PREPARASI DATA. Pokok Bahasan. Proses Preparasi Data. Editing. Workshop Metpen & Aplikasi SPSS 1. Universitas Muhammadiyah Malang. 1

Universitas Muhammadiyah Malang

Pokok Bahasan 1. Preparasi Data 2. Penggunaan Software SPSS 3. Validitas dan Reliabilitas

Oleh: Rahmad Wijaya ( [email protected] ) http://rahmadwijaya.staff.umm.ac.id

4. Analisis Data (praktik)

Pelatihan SPSS 

2 2 

Proses Preparasi Data Siapkan Rencana Analisis Data  Cek Kuesioner 

PREPARASI DATA

Edit  Kode  Entry Data  Bersihkan Data  Pilih Strategi Analysis Data 

Pelatihan SPSS 

3 3 

Cek Kuesioner

Pelatihan SPSS 

4 4 

Editing

Sebuah kuesioner kembali dari lapangan mungkin tidak bisa diterima karena beberapa alasan: 1. Bagian dari kuesioner mungkin tidak lengkap. 2. Pola respon mungkin menunjukkan bahwa responden tidak memahami atau ikuti petunjuk. 3. Tanggapan menunjukkan varians sedikit. 4. Satu atau lebih halaman yang hilang. 5. Kuesioner diterima kedaluwarsa. 6. Kuesioner dijawab oleh orang yang tidak memenuhi syarat untuk berpartisipasi. Pelatihan SPSS 

Workshop Metpen & Aplikasi SPSS 

5 5 

Perlakukan bagi hasil yang tidak memuaskan: – Kembali ke Lapangan – Kuesioner dengan tanggapan

yang tidak memuaskan dapat dikembalikan ke lapangan, dimana pewawancara menghubungi kembali responden . – Menetapkan sbg Missing Value – Jika kembali kuesioner ke lapangan tersebut tidak mungkin, redaksi dapat menetapkan nilai­nilai yang hilang untuk tanggapan tidak memuaskan . – Buang Hasil yang tidak memuaskan – Dalam pendekatan ini, kuesioner dari responden dengan tanggapan yang tidak memuaskan dibuang.

Pelatihan SPSS 

6 6 

1

Pembersihan Data

Pengkodean Kuesioner

Cek konsistensi Konsistensi cek mengidentifikasi data yang berada di luar jangkauan, logis tidak konsisten, atau memiliki nilai ekstrim. • Paket komputer seperti SPSS, SAS, EXCEL dan MINITAB dapat diprogram untuk mengidentifikasi out­of­range nilai untuk setiap variabel dan mencetak kode responden, kode variabel, nama variabel, nomor record, jumlah kolom, dan nilai out­of­range . • Nilai ekstrim harus diperiksa.

• Kode responden dan jumlah rekor muncul di setiap record dalam data. • Record pertama berisi kode tambahan: kode proyek, kode pewawancara, kode tanggal dan waktu, dan kode validasi. • Ini adalah praktik yang baik untuk menyisipkan kosong antara bagian.

Pelatihan SPSS 

7 7 

Pembersihan Data

Pelatihan SPSS 

Memilih Strategi Analisis Data

Perlakukan untuk Respon yang Hilang • Substitute a Neutral Value ­ Sebuah nilai netral, biasanya respon berarti variabel, digantikan dengan tanggapan yang hilang.

Tahap Awal (1, 2, & 3)  dari Proses Penelitian  Tahap Awal (1, 2, & 3) dari Proses Penelitian 

Pahami Karakteristik Data 

• Substitute an Imputed Response ­ Pola responden tanggapan terhadap pertanyaan lain digunakan untuk menyalahkan atau menghitung tanggapan sesuai dengan pertanyaan hilang.

Sifat­  sifat Teknik Statistika  Sifat ­sifat Teknik Statistika 

• Dalam Casewise Deletion, kasus, atau responden, dengan setiap tanggapan hilang dibuang dari analisis.

Latar Belakang dan filosofi si Peneliti  Latar Belakang dan filosofi si Peneliti 

• Dalam Pairwise Deletion, bukannya membuang semua kasus dengan nilai­nilai yang hilang, peneliti hanya menggunakan kasus atau responden dengan tanggapan yang lengkap untuk setiap perhitungan. Pelatihan SPSS 

Strategi Analisis Data 

9 9 

Klasifikasi Teknik Univariate

Pelatihan SPSS 

One Sample  *  t test  * Z test 

Multivariate Techniques

Non­numeric Data 

Two or More  Samples 

Independent  * Two­  Group test  * Z test  * One­Way  ANOVA 

One Sample  * Frequency  * Chi­Square  * K­S  * Runs  * Binomial 

Two or More  Samples 

Related  * Paired  t test 

10 10 

Klasifikasi Teknik Multivariate

Univariate Techniques 

Metric Data 

8 8 

Independent 

Related 

* Chi­Square  * Sign  * Mann­Whitney  * Wilcoxon  * Median  * McNemar  * K­S  * Chi­Square  * K­W ANOVA Pelatihan SPSS  11  11

Workshop Metpen & Aplikasi SPSS 

Dependence  Technique  One Dependent  Variable  * Cross­  Tabulation  * Analysis of  Variance and  Covariance  * Multiple  Regression  * Conjoint  Analysis 

More Than One  Dependent  Variable  * Multivariate  Analysis of  Variance and  Covariance  * Canonical  Correlation  * Multiple  Discriminant  Analysis 

Interdependence  Technique  Variable  Interdependence  * Factor  Analysis 

Interobject  Similarity  * Cluster Analysis  * Multidimensional  Scaling 

Pelatihan SPSS 

12 12 

2 

Data Editor SPSS Menu 

PENGGUNAAN SOFTWARE SPSS

Toolbar 

Variabel  Case (Nomor  Responden) 

Data View &  Variable View 

Pelatihan SPSS 

13 13 

Entry Data ke Worksheet SPSS • Data View : tempat entry data (data editor) • Variabel View: – – – – – – – – – –

Ambil Data &  letakkan di  Data Editor 

Tahap 2 

Pilih  prosedur di  Menu 

Tahap 3 

Pilih Variabel  untuk  dianalisis 

• Systat (*.sys atau *.syd)

• Microsoft Excel (*.xls) • Lotus (*.w*) • dBase (*.dbf) • Text (*.txt)

Pelatihan SPSS 

16 16 

Data dari Microsoft Excel

Anda dapat membuka file  yang sudah tersimpan;  membaca spreadsheet, file  Pilih suatu prosedur dari  text, or database; atau  menu­menu untuk membuat  masukkan datamu langsung  tabel, menghitung statistik,  ke Data Editor.  atau membuat grafik.  Pilih variabel­variabel yang 

Tahap 1 

Editor SPSS

15 15 

Tahapan Menganalisis

14 14 

Sumber data • Ketik langsung pada Data

Name : Nama Variabel èpendek & mudah diingat Type : Jenis data Width : Lebar data Decimal : Berapa digit tempat desimal Label : Label dari Nama Variabel Value : Mengatur label dari data Missing : Mengatur data yang hilang (missing value) Columns : Mengatur lebar kolom Align : perataan è Left, Right, Center Measure : ukuran data è Scale, Ordinal, Nominal Pelatihan SPSS 

Pelatihan SPSS 

dibutuhkan untuk dugunakan  Variabel­variabel pada file  dalam analisis.  file ditampilkan pada kotak  dialog untuk suatu prosedur. 

Ingat:  Baris pertama HARUS  berisi nama variabel  Keuntungan:  Mudah dalam  manipulasi data

Tahap 4 

Menguji hasil 

Pelatihan SPSS 

Workshop Metpen & Aplikasi SPSS 

17 17 

Pelatihan SPSS 

18 18 

3 

Impor Data dari Excel

VALIDITY & RELIABILITY Pelatihan SPSS 

19 19 

Konsep Pengukuran

21 21 

Faktor yang mempengaruhi Kesalahan Pengukuran

• Kondisi sementara peserta: (Suasana hati, kesehatan, tingkat kelelahan, dll) • Atribut peserta yang Stabil: (Kecerdasan, motivasi kepribadian, dll) • Faktor Situasional sesuai pengaturan penelitian: (Suhu ruang, pencahayaan, berjejal, dll)

Pelatihan SPSS 

Workshop Metpen & Aplikasi SPSS 

20 20 

Kesalahan Pengukuran

• Definisi Operasional: adalah definisi variabel dalam hal prosedur yang digunakan oleh para peneliti untuk mengukur dan / atau memanipulasinya. • Mirip dengan 'resep,' menentukan definisi operasional persis bagaimana mengukur dan / atau memanipulasi variabel dalam studi. • Definisi operasional yang bagus akan menentukan prosedur yang tepat sehingga peneliti lain dapat meniru studi ini. Pelatihan SPSS 

Pelatihan SPSS 

23 23 

• Skor seorang peserta pada pengukuran tertentu terdiri dari 2 komponen: Skor Pengamatan = Skor Benar + Kesalahan Pengukuran

• Skor Benar adalah skoryang diperoleh jika pengukuran sempurna­yakni, kita mampu mengukur tanpa kesalahan Kesalahan Pengukuran = komponen dari nilai pengamatan yang mendistorsi skor dari nilai sebenarnya Pelatihan SPSS 

22 22 

Karakteristik Tindakan dan Manipulasi • Presisi dan kejelasan definisi operasional. • Pelatihan pengamat. • Jumlah pengamatan independen yang didasarkan skor (lebih banyak lebih baik?). • Langkah­langkah yang menyebabkan kelelahan atau takut

Pelatihan SPSS 

24 24 

4 

Kesalahan Umum

RELIABILITAS (Keandalan)

• Peralatan yang rusak • Salah dalam mencatat perilaku oleh pengamat • Respon yang membingungkan untuk format pelaporan diri (self­reports ). • Salah memasukkan data

• Keandalan suatu ukuran adalah suatu fungsi kebalikan kesalahan pengukuran: • Semakin kesalahan, semakin sedikit dapat dipercaya ukuran • Ukuran dapat dipercaya menyediakan pengukuran konsisten dari kesempatan ke kesempatan lain

Kesalahan pengukuran dapat mengkikis  RELIABILITAS (REPEATABILITY) dari ukuran yang  digunakan.  Pelatihan SPSS 

25 25 

Penaksiran Reliabilitas  Reliabilitas = 

Variance due  to true scores 

+  Variance due  to error 

Reliability 

= 

True­score  Variance 

/ 

Total  Variance 

Reliabilitas bernilai antara 0 sampai 1  Ketika koefisien reliabilitas =0, When a reliability  coefficient equals 0, score mencerminkan tak lain hanya  kesalahan pengukuran  Rule of Thumb: Pengukuran dengan koefisien keandalan 70%  atau lebih besar mempunyai keandalan bisa diterima  27 27 

Mengestimasi Validitas Ukuran • Suatu ukuran baik harus tidak hanya RELIABEL, tetapi juga VALID • Suatu ukuran yang VALID mengukur apa itu yang ingin diukur • Validitas bukanlah sifat suatu ukuran, tetapi suatu indikasi tingkat dari penilaian ukuran konstruk tertentu pada koteks tertentu è Jadi suatu ukuran mungkin VALID untuk satu tujuan tetapi tidak yang lain. • Suatu ukuran tidak bisa Valid kecuali jika itu Reliabel, tetapi suatu ukuran yang Reliabel mungkina tidak Valid Pelatihan SPSS 

Workshop Metpen & Aplikasi SPSS 

26 26 

Estimasi Konsistensi Internal

Total Variance  in a set of scores 

Pelatihan SPSS 

Pelatihan SPSS 

29 29 

• Konsistensi Item­total

• Split­half reliability: secara acak membagi item menjadi dua bagian dan menguji konsistensi total skor dari dua bagian tersebut. • Cronbach’s Alpha: secara konseptual, merupakan rata­rata konsistensi pada seluruh kemungkinan split­half

reliabilities • Cronbach’s Alfa dapat secara langsung dihitung dari data Pelatihan SPSS 

28 28 

Construct Validity • Mengacu pada sejauh mana operationalisasi dari konstruksi (misalnya ujian praktek yang dikembangkan dari suatu teori) dapat mengukur dg benar apa yang ada di teori. • Misalnya, sampai sejauh mana adalah kuesioner IQ benar­benar mengukur "kecerdasan"? Pelatihan SPSS 

30 30 

5 

Printout Validitas & Reliabilitas

Cara Menentukan Item yang Valid 1. 2.

3.

Pelatihan SPSS 

Tentukan df, df=N­2. Karena dalam contoh ini N=100, maka df=98. Cari nilai r dengan taraf signifikansi 5% dengan df 98 pada tabel Nilai r Product Moment. Dengan df 98 dan taraf signifikansi 5% diperoleh nilai r= ......... (lihat tabel) Lihat nilai corrected item total correlation pada hasil diatas. Jika nilainya lebih besar dari r­tabel maka item valid dan sebaliknya. Sehingga dalam contoh kasus diatas tidak satupun item yang valid, karena nilai r < dari ....... (lihat tabel)

31 31 

Pelatihan SPSS 

32 32 

Printout Korelasi Product Moment

ANALISIS DATA UNI­VARIAT ; BI­VARIAT ; MULTIVARIAT

• Korelasi • Regresi • Diskriminan Pelatihan SPSS 

33 33 

Definisi Variate

Pelatihan SPSS 

34 34 

Uni­ Bi­­Multi Multi Variat Uni­Bi

• Variate: kombinasi linier variabel­ variabel yang memiliki bobot yang penentuannya (bobot tsb) dilakukan secara empiris (Simamora; 2005). • Variate dari sejumlah variabel yang telah diberi bobot dapat dinyatakan sbb:

VAR­1 

UNI­  VARIAT  UNI ­VARIAT 

VAR­2  VAR­2 

BI­  VARIAT  BI ­VARIAT 

Nilai Variat = w1X1 + w2X2 + ....... + wnXn

VAR­1 

VAR­1 

VAR­2 

VAR­2 

VAR­2 

VAR­2 

dimana :

VAR­2 

Xn=variabel (ditentukan peneliti) Wn= bobot yang ditentukan oleh teknik mutivariat Pelatihan SPSS 

Workshop Metpen & Aplikasi SPSS 

MULTI­  VARIAT MULTI ­VARIAT 

VAR­1 

VAR­3  VAR­4 

35 35 

VAR­5 

Pelatihan SPSS 

36 36 

6 

Uji hipotesis • • • •

Skala Data

Pengujian instrumen: Validitas, Reliabilitas Uni­variate: t­test, Z­test, Chi­Square Bi­Variate: Korelasi Sederhana, Regresi Sederhana Multi­variate: – – – – –

Korelasi Berganda Regresi Berganda Analisis Faktor Analisis Cluster Analisis Diskriminan Berganda

Scale 

Basic  Common  Marketing  Permissible Statistics  Descriptive          Inferential  Characteristics  Examples  Examples  Numbers identify  Social Security  Brand nos., store  Percentages,  Chi­square,  & classify objects  nos., numbering  types  mode  binomial test  of football players  Percentile,  Rank­order  Nos. indicate the  Quality rankings,  Preference  relative positions  rankings of teams  rankings, market  median  correlation,  of objects but not  in a tournament  position, social  Friedman  the magnitude of  class  ANOVA  differences  between them  Differences  Temperature  Attitudes,  Range, mean,  Product­  between objects  (Fahrenheit)  opinions, index  standard  moment  Zero point is fixed,  Length, weight  Age, sales,  Geometric  Coefficient  of  ratios of scale  income, costs  mean, harmonic  variation  values can be  mean  compared 

Nominal 

Ordinal 

Interval  Ratio 

Pelatihan SPSS 

37 37 

Pelatihan SPSS 

38 38 

Analisis Korelasi

Kondisi Dalam hubungan Kausalitas

Analisis korelasi adalah teknik statistika untuk mengukur keeratan hubungan antar dua variabel.

• Concomitant Variation. • Time order of Occurrence of Variables

Warning!. Korelasi palsu. (korelasi kuat, • Absence of other Possible Causal Factors

tapi sebernarnya tidak ada hubungan sama sekali)

• Solusi: Cek ke teori tentang hubungan antar variabel yang akan dikorelasi. Pelatihan SPSS 

39 39 

Pelatihan SPSS 

Korelasi & Regresi Sederhana

Korelasi Bi­ Variat Bi­Variat

Suatu perusahaan berpendapat bahwa dengan mendemostrasikan cara pemakaian produk akan mendorong peningkatan penjualan. Manajer perusahaan tersebut ingin mengetahui hubungan antara jumlah demostrasi dengan jumlah barang yang terjual dari 10 kelompok salesforce. Berdasarkan laporan masing­masing kelompok salesforce diperoleh data. 

SPSS: Analyze – Correlate ­ Bivariate SPSS: Analyze – Correlate ­ Bivariate 

Kelompok 

Jumlah demonstrasi 

Correlations 

Jml_Demo 

Jumlah barang terjual 

Amir 

20 

30 

Ali 

15 

18 

Bambang 

18 

20 

Dodo 

28 

25 

Endang 

24 

29 

Endro 

12 

22 

Farid 

10 

12 

Fajar 

30 

29 

Yuni 

35 

34 

Zainul 

26 

24  Pelatihan SPSS 

Workshop Metpen & Aplikasi SPSS 

40 40 

Pearson Correlation  Sig. (2­tailed) 

Jml_Demo  1,000 

N  Jml_Terjual 

Jml_Terjual  ,823** 

,  10  ,823** 

Sig. (2­tailed) 

,003 

, 

10 

10 

N 

Sig. (2­tailed) < α, maka Signifikan 

,003 

Pearson Correlation 

atau 

10  1,000 

Lihat tanda ** 

**.  Correlation is significant at the 0.01 level (2­tailed). 

Korelasi  negatif  sempurna 

­1,00 

Korelasi  negatif kuat 

Korelasi  negatif  sedang 

­0,5  Korelasi negatif 

41 41 

Korelasi  negatif  lemah 

Tidak ada  korelasi 

0 

Korelasi positif  sempurna  Korelasi  positif lemah 

Korelasi  positif  sedang 

0,5 

Korelasi  positif kuat 

1,0 

Korelasi positif 

Pelatihan SPSS 

42 42 

7 

Output SPSS Regresi Sederhana

Interpretasi Regresi Sederhana (1)

SPSS: Analyze – Regression – Linier  SPSS: Analyze – Regression – Linier 

Y’ = a + bX Y’ = 9,929 + 0,659 X Interpretasi : Nilai a = 9,929 ; berarti jika tidak dilakukan demostrasi sama sekali ( X = 0 ), maka jumlah barang terjual sebanyak 9,929 unit. Nilai b = 0,659 ; berarti setiap penambahan jumlah demostrasi diharapkan akan menaikkan jumlah barang terjual sebanyak 0,659 unit

Coefficients a  Standardi  zed  Coefficien  ts 

Uns tandardized  Coefficients 

b  Variable s Entered/Re m oved 

Model  1 

Variables  Entered 

Variables  Rem oved  a 

Jm l_Dem o 

, 

Model  1 

Coefficients a 

Method  Enter 

Uns tandardized  Coefficients 

a.  All re ques ted variables  entered. 

Model  1 

b.  Dependent Variable: Jm l_Te rjual 

(Cons tant) 

B  9,929 

Std. Error  3,724 

Jm l_Dem o 

,659 

,161 

Standardi  zed  Coefficien  ts  Beta  ,823 

t  2,666 

Sig.  ,029 

4,096 

,003 

a.  Dependent Variable: Jm l_Te rjual  Model Sum m ary 

Model  1 

R 

R Square 

Adjus ted  R Square 

Std. Error of  the Es tim ate 

,677 

,637 

3,95 

,823 a 

a.  Predictors : (C ons tant), Jm l_Dem o 

ANOVA b 

Model  1 

Sum  of  Squares 

df 

Mean Square 

Regres s ion 

261,455 

1 

261,455 

Res idual 

124,645 

8 

15,581 

To tal 

386,100 

9 

F 

Sig.  ,003 a 

16,781 

B 

Std. Error 

(Cons tant) 

9,929 

3,724 

Jm l_Dem o 

,659 

,161 

Beta 

,823 

t 

Sig. 

2,666 

,029 

4,096 

,003 

a.  Dependent Variable: Jm l_Te rjual 

a.  Predictors : (C ons tant), Jm l_Dem o  b.  Dependent Variable: Jm l_Te rjual 

Pelatihan SPSS 

43 43 

Pelatihan SPSS 

Regresi Berganda

Interpretasi Regresi Sederhana (2) Model Sum m ary 

Model  1 

R  ,823 a 

R Square 

Adjus ted  R Square 

Std. Error of  the Es tim ate 

,677 

,637 

3,95 

a.  Predictors : (C ons tant), Jm l_Dem o 

R = 0,823 : menyatakan bahwa korelasi varibel bebas terhadap variabel terikat sebesar 82,3 % yang berarti hubungannya positif yang kuat.

Contoh : Seorang peneliti pemasaran tertarik untuk meneliti pengaruh frekuensi iklan dan jumlah salesforce pada perusahaan makanan ringan terhadap volume penjualannya. Data yang diperoleh sebagai berikut : Nama produk

Volume Penjualan (000 unit)

Frekuensi Iklan (tayangan / hari)

Jumlah Agen (unit)

Y

X1

X2

X3

Chiko

20

5

5

25

R Square = 0,677 : menyatakan bahwa 67,7 % perubahan pada variabel terikat (Y) dapat dijelaskan oleh variabel bebas, sedangkan sisanya dijelaskan oleh variabel yang tidak dimasukkan dalam model. Adjusted R Square = 0,637 : sama dengan R Square, hanya saja nilai Ajusted R Square telah disesuaikan (ajusted) (dikoreksi dengan df­nya) Standard Error = 3,95 : Kesalahan baku berganda pendugaan (standart error od estimation). Pelatihan SPSS 

44 44 

45 45 

Output Regresi Berganda (1)

Jml salesforce (orang)

Zetset

15

4

3

25

Demi Mie

48

10

9

39

Kraak

52

13

5

40

Jelly

35

9

4

28

Stiko

29

11

7

22

Waf

41

14

10

36

Kabo

33

13

6

24

Yippi

12

8

8

14

Gadon

25

16

4

20 Pelatihan SPSS 

46 46 

Output Regresi Berganda (2)

Model Sum m ary b 

Model  1 

R  ,959 a 

R Square 

Adjus ted  R Square 

Std. Error of  the Es tim ate 

Durbin­W  ats on 

,920 

,880 

4,66 

2,119 

Model Sum m ary b 

Model  1 

a.  Predictors : (C ons tant), Jm l_Sales , Frek_Iklan, Jm l_Agen 

R  ,959 a 

R Square 

Adjus ted  R Square 

Std. Error of  the Es tim ate 

Durbin­W  ats on 

,920 

,897 

4,32 

2,132 

a.  Predictors : (C ons tant), Jm l_Sales , Frek_Iklan 

b.  Dependent Variable: Penjualan 

b.  Dependent Variable: Penjualan  ANOVA b 

Model  1 

ANOVA b 

Sum  of  Squares  Regres s ion  Res idual  To tal 

df 

Mean Square 

1497,726 

3 

499,242 

130,274 

6 

21,712 

1628,000 

9 

F 

Sig.  ,001 a 

22,993 

Model  1 

Sum  of  Squares  Regres s ion  Res idual 

a.  Predictors : (C ons tant), Jm l_Sales , Frek_Iklan, Jm l_Agen 

To tal 

b.  Dependent Variable: Penjualan 

df 

Mean Square 

1497,479 

2 

748,740 

130,521 

7 

18,646 

1628,000 

9 

F 

Sig.  ,000 a 

40,156 

a.  Predictors : (C ons tant), Jm l_Sales , Frek_Iklan  b.  Dependent Variable: Penjualan 

Coefficients a 

Uns tandardized  Coefficients  Model  1 

B  (Cons tant) 

Std. Error 

­17,177 

6,424 

Frek_Iklan 

1,260 

,421 

Jm l_Agen 

7,577E­02 

,711 

1,273 

,191 

Jm l_Sales 

Coefficients a 

Standardi  zed  Coefficien  ts  Beta 

t 

Sig. 

­2,674 

,037 

,364 

2,992 

,024 

,013 

,107 

,919 

,807 

6,650 

,001 

Uns tandardized  Coefficients 

Tidak signifikan  Model  1 

B 

Std. Error 

Standardi  zed  Coefficien  ts  Beta 

Signifikan Semua t 

Sig. 

(Cons tant) 

­16,946 

5,602 

­3,025 

,019 

Frek_Iklan 

1,270 

,379 

,367 

3,349 

,012 

Jm l_Sales 

1,277 

,173 

,809 

7,382 

,000 

a.  Dependent Variable: Penjualan 

a.  Dependent Variable: Penjualan 

Pelatihan SPSS 

Workshop Metpen & Aplikasi SPSS 

47 47 

Pelatihan SPSS 

48 48 

8 

Interpretasi Regresi Berganda (1)

Interpretasi Regresi Berganda (2) Model Sum m ary b 

a  Coe ffic ie nts 

S ta n d a rd i  ze d  Co e ffi ci e n  ts 

Un sta n d a rd i ze d  Co e ffi ci e n ts  M o d e l  1 

Y’ = a + b1X1+ b2X2+ e

B 

S td . E rro r 

B e ta 

Model  1  t 

S i g . 

(Co n sta n t) 

­1 6 ,9 4 6 

5 ,6 0 2 

­3 ,0 2 5 

,0 1 9 

Fre k_ Ikl a n 

1 ,2 7 0 

,3 7 9 

,3 6 7 

3 ,3 4 9 

,0 1 2 

Jm l _ S a l e s 

1 ,2 7 7 

,1 7 3 

,8 0 9 

7 ,3 8 2 

,0 0 0 

a .  De p e n d e n t V a ri a b l e : P e n j u a l a n 

Penjualan’ = ­16,946 + 1,270 Frek_Iklan + 1,277 Jml_Sales

Interpretasi : Nilai a = ­16,946 ; berarti jika tidak dilakukan penayangan iklan sama sekali ( X1 = 0 ) dan tidak ada sales, maka jumlah barang terjual sebanyak 0 unit. Nilai b = 1,270 ; berarti setiap penambahan 1 kali tayangan iklan diharapkan akan menaikkan jumlah barang terjual sebanyak 1,27 unit Pelatihan SPSS 

Workshop Metpen & Aplikasi SPSS 

49 49 

R  a 

,959 

R Square 

Adjus ted  R Square 

Std. Error of  the Es tim ate 

Durbin­W  ats on 

,920 

,897 

4,32 

2,132 

a.  Predictors : (C ons tant), Jm l_Sales , Frek_Iklan  b. Dependent Variable: Penjualan 

R = 0,959 : menyatakan bahwa korelasi berganda varibel bebas terhadap variabel terikat sebesar 95,9 % yang berarti hubungannya positif yang kuat. R Square = 0,92 : menyatakan bahwa 92 % perubahan pada variabel terikat (Y) dapat dijelaskan oleh variabel bebas, sedangkan sisanya dijelaskan oleh variabel yang tidak dimasukkan dalam model. Adjusted R Square = 0,897 : sama dengan R Square, hanya saja nilai Ajusted R Square telah disesuaikan (ajusted) (dikoreksi dengan df­nya) Standard Error = 4,32 : Kesalahan baku berganda pendugaan (standart error od estimation). Pelatihan SPSS 

50 50 

9