Nama : Dea Ananda Fitriani

Nim : 2014120395
Prodi : ESY 6E
Matkul : Ekonometrika
Dosen : Puteri Pekerti Wulandari, M.Si

UTS

1. Jelaskan variable dalam skala pengukuran, berilah contoh.

Jawaban :
JENIS VARIABEL DAN SKALA PENGUKURAN

 Pengertian Variabel Penelitian

Variabel Penelitian adalah suatu atribut, nilai atau sifat dari objek penelitian
(individu atau kegiatan) yang memiliki variasi tertentu antara satu objek dengan objek
lainnya. Umumnya variabel penelitian akan ditentukan oleh seorang peneliti untuk
dipelajari dan digali Informasi dari objek tertentu yang kemudian ditarik
kesimpulannya. Pengertian variabel sendiri menurut Wikipedia adalah objek
penelitian, atau apa yang menjadi fokus di dalam suatu penelitian. Secara umum
variabel berarti sesuatu yang dapat berubah-ubah, bermacam-macam serta berbeda-
beda.
 Jenis-Jenis Variabel Penelitian
Seperti yang kita ketahui, terdapat berbagai variabel yang dapat mempengaruhi
hasil penelitian yang dilakukan. Oleh karena itu, untuk memudahkan dalam
penggolongannya variabel dibedakan menjadi berbagai jenis dilihat dari hubungan,
sifat, urgensi, skala pengukur dan penampilan waktu pengukuran.
1. Hubungan Antar Variabel
Berdasarkan hubungannya, variabel digolongkan menjadi tiga jenis yaitu
variabel bebas, variabel terikat dan variabel kontrol :
 Bebas merupakan jenis variabel yang menjadi penyebab adanya perubahan
pada variabel yang lainnya. Contoh dari variabel bebas adalah tegangan
seperti pada contoh sebelumnya.
 Terikat merupakan jenis variabel yang dipengaruhi oleh adanya perubahan
variabel bebas. Seperti pada contoh kasus sebelumnya, variabel terikatnya
adalah kecerahan lampu.
 Kontrol merupakan jenis variabel yang dapat dikendalikan atau dikontrol
oleh peneliti. Seperti pada contoh sebelumnya, variabel kontrolnya adalah
tegangan karena tegangan dapat diatur sesuai hati.

2. Sifat Variabel
Selain digolongkan berdasarkan hubungannya, variabel juga dapat digolongkan
sesuai dengan sifatnya. Pada umumnya, variabel digolongkan menjadi dua
sesuai sifatnya yaitu variabel statis dan dinamis.
 Variabel statis merupakan jenis variabel yang tidak dapat berubah-ubah
nilai, keadaan atau bahkan karakteristiknya. Pada contoh kasus diatas
variabel statis adalah beban atau hambatan lampu itu sendiri.
  Variabel dinamis merupakan kebalikan variabel statis dimana nilai,
keadaan atau kerakteristiknya dapat berubah-ubah. Untuk contohnya,
pada kasus sebelumnya kita dapat menggolongkan arus dan kecerahan
lampu sebagai variabel dinamis.
3. Urgensi Faktual
Dilihat dari urgensi faktual, variabel dibedakan menjadi variabel konseptual
dan variabel faktual.
 Variabel Konseptual merupakan variabel yang tidak terlihat secara jelas
atau sesuai fakta, contohnya adalah motivasi, minat, bakat dan kinerja.
 Variabel Faktual merupakan variabel yang dapat terlihat nyata secara
jelas, contohnya adalah tegangan, arus, gen, usia dan lain sebagainya.
4. Skala Pengukur
Selain tiga faktor sebelumnya, skala pengukur juga menjadi dasar
penggolongan jenis variabel. Menurut tipe skala pengukurnya, variabel
dibedakan menjadi empat yaitu : Nominal, Ordinal, Interval dan Rasio.

5. Penampilan Waktu Pengukuran

Berdasarkan waktu pengukurannya, variabel dibedakan menjadi dua
jenis yaitu variabel maksimalis dan variabel tipikalis.
 Variabel Maksimalis adalah variabel yang dalam proses pengumpulan
data terdapat dorongan kepada responden. Contohnya adalah kerativitas,
bakat dan prestasi.
 Variabel Tipikalis merupakan jenis variabel yang dalam proses
pengumpulan datanya tidak disertai dorongan kepada responden.
Contohnya adalah minat, kepribadian, sikap terhadap hal tertentu.

 Pengertian Skala Pengukuran

Skala pengukuran adalah sebuah acuan yang digunakan untuk menentukan
panjang pendeknya interval yang ada dalam satuan alat ukur. Dengan menggunakan
skala pengukuran, maka alat ukur yang digunakan akan menghasilkan data kuantitatif.
Setelah proses pengukuran yang menghasilkan data kuantitatif yang berupa angka-
angka tersebut barulah kemudian ditentukan analisis statistik yang cocok untuk
digunakan. Di dalam ilmu statistik, skala pengukuran dibagi menjadi empat, yaitu
sebagai berikut :
1. Skala Nominal
Skala nominal merupakan skala pengukuran paling sederhana atau tingkatannya
paling rendah di dalam suatu penelitian. Skala ini hanya digunakan untuk memberikan
kategori saja. Misalnya digunakan untuk memberi label, simbol, lambang, atau nama
pada sebuah kategori sehingga akan mempermudah pengelompokan data menurut
kategorinya.
 Pada skala nominal ini, peneliti akan mengelompokkan objek, baik individu atau pun
kelompok kedalam kategori tertentu dan disimbolkan dengan label atau kode tertentu.
Kemudian, angka yang diberikan kepada objek hanya memiliki arti sebagai label atau
pembeda saja dan bukan untuk menunjukkan adanya tingkatan. Agar lebih paham,
berikut ini ciri-ciri dari skala nominal :
 Kategori data bersifat mutually exclusive (setiap objek hanya memiliki satu
kategori saja).
 Kategori data tidak memiliki aturan yang logis (bisa sembarang).
2. Skala Ordinal
Skala ordinal merupakan skala pengukuran yang sudah menyatakan peringkat
antar tingkatan. Jarak atau interval antar tingkatan juga tidak harus sama. Skala ordinal
ini memiliki tingkatan yang lebih tinggi daripada skala nominal, karena skala ini tidak
 hanya menunjukkan kategori saja tetapi juga menunjukkan peringkat. Di dalam skala
ordinal, objek atau kategorinya disusun berdasarkan urutan tingkatannya, dari tingkat
terendah ke tingkat tertinggi atau sebaliknya, Ciri-ciri dari skala ordinal antara lain :
 Kategori data saling memisah.
 Kategori data ditentukan berdasarkan jumlah karakteristik khusus yang
dimilikinya.
 Kategori data dapat disusun sesuai dengan besarnya karakteristik yang dimiliki.

3. Skala Interval
Skala Interval merupakan skala pengukuran yang bisas digunakan untuk
menyatakan peringkat untuk antar tingkatan. Jarak atau interval antar tingkatan pun
sudah jelas, hanya saja tidak memiliki nilai 0 (nol) mutlak.

Skala interval ini bisa dikatakan berada diatas skala ordinal dan nominal. Besar
interval atau jarak satu data dengan data yang lainnya memiliki bobot nilai yang sama.
Besar interval ini bisa saja di tambah atau dikurang. Berikut ini adalah ciri-ciri dari
skala interval :
 Kategori data memiliki sifat saling memisah.
 Kategori data memiliki aturan yang logis.
 Kategori data ditentukan skalanya berdasarkan jumlah karaaktristik khusus
yang dimilikinya.
 Perbedaan karakteristik yang sama tergambar dalam perbedaan yang sama
dalam jumlah yang dikenakan pada kategori.
 Angka nol hanya menggambarkan satu titik dalam skala (tidak memiliki nilai
nol absolut).
4. Skala Rasio
Skala rasio adalah skala pengukuran yang ditujukan pada hasil
pengukuran yang bisa dibedakan, diurutkan, memiliki jarak tertentu, dan bisa
dibandingkan. Skala rasio merupakan tingkatan skala paling tinggi dan
paling lengkap dibanding skala-skala lainnya. Jarak atau interval antar
tingkatan sudah jelas, dan memiliki nilai 0 (nol) yang mutlak. Nilai nol
mutlak berarti benar-benar menyatakan tidak ada. Contoh Tabel.

Data Tinggi Badan Berat Badan

Nilda 170 60
Mifta 160 50
Janna 150 40

Skala pengukuran variabel penting untuk penentuan uji statistik yang

sesuai: skala nominal dan ordinal hanya bisa menggunakan uji statistik non
parametrik, sedangkan skala interval dan rasio bisa menggunakan statistik
parametrik.

2. Jelaskan apa yang dimaksud dengan hubungan kausal dan hubungan identitas.
Jawabannya:
Hubungan Kausal (sebab akibat)

Apa yang dimaksud dengan Hubungan kausal ? Hubungan Kausal yaitu hubungan
tentang sebab akibat, karena peristiwa yang satu akan menyebabkan peristiwa yang lain.
Hubungan yang menunjukkan bahwa peristiwa yang satu merupakan sebab terhadap
 peristiwa yang lain.

Contoh dari hubungan kausal :

- Apabila panen datang, harga padi akan turun
- Gaji pegawai negeri naik, maka harga barang cenderung naik
- Pajak import dinaikan, maka harga barang impor naik
- Harga BBM dinaikan, maka ongkos angkutan juga ikut naik

Hubungan identitas.

Hubungan identitas adalah hubungan satu-ke-satu . Harus ada satu peran terkelola yang
ditentukan dalam relasi identitas, yang mewakili tipe data umum dan dikelola oleh layanan
relasi. Hubungan non-identitas sedikit berbeda dari hubungan identitas

3. Jelaskan perbedaan koefisien korelasi dan koefisien determinasi

Jawaban :

Koefisien korelasi digunakan untuk mengidentifikasi hubungan antara dua variabel

yang diamati. Sementara koefisien determinasi digunakan untuk mengidentifikasi model
penelitian yang diprediksi. Koefisien determinasi merupakan salah satu ukuran yang digunakan
untuk mengukur pengaruh variabel independen terhadap dependen. Sedangkan koefisien korelasi
merupakan koefisien yang berakar dari determinasi. Dimana besarnya hubungan antara variabel
yang satu dengan variabel lainnya dinyatakan dengan korelasi.

Korelasi merupakan sebuah teknik daam melakukan analisis untuk mengukur asosiasi.
Pengukuran ini memiliki acuan pada sekelompok teknik dalam statistik bivariat yang
digunakan untuk mengukur kekuatan hubungan antara dua variabel. Korelasi ini memiliki
manfaat untuk mengukur kekuatan hubungan antara dua variabel atau ebih dengan skala-skala
yang digunakan memiliki ketentuan. Misalnya person data yang bersala interval atau rasio.
Adapun ketentuan hasilnya adalah sebagai berikut :

 Jika koefisien korelasi yang ditemukan tidak sama dengan nol, maka terdapat
ketergantungan antara dua variabel tersebut. Namun, jika koefisen korelasi ditemukan +1
maka hubungannya disebut korelasi sempurna atau hubungan linear sempurna dengan
kemiringan positif. Dan jika korelasi ditemukan -1 maka hubungan tersebut disebut
sebagai korelasi sempurna atau linear sempurna dengan kemiringan negatif.

Determinasi merupakan variabilitas dalam suatu data yang dihitung berdasarkan

pada model statistik. Determinasi merupakan variabel nilai yang dibuat berdasarkan
model dengan variabilitas nilai data asli. Determinasi dilambangkan dengan r², yang
dengan demikian :

 Jika r² = 1 akan memiliki arti bahwa model yang sesuai menerangkan semua variabilitas
dalam variabel Y.
  Jika r² = 0 maka tidak ada hubungan antara X dengan Y.

4. Jelaskan fungsi uji F dan uji T dalam analisis regresi.

Jawabannya:

Uji parsial (uji t) yaitu untuk menguji bagaimana pengaruh masing-masing variabel
bebasnya secara sendiri-sendiri terhadap variabel terikatnya. yang dianggap konstan. Uji
serentak (uji f) yaitu uji untuk melihat bagaimanakah pengaruh semua variabel bebasnya
secara bersama-sama terhadap variabel terikatnya.

5. Berikut adalah data sampel:

Y 85 74 78 90 85 87 94 98 81 91 76 74
X1 12 20 10 13 11 14 13 14 11 14 10 8
X2 10 9 9 10 11 11 13 13 10 10 8 7

a) Jelaskan apa yang maksud dengan uji normalitas dan uji multikolinieritas pada
analisis regresi.
b) Jelaskan konsekuensi jika asumsi normalitas dan uji multikolinieritas pada analisis
regresi tidak terpenuhi.
c) Berdasarkan data diatas buatlah persamaan regresi, uji F, uji T, koefisien
determinasi, dan uji asumsi (uji normalitas dan uji multikolinieritas).

Jawabannya:
a. Uji Normalitas dan Uji multikolinieritas
1. Uji Normalitas
Uji Normalitas adalah melakukan pengujian data dengan tujuan untuk menilai data
yang dimiliki pada sebuah kelompok data atau variabel, data tersebut berjalan normal,
sesuai atau tidak. Manfaat pengujian normalitas adalah untuk menjadikan data yang telah
dikumpulkan memiliki nilai normal sesuai dengan populasi dari sampel data yang diambil.
Metode umum yang sering digunakan dalam pengujian normalitas data yaitu berdasarkan
pengalaman empiris beberapa pakar statistik, data yang banyaknya lebih dari 30 angka (n
> 30), maka sudah dapat diasumsikan berdistribusi normal.
Menurut Singgih Santoso dalam Akbar Iskandar dasar pengambilan keputusan bisa
dilakukan berdasarkan pada probabilitas (Asymptotic Significance), yaitu:
 Jika probabilitas > 0.05 maka distribusi dan model regresi adalah normal

 Jika probabilitas < 0.05 maka distribusi dan model regresi adalah tidak normal. 1

2. Uji Multikolinearitas

Uji Multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan

adanya kolerasi antara variabel bebas (independen). Model regresi yang baik seharusnya
tidak terjadi kolerasi diantara variabel bebas. Untuk mendeteksi ada atau tidaknya

1
Akbar Iskandar, ddk, Statistika Bidang Teknologi Informasi, Medan: Yayasan Kita Menulis, 2021, h. 29
 multikolonieritas di dalam model regresi dapat dilihat dari (1) nilai tolerance dan
lawannya (2) Variance Inflation Faktor (VIF). Kedua ukuran ini menunjukan ukuran
setiap variabel independen manakala yang dijelaskan oleh variabel independen lainnya.
Tolerance mengukur variabilitas variabel independen yang dipilih yang tidak dijelaskan
oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF
yang tinggi (karena VIF = 1 /Tolera ). Nilai cut off yang umum dipakai untuk menunjukan
adanya multikolonieritas adalah nilai Tolerance ≤ 0.10 atau sama dengan VIF ≥10 model
regresi yang baik tidak terdapat masalah multikolonieritas atau adanya hubungan kolerasi
diantara variabel-variabel independennya.

b. Konsekuensi Jika Asumsi Normalitas Dan Uji Multikolinieritas Pada Analisis Regresi
Tidak Terpenuhi

1. Uji Normalitas
Dampak dari data yang tidak berdistribusi normal menyebabkan varians data
menjadi tidak homogen. Sehingga bila data tidak berdistribusi normal maka perlu
diperbaiki terlebih dahulu supaya datanya berdistribusi normal.
2. Uji Multikolinearitas
Dampak dari multikolinearitas ini dapat mengakibatkan estimasi parameter regresi
yang dihasilkan dari analisis regresi linear berganda menjadi tidak efisien karena
dapat menyebabkan regresi berganda mempunyai bias dan varians yang besar. Penyebab
multikolinearitas adalah adanya korelasi atau hubungan yang kuat antara dua variabel
bebas atau lebih.

c. Persamaan Regresi, Uji F, Uji T, Koefisien Determinasi, Dan Uji Asumsi (Uji
Normalitas Dan Uji Multikolinieritas).

1. Uji Normalitas
Dampak dari data yang tidak berdistribusi normal menyebabkan varians data
menjadi tidak homogen. Sehingga bila data tidak berdistribusi normal maka perlu
diperbaiki terlebih dahulu supaya datanya berdistribusi normal.
2. Uji Multikolinearitas
Dampak dari multikolinearitas ini dapat mengakibatkan estimasi parameter regresi
yang dihasilkan dari analisis regresi linear berganda menjadi tidak efisien karena
dapat menyebabkan regresi berganda mempunyai bias dan varians yang besar. Penyebab
multikolinearitas adalah adanya korelasi atau hubungan yang kuat antara dua variabel
bebas atau lebih.
3. Uji F, Uji T, KoefisienDeterminasi, Dan Uji Asumsi (Uji Normalitas Dan Uji
Multikolinieritas).
a. Uji F
Model Sum of Squares Df Mean Square F Sig.
Regression 137 2 68 19 .000b

Residual 128 37
Total 150 39

b. Uji T

Standar
dized
Coeffici
Unstandardized Coefficients ents
Variabel B Std. Error Beta t Sig.
(Constant) .055 .591 - .075
1.831
X1 .046 .019 .235 2.394 .002
X2 7.365 .971 .744 7.585 .000

c. Uji R (Determinasi)

Uji Koefisiensi Determinasi (R Square)

Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate
a
1 .956 .915 .910 5.4
a. Predictors: (Constant), X1, X2

d. Uji asumsi Klasik

Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 40
Normal Parametersa,b Mean .0000000
Std. 5733505.14400000
Deviation
Most Extreme Absolute .097
Differences Positive .097
 Negative -.097
Test Statistic .097
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
This is a lower bound of the true significance.
 Multikolonieritas
Coefficientsa

Collinearity Statistics
Model Tolerance VIF
1(Constant)
X1 .240 4.175
X2 .240 4.175
a. Dependent Variable: Y