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

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

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

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

0 0 30 . Simpan output anda ini dengan nama TGSGRAPH. Pie.0 0 85 . HISTOGRAM Gaji Karyawan 16 14 12 10 8 6 4 2 0 Std.0 0 95 0 0. Misalkan kita mengambil logaritma dari suatu variabel (data). 15 .0 0 20 0 0. Dialog box perintahnya dapat anda lihat pada gambar berikut : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 6 . Transformasi adalah proses merubah variabel melalui fungsi matematika.0 0 70 0 0. Area. TUGAS : Buatlah grafik dalam bentuk yang lain untuk Gaji Karyawan tersebut. IV.0 0 10 Gaji Karyawan • Simpan output anda dengan nama HISTOGR. dan dev.spo.0 0 80 . tekan OK untuk melihat hasilnya.0 0 60 . Misalnya Bar.0 50 10 .• Setelah selesai anda melakukan pengisian. atau kita melakukan transformasi Z = v1 − mean(v1) terhadap suatu data yang kemudian dikenal dengan transformasi normal standart.3 N = 75. 45 .spo.0 0 55 .0 0 75 .0 0 40 .0 0 50 0 0. Sebagai latihan. buka file Anxiety 2 yang ada di folder SPSS.s tan(v1) lain sebagainya. Dev = 209.80 Mean = 520. Line. 65 . (Bandingkan hasil yang anda peroleh dengan hasil di bawah ini !). kemudian Compute.0 00 10 .0 0 35 . kemudian lakukan langkah berikut : • Pilih menu Transform.0 0 25 . PENGHITUNGAN DATA MENGGUNAKAN RUMUS Compute. 90 .00 .

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

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

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

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

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

96 29.000 .28 America Pacific/Asia OECD -12.38 .16 East Europe -8. dan tentukan metode yang akan anda gunakan. 95% Confidence Interval Lower Bound -.Error J) (I) Region or (J) Region or economic economic group group OECD East Europe 4.15 2.53 .83 2.43 8.67 -8.35 -17.33 2. Untuk keseragaman.12 -.74 2.76 -8.98 12.068 .29 -8.000 .33 Middle East 4. pilih metode LSD (metode Spearman).59 2. Setelah selesai.000 -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 12 .51 2.68 4.21 Middle East -17.000 .32 -.09 East Europe -21. Untuk melihat mean mana saja yang berbeda kita harus melakukan Analisis Pembandingan ganda (Multiple Comparison analysis).62 16.04 America East Europe OECD -4. lanjutkan dengan proses berikutnya.59 2.10 2.15 2.86 17.16 Latn 8.21 Middle East -4.12 -8.• Simpan file output anda ini dengan nama OneWay.35 2.28 Pacific/Asia 12.32 8.000 .000 .000 .98 -26.27 Latn -4. Difference (I.95 .77 -8. hanya saja pada tampilan menu One Way Anova.33 2.86 17.18 2. Post Hoc Test Multiple Comparisons Dependent Variable: Average female life expectancy LSD Mean Std.14 8.35 9.076 .24 2.33 Pacific/Asia -13.23 4.16 America Africa OECD -25.09 Middle East 8.000 .39 Africa 21.77 -12.78 12.spo.68 2.000 . Analisa output : Dapat anda simpulkan bahwa pada tingkat α=5% kita peroleh nilai Fhit yang Signifikan yang berarti bahwa Ho ditolak atau ada minimal dua rata-rata yang berbeda.000 .68 2.16 Africa 25. Untuk melakukan MCA.39 Latn 4.41 21.066 .046 .29 -16.74 2.076 .000 .63 -29. anda klik Post Hoc.83 2.10 2.28 Pacific/Asia 8.43 13.21 Sig.53 -21.39 Africa 13.32 -7.62 3.067 .96 -13.41 2.70 Upper Bound 8.25E-02 -21.000 .41 -3.32 26.000 .68 -17. langkah yang harus anda lakukan adalah sama dengan One Way Anova.

50 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.45 -12. Untuk setiap variabelnya terdapat sejumlah kategori (tingkat) perlakuan.33 2.10 -4.76 7. perhatikan bagian yang bertanda bintang.936 . • Cobalah uji.046 .45 Setelah outputnya diberikan.70 4.000 .16 Africa 17.78 -9.51 2. VII.17 2.spo.21 Latn -.067 .936 -21. TUGAS : • Gunakan file data ROTI SALES2.29 .28 Pacific/Asia 4. ini menunjukkan mean data yang menunjukkan perbedaan di antara region-regionnya. apakah rata-rata penjualan kelima jenis roti sama ataukah berbeda? Simpan hasil pekerjaan anda dengan nama TGS1Way.65 4.spo.09 Middle East . ANALISIS VARIANSI N ARAH (MULTIVARIAT) Analisis variansi dapat diperluas dengan melibatkan dua atau lebih faktor (variabel) pada respon Numerik. Ada banyak macam desain tetapi yang akan kita bahas adalah desain dasar.63 21.35 -4.000 .32 8.16 America Latn America OECD -8.000 .066 .35 -4.04 East Europe -4.33 2.24 2.23 .Latn -17.39 Pacific/Asia 4.10 -13.068 .50 2. kemudian Multivariate.17 2.000 ..14 -. Kasus : Manajer PT.18 2.35 2.65 -12.16 * The mean difference is significant at the . analisalah.67 21..41 2.16 East Europe -4. pilih Analyze. kemudian -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 13 .95 -4. Jika ukuran sampel tiap sel sama maka desainnya dinamakan Experiment Factorial.32 12.27 Africa 17.29 8. Tampak di layar tampilan menu sebagai berikut : General Linier Model. Simpan hasil output anda ini dengan nama MCA..05 level.000 .25E-02 13.38 -8. Tujuan multivariat anova adalah untuk menguji kesamaan vektor dari rata-rata variabel dependent pada berbagai grup. Sehingga untuk setiap pertemuan perlakuan antara dua faktor itu akan kita peroleh sel atau sel kombinasi kategori.09 America Middle East OECD -8. .

Abaikan pilihan yang lain. Hotelling Trace. maka H0 diterima.05. dan proses MANOVA bisa diteruskan. Untuk kotak Option. maka sekarang digunakan vector of mean. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 14 . b. Varians tiap-tiap variabel dependent.. Alat analisis : Levene Test. Pengambilan keputusan.000. dan F test. Dasar pengambilan keputusan : Jika probabilitas > 0.) Alat analisis yang digunakan : Pillai Trace. yaitu : 1.05. 2.. maka terlihat bahwa nilai probabilitasnya adalah 0. Isikan variabel daerah pada kotak Fixed Factor.. Analisis output : Output untuk uji varians. Keputusan : terlihat bahwa nilai probabilitas Levene Test adalah 0. a. Uji varians pad MANOVA dilakukan dua tahap. kemudian tekan Continue jika telah selesai mengisikan. Dengan menggunakan hipotesa H0 bahwa matrik varians / kovarians dari veriabel dependent pada grup-grup adalah sama.079 dan 0. Uji varians populasi secara keseluruhan (overall equivalence). dan dengan menggunakan alat analisis Box’s M. H1 : Ketiga varians populasi adalah tidak identik.Isikan tr_sales dan persepsi pada kotak dialog Dependent Variable. Hipotesis : H0 : Ketiga varians populasi adalah identik. Roy’s.747. namun secara keseluruhan (gabungan) bisa dikatakan H0 diterima.spo. Kemudian tekan OK untuk melihat hasilnya. Karena probabilitas > 0. vs H1 : tiga sampel rata-rata vektor sampel dari skor rata-rata adalah berbeda. atau kedua varians populasi adalah sama.05 maka Ho diterima. Output Multivariate (MANOVA) test. maka H0 ditolak. Perhatikan hasil output yang diberikan ! Simpan output anda dengan nama Multivar. Hipotesis untuk kasus ini adalah Ho : tiga sampel rata-rata vektor sampel dari skor rata-rata adalah identik. (berbeda dengan sebelumnya yang menggunakan varians. Walaupun satu variabel nilai probabilitasnya di atas 0. Jika probabilitas < 0. pilih Homogeneity tests (yaitu untuk menguji varians populasi dependent variabel).05. Wilk Lambda.

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

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

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

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

berarti bahwa pada  = 5%. Dari table regresi kita peroleh persamaan estimasi sebagai berikut : • Model estimasi Yi = 2. adalah hubungan linier sempurna.095Literacy. artinya makin besar nilai X maka makin kecil nilai Y. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 19 .spo. -1≤ r ≤ 1. Biasanya dalam analisis regresi disamping dicari persamaan regresi.258 + 0. maka terdapat pengaruh yang signifikan dari variable-variabel predictor yaitu dengan ditolaknya Ho (sig > 0. dan jika ada hubungan. juga dihitung koefisien korelasi sebagai berikut : r= ∑ ( X − X )(Y − Y ) ∑ ( X − X ) ∑ (Y − Y ) 2 2 . • Jika r = 1 artinya hubungan kedua variable tsb. ANALISIS KORELASI Analisis korelasi bertujuan untuk mengetahui apakah di antara dua buah variable atau lebih terdapat hubungan.931Explifem + 0. bagaimana arah hubungan dan seberapa besar hubungan tersebut. Arti dari r adalah : • Jika r = -1 artinya hubungan kedua variable tsb.05).• Setelah output diberikan. A. Jika anda lihat pada output terakhir. terlihat bahwa bo atau konstanta mempunyai p-value 0. simpan output anda ini dengan nama RegGanda.931Explifem + 0.095Literacy. KORELASI BIVARIATE Korelasi Bivariate melibatkan dua atau lebih variable untuk diketahui hubungan di antaranya. artinya makin besar nilai X maka makin besar pula nilai Y. IX. maka bo tidak masuk dalam persamaan sehingga persamaan akhirnya diperoleh: Model Estimasi Yi = 0. adalah hubungan linier terbalik sempurna. Analisa output : Kita lihat bahwa dengan pendekatan anova (table anova).057 ( > 0.05). Berarti dapat ditarik kesimpulan bahwa angka harapan hidup pria dan tingkat baca tulis mempengaruhi secara positif terhadap angka harapan hidup wanita di suatu Negara.

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

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

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