E.

REGRESI, KORELASI DAN UJI ANOVA DENGAN SPSS

1. Regresi dan Korelasi
a. Langkah-Langkah Regresi dan Korelasi
Dalam menentukan regresi dan korelasi terdapat langkah-langkah yang
harus dilakukan yaitu :
1) Langkah pertama yang dilakukan adalah pada tampilan awal, buka
Software SPSS yang berada di destop dengan klik start kemudian
klik SPSS 16.

Gambar 2.16 Tampilan Awal Sofrware SPSS

2) Langkah selanjutnya buka data regresi dan korelasi yang ada di ms.
Excel.

Gambar 2.17 Data Regresi Dan Korelasi Pada Ms. Excel

3) Kemudian copy data regresi dan korelasi yang ada di ms. Excel ke
dalam SPSS 16 pada data view.

Gambar 2.18 Copy Data Ms.Excel Ke SPSS

4) Setelah data tercopy, kemudian klik variabel view, selanjutnya
mengganti nama variabel yang ke-1 menjadi PROVINSI, yang ke-2
menjadi BAHAN MAKANAN JADI, yang ke-3 menjadi
KESEHATAN dan mengganti decimals menjadi nilai 0 agar tidak ada
angka dibelakang koma.

Gambar 2.19 Mengganti Nama Variabel

5) Langkah selanjutnya klik toolbar analyze kemudian klik regression
selanjutnya klik linear.

Gambar 2.20 Membuka Toolbar Menu Analyze Regression Linear

6) Setelah muncul tampilan linear regression kemudian input data
kesehatan ke dependent dan input data bahan makanan jadi ke
independent. Selanjutnya klik OK.

Gambar 2.21 Menenukan Variabel Dependet dan Independent

7) Langkah selanjutnya klik toolbar analyze kemudian klik correlate
kemudian klik bivariate.

Gambar 2.22 Membuka Toolbar Analyze Correlate Bivariet

8) Setelah muncul tampilan bivariate correlates, kemudian input data
kesehatan dan bahan makanan jadi ke variables. Selanjutnya ceklis
pearson pada correlation coefficients dan klik two tailed pada test of
significance selanjutnya klik OK.

Gambar 2.23 Mengatur Vaiables Bivariet Correlations

9) Maka akan muncul hasil pengolahan data, langkah selanjutnya klik
toolbar file kemudian klik export agar file berubah menjai format
Ms. Word.

Gambar 2.24 Export Data Output

10) Langkah selanjutnya simpan data, jika ingin memindahkan ke folder
lain dan mengganti nama klik browse untuk menentukan tempat
menyimpan data.

Gambar 2.25 Menentukan Tempat Menyimpan Data

11) Kemudian pilih folder dan ganti nama selanjutnya klik save.
Kemudian klik OK.

Gambar 2.26 Mengganti Nama Dan Save Data

b. Output
1) Regresi
Tabel 2.29 Notes Output Regresi
Notes
Output Created 20-Dec-2015 16:55:47
Comments
Input Active Dataset DataSet0
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working
32
Data File
Missing Value Definition of Missing User-defined missing values are
Handling treated as missing.
Cases Used Statistics are based on cases with
no missing values for any variable
used.
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R
ANOVA
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT KESEHATAN
/METHOD=ENTER
BAHAN_MAKANAN_JADI.

Resources Processor Time 00:00:00.031

Elapsed Time 00:00:00.014
Memory Required 1372 bytes
Additional Memory Required
0 bytes
for Residual Plots
[DataSet0]
Tabel 2.30 Variable Entered/Removed Regresi
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 BAHAN_MAK
. Enter
ANAN_JADIa
a. All requested variables entered.
b. Dependent Variable: KESEHATAN
Tabel 2.31 Model Summary Regresi
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .323a .104 .074 5.348
a. Predictors: (Constant), BAHAN_MAKANAN_JADI

Tabel 2.32 ANOVA Regresi

ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 99.805 1 99.805 3.490 .072a
Residual 857.885 30 28.596
Total 957.690 31
a. Predictors: (Constant), BAHAN_MAKANAN_JADI
b. Dependent Variable: KESEHATAN
 Tabel 2.33 Coefficients Regresi
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 3.54
81.676 23.066 .001
1
BAHAN_MAKANA 1.86
.316 .169 .323 .072
N_JADI 8
a. Dependent Variable: KESEHATAN

2) Korelasi
CORRELATIONS
/ARIABLES=BAHAN_MAKANAN_JADI KESEHATAN
/PRINT=TWOTAIL NOSIG
/MISSING=PAIRWISE.
Correlations
Tabel 2.35 Notes Output Korelasi
 Notes
Output Created 20-Dec-2015 16:57:12
Comments
Input Active Dataset DataSet0
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working
32
Data File
Missing Value Definition of Missing User-defined missing values are
Handling treated as missing.
Cases Used Statistics for each pair of variables
are based on all the cases with valid
data for that pair.
Syntax CORRELATIONS

/VARIABLES=BAHAN_MAKANA
N_JADI KESEHATAN
/PRINT=TWOTAIL NOSIG
/MISSING=PAIRWISE.

Resources Processor Time 00:00:00.031

Elapsed Time 00:00:00.017

[DataSet0]
Tabel 2.36 Correlations
Correlations
BAHAN_MAK
ANAN_JADI KESEHATAN
BAHAN_MAKANAN_J Pearson Correlation 1 .323
ADI Sig. (2-tailed) .072
N 32 32
KESEHATAN Pearson Correlation .323 1
Sig. (2-tailed) .072
N 32 32
 c. Analisis
Berikut ini merupakan analisa dari hasil output One Way ANOVA sebagai
berikut :
1) Regresi
Tabel 2.38 Test Of Homogenety Of Variances
Test of Homogeneity of Variances
HARI
Levene Statistic df1 df2 Sig.
1.668 4 20 .197

2) Korelasi

2. One Way ANOVA

a. Data
SIKAP SIKAP SIKAP SIKAP SIKAP
KERJA A KERJA B KERJA C KERJA D KERJA E
Hari-1 5 7 4 7 4
Hari-2 6 6 8 5 7
Hari-3 7 8 6 8 5
Hari-4 6 5 8 4 4
Hari-5 4 6 5 5 4

b. Langkah-langkah
1) Langkah pertama yang dilakukan adalah pada tampilan awal destop
dengan klik start kemudian klik SPSS 16.

Gambar 2.27 Tampilan Awal SPSS 16

2) Langkah selanjutnya buka data ANOVA yang ada di ms. Excel.

Gambar 2.28 Data ANOVA Pada Ms. Excel

3) Memberi kode dan mengurutkan data pada Ms.Excel agar mudah
dalam pengolahan data pada SPSS.
 Gambar 2.29 Mengurutkan dan Memberi Kode Data ANOVA
4) Kemudian copy data ANOVA yang ada di ms. Excel ke dalam SPSS
16 pada data view.

Gambar 2.30 Meng-Copy Data Anova Ms.Excel Ke SPSS

5) Setelah data tercopy, kemudian klik variabel view, selanjutnya
mengganti nama variabel yang ke-1 menjadi SIKAP KERJA, yang
 ke-2 menjadi HARI, mengganti decimals menjadi nilai 0, selanjutnya
klik value labels.

Gambar 2.31 Mengatur Nama Variabel

6) Langkah selanjutnya input value dengan angka 1- 5 dan label
dengan sikap kerja dari A-E seperti pada gambar di bawah, kemudian
klik OK.

Gambar 2.32 Input Value

7) Langkah selanjutnya klik toolbar analyze kemudian klik compare
means selanjutnya klik one way ANOVA.
 Gambar 2.33 Membuka Tollbar Analyze Compare Means ANOVA
8) Setelah muncul tampilan one way ANOVA kemudian input data
HARI ke dependent list dan input data SIKAP KERJA ke faktor.
Selanjutnya klik post hoc.

Gambar 2.34 Mengatur Variabel Dependent Dan Variabel Factor

9) Setelah muncul tampilan one way ANOVA: post hoc multiple
comparisons kemudian ceklis tukey selanjutnya klik continue.
 Gambar 2.35 Mengatur Tollbar one way ANOVA: post hoc multiple
comparisons
10) Selanjutnya klik options, maka akan muncul tampilan one way
ANOVA: options, kemudian ceklis descriptive dan homogeneity of
variance test selanjutnya klik continue dan klik OK.

Gambar 2.36 Mengatur Toolbar Options

11) Maka akan muncul hasil pengolahan data, langkah selanjutnya klik
toolbar file kemudian klik export.
 Gambar 2.37 Export Output ANOVA
12) Langkah selanjutnya simpan data, jika ingin memindahkan ke folder
lain dan mengganti nama klik browse untuk menentukan tempat
menyimpan data yang diinginkan.

Gambar 2.39 Export Output ANOVA

13) Kemudian pilih folder dan ganti nama selanjutnya klik save.
Kemudian klik OK.
 Gambar 2.40 Menyimpan Output ANOVA

c. Output
[DataSet1]
 Tabel 2.37 Descriptives ANOVA
Descriptives
HARI
95% Confidence
Interval for Mean
Std. Std. Lower Upper Mini Maximu
N Mean Deviation Error Bound Bound mum m
4 6 3.83 1.602 .654 2.15 5.51 1 5
5 6 3.17 1.472 .601 1.62 4.71 1 5
6 5 1.80 .837 .374 .76 2.84 1 3
7 4 3.00 1.826 .913 .09 5.91 1 5
8 4 3.00 .816 .408 1.70 4.30 2 4
Total 25 3.00 1.443 .289 2.40 3.60 1 5

Tabel 2.38 Test Of Homogenety Of Variances

Test of Homogeneity of Variances

HARI
Levene
Statistic df1 df2 Sig.
1.668 4 20 .197

Tabel 2.39 ANOVA

ANOVA
HARI
Sum of Squares df Mean Square F Sig.
Between Groups 11.533 4 2.883 1.499 .240
Within Groups 38.467 20 1.923
Total 50.000 24

Post Hoc Tests

Tbel 2.39 Multiple Comparisons ANOVA
Multiple Comparisons
HARI
Tukey HSD
(I) (J) 95% Confidence Interval
SIKAP SIKAP
_KERJ _KERJ Mean
A A Difference (I-J) Std. Error Sig. Lower Bound Upper Bound
4 5 .667 .801 .917 -1.73 3.06
6 2.033 .840 .150 -.48 4.55
7 .833 .895 .882 -1.85 3.51
8 .833 .895 .882 -1.85 3.51
5 4 -.667 .801 .917 -3.06 1.73
6 1.367 .840 .498 -1.15 3.88
7 .167 .895 1.000 -2.51 2.85
8 .167 .895 1.000 -2.51 2.85
6 4 -2.033 .840 .150 -4.55 .48
5 -1.367 .840 .498 -3.88 1.15
7 -1.200 .930 .700 -3.98 1.58
8 -1.200 .930 .700 -3.98 1.58
7 4 -.833 .895 .882 -3.51 1.85
5 -.167 .895 1.000 -2.85 2.51
6 1.200 .930 .700 -1.58 3.98
8 .000 .981 1.000 -2.93 2.93
8 4 -.833 .895 .882 -3.51 1.85
5 -.167 .895 1.000 -2.85 2.51
6 1.200 .930 .700 -1.58 3.98
7 .000 .981 1.000 -2.93 2.93

Homogeneous Subsets
Tabel 2.40 Homogeneous Subsets
HARI
Tukey HSD
SIKAP Subset for alpha
_KERJ = 0.05
A N 1
6 5 1.80
7 4 3.00
8 4 3.00
5 6 3.17
4 6 3.83
Sig. .192
Means for groups in homogeneous
subsets are displayed.

d. Analisis