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

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

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

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

0 0 85 .0 0 10 Gaji Karyawan • Simpan output anda dengan nama HISTOGR. Pie.0 0 95 0 0. atau kita melakukan transformasi Z = v1 − mean(v1) terhadap suatu data yang kemudian dikenal dengan transformasi normal standart.0 0 80 . Dialog box perintahnya dapat anda lihat pada gambar berikut : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 6 .0 0 40 . kemudian Compute. Transformasi adalah proses merubah variabel melalui fungsi matematika. kemudian lakukan langkah berikut : • Pilih menu Transform. tekan OK untuk melihat hasilnya.spo.spo. Simpan output anda ini dengan nama TGSGRAPH.00 . PENGHITUNGAN DATA MENGGUNAKAN RUMUS Compute.0 0 35 . 15 .0 0 60 .0 0 50 0 0.80 Mean = 520.0 0 30 . Misalkan kita mengambil logaritma dari suatu variabel (data). 90 .0 0 20 0 0. dan dev. buka file Anxiety 2 yang ada di folder SPSS. Line.3 N = 75. (Bandingkan hasil yang anda peroleh dengan hasil di bawah ini !).0 0 75 .0 00 10 . Sebagai latihan.s tan(v1) lain sebagainya.0 0 70 0 0. TUGAS : Buatlah grafik dalam bentuk yang lain untuk Gaji Karyawan tersebut. Dev = 209.0 50 10 .0 0 55 . 65 . Area. 45 . HISTOGRAM Gaji Karyawan 16 14 12 10 8 6 4 2 0 Std.• Setelah selesai anda melakukan pengisian. IV. Misalnya Bar.0 0 25 .

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

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

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

Simpan file output anda ini dengan nama TGSPairT.spo. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 10 . tekan OK untuk melihat hasilnya. UJI RATA-RATA 2 POPULASI DEPENDENT SPSS juga dilengkapi dengan uji t (student-t) untuk 2 populasi normal sample dependent atau sample berpasangan. Hal ini cukup beralasan karena angka harapan hidup keduanya banyak ditentukan oleh faktor-faktor yang berdekatan. Catatan : Karena dalam SPSS uji berpasangannya untuk perbedaan nol maka anda harus menambah berat sesudah dengan 5 atau mengurangi berat sebelum dengan 5. dan Paired-Samples T Test. 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.D. 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). Setelah selesai semua pengisian. Simpan file output anda ini dengan nama PairSamT.spo. maka kedua variabel tersebut dimasukkan ke kotak Paired Variable(s) secara bersamaan. 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”. Karena kedua variabel yang akan ditest sifatnya berpasangan. Langkah-langkah uji hipotesismya sbb : File data yang digunakan : file World95. 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. 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%. kemudian Compare Means. caranya berbeda dengan yang terdahulu.

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

76 -8.59 2.35 -17.16 America Africa OECD -25.000 .000 .000 . langkah yang harus anda lakukan adalah sama dengan One Way Anova.33 2.000 . Post Hoc Test Multiple Comparisons Dependent Variable: Average female life expectancy LSD Mean Std.000 .28 Pacific/Asia 8.000 .41 -3.28 America Pacific/Asia OECD -12.74 2.62 3.076 .68 4.77 -12.77 -8.83 2.43 13.12 -8.78 12.15 2.18 2.000 . dan tentukan metode yang akan anda gunakan.32 -7. Difference (I.000 .21 Sig.27 Latn -4.000 .74 2.83 2.16 Africa 25.28 Pacific/Asia 12. lanjutkan dengan proses berikutnya.68 2.59 2.Error J) (I) Region or (J) Region or economic economic group group OECD East Europe 4.53 . 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.04 America East Europe OECD -4.spo.21 Middle East -4.16 Latn 8.41 21.068 .70 Upper Bound 8.43 8. Untuk melihat mean mana saja yang berbeda kita harus melakukan Analisis Pembandingan ganda (Multiple Comparison analysis).98 -26.000 .076 .96 29.25E-02 -21.21 Middle East -17.32 -.39 Africa 21.14 8.51 2.000 .10 2.53 -21.35 2.067 .96 -13.67 -8.• Simpan file output anda ini dengan nama OneWay. Untuk melakukan MCA.39 Latn 4.16 East Europe -8.86 17. pilih metode LSD (metode Spearman).23 4.29 -8.000 .41 2.15 2. Untuk keseragaman.86 17.62 16.046 .32 8.066 .000 -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 12 . hanya saja pada tampilan menu One Way Anova.29 -16. anda klik Post Hoc.98 12.09 Middle East 8.35 9.10 2.68 -17.12 -.24 2.33 2. 95% Confidence Interval Lower Bound -.68 2.32 26.33 Pacific/Asia -13.33 Middle East 4.09 East Europe -21.63 -29.39 Africa 13.38 . Setelah selesai.95 .

Jika ukuran sampel tiap sel sama maka desainnya dinamakan Experiment Factorial.28 Pacific/Asia 4.14 -.067 . Sehingga untuk setiap pertemuan perlakuan antara dua faktor itu akan kita peroleh sel atau sel kombinasi kategori.18 2. kemudian Multivariate.29 .936 -21. apakah rata-rata penjualan kelima jenis roti sama ataukah berbeda? Simpan hasil pekerjaan anda dengan nama TGS1Way. VII.16 America Latn America OECD -8.23 .39 Pacific/Asia 4..63 21.50 2.65 -12.32 12.000 . • Cobalah uji.10 -13. analisalah.000 .000 . Ada banyak macam desain tetapi yang akan kita bahas adalah desain dasar.21 Latn -.76 7.17 2.10 -4. ini menunjukkan mean data yang menunjukkan perbedaan di antara region-regionnya.Latn -17.068 .45 Setelah outputnya diberikan. pilih Analyze.45 -12.67 21.35 -4.16 * The mean difference is significant at the .spo.24 2.50 2.066 .38 -8.spo.51 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. .27 Africa 17.09 America Middle East OECD -8.046 .09 Middle East . perhatikan bagian yang bertanda bintang..25E-02 13.32 8. TUGAS : • Gunakan file data ROTI SALES2.05 level.33 2.000 . Untuk setiap variabelnya terdapat sejumlah kategori (tingkat) perlakuan..000 .16 East Europe -4.16 Africa 17. Tujuan multivariat anova adalah untuk menguji kesamaan vektor dari rata-rata variabel dependent pada berbagai grup.65 4.17 2.41 2.95 -4.33 2.04 East Europe -4.35 2. ANALISIS VARIANSI N ARAH (MULTIVARIAT) Analisis variansi dapat diperluas dengan melibatkan dua atau lebih faktor (variabel) pada respon Numerik.29 8.35 -4. kemudian -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 13 .70 4. Tampak di layar tampilan menu sebagai berikut : General Linier Model.78 -9.936 . Simpan hasil output anda ini dengan nama MCA. Kasus : Manajer PT.

000.05. pilih Homogeneity tests (yaitu untuk menguji varians populasi dependent variabel). Uji varians pad MANOVA dilakukan dua tahap. Untuk kotak Option.. H1 : Ketiga varians populasi adalah tidak identik. Alat analisis : Levene Test. (berbeda dengan sebelumnya yang menggunakan varians. Kemudian tekan OK untuk melihat hasilnya. yaitu : 1.Isikan tr_sales dan persepsi pada kotak dialog Dependent Variable. Keputusan : terlihat bahwa nilai probabilitas Levene Test adalah 0. a. maka terlihat bahwa nilai probabilitasnya adalah 0. Perhatikan hasil output yang diberikan ! Simpan output anda dengan nama Multivar. dan proses MANOVA bisa diteruskan. Wilk Lambda. Dengan menggunakan hipotesa H0 bahwa matrik varians / kovarians dari veriabel dependent pada grup-grup adalah sama. Pengambilan keputusan. kemudian tekan Continue jika telah selesai mengisikan. Dasar pengambilan keputusan : Jika probabilitas > 0. maka sekarang digunakan vector of mean.) Alat analisis yang digunakan : Pillai Trace. dan dengan menggunakan alat analisis Box’s M. Uji varians populasi secara keseluruhan (overall equivalence). -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 14 .05 maka Ho diterima. vs H1 : tiga sampel rata-rata vektor sampel dari skor rata-rata adalah berbeda.. Varians tiap-tiap variabel dependent. Karena probabilitas > 0. maka H0 diterima. maka H0 ditolak. Hipotesis untuk kasus ini adalah Ho : tiga sampel rata-rata vektor sampel dari skor rata-rata adalah identik. dan F test. Jika probabilitas < 0. namun secara keseluruhan (gabungan) bisa dikatakan H0 diterima.079 dan 0. b. Hotelling Trace.747. Abaikan pilihan yang lain. atau kedua varians populasi adalah sama. Output Multivariate (MANOVA) test.05..spo. Hipotesis : H0 : Ketiga varians populasi adalah identik. Isikan variabel daerah pada kotak Fixed Factor. Roy’s. Analisis output : Output untuk uji varians. 2.05. Walaupun satu variabel nilai probabilitasnya di atas 0.

VIII. parabolik dan sebagainya. Analisis ini merupakan analisis dua variable (dependent dengan independent) Y.spo. Sedangkan konsumen Jawa Tengah mungkin masih mempunyai persepsi yang kurang terhadap roti tersebut yang juga mempengaruhi penjualan di daerah tersebut. Bisa juga disimpulkan kombinasi variabel Persepsi Konsumen dan Sales Roti. mempunyai angka (hasil) yang berbeda untuk tiap daerah penjualan (Jakarta. 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. Jawa Barat. ANALISIS REGRESI Salah satu metode pengolahan data yang populer adalah analisis regresi.Terlihat pada semua angka signifikan untuk keempat test dan angka F Test pada bagian dua (effect daerah). Analisis ini secara mudah dapat kita artikan sebagai analisis pencocokan kurva pada suatu fungsi tertentu seperti linier. 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. lakukan analisis. Contoh praktisnya. Manajer PT DUTA MAKMUR harus memperhatikan perilaku konsumen di tiap daerah dan mungkin melakuan pendekatan yang berbeda untuk setiap daerah. exponensial. menunjukkan angka 0. yang akan dibawa ke suatu fungsi tertentu. Implikasi praktisnya.05.000 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. bagaimanakah kesimpulan yang bisa diambil? Adakah interaksi antara Jk dan Jabatan dalam hal tingkat kecemasan? kemudian simpan output anda dengan nama TGSMulti. kuadratik. 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. dan X. dan Jawa Tengah). ANALISA REGRESI LINIER SEDERHANA Yang dimaksud dengan analisis regresi linier sederhana (univariat) adalah analisis regresi linier dengan jumlah variabel pengaruhnya hanya satu. Di sini akan dibahas beberapa pencocokan saja. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 15 .

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

Hal ini berarti persamaan linier yang diperoleh adalah : Yi = 1928. Catatan : memperhatikan tanda b1 dan mengartikannya adalah langkah yang penting dalam analisis regresi linier. terlihat bahwa bagian konstanta dari persamaan regresi memberikan angka 1928. Untuk kenaikan 1 satuan dari variable X maka nilai Y akan turun sebesar b1.berarti variable X berpengaruh secara berlawanan terhadap Y. Untuk kenaikan 1 satuan dari variable X akan menaikkan nilai Y sebesar b1. • Tanda + berarti variable X berpengaruh secara positif terhadap Y.• Setelah selesai melakukan pengisian. sedangkan factor Beginning Salary memberikan angka 1.206 + 1.909Xi Dengan hasil yang sangat signifikan. Dari hasl output yang diberikan.206.spo. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 17 . klik OK untuk melihat hasilnya. • Tanda . • Simpan hasil output anda dengan nama Regresi.909.

Dalam analisis regresi disamping ditampilkan nilai bo dan b1. maka berapa prediksi hasil penjualannya? Catatan : simpan data anda dengan nama TGSRegr.spo. Tampilan menu sama dengan menu analisa regresi linier sederhana. • Seperti halnya pada regresi linier sederhana. Mungkin butuh pendekatan fungsi yang lain. yaitu variable lifeexpf pada kotak dependent.sav. pilih menu Analyze. Pada anova di atas. ingin dicari hubungan regresi antara variable angka harapan hidup wanita dengan pengaruh angka harapan hidup pria dan tingkat baca tulis Negara tersebut. 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. Jika hasil ujinya signifikan. Ho ditolak (signifikansi < 0.05) yang menandakan bahwa variable X berpengaruh terhadap Y. (file yang digunakan adalah World95). jika tidak maka tidak diikutkan ke dalam persamaan. 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. dan output anda dengan nama TGSRegr. masukkan variable-variabel yang berkaitan. kemudian perhatikan hasil outputnya. Regression.• • Biasanya dalam analisis regresi linier diikuti dengan output table anova untuk menjawab Ho : variable independent (X) tidak berpengaruh terhadap respon Y. ANALISA REGRESI LINIER GANDA Kadang kita tertarik atau berhadapan dengan masalah yang melibatkan variable pengaruh atau variable independent lebih dari satu. Yang dimaksud dengan ganda di sini adalah bahwa jumlah variable independent lebih dari satu (ganda). maka persamaan regresinya signifikan. dan jika sebaliknya maka regresinya tidak signifikan. • Klik OK jika selesai mengisikan variable-variabelnya. ditampilkan juga uji terhadap keduanya dengan uji distribusi t. Langkah dalam SPSS : • Pada menu utama SPSS. kemudian Linier. Hasil output bias anda lihat pada gambar di bawah ini : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 18 . maka dimasukkan ke dalam persamaan. sedangkan pada kotak Independent(s) anda masukkan variable lifeexpm dan literacy (karena variable pengaruhnya ada dua macam). Jika pada uji anova Ho ditolak. yang berarti pendekatan linier tidak cocok untuk data tersebut.

Biasanya dalam analisis regresi disamping dicari persamaan regresi. KORELASI BIVARIATE Korelasi Bivariate melibatkan dua atau lebih variable untuk diketahui hubungan di antaranya. dan jika ada hubungan. -1≤ r ≤ 1.095Literacy.931Explifem + 0. Analisa output : Kita lihat bahwa dengan pendekatan anova (table anova). terlihat bahwa bo atau konstanta mempunyai p-value 0. simpan output anda ini dengan nama RegGanda. adalah hubungan linier sempurna. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 19 . juga dihitung koefisien korelasi sebagai berikut : r= ∑ ( X − X )(Y − Y ) ∑ ( X − X ) ∑ (Y − Y ) 2 2 . adalah hubungan linier terbalik sempurna.05). maka terdapat pengaruh yang signifikan dari variable-variabel predictor yaitu dengan ditolaknya Ho (sig > 0. artinya makin besar nilai X maka makin besar pula nilai Y. Arti dari r adalah : • Jika r = -1 artinya hubungan kedua variable tsb.057 ( > 0. maka bo tidak masuk dalam persamaan sehingga persamaan akhirnya diperoleh: Model Estimasi Yi = 0.258 + 0. • Jika r = 1 artinya hubungan kedua variable tsb.• Setelah output diberikan. IX. ANALISIS KORELASI Analisis korelasi bertujuan untuk mengetahui apakah di antara dua buah variable atau lebih terdapat hubungan. Berarti dapat ditarik kesimpulan bahwa angka harapan hidup pria dan tingkat baca tulis mempengaruhi secara positif terhadap angka harapan hidup wanita di suatu Negara. Dari table regresi kita peroleh persamaan estimasi sebagai berikut : • Model estimasi Yi = 2.931Explifem + 0.05). artinya makin besar nilai X maka makin kecil nilai Y. A. berarti bahwa pada  = 5%. Jika anda lihat pada output terakhir.095Literacy. bagaimana arah hubungan dan seberapa besar hubungan tersebut.spo.

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

Perhatikan berapa koefisien korelasinya antara ketiga variable tersebut. Usia.• Simpan output anda ini dengan nama Korelasi. Untuk korelasi antara harapan hidup wanita dan harapan hidup pria diperoleh angka 0. kemudian Partial. File data yang digunakan : file Karyawan. yaitu untuk suatu nilai harapan hidup wanita suatu negara yang lebih tinggi dari negara lain. Cobalah analisa menggunakan analisa korelasi bivariate. dan apa artinya ? Simpan output anda ini dengan nama TGSKOREL.982. dan Pengalaman Kerja seorang karyawan.spo. Correlate. ingin diketahui korelasi antara Gaji. Tampilan menu akan tampak seperti pada gambar di bawah ini : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 21 .spo Analisa Output : Dapat anda lihat bahwa output di atas sebenarnya adalah matriks korelasi antara dua variable di atas. B. dan Kerja. dengan variable Pengalaman Kerja berfungsi sebagai pengontrol (variable control). Contoh kasus : ingin dihitung korelasi parsial antara Gaji dan Usia.2%. Usia. Korelasi terhadap diri sendiri tentu saja akan sempurna dan bernilai 1.2% data keduanya sangat berhubungan secara positif. TUGAS : Pada file Karyawan. Dalam hal ini variable yang akan dianalisa ada tiga buah. Langkah dalam SPSS : • Pilih menu Analyze. hal ini berarti 98. korelasi parsial memasukkan satu variable tambahan yang berfungsi sebagai pengontrol dari dua variable yang berkorelasi. yaitu Gaji. Lebih jauh dapat anda lihat bahwa koefisien korelasi sangat signifikan dengan tanda **. 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.

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

Sign up to vote on this title
UsefulNot useful