I.
UJI KASUS SAMPEL TUNGGAL (BINOMIAL)
A. Tujuan
Distribusi binomial adalah distribusi sampling dari proporsi-proporsi yang
mungkin peneliti amati dalam sampel-sampel random yang ditarik dari suatu
populasi yang terdiri dari dua kelas. Artinya distribusi ini memberikan
nilai-nilai yang mungkin terjadi di bawah H0. Disini H0
ialah hipotesis bahwa nilai populasinya adalah P. Oleh karena itu, kalau skor-skor
suatu penelitian ada dalam dua kelas,
distribusi binomialnya boleh dipakai untuk menguji H0. Tesnya
bertipe goodness of fit. Dari tes ini
peneliti dapat mengetahui apakah cukup alasan untuk percaya bahwa
proporsi-proporsi (atau frekuensi-frekuensi) yang peneliti amati dalam sampel
peneliti berasal dari suatu populasi yang memiliki nilai tertentu.
B.
Soal dan Hipotesis
1. Soal
Dilakukan penelitian untuk mengetahui bagaimana kecendurangan masyarakat
dalam memilih mobil untuk keluarga.
Berdasarkan 20 anggota sampel yang diipilih secara random, diperoleh 12 orang
memilih mobil berbahan bakar bensin dan 8 orang memilih mobil berbahan bakar
solar.
Tabel 1. Data uji binomial“kecenderungan
masyarakat dalam memilih mobil”
Observasi
|
Kecenderungan
|
1
|
1
|
2
|
1
|
3
|
1
|
4
|
1
|
5
|
1
|
6
|
1
|
7
|
1
|
8
|
1
|
9
|
1
|
10
|
1
|
11
|
1
|
12
|
1
|
13
|
0
|
14
|
0
|
15
|
0
|
16
|
0
|
17
|
0
|
18
|
0
|
19
|
0
|
20
|
0
|
2.
Hipotesis
H0 : p1 = p2 = 0,5
Ha : p1 ≠ p2 ≠ 0,5
C.
Langkah-langkah
1. Buka data
di file excel
2. Copy dan
pastekan di data variabel SPSS
3. Pada variabel view nama ditulis Observasi dan
Metode
4. Desimal
ditulis nol
5. Measure ditulis nominal
6. Klik Analyze
7. Klik Non parametrik test dan klik binomial
8. Pindahkan nama metode ke kolom
bagian kanan dan klik Ok
D.
Output SPSS
Tabel
2. Output Binomial Test
|
||||||
Category
|
N
|
Observed Prop.
|
Test Prop.
|
Exact Sig.
(2-tailed)
|
||
kecenderungan
|
Group 1
|
1
|
12
|
.60
|
.50
|
.503
|
Group 2
|
0
|
8
|
.40
|
|||
Total
|
20
|
1.00
|
||||
E.
Interpretasi Output
SPSS
Tampilan Output
SPSS menunjukkan bahwa frekuensi kecenderungan masyarakat yang memilih mobil berbahan bakar bensin ada
12 orang, dengan observed proportion
sebesar 0,60. Kecenderungan mayarakat yang memilih mobil berbahan bakar solar
ada 8 orang, dengan observed proportion
sebesar 0,40. Probabilitas signifikansi sebesar 0,503 (2-tailed), hal ini berarti probabilitas ini lebih besar dari α
sebesar 5% atau 0,05 maka H0 diterima
dan Ha ditolak. Kesimpulannya peluang masyarakat dalam memilih dua
jenis mobil antara berbahan bakar bensin dan berbahan bakar solar adalah sama
(50%).
II.
UJI KASUS
SAMPEL TUNGGAL (CHI-SQUARE)
A.
Tujuan
Pengujian Chi square (c2) digunakan untuk
menguji apakah ada perbedaan yang signifikan antara jumlah pengamatan
suatu obyek tertentu pada setiap klasifikasinya terhadap nilai harapannya yang
berdasarkan hipotesis Nol (H0). Selain itu
uji Chi
square
dapat pula digunakan untuk menguji independensi antara suatu variabel terhadap
variabel lainnya.
B. Soal dan Hipotesis
1.
Soal
Para
penggemar balap mobil Rally menyatakan bahwa pada saat balapan dengan trek
berbentuk lingkaran, keadaan mobil pada posisi start tertentu memiliki peluang
besar untuk dapat memenangkan balapan. Posisi start mobil adalah posisi 1 yaitu
posisi paling dalam dan posisi start 10 adalah posisi paling luar. Kita
bermaksud untuk menguji hubungan posisi start mobil dengan kemenangan dalam
balapan Rally. Pengamatan dilakukan selama 20 hari balapan.
Tabel 3. Data uji Chi-square
Posisi Start
|
1
|
2
|
3
|
4
|
5
|
6
|
7
|
8
|
9
|
10
|
Total
|
Jumlah pemenang
|
28
|
21
|
19
|
18
|
25
|
27
|
17
|
11
|
16
|
23
|
205
|
Expected
|
20
|
20
|
20
|
20
|
20
|
20
|
20
|
20
|
20
|
20
|
2.
Hipotesis
H0 : Tidak terdapat hubungan antara posisi start mobil dengan kemenangan
balapan
Ha : Terdapat hubungan antara posisi start mobil dengan kemenangan balapan
C. Langkah-langkah
1.
Pada SPSS bagian variabel view nama diisi observasi dan pemenang
2.
Desimal nol dan Measure diisi nominal
3.
Klik Analyze – klik Nonparametrik
test – klik Chi square
4.
Pindahkan nama pemenang ke kolom
bagian kanan
5.
Klik Ok
D. Output SPSS
Tabel 4. Output Uji Chi-square
|
|
Pemenang
|
|
Chi-Square
|
23.634a
|
df
|
9
|
Asymp. Sig.
|
.005
|
E.
Interpretasi Output SPSS
Tampilan Output SPSS
menunjukan bahwa nilai observasi ataupun expektasi jumlah pemenang dengan nomor
start 1-10. Nilai Chi square sebesar
23,634 dengan df = 9 menunjukan nilai probabilitas sebesar 0,005 dan nilai ini
ini lebih kecil dari α (0,01) sehingga H0 ditolak. Maka dapat
disimpulkan bahwa terdapat perbedaan peluang untuk menang dari masing-masing
posisi start mobil.
III. UJI SAMPEL GANDA BERPASANGAN (MC NEMAR)
A.
Tujuan
Uji ini digunakan untuk
menguji keefektifan suatu perlakuan tertentu terhadap kecenderungan pilihan
para pemilih. Untuk menguji signifikansi setiap perubahan yang diobservasi
dengan metode ini, kita membentuk suatu tabel frekuensi yang berbentuk segi
empat. Uji Mc Nemar digunakan untuk
menentukan perubahan-perubahan dalam proporsi bagi sampel-sampel yang
berhubungan. Uji ini sering digunakan dalam rancangan percobaan “sebelum dan
sesudah” bilamana variabel dependen berupa variabel yang diukur dalam skala
nominal atau ordinal.
Dengan uji Mc Nemar dapat dianalisis perubahan untuk
mengetahui apakah perubahan dalam kedua arah berkemungkinan sama.
Pembentukan
Hipotesis :
H0: Tidak terdapat perbedaan dari sebelum
perlakuan dengan sesudah perlakuan.
H1:
Terdapat perbedaan dari sebelum perlakuan
dengan sesudah perlakuan.
B.
Soal dan Hipotesis
1.
Soal
Suatu perusahaan ingin mengetahui pengaruh sponsor yang diberikan dalam
suatu pertandingan olahraga terhadap nilai penjualan barangnya. Dalam
penelitian digunakan sampel yang diambil secara random sebanyak 30 orang. Apakah terdapat perbedaan antara sebelum dan sesudah adanya seponsor?
Tabel 5.Data uji Mc Nemar”Penelitian Sebelum dan Sesudah Ada Sponsor”
No
|
Sebelum ada sponsor
|
Sesudah ada sponsor
|
1
|
1
|
1
|
2
|
1
|
1
|
3
|
1
|
1
|
4
|
1
|
1
|
5
|
1
|
1
|
6
|
1
|
0
|
7
|
1
|
0
|
8
|
1
|
0
|
9
|
1
|
0
|
10
|
1
|
0
|
11
|
0
|
0
|
12
|
0
|
0
|
13
|
0
|
1
|
14
|
0
|
1
|
15
|
0
|
1
|
16
|
1
|
1
|
17
|
1
|
1
|
18
|
1
|
0
|
19
|
0
|
0
|
20
|
0
|
0
|
21
|
1
|
1
|
22
|
1
|
1
|
23
|
1
|
1
|
24
|
1
|
1
|
25
|
1
|
1
|
26
|
0
|
1
|
27
|
0
|
1
|
28
|
0
|
1
|
29
|
0
|
0
|
30
|
0
|
0
|
2.
Hipotesis
H0 : Tidak terdapat perubahan (perbedaan) penjualan sebelum dan
sesudah
ada sponsor.
Ha : Terdapat perubahan (perbedaan) penjualan sebelum dan sesudah ada sponsor.
C. Langkah-langkah
1. Pada
variabel view nama diisi observasi, sebelum, dan sesudah
2. Klik Analyze
– Nonparametrik test – klik 2 Related
samples
3. Pindahkan data sebelum dan sesudah ke kolom kanan
4. Pada tampilan centang Mc Nemar dan klik Ok
D.
Output SPSS
Tabel
6. Output
uji
Mc Nemar Sebelum & sesudah
sponsor
|
|||
Sebelumsponsor
|
Sesudahsponsor
|
||
0
|
1
|
||
0
|
6
|
6
|
|
1
|
6
|
12
|
|
Tabel
7. Data Test Statisticsb
|
|||
sebelumsponsor & sesudahsponsor
|
|||
N
|
30
|
||
Exact Sig. (2-tailed)
|
1.000a
|
||
E.
Interpretasi Output SPSS
Tampilan output SPSS menunjukkan bahwa pada sebelum adanya sponsor,tidak
membeli produk dan sesudah, tidak membeli produk ada 6 orang. Pada sebelum adanya sponsor, tidak membeli produk
dan sesudah adanya sponsor, membeli produk ada 6 orang juga. Sedangkan
pada sebelum adanya sponsor, membeli produk dan sesudah adanya sponsor,
tidak membeli produk ada 6 orang. Pada
sebelum adanya sponsor, membeli produk dan sesudah adanya sponsor,
membeli produk ada 12 orang.
Output test statistic dengan N (jumlah data responden) sebanyak 30 orang
memiliki probabilitas signifikansi sebesar 1,000 (2-tailed), hal ini berarti probabilitas ini lebih besar dari α
sebesar 5% atau 0,05 maka H0 diterima dan Ha ditolak.
Kesimpulannya, bahwa tidak terdapat perubahan (perbedaan) penjualan sebelum dan
sesudah ada sponsor.
IV. UJI SAMPEL GANDA INDEPENDENT (UJI MANN WHITNEY)
A. Tujuan
Apabila data yang diteliti
pengukurannya minimal menggunakan ukuran ordinal, maka Mann Whitney test dapat
digunakan untuk menguji apakah dua grup independen berasal dari populasi yang
sama. Uji Mann-Whitney digunakan
untuk menguji hipotesis nol tentang kesamaan parameter-parameter lokasi
populasi. Dalam beberapa kasus uji ini disebut juga Uji Mann-Whitney Wilcoxon, karena Wilcoxon menggunakan kasus dengan ukuran sampel yang sama sedangkan Mann-Whitney dapat juga menggunakan
ukuran sampel yang berbeda.
B.
Soal dan Hipotesis
1. Soal
Suatu
penelitian bermaksud untuk mengetahui apakah terdapat perbedaan yang
signifikan dalam penilaian masyarakat terhadap koversi minyak tanah ke gas
elpiji. Pengamatan dilakukan kepada 2 kelompok IRT yaitu IRT perkotaan denga
IRT pedesaan.
Tabel 8. Data Uji Mann Whitney
Pengamatan
|
Skor
Penilaian Konversi
|
|
IRT Pedesaan
|
IRT
Perkotaan
|
|
1
|
37
|
53
|
2
|
49
|
45
|
3
|
40
|
33
|
4
|
37
|
36
|
5
|
42
|
52
|
6
|
54
|
39
|
7
|
37
|
52
|
8
|
42
|
|
Tabel 9. Data Pengujian Mann Whitney
Kelompok
|
Skor
|
0
|
37
|
0
|
49
|
0
|
40
|
0
|
37
|
0
|
42
|
0
|
54
|
0
|
37
|
0
|
42
|
1
|
53
|
1
|
45
|
1
|
33
|
1
|
36
|
1
|
52
|
1
|
39
|
1
|
52
|
2. Hipotesis
H0 : IRT perkotaan = IRT pedesaan.
H1 : IRT perkotaan ≠ IRT pedesaan.
C. Langkah-langkah
1. Pada variabel view SPSS nama diisi kelompok dan skor, Measure diisi untuk kolom skor diisi ordinal
2. Klik Analyze – Nonparametrik test – klik Independent Samples
3. Skor pindahkan ke kanan atas
dan kelompok kekanan bawah
4. Klik Define group tulis 0 dan 1, pastikan Mann Whitney dicentang
5. Klok Ok
D. Output SPSS
Tabel 10. Output Mann Whitney Ranks
Kelompok
|
N
|
Mean
Rank
|
Sum
of Ranks
|
|
Skor
|
0
|
8
|
7.00
|
56.00
|
1
|
5
|
7.00
|
35.00
|
|
Total
|
13
|
|
||||||||||||||||
E. Interpretasi Output SPSS
Tampilan SPSS menunjukkan nilai
probabilitas sebesar 1,000 (uji 2 sisi) dan atau sebesar 1,000 (uji 1 sisi). Dan nilai
ini lebih besar dari α (0,05). Oleh karena itu, dapat disimpulkan bahwa
tidak ada perbedaan kemampuan dalam penilaian
masyarakat terhadap koversi minyak tanah ke gas elpiji.
V. UJI KASUS K SAMPEL BERHUBUNGAN (FRIEDMAN)
A. Tujuan
Uji Friedman digunakan bila data
K sample berpasangan menggunakan
skala ordinal, untuk menguji H0
jika sampel itu ditarik dari populasi yang sama. Karena K sample tersebut
berpasangan maka jumlah kasus N adalah sama untuk setiap sampel.
Untuk test Friedman data dapat disajikan kedalam suatu tabel dua arah yang memiliki N baris dan k kolom. Baris
menggambarkan berbegai subyek atau bebagai himpunan subyek yang berpasangan dan
kolom-kolom menggambarkan berbagai macam kondisi. Data test ini adalah ranking,
dan skor-skor dalam tiap baris diberi ranking secara terpisah. Test Friedman menentukan apakah jumlah
keseluruhan ranking (Rj) berbeda signifikan.
B.
Soal dan Hipotesis
1. Soal
Penelitian
dilakukan untuk menguji efektivitas metode terapi relaksasi yang terdiri dari
metode I, II, dan III untuk keperluan menekan gejala stress pegawai swasta.
Untuk keperluan tersebut diteliti sebanyak 20 pegawai yang telah menggunakan
ketiga metode tersebut. Data yang diperoleh sebagai berikut
Tabel 12. Data Uji Friedman
Pegawai
|
Metode
|
||
I
|
II
|
III
|
|
1
|
20
|
50
|
25
|
2
|
50
|
70
|
54
|
3
|
27
|
37
|
28
|
4
|
47
|
43
|
65
|
5
|
90
|
25
|
76
|
6
|
69
|
77
|
48
|
7
|
64
|
52
|
36
|
8
|
19
|
47
|
37
|
9
|
90
|
55
|
30
|
10
|
60
|
40
|
30
|
11
|
55
|
65
|
45
|
12
|
57
|
91
|
19
|
13
|
68
|
50
|
20
|
14
|
50
|
75
|
35
|
15
|
60
|
50
|
70
|
16
|
85
|
70
|
47
|
17
|
92
|
81
|
72
|
18
|
73
|
83
|
33
|
19
|
34
|
45
|
55
|
20
|
45
|
54
|
56
|
2. Hipotesis
H0 : M1 = M2 = M3.
Ha
: M1 ≠ M2 ≠ M3.
C.
Langkah-langkah
1. Pada
variabel view nama diisi I,II,III – desimal diisi nol
2. Klik
Analyze – Nonparametrik test – K Related sampel
3. Kemudian
I, II, III dimasukan ke test variabel, test type jadikan Friedman
4. Klik
Ok
D.
Output SPSS
Tabel 13. Output Friedman
Ranks
Mean
Rank
|
|
I
|
2.05
|
II
|
2.30
|
III
|
1.65
|
Tabel 14. FriedmanTest Statisticsa
|
|
N
|
20
|
Chi-Square
|
4.300
|
Df
|
2
|
Asymp. Sig.
|
.116
|
E.
Interpretasi Output SPSS
Tampilan
output SPSS tersebut menunjukkan nilai probabilitas sebesar 0,116 dan nilai ini lebih besar dari α (0,05). Oleh karena itu, dapat disimpulkan bahwa tidak ada
perbedaan dalam efektivitas metode terapi relaksasi
pertama, kedua, dan ketiga.
VI. UJI KASUS K SAMPEL INDEPENDENT
A.Tujuan
Uji ini digunakan apabila
ingin membandingkan ukuran pemusatan lebih dari dua populasi. Kruskal Wallis Test ada yang menyebut H
Test (merupakan perluasan U Test) dan pertama kali diperkenalkan oleh William H Kruskall dan W Alen Wallis pada tahun 1952.
B. Soal dan Hipotesis
1. Soal
Terdapat anggapan bahwa
terdapat perbedaan motifasi mengajar seorang ustadz dalam memberikan
maungidhotul khasanahnya yang dalam hal ini dibedakan menjadi ustadz yang
berorientasi memberikan ilmu, memperoleh gaji dan keikhlasan hati. Benarkah
terdapat perbedaan dalam motifasi mengajar dikalangan ustadz tersebut? Untuk
pengujian ini diteliti 5 orang ustadz orientasi memberi ilmu, 5 orang ustadz orientasi
memperoleh gaji, dan orientasi keikhlasan hati.
Tabel 15. Data Uji Kruskal Wallis
observasi
|
orientasi
|
1
|
1
|
2
|
1
|
3
|
1
|
4
|
1
|
5
|
1
|
6
|
2
|
7
|
2
|
8
|
2
|
9
|
2
|
10
|
2
|
11
|
3
|
12
|
3
|
13
|
3
|
14
|
3
|
2. Hipotesis
H0 : Tidak terdapat perbedaan dalam motifasi mengajar diantara ustadz yang
berorientasi memberikan ilmu, memperoleh gaji, dan keikhlasan hati.
Ha : Terdapat perbedaan dalam motifasi
mengajar diantara ustadz yang berorientasi memberikan ilmu, memperoleh gaji,
dan keikhlasan hati.
C. Langkah-langkah
1. Pada variabel view SPSS nama
diisi Group dan motifasi mengajar, desimal diisi nol dan Measure nominal
2. Klik Analyze – Nonparametrik test – K Independent sampel
3. Group masuk Grouping dan motifasi mengajar masuk test variabel list
4. Klik Ok
D.
Output SPSS
Tabel 16. Output
Kruskal Willis Rank
|
|||
grup
|
N
|
Mean Rank
|
|
Motifasi_mengajar
|
1
|
5
|
3.00
|
2
|
5
|
8.00
|
|
3
|
4
|
12.50
|
|
Total
|
14
|
||
Tabel 17. Data Test statistic
|
|
Motifasi_mengajar
|
|
Chi-Square
|
11.571
|
df
|
2
|
Asymp.
Sig.
|
.003
|
E. Interpretasi Output SPSS
Pada tampilan SPSS menunjukan bahwa
probabilitas sebesar 0,003 lebih kecil dari α (0,05) sehingga H0 ditolak, oleh karena itu dapat disimpulkan
bahwa terdapat perbedaan motifasi mengajar diantara ustadz yang berorientasi
memberikan ilmu, memperoleh gaji, dan keikhlasan hati.
VII.
UJI KORELASI RANK SPEARMAN
A.
Tujuan
Korelasi adalah istilah
statistik yang menyatakan derajat hubungan linier (searah bukan timbal balik) antara dua variabel atau
lebih. Rank Spearman mempunyai sifat
kedua variabelnya berskala ordinal.
Uji Rank Spearmanmerupakan uji statistik yang dikembangkan paling
awal dan juga paling terkenal
saat ini. Uji ini, mengukur korelasi antara dua variabel dimana dua variabel
tersebut paling tidak diukur dengan menggunakan skala ordinal sehingga obyek
yang sedang diteliti dapat dirangking dalam dua seri urutan rangking.
B.
Soal dan Hipotesis
1.
Soal
Survey dilakukan untuk menguji apakah hubungan yang signifikan antara Authoritarianism dengan sikap Perjuangan Status Sosial yang ditunjukkan mereka. Untuk
keperluan pengujian diperiksa sebanyak 15 orang wanita.
Tabel 18. Data Uji Korelasi Rank Spearman
Subyek
|
Autoritarian
|
Status
sosial
|
1
|
72
|
46
|
2
|
95
|
43
|
3
|
47
|
29
|
4
|
46
|
57
|
5
|
120
|
55
|
6
|
93
|
98
|
7
|
131
|
96
|
8
|
81
|
51
|
9
|
25
|
52
|
10
|
134
|
82
|
11
|
101
|
51
|
12
|
122
|
45
|
13
|
64
|
35
|
14
|
75
|
111
|
15
|
68
|
48
|
2.
Hipotesis
H0 : Authoritarianism
= perjuangan status sosial.
Ha
: Authoritarianism ≠ perjuangan status sosial.
C.
Langkah-langkah
1. Pada variabel view nama diisi Autoritarian dan status sosial
2. Klik Analyze – Coralate – Bivariant – masukan
keduanya kedalam variabel
3. Centang
bagian Spearman dan kilk Ok
D.
Output SPSS
Tabel 19. Output Correlations of
Spearman
Autoritarian
|
Status
|
|||
Spearman's rho
|
Autoritarian
|
Correlation Coefficient
|
1.000
|
.284
|
Sig. (2-tailed)
|
.
|
.305
|
||
N
|
15
|
15
|
||
Status
|
Correlation Coefficient
|
.284
|
1.000
|
|
Sig. (2-tailed)
|
.305
|
.
|
||
N
|
15
|
15
|
E.
Interpretasi Output
SPSS
Tampilan
SPSS ini menunjukkan nilai koefisien korelasi sebesar 0,284 dengan tingkat
signifikansi 0,305. Hal ini menyebabkan nilai
tersebut lebih besar dari α (0,05), maka tidak
ada hubungan yang signifikan antara authoritarianism
dengan perjuangan status sosial.
VIII. UJI
KORELASI PEARSON PRODUCT MOMENT
A.
Tujuan
Korelasi adalah istilah
statistik yang menyatakan derajat hubungan linier (searah bukan timbal balik)
antara dua variabel atau lebih. Korelasi pearson
product moment mempunyai sifat kedua variabelnya berskala interval.
Uji Korelasi Pearson Product Moment
digunakan untuk menyatakan ada atau tidaknya hubungan antara variabel X dengan
variabel Y, dan untuk menyatakan besarnya sumbangan variabel satu terhadap yang
lainnya yang dinyatakan dalam persen.
B.
Soal dan Hipotesis
1. Soal
10 calon salesman yang diuji mengenai
teknik penjualan. Setelah mereka selesai diuji kemudian ditugaskan untuk
melakukan penjualan. Hasilnya adalah X = hasil ujian, Y = hasil penjualan tahun
pertama. Apakah terdapat hubungan positif antara nilai ujian dan hasil
penjualan?
Tabel 20. Data Uji Korelasi Pearson Product Moment
Nama
|
X
|
Y
|
Kiki
|
48
|
312
|
Tris
|
32
|
164
|
Alvian
|
40
|
280
|
Bernando
|
34
|
196
|
Andra
|
30
|
200
|
Gilang
|
50
|
288
|
Lindan
|
26
|
146
|
Bou Chun Lai
|
50
|
361
|
Jae hee
|
22
|
149
|
Edward
|
43
|
252
|
2. Hipotesis
H0 : tidak ada
hubungan positif antara hasil ujian dengan hasil penjualan
Ha : ada hubungan
positif antara hasil ujian dengan hasil penjualan
C.
Langkah-langkah
1. Pada SPSS
klik Analyze
2. Klik Coralate – klik Bivarian – Centang pearson
3. Klik Ok
D.
Output SPSS
Tabel 21. Output Correlatins of Pearson
X
|
Y
|
||
X
|
Pearson Correlation
|
1
|
.938**
|
Sig. (2-tailed)
|
.000
|
||
N
|
10
|
10
|
|
Y
|
Pearson Correlation
|
.938**
|
1
|
Sig. (2-tailed)
|
.000
|
||
N
|
10
|
10
|
|
E.
Interpretasi Output SPSS
Tampilan
SPSS ini menunjukkan nilai koefisien korelasi sebesar 0,938 dengan tingkat
signifikansi 0,000. Hal ini menyebabkan nilai
tersebut lebih kecil dari α (0,05), maka ada
hubungan yang signifikan antara hasil ujian dengan
hasil penjualan.
IX.
ANALISIS REGRESI BERGANDA
A.
Tujuan
Analisis Regresi adalah hubungan atas dua atau lebih variabel
yang menyatakan hubungan fungsional antara variabel-variabel. Macam variabel
ada dua yaitu variabel independent
dan variabel dependent. Variabel independent atau variabel bebas
adalah variabel yang menyebabkan terjadinya perubahan terhadap variabel lain. Variabel dependent atau variabel tak
bebas adalah variabel yang terkena pengaruh atau bergantung terhadap variabel
lain.
Regresi linier
berganda digunakan untuk meramalkan bagaimana keadaan (naik turunnya) variabel dependent, bila dua atau lebih
variabel independent sebagai faktor prediktor dimanipulasi (dinaik turunkan
nilainya). Analisis regresi ganda dilkukan bila jumlah independentnya minimal
dua. Bentuk persamaan regresi untuk dua prediktor adalah : Y = α + β1X1
+ β2X2.
Tujuan dari penggunaan analisis regresi adalah sebagai uji statistik
untuk mengetahui apakah suatu gejala atau variable dapat digunakan untuk
memprediksi gejala-gejala atau variable-variabel yang lain.
B. Soal dan
Hipotesis
1. Soal
Suatu perusahaan dibidang industri pertanian ingin membuat model regresi
berganda untuk memprediksi jumlah produksi berdasarkan jumlah tenaga kerja dan
lama waktu kerja. Tentukan koefisien dan persamaan regresi berganda dan
tentukan apakah koefisien regresi yang diperoleh signifikan?
Tabel
22. Data Uji Regresi Berganda
Tenaga
kerja
|
Waktu
kerja
|
Produksi
|
4
|
8
|
35400
|
8
|
4
|
41200
|
8
|
5
|
45000
|
3
|
10
|
40300
|
5
|
7
|
22000
|
5
|
7
|
28000
|
7
|
4
|
13000
|
6
|
6
|
22000
|
6
|
6
|
26000
|
4
|
8
|
27000
|
C.
Langkah-langkah
1. SPSS
a. Pada variabel view dalam SPSS nama diisi Produksi, Tenaga kerja dan
waktu kerja
b. Klik Analyze
– Regresion – Linier
c. Variabel Produksi dimasukan
ke kolom kanan dependen dan variabel
tenaga kerja dan waktu kerja dimasukkan kebagian independent
d. Klik Ok
2. Eviews
a. file – New –Work file Range
b. Centang Undated or Irregular
c. Start observasion i dan
observasion ii
d. Klik Ok
e. Klik Procs – Import – read text lotus excel regresi open
f. Upper left data cell “AZ”
g. Name for series diisi 3
h. Klik Ok
i. Klik Quick – Estimate Equation
j. Tulis rumus Produksi C
Tenaga kerja waktu kerja
k. Klik Ok
D. Output
1.
SPSS
Tabel 23.Output Coefficientsa
|
||||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
Collinearity Statistics
|
|||
B
|
Std. Error
|
Beta
|
Tolerance
|
VIF
|
||||
1
|
(Constant)
|
-162422.162
|
46827.464
|
-3.469
|
.010
|
|||
Tenaga_kerja
|
16596.622
|
4128.891
|
2.794
|
4.020
|
.005
|
.086
|
11.595
|
|
Waktu_kerja
|
15303.243
|
3721.291
|
2.858
|
4.112
|
.005
|
.086
|
11.595
|
|
2.Eviews
Tabel 24. Output
Eviews
Dependent Variable: PRODUKSI
|
||||
Method: Least Squares
|
||||
Date: 06/18/12 Time: 11:57
|
||||
Sample: 1 10
|
||||
Included observations: 10
|
||||
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
C
|
-162422.2
|
46827.46
|
-3.468524
|
0.0104
|
TENAGA_KERJA01
|
16596.62
|
4128.891
|
4.019632
|
0.0051
|
WAKTU_KERJA01
|
15303.24
|
3721.291
|
4.112347
|
0.0045
|
R-squared
|
0.708363
|
Mean dependent var
|
29990.00
|
|
Adjusted R-squared
|
0.625038
|
S.D. dependent var
|
10174.53
|
|
S.E. of regression
|
6230.280
|
Akaike info criterion
|
20.55556
|
|
Sum squared resid
|
2.72E+08
|
Schwarz criterion
|
20.64633
|
|
Log likelihood
|
-99.77778
|
F-statistic
|
8.501231
|
|
Durbin-Watson stat
|
0.964955
|
Prob(F-statistic)
|
0.013395
|
|
E.
Interpretasi Output
1.
SPSS
a.
Berdasarkan tabel koefisien diperoleh persamaan regresi
berganda:
Y =.- 162422,162 + 16596,622X1 +15303,243
X2
b.
Untuk menguji masing-masing koefisien regresi digunakan
uji t dengan hasil sebagai berikut :
1). Variabel tenaga kerja
Hasil uji t 4,020 dengan
derajat kebebasan 7 yang
didapat dari tabel annova dan p-value
sebesar 0,005 < α (0,05).
Hal ini menunjukkan penolakan
Ho = β1 = 0. 7
didapat dari n-k-1 yaitu 10-2-1
= 7.
2). Variabel waktu kerja
Hasil uji t 4,112 dengan
derajat kebebasan 7 yang
didapat dari tabel annova dan
p-value sebesar 0,005 < α (0,05).
Hal ini menunjukkan penolakan
Ho = β2 = 0. 8 didapat dari n-k-1 yaitu 10-2-1 = 7.
c.
Dari tabel koefisien terlihat bahwa nilai VIF = 11,595 lebih besar dari 5 sehingga dapat
dianggap terjadi multycollinearity.
2. Eviews
Model regresi : Y = - 162422,2 + 16596,62X1 +15303,24
X2
a.
Nilai
konstanta - 162422,2menunjukkan variabel Hasil produksi (Y) akan sebesar -
162422,2 jika variabel bebas bernilai 0.
b.
Nilai
koefisien X1 sebesar 16596,62 menunjukkan nilai hasil produksi akan
naik sebesar 16596,62 jika X1 naik satu satuan.
c.
Nilai
koefisien X2 sebesar 15303,24 menunjukkan nilai hasil produksi akan
naik sebesar 15303,24 jika X2 naik satu satuan.
d.
R-squared 0,708 artinya variabel bebas dapat menjelaskan
variabel terikatnya sebesar 70,8% dan sisanya dijelaskan oleh variabel lain
yang tidak terdapat dalam model.
e.
Uji-t
Nilai probabilitas tenaga kerja
sebesar 0,0051 lebih kecil dari α = 0,05 artinya variabel tenaga kerja secara
parsial berpengaruh nyata terhadap hasil produksi
f.
Uji-f
Nilai probabilitas sebesar 0,013 lebih
kecil dari α = 0,05 menunjukkan bahwa variabel bebas (tenaga kerja dan waktu
kerja) secara bersama-sama berpengaruh nyata terhadap hasil produksi.
g.
Durbin-Watson Stat
Nilai Durbin Watson sebesar 0,96 dilihat pada garis maka tidak terjadi Autokorelasi
LAMPIRAN
l. Output SPSS Uji Kasus Sampel Tunggal Binomial Test
Category
|
N
|
Observed Prop.
|
Test Prop.
|
Exact Sig. (2-tailed)
|
||
kecenderungan
|
Group 1
|
1
|
12
|
.60
|
.50
|
.503
|
Group 2
|
0
|
8
|
.40
|
|||
Total
|
20
|
1.00
|
2. Output SPSS Uji Kasus
Sampal Tunggal (Chi-Square)
|
|
Pemenang
|
|
Chi-Square
|
23.634a
|
df
|
9
|
Asymp. Sig.
|
.005
|
3. Output SPSS Uji Kasus Sampel Ganda (Mc Nemar)
|
||
Sebelumsponsor
|
Sesudahsponsor
|
|
0
|
1
|
|
0
|
6
|
6
|
1
|
6
|
12
|
Test Statisticsb
|
|
sebelumsponsor &
sesudahsponsor
|
|
N
|
30
|
Exact Sig. (2-tailed)
|
1.000a
|
4. Output SPSS Uji Kasus Sampel
Ganda Independen (Mann Whitney)
Mann
Whitney Ranks
Kelompok
|
N
|
Mean Rank
|
Sum of Ranks
|
|
Skor
|
0
|
8
|
7.00
|
56.00
|
1
|
5
|
7.00
|
35.00
|
|
Total
|
13
|
5. Output SPSS Uji K Sampel Berhubungan (Friedman)
Friedman Ranks
Mean
Rank
|
|
I
|
2.05
|
II
|
2.30
|
III
|
1.65
|
FriedmanTest Statisticsa
|
|
N
|
20
|
Chi-Square
|
4.300
|
Df
|
2
|
Asymp. Sig.
|
.116
|
a. Friedman Test
|
|
6. Output SPSS Uji K Sampel Independen (Kruskal Wallis)
Kruskal Willis Rank
|
|||||
grup
|
N
|
Mean
Rank
|
|||
Motifasi_mengajar
|
1
|
5
|
3.00
|
||
2
|
5
|
8.00
|
|||
3
|
4
|
12.50
|
|||
Total
|
14
|
||||
Test statistic
|
|||||
Motifasi_mengajar
|
|||||
Chi-Square
|
11.571
|
||||
df
|
2
|
||||
Asymp. Sig.
|
.003
|
||||
a. Kruskal Wallis Test
|
|||||
7. Output Uji Korelasi Rank Spearman Correlations of Spearman
Autoritarian
|
Status
|
|||
Spearman's rho
|
Autoritarian
|
Correlation Coefficient
|
1.000
|
.284
|
Sig. (2-tailed)
|
.
|
.305
|
||
N
|
15
|
15
|
||
Status
|
Correlation Coefficient
|
.284
|
1.000
|
|
Sig. (2-tailed)
|
.305
|
.
|
||
N
|
15
|
15
|
8. Output Uji Korelasi Pearson Product Moment Correlatins of Pearson
X
|
Y
|
||||
X
|
Pearson
Correlation
|
1
|
.938**
|
||
Sig.
(2-tailed)
|
.000
|
||||
N
|
10
|
10
|
|||
Y
|
Pearson
Correlation
|
.938**
|
1
|
||
Sig.
(2-tailed)
|
.000
|
||||
N
|
10
|
10
|
|||
**. Correlation is significant at the 0.01 level (2-tailed).
|
|||||
9. Output Analisis
Regresi Berganda SPSS Coefficientsa
|
|||||||||||||||||||
Model
|
Unstandardized coefficients
|
Standardized
Coefficients
|
t
|
Sig.
|
Collinearity
tatistics
|
||||||||||||||
B
|
Std. Error
|
Beta
|
Tolerance
|
VIF
|
|||||||||||||||
1
|
(Constant)
|
-162422.162
|
46827.464
|
-3.469
|
.010
|
||||||||||||||
Tenaga_kerja
|
16596.622
|
4128.891
|
2.794
|
4.020
|
.005
|
.086
|
11.595
|
||||||||||||
Waktu_kerja
|
15303.243
|
3721.291
|
2.858
|
4.112
|
.005
|
.086
|
11.595
|
||||||||||||
a.
Dependent Variable: roduksi
|
|||||||||||||||||||
10. Output
Analisis Regresi Berganda Eviews
Dependent Variable:
PRODUKSI
|
|||||||||||||||||||
Method: Least Squares
|
|||||||||||||||||||
Date: 06/18/12 Time: 11:57
|
|||||||||||||||||||
Sample: 1 10
|
|||||||||||||||||||
Included observations: 10
|
|||||||||||||||||||
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|||||||||||||||
C
|
-162422.2
|
46827.46
|
-3.468524
|
0.0104
|
|||||||||||||||
TENAGA_KERJA01
|
16596.62
|
4128.891
|
4.019632
|
0.0051
|
|||||||||||||||
WAKTU_KERJA01
|
15303.24
|
3721.291
|
4.112347
|
0.0045
|
|||||||||||||||
R-squared
|
0.708363
|
Mean dependent var
|
29990.00
|
||||||||||||||||
Adjusted R-squared
|
0.625038
|
S.D. dependent var
|
10174.53
|
||||||||||||||||
S.E. of regression
|
6230.280
|
Akaike info criterion
|
20.55556
|
||||||||||||||||
Sum squared resid
|
2.72E+08
|
Schwarz criterion
|
20.64633
|
||||||||||||||||
Log likelihood
|
-99.77778
|
F-statistic
|
8.501231
|
||||||||||||||||
Durbin-Watson stat
|
0.964955
|
Prob(F-statistic)
|
0.013395
|
||||||||||||||||
Tidak ada komentar:
Posting Komentar