Template ini formatnya

JANGAN DIRUBAH. Bagian

yang HARUS/BOLEH
Nomor sub-bab JANGAN DIRUBAH (diganti) adalah:
menggunakan penomoran otomatis 1. Judul bab.
(Bullet and Numbering). Tulis secara 2. Sub-bab, dan
MANUAL saja. 3. Kalimat isi materinya.
BAB IV
ANALISA DAN PEMBAHASAN

4.1. Gambaran Umum Perusahaan

4.1.1. Sejarah Perusahaan

Silahkan diisi sendiri dengan bahasa kamu..., KERATIF YA?
Dokumen yang ditelaah hanya dokumen yang terkait dengan sistem
informasi gaji dan upah. Hal ini disebabkan adanya banyak dokumen yang
tidak terkait secara langsung dengan subyek yang diteliti.

4.1.2. Bidang Usaha

Silahkan diisi sendiri dengan bahasa kamu..., KERATIF YA?
Dokumen yang ditelaah hanya dokumen yang terkait dengan sistem
informasi gaji dan upah. Hal ini disebabkan adanya banyak dokumen yang
tidak terkait secara langsung dengan subyek yang diteliti.

4.1.3. Struktur Organisasi

Silahkan diisi sendiri dengan bahasa kamu..., KERATIF YA?
Dokumen yang ditelaah hanya dokumen yang terkait dengan sistem
informasi gaji dan upah. Hal ini disebabkan adanya banyak dokumen yang
tidak terkait secara langsung dengan subyek yang diteliti.

4.1.4. Kondisi Keuangan

Silahkan diisi sendiri dengan bahasa kamu..., KERATIF YA?
Dokumen yang ditelaah hanya dokumen yang terkait dengan sistem
informasi gaji dan upah. Hal ini disebabkan adanya banyak dokumen yang
tidak terkait secara langsung dengan subyek yang diteliti.

4.2. Analisa Deskripsi Data Perusahaan

Silahkan diisi sendiri dengan bahasa kamu..., KERATIF YA?
 Deskripsi data berguna untuk mendapatkan gambaran data tentang
variabel yang dijadikan sebagai obyek peneltian. Untuk mengetahui gambaran
nilai minimum, maksimum, angka rata-rata (mean) dan standard deviasi, dari
variabel penelitian bisa dilihat pada Tabel 4.1.

Tabel 4.1: Analisis Deskriptif Variabel Penelitian Tahun 2001 – 2004.

Variabel N Minimum Maximum Mean Std. Deviation
IPM 40 62,70 73,50 67,47 2,58
LPE 40 2,64 7,82 4,78 1,11
PPS 40 1.556,00 47.158,00 13.200,58 9.636,80
PPD 40 1.417,00 41.100,00 19.931,30 10.742,72
PMS 40 15.805,00 79.181,00 33.969,85 14.687,97
PMD 40 16.465,00 102.680,00 40.865,23 19.658,40
K IPM = Variabel Indeks Pembangunan Manusia (%)
et:
LPE = Variabel Laju pertumbuhan ekonomi (%)
PPS = Variabel pengeluaran pemerintah untuk sektor kesehatan per Kapita (Rp.).
PPD = Variabel pengeluaran pemerintah sektor pendidikan per Kapita (Rp.).
PMS = Variabel pengeluaran masyarakat untuk sektor kesehatan per Kapita (Rp.).
PMD = Variabel pengeluaran masyarakat sektor pendidikan per Kapita (Rp.).
Sumber: Data Diolah, Tahun 2001 dan 2004.

Pergerakan IPM pada ke-10 selama tahun 2001 sampai dengan 2004
cenderung mengalami peningkatan. Pada Gambar di atas terlihat IPM tertinggi
mencapai 69,9% hingga 73,5% dan IPM terendah terjadi pada tahun 2001, yaitu
hanya pada level 62,7% (lihat Lampiran 1a sampai dengan 1d).

4.3. Analisa Model Regresi

Silahkan diisi sendiri dengan bahasa kamu..., KERATIF YA?
Setelah dilakukan proses regresi dengan menggunakan data (lihat
Lampiran 8), hasil (output) dari proses regresi bisa dilihat pada Lampiran 9.
Keseluruhan output proses regresi ini menghasilkan model persamaan regresi
yang secara ringkas bisa disajikan sebagai berikut:
IPM = 60,819 + 0,170 LPE + 0,059 PPS + 0,023 PPD + 0,054 PMS
(0,506) (1,561) (0,603) (2,161)
 p = 0,616 p = 0,128 p = 0,550 p = 0,038

+ 0,068 PMD + e,
(3,601)
p = 0,001

R2 = 0,523 F = 7,464 DW = 1,444 p = 0,000

Di mana, IPM = Indeks Pembangunan Manusia.

LPE = Laju pertumbuhan ekonomi
PPS = Pengeluaran pemerintah sektor kesehatan per Kapita
PPD = Pengeluaran pemerintah sektor pendidikan per Kapita
PMS = Pengeluaran masyarakat sektor kesehatan per Kapita
PMD = Pengeluaran masyarakat sektor pendidikan per Kapita
e = Error term

Pada model persamaan regresi di atas terlihat koefisien regresi atau beta
pada semua variabel bertanda positif. Koefisien regresi dengan tanda “+” ini
menunjukan hubungan yang searah antara ke-5 variabel independen dengan
indeks pembangunan manusia (IPM).
Angka konstanta sebesar 60,819 memberikan makna bahwa jika tidak
terjadi pertumbuhan ekonomi (laju pertumbuhan 0%), kemudian PPS, PPD, PMS
dan PMD juga tidak ada, dengan asumsi ceteris paribus, maka IPM yang bisa
dicapai adalah sebesar 60,819.
Untuk variabel LPE terlihat memiliki koefisien regresi (β1) 0,170 dengan
arah positif. Hal ini berarti, jika laju pertumbuhan ekonomi LPE naik 1%, maka
IPM akan naik pula sebesar 0,0017 atau 0,17%. Sebaliknya, jika LPE turun 1%,
maka IPM juga akan turun sebesar 0,0017 atau 0,17%.

4.3.1. Koefisien Korelasi (R) Model Regresi IPM

Silahkan diisi sendiri dengan bahasa kamu..., KERATIF YA?
Pada hasil proses regresi diperoleh koefisien korelasi atau R = 0,723
(lihat Lampiran 9). Angka ini menunjukan adanya hubungan yang kuat
antara laju pertumbuhan ekonomi (LPE), pengeluaran pembangunan sektor
kesehatan oleh pemerintah (PPS) per Kapita, pengeluaran pembangunan
sektor pendidikan oleh pemerintah (PPD) per Kapita, pengeluaran
masyararakat untuk sektor kesehatan (PMS) per Kapita dan pengeluaran
masayarakat untuk sektor pendidikan (PMD) per Kapita secara bersama-
sama dengan indeks pembangunan manusia (IPM). Hubungan ke-5 variabel
independen dengan IPM ini dinyatakan kuat karena angka korelasi 72,3%
lebih besar dari 50%.

4.3.2. Koefisien Determinasi (R2) Model Regresi IPM

Silahkan diisi sendiri dengan bahasa kamu..., KERATIF YA?
Angka koefisien determinasi diperoleh dari koefisien korelasi, yaitu
R2 = 0,523 (lihat Lampiran 9). Dengan angka koefisien determinasi ini,
berarti variasi dari indeks pembangunan manusia 52,3% dapat dijelaskan
oleh keseluruhan variasi dari variabel LPE, PPS per Kapita, PPD per Kapita,
PMS per Kapita dan PMD per Kapita secara bersama-sama. Angka
koefisien determinasi ini sekaligus memberikan petunjuk bahwa 47,7%
angka IPM, dengan asumsi ceteris paribus, juga dipengaruhi oleh faktor
lain selain ke-5 variabel independen yang ada dalam persamaan regresi.

4.3.3. Uji Koefisien Regresi atau Uji t Model Regresi IPM

Silahkan diisi sendiri dengan bahasa kamu..., KERATIF YA?
Uji t merupakan uji signifikansi pengaruh masing-masing koefisien
regresi dari variabel independen terhadap variabel dependen. Dengan
demikian, melalui uji t akan diketahui bagaimana pengaruh variabel
independen LPE, PPS, PPD, PMS dan PMD secara parsial terhadap IPM.
Uji t digunakan untuk menguji hipotesa penelitian, yang ditempuh melalui
dua pendekatan, yaitu; pertama, membandingkan angka t hitung (t-stat)
dengan t tabel dan kedua, menggunakan ukuran angka p-value.

4.3.3.1. Uji t Koefisien Regresi LPE.

 Variabel indepeden yang pertama yang diuji adalah variabel
laju pertumbuhan ekonomi (LPE). Pengujian menggunakan hipotesis
sebagai berikut:
H0: β1 = 0 LPE tidak berpengaruh secara signifikan terhadap IPM.
H1a: β1 ≠ 0 LPE berpengaruh secara signifikan terhadap IPM.

Sebagaimana tel;ah diketahui koefisien regresi untuk LPE

adalah sebesar 0,170. Dari hasil proses regresi diperoleh t hitung
untuk angka koefisien regresi LPE sama dengan 0,506 dan angka p-
value (sig.) = 0,616 (lihat Lampiran 9, bagian coefficient, kolom sig.).
Sehingga hasil perbandingan antara t hitung dengan t tabel bisa dilihat
pada Tabel 4.2.

Tabel 4.2: Hasil Uji t Variabel Independen LPE.

Nama Selang t-tab t-hit p-value Keputusan
Variabel Kepercayaan
90% 1,691 Menerima H0
LPE 95% 2,032 0,506 0,616 Menerima H0
99% 2,728 Menerima H0
Sumber : Data Diolah, 2006.

Dari hasil perbandingan antara t tabel dengan t hitung terlihat

bahwa pada selang kepercayaan 90%, 95% dan 99% angka t hitung < t
tabel. Adapun jika menggunakan angka p-value, terlihat angka sig.
=0,616 (lihat lampiran 9, bagian coefficient, kolom sig.) jauh lebih
besar dari alpha (α) sebesar 10%, 5% maupun 1%.
Hasilnya dengan menggunakan kedua cara perbandingan
tersebut adalah konsisten untuk menerima Ho. Hal ini berarti
koefisien regresi LPE secara parsial ternyata memang tidak
mempunyai pengaruh signifikan terhadap variasi IPM
Kabupaten/Kota yang ada di Daerah/perusahaan X. Ketiadaan
pengaruh LPE terhadap IPM ini berlaku baik pada selang kepercayaan
90%, 95%, maupun 99%.

4.3.3.2. Uji t Koefisien Regresi PPS.

Variabel indepeden berikutnya yang diuji adalah variabel
pengeluaran pembangunan untuk sektor kesehatan (PPS) per Kapita.
Pernyataan hipotesis yang diuji adalah sebagai berikut:
H0: β2 = 0 PPS tidak berpengaruh secara signifikan terhadap IPM.
H1a: β2 ≠ 0 PPS berpengaruh secara signifikan terhadap IPM.

Koefisien regresi untuk PPS per Kapita dari model persamaan

regresi adalah sebesar 0,059. Untuk melakukan uji t terlihat t hitung
koefisien regresi PPS per Kapita = 1,561 dan angka p-value = 0,128
(lihat lampiran 9, bagian coefficient, kolom sig.). Hasil perbandingan
kedua cara tersebut bisa dilihat melalui Tabel berikut ini:

Tabel 4.3: Hasil Uji t Variabel Independen PPS.

Nama Selang t-tab t-hit p-value Keputusan
Variabel Kepercayaan
90% 1,691 Menerima H0
PPS 95% 2,032 1,561 0,128 Menerima H0
99% 2,728 Menerima H0
Sumber : Data Diolah, 2006.

Dari hasil perbandingan terlihat bahwa t hitung < t tabel pada

selang kepercayaan 90%, 95%, maupun 99%. Hal ini memberikan
petunjuk untuk menerima H0. Adapun jika menggunakan angka p-
value, terlihat angka sig. =0,128 (lihat lampiran 9, bagian coefficient,
kolom sig.). Angka ini jauh lebih tinggi dari alpha 10%, 5%, dan 1%
sekalipun, sehingga dapat diputuskan untuk menerima H0.
Terlihat kedua cara perbandingan menghasilkan kesimpulan
yang sama. Dengan demikian dapat dinyatakan bahwa pada selang
 kepercayaan 99%, 90% dan 95%, PPS per Kapita memang tidak
berpengaruh signifikan terhadap variasi IPM. Hal ini berarti secara
parsial PPS per Kapita tidak memiliki pengaruh yang nyata terhadap
IPM di Kabupaten/Kota yang ada di Daerah/perusahaan X.

4.3.3.3. Uji t Koefisien Regresi PPD (DAN SETERUSNYA...)

Terlihat kedua cara perbandingan menghasilkan kesimpulan
yang sama. Dengan demikian dapat dinyatakan bahwa pada selang
kepercayaan 99%, 90% dan 95%, PPS per Kapita memang tidak
berpengaruh signifikan terhadap variasi IPM.

4.3.4. Uji ANOVA atau Uji F Model Regresi IPM

Silahkan diisi sendiri dengan bahasa kamu..., KERATIF YA?
Berbeda dengan uji t yang melakukan pengujian pengaruh dari
masing-masing variabel terhadap kemampuan penerimaan pajak
secara parsial, pada uji F ini berguna untuk melihat pengaruh variabel
LPE per Kapita, PPS per Kapita, PPD per Kapita, PMS per Kapita dan
PMD per Kapita secara bersama-sama (secara serempak) terhadap
variasi indeks pembangunan manusia (IPM) Kabupaten/Kota di
Daerah/perusahaan X.
Sehingga, ANOVA ini secara lebih spesifik digunakan untuk
menguji hipotesa:
H0: β1.. β5 = 0 LPE, PPS, PPD, PMS dan PMD per Kapita secara
bersama-sama tidak berpengaruh secara signifikan
terhadap IPM.
H2: β1.. β5 ≠ 0 LPE, PPS, PPD, PMS dan PMD per Kapita secara
bersama-sama berpengaruh secara signifikan terhadap
IPM.

Uji F dilakukan dengan cara membandingkan angka F hitung

dengan F tabel. Sebagai pedoman, jika F hitung > F tabel maka dapat
diputuskan untuk menolak H0. Bisa juga dilakukan dengan cara
membandingkan angka sig. dengan α. Jika sig. < α, maka bisa diambil
keputusan untuk menolak H0. Keputusan ini berarti seluruh variabel
independen secara bersama-sama memiliki pengaruh yang signifikan
terhadap variabel dependen. Begitu pula sebaliknya, jika F hitung < F
tabel atau sig. > α, maka bisa diambil kesimpulan bahwa variabel
independen secara bersama-sama tidak memiliki pengaruh yang
signifikan terhadap variabel dependen.
F tabel pada selang kepercayaan 90%, 95% dan 99% atau
tingkat signifikansi α = 10%, α = 5%, dan α = 1%, k = 5, n = 40.
Beradasarkan hal tersebut maka angka F tabel dengan derajat bebas
(df) numerator = 4 dan denominator = [40 – (5+1)] = 34
menghasilkan angka tabel F(0,10)(5)(34) = 2,02, F(0,05)(5)(34) = 2,49 dan
F(0,01)(5)(34) = 3,61.
Cara pertama, Dari hasil output SPSS (lihat Lampiran 9,
bagian ANOVA, kolom F) diperoleh angka F hitung = 7,464. Hasil
perbandingan F hitung dengan F tabel menunjukan hasil F hitung > F
Tabel, baik pada selang kepercayaan 90%, 95% maupun 99%.
Sehingga dapat diputuskan untuk menolak H0. Cara kedua adalah
dengan menggunakan angka p-value terlihat angka sig. = 0,000 (lihat
Lampiran 9, bagian ANOVA, kolom sig.). Dengan sig. yang jauh lebih
kecil dari α = 10%, α = 5%, dan bahkan α = 1% tersebut, maka dapat
diambil keputusan untuk menolak H0.
Terlihat hasil pengambilan keputusan antara cara pertama dan
kedua sangat konsisten. Sehingga dengan ditolaknya H0, maka dapat
dinyatakan bahwa variabel LPE per Kapita, PPS per Kapita, PPD per
Kapita, PMS per Kapita dan PMD per Kapita secara bersama-sama
memang berpengaruh signifikan terhadap IPM Kabupaten/Kota di
Daerah/perusahaan X.
4.4. Uji Asumsi Klasik Model Regresi IPM
Berdasarkan penjelasan di atas, maka pada bagian akan dilakukan
pengujian apakah asumsi klasik telah terpenuhi atau belum dari model persamaan
regresi IPM. Adapun pengujian yang dilakukan adalah meliputi uji
multikolinearitas, uji heteroskedastisitas atau homo-skedastisitas, uji autokorelasi
dan uji normalitas.

4.4.1. Uji Multikolinearitas Model IPM

Silahkan di isi sendiri
Frisch (1970) dalam Gujarati (1978) mengemukakan bahwa
multikolinieritas berarti adanya hubungan linier yang sempurna atau pasti di
antara beberapa atau semua variabel yang menjelaskan dari model regresi.

4.4.2. Uji Heteroskedastisitas Model IPM

Silahkan di isi sendiri
Frisch (1970) dalam Gujarati (1978) mengemukakan bahwa
multikolinieritas berarti adanya hubungan linier yang sempurna atau pasti di
antara beberapa atau semua variabel yang menjelaskan dari model regresi.

4.4.3. Uji Autokorelasi Model IPM

Silahkan di isi sendiri
Frisch (1970) dalam Gujarati (1978) mengemukakan bahwa
multikolinieritas berarti adanya hubungan linier yang sempurna atau pasti di
antara beberapa atau semua variabel yang menjelaskan dari model regresi.

4.4.3. Uji Autokorelasi Model IPM

Silahkan di isi sendiri
Frisch (1970) dalam Gujarati (1978) mengemukakan bahwa
multikolinieritas berarti adanya hubungan linier yang sempurna atau pasti di
antara beberapa atau semua variabel yang menjelaskan dari model regresi.