Anda di halaman 1dari 35

ANALISIS REGRESI LINEAR DALAM IBM SPSS STATISTICS

Oleh :
Abdullah M. Jaubah

Pendahuluan
Regresi garis lurus (linear regression) dipakai untuk mengesimasi koefisien-koefisien dari
persamaan garis lurus. Persamaan ini mengandung satu variabel independen atau lebih,
yang paling baik dipakai untuk memprediksikan nilai dari variabel dependen. Langkah
memprediksi

suatu

penjualan

sebagai

variabel

dependen

dari

variabel-variabel

independen seperti biaya iklan, biaya wiraniaga (cost of personal selling), biaya
publisitas, dan biaya promosi penjualan. Variabel-variabel ini merupakan variabelvariabel yang dapat diobservasi dan dapat diukur secara langsung dan berjenis
kuantitatif. Variabel-variabel ini berbeda dengan variabel motivasi kerja, kemampuan
kerja, iklim kerja, dan kinerja. Variabel-variabel ini merupakan variabel-variabel yang
tidak dapat diobservasi dan tidak dapat diukur secara langsung. Variabel-variabel ini
dinamakan variabel-variabel laten. Cara dan teknik analisis yang dipakai atas variabelvariabel ini berbeda dengan cara dan teknik analisis variabel-variabel yang dapat
diobservasi dan dapat diukur secara langsung.
Data
Data yang dipakai dalam regresi garis lurus adalah data berjenis kuantitatif dan variabelvariabel yang dipakai juga merupakan variabel-variabel kuantitatif. Variabel-variabel
kategorikal seperti agama, wilayah penjualan, dan jenis kelamin, dicatat sebagai variabel
biner (dummy) atau bentuk lain dari variabel kontras.
Regresi garis lurus mengandung asumsi-asumsi. Distribusi dari variabel dependen, untuk
tiap variabel independen, harus memenuhi persyaratan normalitas distribusi data.
Persyaratan normalitas distribusi data harus terpenuhi untuk variabel dependen. Varians
dari distribusi variabel dependen harus konstan untuk semua nilai dari variabel
independen. Hubungan antara variabel dependen dan tiap variabel independeh harus
berbentuk garis lurus dan semua observasiharus independen. Asumsi-asumsi ini sering
tidak dipertimbangkan oleh para penulis buku statistik yang telah diterbitkan di
Indonesia
Perintah Analyze>Regression>Linear dipakai. Variabel dependen dipilih dan dialihkan ke
dalam kolom Dependent, variabel independen dipilih dan dialihkan ke dalam kotak
Independent.

Contoh
Jumlah pengunjung suatu supermarket di Margonda belum tentu sama dengan jumlah
pembeli pada supermarket tersebut. Suami-isteri mengunjungi supermarket tersebut dan
mungkin isteri berfungsi sebagai pembeli dan suami hanya berfungsi sebagai pengantar
istinya saja. Ibu dan anak kecil mengunjungi supermarket itu dan yang berfungsi sebagai
pembeli adalah ibu tersebut.

Catatan mengenai pengunjung dan pembeli dalam

supermarket tersebut adalah sebagai berikut :


Daftar 1
Jumlah Pengunjung dan Jumlah Pembeli pada Supermarket
X
34.00
38.00
34.00
40.00
30.00
40.00
40.00
34.00
35.00
39.00
33.00
32.00
42.00
40.00
42.00
42.00
41.00
32.00
34.00
36.00
37.00
36.00
37.00
39.00
40.00
33.00
34.00
36.00
37.00
38.00
Sumber : Sudjana (1996 : 316). Metoda Statistika.
A.

Y
32.00
36.00
31.00
38.00
29.00
35.00
33.00
30.00
32.00
36.00
31.00
31.00
36.00
37.00
35.00
38.00
37.00
30.00
30.00
30.00
33.00
32.00
34.00
35.00
36.00
32.00
32.00
34.00
32.00
34.00

Deskripsi Data

Data yang dipakai di sini diambil dari buku yang ditulis oleh Sudjana (1996 : 316)
berjudul Metoda Statistika. Sudjana memakai cara manual sedangkan di sini
dipakai paket program IBM SPSS Statistics.
Deskripsi data mencakup persentil, dispersi, distribusi, kecenderungan sentral,
dan grafik histogram dengan kurva normal. Persentil mencakup 5% sampai
dengan 100%. Empat kuartil terdapat dalam persentil yaitu kuartil kesatu (25%),
kuartil kedua (50%), kuartil ketiga (75%), dan kuartil keempat (100%). Dispersi
mencakup nilai dari deviasi standar, varians, range, minimum, maksimum, dan
kesalahan standar dari rata-rata. Distribusi mencakup nilai dari skewness,
kesalahan standar dari skewness, kurtosis, dan kesalahan standar dari kurtosis.
Skewnes

mencerminkan

kemiringan

ke

kanan

atau

ke

kiri

dan

kurtosis

mencerminkan keruncingan dari kurva yang dihasilkan. Kecenderungan sentral


mencakup nilai dari rata-rata, median, modus, dan jumlah. Nilai median adalah
sama dengan nilai kuartil kedua. Deskripsi data dipakai untuk meringkas data
dalam bentuk tabel dan dalam bentuk grafik dengan kurva normal dari variabel
jumlah pengunjung (X) dan jumlah pembeli (Y) pada supermarket tersebut.
Deskripsi data ini adalah sebagai berikut :

Statistics
Y
Valid

X
30

30

33.3667

36.8333

.47822

.61417

33.0000

37.0000

32.00

34.00a

2.61934

3.36394

Variance

6.861

11.316

Skewness

.186

-.108

Std. Error of Skewness

.427

.427

-1.105

-1.009

Std. Error of Kurtosis

.833

.833

Range

9.00

12.00

Minimum

29.00

30.00

Maximum

38.00

42.00

Sum

1001.00

1105.00

Perc 5

29.5500

31.1000

entil 10

30.0000

32.1000

es

31.0000

34.0000

Missing

Mean
Std. Error of Mean
Median
Mode
Std. Deviation

Kurtosis

20

25

31.0000

34.0000

30

32.0000

34.0000

40

32.0000

36.0000

50

33.0000

37.0000

60

34.0000

38.0000

70

35.0000

39.7000

75

36.0000

40.0000

80

36.0000

40.0000

90

37.0000

41.9000

100

38.0000

42.0000

a. Multiple modes exist. The smallest value is shown

B.

Pengujian Persyaratan Analisis


Pengujian persyaratan analisis mencakup pengujian normalitas distribusi data dan
pengujian homogenitas varians.
1.

Pengujian Normalitas Distribusi Data


Pengujian normalitas distribusi data menghasilkan informasi sebagai berikut :

Tests of Normalitya,d,e
X

Kolmogorov-Smirnovb
Statistic

df

Shapiro-Wilk

Sig.

Statistic

df

Sig.

30.00
32.00

.260

33.00

.260

34.00

.241

.200*

.821

.119

36.00

.175

1.000

1.000

37.00

.175

1.000

1.000

38.00

.260

35.00

39.00

.260

40.00

.141

.200*

.979

.928

.253

.964

.637

41.00
42.00

*. This is a lower bound of the true significance.


a. Y is constant when X = 30.00. It has been omitted.
b. Lilliefors Significance Correction
d. Y is constant when X = 35.00. It has been omitted.
e. Y is constant when X = 41.00. It has been omitted.

Pengujian normalitas distribusi data Y dan data X menghasilkan nilai


signifikansi Kolmogorov-Smirnov masing-masing sebesar 0.200. Nilai ini
adalah lebih besar daripada nilai 0.05 sehingga persyaratan normalitas
distribusi data terpenuhi.
2.

Pengujian Homogenitas Varians


Pengujian homogenitas varians menghasilkan informasi sebagai berikut :

Test of Homogeneity of Variances


Y
Levene Statistic

df1
.777

df2
8

Sig.
18

.628

Pengujian homogenitas varians menghasilkan nilai signifikansi Levene Statistics


adalah 0.628. Nilai ini adalah lebih besar daripada nilai 0.05 sehingga persyaratan
homogenitas varians terpenuhi.
Jumlah observasi adalah 30, persyaratan normalitas distribusi data dan persyaratan
homogenitas varians terpenuhi sehingga pemakaian statistik parametrik adalah layak
dan tepat.
C.

Analisis Regresi Sederhana


1.

Analisis Regresi
Model Summary
Model
1

R Square
a

.876

.767

Adjusted R Square
.759

Std. Error of the Estimate


1.28586

a. Predictors: (Constant), X

Koefisien korelasi adalah 0.876. Hal ini berarti bahwa hubungan antara
Pengunjung dan pembeli adalah sangat kuat. Koefisien determinasi adalah
0.767 atau 76.7%. Pengaruh langsung dari variabel Pengunjung terhadap
variabel Pembeli adalah 76.7% dari koefisien regresi dan pengaruh tidak
langsung adalah 23.3% dari koefisien regresi. Koefisien determinasi
disesuaikan adalah 0.759 atau 75.9%. Pengaruh langsung disesuaikan adalah
75.9% dari koefisien regresi dan pengaruh tidak langsung disesuaikan adalah
24.1% dari koefisien regresi. Kesalahan standar dari estimasi adalah 1.28586.
Koefisien determinasi sering dipakai sebagai pengaruh dan bukan sebagai
pengaruh langsung. Pembahasan tersebut tidak mengungkap pengaruh total
dan pengaruh tidak langsung. Koefisien regresi mewakili pengaruh total dan
koefisien determinasi mewakili pengaruh langsung dari pengaruh total
tersebut.
2.

Pengujian Signifikansi Persamaan Regresi Sederhana

ANOVAa
Model

Sum of Squares
Regression

Residual
Total

df

Mean Square

152.670

152.670

46.296

28

1.653

198.967

29

F
92.335

Sig.
.000b

a. Dependent Variable: Y
b. Predictors: (Constant), X

Pengujian signifikansi persamaan regresi mencerminkan bahwa F-hitung


adalah 92.335 dengan derajat kebebasan 1 dan 28. F-tabel dengan derajat
kebebasan 1 dan 28 adalah 4.195972. Hal ini berarti bahwa F-hitung adalah
lebih besar daripada F-tabel sehingga persamaan regresi itu adalah signifikan.
Hal ini tercermin pula pada nilai signifikansi sebesar 0.
3.

Persamaan Regresi Sederhana


Coefficientsa

Unstandardized
Coefficients
Model
1

(Constant)
X

B
8.244

Std. Error
2.625

.682

.071

Standardized
Coefficients
Beta
.876

t
3.140

Sig.
.004

9.609

.000

a. Dependent Variable: Y

Tabel Coefficients mengandung persamaan regresi yaitu Y = 8.244 + 0.682.


Persamaan regresi adalah signifikan karena nilai signifikansi konstanta adalah
0.04 adalah nilai signifikansi variabel X adalah 0. Kedua nilai signifikansi ini
adalah lebih kecil daripada nilai 0.05.
4.

Pengujian Linieritas Persamaan Regresi Sederhana


Pengujian linieritas persamaan regresi sederhana tercermin dalam nilai Fhitung dan nilai F-tabel. Nilai F-hitung adalah 0.454 dengan derajat kebebasan
10 dan 18. Nilai F-tabel dengan derajat kebebasan 10 dan 18 adalah 2.411702.
Hal ini berarti bahwa F-hitung adalah lebih kecil daripada F-tabel sehingga
persyaratan linieritas persamaan regresi terpenuhi. Nilai-nilai ini tercermin
dalam tabel Anova sebagai berikut :
ANOVA Table
Sum of
Squares
(Combined)
Betwee
n
Groups

Linearity
Deviation from
Linearity

Within Groups
Y*X

5.

Total

df

Mean Square

162

11

14.727

7.171

152.67

152.67

74.339

9.33

10

0.933

0.454

36.967

18

2.054

198.967

29

Sig.

Kurva Estimasi

Kurva estimasi disusun sebagaimana disajikan di atas berdasar atas hasil


analisis bahwa persamaan regresi memenuhi persyaratan linieritas.
Hasil-hasil lain tidak disajikan dan hasil-hasil ini biasa dipakai dan
dimasukkan ke dalam lampiran. Contoh di bawah ini menyajikan semua
hasil.

D.

Sintaksis Persamaan Regresi Sederhana


Sintaksis persamaan regresi sederhana dapat dicipta sebagai berikut :
***************************************************
***** Abdullah M. Jaubah
***************************************************
GET
FILE='D:\ADA\Pengunjung.sav'.
***************************************************
***** Frekuensi
***************************************************
.
FREQUENCIES VARIABLES=Y X
/NTILES=4
/NTILES=10
/PERCENTILES=5.0 100.0

/STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM SEMEAN MEAN MEDIAN


MODE SUM SKEWNESS SESKEW KURTOSIS SEKURT
/HISTOGRAM NORMAL
/ORDER=ANALYSIS.
***************************************************
***** Pengujian Normalitas Distribusi Data
***************************************************
EXAMINE VARIABLES=Y BY X
/PLOT BOXPLOT NPPLOT
/COMPARE GROUPS
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.
***************************************************
***** Pengujian Homogenitas Varians
***************************************************
ONEWAY Y BY X
/STATISTICS HOMOGENEITY
/MISSING ANALYSIS.
***************************************************
***** Analisis Regresi Sederhana
***************************************************
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X.
***************************************************
***** Pengujian Linieritas Persamaan Regresi
***************************************************
MEANS TABLES=Y BY X
/CELLS MEAN COUNT STDDEV
/STATISTICS LINEARITY.
***************************************************
***** Kurva Estimasi
***************************************************
TSET NEWVAR=NONE.
CURVEFIT
/VARIABLES=Y WITH X
/CONSTANT
/MODEL=LINEAR
/PLOT FIT.

E.

Ketangguhan Sintaksis IBM SPSS Statistics

10

Tinggi (cm)

Berat (kg)
162
158
170
167
159
160
170
163
164
158
164
158
156
161
163
160
168
159
156
162
159
164
167
158
163
160

48
46.3
58.1
53.2
46.8
47
63.2
52.7
59.2
47.1
58.4
46.5
46
58.3
50.7
50.6
60.3
47
46.9
49.7
46.9
56.1
58
47
56
49.8

Sumber : Sudjana (1996 : 319). Metoda Statistika.


Sintaksis di atas dapat disimpan dalam arsip sintaksis dan arsip sintaksis dapat dipakai
untuk mengolah arsip data serupa. Sudjana telah memakai data Berat dan tinggi.
Sudjana memaksakan diri memakai statistik parametrik atas data di atas sedangkan
jumlah observasi minimum tidak terpenuhi yaitu 30 observasi. Sudjana juga tidak
melakukan pengujian normalitas distribusi data dan pengujian homogenitas varians.
Statistik nonparametrik adalah layak dan tepat dipakai jika salah satu dari ketiga
persyaratan pemakaian statistik parametrik tersebut tidak terpenuhi.
Variabel Tinggi diganti dengan X dan variabel Berat diganti dengan Y sehingga
sintaksis di atas dapat dipakai. Hasil pemakaian sintaksis di atas adalah sebagai
berikut :

11

***************************************************
***** Abdullah M. Jaubah
***************************************************
GET
FILE='D:\ADA\Tinggi-Berat.sav'.
***************************************************
***** Frekuensi
***************************************************
.
FREQUENCIES VARIABLES=Y X
/NTILES=4
/NTILES=10
/PERCENTILES=5.0 100.0
/STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM SEMEAN MEAN MEDIAN
MODE SUM SKEWNESS SESKEW KURTOSIS SEKURT
/HISTOGRAM NORMAL
/ORDER=ANALYSIS.

Statistics
Y
26

26

Mean

51.9154

161.8846

Std. Error of Mean

1.06783

.78901

Median

50.2000

161.5000

47.00

158.00

5.44490

4.02320

29.647

16.186

Skewness

.556

.574

Std. Error of Skewness

.456

.456

-1.173

-.472

.887

.887

Range

17.20

14.00

Minimum

46.00

156.00

Maximum

63.20

170.00

1349.80

4209.00

46.1050

156.0000

10

46.4400

157.4000

20

46.9000

158.0000

25

46.9750

158.7500

30

47.0000

159.0000

40

47.8200

160.0000

50

50.2000

161.5000

60

52.8000

163.0000

70

56.0900

163.9000

75

58.0250

164.0000

Valid

Missing

Mode
Std. Deviation
Variance

Kurtosis
Std. Error of Kurtosis

Sum
Percentiles

12

80

58.2200

165.8000

90

59.5300

168.6000

100

63.2000

170.0000

Y Berat (kg)

Valid

Valid Percent Cumulative Percent


Frequency Percent
46.00
1
3.8
3.8
3.8
46.30
1
3.8
3.8
7.7
46.50
1
3.8
3.8
11.5
46.80
1
3.8
3.8
15.4
46.90
2
7.7
7.7
23.1
47.00
3
11.5
11.5
34.6
47.10
1
3.8
3.8
38.5
48.00
1
3.8
3.8
42.3
49.70
1
3.8
3.8
46.2
49.80
1
3.8
3.8
50.0
50.60
1
3.8
3.8
53.8
50.70
1
3.8
3.8
57.7
52.70
1
3.8
3.8
61.5
53.20
1
3.8
3.8
65.4
56.00
1
3.8
3.8
69.2
56.10
1
3.8
3.8
73.1
58.00
1
3.8
3.8
76.9
58.10
1
3.8
3.8
80.8
58.30
1
3.8
3.8
84.6
58.40
1
3.8
3.8
88.5
59.20
1
3.8
3.8
92.3
60.30
1
3.8
3.8
96.2
63.20
1
3.8
3.8
100.0
Total
26
100.0
100.0
X Tinggi (cm)

Valid

Frequency Percent
Valid Percent Cumulative Percent
156.00
2
7.7
7.7
7.7
158.00
4
15.4
15.4
23.1
159.00
3
11.5
11.5
34.6
160.00
3
11.5
11.5
46.2
161.00
1
3.8
3.8
50.0
162.00
2
7.7
7.7
57.7
163.00
3
11.5
11.5
69.2
164.00
3
11.5
11.5
80.8
167.00
2
7.7
7.7
88.5
168.00
1
3.8
3.8
92.3
170.00
2
7.7
7.7
100.0
Total
26
100.0
100.0

Histogram

13

14

***************************************************
***** Pengujian Normalitas Distribusi Data
***************************************************
EXAMINE VARIABLES=Y BY X
/PLOT BOXPLOT NPPLOT
/COMPARE GROUPS
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.
Warnings
Y is constant when X = 161.00. It will be included in any boxplots produced but other output
will be omitted.
Y is constant when X = 168.00. It will be included in any boxplots produced but other output
will be omitted.

X Tinggi (cm)

15

Case Processing Summary


Cases
Valid
Missing
Total
N
Percent N
Percent N
156.00
2 100.0%
0
0.0%
158.00
4 100.0%
0
0.0%
159.00
3 100.0%
0
0.0%
160.00
3 100.0%
0
0.0%
161.00
1 100.0%
0
0.0%
162.00
2 100.0%
0
0.0%
163.00
3 100.0%
0
0.0%
164.00
3 100.0%
0
0.0%
167.00
2 100.0%
0
0.0%
168.00
1 100.0%
0
0.0%
170.00
2 100.0%
0
0.0%

2
4
3
3
1
2
3
3
2
1
2

Percent
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%

Descriptivesa,b
X
Y

Statistic Std. Error


46.4500
.45000

Mean
95% Confidence
Interval for Mean

156.00

5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
Mean
95% Confidence
Interval for Mean

158.00

159.00

Lower
Bound
Upper
Bound

5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
Mean

40.7322
52.1678
.
46.4500
.405
.63640
46.00
46.90
.90
.
.
.
46.7250

Lower
Bound
Upper
Bound

.
.
.19311

46.1104
47.3396
46.7278
46.7500
.149
.38622
46.30
47.10
.80
.73
-.169
-4.409
46.9000

1.014
2.619
.05774

16

95% Confidence
Interval for Mean

160.00

161.00

162.00

Lower
Bound
Upper
Bound

5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
Mean
95% Confidence Lower Bound
Interval for Mean Upper Bound
5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
Mean
Lower
Bound
95% Confidence
Interval for Mean
Upper
Bound
5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
Mean
Lower
Bound
95% Confidence
Interval for Mean Upper
Bound
5% Trimmed Mean
Median
Variance

46.6516
47.1484
.
46.9000
.010
.10000
46.80
47.00
.20
.
.000
.
49.1333
44.4375
53.8292
.
49.8000
3.573
1.89033
47.00
50.60
3.60
.
-1.390
.

48.8500

1.225
.
1.09138

1.225
.

.85000

38.0497
59.6503
.
48.8500
1.445
17

Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
Mean
95% Confidence
Interval for Mean

163.00

167.00

Lower
Bound
Upper
Bound

5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
Mean
95% Confidence
Interval for Mean

164.00

1.20208
48.00
49.70
1.70
.
.
.
53.1333

5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
Mean
95% Confidence
Interval for Mean
5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range

46.4847
59.7820
.
52.7000
7.163
2.67644
50.70
56.00
5.30
.
.709
.
57.9000

Lower
Bound
Upper
Bound

1.225
.
.92916

53.9022
61.8978
.
58.4000
2.590
1.60935
56.10
59.20
3.10
.
-1.263
.
55.6000

Lower
Bound
Upper
Bound

.
.
1.54524

1.225
.
2.40000

25.1051
86.0949
.
55.6000
11.520
3.39411
53.20
58.00
4.80
.
18

Skewness
Kurtosis
Mean
95% Confidence Lower Bound
Interval for Mean Upper Bound
5% Trimmed Mean
Median
Variance
168.00
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
Mean
95% Confidence Lower Bound
Interval for Mean Upper Bound
5% Trimmed Mean
Median
Variance
170.00
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
a. Y is constant when X = 161.00. It has been omitted.
b. Y is constant when X = 168.00. It has been omitted.

Tests of Normalityb,c
Kolmogorov-Smirnova
Statistic
df
Sig.

.
.

.
.

60.6500
28.2492
93.0508
.
60.6500
13.005
3.60624
58.10
63.20
5.10
.
.
.

2.55000

.
.

Shapiro-Wilk
Statisti df
Sig.
c

156.00
.260
2
.
158.00
.262
4
.
.895
159.00
.175
3
. 1.000
160.00
.304
3
.
.907
161.00
162.00
.260
2
.
Y
163.00
.231
3
.
.980
164.00
.289
3
.
.928
167.00
.260
2
.
168.00
170.00
.260
2
.
a. Lilliefors Significance Correction
b. Y is constant when X = 161.00. It has been omitted.
c. Y is constant when X = 168.00. It has been omitted.

4
3
3

.408
1.000
.407

3
3

.731
.480

19

20

21

22

23

24

25

26

27

28

***************************************************
29

***** Pengujian Homogenitas Varians


***************************************************
ONEWAY Y BY X
/STATISTICS HOMOGENEITY
/MISSING ANALYSIS.
Test of Homogeneity of Variances
Y
Levene Statistic
5.764

df1
8

df2
15

Sig.
.002

ANOVA
Y
Between Groups
Within Groups
Total

Sum of Squares

df

687.678
53.496
741.174

10
15
25

Mean
Square
68.768
3.566

Sig.

19.282

.000

***************************************************
***** Analisis Regresi Sederhana
***************************************************
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X.
Variables Entered/Removeda
Model
Variables Entered
Variables Removed Method
1
Xb
.
Enter
a. Dependent Variable: Y
b. All requested variables entered.

Model Summary
Model

R R Square

1
.859a
a. Predictors: (Constant), X

.738

Adjusted R
Square
.727

Std. Error of the


Estimate
2.84316

30

ANOVAa
df

Model

Sum of
Squares
Regression
547.168
Residual
194.006
1
Total
741.174
a. Dependent Variable: Y
b. Predictors: (Constant), X

Mean
F
Sig.
Square
1
547.168 67.689
.000b
24
8.084
25

Coefficientsa
Model
Unstandardized
Coefficients
B
Std. Error
(Constant
)

-136.33

22.887

1
X
1.163
a. Dependent Variable: Y

0.141

Standardize
d
Coefficients
Beta

0.859

Sig.

5.95
7
8.22
7

0
0

***************************************************
***** Pengujian Linieritas Persamaan Regresi
***************************************************
MEANS TABLES=Y BY X
/CELLS MEAN COUNT STDDEV
/STATISTICS LINEARITY.

Case Processing Summary


Cases
Y *X

Included
N
Percent
26
100.0%

Excluded
N
Percent
0
0.0%

Total
N
Percent
26
100.0%

Report
Y
X

Mean
156.00
158.00
159.00
160.00
161.00
162.00
163.00
164.00

N
46.4500
46.7250
46.9000
49.1333
58.3000
48.8500
53.1333
57.9000

2
4
3
3
1
2
3
3

Std.
Deviation
.63640
.38622
.10000
1.89033
.
1.20208
2.67644
1.60935
31

167.00
168.00
170.00
Total

Y*
X

ANOVA Table
Sum of
Square
s
687.67
(Combined)
8
547.16
Linearity
8
Betwee
n
Deviation from
Groups
Linearity
140.51
Within Groups
53.496
741.17
Total
4

R
Y*X

55.6000
60.3000
60.6500
51.9154

2
1
2
26

df

3.39411
.
3.60624
5.44490

Mean
Square

10

68.768

547.168

9
15

15.612
3.566

F
19.28
2
153.4
24
4.378

25

Measures of Association
R Squared
Eta
.859
.738
.963

Eta Squared
.928

***************************************************
***** Kurva Estimasi
***************************************************
TSET NEWVAR=NONE.
CURVEFIT
/VARIABLES=Y WITH X
/CONSTANT
/MODEL=LINEAR
/PLOT FIT.
Model Description
Model Name
Dependent Variable
1
Equation
1
Independent Variable
Constant
Variable Whose Values Label Observations in Plots

MOD_3
Y
Linear
X
Included
Unspecified

Case Processing Summary


N
32

Total Cases
Excluded Casesa
Forecasted Cases
Newly Created Cases
a. Cases with a missing value in any variable are excluded from the
analysis.

26
0
0
0

Variable Processing Summary

Number
Number
Number
Number
Values

of
of
of
of

Variables
Dependent
Independent
Y
X
Positive Values
26
26
Zeros
0
0
Negative Values
0
0
User-Missing
0
0
Missing
System-Missing
0
0

Model Summary and Parameter Estimates


Dependent Variable: Y
Equation
Model Summary
R Square
F
Linear
.738
67.689
The independent variable is X.

Parameter
Estimates
df1
df2
Sig. Constant
b1
1
24 .000 -136.330 1.163

33

Perubahan sintaksis hanya dialami dari FILE='D:\ADA\Pengunjung.sav' menjadi


FILE='D:\ADA\Tinggi-Berat.sav'. Hal ini berarti bahwa sintaksis mengandung
ketangguhan-ketangguhan tertentu jika dibanding dengan cara point and click. Hasil
perhitungan mengenai hubungan antara Tinggi dan Berat sebagaimana disajikan di
atas tidak bermakna dan tidak bermanfaat karena pemakaiannya mengandung
ketidaktepatan. Pemakaian yang tepat adalah statistik nonparametrik dan bukan
statistik parametrik sebagaimana dilakukan oleh Sudjana. Hasil perhitungan Sudjana
mengenai hubungan antara tinggi dan berat juga tidak bermakna dan tidak bermanfaat
karena pemakaian teknik analisis yang tidak tepat.
Rangkuman
Analisis Regresi Sederhana dengan memanfaatkan IBM SPSS Statistics akan lebih tangguh
jika sintaksis IBM SPSS Statistics dimanfaatkan. Deskripsi data, pengujian normalitas
distribusi data, pengujian homogenitas varians, analisis regresi sederhana, pengujian

34

signifikansi persamaan regresi, pengujian linieritas persamaan regresi dapat dicakup dalam
sintaksis termasuk penyajikan kurva estimasi.
Dua data dari Sudjana dipakai. Data pertama memenuhi persyaratan-persyaratan pemakaian
statistik parametrik. Data kedua tidak memenuhi persyaratan-persyaratan pemakaian statistik
parametrik sehingga statistik nonparametrik lebih tepat dan lebih layak dipakai. Sudjana
memakai statistik parametrik atas data yang tidak memenuhi persyaratan-persyaratan
stratistik parametrik. Kesalahan ini dapat berdampak luas karena buku yang ditulis oleh
Sudjana tersebut dipakai sebagai buku acuan, sepanjang pengetahuan penulis, oleh para
mahasiswa S-1, S-2, dan S-3 di Universitas Negeri Jakarta dan beberapa Universitas di
Bandung.
Daftar Kepustakaan
Sudjana.1996. Metoda Statistika. Bandung : Penerbit Tarsito.
Permata Depok Regency, 20 April 2015

35