BAB IX OLAH DATA: ORDINARY LEAST OLAH DATA: ORDINARY LEAST SQUARES (OLS) DENGAN SPSS
Pendahuluan • Olah data dengan analisis regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya terutama dengan metode Ordinary Least Squares (OLS). • OLS ini sering digunakan untuk mengolah data secara statistik.
Manfaat • Olah data OLS dengan SPSS digunakan untuk pengolahan data secara sederhana. • Hampir seluruh ilmu memerlukan dan menggunakan olah data OLS ini terutama dalam memecahkan masalah masalah masalah‐masalah penelitian sederhana
Relevansi • Materi ini relevan dan menjadi aplikasi pokok dalam statistik terutama kaitannya dengan olah data sederhana. sederhana
Learning Outcome Learning Outcome • Mahasiswa mampu mengolah data sesuai model menggunakan OLS di SPSS.
Olah Data : OLS dengan Data : OLS dengan SPSS • Sebuah perusahaan Otomotif dalam negri beberapa bulan ini gencar mempromosikan produk barunya yaitu motor roda tiga dengan bak angkut sebagai sampel untuk meneliti populasi pengaruh biaya iklan terhadap besarnya penjualan di seluruh Propinsi di Indonesia diambil sampel dari 20 Propinsi dengan data sebagai berikut:
Tabel Jumlah Biaya Iklan dan Jumlah l h Penjualan l No
Provinsi
Bi.Iklan
Jumlah Penjualan j
(jt Rupiah)
(jt Rupiah)
1 D.I. Aceh
26
205
2 Sumatra Barat
28
206
3 Jambi
35
254
4 Lampung
31
246
5 DKI.Jakarta
21
201
6 Jawa Barat
49
291
7 Jawa Tengah
30
234
8 DIY
30
209
9 Jawa Timur
24
204
31
216
10 Bali
11 NTB
32
245
12 NTT
47
286
13 Kalimantan Selatan
54
312
14 Kalimantan Timur
40
265
15 Kalimantan Tengah
42
322
16 Kalimantan Barat
48
298
17 Sulawesi Tenggara
47
295
18 Sulawesi Utara
48
350
19 Sulawesi Selatan
50
365
20 Papua Barat
52
375
Tahap‐tahap Tahap tahap Olah Data • Langkah pertama, saudara pertama saudara diminta untuk mengentry data tabel diatas kedalam program SPSS sesuai dengan petunjuk modul ! SPSS sesuai • Regression Linier M Menggunakan k data yang sudah d d h ada d Pilih menu Analyze >> Regression >> Linier !
•
setelah itu kotak dialog akan tampil sebagai berikut
• Dependent p atau variable tergantung. g g Karena variable yyangg akan diprediksi adalah variable Penjualan, maka masukan variable penjualan pada kotak DEPENDENT. • Independent(s) I d d t( ) atau t variable i bl bebas, b b d l dalam h l ini hal i i variable i bl bebas adalah bi.iklan. Maka masukan variable Bi.Iklan ke kotak Independent. • Case Labels atau keterangan pada kasus. Karena kasus didasarkan pada Provinsi, maka masukan variabel Provinsi ke kotak Case Labels. Labels • Method pilih enter, yaitu prosedur pemilihan variable dimana semua variable dalam blok dimasukan dalam perhitungan ‘sigle step’
•
Pilih options
• untuk Stepping Method Criteria, digunakan uji F yang mengambil standar angka probabilitas sebesar 5% Karena itu angka entry 5%. 0.05 atau 5% • Include Constant in equation biarkan tetap aktif • Klik continue
•
Pilih Kolom Statistics dengan klik mouse
• • • •
•
Pilihan ini berkenaan dengan perhitungan statistik regresi yang akan digunakan. Pengisian: Regression Coefisient atau perlakukan koefisien regresi, tetap aktifkan k fk pilihan l h estimate Klik Descriptive pada kolom sebelah kanan, serta tetap aktifkan model fit Residual, klik Casewise diagnostics dan pilih all cases untuk melihat pengaruh regresi terhadap semua provinsi. provinsi Klik Continue
•
Pilih Plot, fasilitas ini berguna untuk menguji asumsi‐asumsi pada regresi, seperti normalitas, linieritas, kesamaan varians dan juga dapat digunakan untuk mendeteksi ada tidaknya data yang tidak normal
• Direncanakan ada tiga g p plot sehubungan g dengan g pengujian asumsi pada analisis regresi: – klik mouse pada pilihan SDRESID dan masukan ke pilihan Y, lalu klik lagi pada pilihan ZPRED dan masukan ke X kemudian klik Next untuk plot kedua. – klik ZPRED masukan ke pilihan Y, lalu klik lagi DEPENDNT d dan masukan k k pilihan ke ilih X kemudian k di klik Next. N Pl Plot pertama dan kedua digunakan untuk menguji linieritas dan kesamaan varians – untuk plot ketiga, pada pilihan Standardized Residual Plots, klik mouse pada Normal Probability Plot klik Continue lalu tekan OK. Plot ketiga digunakan untuk menguji normalitas
•
Output SPSS dan analisis – Output pertama dan kedua
Analisis • Rata‐rata penjualan dari 20 Provinsi adalah 268.95 jt dengan standard deviasi 56.127 jt • Rata‐rata biaya iklan adalah sebesar 38.25 jt dengan standard deviasi sebesar 10.508 Jt • Besar hubungan antarvariabel penjualan dengan bi. iklan yang dihit dihitung d dengan k fi i korelasi koefisien k l i adalah d l h 0.910. 0 910 Hal H l ini i i menunjukan j k bahwa bi.iklan dan penjualan memiliki hubungan yang sangat erat dengan hubungan positif yang artinya semakin besar bi.iklan maka semakin besar p pula p penjualan j yyangg didapat. p • Tingkat signifikansi koefisien korelasi satu sisi dari output menghasilkan angka 0.000, karena probabilitasnya lebih kecil dari 0.05 maka korelasi antara biaya iklan dengan penjualan sangat nyata. t
•
Output ketiga dan ke empat
• Tabel pertama menunjukan variable yang dimasukan adalah bi.iklan d tidak dan tid k ada d variable yang dikeluarkan. Hal ini i bl dik l k H l i i disebabkan di b bk metode t d yang dipakai adalah sigle step (enter) dan bukan stepwise. • Angka R square adalah 0.829 adalah pengkuadratan dari koefisien korelasi R square bisa disebut koefisien determinasi , yang dalam korelasi. R square bisa yang dalam hal ini berarti 82.9% dari penjualan perusahaan bisa dijelaskan oleh variable bi.iklan. dan sisanya dijelaskan sebab lain. Semakin kecil R Square, semakin lemah hubungan kedua variable. • Standard Error of Estimate adalah 23.848 jt, pada analisis sebelumnya standard deviasi penjualan nilainya 56.127jt karena lebih kecil dari standard deviasi penjualan, maka model regresi lebih bagus sebagai predictor atau predictor atau peramal penjualan daripada menggunakan rata‐rata.
•
Output kelima dan keenam
• Analisis: Analisis: • Dari uji ANOVA atau F test, didapat F hitung adalah 87.244 87 244 dengan tingkat signifikansi 0.000.Karena probabilitas 0.000 lebih kecil dari 0.05, 0 05 maka bisa dikatakan model regresi dapat digunakan sebagai alat prediksi penjualan. penjualan
• Tabel selanjutnya menggambarkan persamaan regresi Y= 82.924 + 4.863X Dimana: Y= Penjualan X= Biaya iklan • Konstanta sebesar 82.924 menyatakan bahwa jika tidak ada biaya y p promosi, maka p penjualan j adalah sebesar 82.924 jjt • Koefisien regresi sebesar 4.863 menyatakan bahwa setiap penambahan biaya iklan 1jt maka penjualan akan meningkat g sebesar 4.863jt j demikian sebaliknya y
Tugas : Latihan : Latihan • Dari Seluruh Provinsi yyangg ada di Indonesia diambil 20 Sampel p untuk meneliti seberapa besar pengaruh Pendapatan Pajak Reklame terhadap Jumlah Pendapatan Daerah, hasil penelitian ii nantinya akan digunakan oleh Pemerintah Daerah sebagai dasar penentuan strategi yang tepat guna meningkatkan pendapatan daerah. Oleh karena itu olah data di bawah ini dengan menggunakan Ordinary Least Square (OLS) kemudian Serahkan pekerjaan Saudara kepada Instruktur!
Tabel Pajak Reklame Serta Jumlah l h Pendapatan d Daerah h No 1 2 3 4 5 6 7 8 9 10
Provinsi D.I. Aceh Sumatra Barat Jambi Lampung p g DKI.Jakarta Jawa Barat Jawa Tengah DIY Jawa Timur Bali
Retribusi Jumlah Pendapatan Daerah jt (Rupiah) (jt Rupiah) 2700 20600 2600 20400 3600 25500 3150 24650 2250 22000 4950 29200 3550 24500 3000 20900 2400 20400 3100 21600
11 NTB
3200
24500
12 NTT
4700
28600
13 Kalimantan Selatan
5400
31200
14 Kalimantan Timur
4000
26500
15 Kalimantan Tengah
4200
32200
16 Kalimantan K li t Barat B t
4850
29900
17 Sulawesi Tenggara
4750
29000
18 Sulawesi Utara
4800
35000
19 Sulawesi Selatan
5500
37500
20 Papua Barat
5200
37500
Daftar Pustaka • Dajan, Anto. 1974. Pengantar j , g Metode Statistik. Jilid I. Jakarta: LP3ES • Priyatno, Duwi. 2009. 5 Jam Belajar Olah Data Dengan SPSS 17 Edi i satu. Yogyakarta: Penerbit SPSS 17. Edisi t Y k t P bit Andi A di • Santoso. S. 2010. Mastering SPSS 18. Jakarta : PT.Elex Media Komputindo Media Komputindo • Subagyo.P dan Ps.Djarwanto. 2005. Statistik Induktif. Edisi Lima. Yogyakarta: BPFE • Wahana Komputer. 2010. Mudah Belajar Statistik dengan SPSS 18. Edisi satu. Yogyakarta: Penerbit Andi
