laporan kerja praktek
TRANSCRIPT
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
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
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 4: Uji Regresi 3
Lampiran 5: Uji Regresi 4
Lampiran 6: Uji Regresi 5
Lampiran 7: Uji Regresi 6
Lampiran 8: Uji Regresi 7
Lampiran 9: Uji Regresi 8
Lampiran 10: Uji Regresi 9
Lampiran 11: Uji Regresi 10
Lampiran 12: Uji Regresi 11
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
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
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
Frequency Percent Valid Percent
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
Berdasarkan tabel di atas, responden pada penelitian ini sebanyak 9 orang atau
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
Frequency Percent Valid Percent
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
Berdasarkan tabel di atas, responden pada penelitian ini sebanyak 4 orang atau
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
Frequency Percent Valid Percent
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
Berdasarkan tabel di atas, responden pada penelitian ini sebanyak 11 orang atau
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
Frequency Percent Valid Percent
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
Berdasarkan tabel di atas, responden pada penelitian ini sebanyak 14 orang atau
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
Frequency Percent Valid Percent
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
Berdasarkan tabel di atas, responden pada penelitian ini sebanyak 22 orang atau
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
Frequency Percent Valid Percent
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
Berdasarkan tabel di atas, responden pada penelitian ini sebanyak 4 orang atau
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
Frequency Percent Valid Percent
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
Berdasarkan tabel di atas, responden pada penelitian ini sebanyak 5 orang atau
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
a. Dependent Variable: mean_PP
Uji Hipotesis
o H0: variabel independen tidak signifikan untuk masuk ke dalam model
H1: variabel independen signifikan untuk masuk ke dalam model
o Tingkat signifikansi: α= 0.05
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
H0 ditolak jika sig. < α
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
b. Dependent Variable: mean_PP
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
Tabel 4.4.2.1 Entered/removed variabel uji regresi 12
Variables Entered/Removed
Model Variables Entered Variables Removed Method
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)
Tabel 4.4.2.2 Model summary uji regresi 12
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
Tabel 4.4.2.3 Anova uji regresi 12
ANOVAc,d
Model Sum of Squares df Mean Square F Sig.
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
H1: Tidak semua βi=0
o Tingkat signifikansi: α= 0.05
o Statistik Uji
Sig. = 0.000
o Daerah kritis
H0 ditolak jika sig. < α
44
o Kesimpulan
Karena sig < α maka H0 ditolak, maka tidak semua βi=0, berarti paling
tidak ada 1 dari variabel independen yang mempengaruhi Y.
Uji Parsial
Tabel 4.4.2.4 Koefisien uji regresi 12
Coefficientsa,b
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
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
a. Dependent Variable: mean_PP
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 Tingkat signifikansi: α= 0.05
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
H0 ditolak jika sig. < α
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)
Tabel 4.4.3.1 Entered/removed variabel uji regresi 13
Variables Entered/Removed
Model
Variables
Entered
Variables
Removed Method
1 D7.3, D7.2, D7.1,
D6.1, D1, D4,
D6.3, D6.2a
. Enter
a. All requested variables entered.
Tabel 4.4.3.2 Model summary uji regresi 13
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
Tabel 4.4.3.3 Anova uji regresi 13
ANOVAc,d
Model Sum of Squares df Mean Square F Sig.
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
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 Overall
Uji Hipotesis
o H0: Semua βi=0
H1: Tidak semua βi=0
o Tingkat signifikansi: α= 0.05
o Statistik Uji
Sig. = 0.000
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.
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
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
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
a. Dependent Variable: mean_PP
b. Linear Regression through the Origin
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.
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
Path
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
Lampiran 3: Uji Regresi 2
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, D7.2,
D2.2, D4, D5.1, D6.3a
. Enter
a. Tolerance = ,000 limits reached.
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 .902a .814 .603 7.76083
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, D7.2, D2.2, D4, D5.1, D6.3
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 3948.991 17 232.294 3.857 .006a
Residual 903.458 15 60.231
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,
D7.2, D2.2, D4, D5.1, D6.3
b. Dependent Variable: mean_PP
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
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
a. Dependent Variable: mean_PP
*ket.: variabel yang dicetak tebal dikeluarkan dari model
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, D7.2, D2.2, D4, D5.1, D6.3
b. Dependent Variable: mean_PP
Lampiran 4: Uji Regresi 3
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, D2.3, D7.2, D4, D2.2,
D5.1, D6.3a
. Enter
a. Tolerance = ,000 limits reached.
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 .902a .813 .627 7.52216
a. Predictors: (Constant), 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, D6.3
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 3947.122 16 246.695 4.360 .003a
Residual 905.327 16 56.583
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, D2.3, D7.2,
D4, D2.2, D5.1, D6.3
b. Dependent Variable: mean_PP
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
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
a. Dependent Variable: mean_PP
*ket.: variabel yang dicetak tebal dikeluarkan dari model
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, D2.3, D7.2, D4, D2.2, D5.1, D6.3
b. Dependent Variable: mean_PP
Lampiran 5: Uji Regresi 4
Variables Entered/Removed
Model Variables Entered Variables Removed Method
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
a. All requested variables entered.
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
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.
ANOVAc,d
Model Sum of Squares df Mean Square F Sig.
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
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
Coefficientsa,b
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
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
a. Dependent Variable: mean_PP
b. Linear Regression through the Origin
*ket.: variabel yang dicetak tebal dikeluarkan dari model
Lampiran 6: Uji Regresi 5
Variables Entered/Removed
Model Variables Entered Variables Removed Method
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
a. All requested variables entered.
Model Summary
Model R R Squareb
Adjusted R
Square
Std. Error of the
Estimate
1 .963a .927 .858 7.30602
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
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.
ANOVAc,d
Model Sum of Squares df Mean Square F Sig.
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
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
Coefficientsa,b
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
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
a. Dependent Variable: mean_PP
b. Linear Regression through the Origin
*ket.: variabel yang dicetak tebal dikeluarkan dari model
Lampiran 7: Uji Regresi 6
Variables Entered/Removed
Model Variables Entered Variables Removed Method
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
a. All requested variables entered.
Model Summary
Model R R Squareb
Adjusted R
Square
Std. Error of the
Estimate
1 .963a .927 .865 7.12067
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
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.
ANOVAc,d
Model Sum of Squares df Mean Square F Sig.
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
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
Coefficientsa,b
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
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
a. Dependent Variable: mean_PP
b. Linear Regression through the Origin
*ket.: variabel yang dicetak tebal dikeluarkan dari model
Lampiran 8: Uji Regresi 7
Variables Entered/Removed
Model Variables Entered Variables Removed Method
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
a. All requested variables entered.
Model Summary
Model R R Squareb
Adjusted R
Square
Std. Error of the
Estimate
1 .960a .922 .865 7.12784
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
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.
ANOVAc,d
Model Sum of Squares df Mean Square F Sig.
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
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
Coefficientsa,b
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
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
a. Dependent Variable: mean_PP
b. Linear Regression through the Origin
*ket.: variabel yang dicetak tebal dikeluarkan dari model
Lampiran 9: Uji Regresi 8
Variables Entered/Removed
Model Variables Entered Variables Removed Method
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
a. All requested variables entered.
Model Summary
Model R R Squareb
Adjusted R
Square
Std. Error of the
Estimate
1 .957a .917 .862 7.19656
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
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.
ANOVAc,d
Model Sum of Squares df Mean Square F Sig.
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
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
Coefficientsa,b
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
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
a. Dependent Variable: mean_PP
b. Linear Regression through the Origin
*ket.: variabel yang dicetak tebal dikeluarkan dari model
Lampiran 10: Uji Regresi 9
Variables Entered/Removed
Model Variables Entered Variables Removed Method
1 D7.3, D7.1, D6.1, D3.3,
D3.1, D3.2, D2.1, D2.3,
D1, D2.2, D4, D6.3a
. Enter
a. All requested variables entered.
Model Summary
Model R R Squareb
Adjusted R
Square
Std. Error of the
Estimate
1 .955a .913 .863 7.18788
a. Predictors: D7.3, D7.1, D6.1, D3.3, D3.1, D3.2, D2.1, D2.3, D1, D2.2,
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.
ANOVAc,d
Model Sum of Squares df Mean Square F Sig.
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
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
Coefficientsa,b
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
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
a. Dependent Variable: mean_PP
b. Linear Regression through the Origin
*ket.: variabel yang dicetak tebal dikeluarkan dari model
Lampiran 11: Uji Regresi 10
Variables Entered/Removed
Model Variables Entered Variables Removed Method
1 D7.3, D7.1, D6.1, D3.3,
D3.1, D2.1, D2.3, D1,
D2.2, D4, D6.3a
. Enter
a. All requested variables entered.
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
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.
ANOVAc,d
Model Sum of Squares df Mean Square F Sig.
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
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
Coefficientsa,b
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
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
a. Dependent Variable: mean_PP
b. Linear Regression through the Origin
*ket.: variabel yang dicetak tebal dikeluarkan dari model
Lampiran 12: Uji Regresi 11
Variables Entered/Removed
Model Variables Entered Variables Removed Method
1 D7.3, D7.1, D6.1, D3.3, D1,
D2.2, D2.1, D2.3, D4, D6.3a
. Enter
a. All requested variables entered.
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
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.
ANOVAc,d
Model Sum of Squares df Mean Square F Sig.
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
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
Coefficientsa,b
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
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
a. Dependent Variable: mean_PP
b. Linear Regression through the Origin
*ket.: variabel yang dicetak tebal dikeluarkan dari model