No Uji Statistik Skala data Analisa Keterangan

1. Chi-Square Nominal/Ordinal Mencari ada tidaknya Ho: tidak ada hubungan

hubungan atau Hi: Ada hubungan
perbedaa/asosiasi, tidak ada
Ho ditolak bila X² hasil > X² tabel,
besarnya hubungan, sifatnya
yang dibaca di output SPSS: Nilai
simetris (bukan pengaruh
Signifikansi
mempengaruhi)
2. T-Test (Group) Kombinasi Uji beda antar dua group Yang dibaca di ouput SPSS: Sig (2-
nominal dan tailed)
Interval
3. Anova Kombinasi Uji beda antar 3 group atau Yang dibaca di output SPSS: Nilai
nominal dan lebih Signifikansi
Interval
4. T-Test (Pair) Interval Uji beda Yang dibaca di output SPSS: Sig (2-
tailed)
5. Korelasi Interval/Dummy Mencari ada tidaknya Ho ditolak bila r hasil > r tabel
hubungan antar 2 variabel

6. Regresi Interval/Dummy Dalam regresi sifatnya Output dlm SPSS dibaca: R Square:
dan Rasio asimetris/sebab sumbangan seluruh IV terhdp DV
akibat/pengaruh Sig.F.Change
mempengaruhi
Nilai B; Signifikansi (Sig) per IV
terhdp DV
VIF harus < 2
 Korelasi
o Korelasi bertujuan untuk mengukur derajat
hubungan/kekuatan asosiasi linier antara dua
variabel
o Dapat memberikan dua informasi:
• Derajat/keeratan hubungan linier antara dua
variabel
• Menunjukkan arah hubungan antara dua variabel
o Koefisien korelasi disimbolkan “r”
o Besaran nilai koefisien korelasi adalah ±1, jika
besarannya +1 berarti sempurna.
o Tanda “+” menunjukkan hubungan searah
• Korelasi Bivariate
– Product moment Pearson: Mengukur keeratan
hubungan diantara hasil-hasil pengamatan dari
populasi yang mempunyai dua varian
– Rank-Spearman dan Kendall: Digunakan pada statisti
non parametrik untuk mengukur keeratan hubungan
antara peringkat-peringkat dibandingkan dengan hasil
pengamatan itu sendiri
• Korelasi Parsial
– Mengukur hubungan linier antara dua variabel dengan
melakukan kontrol terhadap satu atau lebih variabel
tambahan (kontrol)
 Regresi
• Regresi adalah Suatu teknik analisa untuk memprediksi (peramalan) pola dan nilai perubahan suatu
variabel yang disebabkan oleh variabel lain.
• Untuk melakukan estimasi analisa regresi membangun persamaan garis yang disebut persamaan
regresi (estimating equation)
• Persamaan regresi sederhana adalah persamaan yang mendefinisikan hubungan antar dua variabel
atau suatu formula matematika yang mencari nilai DV dari nilai IV yang diketahui
• Hasil regresi berupa koefisien regresi variabel untuk masing-masing dependen dan independen
• Koefisien regresi dilambangkan dengan”β”

Regresi Sederhana & Berganda

Melibatkan satu variabel independen dan dependen

Sering disebut analisa bivariat
Persamaannya: Y=α + βX +℮
Regresi berganda digunakan untuk estimasi nilai variabel dependen (Y)
dengan menggunakan lebih dari satu variabel independen (X1, X2, X3,
dst)
 Menilai Goodness of Fit
• Mengetahui ketepatan model regresi sampel dalam
menaksir nilai aktualnya dapat diukur dari goodness of fit-
nya
• Nilai statistik t
– Merupakan uji signifikansi parameter individual (uji parsial
yang berupa koefisien regresi)→ dapat dilihat pada tabel
COEFFICIENTs
• Nilai Statistik F
– Menunjukkan apakah semua variabel independen yang
dimasukkan dalam model/persamaan regresi secara
bersamaan berpengaruh terhadap variabel dependen
– Nilai statistik F dilihat pada tabel ANOVA
• Koefisien Determinasi (R²)
–Mengukur seberapa besar kemampuan
model menjelaskan variasi variabel
dependen.
–Mengukur besarnya persentase pengaruh
semua variabel independen dalam model
regresi thd dependenya
–Apabila nilai R² semakin mendekati 100%
berarti semakin besar pengaruhsemua
variabel independen.