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

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. Contoh kasusnya : ingin diketahui deskripsi dari variabel GAJI pada data Karyawan. II. dsb. Varians. DESKRIPTIF DATA Deskriptive data ini digunakan untuk menggambarkan (mendeskripsikan) suatu data. Setelah selesai. kemudian pilih Descriptive Statistics. selanjutnya pilih Descriptives.. Standar deviasi. Sesuaikan tipe data yang digunakan. (tampilan menu bisa anda lihat pada gambar 14 berikut : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 3 . Langkah yang dilakukan : • Pilih menu Analyze..sav di folder anda. misalnya rataratanya (mean). simpan data anda dengan nama TGSData.

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

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

HISTOGRAM Gaji Karyawan 16 14 12 10 8 6 4 2 0 Std.0 0 10 Gaji Karyawan • Simpan output anda dengan nama HISTOGR.0 0 30 .0 0 35 . atau kita melakukan transformasi Z = v1 − mean(v1) terhadap suatu data yang kemudian dikenal dengan transformasi normal standart.0 0 25 . Dev = 209. 15 . Dialog box perintahnya dapat anda lihat pada gambar berikut : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 6 .• Setelah selesai anda melakukan pengisian. kemudian Compute.0 0 95 0 0. Pie. 45 .spo.00 . Transformasi adalah proses merubah variabel melalui fungsi matematika. IV. dan dev.0 0 55 .0 0 75 .3 N = 75.0 0 40 .spo. 90 .0 0 20 0 0. kemudian lakukan langkah berikut : • Pilih menu Transform.0 00 10 . Line. Simpan output anda ini dengan nama TGSGRAPH. Sebagai latihan. 65 .0 0 80 .0 0 70 0 0. PENGHITUNGAN DATA MENGGUNAKAN RUMUS Compute. Area.80 Mean = 520. Misalnya Bar. (Bandingkan hasil yang anda peroleh dengan hasil di bawah ini !).0 0 50 0 0.0 50 10 .0 0 60 .s tan(v1) lain sebagainya. buka file Anxiety 2 yang ada di folder SPSS. Misalkan kita mengambil logaritma dari suatu variabel (data). TUGAS : Buatlah grafik dalam bentuk yang lain untuk Gaji Karyawan tersebut.0 0 85 . tekan OK untuk melihat hasilnya.

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

Dengan melihat output di atas maka dapat kita ambil kesimpulan bahwa H0 kita tolak yaitu kita lihat nilai Sig < α .spo. Simpan file output anda ini dengan nama OneSampT.5 pada Test Value (sesuai dengan angka yang akan kita test). Analisa output: Secara lengkap ditampilkan nilai rata-rata sampel. Klik tombol OK untuk melihat outputnya. Langkah-langkah Uji hipotesisnya sbb: H0 : µ = 72.5 th VS H1 : µ ≠ 72. kemudian Compare Means. maka seringkali angka statistik hitung yang diperoleh dengan hitungan manual dan output komputer tidak sama dan hal tersebut dapat menghasilkan kesimpulan yang berbeda. dan One Sample T-Test. α = 5% Statistik hitung t = ⎛x−µ⎞ ⎟ n⎜ ⎜ s ⎟ ∼ tn-1 ⎝ ⎠ Langkah-langkah dalam SPSS : • Buka file World95 • Pilih menu Analyze. Anda dapat mengecek apakah nilai Statistik hitungnya benar.dunia = 72.5 th. Standar deviasi sampel.5 tahun. Karena thit bernilai negatif maka jelas kita yakin rata-rata angka harapan hidup -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 8 . Tampilan menu seperti pada gambar berikut : • • • Masukkan variable Lifeexpf pada kotak Test Variable(s) dan angka 72. Karena komputer dalam rnelakukan penghitungannya memakai pembulatan.

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

UJI RATA-RATA 2 POPULASI DEPENDENT SPSS juga dilengkapi dengan uji t (student-t) untuk 2 populasi normal sample dependent atau sample berpasangan. Setelah selesai semua pengisian.spo. Catatan : Karena dalam SPSS uji berpasangannya untuk perbedaan nol maka anda harus menambah berat sesudah dengan 5 atau mengurangi berat sebelum dengan 5. Karena kedua variabel yang akan ditest sifatnya berpasangan. dan Paired-Samples T Test. caranya berbeda dengan yang terdahulu. 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. tekan OK untuk melihat hasilnya. Simpan file output anda ini dengan nama PairSamT. 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%.spo. Langkah dalam SPSS : Buka file World95 Pilih menu Analyze. Tampilan menu bisa anda lihat pada gambar berikut : Untuk pengisian variabel ke kotak Paired Variable(s). 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. 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. Simpan file output anda ini dengan nama TGSPairT. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 10 . Sorot kedua variabel tersebut (lifeexpf dan lifeexpm) kemudian klik mata panah ke kanan (seperti pada gambar 33). Analisalah output yang diberikan berdasarkan teori statistik yang anda peroleh dari kuliah “Satistika”.D. kemudian Compare Means. maka kedua variabel tersebut dimasukkan ke kotak Paired Variable(s) secara bersamaan.

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

076 .14 8.59 2. dan tentukan metode yang akan anda gunakan.33 Middle East 4. Difference (I. lanjutkan dengan proses berikutnya.068 .29 -16.16 East Europe -8.000 .000 .95 .41 2.28 Pacific/Asia 12. Untuk keseragaman.86 17.63 -29.29 -8. 95% Confidence Interval Lower Bound -. Post Hoc Test Multiple Comparisons Dependent Variable: Average female life expectancy LSD Mean Std.Error J) (I) Region or (J) Region or economic economic group group OECD East Europe 4.70 Upper Bound 8.74 2.000 .96 -13. Setelah selesai.067 . anda klik Post Hoc.28 America Pacific/Asia OECD -12.43 13.33 2.12 -8. Untuk melakukan MCA.000 .000 .10 2.62 3.000 .12 -.15 2.53 -21.32 8.86 17.10 2.15 2.53 .21 Middle East -4.16 Latn 8.68 2. 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.67 -8.62 16. Untuk melihat mean mana saja yang berbeda kita harus melakukan Analisis Pembandingan ganda (Multiple Comparison analysis).28 Pacific/Asia 8.000 .78 12. pilih metode LSD (metode Spearman).98 -26.96 29.68 -17.09 East Europe -21.76 -8.046 .000 .32 26.59 2.77 -12.39 Africa 21.68 2.38 .43 8.41 -3.77 -8.68 4.000 .000 .• Simpan file output anda ini dengan nama OneWay.41 21.066 .23 4.98 12.000 -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 12 .21 Middle East -17.076 .04 America East Europe OECD -4.16 America Africa OECD -25.18 2.35 -17.83 2.spo.74 2.51 2.25E-02 -21.35 2.39 Africa 13.27 Latn -4.32 -.33 Pacific/Asia -13.33 2.16 Africa 25. hanya saja pada tampilan menu One Way Anova.35 9.32 -7. langkah yang harus anda lakukan adalah sama dengan One Way Anova.09 Middle East 8.000 .39 Latn 4.000 .83 2.21 Sig.24 2.

VII.25E-02 13.33 2.046 . Tampak di layar tampilan menu sebagai berikut : General Linier Model.39 Pacific/Asia 4.17 2. Simpan hasil output anda ini dengan nama MCA.28 Pacific/Asia 4. apakah rata-rata penjualan kelima jenis roti sama ataukah berbeda? Simpan hasil pekerjaan anda dengan nama TGS1Way.spo.000 .51 2.63 21.16 * The mean difference is significant at the . Jika ukuran sampel tiap sel sama maka desainnya dinamakan Experiment Factorial.16 East Europe -4. ini menunjukkan mean data yang menunjukkan perbedaan di antara region-regionnya.10 -13.76 7. perhatikan bagian yang bertanda bintang.spo. Untuk setiap variabelnya terdapat sejumlah kategori (tingkat) perlakuan.67 21.23 ..24 2..10 -4.50 2.78 -9.000 .21 Latn -. TUGAS : • Gunakan file data ROTI SALES2. Sehingga untuk setiap pertemuan perlakuan antara dua faktor itu akan kita peroleh sel atau sel kombinasi kategori.27 Africa 17.17 2.18 2.068 .05 level.65 -12.33 2. .000 .45 Setelah outputnya diberikan.32 8.000 . Ada banyak macam desain tetapi yang akan kita bahas adalah desain dasar.35 2. kemudian -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 13 .16 Africa 17.32 12.16 America Latn America OECD -8. Tujuan multivariat anova adalah untuk menguji kesamaan vektor dari rata-rata variabel dependent pada berbagai grup.067 . kemudian Multivariate.29 8. pilih Analyze.35 -4.066 .04 East Europe -4.29 .70 4. analisalah..936 .50 2.95 -4.09 Middle East .45 -12.38 -8.Latn -17. • Cobalah uji.35 -4.14 -.936 -21. Kasus : Manajer PT.65 4.09 America Middle East OECD -8. ANALISIS VARIANSI N ARAH (MULTIVARIAT) Analisis variansi dapat diperluas dengan melibatkan dua atau lebih faktor (variabel) pada respon Numerik.41 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.000 .

maka H0 diterima. Uji varians populasi secara keseluruhan (overall equivalence).. Karena probabilitas > 0. maka terlihat bahwa nilai probabilitasnya adalah 0.079 dan 0. Jika probabilitas < 0. Analisis output : Output untuk uji varians. Perhatikan hasil output yang diberikan ! Simpan output anda dengan nama Multivar. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 14 . kemudian tekan Continue jika telah selesai mengisikan. Pengambilan keputusan.05. pilih Homogeneity tests (yaitu untuk menguji varians populasi dependent variabel).. Kemudian tekan OK untuk melihat hasilnya. H1 : Ketiga varians populasi adalah tidak identik.spo. Hipotesis untuk kasus ini adalah Ho : tiga sampel rata-rata vektor sampel dari skor rata-rata adalah identik. Dengan menggunakan hipotesa H0 bahwa matrik varians / kovarians dari veriabel dependent pada grup-grup adalah sama. Abaikan pilihan yang lain. Varians tiap-tiap variabel dependent. Dasar pengambilan keputusan : Jika probabilitas > 0. 2. Wilk Lambda.05 maka Ho diterima. Hotelling Trace.000.747. maka H0 ditolak. Walaupun satu variabel nilai probabilitasnya di atas 0. Keputusan : terlihat bahwa nilai probabilitas Levene Test adalah 0.05.. a. Roy’s. (berbeda dengan sebelumnya yang menggunakan varians. atau kedua varians populasi adalah sama. Output Multivariate (MANOVA) test. maka sekarang digunakan vector of mean. Untuk kotak Option. yaitu : 1. Uji varians pad MANOVA dilakukan dua tahap.Isikan tr_sales dan persepsi pada kotak dialog Dependent Variable.05. dan F test.) Alat analisis yang digunakan : Pillai Trace. vs H1 : tiga sampel rata-rata vektor sampel dari skor rata-rata adalah berbeda. dan dengan menggunakan alat analisis Box’s M. Hipotesis : H0 : Ketiga varians populasi adalah identik. namun secara keseluruhan (gabungan) bisa dikatakan H0 diterima. Alat analisis : Levene Test. dan proses MANOVA bisa diteruskan. b. Isikan variabel daerah pada kotak Fixed Factor.

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

Regression. kemudian Linier.• • 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.05 (95%) seperti pada gambar di bawah ini : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 16 . Regression. Karena dari kurva yang didapatkan cenderung berbentuk linier. maka langkah berikutnya adalah melakukan analisis regresi. kemudian Curve Estimation (untuk memperkirakan bentuk hubungan antara kedua variable). dan variable salbeg pada kotak independent(s). maka isikan variable salary pada kotak dependent. Pada pilihan Option. yaitu dengan memilih menu Analyze. Tampilan menu seperti pada gambar di bawah ini : • • Sesuai dengan kasusnya. masukkan tingkat kepercayaan sebesar 0. pilih menu Analyze.

berarti variable X berpengaruh secara berlawanan terhadap Y. • Simpan hasil output anda dengan nama Regresi. Untuk kenaikan 1 satuan dari variable X akan menaikkan nilai Y sebesar b1. sedangkan factor Beginning Salary memberikan angka 1. • Tanda .909. terlihat bahwa bagian konstanta dari persamaan regresi memberikan angka 1928. Untuk kenaikan 1 satuan dari variable X maka nilai Y akan turun sebesar b1. Dari hasl output yang diberikan.spo.206. Hal ini berarti persamaan linier yang diperoleh adalah : Yi = 1928.• Setelah selesai melakukan pengisian. • Tanda + berarti variable X berpengaruh secara positif terhadap Y.909Xi Dengan hasil yang sangat signifikan. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 17 . Catatan : memperhatikan tanda b1 dan mengartikannya adalah langkah yang penting dalam analisis regresi linier.206 + 1. klik OK untuk melihat hasilnya.

maka persamaan regresinya signifikan. kemudian Linier. Mungkin butuh pendekatan fungsi yang lain. 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. dan output anda dengan nama TGSRegr. Hasil output bias anda lihat pada gambar di bawah ini : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 18 . Langkah dalam SPSS : • Pada menu utama SPSS. dan jika sebaliknya maka regresinya tidak signifikan. Jika hasil ujinya signifikan. Jika pada uji anova Ho ditolak. maka berapa prediksi hasil penjualannya? Catatan : simpan data anda dengan nama TGSRegr.sav. Pada anova di atas. Tampilan menu sama dengan menu analisa regresi linier sederhana. • Klik OK jika selesai mengisikan variable-variabelnya. kemudian perhatikan hasil outputnya. ANALISA REGRESI LINIER GANDA Kadang kita tertarik atau berhadapan dengan masalah yang melibatkan variable pengaruh atau variable independent lebih dari satu. Ho ditolak (signifikansi < 0. Yang dimaksud dengan ganda di sini adalah bahwa jumlah variable independent lebih dari satu (ganda). Regression. Dalam analisis regresi disamping ditampilkan nilai bo dan b1. • Seperti halnya pada regresi linier sederhana. maka dimasukkan ke dalam persamaan.05) yang menandakan bahwa variable X berpengaruh terhadap Y. 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. sedangkan pada kotak Independent(s) anda masukkan variable lifeexpm dan literacy (karena variable pengaruhnya ada dua macam). ingin dicari hubungan regresi antara variable angka harapan hidup wanita dengan pengaruh angka harapan hidup pria dan tingkat baca tulis Negara tersebut. (file yang digunakan adalah World95). pilih menu Analyze.spo. yang berarti pendekatan linier tidak cocok untuk data tersebut. jika tidak maka tidak diikutkan ke dalam persamaan. ditampilkan juga uji terhadap keduanya dengan uji distribusi t. masukkan variable-variabel yang berkaitan. yaitu variable lifeexpf pada kotak dependent.• • Biasanya dalam analisis regresi linier diikuti dengan output table anova untuk menjawab Ho : variable independent (X) tidak berpengaruh terhadap respon Y.

maka bo tidak masuk dalam persamaan sehingga persamaan akhirnya diperoleh: Model Estimasi Yi = 0. IX.• Setelah output diberikan. juga dihitung koefisien korelasi sebagai berikut : r= ∑ ( X − X )(Y − Y ) ∑ ( X − X ) ∑ (Y − Y ) 2 2 .05). Arti dari r adalah : • Jika r = -1 artinya hubungan kedua variable tsb. terlihat bahwa bo atau konstanta mempunyai p-value 0.057 ( > 0.095Literacy.095Literacy. maka terdapat pengaruh yang signifikan dari variable-variabel predictor yaitu dengan ditolaknya Ho (sig > 0. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 19 .05). adalah hubungan linier terbalik sempurna. berarti bahwa pada  = 5%. KORELASI BIVARIATE Korelasi Bivariate melibatkan dua atau lebih variable untuk diketahui hubungan di antaranya. ANALISIS KORELASI Analisis korelasi bertujuan untuk mengetahui apakah di antara dua buah variable atau lebih terdapat hubungan. artinya makin besar nilai X maka makin besar pula nilai Y.931Explifem + 0. A. Biasanya dalam analisis regresi disamping dicari persamaan regresi. Jika anda lihat pada output terakhir.258 + 0. Berarti dapat ditarik kesimpulan bahwa angka harapan hidup pria dan tingkat baca tulis mempengaruhi secara positif terhadap angka harapan hidup wanita di suatu Negara. artinya makin besar nilai X maka makin kecil nilai Y. • Jika r = 1 artinya hubungan kedua variable tsb. -1≤ r ≤ 1. dan jika ada hubungan.931Explifem + 0. simpan output anda ini dengan nama RegGanda. bagaimana arah hubungan dan seberapa besar hubungan tersebut. Analisa output : Kita lihat bahwa dengan pendekatan anova (table anova). Dari table regresi kita peroleh persamaan estimasi sebagai berikut : • Model estimasi Yi = 2. adalah hubungan linier sempurna.spo.

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

yaitu untuk suatu nilai harapan hidup wanita suatu negara yang lebih tinggi dari negara lain. hal ini berarti 98. yaitu Gaji. Untuk korelasi antara harapan hidup wanita dan harapan hidup pria diperoleh angka 0. Correlate. ingin diketahui korelasi antara Gaji. File data yang digunakan : file Karyawan. KORELASI PARSIAL Agak sedikit berbeda dengan korelasi bivariate. Lebih jauh dapat anda lihat bahwa koefisien korelasi sangat signifikan dengan tanda **. dan apa artinya ? Simpan output anda ini dengan nama TGSKOREL. Tampilan menu akan tampak seperti pada gambar di bawah ini : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 21 . Cobalah analisa menggunakan analisa korelasi bivariate.2% data keduanya sangat berhubungan secara positif.spo Analisa Output : Dapat anda lihat bahwa output di atas sebenarnya adalah matriks korelasi antara dua variable di atas. B. dan Kerja. maka harapan hidup prianya juga mempunyai kemungkinan lebih tinggi dari angka harapan hidup pria di negara tersebut sebesar 98. korelasi parsial memasukkan satu variable tambahan yang berfungsi sebagai pengontrol dari dua variable yang berkorelasi. dengan variable Pengalaman Kerja berfungsi sebagai pengontrol (variable control). Perhatikan berapa koefisien korelasinya antara ketiga variable tersebut. TUGAS : Pada file Karyawan.• Simpan output anda ini dengan nama Korelasi. kemudian Partial. Usia. Korelasi terhadap diri sendiri tentu saja akan sempurna dan bernilai 1. dan Pengalaman Kerja seorang karyawan. Usia.spo. Contoh kasus : ingin dihitung korelasi parsial antara Gaji dan Usia.2%. Dalam hal ini variable yang akan dianalisa ada tiga buah.982. Langkah dalam SPSS : • Pilih menu Analyze.

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

Sign up to vote on this title
UsefulNot useful