II. APLIKASI SPSS
Analisa Regresi dan Korelasi dengan SPSS (Statistical Program for Social Science) Pemanfaatan program aplikasi SPSS dalam analisa data didalam statistik, akan memberikan kemudahan perhitungan dan mempercepat proses pengerjaan. Dalam contoh ini, program aplikasi SPSS diterapkan untuk analisa statistik regresi dan korelasi linier ganda. Contoh 2. Pengamatan Manajer Pemasaran PT Hasta Jaya, bahwa jumlah penjualan perusahaan dipengaruhi atas faktor pengalaman berjualan dan tingkat kepandaian/kecerdasan tiap-tiap salesman. Dari pengamatan data 8 salesman di PT Hasta Jaya diberikan hasil sebagai berikut: Salesman
Tingkat Penjualan
Pengalaman
Tingkat
(Rp 1.000)
berjualan (tahun)
Kepandaian
(Y)
(X1)
(Test IQ) (X2)
9 6 4 3 3 5 8 2
6 5 3 1 4 3 6 2
3 2 2 1 1 3 3 1
A B C D E F G H
Analisis statistik atas persamaan regresi dan korelasi yang dibentuk dari variabelvariabel diatas dilakukan dengan program aplikasi SPSS sebagai berikut:
1. Definisikan nama Variabel dan Keterangan Label nama variabel, a. Dari lembar kerja SPSS, pilih pada sub menu Data. Dari sub menu data, kemudian lakukan pemilihan Define Variabel untuk mendefinisikan variabel yang akan di proses. Petunjuk diberikan dalam gambar berikut:
Universitas Gadjah Mada
Pilih sub menu Define Variabel untuk mendefinisikan nama variabel
b. Isikan nama varibel sesuai dengan kriteria. Dalam hal ini ketikkan variabel Y yang mewakili data tingkat penjualan..
kemudian; 1) pilih Type variabel, untuk menentukan tipe variabel. Pilih Type Numeric 2) Pilih Label untuk memberikan keterangan nama variabel. Ketik Tingkat Penjualan sbg keterangan label nama variabel Y Lakukan dengan cara sama untuk mendefinisikan dan memberi keterangan variabel X1 dan X2, dimana nama variabel X1 memiliki keterangan label Pengalaman Penjual dan nama variabel X2 memiliki keterangan label Tingkat Kepandaian.
Universitas Gadjah Mada
2. Pengisian data kedalam nama - nama varibel yang telah dibuat Lakukan pengisian data sesuai dengan variabel yang bersangkutan
Lakukan pemilihan pada menu Graph, untuk menggambarkan plot grafik hubungan antar varibel. Grafik hubungan variabel Y (Tingkat Penjualan) dengan variable X1 (pengalaman penjual) dan plot grafik hubungan variable Y dengan variable X2 (tingkat Kepandaian penjual) di berikan dalam gambar ini:
Universitas Gadjah Mada
3. Analisis statistic regresi dan korelasi a. Lakukan analisis statistik regresi dan korelasi dengan memilih menu statistik, kemudian pilih sub menu regresi dan pilih linier untuk menyatakan penyelesaian data statistik dengan linier regresi
Universitas Gadjah Mada
b. Dalam metode linier regresi, lakukan pengisian atas variabel dependent (Y) dan variabel independent (X1, dan X2) sesuai dengan lajur pengisian.
c. Pilih icon statistik untuk prosedur penyelesaian statistik linier regresi.
Universitas Gadjah Mada
4. Anaiisis Hasil dengan penyelesaian regresi linier a. Hasil akhir dengan penyelesain regresi linier ditampilkan sebagai berikut:
Universitas Gadjah Mada
b. Dari hasil analisa statistik SPSS Linier regresi antar variabel dependen Y dengan variabel Independen X1, X2. Dimana
Variabel Y
menyatakan
tingkat penjualan
Variabel XI
menyatakan pengalaman berjualan salesman
Variabel X2 i.
menyatakan
tingkat kecerdasan salesman
Nilai Rata-rata dan standart deviasi masing-masing variabel; Rata-rata Y = 5 000 dan standar deviasi Y = 2.57 Rata-rata X1 = 3,75 dan standar deviasi X1 = 1.83 Rata-rata X2 = 2,00 dan standar deviasi X2 = 0.92
ii.
Koefisien Korelasi Koefisien
korelasi
menyatakan
hubungan
antar
variable
dependent dan independent Koefisien korelasi Y dengan X1 = 0.871 menyatakan hubungan variabel Y dengan X1I kuat Koefisien korelasi Y dengan X2 = 0.862 menyatakan hubungan variabel Y dengan X2 kuat Koefisien korelasi X1 dengan X2 = 0.674 menyatakan hubungan variabel X1 dengan X2 cukup kuat iii.
Analisa Regresi Ganda Koefisien korelasi ganda (multiple R) menyatakan hubungan antar variabel Y dengan variabel X1, X2. •
Nilai koefisien korelasi ganda (multiple R) = 0.945 menyatakan hubungan variabel Y dengan X1, X2 adalah sangat kuat.
•
Koefisien determinant ( R Square ) = 0.8970 menyatakan variabel Y dipengaruhi X1,X2 sebesar 89,70% sedangkan 10,30% dipengaruhi faktor lain.
•
Estimasi koefisien determinan (adjusted R Square) = 0.85537
Universitas Gadjah Mada
•
Estimasi standart deviasi (standart error) = 0.95346
Analisis variansi digunakan untuk menyatakan signifikan F dari (slope /Uji beta) atas persamaan regresi ganda yang akan dibentuk. •
Dengan tingkat signifikan α = 0.05, Ftable ditentukan = Ftabel = (F1,6,
0.05)
adalah 5,99 F
hitung
dari hasil perhitungan didapatkan sebesar 21,70. Karena nilai
perbandingan Fhitung = 21,70 > dari Ftabel = 5,99 maka uji dinyatakan signifikan. Persamaan regresi ganda didapatkan; Y = -0.4545 + 0.7272X1 + 1.3636 X Dengan persamaan regresi yang dihasilkan, variabel Y dapat diprediksi atas X1, dan X2. Sebagai contoh, Salesman dengan tingkat pengalaman berjualan 5,5 tahun dan tingkat kecerdasan tinggi ( nilai 3 ), maka tingkat penjualan yang diraih diprediksikan sebesar: Y = -0.4545 + 0.7272 (5,5) + 1.3636 (3) Y = •
Hubungan
antar
7.635 masing-masing
variabel
dinyatakan
dengan
perbandingan perhitungan T hitung dengan Ttabel. Dengan Tingkat Signifikan (α) = 0.05, T tabel (T6
0.025)
dinyatakan sebesar
2,45
T
hitung
pada variabel X1 sebesar 2,73 > dari Ttabel
=
2,45 maka uji
dinyatakan signifikan. Berarti variabel X1 memiliki hubungan dengan variabel Y Persamaan yang dapat dibentuk; Y= -0.4545 + 0.7262 X1
T
hitung
pada variabel X2 sebesar 2,589 > dari Ttabel = 2,45 maka uji
dinyatakan signifikan. Berarti variabel X2 memiliki hubungan dengan
Universitas Gadjah Mada
variabel Y Persamaan yang dapat dibentuk; Y= -0.4545 + 1.3636 X2 Analog terhadap persoalan diatas, pengaruh variabel-variabel independent (X1, X2,X3, Xn) terhadap variabel dependent (Y) dalam statistik regresi korelasi baik sederhana maupun ganda dapat diaplikasikan dengan SPSS.
Universitas Gadjah Mada