Dari data tersebut lakukan analisis regresi dan korelasi untuk menentukan:
tabel exel
Model Summary
Standardized
Unstandardized Coefficients Coefficients
a. y = a + bx
y = 8,68 + 26,94 x
x = nilai import
y = pendapatan nasional
x = 16 +> y = 8,68 + 26,94. 16 = 439,72
jadi jika nilai import 16 triliyun, maka dipresiksi pendapatan nasional
439,72 trilyun
koefisien korelasi R = 0,974
ini menunjukan bahwa hubungan antara nilai import dan pendapatan
nasional sangat kuat
koefisien determinasi R2 = 0,974 = 94,9%
ini dapat diartikan bahwa 94,9% variasi / perubahan pendapatan nasional
dapat dijelaskan /dipengaruhi oleh perubahan nilai import, sedangkan
5,1% dipengaruhi oleh variable / faktor lain
Spss(mencari grafik linier) = Grapik-line-multiple trus klik bawah-define-
nilai tes 1 dan 2 di kolom atas-variable disi peringkat-title line 1 hubungan
nilai tes 1 dan 2 dengan peringka-kotinu-okl
exel = data analisis regresien y untuk peringkat- x untuk 2 skor tes-label
d klik
Regresi Linier berganda
Y = a+bx1+cx2
Sebuah perusahaan ingin memperkerjakan mahasiswa ptn sebaga tenaga
lepas untuk melakukan perekrtan tersebut perusahaan meakukan 2 tes
intergensi berdasarkan tes tersebut perusahaan merekrut 10 orang sebelum
memulai pekerjaan perusahaan melakukan trainingterhadap ke 10
mahasiswa tersebut kemudian pada akhri training diadakan rating oleh
komite perusahaanhasil peringkat tes intergensi ditunjukan pada tabel
berikut
No Skor test 1 Skor test 2 peringkat
1 74 40 91
2 59 41 72
3 83 45 95
4 76 43 90
5 69 40 82
6 88 47 98
7 71 37 80
8 69 36 75
9 61 34 74
10 70 37 79
Dari data tersebut lakukan analisis rgresi dan korelasi untk menentukan
a. persamaan regresi dan prediksi peringkat mahasiswa jika skor test
pertama 80 dan skor tes ke dua 45
b. koefisien korelasi dan koefisien determinasi serta jelaskan apa
maksutnya
jawab
a. persamaan regresi
y = a + bx1 + cx2
x1 = nilai test 1
x2 = nilai tes 2
y = 5,38 + 0,79.x1 + 0,53.x2
untuk x1 = 80 dan x2 = 45
y = 5,38 + 0,79.80 + 0,53.45 = 92
jadi untuk nilai tes 1 = 80 dan milai tes 2 = 45, predisksi peringkat
mahasiswa adalah 92
b. koefisien regresi R = 0,95, ini berarti hubungan antara variabel
nilai test 1 dan nilai tes 2 dengan variabel peringkat mahasiswa
sangat kuat.
Koefisien determinasi R2= 0,883
Ini dapat diartikan bahwa 88,3 % perubhan peringkat mahasiswa
dapat dijelaskam / dipengaruhi oleh variabel nilai tes 1 dan nilai
tes 2, sedangkat 11, 7 persen dipengaruhi oleh variabel yang lain.
Regresi
Y = a+bx
Y = variable terikat
Y= data kualitatif
X= variabel bebas
X = data kualititatif
Contoh :
1. manajer perusahaan ingin mengetahui apakah ada pengaruh antara gaji
yang diberikan perusahaan kepada salesman dengan jenis kelamin
salesman
Jenis kelamin Gaji salesman (y) dlm
Rp
1 Laki-laki 100.000
1 Laki-laki 100.000
1 Laki-laki 100.000
1 Laki-laki 80.000
1 Laki-laki 80.000
2 Wanita 40.000
2 Wanita 50.000
2 Wanita 30.000
2 Wanita 40.000
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Y = a+bx
Y = 144000-52000x
X=1 y = 144000-52000
= 92000
X=2y = 144000-52000.2
= 40000
Jadi rata-rata gaji salesman wanita Rp. 40000 dan laki-laki Rp. 92000
Contoh 2
2. Berikut adalah data penjualan untuk masing-masing kuartal selama 4
tahun
Thn Kuartal Penjualan
2010 1 978
2 1123
3 1125
4 1260
2011 1 1121
2 1275
3 1257
4 1381
2012 1 1172
2 1368
3 1382
4 1454
2013 1 1260
2 1462
3 1480
4 1521
Dari data tersebut buatlah persamaan regresi untuk memprediksi hasil
penjualan
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Persamaan regresi y = a + bx
= 1084,375+81,7.x
X=1 y = 1084,375+81,7.1
= 1166,075
X=2 y = 1084,375+81,7.2
= 1247,775
X=3 y = 1084,375+81,7.3
= 1329,475
X=4 y = 1084,375+81,7.4
= 1411,175
Korelasi
Symmetric Measures
Approximate
Value Significance
Atau
Chi-Square Tests
Asymptotic
Significance (2-
Value df sided)
P (x2)
: 0,05
X2 : 7,81 X2
Correlations
Pemahaman
pendidikan karyawa
N 50 50
Karena Sig = 0,031 < = 0,05, maka Ho ditolak. Artinya ada hubungan
antara pendidikan karyawan dengan pemahamanya terhadap alat-alat di
instalasi mereka bekerja
Diket
Data biaya ihlan (x) dan hasil penjualan (y) seperti tabel berikut
no x y
1 50 1000
2 80 1800
3 20 500
4 90 1800
5 10 300
6 80 1500
7 10 400
8 80 1600
9 20 700
10 50 1200
11 90 2000
12 20 600
Ujilah berapa kuat biaya ihlan mempengaruhi hasil penjualan
Correlations
N 12 12
hasil penjualan Pearson Correlation ,985** 1
N 12 12
Kesimpulan
Karena Sig = 0,00 < = 0,05, maka Ho ditolak dengan kata lain ada hubungan
antara biaya iklan dengan hasil penjualan. Koefisien korelasi = 0,985, ini
menunjukan bahwa biaya iklan sangat kuat pengaruhnya terhadap hasil penjualan
Uji normlitas dan linieritas data
Uji normalitas digunakan untuk mengetahui apakah data terdistribusi normal atau
tidak penggunaan uji noermalitas karena pada analisis statistik parametrik asumsi
yang harus dimiliki oleh data bahwa data tersebut terdistribusi secara normal
maksutnya data memusat pada nilai rata-rata dan median. Analisis parametrik
seoerti korelasi peakson mensyaratkan bahwa data harus terditribusi normal uji
normalitasa data dapat diuji dengan
Kolmogrof smirnor
Kesimpulan/keputusan
Uji linieritas
Sedangkan uji linieritas bertujuan untuk mengetahui apakah dua variable yang
akan dikenai prosedur analisis statistik korelasional menunjukkan hubungan yang
linier atau tidak
Kesimpulan :
Contohl Ujilah data berikut apakah berdistribusi normal akan tidak data linier atau
tidak
Merumuskan hipotesis
N 20 20
Normal Parametersa,b Mean 53,85 162,20
Std. Deviation 9,533 7,634
Most Extreme Differences Absolute ,114 ,263
Positive ,099 ,263
Negative -,114 -,123
Test Statistic ,114 ,263
Asymp. Sig. (2-tailed) ,200c,d ,001c
Kesimpulan :
kesimpulan
karena Sig = 0,16 > 0,05 maka data tersebut linier. Dengan data lain berat badan
dan tinggi badan berkolerasi linier
Korelasi
Regresi