11

BAB I PENDAHULUAN

1.1.

LATAR BELAKANG Ilmu statistik dapat memberikan gambaran suatu data. Selain itu

statistik juga dapat digunakan sebagai alat pengukuran. Misalnya pengukuran terhadap keterkaitan antara variabel yang satu dengan yang lainnya. Salah satu analisa yang dapat dilakukan dalam pengukuran dengan statistik adalah dengan menggunakan regresi dan korelasi. Dalam regresi dan korelasi dibutuhkan dua variabel bebas dan satu variabel

terikat. Misalnya saja dalam suatu kemacetan dapat disebabkan oleh banyaknya kendaraan dan jumlah penduduk. Untuk menentukan korelasi antara keturunan dan pola makan dengan diabetes dapat dilakukan dengan menentukan persamaan regresi dari tiap-tiap variabel tersebut dan korelasinya. Berdasarkan latar belakang diatas, maka penulis melakukan praktikum regresi dan korelasi antara diabetes dengan keturunan dan pola makan. Dimana praktikum ini digunakan untuk menentukan persamaan regresi, dan korelasi antara variabel-variabel tersebut.

2 1.2. PERUMUSAN MASALAH Berdasarkan latar belakang di atas, dapat dirumuskan : 1. Bagaimana menentukan persamaan regresi 2. Bagaimana menentukan korelasi dari Y (Diabetes), X1 (Keturunan) dan X2 (Pola Makan). 3. Bagaimana menentukan kuat hubungan linier antar variabel Y (Diabetes), X1 (Keturunan) dan X2 (Pola Makan).

1.3.

TUJUAN PERCOBAAN Untuk memudahkan dan mengetahui arah penelitian ini, maka

penulis mempunyai tujuan percobaan seperti berikut : 1. Mengetahui cara menentukan persamaan regresi 2. Mengetahui korelasi dari Y (Diabetes), X1 (Keturunan) dan X2 (Pola makan). 3. Mengetahui kuat hubungan linier antar variabel Y (Diabetes), X1 (Keturunan) dan X2 (Pola makan).

1.4.

PEMBATASAN MASALAH Dalam upaya mengarahkan pembahasan masalah pada tujuan

utama agar tidak menyimpang dari ruang lingkup permasalahan, maka perlu diadakan pembatasan masalah sebagai berikut :

1. Pengambilan data dilakukan pada tanggal 14 mei 2013 dalam praktikum, berupa data diabetes yang merupakan variabel tak

3 bebas (Y), keturunan dan pola makan yang merupakan variabel bebas pertama dan kedua (X1 dan X2) 2. Data yang dikumpulkan sebanyak 50 data dari masing-masing variabel.

1.5.

METODOLOGI PEMECAHAN MASALAH Adapun metodologi pemecahan masalah atau metode penelitian

yang digunakan dan dilakukan dalam percobaan ini adalah: 1. Study pustaka. Study pustaka dilakukan dengan cara membaca buku untuk menggali informasi yang sesuai dengan apa yang akan dilakukan dalam pengumpulan data dan pengolahan data yaitu mengenai regresi dan korelasi. 2. Study lapangan. Mengadakan pengambilan data pada obyek yang berhubungan dengan masalah yang akan diteliti, yaitu data diabetes, keturunan dan pola makan. Data yang dikumpulkan sebanyak 50 data untuk masing-masing variabel.

4 1.6. SISTEMATIKA PENULISAN Sistematika penulisan yang digunakan dalam menyusun laporan ini adalah:

BAB I

: PENDAHULUAN. Berisi tentang latar belakang, perumusan masalah, tujuan percobaan, pembatasan masalah, metode pemecahan masalah, dan sistematika penulisan.

BAB II

: LANDASAN TEORI. Berisi tentang teori-teori yang berhubungan dengan percobaan, yaitu teori regresi linier sederhana, analisis regresi, regresi dan korelasi linier berganda.

BAB III

: METODOLOGI PEMECAHAN MASALAH. Berisi tentang langkah-langkah pemecahan masalah dan kerangka pemecahan masalah.

BAB IV

: PENGUMPULAN DAN PENGOLAHAN DATA. Berisi pengumpulan dan pengolahan data.

5 BAB V : ANALISIS DATA Analisa data diabetes, keturunan dan pola makan dari hasil pengolahan data secara manual dan menggunakan SPSS.

BAB V I

: KESIMPULAN. Berisi kesimpulan hasil praktikum regresi dan korelasi

BAB II LANDASAN TEORI

2.1 DEFINISI REGRESI DAN KORELASI LINIER Penentuan teknik analisis yang akan digunakan dalam suatu analisis -- biasanya dibahas dalam metodologi penelitian -- sangat tergantung dari kerangka konseptual yang menjadi dasar analisis dan tujuan dari pelaksanaan analisis. Agar hasil analisis dapat ditafsirkan secara tepat, maka harus dihindari penggunaan teknik analisis yang tidak sesuai dengan skala pengukuran dari variabel yang digunakan dalam analisis. Dalam mengkaji hubungan antara dua variabel atau lebih, penting dipahami skala pengukuran dari setiap variabel tersebut, sehingga teknik analisis yang akan digunakan untuk menjelaskan hubungan atau kaitan antara variabel tersebut dapat dipilih yang paling sesuai. Apabila hal ini diabaikan, maka dapat menghasilkan interpretasi hasil yang kurang tepat (misleading). Sebagai contoh, analisis regresi mensyaratkan bahwa variabel yang digunakan paling tidak diukur secara interval, sehingga kalau ada salah satu variabel yang diukur secara nominal atau ordinal maka hasil yang diperoleh tidak dapat ditafsirkan secara tepat, oleh karena asumsi dalam penggunaan teknik ini yang tidak dapat dilanggar adalah bahwa variabel yang digunakan mengikuti distribusi normal. Pada bab ini teknik yang dibahas merupakan teknik analisis statistik inferensial, yaitu teknik yang mendasarkan pada pemanfaatan data yang diperoleh dari suatu sampel acak, sehingga hasilnya merupakan gambaran keadaan populasi dari mana sampel acak tersebut diambil. Teknik statistik semacam ini memberikan jaminan bahwa kesimpulan dan penafsiran dibuat dengan tingkat kesalahan yang rendah, 5 biasanya dipakai 0,05 (5 %).

7 Teknik analisis statistik yang dibahas dalam bab ini bersumber pada SPSS yang difokuskan hanya pada teknik yang dapat menjelaskan hubungan atau kaitan antara beberapa variabel, baik hubungan antara dua variabel (bivariate) maupun banyak variabel (multivariate). Pembahasan diutamakan pada cara membaca dan menafsirkan arti dari parameter yang diperoleh dari hasil pengolahan data yang terdapat pada output SPSS. Teknik analisis6 statistik yang dibahas meliputi Analisis Regresi, Analisis Path, Multiple Classification Analysis (MCA), Tabel Kontingensi, Model Logit, Model Log-Linear, Analisis Diskriminan, dan Analisis Faktor. Analisis Regresi Linier Analisis regresi merupakan alat yang dapat memberikan penjelasan hubungan antara dua jenis variabel yaitu hubungan antara variabel dependen atau variabel kriteria dengan variabel independen atau variabel prediktor7. Analisis hubungan antara dua variabel disebut sebagai analisis regresi sederhana jika hanya melibatkan satu variabel independen. Analisis disebut sebagai analisis regresi berganda jika melibatkan lebih dari satu variabel independen. Hubungan antara variabel dependen (Y) dengan variabel

independen (X) dituliskan dalam model linier umum

= + X 1 + ........ X p + e, (3.1)......... Y + 0 1 p e N(0, 2 ), Residual e = Y - Y

, i = 1,2,........p adalah koefisien regresi yang berarti besarnya di mana i

, jika Xi bertambah satu satuan dan variabel yang lain perubahan pada Y adalah intercept. Residual e mengikuti distribusi normal konstan, 0
2 dengan rata. Asumsi dasar dalam analisis regresi adalah (i) setiap Y yang

merupakan kombinasi linier atas X dan mengikuti distribusi normal, (ii) e tersebar secara acak dan tidak berpola mengikuti besarnya nilai X, (iii) tidak terdapat hubungan (korelasi) yang tinggi antar variabel X.

2.2

Analisis Regresi Sederhana Analisis regresi sederhana hanya melibatkan satu variabel

independen X, sehingga dalam persamaan (3.1) p=1, sehingga model liniernya adalah

= + X + e, (3.2)......... Y 0 1

e N(0, 2 ), Residual e = Y - Y

Dengan model seperti pada persamaan (3.2) maka hipotesis yang diajukan untuk diuji adalah H0 H0
1

= 0 terhadap H1
1

0. Untuk menolak
1

bermakna

(significant) atau dengan kata lain ada hubungan linier regresi antara Y dan X seperti pada persamaan (3.2). Dalam output SPSS 9.0 for Windows untuk subprogram

REGRESION, yang pertama perlu diketahui adalah apakah regresi Y pada X bermakna. Hal ini dapat dilihat pada output ANOVA sebagai berikut: ANOVA Sum of Mean Square Df Square s s Mod 1 6475.18 el Regresio 3185.81 n 9660.99 Residual Total Sig. Uji hipotesis untuk mengetahui apakah regresi Y pada X ada, 1 6475.18 168.698 .000 Tabel ANOVA 83 38.38 =0,00 dengan 84 menunjukkan bahwa H0 Y pada X bermakna. F

9 Selanjutnya adalah untuk mengetahui besarnya estimate koefisien regresi

) ( 1

serta

standard

error-nya,

ini

dapat

dilihat

pada

output

COEFFICIENTS sebagai berikut:

COEFFICIENTS Standardi Unstandardize zed d Coefficients Coefficie nts B Mode 1 (Consta 47.17 l nt) 0 X .307 Std. Error 1.726 .024 Beta t

= 47,17 (intercept) 0
= 0,307 (koeffisien 1
regresi)

Y akan berubah Sig. sebesar 0,31 unit setiap 27.337 .000 untuk perubahan satu unit .819 12.988 .000 dari X.

Dapat dilihat bahwa karena regresi linier sederhana, maka pada dua tabel di atas t2= F. Beta=0,819 yang merupakan koef. regresi baku sebenarnya adalah sama dengan r = koefisien korelasi antara Y dan X, karena beta dihitung berdasarkan vaiabel baku Z yang dihitung dengan cara
Z= XX SD x , dengan SD = standard deviasi

Koefisien determinasi r2 = 0,670 (yaitu nilai Beta dikuadratkan atau (0.819)2) berarti bahwa variasi Y yang dapat dijelaskan oleh model sebesar 67 persen. Beberapa statistik dan estimasi dari parameter dapat pula diperoleh seperti rata-rata dan standard deviasi serta korelasi dari Y dan X. Para pembaca lebih lanjut dianjurkan untuk membaca SPSS Base 9.0 Application Guide. 2.3 Analisis Regresi Berganda Kalau satu variabel dependen Y perlu dijelaskan oleh lebih dari satu variabel independen X, maka kita perlu membuat model yang sesuai dengan tujuan studi. Model tersebut adalah regresi linier ganda

10 (Multivariate Linear Regression) yang secara umum modelnya seperti pada persamaan (3.1). Selain berguna untuk dapat menjelaskan hubungan p variabel X secara bersama terhadap variabel Y, dengan analisis regresi ganda juga dapat diperoleh suatu penjelasan tentang peranan atau kontribusi relatif setiap variabel X terhadap variabel Y. Secara empirik walaupun misalnya model (3.1) signifikan, yang berarti bahwa secara bersama p variabel X dapat menjelaskan variabel Y, tidak berarti bahwa setiap variabel mempunyai pengaruh yang signifikan pada variabel Y. Suatu kajian tersendiri perlu dilakukan untuk kemudian dapat memilah variabel X yang berpengaruh secara parsial pada variabel Y. Dengan model pada persamaan (3.1) maka uji hipotesis-nya adalah: H0
1 2 p

= 0 dengan H1

yang dari ouput SPSS dapat dilihat pada output ANOVA dengan p=2 sebagai berikut ANOVA Sum of Square s Mod 1 el Regressi on Residual Total df Mean Square s F Sig. .000
Dengan =0,00 mengindikasi-kan bahwa regresi Y pada X1 dan X2 signifikan.

11101.9 2 5550.98 684.79 59 3 104 0 843.031 106 8.106 11944.9 91

Secara umum model regresi dengan Y pada X1 dan X2 dapat digunakan lebih lanjut, namun demikian untuk mengetahui apakah X 1 dan X2 secara parsial berpengaruh terhadap Y dapat diuji dengan melihat output COEFFICIENT sebagai berikut:

11 COEFFICIENTS Standardi Unstandardize zed d Coefficients Coefficie nts B Mode 1 (Consta 82.67 l nt) 7 -.662 X1 -.240 X2 Std. Error .626 .263 .013 Beta t Sig. X dan X2 secara .000 1 parsial ber-pengaruh .013 nyata pada Y tingkat .000 signifikansi (p-value) masing-masing 0,013 dan 0,000.

132.17 6 -.119 -.863 -2.518 18.326

Seberapa besar variasi dari variabel Y yang dapat dijelaskan oleh model dapat dilihat dari koefisien determinasi pada output MODEL SUMMARY berikut: MODEL SUMMARY Variables Mod Entere Remov el d ed R 1 X1, X2
2

Std. Error of Adjuste the R dR Estimat Square Square e .929 .928 2.85

.964

Estimasi R cenderung terlalu tinggi (overestimate), adjusted R2 (R2a) dirancang untuk mengurangi bias tersebut yang dihitung dengan cara
2 R =R 2 a

p(1 R 2 ) N p 1

dengan p adalah banyaknya variabel independen X pada persamaan (3.1). Secara matematis R2 dan R2a dapat dirumuskan dengan R2 = Residual sum of squares Total sum of squares Residual sum of squares/(Np-1) Total sum of squares/(N-1)

R2a =

12 Dengan menggunakan R2a = 0,928 maka variasi dari Y yang dapat dijelaskan oleh model adalah sebesar 93 persen. 2.4 Pemilihan Variabel Utama Walaupun model regresi linier ganda signifikan, mungkin tidak semua variabel independen X mempunyai pengaruh nyata pada variabel dependen Y, lebih daripada itu lebih banyak variabel independen sebagai prediktor tidak membuat lebih mudah dalam melakukan analisis. Dalam hal ini cara yang paling banyak digunakan untuk memilih variabel yang signifikan tersebut adalah dengan cara bertatar (stepwise)8. Secara singkat metode stepwise ini dimulai tahap1 dengan memasukkan variabel independen X yang mempunyai simpel korelasi (r) tertinggi dengan variabel dependen Y. Pada tahap-2 (dan seterusnya) variabel X yang mempunyai korelasi parsial tertinggi dengan variabel Y dimasukkan dalam model, akan tetapi pada tahap ini variabel X yang sudah masuk pada tahap-1 (atau sebelumnya) dapat dikeluarkan (removed) dari model jika tidak memenuhi kriteria

lainnya). Demikian seterusnya tahap berikutnya dilakukan seperti pada tahap-2 sehingga diperoleh variabel terbaik. 2.5 Kontribusi Setiap Prediktor Terhadap Y Dalam analisis adalah penting untuk mengetahui peranan setiap variabel X (prediktor) terhadap variabel Y yang kemudian dapat dibandingkan besarnya peranan setiap prediktor tersebut dalam menjelaskan variasi pada Y. Ukuran yang digunakan untuk tujuan tersebut adalah dengan melihat adjusted R2 dari setiap prediktor yang dapat dilihat dari output MODEL SUMMARY ketika melakukan pemilihan variabel dengan cara stepwise seperti berikut.

13 MODEL SUMMARY Model (variables in the model) Adjust R Adjust ed R ed R Squar R Squa Squar e re e Chang e .173 .229 .239 .173 .056 .010 Isian kolom Adjusted R Square Change merupakan selisih dari Adjusted R Square pada suatu baris terhadap baris sebelumnya di mana suatu variabel belum termasuk dalam model. X1 menjelaskan 17 persen variasi Variabel Y X2 menjelaskan 5 persen variasi Variabel Y X3 menjelaskan 1 persen variasi Variabel Y Interpretasi 2.6 Diagnostik Model Perlu dipastikan apakah model yang secara empirik adalah signifikan atau [Pr>F]<0,05 merupakan model yang tepat (fit). Dalam hal ini uji kecocokan model (Gooodness of Fit test) yang secara umum ditunjukkan oleh besarnya R2 masih harus dilanjutkan dengan beberapa langkah lain untuk melihat apakah asumsi dasar

X1 .41 .175 X1, X2 8 .231 X1, X2, X3 .48 .239 0 .48 9

pembentukan model dipenuhi atau tidak. Asumsi yang perlu diuji adalah (1) residual (e) tersebar secara acak dan tidak mempunyai pola tertentu mengikuti X serta mempunyai varians konstan, dan (2) tidak adanya multikolinieritas antara variabel X.

14

BAB III METODOLOGI PEMECAHAN MASALAH

Dalam suatu penelitian memerlukan suatu metodologi pemecahan masalah yang terdiri dari beberapa tahapan. Pada penelitian ini tahapan yang dilakukan adalah sebagai berikut:

3.1.

LANGKAH - LANGKAH PEMECAHAN MASALAH Permasalahan yang ada dapat diselesaikan atau dipecahkan

melalui langkah-langkah sebagai berikut:

3.1.1. Studi Pendahuluan. Penulis dalam melakukan penelitian menggunakan dua macam studi pendahuluan, yaitu: 1. Study pustaka. Sebelum merumuskan masalah yang akan diteliti, penulis terlebih dahulu melakukan study pustaka, yaitu suatu study kepustakaan seperti membaca buku yang berkaitan dengan teori-teori yang akan digunakan dalam bagaimana cara melakukan pengumpulan dan pengolahan data. 2. Study lapangan. Yaitu mengadakan penelitian dan pengambilan data pada obyek yang berhubungan dengan masalah yang akan diteliti.

14

15 3.1.2. Identifikasi Masalah. Berdasakan latar belakang permasalahan maka masalah dapat dirumuskan antara lain : 4. Bagaimana menentukan persamaan regresi 5. Bagaimana menentukan korelasi dari Y (Diabetes), X1 (keturunan) dan X2 (pola makan). 6. Bagaimana menentukan kuat hubungan linier antar variabel Y (Diabetes), X1 (keturunan) dan X2 (pola makan). Dari rumusan malasah diatas, maka dapat ditentukan tujuan dari praktikum ini yaitu : 4. Mengetahui cara menentukan persamaan regresi 5. Mengetahui korelasi dari Y (Diabetes), X1 (keturunan) dan X2 (pola makan). 6. Mengetahui kuat hubungan linier antar variabel Y (Diabetes), X1 (keturunan) dan X2 (pola makan).

3.1.3. Pengumpulan Data. Data diberikan oleh asisten dosen pada tanggal 14 mei 2013 dalam praktikum percobaan ketiga, yaitu percobaan regresi dan korelasi linier berganda. Data yang didapat adalah data sejumlah variabel tak bebas (Y) berupa data diabetes, serta data variabel bebas (X1) keturunan dan (X2) pola makan.

16 3.1.4. Pengolahan Data. Sebelum melakukan pengolahan data dibuat dahulu tabel

pengolahan data, tabel ini berisi variabel tak bebas (Y), variabel bebas pertama (X1), variabel bebas kedua (X2), X12, X22, X1Y, X2Y, X1X2, dan Y2. Adapaun urutan pengolahan data dalam percobaan ini adalah sebagai berikut: 1. Mencari variabel-variabel kecil. a. Menghitung nilai X12. b. Menghitung nilai X12. c. Menghitung nilai X1Y. d. Menghitung nilai X2Y. e. Menghitung nilai X1X2. f. Menghitung nilai Y2.

2. Mencari nilai koefisien a dan b. a. Menghitung nilai koefisien b1. b. Menghitung nilai koefisien b2. c. Menghitung nilai koefisien a. 3. Menentukan persamaan regresi. 4. Menentukan koefisien korelasi antara Y, X1 dan X2. 5. Mencari koefisien determinasi (r2).

17 3.2. KERANGKA PEMECAHAN MASALAH

Mulai Study Pustaka Identifikasi Masalah Study Lapangan

Pengumpulan Data

Pengolahan Data : Mencari variabel-variabel kecil Mencari nlai koefisien a dan b Menentukan persamaan regresi Menentukan koefisien regresi antara Y, X1 dan X2 5. Mencari koefisien determinasi (r2) 1. 2. 3. 4.

Mengolah data dengan SPSS

Analisis data

Manual

SPSS

Kesimpulan

Selesai

Gambar 3.1 Kerangka Pemecahan Masalah

18

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

4.1.

PENGUMPULAN DATA Tabel 4.1 Tabulasi Diabetes, Keturunan, dan Pola makan.
Diabetes y 120 122 125 128 138 139 140 141 142 144 153 154 164 165 166 176 177 172 180 182 184 186 187 188 189 199 172 188 252 255 Keturunan x1 100 112 114 116 117 118 120 122 124 126 132 128 130 132 134 136 138 140 141 142 144 147 148 150 151 155 158 160 160 164 pola makan x2 82 74 71 70 69 68 65 63 62 59 58 52 51 50 47 41 40 45 40 48 52 41 50 45 47 56 55 47 58 70

18

19 4.2. PENGOLAHAN DATA.

Tabel 4.2 Pengolahan data Diabetes,keturunan dan pola makan

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

diabetes y 120 122 125 128 138 139 140 141 142 144 153 154 164 165 166 176 177 172 180 182 184 186 187 188 189 199 172 188 252 255 5028

keturunan x1 100 112 114 116 117 118 120 122 124 126 132 128 130 132 134 136 138 140 141 142 144 147 148 150 151 155 158 160 160 164 4059

pola makan x2 82 74 71 70 69 68 65 63 62 59 58 52 51 50 47 41 40 45 40 48 52 41 50 45 47 56 55 47 58 70 1676

x1^2 10000 12544 12996 13456 13689 13924 14400 14884 15376 15876 17424 16384 16900 17424 17956 18496 19044 19600 19881 20164 20736 21609 21904 22500 22801 24025 24964 25600 25600 26896 557053

X2^2 6724 5476 5041 4900 4761 4624 4225 3969 3844 3481 3364 2704 2601 2500 2209 1681 1600 2025 1600 2304 2704 1681 2500 2025 2209 3136 3025 2209 3364 4900 97386

X1.Y 12000 13664 14250 14848 16146 16402 16800 17202 17608 18144 20196 19712 21320 21780 22244 23936 24426 24080 25380 25844 26496 27342 27676 28200 28539 30845 27176 30080 40320 41820 694476

X2.Y 9840 9028 8875 8960 9522 9452 9100 8883 8804 8496 8874 8008 8364 8250 7802 7216 7080 7740 7200 8736 9568 7626 9350 8460 8883 11144 9460 8836 14616 17850 276023

X1.X2 8200 8288 8094 8120 8073 8024 7800 7686 7688 7434 7656 6656 6630 6600 6298 5576 5520 6300 5640 6816 7488 6027 7400 6750 7097 8680 8690 7520 9280 11480 223511

Y^2 14400 14884 15625 16384 19044 19321 19600 19881 20164 20736 23409 23716 26896 27225 27556 30976 31329 29584 32400 33124 33856 34596 34969 35344 35721 39601 29584 35344 63504 65025 873798

20 1. Mencari variabel-variabel kecil. a) Menghitung nilai X12. = =

( )

b) Menghitung nilai X22. = =

( )

c) Menghitung nilai X1Y.

( )( )

)(

d) Menghitung nilai X2Y. = =

( )( )

)(

21 e) Menghitung nilai X1X2. = =

( )( )

)(

f) Menghitung nilai Y2 = =
( )

2. Mencari nilai koefisien a dan b. a) Menghitung nilai koefisien b1. b1 = = = b) Menghitung nilai koefisien b2. b2 = =
( ( ( ( )( )( ) ( )( ) ( ) ( ) ( ) ( )( ) ) ( ) ) ) ( ( ( ( )( )( ) ( )( ) ( ) ( ) ( ) ( ) ( ) )( ) ) )

= c) Menghitung nilai koefisien a. a = Y - b1X1 - b2X2 =

22 = = = ( )
( )

3. Menentukan persamaan regresi. Y = a + b1X1 + b2X2 = 136,5 + (-0,34 X1 + 1,38 X2)

4. Menentukan koefisien korelasi antara Y, X1 dan X2. r =

( ) ( ( ) ) ( ) ( )

= =

5. Mencari koefisien determinasi (r2). r2 = (r)2 = (0,4)2 = 0,16 = 16 %

23

BAB V ANALISIS DATA

5.1

ANALISIS DATA Berdasarkan hasil pengolahan data, maka dapat dilakukan analisa

dengan cara membandingkan hasil pengolahan data baik secara manual maupun SPSS. Tabel 5.1 Tabel perbandingan hasil pengolahan data secara manual dan menggunakan SPSS Manual Mean Std.deviasi r r2 0,4 0,16 914 835 SPSS

Dari tabel 5.1 diatas, maka dapat dilihat bahwa nilai koefisien korelasi dan koefisien determinasi antara antar variabel yang dihitung dengan cara manual dan menggunakan SPSS mempunyai nilai yang hampir sama.

23

24

BAB VI KESIMPULAN

6.1

KESIMPULAN Berdasarkan hasil pengumpulan dan pengolahan data yang

dilakukan pada penelitian dan percobaan ini dapat ditarik kesimpulan sebagai berikut: 1. Dalam menentukan persamaan regresi dapat dilakukan cara mencari variabel variabel kecil : X12 = X22 = X1Y = X2Y = X1X2 = Y2 b1 b2 a = = -0,34 = 1,38 =

Kemudian dapat diperoleh persamaan regresi sebagai berikut: Y = a + b1X1 + b2X2 = 136,5 + (-0,34 X1 + 1,38 X2)

24

25 2. Koefisien korelasi antara Y, X1 dan X2. r (r)2 = 0,4 = 0,16

3. Dari hasil perhitungan didapat nilai r = 0,4 yang berarti bahwa terdapat hubungan antara Y dengan X1 dan X2 yang hubungan korelasinya sangat berarti.