laporan kerja praktek

LAPORAN KERJA PRAKTEK

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRESTASI AGEN

AJB BUMIPUTERA 1912 KOTABARU YOGYAKARTA BERDASARKAN

MEAN PREMI PERTAMA TAHUN 2013 DENGAN

REGRESI LINIER GANDA

ADHITYA AKBAR

10/297716/PA/13065

PROGRAM STUDI S1 STATISTIKA JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS GADJAH MADA

YOGYAKARTA 2014

i

LAPORAN KERJA PRAKTEK

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRESTASI AGEN

AJB BUMIPUTERA 1912 KOTABARU YOGYAKARTA BERDASARKAN

MEAN PREMI PERTAMA TAHUN 2013 DENGAN

REGRESI LINIER GANDA

ADHITYA AKBAR

10/297716/PA/13065

PROGRAM STUDI S1 STATISTIKA JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS GADJAH MADA

YOGYAKARTA 2014

ii

LEMBAR PENGESAHAN

iii

PERNYATAAN

Dengan ini saya menyatakan bahwa laporan kerja praktek ini adalah murni

hasil karya saya dan bukan merupakan hasil jiplakan atau hasil karya yang pernah

diajukan untuk memperoleh gelar kesarjanaan di suatu Perguruan Tinggi, dan

sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang pernah

ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis diacu dalam

naskah ini dan disebutkan dalam daftar pustaka.

Yogyakarta, 17 Maret 2014

Adhitya Akbar

10/297716/PA/13065

iv

SURAT KETERANGAN KERJA PRAKTEK

v

KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah SWT karena atas segala

berkah, rahmat, dan karunia-Nya, penulis dapat menyelesaikan karya tulis berupa

laporan kerja praktek ini dengan judul “Analisis Faktor-Faktor Yang

Mempengaruhi Prestasi Agen AJB Bumiputera 1912 Kotabaru Yogyakarta

Berdasarkan Mean Premi Pertama (PP) Tahun 2013 dengan Regresi Linier Ganda“

sesuai dengan harapan penulis.

Penulis berharap karya tulis ini dapat berguna bagi semua pihak yang

membutuhkan, terutama bagi penulis sendiri dan juga AJB Bumiputera 1912

cabang Kotabaru Yogyakarta sebagai bahan pertimbangan untuk memaksimalkan

kinerja agen yang sudah ada maupun perekrutan agen baru.

Penulis juga memberikan penghormatan dan ucapan rasa terima kasih

kepada semua pihak yang telah terlibat secara langsung maupun tidak langsung

dalam pembuatan karya tulis ini, yaitu kepada:

1. Dr. Pekik Nurwantoro, M.S., selaku dekan FMIPA UGM.

2. Dr. Abdurrakhman, M.Si., selaku ketua program studi Statistika jurusan

Matematika FMIPA UGM.

3. Drs. Zulaela, Dipl.Med.Stats, M.Si., selaku sekretaris program studi

Statistika dan juga dosen pembimbing kerja praktek.

4. Seluruh dosen Statistika dan jurusan Matematika FMIPA UGM yang telah

menjadi sumber ilmu pengetahuan selama kuliah.

5. Dra. Rosalia II, AAAI-J, ICLFP, selaku kepala cabang AJB Bumiputera

1912 Kotabaru yang telah memberikan izin kerja praktek selama 1 bulan

dan juga memberikan seluruh data, informasi, dan fasilitas yang dibutuhkan

selama kerja praktek berlangsung.

6. Ibu Galuh Sri Sudarwati, selaku pemimpin unit kerja NAG yang telah

menerima serta memberikan bimbingan selama kerja praktek

berlangsung(yang sekarang telah menjadi kepala cabang Muntilan).

7. Ibu Wiwik, selaku pemimpin unit kerja NAG yang baru.

vi

8. Ibu Yuli, Ibu Amini, serta seluruh agen dan supervisor AJB Bumiputera

1912 Kotabaru yang telah menemani selama kerja praktek berlangsung dan

juga bersedia menjadi responden dalam kuesioner yang telah diberikan

sehingga menjadi bahan analisis bagi penulis.

9. Seluruh guru masa SD, SMP, SMA yang telah membagi ilmunya kepada

penulis, sehingga penulis dapat menjadi seperti sekarang ini.

10. Teman-teman, keluarga, dan keluarga besar Statistika UGM.

11. Laptop, Internet, buku praktikum, serta semua sumber yang telah menjadi

dasar acuan dan referensi dalam pembuatan laporan kerja praktek ini.

12. Diri sendiri yang telah berusaha untuk menyelesaikan laporan kerja praktek

ini dengan sebaik-baiknya dan dalam tempo yang sesingkat-singkatnya.

Yogyakarta, 17 Maret 2014

Penulis

vii

DAFTAR ISI

HALAMAN JUDUL............................................................................................... i

HALAMAN PENGESAHAN ............................................................................... ii

PERNYATAAN ................................................................................................... iii

SURAT KETERANGAN KERJA PRAKTEK .................................................... iv

KATA PENGANTAR ........................................................................................... v

DAFTAR ISI ........................................................................................................ vii

DAFTAR TABEL ................................................................................................. ix

DAFTAR GAMBAR ............................................................................................. x

DAFTAR LAMPIRAN ......................................................................................... xi

BAB I. PENDAHULUAN

1.1 Latar Belakang Masalah . ................................................................. 1

1.2 Masalah dan Batasan Masalah . ....................................................... 2

1.3 Tujuan Kerja Praktek . ..................................................................... 2

1.4 Manfaat Kerja Praktek . ................................................................... 3

1.5 Waktu dan Tempat Pelaksanaan . .................................................... 4

1.6 Metodoligi Penelitian . ..................................................................... 4

1.7 Sistematika Penulisan . ..................................................................... 5

BAB II. PROFIL AJB BUMIPUTERA 1912

2.1 Sejarah Lembaga . ............................................................................ 6

2.2 Profil Perusahaan.......... ................................................................... 7

2.3 Kode Etik dan Prinsip Perusahaan.................................................... 8

2.4 Struktur Organisasi . ........................................................................ 9

BAB III. LANDASAN TEORI

3.1 Kepuasan Pelanggan . .................................................................... 11

3.2 Kualitas Pelayanan . ....................................................................... 13

3.3 Analisis Regresi.............................................................................. 16

3.3.1 Konsep Dasar Analisis Regresi.............................................. 16

3.3.2 Tujuan Analisis Regresi......................................................... 16

3.3.3 Persamaan Regresi................................................................. 17

3.3.4 Regresi Linier Sederhana....................................................... 17

3.3.5 Regresi Linier Ganda............................................................. 18

3.3.6 Variabel Independen Kualitatif Dalam Analisis Regresi

............................................................................................... 19

3.3.7 Proses Dasar Analisis Regresi................................................ 21

3.3.8 Asumsi yang Harus Dipenuhi dalam Analisis Regresi

. ............................................................................................... 21

3.3.8.1 Normalitas Residual.................................................. 21

3.3.8.2 Tidak Ada Heteroskedastisitas.................................. 22

3.3.8.3 No Multikolinearitas................................................. 23

viii

3.3.8.4 No Autokorelasi........................................................ 23

3.4 Koefisien Determinasi...................................................................... 23

3.5 Koefisien Korelasi............................................................................ 24

BAB IV. PEMBAHASAN

4.1 Profilisasi Responden . .................................................................... 27

4.2 Variabel Independen Kualitatif dan Pembentukan Dummy

......................................................................................................... 31

4.3 Uji Asumsi Regresi.......................................................................... 33

4.3.1 Normalitas Residual................................................................ 33

4.3.2 Tidak Ada Heteroskedastisitas................................................ 35

4.3.3 No Multikolinearitas............................................................... 35

4.3.4 No Autokorelasi...................................................................... 36

4.4 Uji Regresi....................................................................................... 37

4.4.1 Uji Regresi 1........................................................................... 37

4.4.2 Uji Regresi 12......................................................................... 42

4.4.3 Uji Regresi 13(model akhir)................................................... 46

BAB V. PENUTUP

5.1 Kesimpulan . .................................................................................. 50

5.2 Saran . ............................................................................................ 50

DAFTAR PUSTAKA

LAMPIRAN

ix

DAFTAR TABEL

Tabel 4.1.1 Profil responden berdasarkan jenis kelamin..................................... 27

Tabel 4.1.2 Profil responden berdasarkan golongan darah.................................. 27

Tabel 4.1.3 Profil responden berdasarkan latar belakang pendidikan kuliah...... 28

Tabel 4.1.4 Profil responden berdasarkan kepemilikan jumlah akun sosmed..... 29

Tabel 4.1.5 Profil responden berdasarkan kepemilikan gadget........................... 29

Tabel 4.1.6 Profil responden berdasarkan kepemilikan kendaraan pribadi......... 30

Tabel 4.1.7 Profil responden berdasarkan penilaian diri terhadap penampilan

............................................................................................................................... 30

Tabel 4.1.8 Profil responden berdasarkan penilaian diri terhadap pengetahuan

............................................................................................................................... 31

Tabel 4.2.1 Variabel Dummy............................................................................... 32

Tabel 4.3.3.1 Multikolinearitas............................................................................. 36

Tabel 4.3.4.1 Durbin-Watson................................................................................ 37

Tabel 4.4.1.1 Entered/Removed Variabel Uji Regresi 1....................................... 37

Tabel 4.4.1.2 Model Summary Uji Regresi 1....................................................... 38

Tabel 4.4.1.3 Anova Uji Regresi 1........................................................................ 38

Tabel 4.4.1.4 Koefisien Uji Regresi 1................................................................... 40

Tabel 4.4.1.5 Excluded Variabel Uji Regresi 1.................................................... 41

Tabel 4.4.2.1 Entered/Removed Variabel Uji Regresi 12.................................... 42

Tabel 4.4.2.2 Model Summary Uji Regresi 12..................................................... 42

Tabel 4.4.2.3 Anova Uji Regresi 12...................................................................... 43

Tabel 4.4.2.4 Koefisien Uji Regresi 12................................................................. 44

Tabel 4.4.3.1 Entered/Removed Variabel Uji Regresi 13..................................... 46

Tabel 4.4.3.2 Model Summary Uji Regresi 13..................................................... 46

Tabel 4.4.3.3 Anova Uji Regresi 13...................................................................... 47

Tabel 4.4.3.4 Koefisien Uji Regresi 13................................................................. 48

x

DAFTAR GAMBAR

Gambar 2.1.1 Logo AJB Bumiputera sebelum 2012.................................................. 6

Gambar 2.1.2 Logo AJB Bumiputera mulai 2012...................................................... 6

Gambar 2.4.1 Struktur Organisasi AJB Bumiputera 1912......................................... 9

Gambar 2.4.2 Struktur Organisasi Kantor Wilayah.................................................. 10

Gambar 4.3.1.1 Histogram Normalitas Residual...................................................... 33

Gambar 4.3.1.2 Normal P-P Plot Residual............................................................... 33

Gambar 4.3.1.3 Normal P-P Plot Masing-masing Variabel..................................... 34

Gambar 4.3.2.1 Scatterplot Variabel Y.................................................................... 35

xi

DAFTAR LAMPIRAN

Lampiran 1: Kuesioner Faktor Prestasi Agen

Lampiran 2: Daftar Rekapitulasi Kuesioner

Lampiran 3: Uji Regresi 2










Lampiran 13: Tabel Distribusi F

1

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Kepuasan konsumen merupakan salah satu indikator keberhasilan

seorang/badan usaha, semakin tinggi tingkat kepuasan dari konsumen maka

semakin tinggi pula tingkat keberhasilan dari seorang/badan usaha tersebut.

Kepedulian seorang/badan usaha terhadap kinerjanya untuk konsumen sangat

mempengaruhi bagaimana tingkat kepuasan konsumen terhadap seorang/badan

usaha tersebut. Konsumen dapat merasakan kepuasan jika seorang/badan usaha

menempatkan konsumen pada prioritas tertingginya.

Dalam dunia asuransi, kepuasan konsumen(nasabah) ditentukan oleh

banyak faktor. Salah satu faktor yang tidak bisa dipungkiri adalah peran serta para

‘agen’ dalam melayani nasabah tersebut. Agen adalah orang yang memasarkan

produk-produk asuransi dari suatu badan asuransi. Agen-agen inilah yang menjadi

‘ujung tombak’ dalam keberhasilan suatu badan asuransi. Jadi, kepuasan konsumen

bergantung pada kinerja agen. Kinerja agen baik/tidak ditentukan oleh prestasinya.

Prestasi adalah apa yang telah dicapai. Jika prestasi seorang agen baik, maka bisa

disimpulkan kinerja agen tersebut baik, begitu pula sebaiknya, jika prestasi seorang

agen buruk, maka dapat disimpulkan kinerja agen tersebut buruk. Untuk itu perlu

dilakukan sebuah analisis tentang faktor-faktor apa saja yang mempengaruhi

prestasi seorang agen. Dengan mengetahui faktor-faktor apa saja yang

mempengaruhi prestasi seorang agen, maka kinerja agen dapat ditingkatkan.

Dengan meningkatnya kinerja agen, maka kepuasan pelanggan pun dapat

ditingkatkan, yang berimbas pada naiknya tingkat keberhasilan suatu badan

asuransi, tidak terkecuali pada AJB Bumiputera 1912 cabang Kotabaru Yogyakarta.

2

1.2 Masalah dan Batasan Masalah

Dengan melihat latar belakang masalah, maka penulis mengangkat sebuah

masalah, yaitu: faktor-faktor apa sajakah yang dapat mempengaruhi prestasi agen

AJB Bumiputera 1912 cabang Kotabaru Yogyakarta.

Dalam bahasan ini, penulis membatasi masalah dengan mempelajari faktor-

faktor yang mempengaruhi prestasi agen AJB Bumiputera 1912 cabang Kotabaru

Yogyakarta dimana terdapat variansi prestasi agen. Prestasi agen dinilai dari mean

premi pertama yang ia dapat selama tahun 2013. Faktor-faktor yang diamati adalah

faktor-faktor yang dirasa dapat mempengaruhi prestasi seorang agen AJB

Bumiputera 1912 cabang Kotabaru Yogyakarta.

1.3 Tujuan Kerja Praktek

Tujuan Kerja Praktek antara lain:

1. Mengenal dan menyerap masalah-masalah nyata statistika di dunia kerja.

2. Mengaplikasikan ilmu statistik yang diperoleh di kampus ke dalam suatu

lingkungan nyata/dunia kerja.

3. Mengetahui dan menjalani kegiatan-kegiatan di AJB Bumiputera 1912

cabang Kotabaru Yogyakarta yang berhubungan dengan aplikasi statistik.

4. Mengetahui data apa saja yang terdapat di AJB Bumiputera 1912 cabang

Kotabaru Yogyakarta yang memungkinkan untuk dilakukan suatu analisis.

5. Mencari suatu permasalahan yang akan diangkat sebagai topik untuk

pembuatan laporan kerja praktek.

6. Menganalisis suatu permasalahan tersebut dengan aplikasi statistik

sehingga ditemukan solusinya.

3

1.4 Manfaat Kerja Praktek

Bagi Mahasiswa:

1. Sebagai salah satu syarat kelulusan mencapai derajat Sarjana S-1.

2. Dapat menerapkan teori-teori yang diperoleh untuk memecahkan masalah

yang terjadi di lapangan.

3. Sebagai wadah mengaktualisasikan diri dalam dunia ”nyata” sehingga

meningkatkan kepekaan dan pemahaman akan dunia kerja.

4. Melatih profesionalisme dalam analisis data sesuai dengan etika profesi

statistisi.

5. Merupakan salah satu pondasi untuk mengembangkan diri dalam hal

analisis data menuju realita dunia kerja yang lebih kompleks.

6. Sebagai persiapan diri dan bekal sebelum terjun ke dunia pekerjaan.

Bagi Perguruan Tinggi:

1. Merupakan indikator keberhasilan mahasiswa dalam menyerap ilmu

statistik yang diberikan.

2. Merupakan tolak ukur penilaian keberhasilan kurikulum yang diberikan.

3. Sebagai bahan evaluasi dalam peningkatan mutu kurikulum di masa

mendatang.

4. Sebagai bahan tinjauan pustaka yang berguna bagi setiap pihak yang

membutuhkan kelak.

Bagi AJB Bumiputera 1912 cabang Kotabaru Yogyakarta:

1. Memberi kesempatan kepada mahasiswa untuk mengenal AJB Bumiputera

1912

2. Menambah bahan pertimbangan dalam keputusan manajemen perusahaan

dengan analisis yang dilakukan.

3. Memperkenalkan salah satu opsi lapangan kerja pada mahasiswa.

4

1.5 Waktu dan Tempat Pelaksanaan

Kerja praktek ini dilaksanakan dalam kurun waktu 1 bulan pada 25

November-25 Desember 2013, bertempat di AJB Bumiputera 1912 cabang

Kotabaru Yogyakarta.

1.6 Metodologi Penelitian

1.6.1 Desain penelitian

Penelitian ini merupakan penelitian observasional terkait faktor-faktor yang

mempengaruhi prestasi agen AJB Bumiputera 1928 cabang Kotabaru Yogyakarta.

1.6.2 Populasi dan sampel

Populasi pada penelitian ini adalah seluruh agen AJB Bumiputera cabang

Kotabaru Yogyakarta yang berjumlah 73 orang (diluar supervisor, data pada

Desember 2013). Sedangkan sampel yang diambil berjumlah 33 orang dengan

pertimbangan normalitas data dan kelengkapan data yang diberikan.

1.6.3 Data

Penelitian ini menggunakan data primer dan sekunder. Data primer

diperoleh melalui instrumen kuesioner. Kuesioner diberikan kepada agen AJB

Bumiputera 1912 cabang Kotabaru Yogyakarta sebagai responden dan diisi sendiri

oleh agen tanpa ada keterlibatan peneliti. Sedangkan data sekunder menggunakan

data Laporan Produksi (LP.01) tahun 2013 yang didapat dari AJB Bumiputera 1912

cabang Kotabaru Yogyakarta atas izin dari Dra. Rosalia Indar selaku Kepala

Cabang.

1.6.4 Variabel penelitian

Variabel Penelitian dalam analisis ini dibedakan menjadi 2 variabel, yaitu

variabel Y (dependen) dan variabel X (independen).

Variabel Y diambil dari mean jumlah total premi pertama tiap agen tahun 2013.

5

Sedangkan variabel X terdiri dari 9 faktor, yaitu: Jenis Kelamin, Usia, Golongan

darah, Latar belakang pendidikan (kuliah), jumlah kepemilikan akun media sosial

dan chatting, kepemilikan gadget, kepemilikan kendaraan pribadi, penampilan, dan

pengetahuan.

1.6.5 Metode analisis data

Analisis data untuk penelitian ini akan dilakukan dengan menggunakan

teknik analisis diskriptif dan analisis statistik yaitu analisis regresi linier ganda

dengan bantuan software aplikasi statistik SPSS yang tujuannya membuang satu

per satu faktor-faktor pada variabel X yang tidak signifikan, sehingga pada akhirnya

diperoleh suatu model regresi linier ganda dengan semua faktor yang signifikan

secara statistik dan juga akan dicari model regresi terbaiknya, dan model regresi

itulah yang akan dipakai sebagai model akhir.

1.7 Sistematika Penulisan

BAB I Pendahuluan yang berisi tentang latar belakang masalah, masalah

dan batasan masalah, tujuan kerja praktek, manfaat kerja praktek, waktu dan tempat

pelaksanaan, dan metode penelitian.

BAB II Profil AJB Bumiputera 1912. Gambaran umum mengenai sejarah

perusahaan, profil perusahaan, kode etik dan prinsip perusahaan, dan struktur

organisasi.

BAB III Landasan Teori berisi tentang pengertian kepuasan pelanggan,

kualitas pelayanan, dan analisis regresi (regresi linier sederhana, regresi linier

ganda, tujuan analisis regresi, variabel independen kualitatif, proses dasar analisis

regresi, dan asumsi yang harus dipenuhi dalam analisis regresi).

BAB IV Analisis dan Pembahasan berisis tentang profil responden,

pembentukan variabel dummy, uji asumsi analisis regresi, dan analisis regresi.

BAB V Penutup berisi tentang kesimpulan yang diperoleh dari hasil

analisis yang dibuat serta saran-saran dari penulis.

6

BAB II

PROFIL AJB BUMIPUTERA 1912

2.1 Sejarah Lembaga

AJB (Asuransi Jiwa Bersama) Bumiputera adalah salah satu asuransi

jiwa yang cukup lama berdiri di Indonesia. Asuransi ini berdiri sejak 1912 dan

berkantor pusat di Jakarta. AJB Bumiputera berdiri sejak 1912, didirikan oleh 3

orang, yaitu Mas Ngabehi Dwidjosewono, Mas Karto Hadi Karto Soebroto dan Mas

Adimidjojo dengan nama Onderlinge Levensverzekring Maatschappij PGHB

(OLMij.PGHB) yang berpusat di Magelang.

Pada 1921, kantor AJB Bumiputera pindah ke Yogyakarta dan tahun 1958

kantor AJB Bumiputera kembali pindah ke Jakarta. Tahun 1966 nama perusahaan

berubah menjadi AJB Bumiputera. Tahun 2012, logo AJB Bumiputera berubah.

Gambar 2.1.1 Logo AJB Bumiputera sebelum 2012

Gambar 2.1.2 Logo AJB Bumiputera mulai 2012

http://id.wikipedia.org/wiki/Asuransi_jiwa

http://id.wikipedia.org/wiki/Asuransi_jiwa

http://id.wikipedia.org/wiki/Indonesia

http://id.wikipedia.org/wiki/1912

http://id.wikipedia.org/wiki/Jakarta

http://id.wikipedia.org/wiki/1912

http://id.wikipedia.org/wiki/Magelang

http://id.wikipedia.org/wiki/Yogyakarta

http://id.wikipedia.org/wiki/Jakarta

http://id.wikipedia.org/wiki/Berkas:Bumiputera-jadul.jpg

http://id.wikipedia.org/wiki/Berkas:Logo_Bumiputera.jpg

7

Garis Sejarah AJB Bumiputera 1912:

Februari 1908

Peluncuran gerakan pemuda Boedi Oetomo, dengan Mas Ngabehi

Dwidjosewojo sebagai sekretaris.

Oktober 1912

Mas Ngabehi Dwidjosewono, Mas Karto Hadi Soebroto dan Mas

Adimidjojo, membentuk perusahaan asuransi jiwa bersama nasional

pertama, yang disebut Onderlinge Levensverzekering Maatschappj PGHB

(OLMij.PGHB), yang berpusat di Magelang.

Februari 1914

OLMij.PGHB disingkat menjadi OLMij. Rapat anggota pertama yang

diadakan di Semarang

Januari 1921

Kantor perusahaan pindah ke Yogyakarta.

Januari 1958

Kantor pusat perusahaan pindah ke Jakarta.

Januari 1966

Perusahaan mengubah namanya menjadi Asuransi Jiwa Bersama (AJB)

Bumiputera 1912.

Januari 1985

Peresmian Gedung Museum AJB Bumiputera 1912 di Magelang.

Februari 2012

Seratus tahun AJB Bumiputera 1912.

2.2 Profil Perusahaan

AJB Bumiputera 1912 adalah perusahaan asuransi terkemuka di Indonesia.

Didirikan seabad yang lalu untuk memenuhi kebutuhan spesifik masyarakat

Indonesia, AJB Bumiputera 1912 telah berkembang untuk mengikuti perubahan

kebutuhan masyarakat. Pendekatan modern, produk yang beragam, serta teknologi

8

mutakhir yang ditawarkan didukung oleh nilai-nilai tradisional yang melandasi

pendirian AJB Bumiputera 1912

AJB Bumiputera 1912 telah merintis industri asuransi jiwa di Indonesia dan

hingga saat ini tetap menjadi perusahaan asuransi jiwa nasional terbesar di

Indonesia .

AJB Bumiputera 1912 adalah perusahaan asuransi mutual, dimiliki oleh

pemegang polis Indonesia, dioperasikan untuk kepentingan pemegang polis

Indonesia, dan dibangun berdasarkan tiga pilar 'mutualisme', 'idealisme' dan

'profesionalisme'.

AJB Bumiputera 1912 menyadari pentingnya hubungan personal antara

nasabah dan penasehat finansial mereka, serta menyediakan akses yang mudah

untuk mendapatkan solusi khusus untuk memenuhi semua kebutuhan asuransi

nasabah.

AJB Bumiputera 1912 dimiliki oleh masyarakat Indonesia dari berbagai

latar belakang dan kelompok umur, serta menyediakan berbagai produk dan

layanan yang setara dengan produk asuransi terbaik dunia, namun tetap menjaga

keuntungannya di Indonesia bagi para pemegang polisnya. AJB Bumiputera 1912

adalah aset nasional, pelopor asuransi di Indonesia.

2.3 Kode Etik dan Prinsip Perusahaan

Idealisme

AJB Bumiputera 1912 bukan berdiri semata-mata untuk mencari

keuntungan, melainkan sebagai alat finansial yang lahir dari komitmen untuk

meningkatkan kesejahteraan rakyat Indonesia melalui bisnis asuransi jiwa.

Mutualisme

Sebagai dasar manajemen perusahaan, nilai sosial mutualisme

dimanifestasikan melalui kerjasama, kemitraan, dan sinergi antara pemegang polis

dan sesama pemegang polis, antara perusahaan dan pemegang polis, antara

karyawan dan sesama karyawan dalam perusahaan, dan antara karyawan dengan

manajemen dalam perusahaan.

9

Profesionalisme

Keunggulan dan kompetensi sumber daya manusia, yang dikembangkan

melalui pendidikan dan pelatihan dari waktu ke waktu, menjadikan Perusahaan

memiliki sumber daya manusia yang dapat mempertahankan kelangsungan hidup,

pengembangan organisasi dan pertumbuhan bisnis.

2.4 Struktur Organisasi

Gambar 2.4.1 Struktur Organisasi AJB Bumiputera 1912

10

Gambar 2.4.2 Struktur Organisasi Kantor Wilayah

11

BAB III

LANDASAN TEORI

3.1 Kepuasan Pelanggan

Keluhan pelanggan merupakan maninvestasi dari ketidakpuasan

(dissatisfaction). Keluhan pelanggan merupakan tanda adanya masalah yang harus

segera ditangani oleh perusahaan karena jika tidak, akan berdampak pada

pengikisan loyalitas pelanggan serta dapat berpengaruh negatif terhadap kinerja

perusahaan di masa yang akan datang. Keluhan yang tidak ditangani dengan baik

akan menimbulkan ketidakpuasan yang semakin besar dan pada akhirnya bisa

mendorong pelanggan untuk menghentikan penggunaan pelayanan serta

mendorong pelanggan untuk menempuh jalur hukum (legal action).

Dengan tujuan untuk memenuhi kepuasan pelanggan, banyak perusahaan

yang mendorong para tenaga penjualannya untuk memiliki orientasi terhadap

pelanggan dalam menjalankan pekerjaannya.

Menurut Schanaars (1991), pada dasarnya tujuan dari suatu bisnis adalah

untuk menciptakan para pelanggan yang merasa puas. Terciptanya kepuasan

pelanggan dapat memberikan beberapa manfaat, diantaranya hubungan antara

perusahaan dan pelanggannya menjadi harmonis, memberikan dasar yang baik bagi

pembelian ulang dan terciptanya loyalitas pelanggan, dan membentuk suatu

rekomendasi dari mulut ke mulut (word of mouth) yang menguntungkan bagi

perusahaan (Tjiptono, 1994). Ada beberapa pakar yang memberikan definisi

mengenai kepuasan dan ketidakpuasan pelanggan. Day (dalam Tse dan Wilton,

1988) menyatakan bahwa kepuasan atau ketidakpuasan pelanggan adalah respon

pelanggan terhadap evaluasi ketidaksesuaian (disconfirmation) yang dirasakan

antara harapan sebelumnya (atau normal kinerja lainnya) dan kinerja aktual produk

yang dirasakan setelah pemakaiannya. Wilkie (1990) mendefinisikan sebagai suatu

tanggapan emosional pada evaluasi terhadap pengalaman konsumsi suatu produk

atau jasa. Engel, et al (1990) menyatakan bahwa kepuasan pelanggan merupakan

evaluasi purna beli di mana alternatif yang dipilih sekurang-kurangnya sama atau

12

melampaui harapan pelanggan, sedangkan ketidakpuasan timbul apabila hasil

(outcome) tidak memenuhi harapan. Kotler, et al (1996) menandaskan bahwa

kepuasan pelanggan adalah tingkat perasaan seseorang setelah membandingkan

kinerja (atau hasil) yang ia rasakan di bandingkan dengan harapannya.

Secara umum dapat dikatakan bahwa kepuasan adalah perasaan senang atau

kecewa seseorang yang berasal dari perbandingan antara kesannya terhadap kinerja

(hasil) suatu produk dan harapannya. Pelanggan yang senang dan puas cenderung

akan berperilaku positif.

Mereka akan membeli kembali atau menggunakannya kembali. Kepuasan

merupakan fungsi dari kesan kinerja dan harapan. Jika kinerja melebihi harapan,

pelanggan amat puas atau senang. Kepuasaan tinggi atau kesenangan menciptakan

kelekatan emosional terhadap merek, bukan hanya preferensi rasional. Hasilnya

adalah kesetiaan pelanggan yang tinggi. Kepuasaan tidak akan pernah berhenti pada

satu titik. Ia bergerak dinamis mengikuti tingkat kualitas produk/jasa dan

layanannya dengan harapan-harapan yang berkembang di benak pelanggan.

Dalam beberapa penelitian tentang kepuasan pelanggan, ditemukan bahwa

kepuasan overall adalah suatu evaluasi global yang terdiri atas kepuasan atas

komponen-komponen atribut dari suatu barang dan jasa (Mittal, Ross. And

Baldasare 1998) atau proses (Rust, Zahorik, dan Keiningham, 1995). Penelitian

lainnya dari Czepiel, Resenberg, Akerele (1974) dan Westbrook (1981),

mengemukakan bahwa kepuasan atas suatu organisasi merupakan suatu akumulasi

dari sikap yang dihasilkan dari kepuasan terhadap komponen-komponen spesifik,

seperti orang dan produk. Sebagai contoh, Westbrook (1981) menunjukkan bahwa

kepuasan terhadap pengecer dibangun dari suatu akumulasi dari evaluasi secara

tersendiri terhadap tenaga penjual, lingkungan toko, produk dan faktor lainnya.

Crosby and Stephens (1987) mengemukakan konseptual dari kepuasan

pelanggan overall terhadap jasa (service) terdiri atas tiga hal penting, termasuk

kepuasan terhadap : 1. Contact person; 2. The core service, dan 3. The organization.

Hal ini dicontohkan dalam kepuasan overall terhadap perusahaan asuransi jiwa,

yang terdiri atas kompenen kepuasan terhadap agen (service provider), jasa utama

(core service), dan organisasi. Oliver (1993), Rust, Zahorik dan Keiningham

13

(1995), Spreng, MacKenzie and Olshavsky (1996), dan Mittal, Ross dan Baldarase

(1998) mengembangkan suatu model tentang bagaimana kepuasan/ketidakpuasan

terhadap atribut produk atau service dan proses dihubungkan dengan evaluasi

terhadap kepuasan overall.

Namun hal yang terpenting adalah bahwa kepuasan pelanggan tidak dapat

diukur secara langsung dengan pengukuran yang objektif, kepuasan pelanggan

harus dilihat sebagai sesuatu hal yang abstrak dan merupakan fenomena teoritis

yang dapat diukur dengan banyak indikator (Andreassen, 1994). Pengukuran

kepuasan dengan menggunakan cara tersebut merupakan hal yang paling sering

dilakukan pada berbagai perusahaan penyedia jasa. Lebih lanjut, Andreassen (1994)

menyatakan bahwa kepuasan pelanggan dapat dibentuk melalui 3 bagian yaitu :

1. Tingkat kepuasan terhadap pelayanan secara keseluruhan

2. Tingkat kepuasan terhadap pelayanan apabila dibandingkan dengan jasa

sejenis.

3. Merekomendasikan kepada orang lain.

3.2 Kualitas Pelayanan

Jasa adalah setiap tindakan yang ditawarkan oleh satu pihak kepada pihak

lain yang pada dasarnya tidak berwujud, dan tidak mengakibatkan kepemilikan

apapun. Proses produksinya dapat dikaitkan atau tidak dikaitkan dengan suatu

produk pisik (Kotler, 2000). Menurut Bonice (1972) bahwa pelayanan adalah suatu

pekerjaan yang dilakukan untuk banyak orang atau mungkin hanya untuk satu

orang. Sehubungan dengan itu, maka segala kegunaan atau manfaat yang

disediakan oleh pihak lain yang akan memudahkan dalam memenuhi sesuatu

kebutuhan tertentu, tergolong jasa. Sebagain dari jasa pada dasarnya dapat

disediakan sendiri, seperti misalnya pramuwisma, jasa cuci pakaian, penjaga anak,

pencucian mobil, perawatan taman dan kebun.

14

Seperti dijelaskan diatas bahwa ada 4 (empat) karakteristik yang dimiliki oleh

suatu jasa yaitu:

1. Tidak berwujud, yaitu tidak bisa dilihat, dirasa, diraba, didengar, atau

dicium sebelum jasa itu dibeli.

2. Tidak terpisahkan, yaitu jasa pada umumnya dihasilkan dan dikonsumsi

pada saat yang sama.

3. Bervariasi, karena tergantung pada siapa yang menyediakan serta kapan

dan dimana jasa itu diberikan, jasa sangat bervariasi.

4. Mudah lenyap, yaitu jasa tidak dapat disimpan.

Definisi mutu jasa berpusat pada pemenuhan kebutuhan dan keinginan

pelanggan serta ketepatan penyampaian untuk mengimbangi harapan pelanggan.

Menurut Wyckof (dalam Fandy, 2000), kualitas jasa adalah tingkat keunggulan

untuk memenuhi keinginan pelanggan. Apabila jasa yang diterima sesuai dengan

yang diharapakan, maka kualitas jasa dipersepsikan baik dan memuaskan. Jika jasa

yang diterima melampaui harapan pelanggan, maka kualitas jasa dipersepsikan

ideal. Sebaliknya jika jasa yang diterima lebih rendah daripada yang diharapkan

,maka kualitas jasa dianggap buruk (Fandy, 2000).

Mengacu pada pengertian tersebut maka konsep kualitas jasa adalah suatu

daya tanggap dan realitas dari jasa yang diharapkan pelanggan terhadap jasa yang

diberikan perusahaan. Kualitas pelayanan harus dimulai dari kebutuhan pelanggan

dan berakhir pada pesepsi pelanggan (Kotler, 1997). Hai ini berarti bahwa kualitas

yang baik bukanlah berdasarkan persepsi penyediaan jasa, melainkan berdasarkan

persepsi pelanggan.

Servqual menghubungkan pandangan dari pelanggan dan penyedia jasa

mengenai kualitas pelayanan, serta merupakan dasar yang baik dalam memahami,

mengukur dan memperbaiki kualitas pelayanan. Model ini lebih dikenal sebagai

model analisis kesenjangan, yang merupakan alat untuk menganalisis penyebab

dari masalah pelayanan dan untuk memahami bagaiman kualitas pelayanan dapat

diperbaiki (Han, 1996). Servqual merupakan alat yang efektif untuk mengukur

tingkat kepuasan pelanggan dengan mengukur kelima dimensi dari kepuasan

15

pelanggan. Model ini terdiri dari dua bagian, dimana bagian awal berisikan harapan

pelanggan dan bagian kedua merupakan persepsi pelanggan akan pelayanan yang

diterima. Sebuah skor untuk kualitas pelayanan dihitung dari selisih antara nilai

peringat yang diberikan pelanggan untuk sepasang pernyataan harapan dan

persepsi.

Servqual dan kelima dimensi kualitas dapat membantu perusahaan dalam

mengatasi masalah yang berhubungan dengan kualitas pelayanan dan dalam

membuat kebijakan untuk menghilangkan kesenjangan yang dapat mempengaruhi

kesenjangan yang dapat mempengaruhi persepsi pelanggan terhadap kualitas

pelayanan.

Menurut Parasuraman dkk (1985) terdapat lima dimensi kualitas pelayanan,

yang terdiri dari:

1. Bukti fisik (tangibles), mencakup fasilitas, fisik, perlengkapan, penampilan

pegawai dan sarana komunikasi. Sangat penting bagi suatu perusahaan

untuk mengetahui seberapa jauh aspek bukti langsung yang paling tepat,

yaitu masih memberikan impresi yang positif terhadap kualitas pelayanan

yang diberikan.

2. Keandalan (reliability), mencakup kemampuan untuk memenuhi janji

pelayanan secara cepat dan akurat. Dibandingkan dengan keempat dimensi

yang lainnya, dimensi ini sering dipersepsi paling penting bagi pelanggan

dan berbagai industri jasa.

3. Daya tanggap (responsiveness), mencakup kemampuan untuk membantu

pelanggan dan memberikan servis secara sigap. Daya tangkap merupakan

dimensi kualitas pelayanan yang paling dinamis. Pelayanan yang tanggap

juga dipengaruhi oleh sikap staf atau karyawan.

4. Jaminan (assurance), merupakan dimensi kualitas yang berhubungan

dengan kamampuan perusahaan dan perilaku karyawan /staf dalam

menanamkan rasa percaya dan keyakinan kepada para pelanggan.

5. Empati, mencangkup kemudahan melakukan komunikasi yang baik dan

pemahanan atas kebutuhan para pelanggan. Empati merupakan ketetapan

16

memperdulikan serta perhatian secara pribadi ke pelanggan.atribut

pembentuk dimensi empati berupa jam kerja, perhatian didalam pelayanan,

menjadikan pelanggan tertarik kepada perusahaan, perhatian pribadi kepada

pelanggan, dan memahami kebutuhan pelanggan.

3.3 Analisis Regresi

3.3.1 Konsep dasar analisis regresi

Analisis regresi adalah suatu proses memperkirakan secara sistematis

tentang apa yang paling mungkin terjadi dimasa yang akan datang berdasarkan

informasi yang sekarang dimiliki agar memperkecil kesalahan. Analisis regresi

dapat juga diartikan sebagai usaha memprediksi perubahan. Perubahan nilai suatu

variabel dapat disebabkan karena adanya perubahan pada variabel-variabel lain

yang mempengaruhinya. Misalnya, volume pupuk terhadap hasil panen

padi, karena adanya perubahan volume pupuk maka produksi padi dengan

sendirinya akan berubah. Dalam fenomena alam banyak sekali kejadian yang saling

berkaitan sehingga perubahan pada variabel lain berakibat pada perubahan variabel

lainnya. Teknik yang digunakan untuk menganalisis ini adalah analisis regresi.

Analisis regresi (regression analysis) merupakan suatu teknik untuk

membangun persamaan dan menggunakan persamaan tersebut untuk membuat

perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

analisis prediksi. Karena merupakan prediksi, maka nilai prediksi tidak selalu tetap

dengan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai prediksi

dengan nilai riilnya, maka semakin tepat persamaan regresinya. Sehingga dapat

didefinisikan bahwa: analisis regresi adalah metode statistik yang digunakan untuk

menentukan kemungkinan hubungan antara variabel-variabel.

3.3.2 Tujuan analisis regresi

Tujuan menggunakan analisis regresi ialah:

o Membuat estimasi rata-rata dari nilai variabel tergantung(dependen) dengan

didasarkan pada nilai variabel bebas(independen).

17

o Menguji hipotesis karakteristik dependensi

o Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada

nilai variabel bebas diluar jangkaun sampel.

3.3.3 Persamaan regresi

Persamaan regresi yang digunakan untuk membuat taksiran mengenai

variabel dependen disebut persamaan regresi estimasi, yaitu suatu formula

matematis yang menunjukkan hubungan keterkaitan antara satu atau beberapa

variabel yang nilainya sudah diketahui dengan satu variabel lain yang nilainya

belum diketahui. Sifat hubungan antar variabel dalam persamaan regresi

merupakan hubungan sebab akibat (causal relationship). Oleh karena itu, sebelum

menggunakan persamaan maka perlu diyakini terlebih dahulu secara teoritis atau

perkiraan sebelumnya, dua atau lebih variabel memiliki hubungan sebab akibat.

Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut variabel

bebas (independen variabel), sedangkan variabel yang nilainya dipengaruhi oleh

nilai variabel lain disebut variabel tidak bebas (dependen variabel).

3.3.4 Regresi linier sederhana

Analisis regresi linier sederhana adalah hubungan secara linear antara satu

variabel independen (X) dengan variabel dependen (Y). Analisis ini untuk

mengetahui arah hubungan antara variabel independen dengan variabel dependen

apakah positif atau negatif dan untuk memprediksi nilai dari variabel dependen

apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang

digunakan biasanya berskala interval atau rasio. Rumus regresi linear sederhana

sebagi berikut:

𝑌 = 𝑎 + 𝑏𝑥

Keterangan:

Y = Variabel dependen (nilai yang diprediksikan)

X = Variabel independen

a = Konstanta (nilai Y apabila X = 0)

18

b = Koefisien regresi (nilai peningkatan ataupun penurunan)

3.3.5 Regresi linier ganda

Analisis regresi linier ganda adalah hubungan secara linear antara dua atau

lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis

ini untuk mengetahui arah hubungan antara variabel independen dengan variabel

dependen apakah masing-masing variabel independen berhubungan positif atau

negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel

independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya

berskala interval atau rasio.

Persamaan regresi linear ganda sebagai berikut:

𝑌 = 𝑎 + 𝑏1𝑋1 + 𝑏2𝑋2 + ⋯ + 𝑏𝑛𝑋𝑛

Keterangan:

Y = Variabel dependen (nilai yang diprediksikan)

X1, X2,....,Xn = Variabel independen

a = Konstanta (nilai Y apabila X1, X2…..,Xn = 0)

b = Koefisien regresi (nilai peningkatan ataupun penurunan)

Pengujian regresi linier perlu dilakukan untuk mengetahui apakah variabel–variabel

bebas secara bersamaan memiliki pengaruh terhadap variabel tak bebas.

Langkah – langkah pengujian regresi linier berganda adalah:

1. Menentukan formula hipotesis

H0 : b1 = b2 = b3 = . . .= bk = 0 (X1, X2,. . ., Xk tidak mempengaruhi Y)

H1 : minimal ada satu parameter koefisien regresi yang tidak sama dengan

nol atau mempengaruhi Y.

2. Menentukan taraf nyata α dan nilai Ftabel dengan derajat kebebasan V1 = k

dan V2 = n-k1.

3. Menentukan kriteria pengujian

19

H0 diterima bila Fhitung < Ftabel atau p-value > α

H0 ditolak bila Fhitung > Ftabel atau p-value < α

4. Menentukan nilai F dengan rumus :

𝐹 =𝐽𝐾𝑟𝑒𝑔/𝑘

𝐽𝐾𝑟𝑒𝑠/(𝑛 − 𝑘 − 1)

Dengan:

JKreg = jumlah kuadrat regresi

k = jumlah variabel bebas

JKres = jumlah kuadrat residu (sisa)

n = jumlah sampel

(n-k-1) = derajat kebebasan

Untuk :

JKreg = b1∑Yi X1i + b2 ∑YiX2i + . . . + bk∑Y1 Xki

JKres = ∑ (Yi – Ŷi)2

5. Membuat kesimpulan apakah H0 diterima atau ditolak.

3.3.6 Variabel independen kualitatif dalam analisis regresi

Variabel independent kualitatif adalah variable independen yang bertipe

kualitatif, yaitu variabel yang nilai-nilainya berupa kategori. Misalnya variabel

jenis kelamin (laki-laki, perempuan), status perkawinan (nikah, janda/duda, belum

menikah). Apabila dalam model regresi ganda terdapat variabel independen yang

bertipe kualitatif, maka perlu dibentuk beberapa variabel dummy untuk ‘meng-

kuantitatifkan’ variabel tersebut.

Variabel ini tidak mempunyai arti secara kuantitatif, tetapi hanya digunakan

untuk mengidentifikasi perbedaan kategori dari variabel yang bertipe kualitatif.

Selain itu dikenal juga istilah reference category yang menunjukan kategori yang

akan dibandingkan dengan kategori yang lainnya untuk mengetahui ada tidaknya

20

perbedaan. Banyaknya dummy variable yang harus dibentuk sama dengan

banyaknya kategori dikurangi satu agar tidak terjebak ke dalam dummy trap.

Dummy trap terjadi apabila banyaknya variabel dummy yang digunakan

sama banyak dengan banyaknya kategori dalam setiap variabel yang akan dijadikan

variabel dummy. Contoh: terdapat variabel jenis kelamin yang akan dijadikan

variabel dummy. Kita tahu bahwa variabel jenis kelamin memiliki 2 kategori, yaitu

Pria dan Wanita. Apabila analis menggunakan 2 buah variabel dummy, misal DP

(dummy untuk Pria) dan DW (dummy untuk wanita), maka kasus multikolinieritas

akan muncul. Hal ini disebabkan karena untuk setiap baris data yang berbentuk

baris-kolom (matriks), baris ke-i pada kolom DP yang bernilai 1 berkenaan dengan

nilai 0 pada baris ke-i kolom DW. Maksudnya, untuk setiap baris ke-i kolom DP

yang bernilai 1, kolom DW selalu bernilai 0. Demikian juga untuk setiap baris ke-

k kolom DP yang bernilai 0, kolom DW baris ke-k selalu bernilai 1. Hal inilah yang

menyebabkan terjadinya korelasi.

Kalau diantara pembaca ada yang pernah belajar aljabar matriks, apabila

nilai suatu kolom berhubungan dengan kolom yang lain, maka nilai determinan

matriks tersebut bernilai nol. Nah, kita tahu di dalam aljabar perhitungan regresi

linier, untuk mendapatkan koefisien regresi, perhitungan dilakukan menggunakan

sistem matriks. Kalau determinan matriks tidak ditemukan, maka invers dari suatu

matriks tidak dapat ditemukan juga, sehingga nilai koefisien regresi linier menjadi

tak hingga.

Untuk menghindari terjerat dummy trap, maka seharusnya banyaknya

variabel dummy yang boleh dibentuk sesuai rumus:

𝐵𝑎𝑛𝑦𝑎𝑘 𝑣𝑎𝑟 𝑑𝑢𝑚𝑚𝑦 = 𝑏𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑘𝑎𝑡𝑒𝑔𝑜𝑟𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 – 1

Dengan demikian, banyak variabel yang bisa dibentuk dari kasus di atas adalah: 2-

1 = 1 buah variabel dummy agar tidak terjerat dummy trap.

Ilustrasi pembentukan dummy variabel sebagai berikut: Misal kita memiliki

variabel independen ‘Status perkawinan’ yang terdiri dari 3 kategori yaitu nikah,

janda/duda serta belum nikah, Jika kita mengambil reference category nikah maka

variable dummy yang dibentuk adalah: D1 yang bernilai 1 untuk kategori

21

janda/duda serta 0 untuk kategori lainnya dan D2 yang bernilai 1 untuk kategori

belum nikah serta 0 untuk kategori lainnya.

3.3.7 Proses dasar analisis regresi

Pada dasarnya, persamaan regresi dibentuk dari variabel-variabel

independen yang signifikan. Bila terdapat variabel independen lebih dari

satu(regresi ganda), maka menurut teori, model yang berisi variabel-variabel

independen yang signifikan saja yang boleh dipakai. Caranya yaitu dengan

mengeluarkan satu-persatu variabel yang paling tidak signifikan dalam model,

sehingga didapat model akhir yang berisikan variabel-variabel independen yang

signifikan saja. Tetapi ada kalanya, dalam pengambilan keputusan model mana

yang akan digunakan, peneliti juga tetap memasukkan variabel yang tidak

signifikan secara matematis, karena variabel tersebut dianggap penting dan tidak

boleh diabaikan, walaupun tidak signifikan secara matematis(inilah yang disebut

menggunakan relevansi dan akal sehat). Model yang akan digunakan juga harus

masuk akal(common sense). Peneliti juga harus mengutamakan relevansi dan

common sense daripada perhitungan matematis.

3.3.8 Asumsi yang harus dipenuhi dalam analisis regresi

3.3.8.1 Normalitas residual

Uji normalitas adalah pengujian tentang kenormalan distribusi data.

Penggunaan uji normalitas karena pada analisis statistik parametik, asumsi yang

harus dimiliki oleh data adalah bahwa data tersebut harus terdistribusi secara

normal. Maksud data terdistribusi secara normal adalah bahwa data akan mengikuti

bentuk distribusi normal (Santosa&Ashari, 2005:231). Dalam setiap uji asumsi,

sesungguhnya yang diuji bukanlah datanya, tetapi residual datanya.

Uji normalitas bisa dilakukan dengan dua cara, yaitu dengan normal P-P

Plot atau dengan Uji Kolmogorov-Smirnov. Uji yang paling umum digunakan

adalah uji dengan grafik normal P-P Plot, dan dalam kasus ini juga akan dipakai

normal P-P Plot.

Pada Normal P-P Plot prinsipnya normalitas dapat dideteksi dengan melihat

penyebaran data (titik) pada sumbu diagonal grafik atau dengan melihat histogram

dari residualnya. Dasar pengambilan keputusan:

22

a) Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis

diagonal atau grafik histogramnya menunjukkan pola distribusi normal,

maka model regresi memenuhi asumsi normalitas.

b) Jika data menyebar jauh garis diagonal dan/atau tidak mengikuti arah garis

diagonal atau grafik histogram tidak menunjukkan pola distribusi normal,

maka model regresi tidak memenuhi asumsi normalitas (Ghozali 2007:110-

112).

3.3.8.2 Tidak ada heteroskedastisitas (homokedastisitas)

Pengujian ini digunakan untuk melihat apakah variabel pengganggu

mempunyai varian yang sama atau tidak. Heteroskedastisitas mempunyai arti suatu

keadaan bahwa varian dari residual suatu pengamatan ke pengamatan yang lain

berbeda. Salah satu metode yang digunakan untuk menguji ada

tidaknya Heterokedastisitas akan mengakibatkan penaksiran koefisien-koefisien

regresi menjadi tidak efisien. Hasil penaksiran akan menjadi kurang dari

semestinya. Heterokedastisitas bertentangan dengan salah satu asumsi dasar regresi

linear, yaitu bahwa variasi residual sama untuk semua pengamatan atau

disebut homokedastisitas (Gujarati dalam Elmasari, 2010:53)

Untuk mendeteksi ada atau tidaknya heteroskedastisitas yaitu dengan

melihat grafik Plot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED

dengan residualnya SRESID. Deteksi ada atau tidaknya heteroskedastisitas dapat

dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara

SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu

X adalah residual (Y prediksi – Y sesungguhnya) yang telah di-studentized.

Dasar analisisnya adalah sebagai berikut:

a) Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola

tertentu yang teratur (bergelombang, melebar kemudian menyempit),

maka mengindikasikan telah terjadi heteroskedastisitas.

b) Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di

bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

23

3.3.8.3 No multikolinearitas

Multikolinearitas adalah keadaan dimana antar variabel independen

terdapat hubungan atau korelasi. Untuk mengetahui apakah terdapat hubungan atau

tidak antara varaiabel independen maka dilakukan uji korelasi antar variabel.

Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel

independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini

tidak ortogonal (Ghozali 2007:91). Untuk mendeteksi adanya multikolinearitas,

dapat dilihat dari Value Inflation Factor (VIF). Apabila nilai VIF > 10, terjadi

multikolinieritas. Sebaliknya, jika VIF < 10, tidak terjadi multikolinearitas (Wijaya,

2009:119)

3.3.8.4 No autokorelasi

Uji autokorelasi merupakan pengujian asumsi dalam regresi dimana

variabel dependen tidak berkorelasi dengan dirinya sendiri. Maksud korelasi

dengan diri sendiri adalah bahwa nilai dari variabel dependen tidak berhubungan

dengan nilai variabel itu sendiri, baik nilai variabel sebelumnya atau nilai periode

sesudahnya (Santosa & Ashari, 2005:240).

Dasar pengambilan keputusannya adalah sebagai berikut:

- Angka D-W di bawah -2 berarti ada autokorelasi positif

- Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi

- Angka D-W di atas +2 berarti ada autokorelasi negatif

Untuk analisisnya digunakan output SPSS pada tabel Model Summary.

3.4 Koefisien Determinasi

Koefisien determinasi yang ditandai dengan R2 untuk pengujian regresi

linier berganda yang mencakup lebih dari dua variabel. Koefisien determinasi

adalah untuk mengetahui proporsi keberagaman total dalam variabel tak bebas Y

yang dapat dijelaskan atau diterangkan oleh variabel-variabel bebas X yang ada di

model persamaan regresi berganda secara bersama-sama.

24

Maka R2 ditentukan oleh rumus:

n

i

i

n

i

i

YY

YY

R

1

2

1

2

Total

Regresi2

)(

)ˆ(

JK

JK

3.5 Koefisien Korelasi

Analisis korelasi adalah alat yang membahas tentang derajat hubungan

antara satu variabel dengan variabel lainnya. Dua variabel dikatakan berkolerasi

apabila perubahan dalam satu variabel diikuti oleh perubahan variabel lain, baik

yang searah maupun tidak. Hubungan antara variabel dapat dikelompokkan

menjadi tiga jenis:

1) Korelasi Positif

Terjadinya korelasi positif apabila perubahan antara variabel yang satu diikuti oleh

variabel lainnya dengan arah yang sama (berbanding lurus). Artinya apabila

variabel yang satu meningkat, maka akan diikuti peningkatan variabel lainnya.

2) Korelasi Negatif

Terjadinya korelasi negatif apabila perubahan antara variabel yang satu diikuti oleh

variabel lainnya dengan arah yang berlawanan (berbanding terbalik). Artinya

apabila variabel yang satu meningkat, maka akan diikuti penurunan variabel

lainnya.

3) Korelasi Nihil

Terjadinya korelasi nihil apabila perubahan antara variabel yang satu diikuti oleh

variabel lainnya dengan arah yang tidak teratur (acak). Artinya apabila variabel

yang satu meningkat, maka akan diikuti penurunan variabel. Artinya apabila

variabel yang satu meningkat, kadang diikuti dengan peningkatan pada variabel lain

dan kadang diikuti dengan penurunan pada variabel lain.

25

Berdasarkan hubungan antar variabel yang satu dengan variabel lainnya dinyatakan

dengan koefisien korelasi yang disimbolkan dengan ‘r’. Besarnya koefisien korelasi

berkisar antara −1 ≤ 𝑟 ≤ 1. Jika dua variabel berkorelasi negatif maka nilai

koefisien korelasinya akan mendekati -1; jika dua variabel tidak berkolerasi maka

nilai koefisien korelasinya akan mendekati 0; sedangkan jika dua variabel

berkolerasi positif maka nilai koefisien korelasinya akan mendekati 1.

Untuk lebih mengetahui seberapa jauh derajat antara variabel – variabel tersebut,

dapat dilihat dalam perumusan berikut:

−1.00 ≤ 𝑟 ≤ −0.80 𝑏𝑒𝑟𝑎𝑟𝑡𝑖 𝑘𝑜𝑟𝑒𝑙𝑎𝑠𝑖 𝑛𝑒𝑔𝑎𝑡𝑖𝑓 𝑘𝑢𝑎𝑡

−0.79 ≤ 𝑟 ≤ −0.50 𝑏𝑒𝑟𝑎𝑟𝑡𝑖 𝑘𝑜𝑟𝑒𝑙𝑎𝑠𝑖 𝑛𝑒𝑔𝑎𝑡𝑖𝑓 𝑠𝑒𝑑𝑎𝑛𝑔

−0.49 ≤ 𝑟 ≤ 0.49 𝑏𝑒𝑟𝑎𝑟𝑡𝑖 𝑘𝑜𝑟𝑒𝑙𝑎𝑠𝑖 𝑙𝑒𝑚𝑎ℎ

0.50 ≤ 𝑟 ≤ 0.79 𝑏𝑒𝑟𝑎𝑟𝑡𝑖 𝑘𝑜𝑟𝑒𝑙𝑎𝑠𝑖 𝑝𝑜𝑠𝑖𝑡𝑖𝑓 𝑠𝑒𝑑𝑎𝑛𝑔

0.80 ≤ 𝑟 ≤ 1.00 𝑏𝑒𝑟𝑎𝑟𝑡𝑖 𝑘𝑜𝑟𝑒𝑙𝑎𝑠𝑖 𝑝𝑜𝑠𝑖𝑡𝑖𝑓 𝑘𝑢𝑎𝑡

26

BAB IV

PEMBAHASAN

Pada penelitian ini data yang digunakan adalah data primer dan data

sekunder, data primer berupa kuesioner dan data sekunder menggunakan data

Laporan Produksi (LP.01) AJB Bumiputera cabang Kotabaru Yogyakarta tahun

2013. Kuesioner merupakan alat ukur yang digunakan peneliti untuk mengetahui

faktor-faktor apa sajakah yang mempengaruhi prestasi agen AJB Bumiputera

cabang Kotabaru Yogyakarta. Pada penelitian ini digunakan 9 variabel independen,

yaitu: Jenis Kelamin, Usia, Gol.Darah, Kuliah, Sosmed, Gadget, Kendaraan,

Penampilan, dan Pengetahuan.

o Variabel Jenis Kelamin menunjukkan jenis kelamin dari agen AJB

Bumiputera Kotabaru Yogyakarta, terdapat 2 kategori, yaitu: Laki-laki dan

Perempuan.

o Variabel Usia menunjukkan usia dari agen AJB Bumiputera Kotabaru

Yogyakarta.

o Variabel Gol.Darah menunjukkan golongan darah dari agen AJB

Bumiputera Kotabaru Yogyakarta, terdapat 4 kategori, yaitu: A, B, O, dan

AB.

o Variabel Kuliah menunjukkan latar belakang pendidikan (kuliah) yang

pernah ditempuh oleh agen AJB Bumiputera Kotabaru Yogyakarta, terdapat

5 kategori, yaitu: Sainstek, Soshum, Kesehatan, Agro, dan Tidak/Lainnya.

o Variabel Sosmed menunjukkan jumlah akun media sosial dan chatting yang

dimiliki agen AJB Bumiputera Kotabaru Yogyakarta.

o Variabel Gadget menunjukkan kepemilikan gadget dari agen AJB

Bumiputera Kotabaru Yogyakarta, terdapat 2 kategori, yaitu: Ya dan Tidak.

o Variabel Kendaraan menunjukkan jenis kendaraan yang dimiliki agen AJB

Bumiputera Kotabaru Yogyakarta, terdapat 3 kategori, yaitu: Motor, Mobil,

dan Tidak.

27

o Variabel Penampilan menunjukkan tingkat kepercayaan agen AJB

Bumiputera Kotabaru Yogyakarta terhadap penampilan dirinya, terdapat 4

kategori, yaitu: Sangat Menarik, Menarik, Biasa Saja, dan Tidak Menarik.

o Variabel Pengetahuan menunjukkan tingkat kepercayaan agen AJB

Bumiputera Kotabaru Yogyakarta terhadap pengetahuan dirinya tentang

macam-macam dan perbedaan-perbedaan produk Bumiputera, terdapat 4

kategori, yaitu: Sangat Mengetahui, Mengetahui, Cukup Mengetahui, dan

Kurang Mengetahui.

4.1 Profilisasi Responden

Profilisasi responden menurut masing-masing faktor adalah sbb:

Tabel 4.1.1 Profil responden berdasarkan jenis kelamin

Jenis_Kelamin

Frequency Percent Valid Percent

Cumulative

Percent

Valid Laki-laki 11 33.3 33.3 33.3

Perempuan 22 66.7 66.7 100.0

Total 33 100.0 100.0

Berdasarkan tabel di atas, responden pada penelitian ini sebanyak 11 orang atau

33,3% adalah laki-laki, sisanya sebanyak 22 orang atau 66,7% adalah perempuan.

Tabel 4.1.2 Profil responden berdasarkan golongan darah

Gol.Darah


Cumulative

Percent

Valid A 9 27.3 27.3 27.3

B 11 33.3 33.3 60.6

O 7 21.2 21.2 81.8

AB 6 18.2 18.2 100.0

Total 33 100.0 100.0

28


27,3% bergolongan darah A, sebanyak 11 orang atau 33,3% bergolongan darah B,

sebanyak 7 orang atau 21,2% bergolongan darah O, dan sisanya sebanyak 6 orang

atau 18,2% bergolongan darah AB.

Tabel 4.1.3 Profil responden berdasarkan latar belakang pendidikan

kuliahnya

kuliah


Cumulative

Percent

Valid Sainstek 4 12.1 12.1 12.1

Soshum 8 24.2 24.2 36.4

Kesehatan 3 9.1 9.1 45.5

Agro 3 9.1 9.1 54.5

tidak/lainnya 15 45.5 45.5 100.0

Total 33 100.0 100.0


12,1% berlatar belakang kuliah sainstek, sebanyak 8 orang atau 24,2% berlatar

belakang kuliah soshum, sebanyak 3 orang atau 9,1% berlatar belakang kuliah

kesehatan, sebanyak 3 orang atau 9,1% berlatar belakang kuliah agro, dan sisanya

sebanyak 15 orang atau 45,5% berlatar belakang kuliah lainnya atau tidak kuliah.

29

Tabel 4.1.4 Profil responden berdasarkan kepemilikan jumlah akun sosmed

sosmed


Cumulative

Percent

Valid .00 11 33.3 33.3 33.3

1.00 4 12.1 12.1 45.5

2.00 5 15.2 15.2 60.6

3.00 6 18.2 18.2 78.8

4.00 3 9.1 9.1 87.9

5.00 4 12.1 12.1 100.0

Total 33 100.0 100.0


33,3% tidak memiliki akun media sosial (bernilai 0), sebanyak 4 orang atau 12,1%

memiliki 1 akun media sosial, sebanyak 5 orang atau 15,2% memiliki 2 akun media

sosial, sebanyak 6 orang atau 18,2% memiliki 3 akun media sosial, sebanyak 3

orang atau 9,1% memiliki 4 akun media sosial, dan sisanya sebanyak 4 orang atau

12,1% memiliki 5 akun media sosial.

Tabel 4.1.5 Profil responden berdasarkan kepemilikan gadget

gadget


Cumulative

Percent

Valid ya 14 42.4 42.4 42.4

tidak 19 57.6 57.6 100.0

Total 33 100.0 100.0


42,4% memiliki gadget (smartphone/tablet pc), dan sisanya sebanyak 19 orang atau

57,6% tidak memiliki gadget (smartphone/tablet pc).

30

Tabel 4.1.6 Profil responden berdasarkan kepemilikan kendaraan pribadi

kendaraan


Cumulative

Percent

Valid motor 22 66.7 66.7 66.7

mobil 3 9.1 9.1 75.8

tidak 8 24.2 24.2 100.0

Total 33 100.0 100.0


66,7% memiliki motor, sebanyak 3 orang atau 9,1% memiliki mobil, dan sisanya

sebanyak 8 orang atau 24,2% tidak memiliki kendaraan pribadi (motor/mobil).

Tabel 4.1.7 Profil responden berdasarkan penilaian diri terhadap

penampilannya

penampilan


Cumulative

Percent

Valid sangat menarik 4 12.1 12.1 12.1

menarik 16 48.5 48.5 60.6

biasa saja 13 39.4 39.4 100.0

Total 33 100.0 100.0


12,1% menilai dirinya sangat menarik, sebanyak 16 orang atau 48,5% menilai

dirinya menarik, sebanyak 13 orang atau 39,4% menilai dirinya biasa saja, dan tidak

ada yang menilai dirinya tidak menarik (0 responden).

31

Tabel 4.1.8 Profil responden berdasarkan penilaian diri terhadap

pengetahuannya

pengetahuan


Cumulative

Percent

Valid sangat mengetahui 5 15.2 15.2 15.2

mengetahui 13 39.4 39.4 54.5

cukup mengetahui 8 24.2 24.2 78.8

kurang mengetahui 7 21.2 21.2 100.0

Total 33 100.0 100.0


15,2% menilai dirinya sangat mengetahui tentang macam-macam produk

Bumiputera, sebanyak 13 orang atau 39,4% menilai dirinya mengetahui, sebanyak

8 orang atau 24,2% menilai dirinya cukup mengetahui, dan sisanya sebanyak 7

orang atau 21,2% menilai dirinya kurang mengetahui.

4.2 Variabel Independen Kualitatif dan Pembentukan Dummy

Variabel independen kuantitatif dalam penelitian ini yaitu Usia dan Sosmed.

Sedangkan variabel independen kualitatifnya yaitu Jenis Kelamin, Gol.Darah,

Kuliah, Gadget, Kendaraan, Penampilan, dan Pengetahuan. Variabel-variabel

independen kualitatif inilah yang akan dibuat variabel dummynya.

Untuk Jenis Kelamin terdapat 2 kategori, maka variabel dummy yang dibentuk

berjumlah 1.

Untuk Gol.Darah terdapat 4 kategori, variabel dummy yang dibentuk berjumlah 3.

Untuk Kuliah terdapat 5 kategori, variabel dummy yang dibentuk berjumlah 4.

Untuk Gadget terdapat 2 kategori, variabel dummy yang dibentuk berjumlah 1.

Untuk Kendaraan terdapat 3 kategori, maka variabel dummy yang dibentuk

berjumlah 2.

32

Untuk Penampilan terdapat 4 kategori, maka variabel dummy yang dibentuk

berjumlah 3.

Untuk Pengetahuan terdapat 4 kategori, maka variabel dummy yang dibentuk

berjumlah 3.

Berikut ini merupakan Tabel Variabel Dummy yang dibentuk:

Tabel 4.2.1 Variabel dummy

No. Var. Kualitatif sub var. Dummy(1) Kode(1) Dummy(2) Kode(2) Dummy(3) Kode(3) Dummy(4) Kode(4)

1 Jenis Kelamin Lk

D1 1

Pr 0

2 Gol.Darah

A

D2.1

1

D2.2

0

D2.3

0

B 0 1 0

O 0 0 1

AB 0 0 0

3 Kuliah

Sainstek

D3.1

1

D3.2

0

D3.3

0

D3.4

0

Soshum 0 1 0 0

Kesehatan 0 0 1 0

Agro 0 0 0 1

Tidak 0 0 0 0

4 Gadget Ya

D4 1

Tidak 0

5 Kendaraan

Motor

D5.1

1

D5.2

0

Mobil 0 1

Tidak 0 0

6 Penampilan

SM

D6.1

1

D6.2

0

D6.3

0

M 0 1 0

BS 0 0 1

TM 0 0 0

7 Pengetahuan

SM

D7.1

1

D7.2

0

D7.3

0

M 0 1 0

CM 0 0 1

KM 0 0 0

Variabel dependen pada penelitian ini adalah Prestasi, yaitu prestasi agen AJB

Bumiputera Kotabaru Yogyakarta yang diambil dari mean premi pertama yang ia

dapat selama tahun 2013 (12 periode).

33

4.3 Uji Asumsi Regresi

4.3.1 Normalitas residual

Gambar 4.3.1.1 Histogram normalitas residual

Gambar 4.3.1.2 Normal P-P plot residual

34

Dari analisis kurva di atas, dapat dilihat bahwa data menyebar di sekitar

diagram dan mengikuti model regresi sehingga dapat disimpulkan bahwa data yang

diolah merupakan data yang berdistribusi normal sehingga uji normalitas terpenuhi.

Gambar 4.3.1.3 Normal P-P plot masing-masing variabel

35

4.3.2 Tidak ada heteroskedastisitas

Gambar 4.3.2.1 Scatterplot variabel y

Dari grafik diatas dapat diketahui bahwa tidak terjadi heteroskedastisitas

sebab tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka

0 pada sumbu Y. Sehingga dapat dikatakan asumsi no heteroskedastisitas terpenuhi.

4.3.3 No multikolinearitas

Multikolinearitas adalah keadaan dimana antar variabel independen

terdapat hubungan atau korelasi. Untuk mengetahui apakah terdapat hubungan atau

tidak antara varaiabel independen maka dilakukan uji korelasi antar variabel.

Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel

independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini

tidak ortogonal (Ghozali 2007:91). Untuk mendeteksi adanya multikolinearitas,

dapat dilihat dari Value Inflation Factor (VIF). Apabila nilai VIF > 10, terjadi

multikolinieritas. Sebaliknya, jika VIF < 10, tidak terjadi multikolinearitas (Wijaya,

2009:119).

36

Tabel 4.3.3.1 Multikolinearitas

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

Collinearity

Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) 27.030 16.817 1.607 .122

Jenis_Kelamin -.423 4.944 -.016 -.085 .933 .635 1.574

Usia .252 .252 .212 1.003 .326 .527 1.897

Gol.Darah 1.156 2.279 .101 .507 .617 .593 1.686

kuliah 1.479 1.577 .188 .937 .358 .585 1.709

sosmed -1.378 1.616 -.200 -.853 .403 .428 2.337

gadget -1.395 6.043 -.057 -.231 .819 .387 2.585

kendaraan -5.353 2.723 -.377 -1.966 .061 .639 1.566

penampilan -1.262 3.482 -.069 -.362 .720 .646 1.548

pengetahuan -5.984 2.456 -.488 -2.437 .023 .586 1.707

a. Dependent Variable: mean_PP

Dari hasil output diatas diperoleh nilai VIF<10 untuk setiap variabel

independennya. ini berarti tidak terjadi multikolonieritas, sehingga dapat

disimpulkan bahwa asumsi no multikolinieritas telah terpenuhi.

4.3.4 No autokorelasi

Uji autokorelasi merupakan pengujian asumsi dalam regresi dimana

variabel dependen tidak berkorelasi dengan dirinya sendiri. Maksud korelasi

dengan diri sendiri adalah bahwa nilai dari variabel dependen tidak berhubungan

dengan nilai variabel itu sendiri, baik nilai variabel sebelumnya atau nilai periode

sesudahnya (Santosa&Ashari, 2005:240).

Dasar pengambilan keputusannya adalah sebagai berikut:

- Angka D-W di bawah -2 berarti ada autokorelasi positif

- Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi

- Angka D-W di atas +2 berarti ada autokorelasi negatif

37

Untuk analisisnya digunakan output SPSS pada tabel Model Summary.

Tabel 4.3.4.1 Durbin-Watson

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate Durbin-Watson

1 .469a .220 -.085 5.66966 1.861

a. Predictors: (Constant), pengetahuan, sosmed, kuliah, Jenis_Kelamin, penampilan,

Gol.Darah, kendaraan, Usia, gadget

b. Dependent Variable: RES_2

Dari tabel diatas didapatkan nilai Durbin-Watson (DW hitung) sebesar

1.861. Berdasarkan kriteria yang telah ditentukan DW hitung berada diantara -2 dan

2, yakni -2 ≤ 1.861 ≤ 2 sehingga tidak terjadi autokorelasi. Dengan kata lain dapat

disimpulkan bahwa asumsi no autokorelasi telah terpenuhi.

4.4 Uji Regresi

4.4.1 Uji regresi 1

Tabel 4.4.1.1 Entered/removed variabel uji regresi 1

Variables Entered/Removed

Model Variables Entered Variables Removed Method

1 D7.3, D3.1, sosmed, D3.3,

D5.2, D1, D6.1, D2.1, D7.1,

D3.2, D3.4, D2.3, Usia, D7.2,

D4, D2.2, D5.1, D6.3a

. Enter

a. Tolerance = ,000 limits reached.

Tabel di atas menunjukkan variabel independen dimasukkan dengan metode Enter

(dimasukkan secara serentak)

38

Tabel 4.4.1.2 Model summary uji regresi 1

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .902a .814 .574 8.03277

a. Predictors: (Constant), D7.3, D3.1, sosmed, D3.3, D5.2, D1, D6.1,

D2.1, D7.1, D3.2, D3.4, D2.3, Usia, D7.2, D4, D2.2, D5.1, D6.3

Nilai koefisien korelasi R = 0.902, yang menunjukkan derajat hubungan

linear positif yang erat antara variabel dependen Y dan variabel-variabel

independennya (hal ini membuktikan model memenuhi asumsi linearitas).

Koefisien determinasi sederhana Rsquare = 0.814, yang menunjukkan bahwa

81.4% variasi dalam variabel Y (Prestasi) dapat diterangkan oleh variabel-variabel

independen yang ada, sisanya disebabkan faktor lain yang tidak diamati. Koreksi

terhadap Rsquare = adjusted Rsquare sebesar 57.4%, standard error of estimate (S)

mengukur besarnya variasi model regresi sebesar 8.032

Uji Overall

Tabel 4.4.1.3 Anova uji regresi 1

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 3949.092 18 219.394 3.400 .012a

Residual 903.356 14 64.525

Total 4852.448 32

a. Predictors: (Constant), D7.3, D3.1, sosmed, D3.3, D5.2, D1, D6.1, D2.1, D7.1, D3.2, D3.4, D2.3,

Usia, D7.2, D4, D2.2, D5.1, D6.3

b. Dependent Variable: mean_PP

Uji Hipotesis

o H0: Semua βi=0

H1: Tidak semua βi=0

39

o Tingkat signifikansi: α= 0.05

o Statistik Uji

Sig. = 0.012

o Daerah kritis

H0 ditolak jika sig. < α

o Kesimpulan

Karena sig < α maka H0 ditolak, maka tidak semua βi=0, berarti paling

tidak ada 1 dari variabel independen yang mempengaruhi Y.

40

Uji Parsial

Tabel 4.4.1.4 Koefisien uji regresi 1

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig. B Std. Error Beta

1 (Constant) -2.704 18.821 -.144 .888

D1 5.474 5.125 .213 1.068 .304

Usia .011 .281 .009 .040 .969

D2.1 30.190 12.017 1.109 2.512 .025

D2.2 16.534 7.001 .643 2.362 .033

D2.3 30.107 11.078 1.015 2.718 .017

D3.1 -9.078 6.762 -.244 -1.342 .201

D3.2 -6.465 5.824 -.228 -1.110 .286

D3.3 14.628 9.370 .347 1.561 .141

D3.4 1.517 8.689 .036 .175 .864

sosmed -1.646 1.927 -.238 -.854 .407

D4 -6.722 6.303 -.274 -1.066 .304

D5.1 2.673 7.983 .104 .335 .743

D5.2 8.310 10.471 .197 .794 .441

D6.1 -9.955 9.527 -.268 -1.045 .314

D6.3 -27.200 9.044 -1.096 -3.007 .009

D7.1 26.709 6.643 .790 4.021 .001

D7.2 6.140 6.682 .247 .919 .374

D7.3 22.793 8.364 .806 2.725 .016


Uji Hipotesis

o H0: variabel independen tidak signifikan untuk masuk ke dalam model

H1: variabel independen signifikan untuk masuk ke dalam model


41

o Statistik Uji

Sig. constant = 0.888; Sig. D1 = 0.304; Sig. usia = 0.969; Sig. D2.1 = 0.025; Sig.

D2.2 = 0.033

Sig. D2.3 = 0.017; Sig. D3.1 = 0.201; Sig. D3.2 = 0.286; Sig. D3.3 = 0.141; Sig.

D3.4 = 0.864

Sig. sosmed = 0.407; Sig. D4 = 0.304; Sig. D5.1 = 0.743; Sig. D5.2 = 0.441; Sig.

D6.1 = 0.314

Sig. D6.3 = 0.009; Sig. D7.1 = 0.001; Sig. D7.2 = 0.374; Sig. D7.3 = 0.016

o Daerah kritis


o Kesimpulan

Jika dilihat dari nilai sig, maka variabel yang signifikan masuk ke dalam

model hanya D2.1, D2.2, D2.3, D6.3, D7.1, dan D7.3 (yang nilai sig.nya <

0.05), selebihnya tidak signifikan masuk ke dalam model karena nilai

sig.nya > 0.05. Variabel dengan nilai sig. terbesar akan dikeluarkan karena

variabel dengan sig. terbesar berarti yang paling tidak signifikan. Dengan

dikeluarkannya variabel yang paling tidak sig, maka akan mempengaruhi

nilai sig. variabel lainnya.

Pada model ini, variabel yang paling tidak sig. adalah usia karena memiliki

nilai sig. terbesar. Oleh karena itu, variabel usia perlu dikeluarkan.

Tabel 4.4.1.5 Excluded variabel uji regresi 1

Excluded Variablesb

Model Beta In t Sig.

Partial

Correlation

Collinearity

Statistics

Tolerance

1 D6.2 .a . . . .000

a. Predictors in the Model: (Constant), D7.3, D3.1, sosmed, D3.3, D5.2, D1, D6.1, D2.1,

D7.1, D3.2, D3.4, D2.3, Usia, D7.2, D4, D2.2, D5.1, D6.3


42

Dalam model ini, variabel D6.2 tidak diikutsertakan secara otomatis

karena nilai collinearity statistics (statistik kolinearitas) nya 0.000, yang berarti

terdapat hubungan kolinearitas dengan variabel Y (asumsi no multikolinearitas

tidak terpenuhi).

Uji regresi ini terus dilakukan dengan cara yang sama, yakni dengan

mengeluarkan variabel yang paling tidak sig. terlebih dahulu, setelah dilakukan uji

regresi sebanyak 12 kali (dengan 12 kali pula mengeluarkan variabel yang paling

tidak sig. di setiap modelnya), maka terbentuklah model akhir dimana semua

variabel independennya signifikan masuk ke dalam model (Uji regresi 2 sampai 11

terdapat di lampiran).

4.4.2 Uji regresi 12




1 D7.3, D7.1, D3.3, D2.2,

D1, D2.1, D2.3, D4, D6.3a

. Enter

a. All requested variables entered.

Tabel di atas menunjukkan variabel independen dimasukkan dengan metode Enter

(dimasukkan secara serentak)


Model Summary

Model R R Squareb

Adjusted R

Square

Std. Error of the

Estimate

1 .944a .892 .851 7.49252

a. Predictors: D7.3, D7.1, D3.3, D2.2, D1, D2.1, D2.3, D4, D6.3

b. For regression through the origin (the no-intercept model), R Square

measures the proportion of the variability in the dependent variable about

the origin explained by regression. This CANNOT be compared to R

Square for models which include an intercept.

43

Nilai koefisien korelasi R = 0.944, yang menunjukkan derajat hubungan

linear positif yang erat antara variabel dependen Y dan variabel-variabel

independennya (hal ini membuktikan model memenuhi asumsi linearitas).

Koefisien determinasi sederhana Rsquare = 0.892, yang menunjukkan bahwa

89.2% variasi dalam variabel Y (Prestasi) dapat diterangkan oleh variabel-variabel

independen yang ada, sisanya disebabkan faktor lain yang tidak diamati. Koreksi

terhadap Rsquare = adjusted Rsquare sebesar 85.1%, standard error of estimate (S)

mengukur besarnya variasi model regresi sebesar 7.492

Uji Overall


ANOVAc,d


1 Regression 11082.111 9 1231.346 21.934 .000a

Residual 1347.307 24 56.138

Total 12429.418b 33

a. Predictors: D7.3, D7.1, D3.3, D2.2, D1, D2.1, D2.3, D4, D6.3

b. This total sum of squares is not corrected for the constant because the constant is zero for

regression through the origin.

c. Dependent Variable: mean_PP

d. Linear Regression through the Origin

Uji Hipotesis

o H0: Semua βi=0



o Statistik Uji

Sig. = 0.000

o Daerah kritis


44

o Kesimpulan



Uji Parsial

Tabel 4.4.2.4 Koefisien uji regresi 12

Coefficientsa,b

Model


Standardized

Coefficients


1 D1 5.895 2.836 .175 2.078 .049

D2.1 24.515 6.099 .660 4.020 .001

D2.2 15.518 2.588 .462 5.995 .000

D2.3 23.476 5.534 .557 4.242 .000

D3.3 19.767 4.879 .307 4.052 .000

D4 -10.937 3.471 -.367 -3.151 .004

D6.3 -23.045 5.867 -.745 -3.928 .001

D7.1 23.525 3.799 .472 6.193 .000

D7.3 19.710 3.690 .500 5.341 .000


b. Linear Regression through the Origin

Uji Hipotesis

o H0: variabel independen tidak signifikan untuk masuk ke dalam model

H1: variabel independen signifikan untuk masuk ke dalam model


o Statistik Uji

Sig. D1 = 0.049; Sig. D2.1 = 0.01; Sig. D2.2 = 0.000

Sig. D2.3 = 0.000; Sig. D3.3 = 0.000; Sig. D4 = 0.004

Sig. D6.3 = 0.001; Sig. D7.1 = 0.000; Sig. D7.3 = 0.000

45

o Daerah kritis


o Kesimpulan

Karena semua sig. variabel < 0.05, maka semua variabel signifikan masuk

ke dalam model.

Tetapi, karena faktor-faktor tersebut telah diubah ke dalam bentuk dummy,

maka semua variabel dummy dalam satu faktor harus dimasukkan atau

tidak dimasukkan seluruhnya.

Dengan pertimbangan faktor penampilan dan pengetahuan itu penting,

maka variabel dummy D6.1 dan D6.2 (penampilan) serta D7.2

(pengetahuan) dimasukkan kembali ke dalam model. Sebaliknya, dengan

pertimbangan faktor kuliah tidak terlalu penting dan hanya menyisakan

variabel dummy D3.3 yang signifikan, maka variabel dummy D3.3 tersebut

dikeluarkan dari model. Begitupun dengan faktor golongan darah

dianggap kurang masuk akal untuk dimasukkan ke dalam model, maka

variabel D2.1, D2.2, dan D2.3 pun dikeluarkan dari model. Lalu diuji regresi

kembali, sehingga hasilnya menjadi model akhir sebagai berikut ini.

46

4.4.3 Uji regresi 13 (model akhir)



Model

Variables

Entered

Variables

Removed Method

1 D7.3, D7.2, D7.1,

D6.1, D1, D4,

D6.3, D6.2a

. Enter



Model Summary

Model R R Squareb

Adjusted R

Square

Std. Error of

the Estimate

Selection Criteria

Akaike

Information

Criterion

Amemiya

Prediction

Criterion

Mallows'

Prediction

Criterion

Schwarz

Bayesian

Criterion

1 .983a .967 .957 4.03514 98.911 .054 8.000 110.883

a. Predictors: D7.3, D7.2, D7.1, D6.1, D1, D4, D6.3, D6.2

b. For regression through the origin (the no-intercept model), R Square measures the proportion of the variability in

the dependent variable about the origin explained by regression. This CANNOT be compared to R Square for

models which include an intercept.

47


ANOVAc,d


1 Regression 12022.360 8 1502.795 92.296 .000a

Residual 407.058 25 16.282

Total 12429.418b 33

a. Predictors: D7.3, D7.2, D7.1, D6.1, D1, D4, D6.3, D6.2





Uji Overall

Uji Hipotesis

o H0: Semua βi=0



o Statistik Uji

Sig. = 0.000

o Daerah kritis


o Kesimpulan



Karena pada Uji Overall ini model signifikan, maka model ini telah sah

untuk digunakan.

48

Tabel 4.4.3.4 koefisien uji regresi 13

Coefficientsa,b

Model


Standardized

Coefficients


1 D1 -3.987 1.615 -.119 -2.468 .021

D4 1.071 1.739 .036 .616 .544

D6.1 21.459 4.850 .333 4.425 .000

D6.2 2.193 3.646 .074 .602 .553

D6.3 -.335 2.901 -.011 -.115 .909

D7.1 22.580 4.322 .640 5.225 .000

D7.2 15.877 3.795 .377 4.183 .000

D7.3 6.327 3.070 .227 2.061 .050



Karena kita telah sampai pada tahap model yang akan digunakan, tidak

perlu lagi untuk melihat nilai sig. dari masing-masing variabel(uji parsial). Bila kita

cermati, model ini telah cukup masuk akal (mendekati keadaan yang sebenarnya).

Variabel D1 menggantikan Jenis Kelamin, kode 1 untuk laki-laki dan kode

0 untuk perempuan. Variabel D1 bernilai -4.902. Hal ini berarti perempuan lebih

unggul dari laki-laki, bila kita cermati perolehan mean PP pada agen (terlampir),

perolehan mean PP agen perempuan memang lebih unggul daripada agen laki-laki.

Variabel D4 menggantikan gadget, kode 1 untuk ya(punya) dan kode 0

untuk tidak(tidak punya). Variabel D4 bernilai 1.591, berarti agen yang memiliki

gadget lebih unggul daripada agen yang tidak memiliki gadget, masuk akal karena

dengan memiliki gadget (smartphone/tab), maka jaringan komunikasi pun

seharusnya dapat lebih luas dan juga mendukung aktifitas mobile para agen.

Variabel D6.1, D6.2, dan D6.3 menggantikan penampilan. Kode 1 untuk

SM (Sangat Menarik), kode 2 untuk M (Menarik), kode 3 untuk BS (Biasa Saja),

dan kode 4 untuk TM (Tidak Menarik). Variabel D6.1 bernilai 21.872, D6.2 bernilai

3.123, dan D6.3 bernilai -1.196. Berarti ‘Sangat Menarik’ bernilai 21.872;

49

‘Menarik’ bernilai 3.123; ‘Biasa Saja’ bernilai -1.196, dan ‘Tidak Menarik’ bernilai

0.

Variabel D7.1, D7.2, dan D7.3 menggantikan pengetahuan. Kode 1 untuk

SM (Sangat Mengetahui), kode 2 untuk M (Mengetahui), kode 3 untuk CM (Cukup

Mengetahui), dan kode 4 untuk KM (Kurang Mengetahui). Variabel D7.1 bernilai

22.580, D7.2 bernilai 15.877, dan D7.3 bernilai 6.327. Berarti ‘Sangat Mengetahui’

bernilai 22.580, ‘Mengetahui’ bernilai 15.877, ‘Cukup Mengetahui’ bernilai 6.327,

dan ‘Kurang Mengetahui’ bernilai 0. Semua angka yang dibahas dalam satuan juta

rupiah.

Dengan persamaan regresi sbb. :

�̂� = −3.987(𝐷1) + 1.071(𝐷4) + 21.459(𝐷6.1) + 2.193(𝐷6.2)

− 1.196(𝐷6.3) + 22.580(𝐷7.1) + 15.877(𝐷7.2)

+ 6.327(𝐷7.3)

dengan �̂� = penduga nilai Y

Dari persamaan regresi tersebut, dapat diprediksikan nilai dari Y melalui �̂�

(penduga Y), dengan Y adalah mean Premi Pertama (PP) yang didapat agen

Bumiputera 1912 Kotabaru Yogyakarta.

Sebagai contoh, misal kita ingin menduga mean PP dari seorang agen

Bumiputera dengan kriteria sbb: Perempuan, memiliki gadget, berpenampilan

menarik, dan mengetahui (tentang produk Bumiputera).

Sehingga secara matematis ditulis:

�̂� = −3.987(0) + 1.071(1) + 21.459(0) + 2.193(1) − 1.196(0)

+ 22.580(0) + 15.877(1) + 6.327(0)

�̂� = 19.141

Sehingga nilai penduga mean PP bagi agen tersebut adalah 19,141 juta rupiah.

Untuk menduga mean PP dari kriteria agen yang berbeda, digunakan cara yang

sama.

50

BAB V

PENUTUP

5.1 Kesimpulan

1. Faktor-faktor yang mempengaruhi prestasi agen AJB Bumiputera 1912

Kotabaru Yogyakarta berdasarkan mean Premi Pertama (PP) adalah Jenis

Kelamin, Kepemilikan Gadget, Penampilan, dan Pengetahuan.

2. Diperoleh persamaan regresi sbb.:

�̂� = −3.987(𝐷1) + 1.071(𝐷4) + 21.459(𝐷6.1) + 2.193(𝐷6.2)

− 1.196(𝐷6.3) + 22.580(𝐷7.1) + 15.877(𝐷7.2)

+ 6.327(𝐷7.3)

3. Semakin besar �̂� (nilai penduga bagi Y), maka prestasi seorang agen bisa

dikatakan semakin baik pula, karena memperoleh premi yang lebih besar

pula setiap bulannya dari nasabah yang dipegangnya.

4. Dengan memaksimalkan faktor-faktor yang didapat, berarti dapat

memaksimalkan prestasi agen. Jika prestasi agen baik, maka kinerjanya pun

baik, dengan kinerja agen yang baik, berarti dapat memaksimalkan jumlah

nasabah/premi yang didapat tiap bulannya. Berarti keuntungan yang

diperoleh AJB Bumiputera maupun agen sendiri pun dapat meningkat.

5.2 Saran

Untuk dapat meningkatkan pendapatan/keuntungan bagi AJB Bumiputera

dan agen itu sendiri, jika ditilik dari faktor agen, adalah dengan menerima agen baru

dengan kriteria sbb:

1) Diutamakan wanita, karena nilai penduga mean PP (�̂�) wanita > nilai

penduga mean PP (�̂�) laki-laki (0 > −3.987).

2) Diutamakan yang memiliki gadget berupa smartphone/tab, karena nilai

penduga mean PP (�̂�) untuk gadget bernilai positif. Hal ini mungkin

dikarenakan dengan memiliki smartphone, maka lingkungan pergaulan

pun akan semakin luas (dengan banyaknya sosial media), dan juga

komunikasi pun akan lebih mudah dilakukan secara intens (dengan

aplikasi chatting yang kini telah marak digunakan), dan biasanya yang

51

memilki smartphone adalah yang berusia muda ataupun yang berjiwa

muda.

3) Diutamakan yang memiliki penampilan menarik ataupun memiliki

kepercayaan diri bahwa ia menarik. Bila menarik dan memiliki

kepercayaan diri bahwa ia menarik, itu lebih baik.

4) Diutamakan yang memiliki pengetahuan dasar tentang Bumiputera,

atapun yang cepat menangkap pengetahuan tersebut, terutama tentang

produk-produk yang ditawarkan.

DAFTAR PUSTAKA

Anonim, 2008, Dummy Trap, http://ineddeni.wordpress.com/2008/03/30/dummy-

trap/, diakses pada Maret 2014.

Anonim, 2009, Regresi dengan Variabel Independent Kualitatif,

http://clustr.wordpress.com/2009/07/17/regresi-dengan-variabel-independent-

kualitatif/, diakses pada Maret 2014.

Caesario, 2013, Analisis Regresi Linier Sederhana, http://caesario-

nanda.blogspot.com/2013/06/analisis-regresi-linier-sederhana.html, diakses pada

Maret 2014.

Duwi, 2011, Analisis Regresi Linier Berganda,

http://duwiconsultant.blogspot.com/2011/11/analisis-regresi-linier-berganda.html,

diakses pada Maret 2014.

Eman, G., 2013, Analisa Linier Berganda dengan Program SPSS 16,

http://gabrielaeman.wordpress.com/2013/11/24/analisa-linear-berganda-dengan-

program-spss-16/, diakses pada Maret 2014.

Hasibuan, S., 2010, Faktor-Faktor Yang Mempengaruhi Laju Inflasi Dengan

Regresi Ganda (Bab II Landasan Teori),

http://repository.usu.ac.id/bitstream/123456789/19373/4/Chapter%20II.pdf,

diakses pada Maret 2014.

http://www.bumiputera.com/, diakses pada Maret 2014.

Prisca, D.S., 2011, Pengujian Hipotesis Regresi Linier,

http://carapandangku.blogspot.com/2011/07/pengujian-hipotesis-regresi-

linier.html, diakses pada Maret 2014.

Sarwono, J., 2007, Info Regresi,

http://www.jonathansarwono.info/regresi/regresi.htm, diakses pada Maret 2014.

Wijayanti, A.P., 2012, Analisis Kepuasan Peserta Diklat Terhadap Kinerja Badan

Pendidikan dan Pelatihan DIY, Laporan Kerja Praktek, Jurusan Matematika

FMIPA UGM, Yogyakarta.

Zulaela, 2010, Modul Praktikum Analisis Regresi Terapan, Jurusan Matematika

FMIPA UGM, Yogyakarta.

http://ineddeni.wordpress.com/2008/03/30/dummy-trap/

http://ineddeni.wordpress.com/2008/03/30/dummy-trap/

http://clustr.wordpress.com/2009/07/17/regresi-dengan-variabel-independent-kualitatif/

http://clustr.wordpress.com/2009/07/17/regresi-dengan-variabel-independent-kualitatif/

http://caesario-nanda.blogspot.com/2013/06/analisis-regresi-linier-sederhana.html

http://caesario-nanda.blogspot.com/2013/06/analisis-regresi-linier-sederhana.html

http://duwiconsultant.blogspot.com/2011/11/analisis-regresi-linier-berganda.html

http://gabrielaeman.wordpress.com/2013/11/24/analisa-linear-berganda-dengan-program-spss-16/

http://gabrielaeman.wordpress.com/2013/11/24/analisa-linear-berganda-dengan-program-spss-16/

http://repository.usu.ac.id/bitstream/123456789/19373/4/Chapter%20II.pdf

http://www.bumiputera.com/

http://carapandangku.blogspot.com/2011/07/pengujian-hipotesis-regresi-linier.html

http://carapandangku.blogspot.com/2011/07/pengujian-hipotesis-regresi-linier.html

http://www.jonathansarwono.info/regresi/regresi.htm

LAMPIRAN

Lampiran 1: Kuesioner Faktor

Prestasi Agen

KUESIONER FAKTOR-FAKTOR YANG

MEMPENGARUHI PRESTASI AGEN AJB

BUMIPUTERA 1912 KOTABARU

YOGYAKARTA BERDASARKAN MEAN

PREMI PERTAMA(PP) TAHUN 2013

I. Data Diri

1. Nama Lengkap : ...................................

2. Tanggal Lahir : ...................................

3. Usia : ........tahun

4. Gol. Darah : ........... 5. Unit Kerja : ...........

II. Latar Belakang Pendidikan1. Sekolah Menengah

SMA

SMK

2. Sekolah Tinggi(kuliah)

Sains-teknik(Mipa, Teknik)

Soshum(FIB, FEB, Fisipol,

Hukum)

Kesehatan(FK, FKG, Farmasi)

Agro(Pertanian, Peternakan,

Kehutanan)

Lainnya: ..................... III. Kepemilikan Akun Media Sosial dan

Chatting1. Kepemilikan Akun Media Sosial

FB

Twitter

Path

Instagram

Website/blog

Lainnya: .....................

2. Kepemilikan Akun Media Chatting

WA

Line

BBM

Kakao Talk

Lainnya: ..................... IV. Kepemilikan Gadget dan Kendaraan

pribadi1. Kepemilikan Gadget(smartphone/tab)

Ya

Tidak

2. Kepemilikan Kendaraan Pribadi

Tidak

Motor

Mobil

V. Penilaian Diri 1. Apakah penampilan saya menarik?

Sangat Menarik

Menarik

Biasa Saja

Tidak Menarik 2. Apakah saya mengetahui dengan jelas

macam-macam serta perbedaan-perbedaan produk Bumiputera?

Sangat Mengetahui

Mengetahui

Cukup Mengetahui

Kurang Mengetahui VI. Prestasi

Track Record Premi Pertama(PP)

selama tahun 2013(12 bulan)*

Jan: ......... Feb: ........ Mar: ....... Apr: ........ Mei: ........ Jun: ........ Jul: ........ Agu: ........ Sep: ........ Okt: ........ Nov: ........ Des: ........

*ket: diisi berdasarkan data yang ada,

bukan perkiraan responden.

Terima Kasih Atas Partisipasi Anda

-KP UGM 2013-

Lampiran 2: Daftar Rekapitulasi Kuesioner

No. JK Usia Gol.Darah Kuliah Sosmed Gadget Kendaraan Penampilan Pengetahuan Mean PP

1 2.00 67.00 2.00 5.00 0.00 2.00 2.00 2.00 1.00 49.17

2 2.00 58.00 3.00 5.00 5.00 2.00 1.00 3.00 3.00 25.35

3 2.00 42.00 2.00 1.00 0.00 2.00 1.00 2.00 2.00 16.24

4 2.00 46.00 3.00 2.00 5.00 1.00 2.00 2.00 4.00 8.77

5 2.00 47.00 2.00 2.00 1.00 2.00 1.00 2.00 1.00 48.46

6 2.00 43.00 2.00 5.00 0.00 2.00 3.00 1.00 2.00 10.40

7 2.00 44.00 4.00 2.00 1.00 2.00 1.00 2.00 1.00 22.33

8 2.00 51.00 2.00 3.00 1.00 1.00 1.00 2.00 2.00 33.48

9 2.00 60.00 1.00 5.00 0.00 2.00 3.00 3.00 4.00 4.63

10 2.00 65.00 4.00 5.00 0.00 2.00 1.00 2.00 3.00 23.49

11 2.00 40.00 1.00 5.00 5.00 1.00 1.00 1.00 2.00 21.45

12 2.00 40.00 3.00 2.00 2.00 1.00 1.00 3.00 3.00 7.36

13 1.00 40.00 3.00 1.00 2.00 1.00 3.00 3.00 3.00 10.68

14 2.00 48.00 1.00 2.00 3.00 1.00 1.00 3.00 3.00 6.73

15 2.00 39.00 2.00 2.00 1.00 2.00 1.00 2.00 2.00 3.57

16 1.00 38.00 2.00 1.00 4.00 1.00 1.00 2.00 2.00 6.36

17 2.00 32.00 2.00 4.00 3.00 1.00 1.00 2.00 4.00 3.21

18 1.00 59.00 4.00 2.00 2.00 1.00 2.00 2.00 4.00 1.72

19 2.00 64.00 1.00 5.00 0.00 2.00 3.00 3.00 2.00 6.24

20 2.00 62.00 2.00 5.00 0.00 2.00 3.00 1.00 2.00 4.76

21 1.00 35.00 3.00 4.00 5.00 1.00 1.00 3.00 2.00 2.65

22 2.00 52.00 1.00 5.00 4.00 2.00 1.00 3.00 1.00 15.82

23 2.00 53.00 3.00 3.00 3.00 2.00 1.00 3.00 2.00 21.86

24 1.00 45.00 4.00 4.00 0.00 2.00 3.00 2.00 4.00 7.09

25 1.00 27.00 2.00 5.00 2.00 2.00 1.00 2.00 2.00 30.50

26 1.00 45.00 1.00 5.00 3.00 1.00 1.00 3.00 3.00 22.55

27 1.00 45.00 3.00 5.00 3.00 1.00 3.00 1.00 2.00 14.33

28 1.00 40.00 4.00 3.00 2.00 1.00 1.00 2.00 4.00 3.93

29 2.00 60.00 1.00 5.00 0.00 2.00 3.00 3.00 4.00 4.63

30 1.00 65.00 4.00 5.00 0.00 2.00 1.00 2.00 3.00 23.49

31 2.00 48.00 1.00 2.00 3.00 1.00 1.00 3.00 3.00 6.73

32 2.00 52.00 1.00 5.00 4.00 2.00 1.00 3.00 1.00 15.82

33 1.00 42.00 2.00 1.00 0.00 2.00 1.00 2.00 2.00 16.24




1 D7.3, D3.1, sosmed, D3.3,

D5.2, D1, D6.1, D2.1, D7.1,

D3.2, D3.4, D2.3, D7.2,

D2.2, D4, D5.1, D6.3a

. Enter


Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .902a .814 .603 7.76083


D2.1, D7.1, D3.2, D3.4, D2.3, D7.2, D2.2, D4, D5.1, D6.3

ANOVAb


1 Regression 3948.991 17 232.294 3.857 .006a

Residual 903.458 15 60.231

Total 4852.448 32


D7.2, D2.2, D4, D5.1, D6.3


Coefficientsa

Model


Standardized

Coefficients


1 (Constant) -2.033 7.967 -.255 .802

D1 5.395 4.554 .210 1.185 .255

D2.1 30.109 11.443 1.106 2.631 .019

D2.2 16.415 6.116 .638 2.684 .017

D2.3 29.980 10.243 1.011 2.927 .010

D3.1 -9.120 6.453 -.245 -1.413 .178

D3.2 -6.554 5.191 -.232 -1.263 .226

D3.3 14.653 9.032 .347 1.622 .126

D3.4 1.455 8.260 .034 .176 .863

sosmed -1.655 1.848 -.240 -.895 .385

D4 -6.763 6.006 -.276 -1.126 .278

D5.1 2.609 7.551 .101 .345 .735

D5.2 8.480 9.230 .201 .919 .373

D6.1 -9.971 9.196 -.268 -1.084 .295

D6.3 -27.150 8.654 -1.094 -3.137 .007

D7.1 26.753 6.327 .791 4.228 .001

D7.2 6.201 6.284 .250 .987 .339

D7.3 22.904 7.617 .809 3.007 .009


*ket.: variabel yang dicetak tebal dikeluarkan dari model

Excluded Variablesb


Partial

Correlation

Collinearity

Statistics

Tolerance

1 D6.2 .a . . . .000


D7.1, D3.2, D3.4, D2.3, D7.2, D2.2, D4, D5.1, D6.3





1 D7.3, D3.1, sosmed, D3.3,

D5.2, D1, D6.1, D2.1, D7.1,

D3.2, D2.3, D7.2, D4, D2.2,

D5.1, D6.3a

. Enter


Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .902a .813 .627 7.52216


D2.1, D7.1, D3.2, D2.3, D7.2, D4, D2.2, D5.1, D6.3

ANOVAb


1 Regression 3947.122 16 246.695 4.360 .003a

Residual 905.327 16 56.583

Total 4852.448 32


D4, D2.2, D5.1, D6.3


Coefficientsa

Model


Standardized

Coefficients


1 (Constant) -1.184 6.146 -.193 .850

D1 5.223 4.311 .203 1.211 .243

D2.1 29.100 9.601 1.069 3.031 .008

D2.2 16.201 5.810 .630 2.789 .013

D2.3 29.545 9.636 .996 3.066 .007

D3.1 -9.702 5.372 -.261 -1.806 .090

D3.2 -7.026 4.310 -.248 -1.630 .123

D3.3 13.617 6.642 .323 2.050 .057

sosmed -1.647 1.791 -.239 -.919 .372

D4 -6.198 4.920 -.253 -1.260 .226

D5.1 2.634 7.318 .102 .360 .724

D5.2 7.909 8.377 .187 .944 .359

D6.1 -10.465 8.489 -.282 -1.233 .235

D6.3 -26.725 8.056 -1.077 -3.318 .004

D7.1 26.488 5.957 .783 4.447 .000

D7.2 6.050 6.034 .244 1.003 .331

D7.3 22.196 6.273 .784 3.539 .003



Excluded Variablesb


Partial

Correlation

Collinearity

Statistics

Tolerance

1 D6.2 .a . . . .000


D7.1, D3.2, D2.3, D7.2, D4, D2.2, D5.1, D6.3





1 D7.3, D7.2, D7.1, D5.2,

D3.3, D3.1, D2.1, D2.3,

D1, D3.2, D6.1, D4, D2.2,

D6.2, sosmed, D6.3, D5.1a

. Enter


Model Summary

Model R R Squareb

Adjusted R

Square

Std. Error of the

Estimate

1 .963a .927 .850 7.52216

a. Predictors: D7.3, D7.2, D7.1, D5.2, D3.3, D3.1, D2.1, D2.3, D1, D3.2,

D6.1, D4, D2.2, D6.2, sosmed, D6.3, D5.1





ANOVAc,d


1 Regression 11524.091 17 677.888 11.980 .000a

Residual 905.327 16 56.583

Total 12429.418b 33

a. Predictors: D7.3, D7.2, D7.1, D5.2, D3.3, D3.1, D2.1, D2.3, D1, D3.2, D6.1, D4, D2.2, D6.2,

sosmed, D6.3, D5.1





Coefficientsa,b

Model


Standardized

Coefficients


1 D1 5.223 4.311 .155 1.211 .243

D2.1 29.100 9.601 .783 3.031 .008

D2.2 16.201 5.810 .482 2.789 .013

D2.3 29.545 9.636 .701 3.066 .007

D3.1 -9.702 5.372 -.174 -1.806 .090

D3.2 -7.026 4.310 -.178 -1.630 .123

D3.3 13.617 6.642 .212 2.050 .057

sosmed -1.647 1.791 -.222 -.919 .372

D4 -6.198 4.920 -.208 -1.260 .226

D5.1 2.634 7.318 .111 .360 .724

D5.2 7.909 8.377 .123 .944 .359

D6.1 -11.649 7.939 -.209 -1.467 .162

D6.2 -1.184 6.146 -.042 -.193 .850

D6.3 -27.909 9.431 -.903 -2.959 .009

D7.1 26.488 5.957 .531 4.447 .000

D7.2 6.050 6.034 .196 1.003 .331

D7.3 22.196 6.273 .563 3.539 .003







1 D7.3, D7.2, D7.1, D5.2,

D3.3, D3.1, D2.1, D2.3,

D1, D3.2, D6.1, D4, D2.2,

sosmed, D6.3, D5.1a

. Enter


Model Summary

Model R R Squareb

Adjusted R

Square

Std. Error of the

Estimate

1 .963a .927 .858 7.30602


D6.1, D4, D2.2, sosmed, D6.3, D5.1





ANOVAc,d


1 Regression 11521.993 16 720.125 13.491 .000a

Residual 907.425 17 53.378

Total 12429.418b 33

a. Predictors: D7.3, D7.2, D7.1, D5.2, D3.3, D3.1, D2.1, D2.3, D1, D3.2, D6.1, D4, D2.2, sosmed,

D6.3, D5.1





Coefficientsa,b

Model


Standardized

Coefficients


1 D1 4.713 3.305 .140 1.426 .172

D2.1 28.347 8.517 .763 3.328 .004

D2.2 15.627 4.842 .465 3.227 .005

D2.3 28.835 8.646 .684 3.335 .004

D3.1 -9.730 5.216 -.175 -1.866 .079

D3.2 -7.226 4.064 -.183 -1.778 .093

D3.3 13.340 6.298 .207 2.118 .049

sosmed -1.536 1.648 -.207 -.932 .364

D4 -6.040 4.712 -.203 -1.282 .217

D5.1 1.934 6.169 .081 .313 .758

D5.2 7.088 7.004 .110 1.012 .326

D6.1 -11.198 7.369 -.201 -1.520 .147

D6.3 -26.940 7.749 -.871 -3.477 .003

D7.1 26.505 5.785 .532 4.582 .000

D7.2 6.255 5.768 .202 1.084 .293

D7.3 22.257 6.084 .565 3.658 .002







1 D7.3, D7.2, D7.1, D5.2,

D3.3, D3.1, D2.1, D2.3,

D1, D3.2, D6.1, D4,

D2.2, sosmed, D6.3a

. Enter


Model Summary

Model R R Squareb

Adjusted R

Square

Std. Error of the

Estimate

1 .963a .927 .865 7.12067


D6.1, D4, D2.2, sosmed, D6.3





ANOVAc,d


1 Regression 11516.747 15 767.783 15.142 .000a

Residual 912.671 18 50.704

Total 12429.418b 33

a. Predictors: D7.3, D7.2, D7.1, D5.2, D3.3, D3.1, D2.1, D2.3, D1, D3.2, D6.1, D4, D2.2, sosmed,

D6.3





Coefficientsa,b

Model


Standardized

Coefficients


1 D1 4.882 3.178 .145 1.536 .142

D2.1 28.677 8.237 .772 3.482 .003

D2.2 16.110 4.474 .479 3.600 .002

D2.3 28.442 8.338 .675 3.411 .003

D3.1 -9.877 5.063 -.177 -1.951 .067

D3.2 -6.792 3.724 -.172 -1.824 .085

D3.3 14.327 5.316 .223 2.695 .015

sosmed -1.177 1.155 -.159 -1.019 .322

D4 -6.316 4.511 -.212 -1.400 .178

D5.2 5.768 5.454 .090 1.057 .304

D6.1 -12.405 6.125 -.223 -2.025 .058

D6.3 -27.645 7.228 -.894 -3.825 .001

D7.1 27.381 4.937 .549 5.546 .000

D7.2 7.098 4.973 .230 1.427 .171

D7.3 23.659 4.023 .600 5.881 .000







1 D7.3, D7.2, D7.1, D5.2,

D3.3, D3.1, D2.1, D2.3,

D1, D3.2, D6.1, D4,

D2.2, D6.3a

. Enter


Model Summary

Model R R Squareb

Adjusted R

Square

Std. Error of the

Estimate

1 .960a .922 .865 7.12784


D6.1, D4, D2.2, D6.3





ANOVAc,d


1 Regression 11464.103 14 818.864 16.117 .000a

Residual 965.316 19 50.806

Total 12429.418b 33

a. Predictors: D7.3, D7.2, D7.1, D5.2, D3.3, D3.1, D2.1, D2.3, D1, D3.2, D6.1, D4, D2.2, D6.3





Coefficientsa,b

Model


Standardized

Coefficients


1 D1 4.746 3.178 .141 1.493 .152

D2.1 25.773 7.736 .694 3.332 .004

D2.2 15.739 4.464 .468 3.526 .002

D2.3 24.489 7.388 .581 3.315 .004

D3.1 -8.741 4.944 -.157 -1.768 .093

D3.2 -6.230 3.686 -.158 -1.690 .107

D3.3 15.116 5.265 .235 2.871 .010

D4 -8.668 3.880 -.291 -2.234 .038

D5.2 6.391 5.425 .099 1.178 .253

D6.1 -10.668 5.888 -.191 -1.812 .086

D6.3 -25.947 7.040 -.839 -3.686 .002

D7.1 25.308 4.502 .508 5.621 .000

D7.2 6.115 4.884 .198 1.252 .226

D7.3 23.476 4.023 .596 5.836 .000







1 D7.3, D7.2, D7.1, D3.3,

D3.1, D3.2, D2.1, D2.3,

D1, D6.1, D4, D2.2, D6.3a

. Enter


Model Summary

Model R R Squareb

Adjusted R

Square

Std. Error of the

Estimate

1 .957a .917 .862 7.19656


D4, D2.2, D6.3





ANOVAc,d


1 Regression 11393.608 13 876.431 16.923 .000a

Residual 1035.810 20 51.791

Total 12429.418b 33

a. Predictors: D7.3, D7.2, D7.1, D3.3, D3.1, D3.2, D2.1, D2.3, D1, D6.1, D4, D2.2, D6.3





Coefficientsa,b

Model


Standardized

Coefficients


1 D1 5.484 3.146 .163 1.743 .097

D2.1 28.386 7.482 .764 3.794 .001

D2.2 17.321 4.298 .515 4.030 .001

D2.3 27.836 6.886 .661 4.043 .001

D3.1 -9.410 4.958 -.169 -1.898 .072

D3.2 -5.257 3.627 -.133 -1.449 .163

D3.3 14.952 5.313 .232 2.814 .011

D4 -8.516 3.915 -.286 -2.175 .042

D6.1 -11.739 5.874 -.211 -1.999 .059

D6.3 -28.484 6.767 -.921 -4.209 .000

D7.1 25.534 4.542 .512 5.622 .000

D7.2 4.645 4.767 .150 .974 .342

D7.3 22.491 3.973 .571 5.661 .000







1 D7.3, D7.1, D6.1, D3.3,

D3.1, D3.2, D2.1, D2.3,

D1, D2.2, D4, D6.3a

. Enter


Model Summary

Model R R Squareb

Adjusted R

Square

Std. Error of the

Estimate

1 .955a .913 .863 7.18788


D4, D6.3





ANOVAc,d


1 Regression 11344.439 12 945.370 18.298 .000a

Residual 1084.979 21 51.666

Total 12429.418b 33

a. Predictors: D7.3, D7.1, D6.1, D3.3, D3.1, D3.2, D2.1, D2.3, D1, D2.2, D4, D6.3





Coefficientsa,b

Model


Standardized

Coefficients


1 D1 6.546 2.948 .195 2.221 .038

D2.1 30.443 7.170 .819 4.246 .000

D2.2 20.087 3.223 .598 6.232 .000

D2.3 29.960 6.523 .711 4.593 .000

D3.1 -8.288 4.817 -.149 -1.721 .100

D3.2 -4.601 3.560 -.117 -1.292 .210

D3.3 16.940 4.900 .263 3.457 .002

D4 -9.834 3.669 -.330 -2.680 .014

D6.1 -9.129 5.221 -.164 -1.748 .095

D6.3 -28.477 6.759 -.921 -4.213 .000

D7.1 23.339 3.939 .468 5.925 .000

D7.3 20.956 3.643 .532 5.752 .000







1 D7.3, D7.1, D6.1, D3.3,

D3.1, D2.1, D2.3, D1,

D2.2, D4, D6.3a

. Enter


Model Summary

Model R R Squareb

Adjusted R

Square

Std. Error of the

Estimate

1 .952a .906 .859 7.29654

a. Predictors: D7.3, D7.1, D6.1, D3.3, D3.1, D2.1, D2.3, D1, D2.2, D4,

D6.3





ANOVAc,d


1 Regression 11258.150 11 1023.468 19.224 .000a

Residual 1171.269 22 53.239

Total 12429.418b 33

a. Predictors: D7.3, D7.1, D6.1, D3.3, D3.1, D2.1, D2.3, D1, D2.2, D4, D6.3





Coefficientsa,b

Model


Standardized

Coefficients


1 D1 7.347 2.925 .219 2.512 .020

D2.1 29.659 7.252 .798 4.090 .000

D2.2 18.937 3.145 .563 6.022 .000

D2.3 28.617 6.537 .679 4.377 .000

D3.1 -6.763 4.741 -.121 -1.427 .168

D3.3 18.377 4.844 .285 3.793 .001

D4 -11.706 3.422 -.393 -3.420 .002

D6.1 -7.286 5.099 -.131 -1.429 .167

D6.3 -27.350 6.804 -.884 -4.020 .001

D7.1 21.821 3.817 .438 5.717 .000

D7.3 19.863 3.597 .504 5.522 .000







1 D7.3, D7.1, D6.1, D3.3, D1,

D2.2, D2.1, D2.3, D4, D6.3a

. Enter


Model Summary

Model R R Squareb

Adjusted R

Square

Std. Error of the

Estimate

1 .947a .897 .852 7.45892

a. Predictors: D7.3, D7.1, D6.1, D3.3, D1, D2.2, D2.1, D2.3, D4, D6.3





ANOVAc,d


1 Regression 11149.803 10 1114.980 20.041 .000a

Residual 1279.615 23 55.635

Total 12429.418b 33

a. Predictors: D7.3, D7.1, D6.1, D3.3, D1, D2.2, D2.1, D2.3, D4, D6.3





Coefficientsa,b

Model


Standardized

Coefficients


1 D1 5.977 2.824 .178 2.116 .045

D2.1 29.193 7.406 .786 3.942 .001

D2.2 16.807 2.829 .500 5.940 .000

D2.3 27.565 6.640 .654 4.151 .000

D3.3 19.726 4.857 .306 4.061 .000

D4 -11.523 3.496 -.387 -3.296 .003

D6.1 -5.591 5.068 -.100 -1.103 .281

D6.3 -27.210 6.955 -.880 -3.913 .001

D7.1 22.804 3.838 .457 5.942 .000

D7.3 19.882 3.677 .504 5.407 .000




laporan kerja praktek

Data & Analytics