LAPORAN HASIL PRAKTIKUMMATA KULIAH STATISTIK UNTUK ILMU SOSIAL
Oleh :Aam AmaliaA1C009004
UNIVERSITAS JENDERAL SOEDIRMANFAKULTAS PERTANIANLABORATORIUM SOSIAL EKONOMI PERTANIANPURWOKERTO2011LAPORAN HASIL PRAKTIKUMMATA KULIAH STATISTIKA UNTUK ILMU SOSIAL
Oleh :Aam AmaliaA1C009004
Diterima dan disetujuiTanggal:.............
Dosen Pengampu,
Dr. Ir. Suyono, M.S.NIP 19590523 198601 1 002
KATA PENGANTARPuji syukur kehadirat kepada Allah SWT atas limpahan rahmat, nikmat dan hidayah-Nya, sehingga kami dapat menyelesaikan Laporan PraktikumStatistik Sosial.Penulis mengucapkan banyak terima kasih kepada berbagai pihak yang telah membantu dalam penyusunan tugas terstruktur ini, diantaranya :1. Ibu Ir. Ari PurwaningsihM. Si dan Bapak Dr. Ir. Suyono, M.S. selaku pengampu mata kuliah Statistik Sosial.2. Para Asisten Mata KuliahStatistik Sosial atas kebaikan dan kesabarannya membimbing dan mengajari kami pada saat pelaksanaan praktikum.3. Semua pihak yang telah membantu pembuatan tugas terstruktur ini sehingga penulis dapat menyelesaikan Laporan PraktikumStatistik Sosialini.Penulis menyadari bahwa dalam pembuatan Laporan PraktikumStatistik Sosialini masih banyak terdapat kekurangan. Oleh karena itu, penulis sangat mengharapkan kritik dan saran yang membangun untuk perbaikan di masa yang akan datang, sehingga dapat memberikan manfaat.
Purwokerto, Juni 2011Penulis
DAFTAR ISIHalamanDAFTAR TABELviiDAFTAR LAMPIRANixI.UJI KASUS SAMPEL TUNGGAL (TES BINOMIAL)1A.Tujuan1B.Soal1C.Data2D.Hipotesis 3E.Langkah langkah3F.Output3G.Interpretasi4II. UJI KASUS SAMPEL GANDA BERPASANGAN (MC. NEMAR)5A.Tujuan5B.Soal6C.Data7D.Hipotesis 8E.Langkah-langkah8F.Output8G.Interpretasi9III. UJI KASUS SAMPEL GANDA INDEPENDEN(MANN WHITNEY)10A.Tujuan10B.Soal10C.Data11D.Hipotesis 11E.Langkah- Langkah12F.Output12G.Interpretasi13IV. UJI KASUS K SAMPEL (UJI FRIEDMAN)14A.Tujuan14B.Soal14C.Data15D.Hipotesis 16E.Langkah- langkah16F.Output17G.Interpretasi17V. UJI KORELASI RANGE (UJI SPEARMAN)18A.Tujuan18B.Soal18C.Data19D.Hipotesis 19E.Langkah- Langkah:20F.Output20G.Interpretasi21VI. UJI KORELASI ( PEARSON PRODUCT MOMENT )22A.Tujuan22B.Soal22C.Data23D.Hipotesis 23E.Langkah- Langkah23F.Output24G.Interpretasi24VII. ANALISIS REGRESI BERGANDA25A.Tujuan25B.Soal25C.Data26D.Hipotesis27E.Langkah-langkah27F.Output28G.Interpretasi30VIII. ANALISIS KLASTER32A.Tujuan32B.Soal33C.Data34D.Hipotesis35E.Langkah-langkah35F.Output36G.Interpretasi37LAMPIRAN
DAFTAR TABELTabelHalaman 1.Data Uji Binomial2 2. Hasil Output SPSS Data Binomial Test3 3.Data Uji Mc. Nemar7 4. Output SPSS Data Uji McNemar Sebelum dan Sesudah Pertandingan8 5.Hasil Output SPSS Data Uji McNemar Test Statistics9 6.Data Uji Mann Whitney117.Hasil Output SPSS Uji Mann Whitney Ranks1210.Hasil Output SPSS Uji Friedmann Ranks1711.Hasil Output SPSS Uji Friedmann Test Statistics1714.Data Variable Biaya Produksi dan Harga Jual pada sebuah Perusahaan.2315.Hasil Output SPSS Uji Spearman Correlations2416.Data Analisis Regresi Berganda.2617.Hasil Output SPSS Analisis Regresi BergandaVariables Entered/Removed28
18.Hasil Output SPSS Analisis Regresi Berganda Model Summary2819.Hasil Output SPSS Analisis Regresi Berganda ANOVA2820.Hasil Output SPSS Analisis Regresi Berganda Coefficients2921.Hasil Output SPSS Analisis Regresi Berganda Collinearity Diagnostics2921.Hasil Output SPSS Analisis Regresi BergandaResiduals Statistics2922.Data Analisis Regresi Berganda3423.Hasil Output SPSS Analisis Regresi Berganda Final Cluster Centers3624.Hasil Output SPSS Analisis Regresi Berganda Anova3625.Hasil Output SPSS Analisis Regresi Berganda Number of Cases in each Cluster36
DAFTAR LAMPIRANLampiranHalaman1. Hasil Output SPSS UJi Binomial402.Hasil Output Uji Kasus Kasus Sampel Ganda Berpasangan Mc. Nemar413.Hasil Output Uji Kasus Sampel Ganda Independen Mann Whitney424.Hasil Output Uji Kasus K Sampel (Uji Friedman)435.Hasil Output Uji Korelasi Range (Uji Spearman)446.Hasil Output Uji Korelasi ( Pearson Product Moment)457.Hasil Output Analisis Regresi Berganda468.Hasil Output Analisis Klaster48
5UJI KASUS SAMPEL TUNGGAL (TES BINOMIAL)TujuanDistribusibinomial 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.
SoalSeorang peneliti melakukan penelitian terhadap 20 siswa SMA untuk menilai apakah apakah benar mereka akan memilih untuk melanjutkan kuliah ke Universitas Negeri daripada ke Universitas.Universitas Negeri diberi kode 1 dan untuk Universitas Swasta diberi kode 2. Penelitian dilakukan secara random.
DataTabel 1. Data Uji Binomial
ObservasiPerguruan Tinggi
11
21
31
41
51
61
71
81
91
101
111
121
131
141
151
161
171
182
192
202
Hipotesis1. H0: iTidak ada perbedaan dalam memilih Universitas, baik Universitas Negeri maupun Universitas Swasta.2. H1 : iAda perbedaan dalam memilih Universitas, dimana siswa SMA lebih memilih untuk melanjutkan ke Universitas Negeri dari pada melanjutkan ke Universitas Swasta.
Langkah langkah1. Tulis terlebih dahulu data dari soal ke dalam program Microsoft Excel, kemudian di copy ke dalam program SPSS2. Pada SPSS, setelah data di copy pada data view, klik variable view. Kemudian klik Analyze klik Non-parametric test klik binomial.3. Isikan pada test variable list perguruan tinggi4. Klik OK
OutputTabel 2. Hasil Output SPSS Data BinomialTest
CategoryNObserved Prop.Test Prop.Exact Sig. (2-tailed)
UniversitasGroup 1117.85.50.003
Group 223.15
Total201.00
InterpretasiTampilan output SPSS menunjukkan bahwa frekuensi yang memilih Universitas Negeri ada 17 orang dengan observed proportion sebesar 0,85 dan yang memilih Universitas Swasta ada 3 orang dengan observed proportion sebesar 0,15. Nilai probabilitas adalah sebesar 0,003. Hal ini menunjukan bahwa nilai probabilitas lebih kecil dari sebesar 1% atau 0,01, maka H0 ditolak. Oleh karena itu, dapat disimpulkan bahwa siswa SMA lebih memilih untuk melanjutkan ke Universitas Negeridari pada melanjutkan ke Universitas Swasta.
UJI KASUS SAMPEL GANDA BERPASANGAN (MC. NEMAR)1. TujuanUji 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 Nemardapat 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.
1. SoalDalam rangka menyambut Diesnatalis HIMASAE yang ke-24, maka dilaksanakan pertandingan olahraga bagi mahasiswa-mahasiswa program studi agribisnis. Diharapkanpertandingan olahraga ini mampu meningkatkan sportifitas mahasiswa. Apakah pertandingan olahraga tersebut berhasil meningkatkan sportifiasmahasiswa? Jika pertandingan olahraga tersebut berhasil meningkatkan sportifitas mahasiswa diberi lambang Pa, namun jika pertandingan olahraga tersebut tidak mampu meningkatkan sportifitas mahasiswa diberi lambang Pb. Untuk itu dilakukan pengujian dengan mengamati sebanyak 40mahasiswaagribisnis tersebut sebelum dan sesudah pertandingan olahraga..
1. DataTabel 3. Data Uji Mc. Nemar
ObservasiSebelumSesudah
1-1-1
21-1
3-11
4-11
511
6-1-1
7-11
8-11
911
10-11
111-1
1211
13-11
14-11
1511
16-11
17-1-1
1811
191-1
20-11
ObservasiSebelumSesudah
21-11
22-11
23-11
24-1-1
25-11
26-11
2711
281-1
29-1-1
3011
31-11
3211
33-1-1
3411
351-1
36-11
37-11
381-1
3911
4011
1. Hipotesis :H0 : Pa < Pb, Pertandingan olahraga tidak mampu meningkatkan sportifitas mahasiswa agribisnisH1 :Pa > Pb, Pertandingan olahraga berhasil meningkatkan sportifitas mahasiswa agribisnis
1. Langkah-langkah1. Tulis terlebih dahulu data dari soal ke dalam program Microsoft Excel, kemudian di copy ke dalam program SPSS2. Pada SPSS, setelah data di copy pada data view, klik variable viewuntuk merubah nama pada masing-masing variabel. Kemudian klik Analyze klik Non-parametric test klik 2related sample.3. Setelah tampilan 2 Related Sample muncul, kemudian memasukkan:a. Variable 1 Sebelum.b. Variable 2 Sesudah.4. Mc Nemar pada Test Type.5. Klik Ok.
1. OutputTabel 4. Output SPSS Data Uji McNemarSebelum dan Sesudah Pertandingan
SebelumSesudah
-11
-1617
1611
Tabel 5. Hasil OutputSPSS Data Uji McNemar Test Statistics
Sebelum & Sesudah
N40
Exact Sig. (2-tailed),035(a)
a Binomial distribution used.b McNemar Test
1. InterpretasiTampilan SPSS menunjukkan nilai observasi dari jumlah mahasiswa N=40 dengan probabilitas sebesar 0,035, artinya H0 diterima karena nilai probabilitas ini lebih besar dari sebesar 1 % atau 0,01, maka H0 diterima. Oleh karena itu, dapat diambil kesimpulan bahwa pertandingan olahraga tidak mampu meningkatkan sportifitasmahasiswa agribisnis.
UJI KASUS SAMPEL GANDA INDEPENDEN (MANN WHITNEY)1. TujuanApabila 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.
1. SoalSuatu penelitian dilakukan untuk mengetahui apakah terdapat perbedaan yang siginifikan dalam penilaian petani terhadap konversi pupuk kimia ke pupuk organik. Pengamatan dilakukan kepada dua kelompok tani yaitu kelompok tani A dan kelompok tani B.
1. DataTabel 6. Data Uji Mann Whitney
Pengamatanskor adopsi
kelompok tani Ikelompok tani II
13652
24742
33844
43532
54334
64051
73945
85038
94843
1035
1. Hipotesis :H0 : Ka = Kb, Tidak terdapat perbedaan yang siginifikan dalam penilaian petani terhadap konversi pupuk kimia ke pupuk organik.H1 : Ka Kb, Terdapat perbedaan yang siginifikan dalam penilaian petani terhadap konversi pupuk kimia ke pupuk organik.
1. Langkah- Langkah
1. Tulis terlebih dahulu data dari soal ke dalam program Microsoft Excel, kemudian di copy ke dalam program SPSS2. Pada SPSS, setelah data di copy pada data view, klik variable view. Kemudian klik Analyze klik Non-parametric test 2 Independent Sample.3. Setelah tampilan2 Independent Sample muncul, kemudian memasukkan :a. Test variable list Skor.b. Goupingvariable kelompok.4. Pada define group :a. Kode 0 untuk group 1.b. Kode 1 untuk group 2, lalu continue Ok.
1. OutputTabel 7. Hasil Output SPSS Uji Mann WhitneyRanks
kelompokNMean RankSum of Ranks
skor0109,5095,00
1910,5695,00
Total19
Tabel 8. Hasil Output SPSS Uji Mann WhitneyTest Statistics
Skor
Mann-Whitney U40,000
Wilcoxon W95,000
Z-,409
Asymp. Sig. (2-tailed),683
Exact Sig. [2*(1-tailed Sig.)],720(a)
a Not corrected for ties.b Grouping Variable: kelompok
1. InterpretasiDari tampilan Output SPSS menunjukkan nilai probabilitas sebesar 0,683 (uji 2 sisi) dan atau sebesar 0, 720 (uji 1 sisi). Dan nilai ini lebih besar dari = 0,05, menandakan bahwa H0 diditerima, yang berarti bahwa tidak terdapat perbedaan yang siginifikan dalam penilaian petani terhadap konversi pupuk kimia ke pupuk organik.
UJI KASUS K SAMPEL BERHUBUNGAN(UJI FRIEDMAN)1. TujuanUji 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.
1. SoalSeorang psikolog mengadakan percobaan yang berhubungan dengan masalah daya ingat. Psikolog tersebut menggunakan 15 subjek penelitian. Masing-masing subjek tersebut diminta mengingat 3 deretan bilangan. Deret pertama berisi bilangan 2 digit, deretan kedua berisi bilangan 3 digit, deretan ketiga berisi bilangan 4 digit. Setelah masing-masing bilangan diingat, kemudian mereka diberi sebuah digit angka dan ditanya apakah digit angka tersebut termasuk yang ada dalam bilangan yang diingat. Waktu yang diperlukan untuk memberikan jawaban untuk bilangan dua digit, tiga digit dan empat digit dicatat dalam detik. Apakah banyaknya digit yang di ingat mempunyai pengaruh terhadap waktu yang diperlukan untuk memberikan jawaban ?
1. DataTabel 9. Data Uji Friedmann
subyek ke-2 digit3 digit4 digit
1457
26109
3679
4578
53610
6489
751112
8269
9347
10226
114912
12325
137810
14257
15569
1. Hipotesis :H0 :Dg2 = Dg3=Dg4Artinya banyaknya digit yang di ingat tidak mempunyai pengaruhterhadap waktu yang diperlukan untuk memberikan jawaban.H1 : Dg2 Dg3 Dg4Artinya banyaknya digit yang di ingat mempunyai pengaruh terhadap waktu yangdiperlukan untuk memberikan jawaban.
1. Langkah- langkah1. Tulis terlebih dahulu data dari soal ke dalam program Microsoft Excel, kemudian di copy ke dalam program SPSS2. Pada SPSS, setelah data di copy pada data view, klik variable view.Kemudian klik Analyze klik Non-parametric test K Related Sample.3. Setelah tampilan K Related Sample muncul, kemudian memasukkan : a. Variabel ( duadigit, tigadigit, empatdigit) Test Variabel.b. Friedman pada Type test4. Klik Ok.
1. OutputTabel 10. Hasil Output SPSS Uji FriedmannRanks
Mean Rank
duadigit1,10
tigadigit1,97
empatdigit2,93
Tabel 11. Hasil Output SPSS Uji Friedmann Test Statistics
N15
Chi-Square25,661
Df2
Asymp. Sig.,000
a Friedman Test
1. InterpretasiTampilan SPSS menunjukkan nilai probabilitas sebesar 0,000 dan nilai ini lebih kecil dari = 0,05, maka H0 ditolak. Oleh karena itu, dapat disimpulkan bahwa banyaknya digit yang di ingat mempunyai pengaruh terhadap waktu yang diperlukan untuk memberikan jawaban.
UJI KORELASI RANK SPEARMAN1. TujuanKorelasi 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.
1. SoalSurvei dilakukan untuk menguji apakah ada hubungan yang signifikan antara usia seorang dosen dengan cara mengajar. Untuk keperluan pengujian diteliti sebanyak 18 dosen.
1. DataTabel12. Data Uji Spearman
SubyekUsia DosenSkor cara mengajar
13373
22987
34968
42775
56048
65842
76040
82984
95451
105536
116428
124451
134262
143478
152577
165188
173176
183082
1. Hipotesis :H0 :rs = 0, tidakada hubungan yang signifikan antara usia seorang dosen dengan cara mengajar.H1: rs 0, ada hubungan yang signifikan antara usia seorang dosen dengan cara mengajar.1. Langkah- Langkah:1. Tulis terlebih dahulu data dari soal ke dalam program Microsoft Excel, kemudian di copy ke dalam program SPSS2. Pada SPSS, setelah data di copy pada data view, klik variable view. Kemudian klik Analyze klik correlate bivariate.3. Kemudian memasukkan : Usia Dosen dan Cara Mengajar variabel.4. Klik spearman pada Correlation Coefficients.5. KlikOk
OutputTabel 13. Hasil Output SPSS Uji SpearmanCorrelations
UsiaDosenSkorMengajar
Spearman's rhoUsiaDosenCorrelation Coefficient1,000-,766(**)
Sig. (2-tailed).,000
N1818
SkorMengajarCorrelation Coefficient-,766(**)1,000
Sig. (2-tailed),000.
N1818
** Correlation is significant at the 0.01 level (2-tailed).
1. InterpretasiTampilan output SPSS menunjukan nilai koefisien korelasi sebesar -0,766 dengan tingkat signifkansi 0,000. Hal ini menunjukkan bahwa nilai tersebut lebih kecil dari sebesar 5% atau 0,05 sehingga H0ditolak. Oleh karena itu, dapat diambil kesimpulan bahwa ada hubungan yang signifikan antara usia seorang dosen dengan cara mengajar.
UJI KORELASI PEARSON PRODUCT MOMENT 1. TujuanKorelasi 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.
1. SoalDalam sebuah perusahaan diketahui terdapat 2 buah variabel yaitu variabel biaya produksi(x) dan harga jual(y). Hitunglah eratnya hubungan antar 2 variabel tersebut dengan menggunakan korelasi product moment.
1. DataTabel 14. Data Variable Biaya Produksi dan Harga Jual pada sebuah Perusahaan.
NoBiaya produksi (x)Harga jual(y).
15.0004.000
24.0003.000
32.0003.000
41.0002.000
54.0005.000
63.0004.000
73.0002.000
82.0001.000
1. Hipotesis :H0 : r = 0, tidak terdapat hubungan yang positip dan signifikan antara variabel Harga Jual dengan Biaya Produksi.H1 : r 0, terdapat hubungan yang positip dan signifikan antara variabel Harga Jual dengan Biaya Produksi
1. Langkah- Langkah1. Tulis terlebih dahulu data dari soal ke dalam program Microsoft Excel, kemudian di copy ke dalam program SPSS2. Pada SPSS, setelah data di copy pada data view, klik variable view. Kemudian klik Analyze klik correlate bivariate.3. Kemudian memasukkan : Biaya Produksi dan Harga Jual Variabel.4. Klik pearsonpada Correlation Coefficients.5. Klik OK1. OutputTabel 15. Hasil Output SPSS Uji SpearmanCorrelationsBiayaProduksiHargaJual
BiayaProduksiPearson Correlation1,667
Sig. (2-tailed),071
N88
HargaJualPearson Correlation,6671
Sig. (2-tailed),071
N88
1. InterpretasiBerdasarkan tabel correlation diatas terlihat bahwa korelasi pearson product moment r = 0,667dan p-value = 0,071. Karena p-value lebih besar dari = 0,05 maka H0 diterima. Jadi tidak terdapat hubungan yang positip dan signifikan antara variabel Harga Jual dengan Biaya Produksi.
ANALISIS REGRESI BERGANDA1. TujuanAnalisis 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 = + 1X1 + 2X2.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.
1. SoalSeseorang ingin membuat model regresi berganda untuk mengetahui detak jantung berdasarkan umur dan berat badan. Tentukan koefisien dari persamaan regresi berganda, dan tentukan pula apakah koefisien regresi yang diperoleh tersebut signifikan.1. DataTabel 16. Data Analisis Regresi Berganda.
UmurBerat BadanJumlah Detak Jantung/menit
153579
174176
305881
224676
406584
506085
204974
255877
336279
113275
295780
HipotesisH0: 1 = 2 = 0, umur dan berat badan tidak berpengaruh terhadap jumlah detakjantung.H1 : 1 = 2 0, umur dan berat badan berpengaruh terhadap jumlah detak jantung.
Langkah-langkah1. Tulis terlebih dahulu data dari soal ke dalam program Microsoft Excel, kemudian di copy ke dalam program SPSS2. Pada SPSS, setelah data di copy pada data view, klik variable view. Kemudian klik Analyze klik regression linear.3. Kemudian memasukkan : a. variabel jumlah detak jantung dependen.b. Variabelumur dan berat badan independen4. Klik Statistics, pilih Estimates, Model fit, Descriptive pada Regression coefficients dan Durbin-Watson pada residuals, kemudian klik Continue5. Klik Ok.
1. OutputTabel 17. Hasil Output SPSS Analisis Regresi BergandaVariables Entered/Removed
ModelVariables EnteredVariables RemovedMethod
1Umur, BeratBadan(a).Enter
a All requested variables entered.b Dependent Variable: JmlDetakJantung
Tabel 18. Hasil Output SPSS Analisis Regresi Berganda Model Summary
ModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson
1,888(a),788,7351,8442,110
a Predictors: (Constant), Umur, BeratBadanb Dependent Variable: JmlDetakJantungTabel 19. Hasil Output SPSS Analisis Regresi Berganda ANOVA
ModelSum of SquaresdfMean SquareFSig.
1Regression100,988250,49414,855,002(a)
Residual27,19483,399
Total128,18210
a Predictors: (Constant), Umur, BeratBadanb Dependent Variable: JmlDetakJantung
Tabel 20. Hasil Output SPSS Analisis Regresi Berganda Coefficients
ModelUnstandardized CoefficientsStandardized CoefficientstSig.Collinearity Statistics
BStd. ErrorBetaToleranceVIF
1(Constant)74,7683,21323,272,000
BeratBadan-,111,099-,351-1,124,294,2713,689
Umur,364,0971,1693,736,006,2713,689
a Dependent Variable: JmlDetakJantung
Tabel 21. Hasil Output SPSS Analisis Regresi Berganda Collinearity Diagnostics
ModelDimensionEigenvalueCondition IndexVariance Proportions
(Constant)BeratBadanUmur
112,9161,000,00,00,00
2,0766,195,18,00,28
3,00819,629,811,00,72
a Dependent Variable: JmlDetakJantung
Tabel 21. Hasil Output SPSS Analisis Regresi BergandaResiduals Statistics
MinimumMaximumMeanStd. DeviationN
Predicted Value75,2186,2878,733,17811
Residual-2,5892,671,0001,64911
Std. Predicted Value-1,1082,376,0001,00011
Std. Residual-1,4041,449,000,89411
a Dependent Variable: JmlDetakJantung
1. Interpretasi1. Nilai R Square (r2) dari tabel model summary menunjukkan bahwa 78,8 % variabel jumlah detak jantung dapat dijelaskan oleh variabel umur dan berat badan.2. Nilai uji statistikDurbin Watson sebesar 2,110 jadi dapat diasumsikan tidak terjadi auto korelasi.3. Tebel anova mengidentifikasikan bahwa regresi berganda secara statistik sangat signifikan. Diketahui nilai uji statistic F = 14,855 dan derajat kebebasan k = 2 dan N k 1= 11-2-1=8.4. Uji F menguji hipotesis H0 = B1 = B2 = 0 terhadap Ha = B1 = B2 0.5. Dari p-value sebesar 0,002 < (0,05) terlihat bahwa Ho = B1 = B2 = 0, ditolak. Signifikan diperoleh persamaan regresi Y = 74,768+ 0,364 X1 0,111 X2.6. Untuk menguji masing-masing koefisien regresi digunakan uji t sebagai berikut:a. Variabel umurHasil uji t 3,736 dengan derajat kebebasan 8 dan p-value sebesar 0,006 < (0,05). Hal ini menunjukkan penolakan H0, yang artinya bahwa variabel umur mempengaruhi terhadap jumlah detak jantung.b. Variabel berat badanHasil uji t -1,124 dengan derajat kebebasan 8 dan p-value sebesar 0,294 > (0,05). Hal ini menunjukkan penerimaan H0yang artinya bahwa variabel berat badan tidak mempengaruhi terhadap jumlah detak jantung.7. Dari tabel koefisien terlihat bahwa nilai VIF = 3,689, sehingga masih dapat dianggap tidak terjadi multy collinearityberarti tidak hubungan antara variabel bebasnya.
ANALISIS KLASTER1. TujuanAnalisis klastermerupakan uji interdependensi sehingga dalam analisis ini tidak ada variabel bebas maupun variabel tergantung. Analisis klaster pada prinsipnya digunakan untuk mengelompokan objek, di mana data yang akan dikelompokan belum membentuk kelompok sehingga pengelompokkan yang akan dilakukan bertujuan agar data yang terdapat di dalam kelompok yang sama relatif lebih homogen daripada data yang berada pada kelompok yang berbeda. Diharapkan dengan terbentuknya kelompok tersebut akan lebih mudah menganalisa dan lebih tepat pengambilan keputusan sehubungan dengan masalah tersebut.Analisis Klaster dilakukan untuk tujuan : menggali data atau eksplorasi data, mereduksi data menjadi kelompok data baru dengan jumlah lebih kecil atau dinyatakan dengan pengkelasan (klasifikasi) data, menggeneralisasi suatu populasi untuk memperoleh suatu hipotesis, menduga karakteristik data-data.Hasil analisis Klaster yang diharapkan adalah adanya perbedaan yang tinggi antara klaster yang satu dengan klaster yang lain, sehingga jelas adanya perbedaan karakteristik antar klaster yang terbentuk, dan memiliki kesamaan yang tinggi antar anggota dalam satu kluster sehingga dalam satu kluster akan berisi objek yang memiliki karakteristik yang sama.
1. SoalSeorang manajer perusahaan pencucian mobil bermaksud untuk mengetahui apa saja yang harus diperbaiki oleh perusahaan supaya konsumen/pelanggan lebih puas terhadap pelayanannya. Perusahaan tersebut mencoba melakukan segmentasi terhadap 15 orang pelanggan dengan mengajukan pertanyaan yang berkaitan dengan sikap konsumen terhadap atribut harga (A), kebersihan (B), pelayanan kasir (C), tempat pencucian mobil (D) dan keramahan pekerja (E).
1. DataTabel 22. Data Analisis Regresi Berganda
NamaHargaKebersihanPelayanan KasirTempat Pencucian MobilKeramahan Pekerja
Adi23421
Agit11213
Ahmad52332
Anggi32224
Annisa21353
Dian34535
Rizal33253
Edi41342
Zulfikar15333
Retno33244
Fathan13353
Fegi45424
Firman24541
Nizar51411
Rudi32224
1. HipotesisH0 : A = B = C = D = E = 0Perbaikan perusahaan tidak berpengaruh terhadap kepuasan konsumen/pelangganH1 : A B C D E 0 Perbaikan perusahaan berpengaruh terhadap kepuasan konsumen/pelanggan
Langkah-langkah1. Tulis terlebih dahulu data dari soal ke dalam program Microsoft Excel, kemudian di copy ke dalam program SPSS2. Buka Variable View, ganti semua nama variabel sesuai dengan nama-nama yang terdapat dalam soal (nama, harga, kebersihan, pelayanan kasir, tempat pencucian mobil dan keramahan pekerja). Khusus variabel nama, type nya diganti menjadi string .3. Kemudian klik Analyze klik DescriptivesStatistics Descriptives.4. Kemudian memasukkan : kotak VARIABLES seluruh variable instrumen penilai, yaitu variabel harga, kebersihan, pelayanan kasir, tempat pencucian mobil dan keramahan pekerja. (dalam hal ini variabel nama tidak dimasukkan karena data bertipe string). 5. Pada Number of Clusters di isi angka 36. Pilih Anova table pada Options7. Klik OK.1. OutputTabel 23. Hasil Output SPSS Analisis Regresi BergandaFinal Cluster Centers
Cluster
123
Harga225
Kebersihan421
PelyannKasir333
TmptCuciMobil423
KramahanPkerja332
Tabel 24. Hasil Output SPSS Analisis Regresi Berganda Anova
ClusterErrorFSig.
Mean SquaredfMean SquareDf
Harga6,6102,932127,094,009
Kebersihan9,5052,6941213,703,001
PelyannKasir1,07621,13212,951,414
TmptCuciMobil2,81921,775121,589,244
KramahanPkerja2,81921,341122,102,165
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
Tabel 25. Hasil Output SPSS Analisis Regresi Berganda Number of Cases in each Cluster
Cluster17,000
25,000
33,000
Valid15,000
Missing,000
1. Interpretasi1. Berdasarkan Tabel Anova:a. Berdasarkan tabel anova diatas terlihat bahwa nilai probabilitas harga sebesar 0,009< (0,05), artinya H0 ditolak. Dapat disimpulkan bahwa harga berpengaruh dalam segmentasi pelanggan.b. Berdasarkan tabel anova diatas terlihat bahwa nilai probabilitas kebersihan sebesar 0,001< (0,05), artinya H0 ditolak. Dapat disimpulkan bahwa kebersihanberpengaruh dalam segmentasi pelanggan.c. Berdasarkan tabel anova diatas terlihat bahwa nilai probabilitas pelayanan kasir sebesar 0,414> (0,05), artinya H0 diterima. Dapat disimpulkan bahwa pelayanan kasir tidak berpengaruh dalam segmentasi pelanggand. Berdasarkan tabel anova diatas terlihat bahwa nilai probabilitas tempat cuci mobil sebesar 0,244> (0,05), artinya H0diterima. Dapat disimpulkan bahwa tempat cuci mobil tidakberpengaruh dalam segmentasi pelanggan.e. Berdasarkan tabel anova diatas terlihat bahwa nilai probabilitas keramahan pekerja sebesar 0,165> (0,05), artinya H0diterima. Dapat disimpulkan bahwa keramahan pekerja tidak berpengaruh dalam segmentasi pelanggan.2. Berdasarkan tabel Number of Cases in Each cluster yang paling banyak jumlah orangnya ada di Cluster 1 yaitu 1 ada 7 orang, pada Cluster 2 ada 5 orang dan pada Cluster 3 ada3 orang. Total semuanya ada 15 orang.3. Berdasarkan tabel Final Cluster Centers, Cluster 1 paling banyak ada di kebersihan, Cluster 2 ada di pelayanan kasir dan Cluster 3 ada di harga.4. Dapat disimpulkan bahwa manajer harus lebih terfokus pada Cluster1 karena memiliki jumlah responden yang paling besar dibanding dengan Cluster yang lain, yaitu dengan memperhatikan kebersihan tempat pencucian mobil tersebut.
LAMPIRAN
Lampiran 1. Hasil Output SPSS UJi BinomialBinomial Test
CategoryNObserved Prop.Test Prop.Exact Sig. (2-tailed)
UniversitasGroup 1117,85,50,003
Group 223,15
Total201,00
Lampiran 2.Hasil Output Uji Kasus Kasus Sampel Ganda BerpasanganMc. Nemar
Sebelum & Sesudah
SebelumSesudah
-11
-1617
1611
Test Statistics(b)
Sebelum & Sesudah
N40
Exact Sig. (2-tailed),035(a)
a Binomial distribution used.b McNemar Test
Lampiran 3.Hasil Output Uji Kasus Sampel Ganda Independen Mann Whitney
Ranks
kelompokNMean RankSum of Ranks
skor0109,5095,00
1910,5695,00
Total19
Test Statistics(b)
skor
Mann-Whitney U40,000
Wilcoxon W95,000
Z-,409
Asymp. Sig. (2-tailed),683
Exact Sig. [2*(1-tailed Sig.)],720(a)
a Not corrected for ties.b Grouping Variable: kelompok
Lampiran 4.Hasil Output Uji Kasus K Sampel Berpasangan (Uji Friedman)Ranks
Mean Rank
duadigit1,10
tigadigit1,97
empatdigit2,93
Test Statistics(a)
N15
Chi-Square25,661
df2
Asymp. Sig.,000
a Friedman Test
Lampiran 5.Hasil Output Uji Korelasi Range (Uji Spearman)Correlations
UsiaDosenSkorMengajar
Spearman's rhoUsiaDosenCorrelation Coefficient1,000-,766(**)
Sig. (2-tailed).,000
N1818
SkorMengajarCorrelation Coefficient-,766(**)1,000
Sig. (2-tailed),000.
N1818
** Correlation is significant at the 0.01 level (2-tailed).
Lampiran 6.Hasil Output Uji Korelasi ( Pearson Product Moment)Correlations
BiayaProduksiHargaJual
BiayaProduksiPearson Correlation1,667
Sig. (2-tailed),071
N88
HargaJualPearson Correlation,6671
Sig. (2-tailed),071
N88
Lampiran 7.Hasil Output Analisis Regresi BergandaVariables Entered/Removed(b)
ModelVariables EnteredVariables RemovedMethod
1Umur, BeratBadan(a).Enter
a All requested variables entered.b Dependent Variable: JmlDetakJantung
Model Summary(b)
ModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson
1,888(a),788,7351,8442,110
a Predictors: (Constant), Umur, BeratBadanb Dependent Variable: JmlDetakJantung
ANOVA(b)
ModelSum of SquaresdfMean SquareFSig.
1Regression100,988250,49414,855,002(a)
Residual27,19483,399
Total128,18210
a Predictors: (Constant), Umur, BeratBadanb Dependent Variable: JmlDetakJantung
Coefficients(a)
ModelUnstandardized CoefficientsStandardized CoefficientstSig.Collinearity Statistics
BStd. ErrorBetaToleranceVIF
1(Constant)74,7683,21323,272,000
BeratBadan-,111,099-,351-1,124,294,2713,689
Umur,364,0971,1693,736,006,2713,689
a Dependent Variable: JmlDetakJantung
Collinearity Diagnostics(a)
ModelDimensionEigenvalueCondition IndexVariance Proportions
(Constant)BeratBadanUmur
112,9161,000,00,00,00
2,0766,195,18,00,28
3,00819,629,811,00,72
a Dependent Variable: JmlDetakJantung
Residuals Statistics(a)
MinimumMaximumMeanStd. DeviationN
Predicted Value75,2186,2878,733,17811
Residual-2,5892,671,0001,64911
Std. Predicted Value-1,1082,376,0001,00011
Std. Residual-1,4041,449,000,89411
a Dependent Variable: JmlDetakJantung
Lampiran 8.Hasil Output Analisis KlasterFinal Cluster Centers
Cluster
123
Harga225
Kebersihan421
PelyannKasir333
TmptCuciMobil423
KramahanPkerja332
ANOVA
ClusterErrorFSig.
Mean SquaredfMean Squaredf
Harga6,6102,932127,094,009
Kebersihan9,5052,6941213,703,001
PelyannKasir1,07621,13212,951,414
TmptCuciMobil2,81921,775121,589,244
KramahanPkerja2,81921,341122,102,165
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
Number of Cases in each Cluster
Cluster17,000
25,000
33,000
Valid15,000
Missing,000