Analisis Data Sederhana 2 SPSS
Pada bagian ini akan dibahas dua contoh inferensia statistik yaitu analisis korelasi linier sederhana dan analisis regresi linier sederhana.
Untuk mempermudah penjelasan, kita gunakan data di bawah ini :
Pendapatan : 4 5 4 6 4 5 4 6 7 5
Pengeluaran : 1 2 3 2 2 3 2 4 4 2
1. Korelasi Linier Sederhana
Pada data editor masukan peubah pendptn dan penglrn, kemudian input semua datanya. Berikutnya pilih Analyze - Correlate - Bivariate. Pada layar akan muncul :
Klik pendptn kemudian tekan shift tahan dan klik penglrn. Klik tanda segitiga untuk memindahkan peubah tadi ke kotak Variables. Di tengah terdapat tulisan Correlation Coefficients, pilihlan Pearson untuk korelasi produk momen pearson, atau Kendall’s tau-b untuk korelasi Tau Kendall, atau Spearman untuk korelasi peringkat spearman. Kemudian di bagian bawah terdapat Tulisan Test of Significance, pilihlah Two-tailed untuk pengujian dua arah, atau pilih One-tailed untuk pengujian satu arah (dibahas di pengujian hipotesis). Berikutnya klik OK.
Output dari analisis diatas ialah sebagai berikut :
Dari output di atas dapat ditentukan bahwa nilai r = 0.651. Kemudian dapat disimpulkan bahwa antara peubah pendapatan dan pengeluaran terdapat hubungan yang kuat dan searah karena P-value = Sig (2-tailed)=0.042 lebih kecil dari taraf nyata = alpha = 5%.
2. Regresi Linier Sederhana
Untuk menentukan hubungan matematis yang linier antara 2 peubah maka dilakukan analisis regresi linier sederhana. Hasil dari suatu analisis regresi linier sederhana adalah persamaan linier Y = a + bX. Pada contoh di atas kita misalkan bahwa pengeluaran merupakan fungsi dari pendapatan sehingga persamaan yang akan dibentuk ialah penglrn = a + b pendptn.
Pada data editor sesudah data diinput semua, pilihlah Analyze - Regression - Linear … Pada layar akan muncul gambar berikut :
Pindahkan peubah pendptn ke kotak Independent(s) dan peubah penglrn ke kotak Dependent. Kemudian Klik OK. Pada layar akan nampak output window sebagai berikut :
R-square menunjukan seberapa besar keragaman dalam nilai Y dipengaruhi oleh hubungan liniernya dengan X. Atau dengan bahasa sederhananya seberapa bagus persamaan linier yang sudah dibentuk. Semakin tinggi R-square (makin mendekati nilai 1) semakin bagus persamaan liniernya. Tidak ada patokan yang pasti untuk menunjukan suatu regresi bagus atau tidak namun sebagai ancar-ancar nilai R-square 0.70 sudah memadai.
Kemudian tulisan Sig. atau Significance atau P-value = 0.042 digunakan untuk menguji apakah parameter regresi b sama dengan nol atau tidak. Jika P-value lebih kecil dari 0.05 maka tolak H0 artinya parameter regresi b tidak sama dengan nol.
Persamaan regresi yang terbentuk adalah penglrn = -0.5 + 0.6 pendptn ;atau Y = -0.5 + 0.6 X ; Nilai konstanta -0.5 dan statistik 0.6 kemudian diuji apakah berbeda nyata dengan 0 atau tidak. Caranya dengan membandingkan nilai Sig. (significance) dengan taraf nyata = alpha yang ditentukan (umumnya 5%). Jika Sig. < alpha maka tolak H0 artinya berbeda nyata. Pada kasus di atas konstanta tidak berbeda nyata sedangkan statistik pendptn berbeda nyata. (asumsi: bahwa hipotesis telah dinyatakan H0: t = 0, H1 : t tidak sama dengan 0)
Tags: Tutorial SPSS
Tutorial | admin, December 21, 2008 6:01 pm
lovelyrainbow1 — December 27, 2008 @ 8:04 am
Wah boleh juga nih infonya
ciko — May 3, 2009 @ 7:44 pm
kalo minus gitu artinya apa??? apakah artinya tidak signifikan??? karena nilai signifikansinya o,7 untuk (constan)…mohon bantuannya
indra wijaya — May 22, 2009 @ 3:01 pm
nilai konstanta dan nilai statistik itu apa artiny?
trimakasih
admin — May 24, 2009 @ 8:40 pm
@ciko dan indra wijaya : pers. regresi yang terbentuk adalah y = a + bx dengan a=-0.5 dan b=0.6 . a dan b disebut dengan statistik regresi atau penduga parameter regresi, namun a disebut juga sebagai konstanta persamaan tsb. Untuk melihat signifikansi bukan dari minus atau tidak tetapi dilihat dari nilai-p nya. Nilai t hitung yang negatif (-0.396) didapat karena nilai a nya negatif. Jika t hitung sangat kecil (< -2.42) malah berarti signifikan.
uli — May 29, 2009 @ 11:24 am
makasih blognya, membantu tugas mini thesiskuuu . ^^
Candra — June 15, 2009 @ 3:42 pm
Trus klo nilai konsta nya minus artinya apa? Tolong penjelasannya lebih detail..terima kasih sebelumnya
admin — June 16, 2009 @ 7:05 pm
@Candra : dalam menganalisis suatu persamaan statistik harus hati-hati, ada dua istilah kebermaknaan(significancy) yaitu kebermaknaan statistik dan kebermaknaan praktis. Belum tentu nyata secara statistik itu nyata secara praktis dan sebaliknya. Dalam hal ini, kebermaknaan praktis diserahkan pada peneliti yang berkompeten di bidang ilmunya masing-masing. Untuk data pada contoh di atas jika diterapkan dalam kehidupan sehari-hari kurang tepat memang seharusnya konstantanya positif artinya seseorang akan melakukan pengeluaran bahkan pada saat pendapatannya=0.
reza — April 17, 2010 @ 2:51 am
jika Y= -a+bX artinya apa? ada referensi buku ga?
iin — June 13, 2010 @ 10:31 pm
thitung saya -3.146 ttabel saya 1.663
untuk pengujian hipotesis, bila menggunakan teori thitttabel=Ho ditolak
Apakah kasus saya ini, hasilnya Ho diterima??
Atau pada thitung tanda (-) minus dianggap tidak ada?
maksudnya hasil saya menjadi 1.663<3.146=Ho ditolak?
Mohon dibantu ya… karena skripsi saya Freezze gara2 hal ini ^_^
Klo ada tolong sertakan bukti pendukung. Thanks.
admin — June 23, 2010 @ 12:20 pm
@iin : tergantung hipotesisnya apakah dua arah atau satu arah (coba lihat bahasan tentang pengujian hipotesis di tags). Jika dua arah maka Ho ditolak karena yang diuji sisi kiri dan kanan. Jika satu arah tergantung hipotesisnya apakah < atau > (uji sisi kiri atau kanan). Catatan sedikit, untuk uji dua arah tolak Ho jika thitung > t tabel.