BAB IX

OLAH DATA: ORDINARY LEAST

SQUARES (OLS)
DENGAN SPSS
 Pendahuluan
• Olah data dengan analisis regresi adalah salah
satu analisis yang paling populer dan luas
pemakaiannya terutama dengan metode
Ordinary Least Squares (OLS).
•
OLS ini sering digunakan untuk mengolah data
secara statistik.
 Manfaat
• Olah data OLS dengan SPSS digunakan untuk
pengolahan data secara sederhana.
•
Hampir seluruh ilmu memerlukan dan
menggunakan olah data OLS ini terutama
dalam memecahkan masalah‐masalah
penelitian sederhana
 Relevansi
• Materi ini relevan dan menjadi aplikasi pokok
dalam statistik terutama kaitannya dengan olah
data sederhana.
 Learning Outcome
• Mahasiswa mampu mengolah data sesuai
model menggunakan OLS di SPSS.
 Olah Data : OLS dengan SPSS
• Sebuah perusahaan Otomotif dalam negri
beberapa bulan ini gencar mempromosikan
produk barunya yaitu motor roda tiga dengan
bak angkut sebagai sampel untuk meneliti
populasi pengaruh biaya iklan terhadap
besarnya penjualan di seluruh Propinsi di
Indonesia diambil sampel dari 20 Propinsi
dengan data sebagai berikut:
 Tabel Jumlah Biaya Iklan dan
Jumlah Penjualan
Bi.Iklan Jumlah Penjualan
No Provinsi (jt Rupiah) (jt Rupiah)

1 D.I. Aceh 26 205

2 Sumatra Barat 28 206
3 Jambi 35 254
4 Lampung 31 246
5 DKI.Jakarta 21 201
6 Jawa Barat 49 291
7 Jawa Tengah 30 234
8 DIY 30 209
9 Jawa Timur 24 204
10 Bali 31 216
11 NTB 32 245

12 NTT 47 286
13 Kalimantan Selatan 54 312
14 Kalimantan Timur 40 265
15 Kalimantan Tengah 42 322
16 Kalimantan Barat 48 298
17 Sulawesi Tenggara 47 295
18 Sulawesi Utara 48 350
19 Sulawesi Selatan 50 365
20 Papua Barat 52 375
 Tahap‐tahap Olah Data
• Langkah pertama, saudara diminta untuk
mengentry data tabel diatas kedalam program
SPSS sesuai dengan petunjuk modul !
• Regression Linier
Menggunakan data yang sudah ada Pilih menu
Analyze >> Regression >> Linier !
• setelah itu kotak dialog akan tampil sebagai berikut
• Dependent atau variable tergantung. Karena variable yang
akan diprediksi adalah variable Penjualan, maka masukan
variable penjualan pada kotak DEPENDENT.
• Independent(s) atau variable bebas, dalam hal ini variable
bebas adalah bi.iklan. Maka masukan variable Bi.Iklan ke
kotak Independent.
• Case Labels atau keterangan pada kasus. Karena kasus
didasarkan pada Provinsi, maka masukan variabel Provinsi ke
kotak Case Labels.
• Method pilih enter, yaitu prosedur pemilihan variable dimana
semua variable dalam blok dimasukan dalam perhitungan
‘sigle step’
• Pilih options

• untuk Stepping Method

Criteria, digunakan uji F
yang mengambil standar
angka probabilitas sebesar
5%. Karena itu angka entry
0.05 atau 5%
• Include Constant in
equation biarkan tetap aktif
• Klik continue
• Pilih Kolom Statistics dengan klik • Pilihan ini berkenaan dengan
mouse perhitungan statistik regresi yang
• akan digunakan. Pengisian:
Regression Coefisient atau
perlakukan koefisien regresi,
tetap aktifkan pilihan estimate
• Klik Descriptive pada kolom
sebelah kanan, serta tetap
aktifkan model fit
• Residual, klik Casewise diagnostics
dan pilih all cases untuk melihat
pengaruh regresi terhadap semua
provinsi.
• Klik Continue
• Pilih Plot, fasilitas ini berguna untuk menguji asumsi‐asumsi pada regresi,
seperti normalitas, linieritas, kesamaan varians dan juga dapat digunakan
untuk mendeteksi ada tidaknya data yang tidak normal
• Direncanakan ada tiga plot sehubungan dengan
pengujian asumsi pada analisis regresi:
– klik mouse pada pilihan SDRESID dan masukan ke pilihan Y,
lalu klik lagi pada pilihan ZPRED dan masukan ke X
kemudian klik Next untuk plot kedua.
– klik ZPRED masukan ke pilihan Y, lalu klik lagi DEPENDNT
dan masukan ke pilihan X kemudian klik Next. Plot
pertama dan kedua digunakan untuk menguji linieritas dan
kesamaan varians
– untuk plot ketiga, pada pilihan Standardized Residual Plots,
klik mouse pada Normal Probability Plot klik Continue lalu
tekan OK. Plot ketiga digunakan untuk menguji normalitas
• Output SPSS dan analisis
– Output pertama dan kedua
Analisis
• Rata‐rata penjualan dari 20 Provinsi adalah 268.95 jt dengan
standard deviasi 56.127 jt
• Rata‐rata biaya iklan adalah sebesar 38.25 jt dengan standard
deviasi sebesar 10.508 Jt
• Besar hubungan antarvariabel penjualan dengan bi. iklan yang
dihitung dengan koefisien korelasi adalah 0.910. Hal ini menunjukan
bahwa bi.iklan dan penjualan memiliki hubungan yang sangat erat
dengan hubungan positif yang artinya semakin besar bi.iklan maka
semakin besar pula penjualan yang didapat.
• Tingkat signifikansi koefisien korelasi satu sisi dari output
menghasilkan angka 0.000, karena probabilitasnya lebih kecil dari
0.05 maka korelasi antara biaya iklan dengan penjualan sangat
nyata.
• Output ketiga dan ke empat
• Tabel pertama menunjukan variable yang dimasukan adalah
bi.iklan dan tidak ada variable yang dikeluarkan. Hal ini disebabkan
metode yang dipakai adalah sigle step (enter) dan bukan stepwise.
• Angka R square adalah 0.829 adalah pengkuadratan dari koefisien
korelasi. R square bisa disebut koefisien determinasi , yang dalam hal ini
berarti 82.9% dari penjualan perusahaan bisa dijelaskan oleh variable
bi.iklan. dan sisanya dijelaskan sebab lain. Semakin kecil R Square,
semakin lemah hubungan kedua variable.
• Standard Error of Estimate adalah 23.848 jt, pada analisis
sebelumnya standard deviasi penjualan nilainya 56.127jt karena
lebih kecil dari standard deviasi penjualan, maka model regresi
lebih bagus sebagai predictor atau peramal penjualan daripada
menggunakan rata‐rata.
• Output kelima dan keenam
• Analisis:
• Dari uji ANOVA atau F test, didapat F hitung
adalah 87.244 dengan tingkat signifikansi
0.000.Karena probabilitas 0.000 lebih kecil dari
0.05, maka bisa dikatakan model regresi dapat
digunakan sebagai alat prediksi penjualan.
• Tabel selanjutnya menggambarkan persamaan regresi

Y= 82.924 + 4.863X
Dimana:
Y= Penjualan
X= Biaya iklan

• Konstanta sebesar 82.924 menyatakan bahwa jika tidak ada

biaya promosi, maka penjualan adalah sebesar 82.924 jt
• Koefisien regresi sebesar 4.863 menyatakan bahwa setiap
penambahan biaya iklan 1jt maka penjualan akan
meningkat sebesar 4.863jt demikian sebaliknya
 Tugas : Latihan
• Dari Seluruh Provinsi yang ada di Indonesia diambil 20 Sampel
untuk meneliti seberapa besar pengaruh Pendapatan Pajak
Reklame terhadap Jumlah Pendapatan Daerah, hasil
penelitian ii nantinya akan digunakan oleh Pemerintah Daerah
sebagai dasar penentuan strategi yang tepat guna
meningkatkan pendapatan daerah. Oleh karena itu olah data
di bawah ini dengan menggunakan Ordinary Least Square
(OLS) kemudian Serahkan pekerjaan Saudara kepada
Instruktur!
 Tabel Pajak Reklame Serta
Jumlah Pendapatan Daerah
Retribusi Jumlah Pendapatan Daerah

No Provinsi jt (Rupiah) (jt Rupiah)

1 D.I. Aceh 2700 20600
2 Sumatra Barat 2600 20400
3 Jambi 3600 25500
4 Lampung 3150 24650
5 DKI.Jakarta 2250 22000
6 Jawa Barat 4950 29200
7 Jawa Tengah 3550 24500
8 DIY 3000 20900
9 Jawa Timur 2400 20400
10 Bali 3100 21600
11 NTB 3200 24500
12 NTT 4700 28600
13 Kalimantan Selatan 5400 31200
14 Kalimantan Timur 4000 26500
15 Kalimantan Tengah 4200 32200
16 Kalimantan Barat 4850 29900
17 Sulawesi Tenggara 4750 29000
18 Sulawesi Utara 4800 35000
19 Sulawesi Selatan 5500 37500
20 Papua Barat 5200 37500
 Daftar Pustaka
• Dajan, Anto. 1974. Pengantar Metode Statistik. Jilid I.
Jakarta: LP3ES
• Priyatno, Duwi. 2009. 5 Jam Belajar Olah Data
Dengan SPSS 17. Edisi satu. Yogyakarta: Penerbit Andi
• Santoso. S. 2010. Mastering SPSS 18. Jakarta :
PT.Elex Media Komputindo
• Subagyo.P dan Ps.Djarwanto. 2005. Statistik
Induktif. Edisi Lima. Yogyakarta: BPFE
• Wahana Komputer. 2010. Mudah Belajar Statistik
dengan SPSS 18. Edisi satu. Yogyakarta: Penerbit Andi