Tugas Adit.docx

PUSTAKA

PENULIS

: J. Supranto, M.A.

TAHUN

: 2009

JUDUL

: Statistik Teori dan Aplikasi

PENERBIT

: PT Erlangga, Jakarta

HALAMAN

: 406

SITASI : J. Supranto, M.A. (2009) mengatakan bahwa Model Regresi Linear Sederhana adalah tidak mungkin untuk memperkirakan hubungan antara dua variabel tanpa membuat asumsi terlebih dahulu mengenai bentuk hubungan yang dinyatakan dalam fungsi tertentu. Dalam beberapa hal, kita bisa mengecek asumsi tersebut setelah hubungan diperkirakan. Fungsi linear, selain mudah interpretasinya, juga dapat digunakan sebagai pendekatan (approximation) atas hubungan yang bukan linear (non linear). Fungsi linear, mempunyai bentuk persamaan sebagai berikut : Y = A + Bx. Dimana A dan B adalah konstanta atau parameter, yang nilainya harus diestimasi.

PENULIS

: Sigit Nugroho, Ph.D.

TAHUN

: 2008

JUDUL

: Dasar-dasar Metode Statistika

PENERBIT

: PT Grasindo, Jakarta

HALAMAN

: 214

SITASI : Sigit Nugroho, Ph.D. (2008) mengatakan bahwa Analisis Korelasi merupakan penentuan ukuran numeric hubungan dua perubah bebas. Dapat digunakan perubah, seperti tingkat pendidikan dan IQ; kelelahan dan laju produksi; temperature dan tekanan. Seperti halnya regresi, korelasi umumnya juga mempelajari tentang hubungan linier. Sebagai hasil dari analisis korelasi ini adalah untuk mengetahui bagaimana suatu persamaan regresi menerangkan keragaman respon Y. Walapun dalam regresi peubah Y adalah acak atau random dan peubah X adalah tetap, korelasi dapat memberikan informasi yang berguna dalam mempelajari regresi.

PENULIS

: Prof. Dr. Suyono, M.Si

TAHUN

: 2018

JUDUL

: Analisis Regresi untuk Penelitian

PENERBIT

: PT Deepublish, Yogyakarta

HALAMAN

: 294

SITASI : Prof. Dr. Suyono, M.Si (2018) mengatakan bahwa Mengestimasi Parameter 𝛽0 , 𝛽1 , 𝑑𝑎𝑛 𝜎 2 memiliki realisasi data sampel pasangan variabel independen dan variabel dependen (𝑋1 , 𝑌1 ), (𝑋2 , 𝑌2 ), … , (𝑋𝑛 , 𝑌𝑛 ). Pasangan (𝑋1 , 𝑌1 ) berarti bahwa dari responden pertama telah diperoleh data variavel independen 𝑋1 dan variabel dependen 𝑌1 , Pasangan (𝑋2 , 𝑌2 ) berarti bahwa dari responden kedua telah diperoleh data variabel independen 𝑋2 dan variavel dependen 𝑌2 , dan seterusnya. Dengan data sampel ini selanjutnya dapat diestimasi nilai-nilai parameter 𝛽0 dan 𝛽1 . Ada beberapa metode untuk mendapatkan estimator atau penduga untuk 𝛽0 dan 𝛽1 . Dua di antara metode yang terkenal adalah metode kuadrat terkecil (ordinary least square) dan metode kemungkinan maksimum (maximum likelihood)

PENULIS

: Nawari

TAHUN

: 2010

JUDUL

: Analisis Regresi dengan MS Excel 2007 dan SPSS 17

PENERBIT

: PT Elex Media Komputindo, Jakarta

HALAMAN

: 224

SITASI : Nawari (2010) mengatakan bahwa Model fitting merupakan tahapan perhitungan dugaan parameter atau koefisien-koefisien regresi berdasarkan model dan model terpilih. Koefisien-koefisien tersebut kemudian diuji apakah signifikan atau tidak menjadi parameter model. Koefisien bersifat signifikan jika pada tingkat kepercayaan tertentu nilainya dianggap tidak sama dengan nol. Jika koefisien dari suatu variabel penduga dianggap sama dengan nol, dapat disimpulkan bahwa variabel bergantungnya. Sebaliknya, jka nilai koefisiennya dianggap tidak sama dengan nol maka dapat disimpulkan bahwa varibel penduga tersebut memiliki pengaruh terhadap variabel bergantung. Untuk keperluan tersebut biasanya dilakukan uji statistik, baik secara parameterik maupun non parameterik. Metode parameterik banyak diterapkan untuk menguji koefisien hasil perhitungan OLSE, yaitu analisis varian dan uji t. sedangkan metode non parameterik banyak diterapkan terhadap koefisien hasil perhitungan MLE, yaitu dengan Uji Wald, Chi-Square, dan Uji Hosmer-Lameshow.

PENULIS

: Christianus S

TAHUN

: 2010

JUDUL

: Seri Belajar Kilat SPSS 17

PENERBIT

: CV. Andi Offset, Yogyakarta

HALAMAN

: 147

SITASI : Christianus S (2010) mengatakan bahwa Analisis varian merupakan suatu metode untuk menguraikan keragaman total data menjadi komponen-komponen yang mengukur berbagai sumber ragam dan dilakukan untuk mengetahui seberapa besar variabel penduga mampu menjelaskan variansi pada variabel bergantung. Secara umum analisis varian diawali dengan menghitung jumlah kuadrat total (MST), jumlah kuadrat regresi (SSR), dan jumlah kuadrat sisa (SSE).

PENULIS

: Dedi Suwarsito Pratomo, Erna Zuni Astuti, M.Kom

TAHUN

: 2015

JUDUL

:Analisis Regresi Korelasi antara Pengunjung dan Pembeli terhadap Nominal Pembelian di Indomaret Kedungmundu Semarang dengan Metode Kuadrat Terkecil

PENERBIT

: Universitas Dian Nuswantoro, Semarang

HALAMAN

: 50

SITASI : Dedi Suwarsito Pratomo, dan Erna Zuni Astuti, M.Kom (2015) mengatakan bahwa Kesalahan Standart Estimasi untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standart estimasi (Standard error of estimaste). Besarnya kesalahan standard estimasi menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standard estimasi, makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai kesalahan standard estimasi, makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya. Kesalahan standard estimasi dapat ditentukan dengan rumus: 𝑆𝑦,1,2,..,𝑘 = √

Σ(𝑦𝑖 −𝑦̂)2 𝑛−𝑘−1

PENULIS

: Eko Putra

TAHUN

: 2014

JUDUL

: Pengaruh Harga terhadap Kepuasan Konsumen pada Citra Swalayan dengan Variabel Intervening Service Quality

PENERBIT

: Sekolah Tinggi Ilmu Ekonomi (STIE) Pasaman Simpang Empat, Pasaman Barat

HALAMAN

: Volume 2, Nomor 2

SITASI : Eko Putra (2014) mengatakan bahwa Uji Multikolinearitas untuk mengetahui ada tidaknya multikolinearitas dalam regresi dapat dilihat VIF (Varian Inflation Faktor). Bila angka tolerance >1 atau nilai VIF >10, maka terdapat gejala multikolinearitas.

PENULIS

: Yuni Masdayani Harahap, Faigiziduhi Bu’ulolo, Henry Rani Sitepu

TAHUN

: 2013

JUDUL

: Faktor-faktor yang mempengaruhi Permintaan Air Minum pada Perusahaan daerah Air Minum (PDAM) Tirtanadi Medan

PENERBIT

: Universitas Sumatera Utara, Medan

HALAMAN

: Volume 1, No 4

SITASI : Yuni Masdayani, dkk (2015) mengatakan bahwa Koefisien Determinasi dengan symbol 𝑅 2 digunakan sebagai informasi mengenai kecocokan suatu model. Nilai koefisien determinasi antara 0 sampai dengan 1. Dinamakan koefisien determinasi karena pada variasi yang terjadi dalam variabel tak bebas Y dapat dijelaskan oleh variabel bebas X dengan adanya regresi linier Y atas X. Besarnya harga koefisien determinasi adalah berkisar 0 ≤ 𝑅 2 ≤ 1 . Artinya 𝑅 2 mendekati 1 maka dapat dikatakan pengaruh variabel bebas terhadap variabel terikat adalah besar. Berarti model yang digunakan baik untuk menjelaskan pengaruh variabel tersebut.

PENULIS

: M. Syafruddin, Lukmanul Hakim, Dikpride Despa

TAHUN

: 2014

JUDUL

:Metode Regresi Linier untuk Prediksi Kebutuhan Energi Listrik Jangka Panjang (Studi Kasus Provinsi Lampung)

PENERBIT

: Universitas Lampung, Bandar Lampung

HALAMAN

: 66

SITASI : M. Syaifuddin, dkk (2014) mengatakan bahwa Regresi Non Linier adalah bentuk hubungan atau fungsi dimana variabel bebas X dan atau variabel tak bebas Y dapat berfungsi sebagai factor atau varibel dengan pangkat tertentu. Selain itu, variabel bebas X dan atau variabel tak bebas Y dapat berfungsi sebagai penyebut (fungsi pecahan), maupun variabel X dan atau variabel Y dapat berfungsi sebagai pangkat fungsi eksponen=fungsi perpangkatan. Regresi non linier dibedakan menjadi: 1. 2. 3. 4. 5.

Regresi Polinomial Regresi hiperbola Regresi Eksponensial Regresi Logaritmik Regresi Fungsi Geometri

PENULIS

: Sunanto

TAHUN

: 2016

JUDUL

:Pengaruh Penetapan Harga dan Kualitas Layanan terhadap Kepuasan Pelanggan pada Apotik Sunfarma Tangerang Selatan

PENERBIT

: Universitas Pamulang, Tangerang Selatan

HALAMAN

: 87

SITASI : Sunanto (2016) mengatakan bahwa Uji Reliabilitas merupakan indeks yang menunjukkan sejauh mana suatu alat ukur dapat dipercaya atau dapat diandalkan. Uji Reliabilitas dilakukan dengan menggunakan metode Alpha Cronbach, kriteria pengujian: Rac hitung ≤ table : variabel tidak reliable Rac hitung > table : variabel reliable