P. 1
SPSS

SPSS

|Views: 2,680|Likes:
Published by Rif Doank

More info:

Published by: Rif Doank on Feb 21, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

08/15/2013

pdf

text

original

PROGRAM PENGOLAH DATA STATISTIK “SPSS”

I. MENGENAL SPSS
A. MENU UTAMA Beberapa menu utama yang penting dalam SPSS adalah sebagai berikut: • • • • • File; berisi fasilitas pengelolaan atau manajemen data dan file Transform; digunakan untuk memanipulasi data Analyze; digunakan untuk menganalisis data Graph; digunakan untuk memvisualkan data Utilities; digunakan berkaitan dengan utilitas dalam SPSS 10.0.

Menu-menu tersebut bisa anda lihat pada gambar berikut :

B. FORMAT DATA & OUTPUT Data dalam SPSS mempunyai ekstensi sav ( .sav). Sedangkan output dari hasil pengolahan data yang dilakukan oleh SPSS berekstensi spo (.spo). C. JENIS-JENIS VARIABEL (TIPE DATA) 1. Variabel Numerik. Variabel ini untuk data-data numerik baik yang memakai desimal maupun tidak. Cantohnya umur, berat badan. 2. Variabel Faktor. Variabel ini berisi data-data kategorik atau faktor, bisa berupa numerik, huruf, atau string (beberapa huruf) Contohnya 1,2,3 atau rendah, sedang, tinggi, atau A,B,C. 3. Variabel String. Variabel ini untuk data-data String atau Character. Contohnya Nama, Alamat, A.B,C. Biasanya tidak bisa diolah secara statistics.

-----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 1

Pendefinisian Variabel Jika anda bekerja pada Software SPSS maka anda pertama-tama harus mempunyai data yang berada dalam sususan tabel. Cara pemasukan data dilakukan dengan cara sebagai berikut : 1. Aktifkan Variable View. 2. Isikan nama variabel pada kolom Name seperti tampilan pada gambar di bawah ini :

3. Atur kolom Type sesuai kebutuhan dengan mengklik pada sel yang sudah ada nama variabelnya, pilihlah tipe data yang sesuai :

4. Klik tombol OK untuk melanjutkan, atau Cancel kalau ingin membatalkan. 5. Setelah pendefinisian dilakukan maka pengisian data dapat dilakukan dengan mengaktifkan terlebih dahulu Data View seperti pada gambar berikut :

Selanjutnya isikan datanya sesuai dengan kreasi anda. Simpan data anda dengan nama Dataku.sav.
-----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 2

Langkah yang dilakukan : • Pilih menu Analyze. kemudian pilih Descriptive Statistics. selanjutnya pilih Descriptives. Contoh kasusnya : ingin diketahui deskripsi dari variabel GAJI pada data Karyawan. Standar deviasi.. misalnya rataratanya (mean). Sesuaikan tipe data yang digunakan.. simpan data anda dengan nama TGSData. dsb.TUGAS : Buatlah tabel yang berisi data sebagai berikut : padi_a 3504 3652 3718 4189 3255 4312 3812 3817 3718 4157 padi_b 3090 3019 4190 4283 3421 3476 3823 4291 2389 4146 padi_c 4615 4251 4387 4498 4256 4512 4168 3719 4232 4253 padi_d 2833 2871 2984 2418 2623 3167 2854 3910 3414 3619 Atur lebar kolom sesuai dengan kebutuhan dan kreasi anda. II. DESKRIPTIF DATA Deskriptive data ini digunakan untuk menggambarkan (mendeskripsikan) suatu data. (tampilan menu bisa anda lihat pada gambar 14 berikut : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 3 .sav di folder anda. Setelah selesai. Varians.

VISUALISASI GRAFIK Selain berbentuk tabel maupun penjelasan yang lain. Garfik ada bermacam-macam. Sebagai contoh. pilih menu Graphs. isikan variabel Gaji seperti pada gambar berikut : • Option atau pilihan untuk pengerjaan deskripsi data.• Pada kotak Variable(s). laporan mengenai suatu data bisa juga ditampilkan dengan menggunakan grafik (berbentuk visual). akan dibuat histogram tentang Gaji karyawan (file yang digunakan : Karyawan) sebagai berikut : • Dari menu utama SPSS. Simpan hasil output anda ini dengan Descript. Histogram seperti tampak pada gambar berikut: -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 4 . misalnya : histogram.spo. tekan OK. dll. pie. yaitu grafik batang distribusi data yang dikelompokkan menurut intervalinterval tertentu. III. Setelah selesai semua pengisian. dan perhatikan hasilnya. Pengisian kotak Option tergantung dari kebutuhan akan deskripsi data yang akan ditampilkan. line. Dalam contoh kasus deskripsi data ini akan diberikan grafik dalam bentuk histogram.

isikan bagian Footnote.• Pada kotak dialog. Jika anda masih ingin menambah Subtitle. seperti pada gambar berikut : • Berikan judul histogram dengan mengaktifkan bagian Titles seperti berikut ini : Isikan judulnya sesuai kebutuhan. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 5 . isikan variable Gaji sesuai dengan kasus. sedangkan Line 2 : Gaji Karyawan. untuk proses berikutnya. aktifkan pilihan Display normal curve. Untuk menampilkan kurva normalnya. • Selanjutnya tekan Continue. sesuai keinginan anda. misalnya pada Line 1 : HISTOGRAM.

atau kita melakukan transformasi Z = v1 − mean(v1) terhadap suatu data yang kemudian dikenal dengan transformasi normal standart. HISTOGRAM Gaji Karyawan 16 14 12 10 8 6 4 2 0 Std.• Setelah selesai anda melakukan pengisian. Misalnya Bar.0 0 20 0 0. Transformasi adalah proses merubah variabel melalui fungsi matematika.0 0 85 .0 0 95 0 0. PENGHITUNGAN DATA MENGGUNAKAN RUMUS Compute.0 0 40 . Simpan output anda ini dengan nama TGSGRAPH.0 0 50 0 0. Dev = 209. Area. Misalkan kita mengambil logaritma dari suatu variabel (data). buka file Anxiety 2 yang ada di folder SPSS.spo. kemudian Compute.s tan(v1) lain sebagainya. kemudian lakukan langkah berikut : • Pilih menu Transform. 90 .0 0 10 Gaji Karyawan • Simpan output anda dengan nama HISTOGR.00 . Line.0 0 55 . IV.0 0 70 0 0. Sebagai latihan.0 0 30 .3 N = 75.0 50 10 .0 00 10 .0 0 60 . 15 . tekan OK untuk melihat hasilnya.spo.0 0 35 . dan dev. Pie. 45 .0 0 80 .0 0 75 .0 0 25 . Dialog box perintahnya dapat anda lihat pada gambar berikut : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 6 . (Bandingkan hasil yang anda peroleh dengan hasil di bawah ini !). TUGAS : Buatlah grafik dalam bentuk yang lain untuk Gaji Karyawan tersebut. 65 .80 Mean = 520.

Prinsip itulah yang digunakan dalam SPSS. Ini harus diisi. dev. V. Tentu saja anda masih ingat dengan p-value yaitu nilai α terkecil yang masih menolak H0. Analisalah hasil yang telah anda dapatkan. tetapi boleh juga tidak menggunakan variabel asal. INFERENSI TENTANG RATA-RATA Ilmu statistik berkembang dengan cepatnya. Contoh : ingin diuji apakah rata-rata angka harapan hidup penduduk wanita pada file World95 di -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 7 . Modus. baik fungsi matematika. Simpan hasil kerja anda dengan nama Compute.(trial1). Orang sekarang tidak hanya menggunakan statistik untuk melihat rata-rata. Walaupun dalam ouput SPSS tidak ada. UJI RATA-RATA POPULASI NORMAL Untuk uji rata-rata 1 populasi SPSS hanya melengkapi dengan uji t ( 1 populasi normal). anda bisa juga melihat Statistik Tabel melalui fasilitas compute dan memanfaatkan function IDF (Invers Distribution Function) beberapa distribusi yang anda kehendaki. misalkan umur > 16 tahun saja yang kita compute dengan rumus tertentu. Langkah seperti itu tidak familiar dalam SPSS. A. SPSS menyediakan fungsi-fungsi yang digunakan untuk transformasi. Dalam contoh latihan.Keterangan : Target Variable Type&Label Numeric Expression Function Merupakan variabel tujuan dari proses transformasi kita. trigonometri. B. Nilai rata-rata dan standar deviasinya bisa anda cari lewat menu descriptive. Anda bisa mengadopsinya atau mengetikkannya sendiri. Pada gambar di atas dapat anda lihat bahwa kita ingin membuat variabel baru dengan transformasi variabel (trial1 – rata-rata(trial1))/standar dev. H0 akan kita tolak jika nilai sig < α. Data diambil dari file World95. Sehingga berkembanglah statistik inferensi yaitu statistika pengambilan keputusan. If di sini lebih mengarah pada syarat atau kondisi data mana yang akan kita compute. maupun statistika. atau Rentang dari data. dan lain sebagainya. Contoh If Tugas : Cobalah anda cari dan buat variabel : 1. Rata-rata expectasi wanita dan laki-laki (beri nama variabel rerata).sav. 2. isikan dengan ”baru” Type dan Label (keterangan) dari Target Variable Merupakan fungsi atau persamaan transformasi yang melibatkan variabel asal. Dalam SPSS nilai p-value ini dikenal dengan istilah signifikan yang sering disingkat dengan sig. akan tetapi berkembang menjadi pengambilan keputusan untuk mendukung manajemen. Standar. Selisih expectasi laki-laki dan wanita (beri nama variabel Selisih). PENGANTAR PENGAMBILAN KEPUTUSAN Di teori statistika dalam menentukan H0 ditolak atau diterima anda selalu membandingkan antara statistik hitung dengan statistik tabel.

Tampilan menu seperti pada gambar berikut : • • • Masukkan variable Lifeexpf pada kotak Test Variable(s) dan angka 72.spo. Klik tombol OK untuk melihat outputnya. Karena thit bernilai negatif maka jelas kita yakin rata-rata angka harapan hidup -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 8 .5 tahun.5 th VS H1 : µ ≠ 72. Simpan file output anda ini dengan nama OneSampT.5 th. α = 5% Statistik hitung t = ⎛x−µ⎞ ⎟ n⎜ ⎜ s ⎟ ∼ tn-1 ⎝ ⎠ Langkah-langkah dalam SPSS : • Buka file World95 • Pilih menu Analyze. dan One Sample T-Test. Analisa output: Secara lengkap ditampilkan nilai rata-rata sampel. Langkah-langkah Uji hipotesisnya sbb: H0 : µ = 72.dunia = 72. maka seringkali angka statistik hitung yang diperoleh dengan hitungan manual dan output komputer tidak sama dan hal tersebut dapat menghasilkan kesimpulan yang berbeda. Standar deviasi sampel. Anda dapat mengecek apakah nilai Statistik hitungnya benar. Karena komputer dalam rnelakukan penghitungannya memakai pembulatan. Dengan melihat output di atas maka dapat kita ambil kesimpulan bahwa H0 kita tolak yaitu kita lihat nilai Sig < α .5 pada Test Value (sesuai dengan angka yang akan kita test). kemudian Compare Means.

dan Independent Samples T Test. Isikan sesuai yang ada pada gambar di bawah ini : Untuk kolom Options. Perhatikan output yang diberikan. apakah kedua grup tersebut mempunyai rata-rata yang sama. atau signifikansi yang dihasilkan. UJI RATA-RATA 2 POPULASI INDEPENDENT Uji ini bertujuan untuk membandingkan rata-rata dari dua grup yang tidak berhubungan satu dengan yang lain. tekan OK..spo. biarkan tingkat kepercayaan 95%. Grouping Variable adalah variabel bertipe kualitatif. kemudian Compare Means. Dapat anda lihat bahwa nilai IK berjalan pada lnterval negatif yang berarti bahwa rata-rata angka harapan hidup wanita < 72. tentukan analisanya. Disamping ditampilkan Inferensi melalui Uji Hipotesis juga ditampilkan Interval Konfidensi.5 secara signifikan. Analisalah dengan membandingkan t hitung. Latihan: Uji apakah rata-rata angka harapan hidup penduduk pria pada file World95 di dunia = 65 tahun. Setelah selesai pengisian semua. Tampilan menu bisa anda lihat pada gambar berikut : Pada kotak Test Variable(s) isikan susu. Contoh : Pada file ROTI SALES ingin diuji apakah ada perbedaan prestasi penjualan ROTI SUSU berdasarkan Tingkat Pendidikan Salesman ?.wanita < 72.langkah uji hipotesisnya dapat dilakukan sbb : Langkah-langkah dalam SPSS : Pilih menu Analyze. simpan file output anda dengan nama TGS1SAMP. Kemudian variabel tersebut harus didefinisikan. C. maka sesuai kasus isikan salesman. apakah tingkat pendidikan sarjana prestasinya sama dengan salesman dengan tingkat pendidikan akademik dalam hal penjualan roti susu. Setelah anda melakukan pengujian.5 tahun dengan keyakinan 95%. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 9 . ataukah tidak secara signifikan. Simpan file output anda ini dengan nama IndSampT.spo.. Langkah . Klik pada Define Group.

spo. Analisalah output yang diberikan berdasarkan teori statistik yang anda peroleh dari kuliah “Satistika”. Yayasan Lembaga Konsumen Indonesia mengadakan penelitian terhadap masalah ini dan diperoleh data primer sebagai berikut : Wanita Sebelum Sesudah 1 78 72 2 77 73 3 73 69 4 65 61 5 59 53 6 53 49 7 61 55 8 62 56 9 62 57 10 60 53 11 61 54 Lakukan uji hipotesa 1 sisi dengan alpha 5%. Catatan : Karena dalam SPSS uji berpasangannya untuk perbedaan nol maka anda harus menambah berat sesudah dengan 5 atau mengurangi berat sebelum dengan 5. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 10 . Simpan file output anda ini dengan nama PairSamT. Karena kedua variabel yang akan ditest sifatnya berpasangan. kemudian Compare Means. Setelah selesai semua pengisian. TUGAS : Sebuah perusahaan obat-obatan mengiklankan bahwa obat pelangsing ABC mampu menurunkan berat badan orang yang meminumnya sampai 5 kg jika diminum secara teratur dalam waktu 3 minggu. caranya berbeda dengan yang terdahulu. Langkah dalam SPSS : Buka file World95 Pilih menu Analyze. maka kedua variabel tersebut dimasukkan ke kotak Paired Variable(s) secara bersamaan. UJI RATA-RATA 2 POPULASI DEPENDENT SPSS juga dilengkapi dengan uji t (student-t) untuk 2 populasi normal sample dependent atau sample berpasangan. dan Paired-Samples T Test. Kasus : Ingin diuji apakah rata-rata angka harapan hidup penduduk wanita di dunia = angka harapan hidup penduduk pria dengan anggapan bahwa angka harapan hidup penduduk keduanya saling bergantung. Tampilan menu bisa anda lihat pada gambar berikut : Untuk pengisian variabel ke kotak Paired Variable(s). Simpan file output anda ini dengan nama TGSPairT. Sorot kedua variabel tersebut (lifeexpf dan lifeexpm) kemudian klik mata panah ke kanan (seperti pada gambar 33). tekan OK untuk melihat hasilnya.D. Langkah-langkah uji hipotesismya sbb : File data yang digunakan : file World95. Hal ini cukup beralasan karena angka harapan hidup keduanya banyak ditentukan oleh faktor-faktor yang berdekatan.spo.

H0 : µ1 = µ2 = … = µk VS H1 : minimal 2 mean tidak sama. dan One Way Anova. N-k MSE Dimana MST = Mean Square of Treatment MSE = Mean Square of Error Pada anava jika H0 ditolak maka kita masih mempunyai pekerjaan untuk menentukan mean-mean mana saja yang berbeda. Untuk itu kita lakukan dengan MCA (Multiple Comparison Analysis) atau Analisis Pembandingan Ganda.VI. Kasus : kita ingin menguji apakah angka harapan hidup untuk ke 6 region sama. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 11 . Klik tombol OK untuk melihat outputnya. Tampilan menu seperti pada gambar berikut : • • Masukkan variable Lifeexpf pada kotak Dependent List (sebagai variabel bergantung). Langkah dalam SPSS : Langkah-langkah dalam SPSS : • Buka file World95 • Pilih menu Analyze. ANALISIS VARIANSI 1 ARAH Anava 1 arah merupakan perluasan dari uji rata-rata. kemudian Compare Means. dan variabel regi sebagai Factor. Statistik Hitung Fhit = MST ∼ Fk-1. k > 2. Maka dipunyai data harapan hidup sebagai variable dependent dan region (daerah) sebagai variable factor. Di anava 1 arah kita ingin menguji kesamaan k rata-rata.

59 2.000 -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 12 .27 Latn -4.16 America Africa OECD -25.68 4.41 21.076 .09 Middle East 8.000 .59 2.21 Sig.10 2.51 2.000 .67 -8.62 3. Untuk melihat mean mana saja yang berbeda kita harus melakukan Analisis Pembandingan ganda (Multiple Comparison analysis).32 8.33 2.16 East Europe -8.000 .12 -. langkah yang harus anda lakukan adalah sama dengan One Way Anova.14 8.32 -.Error J) (I) Region or (J) Region or economic economic group group OECD East Europe 4. 95% Confidence Interval Lower Bound -.000 .38 .28 America Pacific/Asia OECD -12.78 12.68 2.86 17.68 2.43 13.000 .70 Upper Bound 8.35 9.12 -8.15 2.68 -17.53 -21.24 2.83 2.41 2.77 -12.74 2.53 . dan tentukan metode yang akan anda gunakan.000 .18 2.29 -16.000 . Analisa output : Dapat anda simpulkan bahwa pada tingkat α=5% kita peroleh nilai Fhit yang Signifikan yang berarti bahwa Ho ditolak atau ada minimal dua rata-rata yang berbeda.066 .63 -29.000 .000 .09 East Europe -21.04 America East Europe OECD -4. Post Hoc Test Multiple Comparisons Dependent Variable: Average female life expectancy LSD Mean Std.• Simpan file output anda ini dengan nama OneWay.32 -7.15 2.23 4.39 Africa 21.95 .62 16. hanya saja pada tampilan menu One Way Anova. Difference (I.25E-02 -21.046 .21 Middle East -4.76 -8.16 Africa 25.43 8.33 2.000 .35 2.067 . Untuk keseragaman. pilih metode LSD (metode Spearman).16 Latn 8.10 2. anda klik Post Hoc.98 -26.33 Middle East 4.86 17.77 -8.000 .068 .28 Pacific/Asia 8. Setelah selesai.29 -8.96 29.21 Middle East -17.39 Latn 4.74 2.35 -17.83 2.28 Pacific/Asia 12.41 -3.39 Africa 13.33 Pacific/Asia -13. Untuk melakukan MCA.076 .98 12.96 -13.32 26. lanjutkan dengan proses berikutnya.000 .spo.

14 -.67 21. ini menunjukkan mean data yang menunjukkan perbedaan di antara region-regionnya.spo. Tujuan multivariat anova adalah untuk menguji kesamaan vektor dari rata-rata variabel dependent pada berbagai grup.65 -12. apakah rata-rata penjualan kelima jenis roti sama ataukah berbeda? Simpan hasil pekerjaan anda dengan nama TGS1Way. analisalah.05 level. Kasus : Manajer PT.50 2.51 2. pilih Analyze.33 2.39 Pacific/Asia 4.32 8.Latn -17.65 4.10 -13.45 Setelah outputnya diberikan. perhatikan bagian yang bertanda bintang.10 -4.16 America Latn America OECD -8.000 . Sehingga untuk setiap pertemuan perlakuan antara dua faktor itu akan kita peroleh sel atau sel kombinasi kategori. VII.29 .23 . Tampak di layar tampilan menu sebagai berikut : General Linier Model. .09 America Middle East OECD -8. ANALISIS VARIANSI N ARAH (MULTIVARIAT) Analisis variansi dapat diperluas dengan melibatkan dua atau lebih faktor (variabel) pada respon Numerik. Untuk setiap variabelnya terdapat sejumlah kategori (tingkat) perlakuan.35 -4.046 .068 .78 -9.28 Pacific/Asia 4.18 2.000 .04 East Europe -4.000 .35 2.76 7.45 -12.27 Africa 17. Simpan hasil output anda ini dengan nama MCA.936 .38 -8.32 12.63 21.16 Africa 17.33 2..21 Latn -.936 -21. TUGAS : • Gunakan file data ROTI SALES2.000 .16 East Europe -4.066 .000 . • Cobalah uji.70 4.spo.25E-02 13.35 -4.067 .09 Middle East .24 2.41 2. kemudian Multivariate. Jika ukuran sampel tiap sel sama maka desainnya dinamakan Experiment Factorial.50 2.17 2. kemudian -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 13 .. Ada banyak macam desain tetapi yang akan kita bahas adalah desain dasar.17 2. DUTA MAKMUR ingin mengetahui apakah Daerah penjualan roti produknya mempunyai pengaruh yang signifikan terhadap persepsi konsumen dalam menilai produk roti dan besar penjualan setiap daerah? Data yang digunakan : ROTI SALES2 Langkah dalam SPSS : Buka data ROTI SALES2 Dari menu utama SPSS.16 * The mean difference is significant at the .29 8.95 -4..

Perhatikan hasil output yang diberikan ! Simpan output anda dengan nama Multivar. maka terlihat bahwa nilai probabilitasnya adalah 0. Karena probabilitas > 0. Dasar pengambilan keputusan : Jika probabilitas > 0. 2. Hipotesis untuk kasus ini adalah Ho : tiga sampel rata-rata vektor sampel dari skor rata-rata adalah identik. vs H1 : tiga sampel rata-rata vektor sampel dari skor rata-rata adalah berbeda.000. yaitu : 1.) Alat analisis yang digunakan : Pillai Trace. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 14 . maka H0 diterima. Abaikan pilihan yang lain. namun secara keseluruhan (gabungan) bisa dikatakan H0 diterima. a.Isikan tr_sales dan persepsi pada kotak dialog Dependent Variable. dan F test. Untuk kotak Option. maka H0 ditolak... Analisis output : Output untuk uji varians. Hipotesis : H0 : Ketiga varians populasi adalah identik. Isikan variabel daerah pada kotak Fixed Factor. atau kedua varians populasi adalah sama. Hotelling Trace.spo. pilih Homogeneity tests (yaitu untuk menguji varians populasi dependent variabel).05.05 maka Ho diterima. kemudian tekan Continue jika telah selesai mengisikan. b. Dengan menggunakan hipotesa H0 bahwa matrik varians / kovarians dari veriabel dependent pada grup-grup adalah sama.747.. Kemudian tekan OK untuk melihat hasilnya. Walaupun satu variabel nilai probabilitasnya di atas 0. (berbeda dengan sebelumnya yang menggunakan varians. dan proses MANOVA bisa diteruskan.079 dan 0. Varians tiap-tiap variabel dependent. Alat analisis : Levene Test. Jika probabilitas < 0. H1 : Ketiga varians populasi adalah tidak identik. Keputusan : terlihat bahwa nilai probabilitas Levene Test adalah 0. Uji varians populasi secara keseluruhan (overall equivalence).05. Roy’s. Output Multivariate (MANOVA) test. Pengambilan keputusan. Uji varians pad MANOVA dilakukan dua tahap. Wilk Lambda.05. dan dengan menggunakan alat analisis Box’s M. maka sekarang digunakan vector of mean.

Jawa Barat. dan X. bisa jadi konsumen Jakarta mempunyai persepsi yang bagus terhadap roti produksi PT DUTA MAKMUR dan tentunya berpengaruh pada bagusnya tingkat penjualan di daerah tersebut. Di sini akan dibahas beberapa pencocokan saja. Dari data lapangan diperoleh data untuk jenis kelamin laki-laki (1) dan perempuan (2) serta jabatan tingkat manajerial (1) dan karyawan biasa (2) sebagai berikut : Jk Jab Cemas 1 1 1 1 1 1 2 2 2 2 2 2 1 1 1 2 2 2 1 1 1 2 2 2 18 19 14 16 12 18 16 18 16 19 16 16 Dari hasil output yang diberikan. bagaimanakah kesimpulan yang bisa diambil? Adakah interaksi antara Jk dan Jabatan dalam hal tingkat kecemasan? kemudian simpan output anda dengan nama TGSMulti. Sedangkan konsumen Jawa Tengah mungkin masih mempunyai persepsi yang kurang terhadap roti tersebut yang juga mempengaruhi penjualan di daerah tersebut. Implikasi praktisnya.000 atau jauh di bawah 0. kuadratik. Manajer PT DUTA MAKMUR harus memperhatikan perilaku konsumen di tiap daerah dan mungkin melakuan pendekatan yang berbeda untuk setiap daerah. exponensial.spo. lakukan analisis. Analisis ini merupakan analisis dua variable (dependent dengan independent) Y. Contoh praktisnya. Analisis ini secara mudah dapat kita artikan sebagai analisis pencocokan kurva pada suatu fungsi tertentu seperti linier. Hal ini berarti Ho ditolak atau Daerah Penjualan mempunyai dampak pada persepsi konsumen dan sales (penjualan) roti untuk tiap daerah. Bisa juga disimpulkan kombinasi variabel Persepsi Konsumen dan Sales Roti. ANALISA REGRESI LINIER SEDERHANA Yang dimaksud dengan analisis regresi linier sederhana (univariat) adalah analisis regresi linier dengan jumlah variabel pengaruhnya hanya satu. VIII. parabolik dan sebagainya. jika data tersebut mengikuti pola linier maka akan kita dekati dengan jenis regresi ini. TUGAS : Sebuah perusahaan ingin melihat tentang rata-rata tingkat kecemasan karyawannya.Terlihat pada semua angka signifikan untuk keempat test dan angka F Test pada bagian dua (effect daerah). mempunyai angka (hasil) yang berbeda untuk tiap daerah penjualan (Jakarta.05. yang akan dibawa ke suatu fungsi tertentu. menunjukkan angka 0. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 15 . ANALISIS REGRESI Salah satu metode pengolahan data yang populer adalah analisis regresi. dan Jawa Tengah). Dalam membuat regresi parametrik ini langkah pertama yang paling ideal adalah membuat plotting data antara variable dependent dan variable independent (pengaruh) untuk melihat kecenderungan pola data asli.

05 (95%) seperti pada gambar di bawah ini : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 16 . maka langkah berikutnya adalah melakukan analisis regresi. kemudian Curve Estimation (untuk memperkirakan bentuk hubungan antara kedua variable). kemudian Linier. masukkan tingkat kepercayaan sebesar 0. Karena dari kurva yang didapatkan cenderung berbentuk linier. Regression. Regression.• • Model populasi Yi = β0 + β1Xi + εi ˆ Model Estimasi Yi = b0 + b1Xi Sebagai contoh : kita ingin melihat apakah ada hubungan linier antara gaji yang diterima saat pertama kali bekerja (salbeg) dengan gaji yang diterima sekarang (salary) pada file “employee” (cuplikan data seperti yang anda lihat di bawah ini ): Langkah dalam SPSS : • • Pada menu utama SPSS. yaitu dengan memilih menu Analyze. Tampilan menu seperti pada gambar di bawah ini : • • Sesuai dengan kasusnya. Pada pilihan Option. dan variable salbeg pada kotak independent(s). maka isikan variable salary pada kotak dependent. pilih menu Analyze.

klik OK untuk melihat hasilnya. • Tanda . -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 17 .909.909Xi Dengan hasil yang sangat signifikan. Dari hasl output yang diberikan.berarti variable X berpengaruh secara berlawanan terhadap Y. sedangkan factor Beginning Salary memberikan angka 1. terlihat bahwa bagian konstanta dari persamaan regresi memberikan angka 1928. Untuk kenaikan 1 satuan dari variable X maka nilai Y akan turun sebesar b1.206. Hal ini berarti persamaan linier yang diperoleh adalah : Yi = 1928. Untuk kenaikan 1 satuan dari variable X akan menaikkan nilai Y sebesar b1.206 + 1.spo. • Tanda + berarti variable X berpengaruh secara positif terhadap Y. • Simpan hasil output anda dengan nama Regresi.• Setelah selesai melakukan pengisian. Catatan : memperhatikan tanda b1 dan mengartikannya adalah langkah yang penting dalam analisis regresi linier.

Yang dimaksud dengan ganda di sini adalah bahwa jumlah variable independent lebih dari satu (ganda). Regression. kemudian Linier. sedangkan pada kotak Independent(s) anda masukkan variable lifeexpm dan literacy (karena variable pengaruhnya ada dua macam). • Klik OK jika selesai mengisikan variable-variabelnya. (file yang digunakan adalah World95). Hasil output bias anda lihat pada gambar di bawah ini : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 18 . Tampilan menu sama dengan menu analisa regresi linier sederhana.sav. TUGAS : Dipunyai data tentang biaya iklan dan hasil penjualan seperti berikut : Biaya iklan 5000000 4500000 3000000 4500000 2000000 Penjualan 25000000 27500000 21000000 24500000 20000000 Carilah persamaan regresi liniernya dan jika kita mengeluarkan biaya iklan sebesar 7 juta. Dalam analisis regresi disamping ditampilkan nilai bo dan b1. masukkan variable-variabel yang berkaitan. ANALISA REGRESI LINIER GANDA Kadang kita tertarik atau berhadapan dengan masalah yang melibatkan variable pengaruh atau variable independent lebih dari satu. ingin dicari hubungan regresi antara variable angka harapan hidup wanita dengan pengaruh angka harapan hidup pria dan tingkat baca tulis Negara tersebut. maka dimasukkan ke dalam persamaan. dan output anda dengan nama TGSRegr. ditampilkan juga uji terhadap keduanya dengan uji distribusi t. • Seperti halnya pada regresi linier sederhana. jika tidak maka tidak diikutkan ke dalam persamaan. Jika hasil ujinya signifikan. yaitu variable lifeexpf pada kotak dependent. Langkah dalam SPSS : • Pada menu utama SPSS. kemudian perhatikan hasil outputnya. Jika pada uji anova Ho ditolak. Sedangkan hubungannya tetap linier seperti yang dapat anda lihat pada persamaan di bawah ini : • • Model populasi Yi = β0 + β1X1i + K + βkXki + εi ˆ Model Estimasi Yi = b0 + b1X1i + K + bkXki Sebagai contoh.spo.• • Biasanya dalam analisis regresi linier diikuti dengan output table anova untuk menjawab Ho : variable independent (X) tidak berpengaruh terhadap respon Y. pilih menu Analyze. Mungkin butuh pendekatan fungsi yang lain. yang berarti pendekatan linier tidak cocok untuk data tersebut.05) yang menandakan bahwa variable X berpengaruh terhadap Y. Ho ditolak (signifikansi < 0. maka persamaan regresinya signifikan. dan jika sebaliknya maka regresinya tidak signifikan. Pada anova di atas. maka berapa prediksi hasil penjualannya? Catatan : simpan data anda dengan nama TGSRegr.

• Jika r = 1 artinya hubungan kedua variable tsb.057 ( > 0.095Literacy.931Explifem + 0. ANALISIS KORELASI Analisis korelasi bertujuan untuk mengetahui apakah di antara dua buah variable atau lebih terdapat hubungan. IX.095Literacy. artinya makin besar nilai X maka makin besar pula nilai Y. maka terdapat pengaruh yang signifikan dari variable-variabel predictor yaitu dengan ditolaknya Ho (sig > 0. juga dihitung koefisien korelasi sebagai berikut : r= ∑ ( X − X )(Y − Y ) ∑ ( X − X ) ∑ (Y − Y ) 2 2 . adalah hubungan linier sempurna. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 19 .258 + 0.05). KORELASI BIVARIATE Korelasi Bivariate melibatkan dua atau lebih variable untuk diketahui hubungan di antaranya. Arti dari r adalah : • Jika r = -1 artinya hubungan kedua variable tsb. Dari table regresi kita peroleh persamaan estimasi sebagai berikut : • Model estimasi Yi = 2.05). -1≤ r ≤ 1. dan jika ada hubungan. adalah hubungan linier terbalik sempurna. Biasanya dalam analisis regresi disamping dicari persamaan regresi. Jika anda lihat pada output terakhir. terlihat bahwa bo atau konstanta mempunyai p-value 0.spo.• Setelah output diberikan. artinya makin besar nilai X maka makin kecil nilai Y. A. Berarti dapat ditarik kesimpulan bahwa angka harapan hidup pria dan tingkat baca tulis mempengaruhi secara positif terhadap angka harapan hidup wanita di suatu Negara.931Explifem + 0. maka bo tidak masuk dalam persamaan sehingga persamaan akhirnya diperoleh: Model Estimasi Yi = 0. bagaimana arah hubungan dan seberapa besar hubungan tersebut. Analisa output : Kita lihat bahwa dengan pendekatan anova (table anova). simpan output anda ini dengan nama RegGanda. berarti bahwa pada  = 5%.

Selanjutnya tekan OK setelah selesai mengisikan variabelnya. Correlate. Langkah dalam SPSS : • Buka file World95 yang ada di folder SPSS • Pilih menu Analyze. Dalam output SPSS maupun lainnya biasanya disertai dengan uji signifikansi. masukkan variable lifeexpf dan lifeexpm. Hasil output seperti yang bisa anda lihat pada gambar berikut : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 20 . Metode Korelasi yang digunakan adalah Korelasi Pearson. untuk mengetahui outputnya. Dalam kasus ini.Sebagai contoh : kita ingin mencari korelasi antara angka harapan hidup wanita dan laki-laki seluruh dunia. kemudian Bivariate. yaitu apakah korelasi tersebut signifikan pada alpha tertentu. Seperti yang tampak pada gambar di bawah ini : • Selanjutnya akan tampak pilihan menu tersebut seperti pada gambar di bawah ini : • • • Pada kotak Variables isikan variable-variabel yang ingin kita ketahui hubungan antara keduanya.

Cobalah analisa menggunakan analisa korelasi bivariate. Correlate. B. KORELASI PARSIAL Agak sedikit berbeda dengan korelasi bivariate. maka harapan hidup prianya juga mempunyai kemungkinan lebih tinggi dari angka harapan hidup pria di negara tersebut sebesar 98.982. Perhatikan berapa koefisien korelasinya antara ketiga variable tersebut. yaitu Gaji. kemudian Partial. Usia. TUGAS : Pada file Karyawan. Untuk korelasi antara harapan hidup wanita dan harapan hidup pria diperoleh angka 0. Dalam hal ini variable yang akan dianalisa ada tiga buah. dan apa artinya ? Simpan output anda ini dengan nama TGSKOREL. yaitu untuk suatu nilai harapan hidup wanita suatu negara yang lebih tinggi dari negara lain. Usia.2%. File data yang digunakan : file Karyawan.spo Analisa Output : Dapat anda lihat bahwa output di atas sebenarnya adalah matriks korelasi antara dua variable di atas. dengan variable Pengalaman Kerja berfungsi sebagai pengontrol (variable control).2% data keduanya sangat berhubungan secara positif. Tampilan menu akan tampak seperti pada gambar di bawah ini : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 21 . hal ini berarti 98. dan Pengalaman Kerja seorang karyawan. ingin diketahui korelasi antara Gaji. dan Kerja. Contoh kasus : ingin dihitung korelasi parsial antara Gaji dan Usia.spo. Lebih jauh dapat anda lihat bahwa koefisien korelasi sangat signifikan dengan tanda **. korelasi parsial memasukkan satu variable tambahan yang berfungsi sebagai pengontrol dari dua variable yang berkorelasi. Korelasi terhadap diri sendiri tentu saja akan sempurna dan bernilai 1.• Simpan output anda ini dengan nama Korelasi. Langkah dalam SPSS : • Pilih menu Analyze.

isikan Kerja (pengalaman kerja). Sehingga.000. p = 0. TUGAS : Dengan menggunakan file data yang sama. jika usia bertambah. Output bisa anda lihat seperti pada gambar di bawah ini : • Simpan hasil output anda dengan nama Parsial. dan perhatikan apa maksudnya. Demikian sebaliknya. masukkan variable Gaji dan Usia. Analisalah output yang diberikan. semakin tinggi pengalaman kerja seorang karyawan. selanjutnya tekan OK untuk proses hasil. hitunglah korelasi parsial antara Gaji dan Pengalaman Kerja. Abaikan pilihan-pilihan yang lain. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 22 .05.spo Analisis output : Tanda korelasi antara Usia dan Gaji bernilai positif. dengan variable Usia berfungsi sebagai variable pengontrol. Simpan hasil anda ini dengan nama TGSPARS. masih ada korelasi positif antara Usia dengan Gaji seorang karyawan. berarti dengan memperhitungkan besarnya pengalaman kerja seorang karyawan.• • • Pada kotak Variables isikan variable-variabel yang ingin kita ketahui hubungan antara keduanya. Untuk besaran korelasi signifikan yaitu pada level 5%. maka ada kecenderungan gaji karyawan tersebut akan semakin meningkat. Dalam kasus ini. Sedangkan sebagai variable pengontrol.spo. yang jauh di bawah 0.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->