Anda di halaman 1dari 20

SRI TRISNAYANTI

G1D 010 038


TUGAS 1
Pada soal ini dikerjakan dengan cara ANAVA DUA ARAH, karena pada soal ini
terdapat dua faktor yang mempengaruhi keefektifan pupuk yaitu perlakuan dan blok.
Adapun tujuan dari pengujian ANAVA 2 arah ini adalah untuk mengetahui apakah ada
pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan. Dimana
dalam soal ini akan dilakukan pengujian untuk mengetahui apakah ada pengaruh
perlakuan dan blok terhadap produksi suatu varietas padi.
Hipotesis A :
H0: a1 = a2 = ..... = a9 (Perlakuan tidak mempengaruhi keefektifan pupuk terhadap hasil
produksi suatu varietas padi).
H1: a1 a2 ..... a9 (Perlakuan mempengaruhi keefektifan pupuk terhadap hasil
produksi suatu varietas padi).
Hipotesis B :
H0: B1 = B2 = B3 (Blok tidak mempengaruhi keefektifan pupuk terhadap hasil
produksi suatu varietas padi).
H1: B1 B2 B3 (Blok mempengaruhi keefektifan pupuk terhadap hasil produksi suatu
varietas padi).
Langkah-Langkah :
1. Buka SPSS.
2. Pada jendela SPSS Editor, klik tab Variable View.
Tulis dan isi Name, Type, Width, Decimals, Label, Values, Missing, Columns, Align,
dan Measure.
3. Klik tab Data View.
Isi data view dengan kolom pertama yang menyatakan keefektifan pupuk, kolom
kedua menyatakan perlakuan, dan kolom ketiga diisi blok, seperti dibawah ini:
Keefektifan Pupuk

Perlakuan

Blok

10.19

Kontrol

Timur

9.26

Kontrol

Tengah

12.73

Kontrol

Barat

32.02

K2P1

Timur

25.76

K2P1

Tengah

4.
5.
6.
7.

19.72

K2P1

Barat

23.91

K2P2

Timur

21.99

K2P2

Tengah

21.42

K2P2

Barat

17.15

K2P3

Timur

15.66

K2P3

Tengah

10.37

K2P3

Barat

10.35

K2P4

Timur

13.31

K2P4

Tengah

14.31

K2P4

Barat

21.98

K3P1

Timur

19.43

K3P1

Tengah

16.16

K3P1

Barat

18.08

K3P2

Timur

13.50

K3P2

Tengah

18.32

K3P2

Barat

18.07

K3P3

Timur

14.01

K3P3

Tengah

14.39

K3P3

Barat

12.37

K3P4

Timur

16.32

K3P4

Tengah

10.20

K3P4

Barat

Klik Analyze.
Klik General Linear.
Klik Univariate.
Pindahkan keefektifan pupuk pada kolom dependent variable, dan pindahkan
perlakuan dan blok pada fixed factor.

8. Pilih model, dan tandai costum. Selanjutnya pindahkan faktor perlakuan dan blok pada
kolom model dan gunakan type main effects.
9. Pilih Post Hoc, kemudian pindahkan factor perlakuan dan blok pada kolom Post Hoc
Test. Centang Tukey pada Equal variances assumed.
10. Klik Ok.

OUTPUT:
Univariate Analysis of Variance
Between-Subjects Factors
Value Label

Kontrol

K2P1

K2P2

K2P3

K2P4

K3P1

K3P2

K3P3

K3P4

Timur

Tengah

Barat

Perlakuan 1

Blok

Tests of Between-Subjects Effects


Dependent Variable : Keefektifan
Source

Type III Sum of Squares


(Jumlah Kuadrat)
a

df

Mean Square
(Kuadrat Tengah)

Sig.

7.082

.000

Corrected Model

625.250

10

62.525

Intercept

7532.702

7532.702

Perlakuan

586.040

73.255

8.297

.000

Blok

39.211

19.605

2.221

.141

Error

141.261

16

8.829

Total

8299.213

27

Corrected Total

766.511

26

a. R Squared = .816 (Adjusted R Squared = .701)

853.197 .000

Berdasarkan tabel di atas diperoleh :


a. Source/ sumber terdiri dari perlakuan, blok, error, dan total.
b. Type III Sum Of Square/Jumlah Kuadrat terdiri dari :
- Nilai JKA (Perlakuan) = 586.040
- Nilai JKB (Blok) = 39.211
- JKT = 8299.213
- JKE (Error) =141.261
c. Mean Square/ Kuadrat Tengah terdiri dari :
- Nilai KTA (Perlakuan) = 73,255
- Nilai KTB (Blok) = 19,605
- Nilai KTS (Error) = 8.829
d. Nilai Fhitung A (Perlakuan)=8.297 dan Ftabel=2.66 yang menyebabkan Fhitung
Perlakuan > Ftabel (8.297 > 2.66) sehingga H0 ditolak, dan dapat disimpulkan
bahwa Perlakuan mempengaruhi keefektifan pupuk terhadap hasil produksi suatu
varietas padi. Selain dari/menggunakan Fhitung dan Ftabel, hal ini bisa juga
dilihat dari nilai signifikansinya (Pvalue A), dimana pada tabel diperoleh nilai
signifikasi = 0.000 yang ternyata lebih kecil dari 5%.
e. Nilai Fhitung B (Blok)=2.221 dan Ftabel=3.63 yang menyebabkan Fhitung
Blok<Ftabel (2.221 < 3.63) sehingga H0 diterima, maka dapat disimpulkan bahwa
Blok tidak mempengaruhi keefektifan pupuk terhadap hasil produksi suatu
varietas padi. Selain dari/menggunakan Fhitung dan Ftabel, hal ini bisa juga
dilihat dari nilai signifikansinya (Pvalue B) yaitu sebesar=0.141 yang ternyata
lebih besar dari 5%.
Kesimpulan :
Jadi, yang mempengaruhi keefektifan pupuk terhadap hasil produksi varietas padi hanya
kombinasi perlakuan pupuk .

Post Hoc Tests


Perlakuan
Multiple Comparisons
Keefektifan Tukey HSD
Mean Difference
(I) Perlakuan (J) Perlakuan
(I-J)
Kontrol

K2P1

Lower Bound Upper Bound

-15.1067*

2.42608

.000

-23.7373

-6.4760

K2P2

-11.7133*

2.42608

.004

-20.3440

-3.0827

K2P3

-3.6667

2.42608

.835

-12.2973

4.9640

K2P4

-1.9300

2.42608

.995

-10.5607

6.7007

K3P1

-8.4633

2.42608

.057

-17.0940

.1673

K3P2

-5.9067

2.42608

.330

-14.5373

2.7240

K3P3

-4.7633

2.42608

.585

-13.3940

3.8673

K3P4

-2.2367

2.42608

.988

-10.8673

6.3940

15.1067

2.42608

.000

6.4760

23.7373

3.3933

Kontrol
K2P3

2.42608

.883

-5.2373

12.0240

2.42608

.005

2.8093

20.0707

11.4400

K2P4

13.1767

2.42608

.001

4.5460

21.8073

K3P1

6.6433

2.42608

.209

-1.9873

15.2740

K3P2

2.42608

.032

.5693

17.8307

2.42608

.013

1.7127

18.9740

K3P4

12.8700

2.42608

.002

4.2393

21.5007

Kontrol

11.7133*

2.42608

.004

3.0827

20.3440

K2P1

-3.3933

2.42608

.883

-12.0240

5.2373

K2P3

8.0467

2.42608

.078

-.5840

16.6773

K2P4

9.7833*

2.42608

.020

1.1527

18.4140

K3P1

3.2500

2.42608

.904

-5.3807

11.8807

K3P2

5.8067

2.42608

.349

-2.8240

14.4373

K3P3

6.9500

2.42608

.170

-1.6807

15.5807

K3P4

9.4767*

2.42608

.026

.8460

18.1073

Kontrol

3.6667

2.42608

.835

-4.9640

12.2973

K2P1

-11.4400*

2.42608

.005

-20.0707

-2.8093

K2P2

-8.0467

2.42608

.078

-16.6773

.5840

K2P4

1.7367

2.42608

.998

-6.8940

10.3673

K3P3

K2P3

Sig.

K2P1

K2P2

K2P2

95% Confidence Interval

Std.
Error

9.2000

10.3433

K2P4

K3P1

K3P2

K3P3

K3P1

-4.7967

2.42608

.577

-13.4273

3.8340

K3P2

-2.2400

2.42608

.988

-10.8707

6.3907

K3P3

-1.0967

2.42608

1.000

-9.7273

7.5340

K3P4

1.4300

2.42608

.999

-7.2007

10.0607

Kontrol

1.9300

2.42608

.995

-6.7007

10.5607

K2P1

-13.1767

2.42608

.001

-21.8073

-4.5460

K2P2

-9.7833

2.42608

.020

-18.4140

-1.1527

K2P3

-1.7367

2.42608

.998

-10.3673

6.8940

K3P1

-6.5333

2.42608

.224

-15.1640

2.0973

K3P2

-3.9767

2.42608

.772

-12.6073

4.6540

K3P3

-2.8333

2.42608

.953

-11.4640

5.7973

K3P4

-.3067

2.42608

1.000

-8.9373

8.3240

Kontrol

8.4633

2.42608

.057

-.1673

17.0940

K2P1

-6.6433

2.42608

.209

-15.2740

1.9873

K2P2

-3.2500

2.42608

.904

-11.8807

5.3807

K2P3

4.7967

2.42608

.577

-3.8340

13.4273

K2P4

6.5333

2.42608

.224

-2.0973

15.1640

K3P2

2.5567

2.42608

.973

-6.0740

11.1873

K3P3

3.7000

2.42608

.829

-4.9307

12.3307

K3P4

6.2267

2.42608

.272

-2.4040

14.8573

Kontrol

5.9067

2.42608

.330

-2.7240

14.5373

K2P1

-9.2000*

2.42608

.032

-17.8307

-.5693

K2P2

-5.8067

2.42608

.349

-14.4373

2.8240

K2P3

2.2400

2.42608

.988

-6.3907

10.8707

K2P4

3.9767

2.42608

.772

-4.6540

12.6073

K3P1

-2.5567

2.42608

.973

-11.1873

6.0740

K3P3

1.1433

2.42608

1.000

-7.4873

9.7740

K3P4

3.6700

2.42608

.834

-4.9607

12.3007

Kontrol

4.7633

2.42608

.585

-3.8673

13.3940

K2P1

-10.3433*

2.42608

.013

-18.9740

-1.7127

K2P2

-6.9500

2.42608

.170

-15.5807

1.6807

K2P3

1.0967

2.42608

1.000

-7.5340

9.7273

K2P4

2.8333

2.42608

.953

-5.7973

11.4640

K3P1

-3.7000

2.42608

.829

-12.3307

4.9307

K3P4

K3P2

-1.1433

2.42608

1.000

-9.7740

7.4873

K3P4

2.5267

2.42608

.975

-6.1040

11.1573

Kontrol

2.2367

2.42608

.988

-6.3940

10.8673

K2P1

-12.8700*

2.42608

.002

-21.5007

-4.2393

K2P2

-9.4767*

2.42608

.026

-18.1073

-.8460

K2P3

-1.4300

2.42608

.999

-10.0607

7.2007

K2P4

.3067

2.42608

1.000

-8.3240

8.9373

K3P1

-6.2267

2.42608

.272

-14.8573

2.4040

K3P2

-3.6700

2.42608

.834

-12.3007

4.9607

K3P3

-2.5267

2.42608

.975

-11.1573

6.1040

Based on observed means.


The error term is Mean Square(Error) = 8.829.
*. The mean difference is significant at the 0.05 level.

Berdasarkan data yang telah diperoleh di atas yaitu Perlakuan mempengaruhi


keefektifan pupuk. Maka, untuk menunjukan perbedaan yang ada antar perlakuan bisa dilihat
dari perbandingan nilai signifikan terhadap nilai sebesar 5%. Jika nilai signifikan yang
diperoleh < 5% maka terdapat perbedaan antar perlakuan. Sebagai contoh pada tabel yang
pertama, perlakuan KONTROL dibandingkan dengan perlakuan-perlakuan lainnya. Dimana
diperoleh hanya nilai signifikan pada perlakuan K2P1 dan K2P2 yang lebih kecil dari =
5%. Ini menunjukkan bahwa K2P1 dan K2P2 berbeda dengan KONTROL, begitupun
seterusnya.

Homogeneous Subset
Keefektifan
Tukey HSD
Subset
Perlakuan

Kontrol

10.7267

K2P4

12.6567

K3P4

12.9633

K2P3

14.3933

14.3933

K3P3

15.4900

15.4900

K3P2

16.6333

16.6333

K3P1

19.1900

19.1900

19.1900

K2P2

22.4400

22.4400

K2P1

Sig.

25.8333
.057

.078

.209

Means for groups in homogeneous subsets are displayed.


Based on observed means.
The error term is Mean Square(Error) = 8.829.
Tabel ini merupakan ringkasan dari tabel diatas yang berfungsi untuk melihat
adanya perbedaan antara perlakuan. Dimana untuk mengetahui perbedaannya dapat
dilihat dari subset.
Subset pertama perlakuan KONTROL, K2P4, K3P4, K2P3, K3P3, K3P2, K3P1
berada pada satu garis(sama), kemudian subset kedua perlakuan K2P3, K3P3, K3P2,
K3P1, K2P2 berada pada satu garis, dan pada subset ketiga perlakuan K3P1, K2P2,
K2P1 berada pada satu garis.
a. Pada subset 1 terlihat perlakuan KONTROL, K2P4, K3P4, K2P3, K3P3, K3P2,
K3P1 berada pada satu garis(sama). Dengan kata lain, dapat dikatakan perlakuan
KONTROL, K2P4, K3P4, K2P3, K3P3, K3P2, K3P1, tidak mempunyai
perbedaan rata-rata yang signifikan satu dengan yang lain.
b. Pada subset 2 terlihat perlakuan K2P3, K3P3, K3P2, K3P1, K2P2 berada pada
satu garis (sama). Dengan kata lain, dapat dikatakan perlakuan K2P3, K3P3,
K3P2, K3P1, K2P2, tidak mempunyai perbedaan rata-rata yang signifikan satu
dengan yang lain.
c. Pada subset 2 terlihat perlakuan K3P1, K2P2, K2P1 berada pada satu garis
(sama). Dengan kata lain, dapat dikatakan perlakuan K3P1, K2P2, K2P1, tidak
mempunyai perbedaan rata-rata yang signifikan satu dengan yang lain.

Blok
Multiple Comparisons
Keefektifan Tukey HSD
Mean Difference
(I) Blok (J) Blok
(I-J)
Timur

Sig.

Lower Bound Upper Bound

Tengah

1.6533

1.40070

.481

-1.9609

5.2676

Barat

2.9444

1.40070

.121

-.6698

6.5587

-1.6533

1.40070

.481

-5.2676

1.9609

Barat

1.2911

1.40070

.635

-2.3232

4.9054

Timur

-2.9444

1.40070

.121

-6.5587

.6698

Tengah

-1.2911

1.40070

.635

-4.9054

2.3232

Tengah Timur
Barat

95% Confidence Interval

Std.
Error

Based on observed means.


The error term is Mean Square(Error) = 8.829.
Karena pada data yang di atas telah diketahui bahwa blok tidak mempengaruhi
keefektifan pupuk, maka ini berarti tidak ada perbedaan antar blok. Untuk
membuktikannya, hal ini bisa dilihat juga pada table diatas, dimana semua nilai
signifikansi yang diperoleh > 5%.
Homogeneous Subsets
Keefektifan
Tukey HSD
Subset
Blok

Barat

15.2911

Tengah

16.5822

Timur

18.2356

Sig.

.121

Karena telah diperoleh kesimpulan bahwa blok tidak mempengaruhi keefektifan


pupuk maka hal itu menyebabkan kategori- kategorinya berada pada satu subset ini
berarti blok berada pada satu garis (sama), dimana pada tabel diatas semua blok berada
pada subset yang sama yaitu subset 1 yang menandakan bahwa semua blok tidak
mempunyai perbedaan rata-rata yang signifikan satu dengan yang lain.

TUGAS 2
Pada soal no. 2 ini digunakan uji anova 1 arah, dimana One-Way ANOVA itu sendiri
digunakan untuk menguji perbedaan rata-rata untuk lebih dari dua kelompok sampel.
Karena dalam soal ini kita ingin mengetahui perbedaan hasil belajar matematika siswa yang
didasarkan pada pengelompokan menurut jenis pekerjaan orang tua, maka kita dapat
menggunakan prosedur One-Way ANOVA.
Hipotesis:
H0: Jenis pekerjaan orangtua tidak mempengaruhi nilai belajar siswa (A = B = C = D).
H1: Jenis pekerjaan orangtua mempengaruhi nilai belajar siswa (A B C D).
Langkah-Langkah :
1. Buka SPSS.
2. Pada jendela SPSS Editor, klik tab Variable View.
Tulis dan isi Name, Type, Width, Decimals, Label, Values, Missing, Columns, Align,
dan Measure.
3. Klik tab Data View.
Isi data view, dengan kolom pertama yang menyatakan jenis pekerjaan orangtua dan
kolom kedua menyatakan daftar nilai matematika siswa. Dimana datanya sbb:
Jenis Pekerjaan Orangtua Nilai Matematika Siswa
PNS & ABRI

70

PNS & ABRI

60

PNS & ABRI

75

PNS & ABRI

65

PNS & ABRI

65

PNS & ABRI

90

PNS & ABRI

85

PNS & ABRI

90

PNS & ABRI

75

PNS & ABRI

70

GURU

80

GURU

85

GURU

75

GURU

90

GURU

85

GURU

75

GURU

85

GURU

95

GURU

90

GURU

100

PETANI

75

PETANI

80

PETANI

85

PETANI

80

PETANI

70

PETANI

75

PETANI

70

PETANI

60

PETANI

75

PETANI

95

BURUH

65

BURUH

70

BURUH

75

BURUH

60

BURUH

60

BURUH

75

BURUH

75

BURUH

70

BURUH

65

BURUH

85

4. Klik Analyze.

5. Klik Compare Means, kemudian pilih One-Way ANOVA.


6. Isi kolom Dependent list dengan daftar nilai siswa dan kolom Factor dengan Jenis
Pekerjaan Orangtua.
7. Pilih Post Hoc, selanjutnya centang Tukey dan Duncan. Isi Significance level sebesar
0,05.
8. Klik Ok.

OUTPUT :
ANOVA
Nilai_Matematika_Siswa
Sum of Squares
(Jumlah Kuadrat)

df

Mean Square
(Kuadrat Tengah)

Sig.

Between Groups

1362.500

454.167

5.514

.003

Within Groups

2965.000

36

82.361

Total

4327.500

39

Berdasarkan tabel di atas, ANOVA berusaha membandingkan variabilitas skor


yang terjadi dalam suatu kelompok (withingroup, yakni variabilitas yang disebabkan
oleh sampling error itu sendiri) dengan variabilitas yang terjadi antar kelompok
(between group, yakni variabilitas yang disebabkan karena efek dari suatu
perlakuan/treatment dan variabilitas yang disebabkan karena sampling error )
Dari tabel diperoleh:
1. Nilai JKP (Between Groups) = 1362.500 dengan db=3 sehingga diperoleh
KTP=454.167
2. Nilai JKS (Within Groups) = 2965.000 dengan db=36 sehingga diperoleh
KTS=82,361.
3. Pengambilan Keputusan :
Berdasarkan pada hasil yang diperoleh pada uji ANOVA, kita bisa melihat bahwa
nilai Fhitung=KTP/KTS=5.514 sedangkan untuk Ftabel=2.87, yang berarti
Fhitung > Ftabel (5.514 > 2.87) sehingga menyebabkan H0 ditolak.
Selain dari Fhitung, pengambilan keputusan juga dapat ditentukan dari nilai
signifikansi atau p-value yang dihasilkan. Dimana berdasarkan tabel di atas, nilai
signifikan yang dihasilkan = 0.003 sehingga lebih kecil dari = 0.05 yang
menyebabkan H0 ditolak. Maka dapat disimpulkan bahwa jenis pekerjaan
orangtua mempengaruhi nilai matematika siswa atau ada pengaruh jenis pekerjaan
orang tua terhadap nilai matematika siswa.

Post Hoc Test


Multiple Comparisons
Dependent Variable:Nilai_Matematika_Siswa
(I)
(J)
Jenis_Pekerjaan Jenis_Pekerjaan Mean Difference (I_Orangtua
_Orangtua
J)
Tukey PNS & ABRI
HSD

GURU

PETANI

Sig. Lower Bound Upper Bound

4.059 .036

-22.43

-.57

PETANI

-2.000

4.059 .960

-12.93

8.93

BURUH

4.500

4.059 .687

-6.43

15.43

4.059 .036

.57

22.43

PETANI

9.500

4.059 .108

-1.43

20.43

BURUH

4.059 .002

5.07

26.93

2.000

4.059 .960

-8.93

12.93

-9.500

4.059 .108

-20.43

1.43

6.500

4.059 .391

-4.43

17.43

-4.500

4.059 .687

-15.43

6.43

4.059 .002

-26.93

-5.07

-6.500

4.059 .391

-17.43

4.43

GURU

PNS & ABRI

PNS & ABRI


GURU
BURUH

BURUH

95% Confidence Interval


Std.
Error

PNS & ABRI


GURU
PETANI

-11.500

11.500
16.000

-16.000

*. The mean difference is significant at the 0.05 level.


Pada ANOVA kita biasanya akan melakukan apa yang disebut Post Hoc Test. Hal ini
dilakukan untuk membandingkan satu kelompok dengan kelompok lainnya satau per satu
dan tidak secara bersamaan. Adapun metode-metode dalam Post Hoc Test tergolong
banyak sekali jumlahnya. Namun kali ini kita hanya menggunakan Tukeys HSD Test,
dimana Tukeys HSD (Honestly Significant Difference) test dirancang untuk dapat
melakukan perbandingan mean antar kelompok pada semua tingkat signifikansi tes.
Berdasarkan hasil yang telah diperoleh, setelah kita mengetahui bahwa
ada/terdapat pengaruh jenis pekerjaan orang tua terhadap nilai matematika siswa, maka
selanjutnya kita akan berusaha untuk mengetahui kelompok siswa berdasarkan atau dari
jenis pekerjaan orang tua mana saja yang berbeda dan mana yang tidak berbeda.
Untuk melihat perbedaan maka bisa dilihat dari nilai signifikannya, jika nilai signifikan
lebih kecil dari = 5% maka H0 ditolak berarti ada perbedaan. Hal ini bisa dilihat pada
tabel pertama bahwa nilai signifikan GURU lebih kecil dari , berarti GURU dan
PNS&ABRI berbeda, begitupun seterusnya.
Catatan : Tanda * pada kolom mean differences menunjukkan bahwa perbedaan yang ada
tergolong signifikan.

Homogeneous Subsets
Nilai_Matematika_Siswa
Subset for alpha = 0.05

Tukey
HSDa

Jenis_Pekerjaan_Orangtua

BURUH

10

70.00

PNS & ABRI

10

74.50

PETANI

10

76.50

GURU

10

Sig.
Duncana

76.50
86.00

.391

BURUH

10

70.00

PNS & ABRI

10

74.50

PETANI

10

76.50

GURU

10

Sig.

.108

86.00
.139

1.000

Means for groups in homogeneous subsets are displayed.


a. Uses Harmonic Mean Sample Size = 10.000.
Homogeneous Subsets berfungsi untuk mencari grup/subset mana saja yang
mempunyai perbedaan rata-rata yang tidak berbeda secara signifikan.
Untuk melihat perbedaan tersebut, maka kali ini digunakan metode Tukey dan Duncan.
Menggunakan Metode Tukey
d. Pada subset 1 terlihat grup dengan jenis pekerjaan orang tua BURUH, PNS &
ABRI, serta PETANI. Dengan kata lain, dapat dikatakan kelompok dengan jenis
pekerjaan orang tua BURUH, PNS & ABRI, serta PETANI tidak mempunyai
perbedaan rata-rata yang signifikan satu dengan yang lain.
e. Pada subset 2 terlihat grup dengan jenis pekerjaan orang tua PETANI dan GURU.
Dengan kata lain, dapat dikatakan kelompok dengan jenis pekerjaan orang tua
PETANI dan GURU tidak mempunyai perbedaan rata-rata yang signifikan satu
dengan yang lain.
Menggunakan Metode Duncan
a. Pada subset 1 terlihat grup dengan jenis pekerjaan orang tua BURUH, PNS &
ABRI, serta PETANI. Dengan kata lain, dapat dikatakan kelompok dengan jenis
pekerjaan orang tua BURUH, PNS & ABRI, PETANI tidak mempunyai
perbedaan rata-rata yang signifikan satu dengan yang lain.
b. Pada subset 2 terlihat hanya grup dengan jenis pekerjaan orang tua GURU saja.
Dengan kata lain, dapat dikatakan kelompok dengan jenis pekerjaan orang tua
GURU mempunyai perbedaan rata-rata yang signifikan dengan yang lainnya.

TUGAS 3
Untuk soal yang ketiga digunakan Analisis Regresi Berganda, karena data pada soal
ini mempunyai/terdapat lebih dari satu variable independent, yaitu gdp_cap, lifeexpf,
lifeexpm, literacy, dan babymort. Dimana Analisis Regresi Linear Berganda itu sendiri
digunakan untuk mengukur pengaruh antara lebih dari satu variabel prediktor (variabel
bebas) terhadap variabel terikat.
Hipotesis:
H0: 1 = 0 (model tidak tepat)
H1: 0 0 (model tepat)
Langkah-langkah :
1. Buka SPSS.
2. Klik file, kemudian pilih open dan data.
3. Buka my computer , disk c, selanjutnya pilih program file.
4. Cari SPSSinc, kemudian pilih folder samples dan pilih world95.sav.
5. Pada world95.sav data yang akan digunakan sudah ada, kemudian klik analyze.
6. Pilih regression dan selanjutnya pilih linear.
7. Isi kolom dependent dengan variable number of people (density).
8. Isi kolom independent dengan variable gdp_cap, lifeexpf, lifeexpm, literacy, dan
babymort.
9. Pilih statistics, kemudian centang estimates, model fit, dan R squared change.
Selanjutnya continue.
10. Pilih option, kemudian centang include constant in equation dan continue.
11. Klik Ok.

OUTPUT :
Variables Entered/Removedb
Model

Variables Entered

Infant mortality (deaths per 1000 live


births), Gross domestic product / capita,
.
People who read (%), Average male life
expectancy, Average female life expectancya

Variables Removed

Method

Enter

a. All requested variables entered.


b. Dependent Variable: Number of people / sq. kilometer

Model Summary
Change Statistics
Model

.308a

Adjusted Std. Error of the


R Square R Square
Estimate
.095

.050

664.4054

R Square
Sig. F
Change F Change df1 df2 Change
.095

2.121

5 101

.069

a. Predictors: (Constant), Infant mortality (deaths per 1000 live births), Gross domestic
product/capita, People who read (%), Average male life expectancy, Average female life
expectancy

Tabel ringkasan model (Model Summary) menampilkan kekuatan hubungan


antara model dengan variabel independent. Koefisien korelasi ganda (R) adalah korelasi
linear antara observasi dan nilai prediksi dari variabel dependent. Jika nilai R semakin
besar hal ini berarti adanya hubungan yang semakin kuat. R square, coefficient determinasi
merupakan kuadrat dari koefisien relasi ganda.
Berdasarkan tabel di atas, diperoleh R Square = 0.095, yang berarti modelnya
tidak tepat. Karena syarat model dikatakan tepat jika nilai R semakin mendekati 1. Selain
itu, dapat dilihat juga pada nilai signifikannya yaitu sebesar 0.069 berarti lebih besar dari
nilai = 5% yang menandakan H0 diterima (model tidak tepat).

ANOVAb
Model
1

Sum of Squares

df

Mean Square

Sig.

4681446.092

936289.218

2.121

.069a

Residual/error

4.458E7

101

441434.586

Total

4.927E7

106

Regression

a. Predictors: (Constant), Infant mortality (deaths per 1000 live births), Gross domestic
product / capita, People who read (%), Average male life expectancy, Average female
life expectancy
b. Dependent Variable: Number of people / sq. kilometer
Output baris regression menampilkan informasi sekitar variansi yang dapat
diterangkan oleh model regresi. Sedangkan baris residual menampilkan informasi sekitar
variansi yang tidak dapat diterangkan oleh model regresi. ANOVA tabel berguna untuk
mengetes kemampuan model untuk menerangkan variansi pada variabel dependent. Namun
tabel ANOVA tidak secara langsung mengukur kekuatan hubungan.
Uji serempak (Uji- F)
Hipotesis:
H0: I = 0 ( tidak mempengaruhi)
H1: i 0 ( mempengaruhi )
Berdasarkan tabel diperoleh :
a. Sum of Squares / Jumlah Kudrat terdiri dari :
JKR (Regression) = 4681446.092
JKE (Error) = 4.458E7
JKT (Total) = 4.927E7
b. Mean Square (Kuadrat Tengah) terdiri dari:
Nilai KTS=82,361
Nilai KTP=454,167.
c. Nilai Fhitung=2.121 dan Ftabel=10.13 sehingga menyebabkan Fhitung < Ftabel. Jadi
H0 diterima dan dapat disimpulkan bahwa gdp_cap, lifeexpf, lifeexpm, literacy, dan
babymort mempengaruhi variabel density.
d. Nilai signifikansi (Pvalue)=0,069 sehingga lebih besar dari 5% dan dapat disimpulkan
bahwa H0 diterima yang berarti gdp_cap, lifeexpf, lifeexpm, literacy, dan babymort
mempengaruhi variabel density.

Coefficientsa
Unstandardized Coefficients
Model
1

Std. Error

2618.258

1944.174

.018

.013

Average female life


expectancy

-36.864

Average male life


expectancy

Standardized
Coefficients
t

Sig.

1.347

.181

.171

1.368

.174

45.605

-.576

-.808

.421

24.778

41.633

.340

.595

.553

People who read (%)

-13.169

7.171

-.442

-1.836

.069

Infant mortality (deaths


per 1000 live births)

-11.904

7.205

-.669

-1.652

.102

(Constant)
Gross domestic product /
capita

Beta

a. Dependent Variable: Number of people / sq. kilometer


Uji Parsial (Uji T)
a. Dari nilai signifikansi diperoleh semua variabel (gdp_cap, lifeexpf, lifeexpm, literacy,
dan babymort) ternyata lebih besar dari = 5% yang berarti variabel-variabel tersebut
mempengaruhi variabel density.
b. Persamaannya :
Y = 0 + 1 X1 +2 X2 +3 X3 +4X4 + 5X5 +
Y = 2618,258 + 0,018 X1 36,864 X2 + 24,778 X3 13,169 X4 11,904 X5 +