro-Wilk

Test of Normality. Dalam hal ini, nilai yang diperoleh dari Shapiro-Wilk Test of

Normality harus lebih besar dari (>) 0,05. Namun, sebenarnya dalam menguji

kenormalam suatu data ada banyak hal yang perlu diketahui, seperti nilai perbandingan

antara nilai skewness dengan standar error skewness yang menghasilkan rasio skewness,

dan perbandingan antara nilai kurtosis dengan nilai standar error kurtosis yang akan

menghasilkan rasio kurtosis. Dari kedua rasio perbandingan tersebut, dapat dikatakan

normal bila mempunyai nilai antara -2 sampai dengan 2.

Selain hal tersebut, masih ada satu lagi alat uji untuk melihat kenormalan data, yaitu

dengan nilai K-S, dengan syarat bila nilai probabilitas lebih besar dari (>) 0,05 maka data

tersebut dikatakan normal.



III. CONTOH KASUS

Berikut ini adalah data penjualan mie instan pada Toko Berkah selama

lima bulan terakhir :

Indomie Sarimie ABC Supermie Mie Sedap

441 541 445 451 555

515 451 541 441 514

115 114 151 141 144

444 411 145 115 441

541 154 114 411 544

Tabel 1.1. Data Penjualan Mie

Ujilah data tersebut apakah terdistribusi normal! (MADAS 1415)

Langkah-langkah penyelesaian menggunakan software R-Commander :

1. Tekan icon R-Commander pada dekstop, atau Start → Program → Manajemen

Dasar → R-Commander. Akan muncul tampilan seperti berikut :

Gambar 1.1. Tampilan awal R-Commander



2. Pilih menu Data, kemudian New Data Set.

Gambar 1.2. Tampilan menu New Data Set

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

Lalu klik OK.

Gambar 1.3. Tampilan menu name for data set



4. Setelah itu akan muncul tampilan Data Editor

Gambar 1.4. Tampilan Data Editor

5. Pada Data Editor, klik di var 1, ganti dengan nama Indomie lalu pilih numeric,

kemudian close. Lakukan hal yang sama sampai dengan data mie instan

terkahir, yaitu var2 untuk Sarimie, var3 untuk ABC, var4 untuk Supermie,

dan terakhir var5 untuk Mie Sedap.



Gambar 1.5. Tampilan Variable editor

6. Setelah itu, masukkan data penjualan mie instan tersebut (Note : Lebih baik

jangan menekan tombol ENTER untuk mengisi data selanjutnya.). Setelah

selesai mengisi lengkap semua data, kemudian close data editor.



Gambar 1.6. Tampilan data editor yang telah diisi dengan Data.

7. Setelah data editor di close, buka kembali window R-Commander, maka

tampilannya akan seperti ini : Normalitas <- edit (as.data.frame(NULL))

Gambar 1.7. Tampilan Script Window

8. Untuk melihat apakah data sudah benar atau belum, klik tombol View Data

Set. Jika ada data yang salah, maka pilih tombol Edit Data Set. Jika data

sudah benar, pilih Statistics, Summaries, Shapiro-Wilk test of normality.



Gambar 1.8. Tampilan menu pengolahan data

9. Akan muncul tampilan kotak dialog Shapiro-Wilk test of normality. Pilih salah

satu variable, misal dimulai dari ABC, lalu klik OK, dan akan keluar hasilnya.

Data yang keluar tersebut hanya satu (yaitu untuk data ABC, karena yang

dipilih adalah ABC), data yang lain tidak dapat keluar pada satu kali

pengolahan. Oleh sebab itu, lakukan langkah ini secara berulang terhadap

variabel Indomie, Sarimie, Supermie, dan Mie Sedap.



Gambar 1.9. Tampilan Scale Reliability

10. Kemudian akan keluar hasilnya pada Output Window seperti ini :

Gambar 1.10, Tampilan Output ABC, dan Indomie.



Gambar 1.11. Tampilan Output Mie Sedap dan Sarimie.



Gambar 1.12. Tampilan Output Supermie.

Nilai p-value ABC sebesar 0,08775 yang berarti probabilitas lebih dari 0,05.

Maka data untuk penjulan ABC terdistribusi normal.

Nilai p-value Indomie sebesar 0,0472 yang berarti probabilitas kurang dari

0,05. Maka data untuk penjualan Indomie tidak terdistribusi normal.

Nilai p-value Mie Sedap sebesar 0,03545 yang berarti probabilitas kurang

dari 0,05. Maka data untuk penjualan Mie Sedap tidak terdistribusi normal.

Nilai p-value Sarimie sebesar 0,3187 yang berarti probabilitas lebih dari

0,05. Maka data untuk penjualan Sarimie terdistribusi secara normal.

Nilai p-value Supermie sebesar 0,04368 yang berarti probabilitas kurang dari

0,05. Maka data untuk penjualan Supermie tidak terdistribusi secara normal.



Analisis :

1. Syarat : p-value > 0,05 = Data Terdistribusi Normal.

p-value < 0,05 = Data tidak Terdistribusi Normal.

2. Nilai p-value :

ABC = 0,08775

Indomie = 0,0472

Mie Sedap = 0,03545

Sarimie = 0,3187

Supermie = 0,04368

3. Keputusan

p-value ABC > 0,05 = Data Terdistribusi Normal

p-value Indomie < 0,05 = Data Tidak Terdistribusi Normal

p-value Mie Sedap < 0,05 = Data Tidak Terdistribusi Normal

p-value Sarimie > 0,05 = Data Terdistribusi Normal

p-value Supermie < 0,05 = Data Tidak Terdistribusi Normal

4. Kesimpulan

Karena terdapat data yang tidak terdistribusi normal yaitu data penjualan

Indomie, Mie Sedap, dan Supermie, maka dapat disimpulkan bahwa Data

Penjualan Mie Instan pada Toko Berkah pada lima bulan terakhir Tidak

Terdistribusi Normal.

Untuk membersihkan kotak Script Window pada R-Commander :

1. Letakkan kursor (klik kiri) pada kotak Script Window.

2. Klik kanan.

3. Pilih Clear Window.

Dan jika ingin membersihkan kotak Output Window pada R-Commander :

1. Letakkan kursor (klik kiri) pada kotak Output Window.

2. Klik kanan, lalu pilih Clear Window.

Laboratorium Manajemen Dasar Uji T Sampel Bebas


UJI T SAMPEL BEBAS

(INDEPENDENT SAMPLE T-TEST)

I. PENDAHULUAN

Pengujian hipotesis dengan distribusi t adalah pengujian hipotesis yang

menggunakan distribusi t sebagai uji statistik. Tujuan analisis ini adalah untuk

membandingkan dua rata-rata dua grup atau populasi yang tidak berhubungan.

Distribusi ini pertama kali diterbitkan dalam suatu makalah oleh W.S

Gosset pada tahun 1908. Pada waktu itu Gosset bekerja pada perusahaan bir

Irlandia yang melarang penerbitan oleh karyawannya. Untuk mengelakkan

larangan tersebut, ia menerbitkan karyanya secara rahasia dibawah nama

“student”. Karena itulah distribusi t biasa disebut Distribusi Student, dan tabel

pengujiannya disebut dengan tabel t-student.

Hasil uji statistik yang diperoleh dari software dibandingkan dengan nilai

P-Value sebesar 0,05 lalu dianalisis untuk mengetahui hipotesis mana yang akan

diterima maupun ditolak.

Ciri – ciri Uji t :

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

besarnya derajat bebas (db).

2. Kasus yang diuji bersifat acak.

Fungsi Pengujian Uji T :

1. Untuk memperkirakan interval rata-rata sampel.

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

3. Menunjukkan batas penerimaan suatu hipotesis.

4. Untuk menguji suatu pernyataan apakah sudah layak untuk dipercaya.



II. LANGKAH-LANGKAH ANALISIS PENGUJIAN

Langkah-langkah analisis pengujian dalam Uji T Sampel Bebas adalah :

1. Menentukan hipotesis pengujian.

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

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

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

derajat bebas (db).

3. Kriteria pengujian.

P-value > 0,05 maka Ho diterima.

P-value < 0,05 maka Ha diterima.

4. Lihat hasil P-Value.

5. Menentukan keputusan.

6. Membuat kesimpulan dari keputusan yang telah dibuat.

III. CONTOH KASUS DAN LANGKAH PENGERJAAN

PT. Pesona Indah memproduksi berbagai macam sabun mandi. Dari

berbagai sabun mandi yang ada diambil 2 sampel sabun mandi yang paling laris,

yaitu sabun mandi Candilax dan Trivia untuk diuji apakah kedua sabun mandi

tersebut sama-sama terjual laris. Dari catatan penjualan selama 5 bulan diperoleh

data sebagai berikut : (MADAS1415)

Bulan ke- CANDILAX TRIVIA

1 155 144

2 141 154

3 144 151

4 145 145

5 141 115

Tabel 2.1 : Data Penjualan Sabun Mandi.



LANGKAH PENGERJAAN :

Untuk mencari nilai-nilai uji kedua sampel bebas tersebut dengan

menggunakan program R, ikutilah langkah-langkah berikut :

1. Tekan icon R-Commander pada desktop, kemudian akan muncul tampilan

seperti gambar di bawah ini :

Gambar 2.1 : Tampilan menu awal R-Commander

2. Pilih menu Data, New Data Set, masukkan nama dari data set adalah

independent (TANPA SPASI) kemudian tekan tombol OK.



Gambar 2.2 : Tampilan menu New Data Set

Gambar 2.3 : Tampilan kotak dialog New Data Set



Kemudian akan muncul tampilan data editor.

Gambar 2.4 : Tampilan data editor

3. Klik Var1 kemudian ganti namanya menjadi SKOR, pilih numeric lalu close,

setelah itu klik Var2 kemudian ganti namanya menjadi KODE kemudian pilih

numeric lalu close.

Gambar 2.5 : Tampilan Variabel Editor SKOR

Gambar 2.6 : Tampilan Variabel Editor KODE

Kemudian masing-masing variabel diisi sesuai dengan data pada soal.

Setelah selesai mengisi lengkap, close data editor.



Gambar 2.7 : Tampilan Isi Data Editor

4. Untuk mengecek kebenaran data yang sudah dimasukkan, tekan tombol View

data set. Jika ada data yang salah, tekan tombol edit data set, lalu perbaiki.

5. Langkah selanjutnya adalah pengkodean, yaitu pilih Manage Variables in

active data set kemudian pilih Bin Numeric Variable.

Gambar 2.8 : Tampilan Manage Variable



Kemudian akan muncul tampilan :

Gambar 2.9 : Tampilan Bin Numeric

Ket: pilih KODE karena kolom yang diisi dengan pengkodean adalah kolom

KODE. Kemudian Number of bins di-drag ke angka 2, karena pengkodeannya

yang kita isi hanya sampai 2.

Kemudian akan muncul tampilan Bin Names.

Gambar 2.10 : Tampilan Bin Names

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



Gambar 2.11 : Tampilan Menu Olah Data

6. Pada Response Variable pilih SKOR kemudian tekan tombol OK.

Gambar 2.12 : Tampilan Independent Samples t-Test



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

Gambar 2.13 : Hasil Pengujian Independent Samples t-Test

ANALISIS PENGUJIAN

1. Hipotesis

Ho : Rata-rata penjualan kedua sabun mandi, yaitu CANDILAX dan

TRIVIA adalah identik atau sama.

Ha : Rata-rata penjualan kedua sabun mandi, yaitu CANDILAX dan

TRIVIA adalah tidak identik atau tidak sama.

2. Taraf Signifikan α = 0,05 dan Derajat Bebas (db) = n – 2 = 10 – 2 = 8.



3. Kriteria Pengujian :

Jika p-value > 0,05 maka Ho diterima.

Jika p-value < 0,05 maka Ha diterima.

4. Dari hasil pengolahan pada R-Commander, diperoleh nilai p-value = 0,6588.

5. Keputusan

Hasil yang diperoleh menyatakan bahwa besarnya p-value adalah 0,6588.

Karena hasil p-value lebih besar dari taraf signifikan yang digunakan dalam

pengujian (α) atau 0,6588 > 0,05 maka Ho diterima.

6. Kesimpulan

Karena Ho yang diterima, maka kesimpulannya adalah “Rata-rata penjualan

kedua sabun mandi, yaitu CANDILAX dan TRIVIA adalah identik atau

sama.”.

Laboratorium Manajemen Dasar Uji T Sampel Berpasangan


UJI T SAMPEL BERPASANGAN

(PAIRED SAMPLE T-TEST)

I. PENDAHULUAN

Uji T Sampel Berpasangan adalah uji t dimana sampel saling berhubungan

antara satu sampel dengan sampel yang lain. Pengujian ini biasanya dilakukan

pada penelitian dengan menggunakan teknik eksperimen dimana satu sampel

diberi perlakuan tertentu, kemudian dibandingkan dengan kondisi sampel sebelum

adanya perlakuan. Tujuan dari pengujian ini adalah untuk menguji perbedaan rata-

rata dua sampel yang berpasangan.

Syarat dari Uji T Sampel Berpasangan :



II. LANGKAH-LANGKAH ANALISIS PENGUJIAN

Langkah-langkah analisis pengujian Uji T Sampel Berpasangan adalah :

1. Menentukan hipotesis pengujian.

Ho : Tidak ada perbedaan antara sebelum dan sesudah adanya

perlakuan.

Ha : Ada perbedaan antara sebelum dan sesudah adanya perlakuan.

2. Kriteria/syarat pengambilan keputusan.



3. Lihat hasil P-Value.

4. Menentukan keputusan.

5. Membuat kesimpulan dari keputusan yang telah dibuat.



III. CONTOH KASUS

Seorang pemilik kedai es krim “Lezatto” ingin melakukan penelitian

terhadap jumlah es krim yang terjual sebelum dan sesudah dilakukan promosi.

Berikut ini adalah data yang didapat dari cabang-cabang miliknya :

(MADAS1415)

Tabel 3.1. Data penjualan pada kedai es krim “Lezatto”, sebelum dan sesudah promosi.

IV. LANGKAH-LANGKAH PENGERJAAN

Untuk mencari nilai-nilai uji sampel berpasangan tersebut dengan menggunakan R

Commander, ikutilah langkah-langkah berikut :

1. Double Click icon R Commander pada desktop atau klik Start → Program →

Manajemen Dasar → R Commander. Kemudian akan muncul tampilan seperti

pada gambar di halaman selanjutnya :

Cabang Sebelum Sesudah

Gandaria 145 155

Cawang 155 151

Depok 154 154

Tebet 115 115

Cakung 144 145

Kalimalang 154 155

Kemang 144 115



Gambar 3.1. Tampilan menu awal R commander

2. Pilih menu Data, New data set.

Gambar 3.2. Tampilan menu New data set

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



Gambar 3.3. Tampilan New Data Set

Kemudian akan muncul Data Editor


3. Masukkan data dengan var1 untuk sebelum, var2 untuk sesudah. Jika sudah

selesai dalam pengisian data, tekan tombol Close. Untuk mengubah nama dan

tipe variabel, dapat dilakukan dengan cara double click pada variable yang

ingin di setting. Type yang dipilih adalah numeric untuk semua variabel.

Gambar 3.5. Gambar 3.6.

Tampilan Variabel editor sebelum. Tampilan Variabel editor sesudah.

Kemudian masukan data skor sesuai dengan soal, seperti berikut :

Gambar 3.7. Tampilan Data Editor yang telah diisi.



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

Gambar 3.8. Tampilan Sript Window.

5. Jika data sudah benar, pilih menu Statistics, Means, Paired t-test maka akan

muncul menu seperti gambar di bawah ini :

Gambar 3.9. Tampilan Menu Olah Data.



Kemudian akan muncul tampilan seperti di bawah ini :

Gambar 3.10, Tampilan Paired t-Test.

Pada First variable pilih sebelum dan pada Second Variable pilih sesudah.

Kemudian tekan tombol OK.


Gambar 3.11. Tampilan Output



Analisis :

1. Hipotesis.

Ho : Tidak ada perbedaan jumlah penjualan es krim antara sebelum dan

sesudah adanya promosi.

Ha : Ada perbedaan jumlah penjualan es krim antara sebelum dan sesudah

adanya promosi.

2. Kriteria/syarat pengambilan keputusan.



3. Hasil P-Value = 0,5401.

4. Keputusan : Karena nilai p-value sebesar 0,5401 > 0,05 maka Ho diterima.

5. Kesimpulan : Karena Ho yang diterima, maka kesimpulannya adalah

“Tidak ada perbedaan antara sebelum dan sesudah adanya promosi.”

Laboratorium Manajemen Dasar Uji ANOVA


UJI ANOVA

Analysis Of Variance

I. PENDAHULUAN

Uji perbedaan lebih dari dua sampel disebut juga sebagai analisis

varians. Uji ini dipopulerkan oleh seorang pendiri modern, bernama Sir

Ronald Aylmer Fisher. Analisis ini digunakan untuk:

a. Menguji hipotesis kesamaan rata-rata antara lebih dari dua grup atau

populasi (dalam artian juga berbeda namun tidak signifikan).

b. Menguji apakah varians populasinya sama atau tidak.

Asumsi:

1. Populasi-populasi yang akan diuji telah terdistribusi normal.

2. Varians dari populasi-populasi tersebut adalah sama.

3. Sampel tidak berhubungan satu dengan yang lainnya.

Sebelum masuk ke sub bab berikutnya mengenai analisis yang diperlukan,

ada baiknya kita memahami terlebih dahulu mengenai populasi, sampel,

dan hipotesis.

Populasi

Populasi adalah wilayah generalisasi yang terdiri atas :

obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang

ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik

kesimpulannya.

Jadi populasi bukan hanya orang, tetapi juga obyek dan benda-

benda alam yang lain. Populasi juga bukan sekedar jumlah yang ada

pada obyek/subyek yang dipelajari, tetapi meliputi seluruh

karakteristik/sifat yang dimiliki oleh subyek atau obyek itu.

Sampel

Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki

oleh populasi tersebut. Bila populasi besar, dan peneliti tidak mungkin



mempelajari semua yang ada pada populasi, misalnya karena

keterbatasan dana, tenaga, dan waktu, maka peneliti dapat

menggunakan sampel yang diambil dari populasi itu. Apa yang

dipelajari dari sampel itu, kesimpulannya akan dapat diberlakukan

untuk populasi. Untuk itu sampel yang diambil dari populasi harus

betul-betul representatif (mewakili).

Hipotesis

Hipotesis merupakan jawaban sementara terhadap rumusan

masalah penelitian, di mana rumusan masalah penelitian telah

dinyatakan dalam bentuk kalimat pertanyaan. Dikatakan sementara,

karena jawaban yang diberikan baru didasarkan pada teori yang relevan,

belum didasarkan pada fakta-fakta empiris yang diperoleh melalui

pengumpulan data. Jadi hipotesis juga dapat dinyatakan sebagai

jawaban teoritis terhadap rumusan masalah penelitian, belum jawaban

yang empirik.

II. ANALISIS YANG DIPERLUKAN

Uji Kesamaan Varians

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

1. Hipotesis:

Ho : Varians ketiga sampel identik.

Ha : Varians ketiga sampel tidak identik.

2. Pengambilan keputusan:

Jika Probabilitas > 0,05; maka Ho diterima.

Jika Probabilitas < 0,05; maka Ho ditolak.

Pada tahap selanjutnya, jika varians memiliki hasil “Ho diterima”, maka

dapat dilanjutkan ke tahap pengujian selanjutnya, yaitu dengan

menggunakan Uji Anova. Apabila pada saat Uji Kesamaan Varians “Ho

ditolak”, maka penelitian hanya sampai tahap Uji Kesamaan Varians saja.



Uji Anova

Lihat output analysis of variance:

1. Hipotesis:

Ho : Ketiga rata-rata populasi adalah identik.

Ha : Ketiga rata-rata populasi adalah tidak identik.

2. Pengambilan keputusan

Jika Probabilitas > 0,05; maka Ho diterima.

Jika Probabilitas < 0,05; maka Ho ditolak.

III. CONTOH KASUS

Bapak Rizky, seorang pemilik toko buku Praharani’s, ingin

mengetahui perkembangan usahanya tersebut. Buku-buku yang dijualnya

adalah buku dengan topik Romansa, Komedi, dan Horor. Bapak Rizky

memerintahkan anak buahnya untuk melakukan sebuah riset kecil pada

tokonya. Ia meminta agar diteliti apakah ada perbedaan rata-rata penjualan

dari ketiga topik buku tersebut. Berikut adalah data penjualan bukunya

selama 5 hari terakhir: (MADAS1415)

Romansa Komedi Horor

4 5 4

5 4 4

4 1 1

1 4 5

4 5 5

Tabel 4.1. Data Penjualan Buku

IV. LANGKAH PENGERJAAN DENGAN MENGGUNAKAN

SOFTWARE R-COMMANDER

Untuk mencari penyelesaian dari soal tersebut dengan menggunakan

program R, ikutilah langkah-langkah berikut :



1. Tekan icon R Commander pada dekstop kemudian akan muncul

tampilan seperti gambar di bawah ini :

Gambar 4.1. Tampilan menu awal R Commander

2. Pilih menu Data, New data set. Masukkan nama dari data set, misalkan

ANOVA, kemudian klik tombol OK.

Gambar 4.2. Kotak Dialog New Data Set





3. Masukkan data dengan terlebih dahulu mengganti nama Var1 menjadi

Barang dan Var2 menjadi penjualan_perhari, dengan cara klik pada

kolom yang bersangkutan. Lalu untuk tipe variabel pilih numeric.

Gambar 4.4. Tampilan Variabel Editor Barang

Gambar 4.5. Tampilan Variabel Editor penjualan_perhari



Kemudian isi masing-masing kolom sesuai dengan data soal, namun

dengan ketentuan isi kolom penjualan_perhari dengan angka-angka

yang tertera dalam soal (dimulai dengan data penjualan Romansa,

kemudian diikuti oleh data Komedi di bawahnya, lalu disambung lagi

dengan data Horor). Lalu pada kolom barang, isi angka 1 untuk data

dari baris 1-5, mulai baris 6-10 isi dengan angka 2, lalu dari baris 11-15

isi dengan angka 3. Hal ini dilakukan sebagai pengkodean barang,

dimana angka 1 adalah kode untuk Romansa, angka 2 untuk Komedi,

dan angka 3 untuk Horor. Setelah selesai mengisi lengkap semua data,

kemudian close data editor dengan meng-klik tombol X (close).

Gambar 4.6. Tampilan Data Editor yang telah diisi

4. Untuk mengubah variable numeric bin pada tampilan R-Commander,

pilih Data – Manage variable in active data set, kemudian Bin numeric

variable.



Gambar 4.7. Tampilan Manage Variables

Kemudian akan muncul tampilan:

Gambar 4.8. Tampilan Bin a Numeric Variable



Pada Variable to Bin, pilih Barang, kemudian di Numbers of Bins pilih

3, kemudian klik OK. Maka akan muncul tampilan untuk mengubah

nama Bin. Isilah di kolom 1 dengan Romansa, kolom 2 dengan Komedi,

dan kolom 3 dengan Horor seperti di bawah ini :

Gambar 4.9. Tampilan Bin Names

5. Jika data sudah benar, kita lakukan pengujian kesamaan varians dengan

cara memilih menu Statistic,Variances, Levene’s test.



Gambar 4.10, Tampilan Menu untuk Uji Kesamaan Varians

6. Pada Response Variable pilih penjualan_perhari, kemudian OK.

Gambar 4.11. Tampilan Levene’s test.

Berikut adalah hasil pengujian kesamaan varians dan perhatikan nilai P-

Value (lihat di Pr (>F) ).



Gambar 4.12. Hasil Uji Levene’s test

Analisis: Berdasarkan pengujian kesamaan varians, p-value yang

muncul sebesar 0,9585, berarti lebih besar dari 0,05. Hal itu

menandakan bahwa Ho diterima, atau varians ketiga sampel identik.

Karena Ho yang diterima, sehingga kita diperbolehkan untuk lanjut ke

pengujian selanjutnya yaitu Uji Anova.



7. Untuk uji Anova, pilih Statistic, Means, One-Way ANOVA.

Gambar 4.13. Tampilan Menu untuk Uji Anova

Kemudian akan muncul tampilan One-Way Analysis of Variance. Pada

Response Variable pilih penjualan_perhari, lalu klik OK.

Gambar 4.14. Tampilan One-Way Analysis of Variance



8. Maka akan muncul hasil dari Uji Anova. Perhatikan kembali nilai P-

Value yang muncul.

Gambar 4.15. Hasil uji Anova

Analisis: Pada output di atas, nilai P-value adalah sebesar 0,9744 >

0,05. Hal itu berarti Ho diterima atau rata-rata penjualan ketiga topik

buku adalah identik (sama).

V. LANGKAH-LANGKAH HIPOTESIS

Uji Kesamaan Varians

1. Hipotesis :

Ho : Varians penjualan ketiga buku adalah identik

Ha : Varians penjualan ketiga buku adalah tidak identik

2. Kriteria Pengujian :

Ho diterima jika F Prob > 0,05

Ho ditolak jika F Prob < 0,05



3. Nilai Probabilitas :

F Prob = 0,9585 > 0,05

4. Keputusan :

Ho diterima karena F Prob > 0,05

5. Kesimpulan :

Varians penjualan ketiga buku adalah identik.

(Catatan : Apabila F Prob < 0,05 maka pengujian hanya sampai di

Uji Kesamaan Varians saja)

Uji Anova

1. Hipotesis :

Ho : Rata-rata penjualan ketiga buku adalah identik.

Ha : Rata-rata penjualan ketiga buku adalah tidak identik.

2. Kriteria pengujian :

Ho diterima jika F Prob > 0,05

Ho ditolak jika F Prob < 0,05

3. Nilai Probabilitas :

F Prob = 0,9744

4. Keputusan :

Ho diterima karena F Prob > 0,05

5. Kesimpulan :

“Rata-rata penjualan ketiga buku adalah sama atau identik.”

Laboratorium Manajemen Dasar Regresi Linier Berganda


REGRESI LINIER BERGANDA

I. Pendahuluan

Analisis regresi linier berganda adalah suatu analisis yang

digunakan secara bersamaan untuk meneliti pengaruh dua variabel bebas

atau lebih terhadap satu variable terikat dengan skala pengukuran yang

bersifat metrik, baik untuk variable bebas maupun variabel terikatnya.

Pada dasarnya, teknik analisis ini merupakan kepanjangan teknik analisis

regresi linier sederhana. Gujarati (2006) mendefinisikan analisis regresi

sebagai kajian terhadap hubungan satu variabel yang disebut variabel yang

diterangkan dengan satu atau dua variabel yang menerangkan. Dinamakan

regresi linier berganda karena pengaruh beberapa variabel bebas akan

dikenakan pada satu variabel terikat. Dikatakan linier karena setiap

estimasi atau nilai yang diharapkan mengalami peningkatan atau

penurunan mengikuti garis lurus. Persamaan regresi kemudian

menghasilkan konstanta dan koefisien regresi bagi masing-masing variabel

bebas.

II. Tujuan Penggunaan Analisis Regresi Linier Berganda

Tujuan penggunaan analisis regresi linier berganda, yaitu:

1. Untuk membuat estimasi rata-rata dan nilai variabel terikat

berdasarkan pada nilai variabel bebas.

2. Untuk menguji hipotesis karakteristik dependensi.

3. Untuk meramalkan nilai rata-rata variabel bebas berdasarkan pada nilai

variabel bebas diluar pengakuan sampel.

III. Analisis Yang Diperlukan

a) Persamaan umum regresi linier berganda

Y = a + b1X1 + b2X2 + b3X3 + … + bnXn + e



Keterangan:

Y = variabel terikat (dependent variable)

a = konstanta

b1-bn = koefisien regresi

X1-Xn = variabel bebas (independent variable)

e = standar error

b) Uji Asumsi Klasik

Tiga asumsi dasar yang tidak boleh dilanggar oleh regresi linier

berganda, yaitu:

1. Tidak boleh ada Autokorelasi

Untuk menguji variabel-variabel yang diteliti, apakah terjadi

autokorelasi atau tidak. Jika terjadi autokorelasi maka persamaan

tersebut menjadi tidak baik atau tidak layak dipakai prediksi.

Apabila uji nilai Durbin Waston mendekati angka dua, maka dapat

dinyatakan tidak ada korelasi.

2. Tidak boleh ada Multikolinieritas

Cara yang paling mudah untuk menguji ada atau tidaknya gejala

multikolinieritas adalah diukur dari tingkat hubungan/pengaruh

antarvariabel bebas melalui besaran koefisien korelasi (r). Jika nilai

korelasi dibawah angka 1, maka tidak terjadi multikolinieritas.

3. Tidak boleh ada Heterokedastisitas

Dengan melihat grafik plot antara nilai variabel terikat (SREID)

dengan residual (ZPRED). Jika ada pola tertentu, seperti titik-titik

yang ada membentuk pola yang teratur, baik menyempit, melebar,

maupun bergelombang, maka mengidentifikasikan telah terjadi

heterokedastisitas. Jika tidak ada pola yang jelas, serta titik-titik

menyebar diatas dan dibawah ataupun diatas angka 0 pada sumbu

Y, maka yang terjadi adalah homoskedastisitas.



c) Koefisien Korelasi (r / R)

Adalah koefisien yang digunakan untuk mengetahui hubungan antara

variabel X dan Y, syaratnya adalah jika r = 0 atau mendekati 0, maka

hubungannya sangat lemah atau bahkan tidak ada hubungan sama

sekali. Jika r = +1 atau mendekati +1, maka hubungannya kuat dan

searah. Jika r = -1 atau mendekati -1, maka hubungannya kuat dan

tidak searah.

d) Koefisien Determinasi (r2 / R

2)

Adalah koefisien yang digunakan untuk mengetahui seberapa besar

variabel bebas (X) mempengaruhi variabel terikat (Y). nilai koefisien

determinasi berkisar antara 0 sampai dengan 1.

e) Kesalahan Standar Estimasi

Digunakan untuk mengetahui ketepatan persamaan estimasi. Dapat

juga digunakan untuk mengukur besar kecilnya kesalahan standar

estimasi (semakin kecil nilai kesalahannya, maka semakin tinggi

kecepatannya).

IV. CONTOH KASUS

Seorang peneliti melakukan penelitian yaitu, apakah ada pengaruh antara

Pengangguran dan Inflasi terhadap Pendapatan Nasional Indonesia.

(MADAS1415)

Tabel 5.1. Data pengaruh antara Pengangguran dan Inflasi terhadap Pendapatan

Nasional Indonesia.

Pengganguran Inflasi Pendapatan Nasional

114 151 1.544.411

144 145 1.411.445

114 141 1.514.544

145 145 1.415.111



V. LANGKAH-LANGKAH PENGERJAAN

Untuk mencari nilai regresi tersebut dengan menggunakan R commander,

perhatikanlah langkah-langkah berikut:

1. Tekan icon R commander pada desktop, kemudian akan muncul

tampilan seperti dibawah ini

Gambar 5.1. Tampilan awal menu R commander

2. Pilih menu Data, New Data Set. Masukan nama dari data set adalah

regresi kemudian tekan tombol OK.



Gambar 5.2. Tampilan menu New data Set

Gambar 5.3. Tampilan New Data Set





3. Masukan data dengan terlebih dahulu mengganti nama var1 untuk

penggangguran, var2 untuk inflasi dan var3 untuk pendapatan nasional

dengan cara double click pada variabel yang ingin di setting. Pemilihan

type, dipilih numeric pada semua variabel.

Gambar 5.5. Tampilan Variabel Editor Pengangguran

Gambar 5.6. Tampilan Variabel Editor Inflasi

Gambar 5.7. Tampilan Variabel Editor Pendapatan Nasional

Kemudian isi sesuai dengan data soal setelah itu close.

Gambar 5.8. Tampilan isi Data Editor.



4. Untuk mengecek kebenaran data yang sudah dimasukkan, tekan

tombol view data set. Jika ada data yang salah, tekan tombol edit data

set, lalu perbaiki data yang salah.

Jika data sudah benar, pilih menu Statistic, Fit models, Linear

Regression, maka akan muncul seperti gambar yang tertera pada

halaman selanjutnya.

Gambar 5.9. Tampilan menu olah data

5. Pada Response Variabel pilih variabel yang termasuk variabel terikat

yaitu pendapatan nasional dan pada Explanatory Variables pilih yang

termasuk varibel bebas yaitu inflasi dan penggangguran. Untuk

memilih 2 variabel sekaligus, sambil tekan Ctrl lalu pilih inflasi dan

penggangguran kemudian tekan tombol OK.



Gambar 5.10. Tampilan Linier Regression.


Gambar 5.11. Tampilan Output

Analisis output :

a. Persamaan regresi untuk soal tersebut adalah:

Y = 1.515.701,1 – 3.707,9 X1 + 2.989,1 X2



b. Uji t (Penggangguran)

Ho : penggangguran tidak berpengaruh signifikan terhadap

pendapatan nasional

Ha : penggangguran berpengaruh signifikan terhadap pendapatan

nasional.

Syarat :

Jika Prob > 0,05 maka Ho diterima

Jika Prob < 0,05 maka Ha diterima

Nilai p-value pengangguran : 0,0296 < 0,05 maka Ha diterima

Kesimpulan : pengangguran berpengaruh signifikan terhadap

pendapatan nasional.

Uji t (Inflasi)

Ho : inflasi tidak berpengaruh signifikan terhadap pendapatan

nasional

Ha : inflasi berpengaruh signifikan terhadap pendapatan nasional

Syarat :



Nilai p-value pengangguran : 0,1540 > 0,05 maka Ho diterima

Kesimpulan : inflasi tidak berpengaruh signifikan terhadap

pendapatan nasional.

Uji t digunakan untuk mengetahui masing-masing variabel bebas

berpengaruh signifikan atau tidak terhadap variabel terikat.

c. Uji F

Ho : pengangguran dan inflasi secara bersama-sama tidak

berpengaruh signifikan terhadap pendapatan nasional

Ha : pengangguran dan inflasi secara bersama-sama berpengaruh

signifikan terhadap pendapatan nasional



Syarat :



Nilai p-value pengangguran : 0,04415 < 0,05 maka Ha diterima.

Kesimpulan : Pengangguran dan inflasi secara bersama-sama

berpengaruh signifikan terhadap Pendapatan Nasional.

Uji F digunakan untuk mengetahui apakah secara bersama-sama variabel

bebas berpengaruh signifikan terhadap variabel terikatnya.

Pada bagian ini ditampilkan Adjusted R Squared (Adj. R2) adalah sebesar 0,9942.

Artinya sebesar 99.42% variabel pengangguran dan inflasi mampu mempengaruhi

pendapatan nasional. Sementara sisanya yaitu 0,58% dipengaruhi oleh variabel

lain yang tidak dimasukan ke dalam model regresi.



DAFTAR PUSTAKA

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

Mitra Wacana Media.

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

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

Panduan Penulisan Ilmiah yang Diterbitkan Oleh Bagian Penulisan Ilmiah

Fakultas Ekonomi Universitas Gunadarma.

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

Mediakom.

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

Mitra Wacana Media.

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

Jakarta: Elex Media Komputindo.

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

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

SPSS 22. Jakarta: Elex Media Komputindo.

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

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

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

ALFABETA.

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

Andi.

Sunyoto, Danang. 2011. Analisis Regresi dan Uji Hipotesisi. Yogyakarta: Caps

Publishing.

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

Penerbit Andi.

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

Penerbit Andi.



Umar, Husein. 1997 Riset Akuntansi Dilengkapi dengan Panduan Membuat

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

Gramedia Pustaka Utama

www.ma-dasar.lab.gunadarma.ac.id

http://www.ma-dasar.lab.gunadarma.ac.id/

Laboratorium Manajemen Dasar - ma-dasar…ma-dasar.lab.gunadarma.ac.id/wp-content/uploads/2015/03/MODUL-R… · laboratorium manajemen dasar modul riset akuntansi ata 2014/2015 nama

Documents

Laboratorium Manajemen Dasar - ma-dasar…ma-dasar.lab.gunadarma.ac.id/wp-content/uploads/2015/03/MODUL-R… · laboratorium manajemen dasar modul riset akuntansi ata 2014/2015 nama