TUGAS

ANALISIS KUANTITATIF SUMBARDAYA PANTAI

Dosen Pengajar : Dr. Ign. Boedi Hendrarto, M.Sc.

Oleh :

DIAN NOVITASARI

NIM. 26010113410012

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS DIPONEGORO

SEMARANG

2014
Soal 1. Analisis Faktor Umum (PCA)

Data persepsi konsumen terhadap faktor yang menentukan pembelian mobil. Sampel diambil
sebanyak 50 orang. Lakukan analisis data apakah faktor-faktor yang menentukan pembelian
mobil dapat disederhanakan.

Irit Onderdil Harga Model Warna Awet Promosi Kredit

3.2 3.0 3.4 3.0 3.6 2.0 4.1 2,90
3.3 3.0 2.7 3.0 2.9 3.0 4.2 2.3
3.3 3.0 3.0 3.0 3.2 1.0 4.3 1,70
3.1 3.1 2.0 3.1 2.2 2.0 4.9 3,09
4.2 3.1 2.0 3.1 2.2 1.0 4.1 4.0
3.1 3.1 3.1 3.1 3.3 2.0 4.2 3,90
4.3 3.1 4.2 3.1 4.4 2.0 4.2 4.0
2.0 3.0 1.4 3.0 1.6 2.0 3.7 2.2
3.4 3.0 4.3 3.0 4.5 2.0 2.0 4.0
4.2 3.1 1.4 3.1 1.6 3.0 4.2 2.5
4.3 4.3 2.0 4.3 4.9 2.0 3.2 4,80
4.1 4.4 4.2 4.4 5.0 2.0 4.3 4.0
4.7 4.2 4.3 4.2 2.0 3.0 4.6 4.1
4.8 4.8 4.1 4.8 4.6 3.0 4.3 4.6
3.2 4.9 4.7 4.9 2.7 2.0 4.2 4.0
4.4 3.0 4.8 3.0 4.8 2.0 4.3 4.0
3.5 4.5 1.8 4.5 4.5 3.0 4.0 1,70
4.6 3.2 4.4 3.2 4.7 3.0 2.0 3.7
4.3 4.7 2.5 4.7 3.4 1.0 2.0 4.0
4.5 4.4 4.6 4.4 2.9 1.0 4.3 4.0
3.2 4.6 4.3 4.6 3.6 4.3 3.2 4.6
4.8 4.8 2.0 4.8 2.6 3.0 2.0 4.6
2.0 4.9 3.0 4.9 2.8 2.0 2.0 2.5
4.4 3.0 2.0 3.0 2.6 2.0 3.0 4.0
3.1 4.5 2.0 4.5 4.5 2.0 2.0 4.0
4.6 3.6 3.0 3.6 3.4 3.0 3.0 1,59
4.3 4.7 1.0 4.7 3.0 2.0 3.0 4,80
4.5 4.4 2.0 4.4 1.5 1.0 1.0 4.0
3.2 4.6 1.0 3.0 3.0 3.0 3.0 4,19
3.7 3.3 2.0 2.0 2.0 2.0 3.0 4,19
4.2 3.2 2.0 2.0 2.0 2.0 1.0 2.3
4.3 4.3 2.0 3.0 3.0 3.0 2.0 2.7
2.6 4.4 2.0 3.0 3.0 4.0 2.0 4,69
4.1 3.5 3.0 3.0 2.0 2.0 2.0 3.7
4.2 4.2 2.0 2.0 3.0 2.0 2.0 3,40
4.3 4.3 2.0 2.0 2.0 2.0 2.0 4.0
4.9 4.4 3.0 3.0 3.0 2.0 1.0 3,59
4.1 4.2 3.0 3.0 3.0 3.0 3.0 4.0
4.2 4.2 2.0 3.6 3.4 4.2 3.6 4.0
4.2 3.2 2.0 2.9 2.7 4.3 2.9 4.0
Irit Onderdil Harga Model Warna Awet Promosi Kredit
3.7 3.3 3.0 3.2 3.0 4.1 3.5 4.0
2.0 3.1 3.0 2.2 2.0 4.7 4.6 1.5
4.2 3.0 1.0 2.2 2.0 4.8 4.3 3.2
3.2 3.0 1.0 3.3 3.1 3.2 4.5 4.0
4.3 3.1 4.3 4.4 4.2 4.4 3.2 4.0
4.6 3.1 4.9 1.6 1.4 3.5 2.7 2,40
4.3 3.1 4.1 4.5 4.3 4.6 3.0 4.5
4.2 3.6 4.2 1.6 1.4 4.3 3.2 4,30
4.3 3.1 4.2 4.9 2.0 4.5 3.0 1,90
4.0 3.0 3.7 5.0 4.2 3.2 3.4 4,19

Hasil olah data SPSS

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling
.560
Adequacy.
Bartlett's Test of Approx. Chi-Square 57.339
Sphericity Df 28
Sig. .001
Kesimpulan sign lebih kurang dari 0,05 maka analisis faktor bisa dilanjutkan

Anti-image Matrices
Kombin Sistem
Harga asi Pembay
Keterse Motor Model Warna Keawet Promosi aran
Hemat diaan yang Motor Motor an dari Kredit
Bahan Suku kompeti yang yang Mesin Produse yang
Bakar Cadang tif menarik menarik Motor n wajar
Anti-image Hemat Bahan
.827 .046 -.181 -.009 .034 .024 .184 -.220
Covariance Bakar
Ketersediaan
.046 .574 .090 -.292 .068 .095 .227 -.172
Suku Cadang
Harga Motor
yang -.181 .090 .814 -.092 -.174 -.079 -.080 .028
kompetitif
Model Motor
-.009 -.292 -.092 .578 -.230 -.007 -.130 .007
yang menarik
Kombinasi
Warna Motor .034 .068 -.174 -.230 .704 .056 -.025 -.174
yang menarik
 Keawetan
.024 .095 -.079 -.007 .056 .949 -.055 -.039
Mesin Motor
Promosi dari
.184 .227 -.080 -.130 -.025 -.055 .791 -.007
Produsen
Sistem
Pembayaran
-.220 -.172 .028 .007 -.174 -.039 -.007 .754
Kredit yang
wajar
Anti-image Hemat Bahan
.511a .066 -.220 -.013 .045 .027 .228 -.279
Correlation Bakar
Ketersediaan
.066 .514a .131 -.508 .107 .129 .338 -.262
Suku Cadang
Harga Motor
yang -.220 .131 .585a -.134 -.230 -.090 -.099 .036
kompetitif
Model Motor
-.013 -.508 -.134 .552a -.361 -.010 -.193 .011
yang menarik
Kombinasi
Warna Motor .045 .107 -.230 -.361 .614a .068 -.034 -.238
yang menarik
Keawetan
.027 .129 -.090 -.010 .068 .657a -.063 -.046
Mesin Motor
Promosi dari
.228 .338 -.099 -.193 -.034 -.063 .493a -.010
Produsen
Sistem
Pembayaran
-.279 -.262 .036 .011 -.238 -.046 -.010 .644a
Kredit yang
wajar
a. Measures of Sampling
Adequacy(MSA)
Angka MSA (Measure of Sampling Adequacy) <0,5 maka analisa tidak bisa dilanjutkan dan
harus dikeluarkan dari variabel lainnya. Dalam hal ini MSA pada variabel promosi 0,493 <0,5
maka variabel promosi harus dikeluarkan.

Communalities
Initial Extraction
Hemat Bahan Bakar 1.000 .816
Ketersediaan Suku
1.000 .705
Cadang
Harga Motor yang
1.000 .675
kompetitif
Model Motor yang
1.000 .740
menarik
Kombinasi Warna
1.000 .650
Motor yang menarik
Keawetan Mesin Motor 1.000 .322
Sistem Pembayaran
1.000 .600
Kredit yang wajar
Extraction Method: Principal Component
Analysis.

Total Variance Explained

Extraction Sums of Squared Rotation Sums of Squared
Com Initial Eigenvalues Loadings Loadings
pone % of Cumulativ % of Cumulativ % of Cumulativ
nt Total Variance e % Total Variance e % Total Variance e %
1 2.136 30.520 30.520 2.136 30.520 30.520 1.802 25.748 25.748
2 1.307 18.670 49.190 1.307 18.670 49.190 1.370 19.565 45.314
3 1.064 15.204 64.394 1.064 15.204 64.394 1.336 19.081 64.394
4 .907 12.953 77.347
5 .691 9.872 87.219
6 .534 7.622 94.840
7 .361 5.160 100.000
Extraction Method: Principal
Component Analysis.
Component Matrixa
Component
1 2 3
Hemat Bahan Bakar .369 .290 .772
Ketersediaan Suku
.627 -.558 .000
Cadang
Harga Motor yang
.354 .729 -.131
kompetitif
Model Motor yang
.764 -.109 -.380
menarik
Kombinasi Warna
.666 .287 -.353
Motor yang menarik
Keawetan Mesin Motor -.174 .532 -.092
Sistem Pembayaran
.651 -.047 .417
Kredit yang wajar
Extraction Method: Principal Component Analysis.
a. 3 components extracted.

Rotated Component Matrixa

Component
 1 2 3
Hemat Bahan Bakar -.053 .099 .897
Ketersediaan Suku
.413 -.709 .179
Cadang
Harga Motor yang
.499 .610 .231
kompetitif
Model Motor yang
.812 -.280 .030
menarik
Kombinasi Warna
.791 .122 .097
Motor yang menarik
Keawetan Mesin Motor .005 .566 -.041
Sistem Pembayaran
.306 -.268 .659
Kredit yang wajar
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 5 iterations.

Component Transformation
Matrix
Comp
onent 1 2 3
1 .825 -.280 .491
2 .187 .955 .229
3 -.533 -.097 .840
Extraction Method: Principal
Component Analysis.
Rotation Method: Varimax with
Kaiser Normalization.
Kesimpulan :
1. Tujuh faktor yang diteliti bisa direduksi menjadi tiga faktor
2. Faktor 1 terdiri dari variabel model dan warna dan dapat diberi nama faktor design
3. Faktor 2 terdiri dari variabel onderdil, harga dan awet dan dapat diberi nama faktor
internal
4. Faktor 3 terdiri dari hemat dan kredit dan dapat diberi nama faktor keunggulan.

Soal 2. Analisa Cluster

Data penelitian tentang adaptasi pembudidaya udang pada 10 desa dalam budidaya udang
untuk menghadapi musim hujan yang ekstrim.adalah sebagai berikut

Desa Mengatur Mengosongkan Mengurangi Mengganti

jadwal tebar lahan jumlah tebar komoditas
Mororejo 40 3 50 304
Wonorejo 35 10 99 205
Purwokerto 58 6 24 115
Turunrejo 12 2 25 156
Banyutowo 74 12 35 134
Karangsari 64 9 24 209
Pidodo kulon 32 3 12 257
Kartika Jaya 12 4 77 231
Korowelang 10 2 45 133
Jungsemi 51 3 39 145

Tentukan berdasarkan kelompok, desa-desa mana saja yang mempunyai kesamaan cara
beradaptasi dalam menghadapi musim hujan yang ekstrim.

Hasil olah data dengan SPSS

Case Processing Summarya

Cases
Valid Missing Total
N Percent N Percent N Percent
10 100.0% 0 .0% 10 100.0%
a. Squared Euclidean Distance used
Semua data (10) telah diproses tanpa ada yang hilang

Proximity Matrix
Squared Euclidean Distance
1:Moro 2:Wono 3:Purw 4:Turu 5:Banyu 6:Karan 7:Pidod 8:Karti 9:Koro 10:Jungs
Case rejo rejo okrt nrej tow gsa ok ka wela emi
1:Morore
.000 9.595 11.440 8.088 16.020 7.061 2.712 3.963 9.360 6.914
jo
2:Wonor
9.595 .000 12.163 14.074 10.230 9.553 14.968 4.551 11.392 10.116
ejo
3:Purwok
11.440 12.163 .000 5.666 3.442 3.018 7.359 11.732 6.290 1.313
rt
4:Turunr
8.088 14.074 5.666 .000 15.070 9.544 3.702 5.532 .704 3.281
ej
5:Banyut
16.020 10.230 3.442 15.070 .000 2.482 14.057 17.007 15.426 7.117
ow
6:Karang
7.061 9.553 3.018 9.544 2.482 .000 5.439 11.080 11.329 4.383
sa
7:Pidodo
2.712 14.968 7.359 3.702 14.057 5.439 .000 6.924 6.483 4.940
k
8:Kartika 3.963 4.551 11.732 5.532 17.007 11.080 6.924 .000 4.214 6.901
9:Korow
9.360 11.392 6.290 .704 15.426 11.329 6.483 4.214 .000 3.368
ela
10:Jungs
6.914 10.116 1.313 3.281 7.117 4.383 4.940 6.901 3.368 .000
emi
This is a dissimilarity
matrix
Tabel proximity matrik menunjukkan jarak antara dua buah variabel

Agglomeration Schedule
Stage Cluster First
Cluster Combined Appears
Stage Cluster 1 Cluster 2 Coefficients Cluster 1 Cluster 2 Next Stage
1 4 9 .704 0 0 7
2 3 10 1.313 0 0 5
3 5 6 2.482 0 0 5
4 1 7 2.712 0 0 7
5 3 5 4.490 2 3 9
6 2 8 4.551 0 0 8
7 1 4 6.908 4 1 8
8 1 2 8.833 7 6 9
9 1 3 9.666 8 5 0

Cluster Membership
Case 4 Clusters 3 Clusters 2 Clusters
1:Mororejo 1 1 1
2:Wonorejo 2 2 1
3:Purwokrt 3 3 2
4:Turunrej 4 1 1
5:Banyutow 3 3 2
6:Karangsa 3 3 2
7:Pidodo k 1 1 1
8:Kartika 2 2 1
9:Korowela 4 1 1
10:Jungsemi 3 3 2

*******************HIERARCHICAL CLUSTER ANALYSI

S*******************

Dendrogram using Average Linkage (Between Groups)

Rescaled Distance Cluster Combine

CASE 0 5 10 15 20 25
Label Num +---------+---------+---------+---------+---------+

Turunrej 4 ─┬─────────────────────────────────┐
Korowela 9 ─┘ ├─────────┐
Mororejo 1 ───────────┬───────────────────────┘ ├───
┐
Pidodo k 7 ───────────┘ │ │
Wonorejo 2 ─────────────────────┬─────────────────────
──┘ │
Kartika 8 ─────────────────────┘ │
Purwokrt 3 ───┬─────────────────┐ │
Jungsemi 10 ───┘ ├───────────────────────────┘
Banyutow 5 ─────────┬───────────┘
Karangsa 6 ─────────┘
Kesimpulan :
1. Jika ditentuka 4 klaster maka :
 a. Anggota klaster 1 : mororejo dan pidodo kulon
b. Anggota kalster 2 : kartika jaya dan wonorejo
c. Anggota klaster 3 : purwokerto, banyutowo, karangsari dan jungsemi
d. Anggota klaster 4 : turunrejo dan korowelang.

2. Jika ditentukan 3 klaster maka:

a. Anggota klaster 1 : mororejo, turunrejo, pidodo kulon dan korowelang
b. Anggota kalster 2 : wonorejo dan kartika jaya
c. Anggota klaster 3 : purwokerto, banyutowo, karangsari dan jungsemi

3. Jika ditentukan 2 klaster maka:

a. Anggota klaster 1 : mororejo, wonorejo, turunrejo,pidodo kulon, kartika jaya dan
korowelang
b. Anggota klaster 2 : purwokerto, banyutowo, karangsari, jungsemi

Soal 3. Multidimensional Scaling

Seorang ketua Kelompok Pengolahan dan Pemasaran Ikan (Poklahsar) MINA KELOLA
bagaimana posisi outlet pemasaran produknya dibandingkan para pesaingnya yaitu outlet
milik Poklahsar MINA SARI, SUDASIH, ARYA MINA dan MAJU BARU dengan cara
membeli kuesioner kepada 16 orang yang selama ini membeli produk olahan ikan di kelima
outlet tadi. Para responden diminta memberikan penilaian kemiripan outlet satu dengan yang
lain dengan skala 1 sampai 5 dengan jenis data rasio bukan ordinal :

sangat mirip sangat tidak mirip

1 2 3 4 5
Data penilaian adalah sebagai berikut :
Responden 1 Responden 2
MS SD KM AM MB MS SD KM AM MB
MS 0.0 MS 0.0
SD 2.0 0.0 SD 3.0 0.0
KM 1.0 4.0 0.0 KM 2.0 4.0 0.0
AM 5.0 1.0 5.0 0.0 AM 5.0 4.0 5.0 0.0
MB 4.0 2.0 4.0 5.0 0.0 MB 4.0 2.0 1.0 5.0 0.0

Responden 3 Responden 4
MS SD KM AM MB MS SD KM AM MB
MS 0.0 MS 0.0
SD 2.0 0.0 SD 2.0 0.0
KM 1.0 2.0 0.0 KM 2.0 4.0 0.0
AM 4.0 1.0 5.0 0.0 AM 5.0 3.0 5.0 0.0
MB 4.0 3.0 4.0 2.0 0.0 MB 4.0 2.0 3.0 5.0 0.0

Responden 5 Responden 6
MS SD KM AM MB MS SD KM AM MB
MS 0.0 MS 0.0
SD 2.0 0.0 SD 2.0 0.0
KM 1.0 4.0 0.0 KM 1.0 2.0 0.0
AM 3.0 1.0 5.0 0.0 AM 3.0 1.0 5.0 0.0
MB 3.0 2.0 2.0 5.0 0.0 MB 4.0 2.0 2.0 5.0 0.0

Responden 7 Responden 8
MS SD KM AM MB MS SD KM AM MB
MS 0.0 MS 0.0
SD 3.0 0.0 SD 2.0 0.0
KM 1.0 4.0 0.0 KM 3.0 4.0 0.0
AM 5.0 1.0 5.0 0.0 AM 5.0 3.0 3.0 0.0
MB 3.0 2.0 3.0 5.0 0.0 MB 4.0 2.0 4.0 3.0 0.0

Responden 9 Responden 10
MS SD KM AM MB MS SD KM AM MB
MS 0.0 MS 0.0
SD 3.0 0.0 SD 3.0 0.0
KM 3.0 4.0 0.0 KM 2.0 3.0 0.0
AM 3.0 2.0 5.0 0.0 AM 5.0 4.0 3.0 0.0
MB 4.0 2.0 4.0 5.0 0.0 MB 4.0 2.0 1.0 3.0 0.0

Responden 11 Responden 12
MS SD KM AM MB MS SD KM AM MB
MS 0.0 MS 0.0
SD 1.0 0.0 SD 2.0 0.0
KM 1.0 2.0 0.0 KM 2.0 2.0 0.0
AM 1.0 1.0 1.0 0.0 AM 5.0 3.0 5.0 0.0
MB 4.0 3.0 4.0 2.0 0.0 MB 3.0 2.0 5.0 4.0 0.0

Responden 13 Responden 14
MS SD KM AM MB MS SD KM AM MB
MS 0.0 MS MS MS MS MS MS
SD 4.0 0.0 SD SD SD SD SD SD
KM 1.0 4.0 0.0 KM KM KM KM KM KM
AM 4.0 4.0 5.0 0.0 AM MB MB MB MB MB
 MB 3.0 2.0 2.0 4.0 0.0 MB 4.0 2.0 2.0 3.0 0.0
Responden 15 Responden 16
MS SD KM AM MB MS SD KM AM MB
MS 0.0 MS 0.0
SD 5.0 0.0 SD 5.0 0.0
KM 1.0 4.0 0.0 KM 3.0 2.0 0.0
AM 2.0 4.0 2.0 0.0 AM 5.0 3.0 1.0 0.0
MB 3.0 2.0 3.0 5.0 0.0 MB 4.0 2.0 1.0 3.0 0.0
Poklahsar KELOLA MINA ingin mengetahui bagaimana di mata responden, outlet mana
yang relatif sama di benak konsumen dan outlet mana yang relatif berbeda menggunakan
metode Multidimensional Scaling (MDS)

Hasil olah data dengan SPSS

Dari map di atas terlihat outlet poklahsar KELOLA MINA mirip dengan MINA BARU
karena terletak berdekatan dalam satu kuadran dan poklahsar ARYA MINA berdekatan dan di
kuadran yang sama dengan MINA SARI sedangkan poklahsar SUDASIH terletak paling jauh
di antar dua kuadran yang lain. Outlet KELOLA MINA DAN MINA BARU ada pada
dimensi 1yang mempunyai faktor yang membedakan dengan outlet yang lain misalnya seperti
harga, layout dan rasa produk. sedangkan outlet ARYA MINA terletak paling kiri dimensi
dengan angka paling kecil, berarti faktor harga layout, rasa produk bukan faktor yang
membedakan dengan toko lain. Pada dimensi 2 (sumbu vertikal) outlet KELOLA MINA dan
MINA BARU terletak pada angka yang besar yang artinya mempunyai faktor yang
membedakan dengan outlet lainnya seperti kebersihan dan ber AC. Outlet MINA SARI
terletak pada angka paling kecil yg artinya dibenak pelanggan faktor kebersihan dan AC
bukan sesuatu yang membuat outlet MINA SARI beda dengan yang lain.

Uji keselarasan responden dalam memberikan penilaian terlihat seperti gambar di bawah
posisi bulatan menunjukkan ke enam belas responden membentuk garis lurus menuju ke
kanan bawah. Hal ini menunjukkan kekonsistenan konsumen dalam menilai kemiripan ke
lima outlet.dan membuktikan kesamaan sikap konsumen sebagai responden.
Soal 4. Analisis Fungsi Diskriminan
Sebuah perusahaan air minum dalam kemasan mengumpulkan data konsumen dengan
variabel berikut :
a. Tipe konsumen dari banyaknya air yang diminum (kode 0: sedikit minum dan kode 1 :
banyak minum) >> variabel dependent

Variabel independent :
b. Usia konsumen
c. Berat badan
d. Tinggi badan
e. Pendapatan
f. Jam kerja
g. Banyaknya jam olah raga
Buktikan :
1. Adakah perbedaan yang signifikan antara konsumen yang banyak atau yang sedikit
minum air mineral kemasan
2. Kalau berbeda nyata tunjukkan variabel apa saja yangmempengaruhi

Data konsumen sebagai berikut

nama olah
konsumen minum usia berat tinggi income raga
RUSDI 0.0 40.0 65.0 154 680 3.0
NINA 0.0 30.0 70.0 157.0 700.0 3.6
LANNY 0.0 25.0 60.0 158.0 580.0 3.5
CITRA 0.0 26.0 75.0 160.0 600.0 3.0
DINA 0.0 40.0 50.0 159.0 700.0 3.5
SISKA 1.0 28.0 62.0 158.0 440.0 2.2
LUSI 0.0 29.0 50.0 160.0 580.0 2.9
LENNY 0.0 40.0 52.0 165.0 800.0 4.0
RUDI 1.0 35.0 68.0 150.0 700.0 3.5
ROBY 0.0 36.0 70.0 152.0 720.0 3.6
BAMBANG 0.0 39.0 50.0 154.0 780.0 3.9
YUNUS 0.0 30.0 62.0 155.0 600.0 3.0
LESTARI 0.0 34.0 60.0 157.0 680.0 2.9
ERNI 1.0 35.0 51.0 160.0 700.0 4.0
ESTI 1.0 29.0 62.0 165.0 580.0 3.5
HANY 1.0 30.0 51.0 162.0 600.0 3.6
HESTY 0.0 35.0 80.0 157.0 700.0 3.9
SUSAN 1.0 22.0 52.0 154.0 440.0 3.0
LILIS 0.0 40.0 72.0 155.0 800.0 3.4
LITA 1.0 41.0 45.0 164.0 820.0 3.5
LINA 0.0 32.0 42.0 160.0 640.0 2.9
RANI 0.0 29.0 54.0 157.0 580.0 3.0
BOBY 1.0 21.0 35.0 150.0 420.0 3.5
ANDRE 1.0 25.0 50.0 154.0 500.0 2.5
HENGKY 0.0 30.0 60.0 158.0 600.0 3.0
HANA 0.0 45.0 40.0 159.0 900.0 4.5
ELI 1.0 35.0 45.0 158.0 700.0 3.5
RENATA 0.0 35.0 42.0 152.0 700.0 3.5
DEWI 1.0 30.0 51.0 156.0 600.0 3.0
JOHAN 0.0 24.0 75.0 154.0 480.0 2.4
GUNAWAN 1.0 28.0 42.0 155.0 560.0 2.8
LINA 1.0 27.0 51.0 157.0 540.0 2.7
VINA 1.0 20.0 55.0 159.0 400.0 2.0
RINA 0.0 26.0 70.0 160.0 520.0 2.6
SUGENG 0.0 29.0 40.0 162.0 580.0 2.9
HANDOKO 1.0 20.0 42.0 156.0 400.0 2.0
HERMAN 1.0 35.0 51.0 153.0 700.0 3.5
SOBARI 0.0 31.0 70.0 162.0 620.0 3.1
RULLY 1.0 34.0 55.0 164.0 680.0 3.4
BINSAR 0.0 28.0 52.0 160.0 560.0 2.8
FANNY 1.0 29.0 51.0 165.0 580.0 2.9
FENNY 1.0 21.0 40.0 162.0 420.0 2.1
YULITA 0.0 22.0 70.0 179.0 440.0 2.2
YULIA 1.0 22.0 65.0 159.0 440.0 2.2
RICHARD 0.0 25.0 47.0 154.0 500.0 2.1
ROSSY 1.0 30.0 40.0 158.0 600.0 2.2
LEONY 0.0 45.0 49.0 159.0 900.0 2.2
AGNES 0.0 35.0 59.0 156.0 700.0 2.5
DEDDY 1.0 39.0 70.0 175.0 780.0 3.0
DODIK 1.0 34.0 45.0 155.0 680.0 4.5
DIMAS 1.0 24.0 58.0 160.0 480.0 2.4
KIKY 0.0 31.0 75.0 175.0 620.0 3.1
CONNY 0.0 32.0 70.0 156.0 640.0 3.2
MARY 0.0 35.0 59.0 160.0 700.0 3.5
SUSY 1.0 38.0 70.0 174.0 760.0 3.8
USMAN 1.0 20.0 46.0 163.0 400.0 2.0
SALIM 1.0 25.0 55.0 168.0 500.0 2.5
JAMES 1.0 29.0 49.0 153.0 580.0 2.9
JONI 1.0 28.0 62.0 179.0 700.0 3.5
JONO 0.0 27.0 41.0 148.0 780.0 3.9
KRISTANTO 0.0 26.0 47.0 160.0 680.0 3.4
KARIM 1.0 22.0 47.0 164.0 480.0 2.4
MELANI 0.0 20.0 49.0 157.0 760.0 3.8
RUSMIN 1.0 24.0 48.0 178.0 400.0 2.0
SULASTRI 0.0 25.0 59.0 160.0 500.0 2.5
LILIANA 1.0 32.0 48.0 162.0 420.0 2.1
PRIHARDI 1.0 34.0 46.0 168.0 740.0 3.7
SUHARDI 0.0 32.0 45.0 159.0 700.0 3.5
SUSANA 1.0 21.0 58.0 158.0 600.0 3.0
TITIK 0.0 37.0 47.0 159.0 720.0 3.6
TATIK 1.0 35.0 46.0 175.0 700.0 3.5
NANIK 0.0 30.0 52.0 150.0 600.0 3.6
NINIK 0.0 36.0 44.0 162.0 720.0 3.5
NUNING 1.0 39.0 55.0 162.0 780.0 2.5
GALA 1.0 30.0 50.0 165.0 600.0 2.1

Hasil analisa data dengan SPSS :

Tests of Equality of Group Means

Wilks'
Lambda F df1 df2 Sig.
usia .945 4.215 1 72 .044
berat .936 4.940 1 72 .029
tinggi .949 3.841 1 72 .054
income .894 8.545 1 72 .005
jamkerja .996 .260 1 72 .612
olahraga .953 3.554 1 72 .063
Angka wilks lambda berkisar 0 sampai 1. Jika sign. Mendekati 0 maka data tiap grup
cenderung berbeda dan jika mendekati angka 1 data tiap grup cenderung sama. Maka dalam
hal ini jam kerja tidak mempengaruhi banyak sedikitnya minum sehingga variabel ini tidak
lolos untuk pengujian selanjutnya yaitu ANOVA.

Test Results
Box's M 27.230
F Approx. 1.181
df1 21
df2 1.894E4
Sig. .256
Tests null hypothesis of
equal population
covariance matrices.
Box’s M menguji varian dari setiap variabel dengan ketentuan group covariace matrices
harusnya relatif sama. Jika sign. < 0,05 berarti H0 ditolak. H0 adalah grup covarian matrik
adalah relatif sama. Tabel di atas menunjukkan sign. 0,256 > 0,05 group covariace matrices
relatif sama dan proses bisa dilanjutkan
Variables in the Analysis
Sig. of F to Min. D Between
Step Tolerance Remove Squared Groups
1 income 1.000 .004
2 income sedikit and
.997 .004 .276
banyak
berat sedikit and
.997 .026 .462
banyak
3 income sedikit and
.993 .004 .647
banyak
berat sedikit and
.944 .008 .721
banyak
tinggi sedikit and
.943 .012 .776
banyak
Dari tabel di atas variabel Income merupakan variabel yang pertama kali masuk model
diskriminan dengan sign. Of F to remove 0,004 jauh di bawah 0,05 kemudian diikuti berat
badan dan tinggi badan

Variables Not in the Analysis

Min. Sig. of F to Min. D Between
Step Tolerance Tolerance Enter Squared Groups
0 usia sedikit and
1.000 1.000 .043 .227
banyak
berat sedikit and
1.000 1.000 .026 .276
banyak
tinggi sedikit and
1.000 1.000 .044 .223
banyak
income sedikit and
1.000 1.000 .004 .462
banyak
olahraga sedikit and
1.000 1.000 .044 .223
banyak
1 usia sedikit and
.318 .318 .542 .484
banyak
berat sedikit and
.997 .997 .026 .776
banyak
 tinggi sedikit and
.997 .997 .042 .721
banyak
olahraga sedikit and
.538 .538 .953 .462
banyak
2 usia sedikit and
.317 .316 .458 .812
banyak
tinggi sedikit and
.943 .943 .012 1.208
banyak
olahraga sedikit and
.537 .537 .876 .777
banyak
3 usia sedikit and
.316 .316 .524 1.238
banyak
olahraga sedikit and
.523 .523 .798 1.213
banyak

Tabel di atas menunjukkan proses pengeluaran variabel yang tidak masuk model diskriminan.
Dari sign. Of F to enter variabel usia dan olah ragas 0,524 dan 0,798 jauh di atas sign. 0,05.
Ini artinya variabel usia dan jam olah raga bukan faktor yang membedakan banyak sedikitnya
mengkonsumsi air mineral.

Kesimpulan :
1. Melalui uji Wilks Lamda terlihat ada perbedaan antara konsumen yang minum air
mineral banyak dan yang sedikit
2. Variabel yang membuat perilaku konsumsi air mineral para konsumen itu berbeda
adalah tinggi badan, berat badan dan income.

Soal 5. Manova

Di bawah ini data responden yang berprofesi sebagai nelayan sekaligus pembudidaya ikan di
tambak. Data ini untuk menguji hubungan tingkat pendidikan dengan pendapatan nelayan dan
pembudidaya ikan. Pada kasus ini baik variabel pendapatan nelayan maupun variabel
pendapatan pembudidaya ikan adalah data rasio (kuantitatif) dan keduanya menjadi dependent
variabel karena besarnya pendapatn nelayan atau pembudidaya ikan secara logika
kemungkinan di pengaruhi tingkat pendidikan seseorang dan sebaliknya. Variabel pendidikan
bersifat kategori dengan rincian : kode 1 : sarjana, kode 2: akademi, kode 3 : SMA, kode 4 :
SD atau SMP.
nama pendidikan nelayan pembudidaya
BUDI 1.0 500.0 1400.0
GUNAWAN 2.0 400.0 950.0
ANDRE 2.0 1000.0 690.0
ANTON 2.0 300.0 540.0
TOTOK 3.0 250.0 500.0
SANTO 2.0 297.0 480.0
RATNA 3.0 576.0 490.0
ALI 3.0 245.0 380.0
HASAN 1.0 100.0 1500.0
SUMADI 1.0 1200.0 2000.0
HUSIN 1.0 1600.0 1100.0
YUNUS 3.0 450.0 700.0
YOGA 1.0 700.0 850.0
YULI 1.0 349.0 970.0
AGUNG 1.0 445.0 770.0
JUNAEDI 1.0 1345.0 850.0
RONDI 3.0 699.0 650.0
ROMAN 2.0 1100.0 430.0
ROMEO 1.0 2012.0 1050.0
RONALD 3.0 780.0 540.0
GARRY 2.0 1100.0 1300.0
LUCY 2.0 1333.0 480.0
LUKAS 1.0 1280.0 860.0
TIMOTI 1.0 2100.0 1400.0
TATANG 2.0 900.0 970.0

Hasil olah data dengan SPSS

Pengujian menggunakan Box’s M

Box's Test of
Equality of
Covariance
Matricesa
Box's M 14.399
F 2.051
df1 6
df2 3.659E3
Sig. .056
Tests the null
hypothesis that the
observed
covariance
matrices of the
dependent
variables are equal
across groups.
a. Design:
Intercept + didik

Hipotesis
Ho : kedua variabel (nelayan dan pembudidaya) mempunyai matrik varian-kovarian yang
sama pada grup-grup yang ada (Pendidikan, akademi dan sarjana)
H1 : kedua variabel (nelayan dan pembudidaya) mempunyai matrik varian-kovarian yang
berbeda pada grup-grup yang ada (Pendidikan, akademi dan sarjana)
Jika angka sig > 0,05 maka Ho diterima
Jika angka sig < 0,05 maka Ho ditolak
Dari tabel Box’s M angka sign. 0,056. Angka tersebut di atas 0,5 , maka Ho diterima, berarti
matrik varians – kovarians pada variabel nelaya pendidikan responden.
ngkatn tiap grup tdan pembudidaya adalah sama untuk set

pengujian Individu Menggunakan Test Levene

Levene's Test of Equality of Error Variancesa

F df1 df2 Sig.
pendapatan nelayan 5.969 2 22 .008
pendapatan
3.431 2 22 .050
pembudidaya
Tests the null hypothesis that the error variance of the dependent
variable is equal across groups.
a. Design: Intercept + didik
Hipotesis
Ho : variabel dependent tertentu (nelayan dan pembudidaya) mempunyai matrik varian
kovarian yang sama pada grup-gruo yang ada (pendidikan SMA, akademi dan sarjana)
H1 : variabel dependent tertentu (nelayan dan pembudidaya) mempunyai matrik varian
kovarian yang berbeda pada grup-gruo yang ada (pendidikan SMA, akademi dan sarjana)
Nial sign. Nelayan 0,08 dan pembudidaya 0,05 maka Ho diterima. Artinya variabel dependent
tertentu (nelayan dan pembudidaya) mempunyai matrik varian kovarian adalah sama untuk
setiap grup tingkat pendidikan responden. Walaupun hasil uji Levene Test Ho ditolak tp hasil
uji Box’s M menunjukkan Ho diterima maka asumsi tetap bisa dipenuhi.

Analisis Output Manova

Output yang menyatakan apakah ada perbedaan yang nyata antar grup dan output yang
menguji setiap variabel individual maka akan dianalisis satu per satu

Multivariate Testsc
Effect Value F Hypothesis df Error df Sig.
Intercept Pillai's Trace .900 94.093a 2.000 21.000 .000
Wilks' Lambda .100 94.093a 2.000 21.000 .000
Hotelling's Trace 8.961 94.093a 2.000 21.000 .000
Roy's Largest
8.961 94.093a 2.000 21.000 .000
Root
didik Pillai's Trace .493 3.600 4.000 44.000 .013
 Wilks' Lambda .513 4.167a 4.000 42.000 .006
Hotelling's Trace .940 4.700 4.000 40.000 .003
Roy's Largest
.928 10.211b 2.000 22.000 .001
Root
a. Exact statistic
b. The statistic is an upper bound on F that yields a lower bound on the significance
level.
c. Design: Intercept + didik

Ho : variabel nelayan dan pembudidaya secara bersama-sama tidak menunjukkan perbedaan

pada berbagai tingkat pendidikan responden
H1 : variabel nelayan dan pembudidaya secara bersama-sama menunjukkan perbedaan pada
berbagai tingkat pendidikan responden padat Roys Larges Root (0,013, 0,006, 0,003 dan
0,001) maka Ho ditolak. Karena Ho ditolak maka secara bersama-sama besarnya pendapatan
nelayan dan pembudidaya dipengaruhi oleh tingkat pendidikanl

Tests of Between-Subjects Effects

Type III Sum Mean
Source Dependent Variable of Squares df Square F Sig.
Corrected pendapatan nelayan 1.224E6a 2 611840.057 2.204 .134
Model
pendapatan
1.716E6b 2 857987.879 8.685 .002
pembudidaya
Intercept pendapatan nelayan 1.457E7 1 1.457E7 52.486 .000
pendapatan
1.547E7 1 1.547E7 156.545 .000
pembudidaya
didik pendapatan nelayan 1223680.115 2 611840.057 2.204 .134
pendapatan
1715975.758 2 857987.879 8.685 .002
pembudidaya
Error pendapatan nelayan 6107986.045 22 277635.729
pendapatan
2173424.242 22 98792.011
pembudidaya
Total pendapatan nelayan 2.507E7 25
pendapatan
2.299E7 25
pembudidaya
Corrected pendapatan nelayan 7331666.160 24
Total pendapatan
3889400.000 24
pembudidaya
 Tests of Between-Subjects Effects
Type III Sum Mean
Source Dependent Variable of Squares df Square F Sig.
Corrected pendapatan nelayan 1.224E6a 2 611840.057 2.204 .134
Model
pendapatan
1.716E6b 2 857987.879 8.685 .002
pembudidaya
Intercept pendapatan nelayan 1.457E7 1 1.457E7 52.486 .000
pendapatan
1.547E7 1 1.547E7 156.545 .000
pembudidaya
didik pendapatan nelayan 1223680.115 2 611840.057 2.204 .134
pendapatan
1715975.758 2 857987.879 8.685 .002
pembudidaya
Error pendapatan nelayan 6107986.045 22 277635.729
pendapatan
2173424.242 22 98792.011
pembudidaya
Total pendapatan nelayan 2.507E7 25
pendapatan
2.299E7 25
pembudidaya
Corrected pendapatan nelayan 7331666.160 24
Total pendapatan
3889400.000 24
pembudidaya
a. R Squared = ,167 (Adjusted R Squared = ,091)
b. R Squared = ,441 (Adjusted R Squared = ,390)
Pengaruh variabel secara individu
Hipotesis
Ho : variabel nelayan tidak menunjukkan perbedaan pada berbagai tingkat pendidikan
H1 : variabel nelayan menunjukkan perbedaan pada berbagai tingkat pendidikan
Sedangkan untuk variabel pembudidaya hipotesisnya sama dengan variabel nelayan/
Hasil output menunjukkan bahwa sign. Variabel nelayan 0,134 >0,05 artinya variabel
besarnya pendapatan nelayan tidak dipengaruhi tingkat pendidikan, sedagkan sign.
pembudidaya 0,002. < 0,05 artinya variabel besarnya pendapatan pembudidaya dipengaruhi
tingkat pendidikan respondennya.

Soal 6. Regresi Berganda

Suatu kegiatan penelitian ingin diketahui apakah variabel X (kedalaman perairan dan
kepadatan makrobenthos) berpengaruh atau berkorelasi terhadap variabel Y (hasil tangkapan
ikan demersal) dan untuk mengetahui persamaan regresi yang memprediksikan hasil
tangkapan ikan berdasarkan kedalaman perairan dan kepadatan makrobenthos.. Data
penelitian adalah sebagai berikut:

kedalaman kepadatan jml tangkapan

stasiun perairan makrobenthos ikan
1 27,72 3150 167
2 23,55 275 194
3 43,86 7050 710
4 13,98 725 234
5 45,88 275 85
6 33,8 200 512
7 27,51 150 77
8 35,06 475 132
9 39,23 675 141
10 51,67 125 98
11 44,57 225 102
12 62,04 700 204
13 61,17 850 185
14 63,48 350 93

Hasil olah data dengan SPSS menggunakan regresi berganda.

Descriptive Statistics
Std.
Mean Deviation N
hasil tangkapan ikan 2.0957E2 181.15005 14
kedalaman perairan 40.97 15.183 14
kepadatan
1.0875E3 1878.82303 14
makrobenthos

Dari output tersebut dapat dilihat rata-rata hasil tangkapan ikan dari 14 stasiun adalah
2.0957E2 dengan standar deviasi 181.,15005 sedangkan kepadatan makrobenthos adalah
1.0875E3 dengan standar deviasi 1878.82303
 Correlations
hasil
tangkapan kedalaman kepadatan
ikan perairan makrobenthos
Pearson hasil tangkapan ikan 1.000 -.101 .729
Correlation kedalaman perairan -.101 1.000 -.026
kepadatan
.729 -.026 1.000
makrobenthos
Sig. (1-tailed) hasil tangkapan ikan . .365 .002
kedalaman perairan .365 . .464
kepadatan
.002 .464 .
makrobenthos
N hasil tangkapan ikan 14 14 14
kedalaman perairan 14 14 14
kepadatan
14 14 14
makrobenthos

Dari tabel dapat dilihat bahwa besar hubungan antara variabel hasil tangkapan ikan dengan
kedalaman perairan adalah -101 hal ini menunjukan hubungan negatif.
Besar hubungan kepadatan makrobenthos dengan hasil tangkapan adalah 0,729 yang berarti
ada hubungan positif, makin besar kepadatan makrobenthos maka makin besar pula hasil
tangkapan.

Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 kepadatan
makrobenthos
. Enter
, kedalaman
perairana
a. All requested variables entered.
b. Dependent Variable: hasil tangkapan ikan
Dari tabel diatas menunjukan variabel yang dimasukan adalah kedalaman perairan dan
kepadatan makrobenthos sedangkan variabel yang dikeluarkan tidak ada (Variables Removed
tidak ada)
 Model Summaryb
Adjusted R Std. Error of
Model R R Square Square the Estimate
1 .734a .539 .455 133.77062
a. Predictors: (Constant), kepadatan makrobenthos,
kedalaman perairan
b. Dependent Variable: hasil tangkapan ikan
Pada tabel diatas angka R Square adalah 0,539. Standar Error of the Estimate adalah
133.77062, perhatikan pada analisis deskriptif statitik bahwa standar deviasi hasil tangkapan
ikan adalah 181.15005 yang jauh lebih besar dari dari standar error, oleh karena lebih kecil
daripada standar deviasi hasil tangkapan ikan maka model regresi bagus dalam bertindak
sebagai predictor hasil tangkapan ikan.

ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 229759.077 2 114879.538 6.420 .014a
Residual 196840.352 11 17894.577
Total 426599.429 13
a. Predictors: (Constant), kepadatan makrobenthos, kedalaman
perairan
b. Dependent Variable: hasil tangkapan ikan
Hipotesis:

Jika F hitung <= T tabel atau probabilitas >= 0,05 maka Ho diterima
Jika F hitung > T tabel atau probabilitas < 0,05 maka Ho ditolak

Dari tabel diatas dapat dilihat nilai F hitung yaitu 6,420, sedangkan nilai F tabel dapat
diperoleh dengan menggunakan tabel F dengan derajat bebas (df) Residual (sisa) yaitu 12
sebagai df penyebut dan df Regression (perlakuan) yaitu 2 sebagai df pembilang dengan tarap
siginifikan 0,05, sehingga diperoleh nilai F tabel yaitu 3,89. Karena F hitung (6,420) > F
tabel (3,89) maka Ho ditolak. Berdasarkan nilai Signifikan, terlihat pada kolom sig yaitu
0,014 itu berarti probabilitas kurang dari daripada 0,05 maka Ho ditolak.
 Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 173.353 109.004 1.590 .140
kedalaman perairan -.977 2.445 -.082 -.400 .697
kepadatan
.070 .020 .727 3.549 .005
makrobenthos
a. Dependent Variable: hasil tangkapan ikan
Dugaan Persamaan Regresi Y = 0,070 . kepadatan makrobentos
Soal 7. Analisis Jalur

Analisis pemanfaatan sumber daya perikanan melalui tpi terhadap pad desa bagan percut
kecamatan percut sei tuan kabupaten deli serdang

Kontribusi yang diberikan oleh kegiatan sector perikanan terhadap daerah adalah melalui
pungutan retribusi yang dilakukan di tempat pelelangan ikan, selanjutnya retribusi ini akan
masuk dam dihitung sebagai salah satu indicator pembentuk pendapatan asli daerah (PAD).
Namun pungutan retribusi ini berbeda-beda untuk setiap tempat pelelangan ikan. Besar
kecilnya sumbangan yang berasal dari retribusi terhadap PAD dipengaruhi oleh kinerja TPI,
dimana faktor-faktor yang menentukan kinerja TPI antara lain:

1. Pemahaman nelayan dam pedagang terhadap tempat pelelangan ikan (TPI)

2. Loyalitas terhadap tempat pelelangan ikan (TPI)
3. Manfaat tempat pelelangan ikan (TPI)
Sampel yang diambil sebanyak 50 orang yaitu nelayan yang bertempat tinggal di kawasan
Desa Bagan Percut

Variabel dependen :

Y1 = kinerja TPI

Y2 = retribusi

Variabel independen :

X1 = pemahaman terhadap TPI

X2 = loyalitas terhadap TPI

X3 = manfaat TPI
Model diagram jalur berdasarkan paradigm hubungan antar variabel sebagai berikut:

Pemahaman Nelayan
dam Pedagang
terhadap TPI

Loyalitas terhadap TPI

Kinerja TPI Retribusi

Manfaat TPI

Diagram jalur persamaan strukturalnya sebagai berikut:

Xi

X2
Y1 Y2

X3

Hipotesis penelitian:

1. Penilaian pemahaman terhadap TPI, loyalitas TPI dan manfaat TPI berpengaruh
terhadap kinerja TPI
2. Penilaian pemahaman terhadap TPI, loyalitas TPI, manfaat TPI dan kinerja TPI
berpengaruh terhadap retribusi
Berikut ini adalah data (data tidak sesuai hasil penelitian, dibuat untuk kepentingan
tugas)

Pemahaman Loyalitas Manfaat Kinerja Retribusi

Respoden
(X1) (X2) (X3) (X4) (Y)

1 17 15 12 24 20000

2 13 13 11 23 17000

3 9 9 9 19 3000

4 12 12 12 21 10000

5 8 8 8 15 1000

6 13 14 12 23 17000

7 12 13 11 22 13000

8 12 13 11 22 13000

9 14 13 11 23 17000

10 14 14 12 21 15000

11 14 10 11 22 17000

12 15 10 10 19 18000

13 10 9 9 19 7000

14 9 9 9 18 9000

15 13 12 12 21 13000

16 13 12 13 21 15000

17 9 9 9 17 9000

18 12 10 12 10 13000

19 14 10 11 19 9000

20 14 10 12 19 9000

21 14 10 10 19 9000

22 14 10 9 18 7000

23 15 11 11 21 15000
24 16 14 11 19 10000

25 15 12 11 21 15000

26 8 8 10 16 5000

27 8 8 9 16 5000

28 9 8 9 16 5000

29 8 7 9 16 5000

30 9 7 9 16 5000

31 8 7 9 16 5000

32 8 7 9 16 5000

33 8 9 9 16 5000

34 9 9 9 16 5000

35 12 12 11 21 15000

36 8 8 9 16 5000

37 11 11 11 18 9000

38 8 8 9 16 5000

39 11 10 10 18 9000

40 8 9 8 14 2000

41 9 8 8 16 5000

42 8 8 8 16 5000

43 9 8 8 16 5000

44 9 8 8 16 5000

45 9 8 8 16 5000

46 9 8 8 16 5000

47 8 9 8 16 5000

48 8 9 8 16 5000

49 8 9 8 16 5000

50 8 8 8 16 5000
Variables Entered/Removedb

Variables Variables
Model Entered Removed Method

1 X3, X1, X2a . Enter

a. All requested variables entered.

b. Dependent Variable: Y1

Model Summary

Adjusted R Std. Error of

Model R R Square Square the Estimate

1 .817a .667 .646 1.707

a. Predictors: (Constant), X3, X1, X2

ANOVAb

Sum of
Model Squares df Mean Square F Sig.

1 Regression 268.806 3 89.602 30.756 .000a

Residual 134.014 46 2.913

Total 402.820 49

a. Predictors: (Constant), X3, X1, X2

b. Dependent Variable: Y1

Coefficientsa
 Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 7.429 1.704 4.360 .000

X1 .237 .167 .227 1.415 .164

X2 .836 .217 .629 3.852 .000

X3 -.016 .302 -.008 -.054 .957

a. Dependent Variable: Y1

Secara simultan variabel X1, X2 dan X3 memiliki kontribusi sebesar 66,7% dalam
menjelaskan perubahan yang terjadi pada variabel Y1 sedangkan sisanya sebesar
33,3% dijelaskan oleh variabel lain di luar model

Pada bagian anova (uji F) terlihat bahwa secara simultan variabel-variabel bebas
memiliki pengaruh yang signifikan terhadap variabel Y1 yang ditunjukkan oleh nilai
sig 0,000 < α 5%

Pada coefficients, uji t parsial bahwa variabel X2 secara statistic memiliki pengaruh
yang signifikan terhadap variabel Y1 yang ditunjukkan oleh nilai sig lebih kecil dari
alpha 5% yaitu 0,000. Variabel X1 dan X3 secara statistic tidak signifikan
mempengaruhi variabel Y1 yang terlihat dari nilai Sig sebesar 0,164 dam 0.957 >
alpha 5%, sehingga untuk variabel X1 dam X3 dieliminasi dari model

Persamaan strukturalnya menjadi

Y1 = 0,629 X2 + b

Interpretasi variabel X2 : peningkatan sebesar 1 satuan variabel X2 akan

meningkatkan variabel Y1 sebesar 0,629 satuan dengan asumsi variabel lain dianggap
konstan

Selanjutnya sub structural kedua : regresikan variabel X2 dan Y1 terhadap variabel Y2

Variables Entered/Removedb

Variables Variables
Model Entered Removed Method

1 Y1, X2a . Enter

a. All requested variables entered.

b. Dependent Variable: Y2

Model Summary

Adjusted R Std. Error of

Model R R Square Square the Estimate

1 .852a .727 .715 2636.677

a. Predictors: (Constant), Y1, X2

ANOVAb

Sum of
Model Squares df Mean Square F Sig.

1 Regression 8.686E8 2 4.343E8 62.473 .000a

Residual 3.267E8 47 6952067.328

Total 1.195E9 49

a. Predictors: (Constant), Y1, X2

b. Dependent Variable: Y2
Coefficientsa

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) -14237.147 2423.497 -5.875 .000

X2 1276.101 295.320 .557 4.321 .000

Y1 580.000 222.190 .337 2.610 .012

a. Dependent Variable: Y2

Variabel X2 dan y1 secara simultan mempengaruhi keragaman pada variabel Y2

sebesar 72,7% sedangkan sisanya 27,3% dijelaskan oleh variabel lain di luar model.

Pada bagian anova (uji F) terlihat bahwa secara simultan variabel X2 dan Y1 memiliki
pengaruh yang signifikan terhadap variabel Y2 yang ditunjukkan oleh nilai sig 0,000 <
α 5%

Pada coefficients, uji t parsial bahwa variabel X2 dan Y2secara statistic memiliki
pengaruh yang signifikan terhadap variabel 21 yang ditunjukkan oleh nilai Sig lebih
kecil dari alpha 5% yaitu 0,000 dan 0,012

Model persamaan strukturalnya adalah :

Y2 = 0,557X2 + 0,337Y1 + b

Xi

0,557

X2
Y1
0,629 0,337 Y2

X3
Untuk variabel X1 dan X3 tidak memiliki pengaruh terhadap variabel Y1 sebab
tidak signifikan sehingga variabel X1 dan X3 dieliminasi dari model

Varibel X2 mempunyai pengaruh langsung terhadap variabel Y2 adalah 0,557

sedangkan Y1 berpengaruh langsung terhadap Y2 sebesar 0,337.

Dengan hasil analisis jalur dengan menggunanakan SPSS diperoleh kesimpulan

bahwa loyalitas terhadap TPI dan kinerja TPI berpengaruh terhadap besarnya
retribusi TPI