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

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

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

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

65 .0 0 50 0 0. Sebagai latihan.3 N = 75. tekan OK untuk melihat hasilnya. Area.0 0 85 . kemudian lakukan langkah berikut : • Pilih menu Transform. Dev = 209.0 0 80 .00 .0 0 35 .• Setelah selesai anda melakukan pengisian.0 50 10 . 15 . dan dev.spo. Pie. Transformasi adalah proses merubah variabel melalui fungsi matematika.0 0 40 .0 00 10 . Line. PENGHITUNGAN DATA MENGGUNAKAN RUMUS Compute.0 0 75 . (Bandingkan hasil yang anda peroleh dengan hasil di bawah ini !). HISTOGRAM Gaji Karyawan 16 14 12 10 8 6 4 2 0 Std. 45 .0 0 70 0 0. Misalnya Bar.0 0 95 0 0.80 Mean = 520.s tan(v1) lain sebagainya.0 0 55 . Misalkan kita mengambil logaritma dari suatu variabel (data).0 0 20 0 0. IV.spo. buka file Anxiety 2 yang ada di folder SPSS. Simpan output anda ini dengan nama TGSGRAPH.0 0 10 Gaji Karyawan • Simpan output anda dengan nama HISTOGR.0 0 30 .0 0 60 . Dialog box perintahnya dapat anda lihat pada gambar berikut : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 6 . atau kita melakukan transformasi Z = v1 − mean(v1) terhadap suatu data yang kemudian dikenal dengan transformasi normal standart. 90 . TUGAS : Buatlah grafik dalam bentuk yang lain untuk Gaji Karyawan tersebut.0 0 25 . kemudian Compute.

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

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

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

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

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

Error J) (I) Region or (J) Region or economic economic group group OECD East Europe 4.10 2.41 2.28 Pacific/Asia 12.43 8.51 2.41 -3.32 -.32 -7.000 .000 .35 2.67 -8.53 . pilih metode LSD (metode Spearman). 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. Post Hoc Test Multiple Comparisons Dependent Variable: Average female life expectancy LSD Mean Std.000 .16 East Europe -8.28 America Pacific/Asia OECD -12. lanjutkan dengan proses berikutnya. Untuk melihat mean mana saja yang berbeda kita harus melakukan Analisis Pembandingan ganda (Multiple Comparison analysis).15 2.35 9.21 Sig.43 13.53 -21.77 -12.000 .27 Latn -4.14 8. langkah yang harus anda lakukan adalah sama dengan One Way Anova.62 3.33 2.066 .68 2.33 Pacific/Asia -13.16 America Africa OECD -25.33 Middle East 4.96 29.68 2.68 4.70 Upper Bound 8.15 2.39 Africa 13.16 Latn 8.000 .63 -29.000 .32 26.25E-02 -21.18 2.59 2.98 -26.000 . anda klik Post Hoc.62 16.76 -8. Untuk melakukan MCA.98 12.32 8.000 .78 12.09 East Europe -21.16 Africa 25.41 21.21 Middle East -4.04 America East Europe OECD -4.12 -.000 .23 4.29 -16.35 -17.12 -8.24 2.59 2.046 .77 -8.000 .068 .39 Africa 21.000 -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 12 .10 2.21 Middle East -17.067 .96 -13.28 Pacific/Asia 8.95 .• Simpan file output anda ini dengan nama OneWay.74 2.83 2.29 -8. Setelah selesai.38 . dan tentukan metode yang akan anda gunakan.74 2.000 .spo. hanya saja pada tampilan menu One Way Anova.39 Latn 4.86 17.86 17. 95% Confidence Interval Lower Bound -.33 2.000 .076 .09 Middle East 8. Difference (I.076 . Untuk keseragaman.68 -17.83 2.

65 -12.95 -4. Tampak di layar tampilan menu sebagai berikut : General Linier Model. apakah rata-rata penjualan kelima jenis roti sama ataukah berbeda? Simpan hasil pekerjaan anda dengan nama TGS1Way. • Cobalah uji.45 Setelah outputnya diberikan.65 4.16 * The mean difference is significant at the .066 . ANALISIS VARIANSI N ARAH (MULTIVARIAT) Analisis variansi dapat diperluas dengan melibatkan dua atau lebih faktor (variabel) pada respon Numerik.000 .35 -4.21 Latn -.09 Middle East . 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..33 2.046 .Latn -17. Sehingga untuk setiap pertemuan perlakuan antara dua faktor itu akan kita peroleh sel atau sel kombinasi kategori. pilih Analyze. Simpan hasil output anda ini dengan nama MCA. perhatikan bagian yang bertanda bintang.000 . Ada banyak macam desain tetapi yang akan kita bahas adalah desain dasar.63 21.04 East Europe -4.39 Pacific/Asia 4.16 East Europe -4. kemudian Multivariate.27 Africa 17.67 21.936 -21.45 -12.35 2. TUGAS : • Gunakan file data ROTI SALES2. VII.23 .24 2.068 . Jika ukuran sampel tiap sel sama maka desainnya dinamakan Experiment Factorial.50 2..35 -4.17 2.05 level. Kasus : Manajer PT.25E-02 13.17 2.936 .10 -4.51 2.18 2.09 America Middle East OECD -8.spo.000 .000 .29 .32 8.28 Pacific/Asia 4.16 Africa 17.10 -13. ini menunjukkan mean data yang menunjukkan perbedaan di antara region-regionnya.32 12.16 America Latn America OECD -8. .50 2.067 .70 4.38 -8. kemudian -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 13 .spo. analisalah. Untuk setiap variabelnya terdapat sejumlah kategori (tingkat) perlakuan.14 -.29 8..41 2.76 7.78 -9. Tujuan multivariat anova adalah untuk menguji kesamaan vektor dari rata-rata variabel dependent pada berbagai grup.000 .33 2.

. Karena probabilitas > 0. maka H0 diterima. dan dengan menggunakan alat analisis Box’s M.05. Uji varians populasi secara keseluruhan (overall equivalence). Keputusan : terlihat bahwa nilai probabilitas Levene Test adalah 0. b. Perhatikan hasil output yang diberikan ! Simpan output anda dengan nama Multivar. Analisis output : Output untuk uji varians. Untuk kotak Option. Hipotesis : H0 : Ketiga varians populasi adalah identik. pilih Homogeneity tests (yaitu untuk menguji varians populasi dependent variabel). dan F test. (berbeda dengan sebelumnya yang menggunakan varians. a. Jika probabilitas < 0. Pengambilan keputusan.Isikan tr_sales dan persepsi pada kotak dialog Dependent Variable.. Abaikan pilihan yang lain.spo. Walaupun satu variabel nilai probabilitasnya di atas 0. Wilk Lambda. namun secara keseluruhan (gabungan) bisa dikatakan H0 diterima. vs H1 : tiga sampel rata-rata vektor sampel dari skor rata-rata adalah berbeda. Dasar pengambilan keputusan : Jika probabilitas > 0. Kemudian tekan OK untuk melihat hasilnya. Hipotesis untuk kasus ini adalah Ho : tiga sampel rata-rata vektor sampel dari skor rata-rata adalah identik.079 dan 0. Isikan variabel daerah pada kotak Fixed Factor.05 maka Ho diterima. maka H0 ditolak. yaitu : 1. Roy’s. kemudian tekan Continue jika telah selesai mengisikan. maka terlihat bahwa nilai probabilitasnya adalah 0. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 14 . maka sekarang digunakan vector of mean. atau kedua varians populasi adalah sama. Alat analisis : Levene Test.. H1 : Ketiga varians populasi adalah tidak identik.747. 2.05.05.) Alat analisis yang digunakan : Pillai Trace. Hotelling Trace. dan proses MANOVA bisa diteruskan. Varians tiap-tiap variabel dependent. Dengan menggunakan hipotesa H0 bahwa matrik varians / kovarians dari veriabel dependent pada grup-grup adalah sama.000. Output Multivariate (MANOVA) test. Uji varians pad MANOVA dilakukan dua tahap.

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

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

• Tanda .909Xi Dengan hasil yang sangat signifikan. sedangkan factor Beginning Salary memberikan angka 1.berarti variable X berpengaruh secara berlawanan terhadap Y. • Simpan hasil output anda dengan nama Regresi.spo. Catatan : memperhatikan tanda b1 dan mengartikannya adalah langkah yang penting dalam analisis regresi linier. Hal ini berarti persamaan linier yang diperoleh adalah : Yi = 1928.206. klik OK untuk melihat hasilnya. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 17 .206 + 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. Dari hasl output yang diberikan.• Setelah selesai melakukan pengisian. Untuk kenaikan 1 satuan dari variable X akan menaikkan nilai Y sebesar b1. • Tanda + berarti variable X berpengaruh secara positif terhadap Y.909.

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

artinya makin besar nilai X maka makin kecil nilai Y. terlihat bahwa bo atau konstanta mempunyai p-value 0.05).095Literacy. Berarti dapat ditarik kesimpulan bahwa angka harapan hidup pria dan tingkat baca tulis mempengaruhi secara positif terhadap angka harapan hidup wanita di suatu Negara.258 + 0. Jika anda lihat pada output terakhir.095Literacy. Dari table regresi kita peroleh persamaan estimasi sebagai berikut : • Model estimasi Yi = 2. bagaimana arah hubungan dan seberapa besar hubungan tersebut.• Setelah output diberikan. Analisa output : Kita lihat bahwa dengan pendekatan anova (table anova). KORELASI BIVARIATE Korelasi Bivariate melibatkan dua atau lebih variable untuk diketahui hubungan di antaranya.931Explifem + 0. adalah hubungan linier terbalik sempurna.931Explifem + 0. Biasanya dalam analisis regresi disamping dicari persamaan regresi.spo. artinya makin besar nilai X maka makin besar pula nilai Y. adalah hubungan linier sempurna. maka terdapat pengaruh yang signifikan dari variable-variabel predictor yaitu dengan ditolaknya Ho (sig > 0. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 19 . dan jika ada hubungan. simpan output anda ini dengan nama RegGanda. -1≤ r ≤ 1. • Jika r = 1 artinya hubungan kedua variable tsb. maka bo tidak masuk dalam persamaan sehingga persamaan akhirnya diperoleh: Model Estimasi Yi = 0.057 ( > 0. juga dihitung koefisien korelasi sebagai berikut : r= ∑ ( X − X )(Y − Y ) ∑ ( X − X ) ∑ (Y − Y ) 2 2 . A. IX.05). ANALISIS KORELASI Analisis korelasi bertujuan untuk mengetahui apakah di antara dua buah variable atau lebih terdapat hubungan. berarti bahwa pada  = 5%. Arti dari r adalah : • Jika r = -1 artinya hubungan kedua variable tsb.

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

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

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