Analisis Pengaruh Jumlah Pelanggan Dan Jumlah Penjualan Terhadap Jumlah Produksiair Di Pdam Tirtanadi Cabang Medan Kota

  BAB 2 LANDASAN TEORI

  2.1 Pengertian Statistik Menurut Sofyan (2013) pengertian statistik berasal dari bahasa Latin, yaitu status yang berarti negara dan digunakan untuk urusan negara. Pada mulanya, statistik hanya digunakan untuk menggambarkan keadaan dan menyelesaikan masalah yang berhubungan dengan kenegaraan saja, seperti perhitungan banyaknya penduduk, pembayaran pajak, gaji pegawai, dan lain sebagainya.

  Seiring dengan perkembangan zaman, maka pengertian statistik semakin berkembang, antara lain:

  1. Statistik adalah kumpulan data yang disajikan dalam bentuk tabel/daftar, gambar, diagram, atau ukuran-ukuran tertentu, misalnya statistik penduduk, statistik kelahiran, dan statistik pertumbuhan ekonomi.

  2. Statistik adalah pengetahuan mengenai pengumpulan data, klasifikasi data, penyajian data, pengolahan data, penarikan kesimpulan, dan pengambilan keputusan berdasarkan masalah tertentu.

3. Statistik matematik/statistik teoritik adalah statistik yang diturunkan, bagaimana menciptakan model-model teoritis dan matematis.

  4. Statistik terapan/teknik analisis data adalah statistik yang membahas cara- cara penggunaan statistik, antara lain untuk penelitian.

  Pengelompokkan statistik berdasarkan cara pengolahan datanya, maka terbagi menjadi empat cara, yaitu:

  1. Statistik Deskriptif Statistik deskriptif adalah statistik yang berkenaan dengan bagaimana cara mendeskripsikan, menggambarkan, menjabarkan, atau menguraikan data agar mudah dipahami. Adapun cara yang digunakan antara lain: a.

  Menentukan ukuran dari data, seperti nilai modus, rata-rata, dan nilai tengah (median).

  b.

  Menentukan ukuran variabilitas data, seperti variasi (varian), tingkat penyimpangan (deviasi standar), dan jarak (range).

  c.

  Menentukan ukuran bentuk data, seperti kemiringan (skewness), keruncingan (kurtosis), dll.

  2. Statistik Inferensial (Statistik Induksi) Statistik Inferensial adalah serangkaian teknik yang digunakan untuk mengkaji, menaksir, dan mengambil kesimpulan berdasarkan data yang diperoleh dari sampel untuk menggambarkan karakteristik atau ciri dari suatu populasi. Berdasarkan ruang lingkupnya, statistik inferensial mencakup: a. probabilitas atau teori kemungkinan, b. distribusi teoritis, c. sampling dan sampling distribusi, d. pendugaan populasi atau teori populasi, e. uji hipotesa rerata, f. analisis korelasi dan uji signifikansi, g. analisis regresi untuk peramalan, h. analisis varian dan kovarian.

  Pengelompokkan statistik berdasarkan bentuk parameternya sebagai berikut: 1.

  Statistik Parametrik Statistik parametrik adalah statistik yang mempertimbangkan jenis sebaran/distribusi data yang berdistribusi normal dan memiliki varian homogen. Pada umumnya, data yang digunakan pada statistik parametrik ini bersifat interval dan rasio.

  Uji statistik yang dapat digunakan pada statistik parametrik, antara lain: a. uji-z (1 atau 2 sampel), b. uji-t (1 atau 2 sampel), c. korelasi sederhana dan berganda, d. one or two way anova test, e. analisis regresi sederhana dan berganda, dll.

2. Statistik Nonparametrik

  Statistik Nonparametrik merupakan bagian statistik yang parameter populasi atau datanya tidak mengikuti suatu distribusi tertentu atau memiliki distribusi yang bebas dari persyaratan (free-distribution procedures), dan variannya tidak perlu homogen. Statistik nonparametrik biasanya digunakan untuk melakukan analisis pada data berjenis nominal atau ordinal. Adapun analisis statistik nonparametrik adalah sebagai berikut: a. uji tanda peringkat Wilcoxon dan uji Mann-Withney (untuk 1-2 kelompok), b. uji Kruskal-Wallis (untuk kelompok lebih dari 2), c. uji Korelasi Rank Spearman dan Kendall Tau, d. uji Friedman, e. uji Chi-Kuadrat, dll.

  Untuk pembahasan pada tugas akhir ini penulis menggunakan statistik inferensial dan statistik parametrik.

  2.2 Analisis Regresi Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang terkenal Galton menemukan bahwa meskipun terdapat tendensi atau kecenderungan bahwa orang tua yang tinggi akan mempunyai anak yang tinggi dan orang tua yang pendek akan mempunyai anak yang pendek juga, tetapi rata- rata tinggi badan anak yang lahir dari orang tua dengan tinggi badan tertentu cenderung bergerak atau regress ke arah rata-rata tinggi badan anak seluruh populasi tersebut (Hakim Abdul, 2004).

  Analisis regresi (regression analysis) merupakan suatu teknik (technique) untuk membangun persamaan garis lurus dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction). Model matematis dalam menjelaskan hubungan antarvariabel dalam analisis regresi menggunakan persamaan regresi. Persamaan regresi (regression equation) adalah suatu persamaan matematis yang mendefenisikan hubungan antar dua variabel. (Algifari, 2000).

  Variabel bebas adalah variabel yang nilai-nilainya tidak bergantung pada variabel lainnya, biasanya disimbolkan dengan X. Variabel ini digunakan untuk meramalkan atau menerangkan nilai dari variabel yang lain. Sedangkan variabel terikat adalah variabel yang nilai-nilainya bergantung pada variabel lainnya, biasanya disimbolkan dengan Y. Variabel itu merupakan variabel yang diramalkan atau menerangkan nilainya (Hasan, 1999).

  Untuk mempelajari hubungan-hubungan antara beberapa variabel analisis regresi dapat dilihat dari dua bentuk yaitu :

1. Analisis Regresi Linier Sederhana (Simple Analysis Regression) 2.

  Analisis Regresi Linier Berganda (Multiple Analysis Regression).

  2.2.1 Regresi Linier Sederhana(Simple Analysis Regression). Regresi linier sederhana merupakan suatu prosedur untuk menunjukkan dua hubungan matematis dalam bentuk persamaan antara dua variabel, yaitu variabel bebas (X) variabel terikat (Y).Bentuk umum persamaan regresi linier sederhana adalah :

  ... (2.1) &

  Keterangan : = nilai estimasi Y a = intersep (titik potong kurva terhadap sumbu Y) b = kemiringan atau slop kurva linier X = Variabel bebas (variable independent).

  Persamaan (2.1) dapat digunakan untuk menaksir nilai jika nilai a, b, dan X diketahui. Nilai a pada persamaan (2.1) merupakan nilai Y yang dipotong oleh kurva linier pada sumbu vertikal Y. Atau dengan kata lain, a adalah nilai Y jika X=0. Nilai b adalah kemiringan (slope) kurva linier yang menunjukkan besarnya perubahan nilai Y sebagai akibat dari perubahan setiap unit nilai X. Besarnya a dan b konstan sepanjang kurva linier.

  Menurut Sudjana (2005) untuk menentukan nilai a dan bdapat diperoleh dengan menggunakan metode kuadrat terkecil (least squares method) di bawah ini: a.

  Mencari nilai konstanta a

  =

  ... (2.2) & b.

  Mencari nilai konstanta b ... (2.3)

  =

  2.2.2 Regresi Linier Berganda(Multiple Analysis Regression) Regresi linier berganda merupakan suatu linier yang menjelaskan ada tidaknya suatu hubungan fungsional dan meramalkan pengaruh dua variabel bebas (X) atau

  lebih terhadap variabel terikat (Y). Bentuk umum persamaan regresi linier berganda adalah: ... (2.4)

  Keterangan: = nilai estimasi Y = nilai Y pada perpotongan antara garis linier dengan sumbu vertikal Y

  = slope yang berhubungan dengan variabel , , dan = nilai variabel bebas (independent).

  Persamaan regresi linier berganda dengan dua variabel bebas dapat dibentuk dengan persamaan berikut: ... (2.5)

  Untuk menentukan besarnya dan yang terdapat pada persamaan tersebut dapat menggunakan metode skor deviasi berikut :

  ... (2.6) ... (2.7) ... (2.8) ... (2.9)

  ... (2.10) ... (2.11) ... (2.12) ... (2.13) ... (2.14)

  Selanjutnya hasil perhitungan tersebut dimasukkan ke dalam rumus di bawah ini: a.

  1 Menghitung nilai konstanta b ... (2.15)

  = b.

  2 Menghitung nilai konstanta b ... (2.16)

  = c.

  Menghitung nilai konstanta b

  ... (2.17) =

  Setelah menentukan persamaan liniernya langkah selanjutnya adalah menentukan kekeliruan baku (standard error). Menurut Hasan (1999) kekeliruan baku (standard error) adalah angka atau indeks yang digunakan untuk menduga

  ketepatan suatu penduga atau mengukur jumlah variasi titik-titik observasi di sekitar garis regresi. Rumus untuk menghitung standard error adalah:

  ,

• ... (2.18)
• #

  ' '

  ( )

• . /

  Keterangan: =kekeliruan baku (standard error)

  '

  )

  n =jumlah data k =jumlah variabel bebas.

  2.3 Uji Keberartian Regresi Linier Berganda Uji keberartian digunakan untuk mengetahui apakah sekelompok variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel terikat. Pada dasarnya pengujian hipotesa tentang parameter koefisien regresi secara keseluruhan adalah dengan menggunakan uji F.

  Uji linieritas garis regresi juga dilakukan dengan menghitung nilai F, yaitu dengan mempergunakan hipotesis nol <F (0,05), garis

  hitung

  0 . Jika nilai F regresi data yang bersangkutan dinyatakan linier. Sebaliknya, jika nilai F <F (0,05), garis regresi itu berarti tidak linier, dan sebagai konsekuensinya

  hitung data tersebut harus dibuat menjadi regresi nonlinier.

  2.3.1 Uji F (Simultan) Menurut Nurgiyantoro (2002) dalam analisis regresi yang dianalisis adalah varians garis regresi, hasil perhitungan analisis regresi juga menghasilkan bilangan atau rasio F, atau lengkapnyaF (disingkatF ) atau F . Rasio F

  regresi reg hitung diperoleh dengan membandingkan antara rata-rata hitung garis residu (RK ). res

  Adapun rumus untuk memperolehF adalah sebagai berikut:

  reg

  45 678

  ... (2.19)

  =

  1

  2)3

  45 679

  Keterangan: F = bilangan F garis regresi

  reg

  RK =rata-rata hitung kuadrat garis regresi

  reg RK =rata-rata hitung kuadrat garis residu. res

  Maka besar kecilnya bilangan F akan ditentukan oleh besar kecilnya

  reg

  rata-rata hitung kuadrat garis regresi (RK ) dan rata-rata hitung kuadrat garis

  

reg

  residu (RK ). Jika (RK ) > (RK ) maka akan menghasilkan F yang signifikan

  res reg res reg

  dan juga sebaliknya.Langkah-langkah untuk menghitung nilai F adalah:

  reg

  Penghitungan Jumlah Kuadrat Total (JKT)

• Jumlah kuadrat total (JKT) dihitung dengan rumus sebagai berikut:

  ... (2.20) :;< Penghitungan Jumlah Kuadrat Regresi (JK )

• reg

  Rumus yang yang digunakan adalah sebagai berikut: ... (2.21)

  :;

  2)3

  )

  res

• Penghitungan Jumlah Kuadrat Residu (JK

  Rumus yang yang digunakan adalah sebagai berikut: ... (2.22)

  :; :;< :;

  2)= 2)3

  ) dan Residu (RK )

  reg res

• Penghitungan Rata-rata Hitung Kuadrat Regresi (RK

  Rumus yang digunakan adalah sebagai berikut:

  ?5 678

  ... (2.23) >;

  2)3 ?5 679

  ... (2.24) >;

  2)= Penghitungan Nilai F Regresi ( F )

• reg

  >; 2)3

  1 2)3

  >; 2)=

  Makalangkah-langkah dalam pengujian hipotesis adalah sebagai berikut: 1.

  Menentukan formulasi hipotesis 0 : @ B

  A

  0 : @ C B

  A di mana : koefisien yang akan diuji.

  @

  A

  2. dengan derajat kebebasan Menentukan taraf nyata dan

1 H . dan

DEF)G

  n-k-

1 H 3.

  Menentukan kriteria pengujian 0 diterima bila 1 K 1

  I DJ 3 DEF)G

  0 ditolak bila 1 L 1

  I DJ 3 DEF)G

  4. dengan rumus:

  hitung

  Menentukan nilai statistik F

  45 678 =

  1

  2)3

  45 679 5.

  Membuat kesimpulan apakah 0 diterima atau ditolak.

  2.4 Analisis Korelasi Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan linier antara satu variabel dengan variabel lain. Umumnya analisis korelasi digunakan dalam hubungannya dengan analisis regresi untuk mengukur ketepatan garis regresi dalam menjelaskan (explaining) variasi nilai variabel terikat (dependent). Untuk statistik yang dapat menggambarkan hubungan antara suatu variabel dengan variabel lain adalah koefisien determinasi

  2

  2

  dan koefisien korelasi. Koefisien determinasi diberi simbol r atau R dan koefisien korelasi diberi simbol ratau R(Algifari, 1997).

  2.4.1 Koefisien Determinasi

  Koefisien determinasi adalah salah satu nilai statistik yang dapat digunakan untuk mengetahui apakah ada hubungan pengaruh antara dua variabel. Nilai koefisien determinasi menunjukkan persentase variasi nilai variabel terikat (dependent)yang dapat dijelaskan oleh persamaan regresi yang dihasilkan. Adapun besarnya

  2

  koefisien determinasi (r ) dapat juga dicari dengan menggunakan rumus di bawah ini:

  ?5 678

  ... (2.25)

  =

  >

  "

  2.4.2 Koefisien Korelasi Koefisien korelasi adalah bilangan yang menyatakan kekuatan hubungan antara dua variabel atau lebih, juga dapat menentukan arah hubungan dari kedua variabel. Nilai korelasi

  ! / K B K / untuk kekuatan hubungan nilai koefisien korelasi berada di antara -1 sampai 1 sedangkan untuk arah dinyatakan dalam bentuk positif (+) dan negatif (-). Dilambangkan dengan r, koefisien korelasi adalah akar koefisien determinasi atau secara matematis dapat ditulis sebagai berikut:

  ... (2.26) > M> Menurut Hasan (1999) koefisien korelasi yang terjadi dapat berupa : 1.

  Korelasi positif adalah korelasi dari dua variabel, yaitu apabila variabel yang satu (X) meningkat maka variabel lainnya (Y) cenderung meningkat pula.

  2. Korelasi negatif adalah korelasi dari dua variabel, yaitu apabila variabel yang satu (X) meningkat maka variabel yang lainnya (Y) cenderung menurun.

3. Tidak ada terjadinya korelasi apabilakedua variabel (X dan Y) tidak menunjukkanadanya hubungan.

  4. Korelasi sempurna adalah korelasi dua variabel, yaitu apabila kenaikan atau penurunan variabel yang satu (X)berbanding dengan kenaikan atau penurunan variabel yang lainnya (Y).

  2 Selain diturunkan dari koefisien determinasi (R ), koefisien korelasi (r)

  berdasarkan sekumpulan data (X dan Y ) berukuran n dapat pula ditentukan

  i i

  dengan menggunakan rumus:

  " " " " =

  ... (2.27) !

  #$ %$ % " " " "

  Keterangan : = koefisien korelasi

  ! n = jumlah data = variabel bebas (independent) = variabel terikat (dependent).

  Korelasi antara variabel dibedakan atas tiga jenis, yaitu : 1.

  Korelasi Positif

  Perubahan antara variabel berbanding lurus, artinya apabila variabel yang satu meningkat, maka variabel yang lainnya juga mengalami peningkatan.

  2. Korelasi Negatif Perubahan antara variabel berlawanan, artinya apabila variabel yang satu meningkat, maka variabel yang lain mengalami penurunan.

  3. Korelasi Nihil Terjadi apabila perubahan pada variabel yang satu diikuti pada perubahan yang lain dengan arah yang tidak teratur.

Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r

  Interval Koefisien Tingkat Hubungan Tidak ada korelasi

  0,01 – 0,19 Sangat rendah 0,20 – 0,39 Rendah 0,40 – 0,59 Agak rendah 0,60 – 0,79 Cukup 0,80 – 0,99 Tinggi

  1 Sangat tinggi (korelasi sempurna)

  2.5Uji t (Parsial) Tujuan dilakukan uji signifikansi secara parsial dua variabel bebas (independent) terhadap variabel terikat (dependent) adalah untuk mengukur secara terpisah dampak yang ditimbulkan dari masing-masing variabel bebas terhadap variabel terikat. Adapun rumus untuk mencari t

  hitung

  adalah:

• Standard errorS

  )

  ... (2.29)

  b2

  '

  F =

  O Q Q #RS ( TUR

  2 Q Q U

  ... (2.30) 2. Menghitung nilai standar deviasi regresi linier berganda (S

  X1X2

  '

  O Q Q #RS ( TUR

  = RF

  VF

  ... (2.31)

  ' =

  #

  ' / ,

  ,

  ... (2.32) Keterangan :

  ' / ,

  2 Q Q

U

  =

  = standar deviasi regresi berganda

  Sebelum menghitung nilai t

  N

  I DJ 3 =

  F "

  O P"

  ... (2.28)

  Keterangan: b

  i

  = nilai konstanta S

  bi =standard error.

  hitung

  F

  terlebih dahulu mencari nilai S

  b i (standard error).

  Adapun nilai S

  bi

  dapat dicari dengan tahapan sebagai berikut: 1. Menghitung nilai Standar Error (S

  bi

  )

  b1

  '

• Standard errorS
• Menentukan nilai varian
• Menentukan nilai deviasi standar

  n = jumlah data k = jumlah variabel bebas.

  Langkah-langkah dalam pengujian hipotesis adalah sebagai berikut : 1.

  Menentukan formulasi hipotesis 0 : @ B

  A

  0 : @ C B

  A di mana : koefisien yang akan diuji.

  @

  A 2. t dengan dk tabel

  Dilakukan uji dua sisi dengan taraf nyata = 0,05 dan nilai yaitu n – 2 maka di peroleh .

  N WX Y 3.

  Menentukan kriteria pengujian 0 diterima bila N K N K N

DEF)G

  I DJ 3 DEF)G

  0 ditolak bila N L N

  I DJ 3 DEF)G

  4. t dengan rumus :

  hitung

  Menentukan nilai statistik

  F "

  N

  I DJ 3 O P" 5.

  Membuat kesimpulan apakah 0 diterima atau ditolak.