BAB III - MODEL REGRESI DENGAN DUA VARIABEL

BAB III

MODEL REGRESI DENGAN DUA VARIABEL

1.    Rangkuman pembahasan BAB III

1. Bentuk Model

Model regresi dengan variable dependen dan independen umumnya dituliskan dengan symbol berbeda berdasarkan sumber data. Fungsi regresi dengan data populasi (FRP) dituliskan dengan symbol konstanta dan koefisien regresi dalam huruf besar :

            Y = A + BX + E

Fungsi regresi dengan data sampel (FRS) dituliskan sebagai berikut :

            Y = a +bX+ e

Dimana :

A/a       : merupakan konstanta/intercept

B/b       : Koefisien regresi dan tingakt elastisisat variable independen

Y         : Variabel Dependen

X         : Variabel Independen

Perhitungan data populasi dan data sampel sama, yaitu menggunakan metode kuadrat terkecil biasa (Ordinary Least Square) atau dengan metode Maximum Likelihood

1.      Metode Kuadrat Terkecil Biasa (Ordinary Least Square)

Perhitungan konstanta dan koefisien regresi dengan rumus :

Rumus 1

mencari nilai b :

mencari nilai a :

                                                      ∑ y-h.∑x/n

                                                         

Rumus II :

Mencari nilai b :

                                                      ∑ xy/∑ x²

Mencari nilai a :

                                                     a = Y-bX

            Asumsi – asumsi klasik atau asumsi yang harus dipenuhi dalam OLS :

1.    Asumsi nilai harapan bersyarat (conditional expected value) dari ei, dengan syarat

     X sebesar Xi, mempunyai nilai no

2.    Kovarian ei dan ej mempunyai nilao nol. Nilai nol dalam asumsi ini menjelaskan

     bahwa antara ei dan ej tidak ada korelasi serial atau tidak berkorelasi

3.    Varian ei dan ej sama dengan simpangan baku ( standar deviasi)

Asumsi diatas dapat diringkas sebagai berikut :

Asumsi	Dinyatakan dalam E	Dinyatakan dalam Y	Digunakan untuk membahas
1	E (ei/Xi) = 0	E (Yi/Xi) = A+Bxi	Multikolinearitas
2	Kov (ei , ej) = 0 i ≠ j	Kov (Yi , Yj) = 0, i≠j	Autokorelasi
3	Var (ei/Xi) = α²	Var (Yi/Xi) = α²	Heteroskedasitas

Prinsip – prinsip Metode OLS

1.    Analisis dilakukan dengan regresi

2.    Hasil regresi akan menghasilkan garis regresi

Metode OLS tidak hanya digunakan untuk menghitung berapa besarnya a tau b saja, tetapi juga digunakan pula untuk menguji tingkat signifikansi dari variable X dalam mempengaruhi variable Y.

            Pengujian signifikansi variable X dalam mempengaruhi variable Y dibedakan menjadi dua yaitu pengaruh secara individu dan pengaruh secara bersama – sama.

Pengujian signifikansi secara individual pertama kali dikembangkan oleh R.A. Fisher dengan alat ujinya menggunakan pembanding nilai statistik table t. apabila nilai statistic t lebih besar dibandingkan dengan nilai table t maka varibel X dinyatakan signifikan dan sebaliknya.

Metode yang digunakan untuk mengetahui signifikansi variable X secara bersama – sama dalam mempengaruhi variable Y adalah Uji F yang dikembangkan oleh Neyman dan Pearson.

Pembandingan Uji t dan Uji F :

Hal Yang Dibandingkan	Uji t	Uji F
Penemu	R.A Fisher	Neyman, Pearson
Signifikan	t.hitung > t.tabel	F.hitung > F.tabel
Tidak Signifikan	t.hitung < t.tabel	F.hitung < F.tabel
Pengujia	Individual	Serentak
Banyaknya Variabel	Satu	Lebih dari satu

2. Interprestasi Hasil regresi

Interprestasi dimaksudkan untuk mengetahui informasi – informasi yang terkandung dalam hasil regresi melalui pengertian dari angka – angka parameternya.

3. Koefisien Determinasi (R²)

Pada intinya koefisien determinasi (R²) digunakan untuk mengukur seberapa

jauh kemampuan model dalam menerangkan variasi variable terikat. Besarnya nilai koefisien determinasi adalah antara nol dan satu (0<R²<1). Nilai R² yang mendekati angka 0 (nol) menunjukan variable – variable independen dalam menjelaskan variasi variable dependen amat terbatas. Nilai yang mendekati angka 1 (satu) menunjukan variable – variable independen memuat hamper semua informasi yang dibutuhkan untuk memprediksi variasi variable dependen.

Bantuan dengan SPSS

·      R² ( baca: R square) atau koefisien determinasi dapat dilihat dalam output hasil regresi dengan SPSS pada table model summary

·      Misalkan angka R² menunjukan angka 0.734 menunjukan arti bahwa determinasi dari variable bebas terhadap variable terikat adalah sebesar 73.4%

·      Ibarat air dalam gelas, variable terikat (Y) adalah gelasnya dan air adalah  variable bebasnya (X). Terkait dengan angka 0.374 maka air dalam gelas  adalah sebanyak 73.4% dari gelas tersebut

 Jawab Pertanyaan : 

 2. Analisi regresi pada dasarnya adalah menjelaskan berapa besar pengaruh tingkat signifikansi variable i            independen dalam mempengaruhi variable dependen. Meskipun hasil regresi seperti tertera pada                   persamaan diatas telah dapat diinteprestasi, dan dapat menunjukan inti tujuan analisi regresi, namun masih    harus dipastikan apakah besarnya nilai t.hitung ataupun angka – angka parameter telah valid ataukah masih    bias. 

    Jika masih bias maka harus dipastikan validitasnya dengan langkah – langkah analisi lanjutan. Validitas           dapat diketahui dengan terpenuhinya asumsi – asumsi klasik yaitu jika variable telah terbebas dari masalah     maka autokorelasi, tidak ada indikasi adanya heteroskedasitas, maupun tidak terjadi multikolinearitas atau     saling berkolinear antar variable

3.Jawab 

            a.       Regresi linier sederhana : Regresi liniear dengan kuadrat terkecil biasa

            b.      Model Persamaan Regresi Linear Sederhana adalah seperti berikut ini : Y = a + bX

c.      Dimana :

      Y = Variabel Response atau Variabel Akibat (Dependent)

      X = Variabel Predictor atau Variabel Faktor Penyebab (Independent)

      a = konstanta

      b = koefisien regresi (kemiringan); besaran Response yang ditimbulkan oleh Predictor.

d.      Nilai a atau konstanta digunakan untuk menentukan letak titik potong garis pada sumbu Y.

e.       Nilai b atau koefisien regresi digunakan untuk menentukan tingkat kemiringan garis regresi.

f.       Kegunaan standar error sb untuk mengetahui tingkat kesalahan data pada penelitian

g.      Uji t digunakan untuk mengetahui signifikansi secara individu atau satu variabel bebas saja.

h.      Jika nilai statistic t lebih besar dibandingkan nilat t.tabel maka variabel X signifikan mempengaruhi               variabel Y, sebaliknya jika nilai statistic t lebih kecil dibandingkan dengan nilat t.tabel maka variabel                  X tidak signifikan mempengaruhi Y.

i.     Koefisien Determinasi adalah angka yang menunjukan proporsi variabel dependen yang dijelaskan            oleh variasi variabel independen, juga dapat digunakan untuk mengukur ketepatan dalam menentukan             predictor.

uniba.ac.id

BAB II - MODEL REGRESI

BAB II

MODEL REGRESI

1.    Rangkuman Pembahasan BAB II

Model dalam keilmuan ekonomi berfungsi sebagai panduan analisis melalui penyederhanaan dari realitas yang ada. Dapat diartikan juga model adalah refleksi dari realita atau simplikasi dari kenyataan. Penulisan model dalam ekonometrika adalah merupakan pengembangan dari persamaan fungsi secara matematis yang dicontohkan sebagai berikut :

Persamaan Matematis

 → Y = a + bX             ………….(Pers.1)

Persamaan Ekonometrika

→ Y = b0 + b1 + e  ………………(Pers.2)

Munculnya e (error therm) pada persamaan ekonometrika untuk menegaskan bahwa sebenarnya banyak sekali variabel - variabel bebas yang mempengaruhi variabel terikat (Y). Karena dalam model hanya ingin mengetahui variabel X saja, maka variabel lain yang bersifat tetap (cateris paribus) dilambangkan dengan e.

A. Bentuk Model

Persamaan fungsi atau persamaan regresi mempunyai bermacam - macam bentuk model yang dapat dibedakan berdasarkan sebaran data yang terlihat dalam gambaran sebaran data/scatterplott. Setidaknya ada 3 jenis model yaitu Model Regresi Linier, Model Regresi Kuadratik, Model Regresi Kubik.

1. Model Regresi Linier

Merupakan persamaan fungsi liniearitas atau secara garis lurus dalam variabel maupun dalam data. Data tersebut ditunjukan apabila variabel Y sebanding dengan perubahan variabel X, akan tetapi jika data berupa garis melengkung, maka cocok menggunakan regresi kuadratik, dan jika data berbentuk U atau spiral maka menggunakan regresi kubik.

Model linier sendiri dibedakan menjadi 2 yaitu single liniear dan multiple linier. Single linier apabila variabel bebas hanya berjumlah satu dengan batasan pangkat satu.

 → Y = a + b1X + e     .........(Pers.3)

Sedangkan linier multiple apabila variabel bebas lebih dari satu variabel dengan batasan pangkat satu.

→ Y = a + b1X1 + b2X2 + .....+bnXn + e ..... (Pers.4)

2. Model Regresi Kuadratik

Model Kuadratik dapat diketahui adanya pangkat dua pada satu variable bebasnya dan mempunyai kecenderungan sebaran data berbentuk lengkung.

→ Y = b0 + b1X1 + b2X1² + e ....... (Pers.5)

3.  Model regresi Kubik

Model kubik dapat diketahui dengan adanya pangkat 3 pada satu variable bebasnya

dan pengamatan terhadap scatter plott nya kecenderungan sebaran data berbentuk  lengkung dengan arah berbeda dengan titik belok (inflexion point)

→ Y = b0 + b1X1 + b1X1² + b1X1³ + e ....... (Pers.6)

B. Model Notasi

Y                     : Variabel Dependen atau Variabel terikat

X                     : Variabel Independen atau variable bebas

b0                    : a/α atau juga β0, konstanta sifat bawaan dari variable Y

b1/b²/bn           : parameter slope/kemiringan garis regresi/KOefisien korelasi

e                      : Error term atau kesalahan pengganggu.

C. Spesifikasi Model dan Data

            Model ekonometrika secara spesifik dibedakan menjadi 2 :

1.      Model Ekonomi

→ Y = b0 + b1X1 + b2X2

b    : parameter, penunjuk ketergantungan v.Y dan v.X

b0  : intercept, variable terikat ketika variable bebas bernilai 0 (nol)

dalam model ini nilai e tidak tersedia karena non random dan secara real tidak bisa menjelaskan variable – variable ekonomi secara pas maka memerlukan regresi.

2.      Model Statistik

→ E (Y) = b0 + b1X1 + b2X2

Model ini mencerminkan nilai harapan sehingga muncul e (error term) secara matematis dituliskan :

e = Y – E (Y)  atau e = Y – y

jadi            Y = y + e

Karena                   y = E (Y) = b0 + b1X1 + b2X2

Maka         Y = b0+b1X1+b2X2+e

            

Tanda e pada persamaan diatas mencerminkan distribusi probabilitas, dan diasumsikan sebagai berikut :

a. Nilai harapan e sama dengan 0 (nol)E (e) = 0. Masing – masing random error mempunyai distribusi               probabilitas=0. Meskipun bersifat negative atau positif, rata- rata e harus tetap 0 (nol)

b. Variance residual sama denagn standard deviasi

    Artinya residual bersifat homoskedatsik/sama dengan standard deviasi.

c. Kovarian cid an cj yang mempunyai nilai nol. Nilai nol tidak ada korelasi serial

d. Nilai random  error mempunyai distribusi probabilitas yang normal

Asumi – asumsi diatas difokuskan pada pembahasan variable terikat, dan perlu adanya tambahan variable penjelas :

a. Variabel independen tidak bersifat random

b. Variabel independen tidak merupakan fungsi linier dari yang lain

Jawab Pertanyaan :

2. Dalam suatu model regresi terdapat dua jenis variable yaitu variable terikat dan variable bebas yang               dipisahkan oleh tanda persamaan. Berikut notasi model nya :

Y                     : Variabel Dependen atau Variabel terikat

X                     : Variabel Independen atau variable bebas

b0                    : a/α atau juga β0, konstanta sifat bawaan dari variable Y

b1/b²/bn           : parameter slope/kemiringan garis regresi/Koefisien korelasi

e                      : Error term atau kesalahan pengganggu.

2.    Jawab :

1. Model adalah refleksi dari realita atau simplikasi dari kenyataan, yang berfungsi sebagai panduan analisis dengan penyederhanaan dari realitas yang ada.
2. Jenis Model Ekonometrika ada 3 :

Model Regresi Linier, Model Kuadratik, Model Kubik

3. Perbedaan Model Ekonometrika :

Model Regresi Linier  : sebaran data berbentuk garis lurus dibedakan menjadi 2 yaitu regresli Single linier dan multiple linier

Model Kuadratik        : diketahui adanya pangkat 2 di satu varriabel bebasnya, sebaran data berbentuk lengkung

Model Kubik               : diketahui adanya pangkat 3 pada satu variable bebasnya, sebaran data berbentuk lengkung dengan arah yang berbeda dengan titik belok ( inflexion point ).

4.  Asumsi Regresi Linier :

Tanda e pada persamaan diatas mencerminkan distribusi probabilitas, dan diasumsikan sebagai berikut :

·         Nilai harapan e sama dengan 0 (nol)

E (e) = 0. Masing – masing random error mempunyai distribusi probabilitas=0. Meskipun bersifat negative atau positif, rata- rata e harus tetap 0 (nol)

·         Variance residual sama denagn standard deviasi

Artinya residual bersifat homoskedatsik/sama dengan standard deviasi

·         Kovarian ci dan cj yang mempunyai nilai nol.

Nilai nol tidak ada korelasi serial

·         Nilai random  error mempunyai distribusi probabilitas yang normal.

Asumi – asumsi diatas difokuskan pada pembahasan variable terikat, dan perlu  adanya tambahan variable penjelas :

1. Variabel independen tidak bersifat random

2. Variabel independen tidak merupakan fungsi linier dari yang lain

BAB I - RUANG LINGKUP EKONOMETRIKA

BAB I

RUANG LINGKUP EKONOMETRIKA

1.    Rangkuman pembahasan BAB I

Pengertian Ekonometrika

Ekonomterika adalah suatu pengukuran kegiatan – kegiatan ekonomi. Kegiatan ekonomi manusia berjalan secara terus menerus dengan keberagaman kondisi yang terjadi. Dalam menghadapi kondisi tersebut hal yang mutlak diperlukan adalah data.  Melalui data informasi dapat dianalisis dan diinterprestasi untuk menemukan kejadian – kejadian pada masa lampau dan memprediksi masa mendatang. Pengungkapan data tersebut dapat dilakukan secara grafis dengan menampilkan grafik dan secara sistematis dengan menampilkan perhitungan matematik. Kedua metode pengungkapan data tersebut terdapat persamaan dan perbedaan yang ditunjukan dalam tabel berikut :

PERIHAL	GRAFIS	MATEMATIS
Interprestasi	Relatif lebih mudah diinterprestasikan	Relatif lebih sulit diinterprestasikan
Output	Berupa Grafik, seperti kurva atau diagram	Hitungan matematis dengan rumus
Keakuratan	Cenderung kurang akurat karena berupa data yang bersifat skala	Dapat lebih akurat, karena dihitung secara rinci sesuai keadaannya

Dari bahasan diatas dapat disimpulkan bahwa, ekonometrika merupakan gabungan ilmu ekonomi, statistika dan matematika, yang secara simultan digunakan untuk mengungkap dan mengukur kejadian – kejadian ekonomi.

Pentingnya Ekonometrika

Data didalam ekonometrika merupakan suatu kemutlakan, begitu pula penentuan jenis data, teknik analisisnya ataupun penyesuaian dengan tujuannya. Data yang diberlakukan sebagai pengungkap sejarah (historical data) akan memperoleh hasil evaluasi, sedangkan data yang diberlakukan sebagai pengungka kecenderungan ( Trend Data) akan menghasilkan prediksi. Hasil evaluasi ataupun prediksi yang mempunyai tingkat keakuratan tinggi saja yang akan menjadikan sumbangan terbesar bagi perusahaan dalam mengambil keputusan. Disinilah letak pentingnya ekonometrika.

Pengungkapan pentingnya ekonometrika dengan mencermati Kurva Hukum Permintaan dan Penawaran.

Gambar.1

Pada kurva Hukum permintaan dapat diamati bahwa hubungan antara variabel P dan Q berlawanan. Disebut berlawanan karena jika P turun, maka Q yang diminta D akan bertambah, begitu pula sebaliknya. Oleh karena itu permintaan ditunjukan oleh kurva atau garis yang cenderung dari kiri ke atas ke kanan bawah (downward sloping).

                       

Gambar.2

Kondisi yang berbeda jika dihadapkan dengan hukum penawaran. Pada hukum penawaran          hubungan antara variabel P dan Q adalah searah, artinya jika P meningkat, maka Q juga meningkat. Atau sebaliknya, jika P menurun maka Q mengalami penurunan. Oleh karena itu penawaran ditunjukan oleh garis atau kurva yang  cenderung meningkat dari kiri bawah ke   kanan atas (upward sloping).

Akan tetapi pengungkapan dengan teori ekonomi diatas hanya menghasilkan hipotesis yang bersifat kualitatif, dan pengungkapan secara kualitatif tersebut tidak bisa mengetahui seberapa besar pengaruh antara variabel P terhadap Q, atau Q terhadap P, karena tidak dapat menjelaskan secara angka – angka begitu pula garis atau kurva yang ditunjukkan tidak dapat menggambarkan kondisi yang sangat tepat. Untuk menjawab persoalan tersebut ekonometrika dengan pendekatan kuantitatif dalam bentuk model matematis dan juga peran statitiska dalam pengolahan data akan mampu menunjukan seberapa besar pengaruh suatu variabel tertentu terhadap variabel yang lain.

Jenis Ekonometrika

Ekonometrika dibagi menjadi 2 :

1. Ekonometrika teoritis, berkenaan dengan pengembangan metode yang cocok/tepat untuk mengukur hubungan ekonomi dengan menggunakan model ekonometrik.
2. Ekonometrika terapan, menggambarkan nilai praktis dari penelitian ekonomi, dengan lingkup – lingkup ekonometrika teoritis yang telan dikembangkan terlebih dahulu.

Penggunaan Ekonometrika

Dalil – dalil ekonomi dijelaskan secara umum secara kualitatif dan dan dibatasi oleh asumsi – asumsi. Penggunaan asumsi dalam ilmu ekonomi sebagai refleksi kesadaran bahwa tidak ada faktor – faktor yang pasti yang saling terkait dan saling berpengaruh. Oleh karena itu penggunaan asumsi dapat membantu menyederhanakan model. Asumsi yang sering digunakan adalah Cateris Paribus ( hal yang tidak diungkapkan dianggap tepat).

Berbagai kegunaan Ekonometrika sebagai berikut :

1. Mengyukur Produktifitas SDM
2. Mengukur Efektifitas Operasional
3. Mengukur Ketepatan Upaya Pemasaran
4. Mengukur Kecermatan Investasi
5. Mengukur Kebijakan Pemerintah
6. Mengukur Kegiatan Pasar, dan lain sebagainya

Dalam pengukuran dibutuhkan :

a. Variabel – variabel

-        Variabel adalah obyek yang diteliti, dalam penelitian digunakan beberapa variabel atau lebih dari satu sebagai pembanding.

b. Model

-        Hubungan antar variabel yang didesain secara teoritik

c.    Data

-   Apa jenis, sifat dan cukupkah data tersebut digunakan dalam pengukuran, serta bagaimana teknik penarikan datanya

d.   Teknik Analisis

-    Dibedakan menjadi teknik analisi kausal dan non kausal

e. Interprestasi

-        asumsi – asumsi yang muncul dan bagaimana cara pemenuhannya

-        apa makna dan kegunaan dari hasil pengukuran tersebut (evaluasi/prediksi)

Metodologi Ekonometri

a.    Merumuskan Masalah

Merumuskan masalah merupakan pedoman untuk membuat struktur isi penelitian sekaligus langkah pembuka untuk menentukan tahapan- tahapan selanjutnya dengan mengungkapkan hal – hal apa dibalik gejala atau informasi yang ada sekaligus mengidentifikasi penyebab – penyebab utamanya. Merumuskan masalah harus dilandasi dengan pemahaman teori-teori penelitian, mengungkap mengapa dilakukan penelitian dan sekaligus dapat menentukan jawaban atas masalah tersebut.

b.    Merumuskan Hipotesa

Hipotesa merupakan jawaban sementara terhadap penelitian , sehingga harus diuji lebih lanjut dengan menggunakan data- data yang berkenaan dengan hubungan dua atau lebih varibel.

a.      Menyusun Model

Model merupakan gambaran sederhana atas sesuatu dalam bentuk pola yang abstraksi dari realitas. Model diklasifikasikan menjadi 2 yaitu :Kausal : Regresi (Pengaruh) – Variabel bebas mempengaruhi Variabel terikat

·         Non Kausal : Korelasi (Hubungan) – Hubungan antar variabel baik sesama variabel bebas, ataupun   variabel bebas dan terikat.

      Variabel ekonomi dibedakan menjadi :

     1. Variabel endogen, Variabel yang menjadi pusat perhatian oleh si pembuat model atau variabel yang               ditentukan dan akan diamati variansinya.

     2. Variabel Eksogin, variabel yang dianggap ditentukan diluar sistem model dan diharapkan dapat                      menjelaskan varian dari variabel endogen.

   3. Variabel Kelambanan, Variabel dengan unsur lag yang umumnya digunakan sebagai data runtut    waktu.

Fungsi model dalam ekonometrika sebagai tuntunan untuk mempermudah menguji ketepatan model penduga. Model ekonometrika terdiri dari 2 golongan variabel yaitu variabel terikat dan variabel bebas. Jumlah variabel bebas tidak harus satu, tetapi dapat berjumlah lebih dari satu variabel. Untuk model satu variabel bebas disebut dengan regresi tunggal (Single regression), sedangkan model dengan lebih dari satu variabel disebut dengan regresi berganda ( multiple regression).

c.    Mendapatkan Data

Mendapatkan model merupakan suatu langkah yang harus dilakukan oleh peneliti, agar dapat menjamin bahwa data yang dianalisa adalah benar-benar menggunakan data yang tepat. Para peneliti terdahulu telah mengingatkan agar jangan sampai dalam penelitan terdapat ,GIGO garbage In Garbage Out. Tahapan yang dapat ditempuh untuk mendapatkan data pra analisa meliputi : penyuntingan data, pengembangan variabel, pengkodean data, cek kesalahan, pembentukan struktur data, tabulasi.

d.   Menguji Model

Digunakan untuk mengetahui tingkat kesalahan model terbaik yang dihasilkan dengan melakukan uji ketetapan fungsi regresi diukur dari goodness of fitnya. Pengukuruan dilakukan dengan melakukan uji t untuk mengetahui pengaruh individu variabel independen terhadap variabel dependen, uji F mengetahui secara bersama – sama semua variabel dependen terhadap variabel independen, uji asumsi klasik diperlukan untuk memperteguh validitas model, melalui pengujian normalitas, autokorelasi, multikolinearitas, dan heteroskedastisitas.

e.    Menganalisis Hasil

Analisi ekonometrika dimulai dari interprestasi terhadap data dan keterkaitan antar variabel yang dijelaskan di dalam model baik regresi maupun korelasi.

f.     Mengimplementasikan Hasil

Implementasi hasil penelitian menjadikan sebuah penelitian menjadi lebih berarti.

Jawab pertanyaan : 

2.    Maksud dari bahasan bab 1 ini adalah menguraikan pengertian, kegunaan, jenis dan

metedologi ekonometrika secara rinci, mahasiswa paham bagaimana langkah-langkah dalam menuysun penelitian  yang baik dan benar.

3.    a. Ekonometrika merupakan pengukuran kegiatan – kegiatan ekonomi dengan menggunkan olah data secara grafis dan sistematis.

2. Bidang ilmu yang terkait dalam ekonometrika ialah Ilmu ekonomi, statistik dan matematik
3. Merumuskan masalah >> mengungkap hal – hal apa saja yang menjadi gejala dan mengidentifikasi penyebab – penyebab masalah tersebut.

            Merumuskan Hipotesis >> dugaan sementara terhadap masalah penelitian.

            Menyusun model >> menentukan model penelitian yang dipakai guna mempermudah

pemilihan teknik pengujian model.

Mendapatkan data >> langkah yang harus dilakukan oleh peneliti agar memperoleh data yang tepat.

Menguji model >> Melakukan pengujian terhadap model dengan menguji nilai satistik t, nilai statistik F dan koefisien determinasi (R2).

Menganalisis Hasil >> interprestasi hasil penelitian terhadap data dan variabel yang digunakan dalam model.

           Mengimplementasikan Hasil >> implementasi hasil penelitian guna menjadikan penelitian tersebut                  lebih berarti.
uniba.ac.id