II.

APLIKASI SPSS

Analisa Regresi dan Korelasi dengan SPSS

(Statistical Program for Social Science)
Pemanfaatan program aplikasi SPSS dalam analisa data didalam
statistik, akan memberikan kemudahan perhitungan dan mempercepat proses
pengerjaan. Dalam contoh ini, program aplikasi SPSS diterapkan untuk analisa
statistik regresi dan korelasi linier ganda.
Contoh 2. Pengamatan Manajer Pemasaran PT Hasta Jaya, bahwa jumlah
penjualan perusahaan dipengaruhi atas faktor pengalaman berjualan dan tingkat
kepandaian/kecerdasan tiap-tiap salesman. Dari pengamatan data 8 salesman di
PT Hasta Jaya diberikan hasil sebagai berikut:
Salesman

Tingkat Penjualan

Pengalaman

Tingkat

(Rp 1.000)

berjualan (tahun)

Kepandaian

(Y)

(X1)

(Test IQ) (X2)

9
6
4
3
3
5
8
2

6
5
3
1
4
3
6
2

3
2
2
1
1
3
3
1

A
B
C
D
E
F
G
H

Analisis statistik atas persamaan regresi dan korelasi yang dibentuk dari variabelvariabel diatas dilakukan dengan program aplikasi SPSS sebagai berikut:

1. Definisikan nama Variabel dan Keterangan Label nama variabel,

a. Dari lembar kerja SPSS, pilih pada sub menu Data. Dari sub menu data,
kemudian lakukan pemilihan Define Variabel untuk mendefinisikan
variabel yang akan di proses. Petunjuk diberikan dalam gambar berikut:

Universitas Gadjah Mada

Pilih sub menu

Define Variabel
untuk
mendefinisikan
nama variabel

b. Isikan nama varibel sesuai dengan kriteria. Dalam hal ini ketikkan variabel
Y yang mewakili data tingkat penjualan..

kemudian;
1) pilih Type variabel, untuk menentukan tipe variabel. Pilih Type Numeric
2) Pilih Label untuk memberikan keterangan nama variabel.
Ketik Tingkat Penjualan sbg keterangan label nama variabel Y
Lakukan dengan cara sama untuk mendefinisikan dan memberi keterangan
variabel X1 dan X2, dimana nama variabel X1 memiliki keterangan label
Pengalaman Penjual dan nama variabel X2 memiliki keterangan label Tingkat
Kepandaian.

Universitas Gadjah Mada

2. Pengisian data kedalam nama - nama varibel yang telah dibuat

Lakukan pengisian data sesuai dengan variabel yang bersangkutan

Lakukan pemilihan pada menu Graph, untuk menggambarkan plot grafik

hubungan antar varibel. Grafik hubungan variabel Y (Tingkat Penjualan) dengan
variable X1 (pengalaman penjual) dan plot grafik hubungan variable Y dengan
variable X2 (tingkat Kepandaian penjual) di berikan dalam gambar ini:

Universitas Gadjah Mada

3. Analisis statistic regresi dan korelasi

a. Lakukan analisis statistik regresi dan korelasi dengan memilih menu
statistik, kemudian pilih sub menu regresi dan pilih linier untuk
menyatakan penyelesaian data statistik dengan linier regresi

Universitas Gadjah Mada

b. Dalam metode linier regresi, lakukan pengisian atas variabel dependent

(Y) dan variabel independent (X1, dan X2) sesuai dengan lajur pengisian.

c. Pilih icon statistik untuk prosedur penyelesaian statistik linier regresi.

Universitas Gadjah Mada

4. Anaiisis Hasil dengan penyelesaian regresi linier

a. Hasil akhir dengan penyelesain regresi linier ditampilkan sebagai berikut:

Universitas Gadjah Mada

b. Dari hasil analisa statistik SPSS Linier regresi antar variabel dependen Y
dengan variabel Independen X1, X2.
Dimana

Variabel Y

menyatakan

tingkat penjualan

Variabel XI

menyatakan pengalaman berjualan

salesman

Variabel X2
i.

menyatakan

tingkat kecerdasan salesman

Nilai Rata-rata dan standart deviasi masing-masing variabel;

Rata-rata Y = 5 000 dan standar deviasi Y = 2.57
Rata-rata X1 = 3,75 dan standar deviasi X1 = 1.83
Rata-rata X2 = 2,00 dan standar deviasi X2 = 0.92

ii.

Koefisien Korelasi
Koefisien

korelasi

menyatakan

hubungan

antar

variable

dependent dan independent

Koefisien korelasi Y dengan X1 = 0.871 menyatakan hubungan
variabel Y dengan X1I kuat
Koefisien korelasi Y dengan X2 = 0.862 menyatakan hubungan
variabel Y dengan X2 kuat
Koefisien korelasi X1 dengan X2 = 0.674 menyatakan hubungan
variabel X1 dengan X2 cukup kuat
iii.

Analisa Regresi Ganda

Koefisien korelasi ganda (multiple R) menyatakan hubungan antar
variabel Y dengan variabel X1, X2.

Nilai koefisien korelasi ganda (multiple R) = 0.945

menyatakan hubungan variabel Y dengan X1, X2 adalah
sangat kuat.

Koefisien determinant ( R Square ) = 0.8970 menyatakan

variabel Y dipengaruhi X1,X2 sebesar 89,70% sedangkan
10,30% dipengaruhi faktor lain.

Estimasi koefisien determinan (adjusted R Square) =

0.85537

Universitas Gadjah Mada

Estimasi standart deviasi (standart error) = 0.95346

Analisis variansi digunakan untuk menyatakan signifikan F dari

(slope /Uji beta) atas persamaan regresi ganda yang akan
dibentuk.

Dengan tingkat signifikan = 0.05, Ftable ditentukan = Ftabel = (F1,6,

0.05)

adalah 5,99
F

hitung

dari hasil perhitungan didapatkan sebesar 21,70. Karena nilai

perbandingan Fhitung = 21,70 > dari Ftabel = 5,99 maka uji dinyatakan
signifikan. Persamaan regresi ganda didapatkan;
Y = -0.4545 + 0.7272X1 + 1.3636 X
Dengan persamaan regresi yang dihasilkan, variabel Y dapat diprediksi
atas X1, dan X2. Sebagai contoh, Salesman dengan tingkat pengalaman
berjualan 5,5 tahun dan tingkat kecerdasan tinggi ( nilai 3 ), maka tingkat
penjualan yang diraih diprediksikan sebesar:
Y = -0.4545 + 0.7272 (5,5) + 1.3636 (3)
Y =

Hubungan

antar

7.635
masing-masing

variabel

dinyatakan

dengan

perbandingan perhitungan T hitung dengan Ttabel.

Dengan Tingkat Signifikan () = 0.05, T tabel (T6

0.025)

dinyatakan sebesar

2,45

hitung

pada variabel X1 sebesar 2,73 > dari Ttabel

2,45 maka uji

dinyatakan signifikan. Berarti variabel X1 memiliki hubungan dengan

variabel Y
Persamaan yang dapat dibentuk;
Y= -0.4545 + 0.7262 X1

hitung

pada variabel X2 sebesar 2,589 > dari Ttabel = 2,45 maka uji

dinyatakan signifikan. Berarti variabel X2 memiliki hubungan dengan

Universitas Gadjah Mada

variabel Y Persamaan yang dapat dibentuk;

Y= -0.4545 + 1.3636 X2
Analog terhadap persoalan diatas, pengaruh variabel-variabel independent (X1,
X2,X3, Xn) terhadap variabel dependent (Y) dalam statistik regresi korelasi baik
sederhana maupun ganda dapat diaplikasikan dengan SPSS.

Universitas Gadjah Mada