Anda di halaman 1dari 5

LAPORAN PRAKTIKUM

STATISTIK DASAR
PERTEMUAN KE-8

NAMA : M. LUTHFI WIDIATMOKO

NO MHS : 095410172

STMIK AKAKOM YOGYAKARTA

JL. RAYA JANTI 143 Yogyakarta


Pertemuan Ke-8

I. Maksud Dan Tujuan


Di dalam praktikum pertemuan ke-8 mahasiswa diajarkan agar mampu mengolah data
statistik dengan perintah regresi dan korelasi.

II. Pembahasan
Uji Korelasi Bivariat Pearson:
Correlations

Tilang Mobil Motor Polisi

Tilang Pearson Correlation 1 .852* -.195 .631

Sig. (2-tailed) .015 .615 .069

N 9 7 9 9

Mobil Pearson Correlation .852* 1 -.127 .499

Sig. (2-tailed) .015 .765 .208

N 7 8 8 8

Motor Pearson Correlation -.195 -.127 1 -.410

Sig. (2-tailed) .615 .765 .240

N 9 8 10 10

Polisi Pearson Correlation .631 .499 -.410 1

Sig. (2-tailed) .069 .208 .240

N 9 8 10 10

*. Correlation is significant at the 0.05 level (2-tailed).


Hipotesis:
a. Korelasi Tilang dan Mobil:
Sig. (2-tailed) = 0,015
α = 0,05
Jadi 0,015 > 0,05, artinya H0 ditolak maka korelasi Tilang dan Mobil lemah.

b. Korelasi Tilang dan Motor:


Sig. (2-tailed) = 0,615
α = 0,05
Jadi 0,615 > 0,05, artinya H0 diterima maka korelasi Tilang dan Motor cukup
kuat.

c. Korelasi Tilang dan Polisi:


Sig. (2-tailed) = 0,069
α = 0,05
Jadi 0,069 > 0,05, artinya H0 diterima maka korelasi Tilang dan Polisi cukup
kuat.

d. Korelasi Mobil dan Motor:


Sig. (2-tailed) = 0,765
α = 0,05
Jadi 0,765 > 0,05, artinya H 0 diterima maka korelasi Mobil dan Motor cukup
kuat.

e. Korelasi Mobil dan Polisi:


Sig. (2-tailed) = 0,208
α = 0,05
Jadi 0,208 > 0,05, artinya H0 diterima maka korelasi Mobil dan Polisi cukup
kuat.

f. Korelasi Motor dan Polisi:


Sig. (2-tailed) = 0,240
α = 0,05
Jadi 0,240 > 0,05, artinya H0 diterima maka korelasi Motor dan Polisi cukup
kuat.
Analisis Regresi:
Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 78.001 13.452 5.799 .000

IQ .111 .144 .262 .769 .464

a. Dependent Variable: Prestasi

Hipotesis:
Sig = 0,464
α = 0,05
Jadi 0,464 > 0,05, artinya H0 diterima maka peningkatan Prestasi karyawan diikuti
peningkatan IQ karyawan.

III. Tugas
Analisis Korelasi:
Terlampir

Hipotesis Kendall:
a. Korelasi Prestasi dan IQ:
Sig. (2-tailed) = 0,274
α = 0,05
Jadi 0,274 > 0,05, artinya H0 diterima maka korelasi Prestasi dan IQ cukup kuat.

b. Korelasi Prestasi dan Motivasi:


Sig. (2-tailed) = 0,112
α = 0,05
Jadi 0,112 > 0,05, artinya H0 diterima maka korelasi Prestasi dan Motivasi cukup
kuat.

c. Korelasi IQ dan Motivasi:


Sig. (2-tailed) = 0,225
α = 0,05
Jadi 0,225 > 0,05, artinya H0 diterima maka korelasi IQ dan Motivasi cukup kuat.
Hipotesis Spearman:
a) Korelasi Prestasi dan IQ:
Sig. (2-tailed) = 0,227
α = 0,05
Jadi 0,227 > 0,05, artinya H0 diterima maka korelasi Prestasi dan IQ cukup kuat.

b) Korelasi Prestasi dan Motivasi:


Sig. (2-tailed) = 0,075
α = 0,05
Jadi 0,075 > 0,05, artinya H0 diterima maka korelasi Prestasi dan Motivasi cukup
kuat.

c) Korelasi IQ dan Motivasi:


Sig. (2-tailed) = 0,224
α = 0,05
Jadi 0,224 > 0,05, artinya H0 diterima maka korelasi IQ dan Motivasi cukup kuat.

Analisis Regresi:
Terlampir
Koefisien regresi antara Pupuk Z dengan hasil Panen:
Hipotesis:
Sig = 0,284
α = 0,05
Jadi 0,284 > 0,05, artinya H0 diterima maka peningkatan pemakaian Pupuk Z akan
diikuti peningkatan hasil Panen.

IV. Kesimpulan
Di dalam praktikum pertemuan ke-8 ini dapat disimpulkan bahwa analisis regresi
berbeda dengan analisis korelasi. Jika analisis korelasi digunakan untuk melihat
hubungan dua variable; maka analisis regresi digunakan untuk melihat pengaruh
variable bebas terhadap variable tergantung serta memprediksi nilai variable
tergantung dengan menggunakan variable bebas. Dalam analisis regresi variable
bebas berfungsi untuk menerangkan (explanatory) sedang variable tergantung
berfungsi sebagai yang diterangkan (the explained).  Dalam analisis regresi data harus
berskala interval atau rasio. Hubungan dua variable bersifat dependensi. Untuk
menggunakan analisis regresi diperlukan beberapa persyaratan yang harus dipenuhi.

V. Listing
Terlampir

Anda mungkin juga menyukai