SPSS

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

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

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

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

spo.0 0 35 .s tan(v1) lain sebagainya.0 0 20 0 0.0 0 55 .• Setelah selesai anda melakukan pengisian. tekan OK untuk melihat hasilnya. (Bandingkan hasil yang anda peroleh dengan hasil di bawah ini !).80 Mean = 520. Misalkan kita mengambil logaritma dari suatu variabel (data).0 0 70 0 0. Area.0 50 10 . 15 . Dev = 209.0 0 95 0 0.0 0 60 . Dialog box perintahnya dapat anda lihat pada gambar berikut : -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 6 . Transformasi adalah proses merubah variabel melalui fungsi matematika. Simpan output anda ini dengan nama TGSGRAPH.0 0 40 . TUGAS : Buatlah grafik dalam bentuk yang lain untuk Gaji Karyawan tersebut. 65 .00 . HISTOGRAM Gaji Karyawan 16 14 12 10 8 6 4 2 0 Std. atau kita melakukan transformasi Z = v1 − mean(v1) terhadap suatu data yang kemudian dikenal dengan transformasi normal standart.0 00 10 . Line. Pie. 45 .0 0 80 .0 0 75 . buka file Anxiety 2 yang ada di folder SPSS. dan dev. kemudian Compute.0 0 30 .0 0 85 .0 0 50 0 0. 90 . Misalnya Bar. PENGHITUNGAN DATA MENGGUNAKAN RUMUS Compute. Sebagai latihan.3 N = 75.spo.0 0 10 Gaji Karyawan • Simpan output anda dengan nama HISTOGR. IV. kemudian lakukan langkah berikut : • Pilih menu Transform.0 0 25 .

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

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

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

caranya berbeda dengan yang terdahulu. Analisalah output yang diberikan berdasarkan teori statistik yang anda peroleh dari kuliah “Satistika”. Tampilan menu bisa anda lihat pada gambar berikut : Untuk pengisian variabel ke kotak Paired Variable(s). 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%. dan Paired-Samples T Test. Langkah dalam SPSS : Buka file World95 Pilih menu Analyze.spo. Sorot kedua variabel tersebut (lifeexpf dan lifeexpm) kemudian klik mata panah ke kanan (seperti pada gambar 33). 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. Simpan file output anda ini dengan nama PairSamT. kemudian Compare Means. Karena kedua variabel yang akan ditest sifatnya berpasangan. Langkah-langkah uji hipotesismya sbb : File data yang digunakan : file World95. Catatan : Karena dalam SPSS uji berpasangannya untuk perbedaan nol maka anda harus menambah berat sesudah dengan 5 atau mengurangi berat sebelum dengan 5.D.spo. Simpan file output anda ini dengan nama TGSPairT. Setelah selesai semua pengisian. TUGAS : Sebuah perusahaan obat-obatan mengiklankan bahwa obat pelangsing ABC mampu menurunkan berat badan orang yang meminumnya sampai 5 kg jika diminum secara teratur dalam waktu 3 minggu. tekan OK untuk melihat hasilnya. maka kedua variabel tersebut dimasukkan ke kotak Paired Variable(s) secara bersamaan. UJI RATA-RATA 2 POPULASI DEPENDENT SPSS juga dilengkapi dengan uji t (student-t) untuk 2 populasi normal sample dependent atau sample berpasangan. Hal ini cukup beralasan karena angka harapan hidup keduanya banyak ditentukan oleh faktor-faktor yang berdekatan. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 10 .

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

000 . dan tentukan metode yang akan anda gunakan. langkah yang harus anda lakukan adalah sama dengan One Way Anova.76 -8.000 .09 Middle East 8.35 9.000 .15 2.16 Africa 25.000 .10 2.076 .28 Pacific/Asia 12.78 12.27 Latn -4.068 .28 Pacific/Asia 8. Difference (I.74 2.70 Upper Bound 8.000 .33 Pacific/Asia -13.68 2.33 2. Analisa output : Dapat anda simpulkan bahwa pada tingkat α=5% kita peroleh nilai Fhit yang Signifikan yang berarti bahwa Ho ditolak atau ada minimal dua rata-rata yang berbeda.29 -8.15 2.62 3.21 Middle East -17.39 Latn 4. Untuk keseragaman.24 2.67 -8.62 16.• Simpan file output anda ini dengan nama OneWay.32 8.000 .86 17.32 -.000 . 95% Confidence Interval Lower Bound -.12 -.53 -21.43 8. Untuk melakukan MCA. Untuk melihat mean mana saja yang berbeda kita harus melakukan Analisis Pembandingan ganda (Multiple Comparison analysis).spo.000 -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 12 .39 Africa 13.000 .96 29.68 2.43 13.53 .21 Middle East -4.96 -13.000 .10 2.16 Latn 8.076 . hanya saja pada tampilan menu One Way Anova.63 -29.41 2.98 -26.29 -16.68 4. Post Hoc Test Multiple Comparisons Dependent Variable: Average female life expectancy LSD Mean Std.046 . lanjutkan dengan proses berikutnya.59 2.32 26.000 .28 America Pacific/Asia OECD -12.77 -8.32 -7.14 8.86 17.04 America East Europe OECD -4. Setelah selesai.000 .23 4.77 -12.066 .98 12.25E-02 -21.33 Middle East 4.41 -3.33 2.35 2.39 Africa 21.95 .09 East Europe -21.41 21.83 2. pilih metode LSD (metode Spearman).067 . anda klik Post Hoc.35 -17.16 East Europe -8.51 2.83 2.Error J) (I) Region or (J) Region or economic economic group group OECD East Europe 4.12 -8.74 2.68 -17.18 2.21 Sig.16 America Africa OECD -25.59 2.000 .38 .

16 * The mean difference is significant at the .18 2.35 2.16 Africa 17.70 4.17 2.000 . Simpan hasil output anda ini dengan nama MCA. Tujuan multivariat anova adalah untuk menguji kesamaan vektor dari rata-rata variabel dependent pada berbagai grup.000 .32 12.50 2.10 -4. Jika ukuran sampel tiap sel sama maka desainnya dinamakan Experiment Factorial. Tampak di layar tampilan menu sebagai berikut : General Linier Model.35 -4.25E-02 13.spo.spo.63 21.29 . TUGAS : • Gunakan file data ROTI SALES2. ini menunjukkan mean data yang menunjukkan perbedaan di antara region-regionnya. . VII.936 -21.45 -12.51 2.41 2. ANALISIS VARIANSI N ARAH (MULTIVARIAT) Analisis variansi dapat diperluas dengan melibatkan dua atau lebih faktor (variabel) pada respon Numerik.21 Latn -.65 4.33 2.38 -8. Kasus : Manajer PT. Untuk setiap variabelnya terdapat sejumlah kategori (tingkat) perlakuan.068 .45 Setelah outputnya diberikan.32 8.067 .17 2.05 level.000 . analisalah.066 .76 7. • Cobalah uji.27 Africa 17.936 .65 -12.95 -4.33 2.39 Pacific/Asia 4.28 Pacific/Asia 4.10 -13. kemudian Multivariate. kemudian -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 13 ..16 East Europe -4.04 East Europe -4.35 -4.. Ada banyak macam desain tetapi yang akan kita bahas adalah desain dasar.000 .23 . 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.14 -. pilih Analyze. apakah rata-rata penjualan kelima jenis roti sama ataukah berbeda? Simpan hasil pekerjaan anda dengan nama TGS1Way.000 .09 Middle East .67 21.09 America Middle East OECD -8..16 America Latn America OECD -8.Latn -17. Sehingga untuk setiap pertemuan perlakuan antara dua faktor itu akan kita peroleh sel atau sel kombinasi kategori. perhatikan bagian yang bertanda bintang.78 -9.50 2.046 .29 8.24 2.

Analisis output : Output untuk uji varians. kemudian tekan Continue jika telah selesai mengisikan..05 maka Ho diterima. Hotelling Trace. Perhatikan hasil output yang diberikan ! Simpan output anda dengan nama Multivar.05. Dasar pengambilan keputusan : Jika probabilitas > 0. Kemudian tekan OK untuk melihat hasilnya. maka sekarang digunakan vector of mean.Isikan tr_sales dan persepsi pada kotak dialog Dependent Variable.) Alat analisis yang digunakan : Pillai Trace. Karena probabilitas > 0. -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 14 . Roy’s.05.. Pengambilan keputusan. Abaikan pilihan yang lain. dan dengan menggunakan alat analisis Box’s M. pilih Homogeneity tests (yaitu untuk menguji varians populasi dependent variabel). H1 : Ketiga varians populasi adalah tidak identik. atau kedua varians populasi adalah sama. maka H0 diterima. 2.747. a. yaitu : 1. namun secara keseluruhan (gabungan) bisa dikatakan H0 diterima.. Hipotesis untuk kasus ini adalah Ho : tiga sampel rata-rata vektor sampel dari skor rata-rata adalah identik. Varians tiap-tiap variabel dependent. Jika probabilitas < 0. dan proses MANOVA bisa diteruskan. Hipotesis : H0 : Ketiga varians populasi adalah identik. b. vs H1 : tiga sampel rata-rata vektor sampel dari skor rata-rata adalah berbeda. maka H0 ditolak. (berbeda dengan sebelumnya yang menggunakan varians.079 dan 0.000. Walaupun satu variabel nilai probabilitasnya di atas 0. Keputusan : terlihat bahwa nilai probabilitas Levene Test adalah 0. Untuk kotak Option. dan F test. Uji varians populasi secara keseluruhan (overall equivalence).spo. Dengan menggunakan hipotesa H0 bahwa matrik varians / kovarians dari veriabel dependent pada grup-grup adalah sama. maka terlihat bahwa nilai probabilitasnya adalah 0. Wilk Lambda. Uji varians pad MANOVA dilakukan dua tahap. Alat analisis : Levene Test. Output Multivariate (MANOVA) test. Isikan variabel daerah pada kotak Fixed Factor.05.

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. dan X. 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 .Terlihat pada semua angka signifikan untuk keempat test dan angka F Test pada bagian dua (effect daerah). ANALISA REGRESI LINIER SEDERHANA Yang dimaksud dengan analisis regresi linier sederhana (univariat) adalah analisis regresi linier dengan jumlah variabel pengaruhnya hanya satu. parabolik dan sebagainya. lakukan analisis. Analisis ini secara mudah dapat kita artikan sebagai analisis pencocokan kurva pada suatu fungsi tertentu seperti linier. TUGAS : Sebuah perusahaan ingin melihat tentang rata-rata tingkat kecemasan karyawannya. Jawa Barat. bagaimanakah kesimpulan yang bisa diambil? Adakah interaksi antara Jk dan Jabatan dalam hal tingkat kecemasan? kemudian simpan output anda dengan nama TGSMulti. dan Jawa Tengah). mempunyai angka (hasil) yang berbeda untuk tiap daerah penjualan (Jakarta. kuadratik. Sedangkan konsumen Jawa Tengah mungkin masih mempunyai persepsi yang kurang terhadap roti tersebut yang juga mempengaruhi 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. Contoh praktisnya. yang akan dibawa ke suatu fungsi tertentu.000 atau jauh di bawah 0.05. jika data tersebut mengikuti pola linier maka akan kita dekati dengan jenis regresi ini. Di sini akan dibahas beberapa pencocokan saja. menunjukkan angka 0. VIII. Bisa juga disimpulkan kombinasi variabel Persepsi Konsumen dan Sales Roti. Manajer PT DUTA MAKMUR harus memperhatikan perilaku konsumen di tiap daerah dan mungkin melakuan pendekatan yang berbeda untuk setiap daerah.spo. Implikasi praktisnya. ANALISIS REGRESI Salah satu metode pengolahan data yang populer adalah analisis regresi. bisa jadi konsumen Jakarta mempunyai persepsi yang bagus terhadap roti produksi PT DUTA MAKMUR dan tentunya berpengaruh pada bagusnya tingkat penjualan di daerah tersebut. exponensial.

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

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

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

artinya makin besar nilai X maka makin besar pula nilai Y. Analisa output : Kita lihat bahwa dengan pendekatan anova (table anova). -----------------------------------------------------------------------------------------------------------------------------------Program Pengolahan Data ”SPSS” halaman 19 . A. KORELASI BIVARIATE Korelasi Bivariate melibatkan dua atau lebih variable untuk diketahui hubungan di antaranya. juga dihitung koefisien korelasi sebagai berikut : r= ∑ ( X − X )(Y − Y ) ∑ ( X − X ) ∑ (Y − Y ) 2 2 .05). Biasanya dalam analisis regresi disamping dicari persamaan regresi. maka bo tidak masuk dalam persamaan sehingga persamaan akhirnya diperoleh: Model Estimasi Yi = 0. • Jika r = 1 artinya hubungan kedua variable tsb. IX. maka terdapat pengaruh yang signifikan dari variable-variabel predictor yaitu dengan ditolaknya Ho (sig > 0. simpan output anda ini dengan nama RegGanda. adalah hubungan linier terbalik sempurna. 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. berarti bahwa pada  = 5%.931Explifem + 0.095Literacy. adalah hubungan linier sempurna. artinya makin besar nilai X maka makin kecil nilai Y.258 + 0. Dari table regresi kita peroleh persamaan estimasi sebagai berikut : • Model estimasi Yi = 2. Jika anda lihat pada output terakhir. terlihat bahwa bo atau konstanta mempunyai p-value 0. dan jika ada hubungan.05).spo. -1≤ r ≤ 1.057 ( > 0.095Literacy. bagaimana arah hubungan dan seberapa besar hubungan tersebut.931Explifem + 0. Arti dari r adalah : • Jika r = -1 artinya hubungan kedua variable tsb.• Setelah output diberikan.

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

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

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

Sign up to vote on this title
UsefulNot useful