Bab I

Anova

Anova adalah sebuah analisis statistik yang menguji perbedaan rerata antar grup.

Anova dibagi 2 jenis :

Disebut anova satu arah (One Way Anova), karena pusat perhatian kita hanya satu, dalam hal ini bentuk
kemasan suatu produk. Tetapi jika pusat perhatian kita, selain jenis kemasan, juga tertuju pada
pengaruh aroma pada tingkat penjualan, maka digunakan ANOVA dua arah (Two Way Anova).

Manova adalah uji statistik yang digunakan untuk mengukur pengaruh variabel independen yang
berskala kategorik terhadap beberapa variabel dependen sekaligus yang berskala data kuantitatif.
Analisis ini dsiebut juga dengan istilah multivariat anova.

Tabel anova

Keterangan :

SSB = Sum Square Between Group = Jumlah Kuadrat Antar Grup =(∑T21ni)−T2N

SST = Total Sum Square = Jumlah Kuadrat Total =(X2ij)−T2N

SSW = Sum Square Within Group = Jumlah Kuadrat Dalam Grup (Error) = SST – SSB

MSB = SSB/ v1

MSW = SSW/ v2
Contoh soal one way anova :

Misalnya dilakukan pengujian perbedaan hasil belajar ketiga kelas yang diajar dengan metode diskusi,
demonstrasi dan eksperimen. Hasil pengamatan diperoleh data sebagai berikut:

Hasil Produksi
Hari
diskusi demonstrasi Eksperimen

1 69 49 68

2 50 34 64

3 30 45 42

4 50 49 53

5 54 40 43

6 58 29 69

7 55 49 79

Ujilah hipotesis yang menyatakan bahwa “ada perbedaan yang signifikan hasil belajar siswa pada ketiga
kelompok dengan gunakan taraf  = 0,05.

Penyelesaian:

Langkah-langkah pengujian hipotesis :

1. Rumusan hipotesis

Ho : X1 = X2 = X3 = 0 Tidak ada perbedaan yang signifikan hasil belajar siswa pada ketiga
kelompok

Ha : X1 = X2 = X3 = 0 Minimal satu pasang kelompok mempunyai perbedaan yang signifikan

hasil belajar siswa

Taraf nyata 5% ( = 0,05)

Nilai Ftabel ( = 0,05 ; db = 2:18) = 3,55 (lihat tabel distribusi F)

2. Kriteria pengujian:

Ho ditolak jika nilai Fhitung > Ftabel atau probabilitas < 0,05

Ho diterima jika nilai Fhitung  Ftabel atau probabilitas  0,05

3. Menghitung nilai F:
 Untuk mencari nilai Fhitung maka diperlukan perhitungan dengan tabel bantu sebagai berikut:

n X1 X2 X3 X12 X22 X32

1 69 49 68 4.761 2.401 4.624

2 50 34 64 2.500 1.156 4.096

3 30 45 42 900 2.025 1.764

4 50 49 53 2.500 2.401 2.809

5 54 40 43 2.916 1.600 1.849

6 58 29 69 3.364 841 4.761

7 55 49 79 3.025 2.401 6.241

 366 295 418 19.966 12.825 26.144

Berdasarkan perhitungan pada tabel penolong diperoleh nilai-nilai:

n1 = 7 ; n2 = 7 ; n3 = 7 ; N = 21

X1 = 366 ; X2 = 295 ; X3 = 418

X = 366 + 295 + 418 = 1.079

X12 = 19.966 ; X22 = 12.825 ; X32 = 26.144

X2 = 19.966 + 12.825 + 26.144 = 58.935

Nilai-nilai pada tabel tersebut selanjutnya dimasukkan pada rumus sebagai berikut:

JKA =

= 19.136,57 + 12.432,14 + 24.960,57 – 55.440,05

= 1.089,238

JKT =

= 58.935 -

= 58.935 – 55.440,05

= 3.494,952

JKD = JKT - JKA

= 3.494,952 - 1089,238

= 2.405,714

Untuk mempercepat perhitungan, langkah selanjutnya dapat menggunakan tabel ringkasan, masukkan
hasil perhitungan kuadrat tersebut pada tabel :

Jumlah Kuadrat Rata-rata Kuadrat

db F
Sumber variasi (JK) (RK)

Antar Kelompok JKA dbA = (k-1) RKA = JKA/dbA

Dalam Kelompok JKD dbD = dbT-dbA RKD = JKD/dbD

Total JKT dbT = (N-1)

 Jumlah Rata-rata

Sumber Kuadrat db Kuadrat F

variasi (JK) (RK)

Antar 1.089,238 2 544,619 4,075

Kelompok

Dalam 2.405,714 18 133,651

Kelompok

Total 3.494,952 20

Kesimpulan

Hasil perhitungan nilai Fhitung tersebut selanjutnya dibandingkan dengan nilai Ftabel pada taraf  = 0,05.
Ternyata nilai Fhitung (4,075) > Ftabel (3,55) maka Ho ditolak, artinya minimal ada satu pasang kelompok
yang memiliki perbedaan signifikan antara hasil belajar ketiga kelompok tersebut.

Contoh soal two way anova :

Kita bermaksud menguji perbedaan nilai ujian mata kuliah statistik untuk mahasiswa asal lulusan SMU
dan SMK sekaligus dibedakan berdasarkan jenis kelamin laki-laki dan perempuan. Untuk itu diajukan 3
hipotesis penelitian yaitu:

H1 : Ada perbedaan yang signifikan kemampuan statistik mahasiswa yang berasal dari
lulusan SMU dan SMK

H2 : Ada perbedaan yang signifikan kemampuan statistik mahasiswa laki-laki dan perempuan

H3 : Ada perbedaan yang signifikan kemampuan statistik antara mahasiswa laki-laki lulusan
SMU dengan mahasiswa laki-laki lulusan SMK, dengan mahasiswa perempuan lulusan SMU dengan
mahasiswa perempuan lulusan SMK.

1. Rumusan hipotesis :

Hipotesis 1:
 Ho : X1 = X2

Ha : X1  X2

Hipotesis 2

Ho : Y1 = Y2

Ha : Y1  Y2

Hipotesis 3

Ho : XY = XY

Ha : XY  XY

2. Taraf  = 0,05

Nilai Ftabel ( = 0,05 ; db = 1:36) = 4,11 (lihat tabel distribusi F)

3. Kriteria pengujian

Ho ditolak jika nilai Fhitung > Ftabel atau probabilitas < 0,05

Ho diterima jika nilai Fhitung  Ftabel atau probabilitas  0,05

4.Menghitung nilai F:

Data yang diperoleh dari hasil penelitian sekaligus dilakukan perhitungan disajikan pada tabel
berikut:

Asal lulusan
2 2
Jenis Kelamin SMU SMK X1 X2 Total

X1 X2

Putra 80 76 6400 5776

80 74 6400 5476

78 72 6084 5184

78 70 6084 4900
 75 70 5625 4900

75 68 5625 4624

75 65 5625 4225

70 60 4900 3600

70 55 4900 3025

65 50 4225 2500

Jumlah 746 660 55.868 44.210 1.406

Asal lulusan
2 2
Jenis Kelamin SMU SMK X1 X2 Total

X1 X2

Putri 82 75 6724 5625

80 75 6400 5625

78 70 6084 4900

75 68 5625 4624

75 68 5625 4624
 75 65 5625 4225

70 65 4900 4225

70 60 4900 3600

65 60 4225 3600

60 55 3600 3025

Jumlah 730 661 53.708 44.073 1.391

Total 1.476 1.321 109.576 88.283

Berdasarkan tabel tersebut dapat diketahui nilai:

X1.1 = 746 X1.2 = 730 X2.1 = 660 X2.2 = 661

X1 = 1.476 X2 = 1.321

X = 2.797

Y1 = 1.406 Y2 = 1.391

X12 = 109.576 X22 = 88.283

X2 = 197.859

Selanjutnya dapat dihitung ANOVA melalui perhitungan sebagai berikut:

(X1 ) 2 (X 2 ) 2 (X) 2

JKAF1 =  
n k1 n k2 N
(1.476) 2 (1.321) 2 (2.797) 2
=  
20 20 40

= 108.928,8 + 87.252,05 – 195580,225

= 600,625
(Y1 ) 2 (Y2 ) 2 (X) 2
JKAF2 =  
n b1 n b2 N
= (1.406) 2 (1.391) 2 (2.797) 2
 
20 20 40
 = 98.841,8 + 96.744,05 – 195580,225

= 5,225

= (X1.1 )  (X1.2 )  (X 2.1 )  (X 2.2 )  (X)

2 2 2 2 2
JKA
n k1.b1 n k1.b2 n k2.b1 n k2.b2 N

2 2 2 2 2
= (746)  (730)  (660)  (661)  (2.797)
10 10 10 10 40

= 55.651,6 + 53.290 + 43.560 + 43.692,1 – 195580,2

= 613.475

JKInter = JKA – (JKAF1 + JKAF2)

= 613.475 – (600,625 – 5,225)

= 7,225

JKT = X 2 -
(X) 2
N 2
= 197.859 - (2.797)
40
= 2.278,77

JKD = JKT – (JKAF1 + JKAF2 + JKInt)

= 2.278,77 – (600,625 + 5,225 + 7,225)

= 1.665,3

Contoh soal manova :

Data :

Empat sekolah ( 2 negeri dan 2 swasta ) akan membandingkan hasil ujian Matematikanya dengan jangka
waktu ( lama ) pemberian les ( Pelajaran Tambahan). Percobaan dilakukan dengan menggunkan 8 kelas
yang kemampuan siswanya seragam. Di setiap sekolah, dicobakan pada 2 kelas yang ditentukan secara
acak. Hasil Ujian Matematika ke – 4 sekolah adalah ditunjukkan dalam tabel :

Hubungan antara jenis sekolah, pemberian les, dan hasil Ujian Matematika.
Lama Sekolah
pemberian
V1 V2 V3 V4
les
60 59 70 55
P1
58 62 63 61
75 61 68 70
P2
71 54 73 69
57 58 53 62
P3
41 61 59 53
Analisis

Dari hasil output nilai p value interaksi = 0,056794

0,059120 > 0,01maka H0 tidak ditolak.

Kesimpulan Karena H0 tidak ditolak maka dapat disimpulkan bahwa tidak ada pengaruh sekolah dan
lama pemberian les terhadap hasil ujian

1. Uji pengaruh faktor sekolah tehadap hasil ujian siswa

Hipotesis :

H0= tidak ada pengaruh sekolah terhadap hasil ujian

H1= ada pengaruh sekolah terhadap hasil ujian

Statistic uji

dalam uji ini penulis menggunakan nilai alpha sebagai statistic uji
Taraf signifikansi

alpha = 0,01

Daerah kritis

H0 ditolak jika nilai P value(pada output) < alpha

Kesimpulan

Dari hasil output nilai p value interaksi = 0,337019,0,337019 > 0,01 maka H0 tidak ditolak. Karena H0
tidak ditolak maka dapat disimpulkan bahwa tidak ada pengaruh sekolah terhadap hasil ujian

Bab II

KOLERASI

a. PENGERTIAN KORELASI

Secara sederhana, korelasi dapat diartikan sebagai hubungan. Namun ketika dikembangkan lebih
jauh, korelasi tidak hanya dapat dipahami sebatas pengertian tersebut. Korelasi merupakan salah satu
teknik analisis dalam statistik yang digunakan untuk mencari hubungan antara dua variabel yang
bersifat kuantitatif. Hubungan dua variabel tersebut dapat terjadi karena adanya hubungan sebab
akibat atau dapat pula terjadi karena kebetulan saja. Dua variabel dikatakan berkolerasi apabila
perubahan pada variabel yang satu akan diikuti perubahan pada variabel yang lain secara teratur
dengan arah yang sama (korelasi positif) atau berlawanan (korelasi negatif).

Macam Macam Korelasi

KOLERSI DIBAGI JADI 3 yaitu :

1. Kolerasi Sederhana

Korelasi Sederhana merupakan suatu teknik statistik yang dipergunakan untuk mengukur
kekuatan hubungan antara 2 variabel dan juga untuk dapat mengetahui bentuk hubungan
keduanya dengan hasil yang bersifat kuantitatif.

Kolerasi sederhana dibagi 2 macam yaitu:

 Rank spearman adalah menghitung korelasi dengan menghitung ranking data terlebih
dahulu dan cocok untuk digunakan pada statistik nonparametric serta data dengan sampel
kecil.
 Korelasi pearson product moment adalah korelasi yang digunakan untuk data kontinu dan
data diskrit dan cocok didigunakan untuk statistik parametric seperti nilai tukar rupiah,
 data rasio keuangan, tingkat pertumbuhan ekonomi, data berat badan dan contoh data
numerik lainnya, maka korelasi pearson product moment cocok digunakan.

2. Kolerasi parsial

 Kolerasi parsial adalah suatu metode pengukuran keeratan hubungan (korelasi) antara
variabel bebas dan variabel tak bebas dengan mengontrol salah satu variabel bebas untuk
melihat korelasi natural antara variabel yang tidak terkontrol.

3. Kolerasi ganda

 Korelasi ganda adalah bentuk korelasi yang digunakan untuk melihat hubungan antara
tiga atau lebih variabel (dua atau lebih variabel independen dan satu variabel dependent.

b. Regresi linear sederhana

Regresi linear sederhana adalah metode statistik yang berfungsi untuk menguji sejauh mana
hubungan sebab akibat antara variabel faktor penyebab (x) terhadap variabel akibatnya.

CONTOH REGRESI DAN PENYELESAIANNYA

Seorang Engineer ingin mempelajari Hubungan antara Suhu Ruangan dengan Jumlah Cacat yang
diakibatkannya, sehingga dapat memprediksi atau meramalkan jumlah cacat produksi jika suhu ruangan
tersebut tidak terkendali. Engineer tersebut kemudian mengambil data selama 30 hari terhadap rata-
rata (mean) suhu ruangan dan Jumlah Cacat Produksi.

Jawab

Langkah 1 : Penentuan Tujuan

Tujuan : Memprediksi Jumlah Cacat Produksi jika suhu ruangan tidak terkendali

Langkah 2 : Identifikasikan Variabel Penyebab dan Akibat

Varibel Faktor Penyebab (X) : Suhu Ruangan,

Variabel Akibat (Y) : Jumlah Cacat Produksi

Langkah 3 : Pengumpulan Data

Berikut ini adalah data yang berhasil dikumpulkan selama 30 hari (berbentuk tabel) :

 Langkah 4 : Hitung X², Y², XY dan total dari masing-masingnya

Berikut ini adalah tabel yang telah dilakukan perhitungan X², Y², XY dan totalnya :

Langkah 5 : Hitung a dan b berdasarkan rumus Regresi Linear Sederhana

Menghitung Konstanta (a) :

a = (Σy) (Σx²) – (Σx) (Σxy)

. n(Σx²) – (Σx)²

a = (282) (16.487) – (699) (6.861)

30 (16.487) – (699)²

a = -24,38

Menghitung Koefisien Regresi (b)

b = n(Σxy) – (Σx) (Σy)

. n(Σx²) – (Σx)²

b = 30 (6.861) – (699) (282)

. 30 (16.487) – (699)²

b = 1,45
 Langkah 6 : Buat Model Persamaan Regresi

Y = a + bX
Y = -24,38 + 1,45X

Langkah 7 : Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel
Akibat

I. Prediksikan Jumlah Cacat Produksi jika suhu dalam keadaan tinggi (Variabel X), contohnya : 30°C

Y = -24,38 + 1,45 (30)

Y = 19,12

Jadi Jika Suhu ruangan mencapai 30°C, maka akan diprediksikan akan terdapat 19,12 unit cacat yang
dihasilkan oleh produksi.

II. Jika Cacat Produksi (Variabel Y) yang ditargetkan hanya boleh 4 unit, maka berapakah suhu
ruangan yang diperlukan untuk mencapai target tersebut ?

4 = -24,38 + 1,45X
1,45X = 4 + 24,38
X = 28,38 / 1,45
X = 19,57

Jadi Prediksi Suhu Ruangan yang paling sesuai untuk mencapai target Cacat Produksi adalah
sekitar 19,57°C

Contoh Korelasi dan penyelesaian

Biaya
iklan (juta
rupiah) 1 2 3 4 5 6 7
Hasil
penjualan
(juta
5 7 8 10 11 14 15
rupiah)

Soal

a) gambarkan diagram pencar !

b) cari koefisien korelasi dan jelaskan artinya !

c) cari koefisien penentu dan jelaskan artinya !

jawab

a. Diagram Pencar
Biaya
1 2 3 4 5 6 7
iklan (X)
Hasil
penjualan 5 7 8 10 11 14 15
(Y)

b. Koefisien Korelasi

Metode Least Square

r = n∑XY - ∑X ∑Y / √ (n∑X2 – (∑X)2)(n∑Y2 – (∑Y)2)

= 7(327) – (28)(70) / √ (7(140) – (28)2) (7(780)– (70)2)

= 2289 – 1960 / √ 980 – 784) (5460- 4900)

= 329 / √ (196) (560)

= 329 / √ 109760

= 329 / 331.3004679

= 0.993

Metode Product Moment

r = ∑xy / √ ∑x2 ∑y2

= 47 / √ (28) (80)

= 47 / √ 2240

= 47/ 47.32863826 = 0.993

Jadi, jenis korelasi antara biaya iklan dan hasil penjualan termasuk dalam jenis korelasi positif
dengan tingkat keeratan yang kuat.
c. Koefisien Penentu

2 2
X Y X Y XY
1 5 1 25 5
2 7 4 49 14
3 8 9 64 24
4 10 16 100 40
5 11 25 121 55
6 14 36 196 84
7 15 49 225 105

28 70 140 780 327

Metode Least Square

r = {n∑XY - ∑X ∑Y} 2 / √ (n∑X2 – (∑X)2)(n∑Y2 – (∑Y)2)

= {7(327) – (28)(70)} 2 / √ (7(140) – (28)2) (7(780)– (70)2)

= {2289 – 1960} 2 / √ 980 – 784) (5460- 4900)

= {329} 2 / √ (196) (560)

= 108241 / √ 109760

= 0.9862

Jadi, KP = 0.9862 (98,62%) artinya pengaruh biaya iklan terhadap hasil penjualannya adalah 98,62%

Bab 3

Uji asumsi klasik

Jenis uji asumsi klaksik

 Normalitas

Distribusi normal merupakan suatu kurva berbentuk lonceng.

Penyebab data tidak normal, karena terdapat nilai ekstrim dalam data seri yang diambil.

Nilai ektrim adalah nilai yang terlalu rendah atau terlalu tinggi.

 Multikolinieritas

Uji multikolinieritas berarti terjadi korelasi yang kuat (hampir sempurna) antar variabel bebas.

Tepatnya multikolinieritas berkenaan dengan terdapatnya lebih dari satu hubungan linier pasti,
dan istilah kolinieritas berkenaan dengan terdapatnya satu hubungan linier.

 Heteroskedastisitas

Uji heteroskedastisitas berarti adanya varian dalam model yang tidak sama (konstan).

Variabel yang digunakan untuk memprediksi memiliki nilai yang sangat beragam, sehingga
menghasilkan nilai residu yang tidak konstan.

 Autokorelasi

Uji ini dilakukan untuk mengetahui apakah ada korelasi antara anggota serangkaian data
observasi yang diuraikan menurut waktu (time series) atau ruang (cross section).

Penyebab Munculnya Nilai Ekstrim

 -Kesalahan dalam pengambilan unit sampel.

Cara mengatasi: Mengganti unit sampel.

 -Kesalahan dalam menginput data.

Cara mengatasi: Memperbaiki input data yang salah.

 -Data memang aneh dibanding lainnya.

Cara mengatasi: Tambah ukuran sampel atau dengan membuang data yang aneh tersebut.

Kapan Data Dikatakan Normal?

Uji Normalitas

CARA MENDITEKSI:

 1. Dengan gambar:

Jika kurva regression residualter standarisasi membentuk gambar lonceng.

 2. Dengan angka:

– Uji Liliefors

– Chi Kuadrat (X2)

– Uji dengan kertas peluang normal

– Uji dengan Kolmogornov Smirnov

Uji normalitas dapat dilakukan secara:

– Univariate

Dilakukan dengan menguji normalitas pada semua variabel yang akan dianalisis.

– Multivariate

Dilakukan dengan menguji normalitas pada nilai residual yang telah distandarisasi.
• Y = -24,7273 + 𝟏, 𝟒𝟕𝟕X

• Ypred = -24,727 + 𝟏, 𝟒𝟕𝟕(𝟐𝟑)

• Resid = 11 – 9.244

• Zresid = (0.512-0.3342)/0.965308

• Zr =(1/5)= 0.2 , (2/5)= 0.4, dst

 • Tabel Z cumu = -1.05 di tabel Z adalah 0.8531

• Luas Z = Karena <0,5 maka luas Z = 1- 0.8531 = 2.0589

• Li = Zt-Zr(t-1) = 0.258 – 0.2 = 0.058

• Jika Lihitung > L tabel maka data berdistribusi normal demikian juga sebaliknya.

Cara Mengatasi Data yang Tidak Normal

• Menambah jumlah data.

• Dibiarkan saja tetapi kita harus menggunakan alat analisis yang lain.

• Menghilangkan data yang dianggap sebagai penyebab data tidak normal.

• Melakukan transformasi data menjadi Log atau LN atu bentuk lainnya.

Uji Multikolinieritas

PENYEBAB

• Karena sifat-sifat yang terkandung dalam kebanyakan variabel ekonomi berubah bersama-sama
sepanjang waktu.

• Besaran-besaran ekonomi dipengaruhi oleh faktor-faktor yang sama.

Uji Non-Multikolinieritas

Cara mendeteksi:

• 1. Dengan melihat koefesien korelasi antar variabel bebas:

Jika koefesien korelasi antar variabel bebas ≥ 0,7 maka terjadi multikolinier.

• 2. Dengan melihat nilai VIF (Varian Infloating Factor):

Jika nilai VIF ≤ 10 maka tidak terjadi multikolinier.

Pengujian Manual VIF

• Hitung nilai korelasi antar varibel bebas (r)

• Kuadratkan nilai korelasi antar variabel bebas (r2).

• Hitung nilai tolenrance (Tol) dengan rumus (1-r2).

• Hitung nilai VIF dengan rumus 1/TOL

• Jika VIF < 10, maka tidak terjadi multikolinier.

𝑛(∑XY)−(∑X)(∑𝑌)
r=
√𝑛(∑X2 )−(∑X)2 √𝑛(∑Y2 )−(∑𝑌)2

5(637)−(104)(30)
r= = 0,007
√5(2172)−(104)2 √5(218)−(30)2

𝑟 2 = 0,000049

TOL = 1-𝑟 2 = 1-0,000049 = 0,999951

VIF = 1/TOL = 1/0,999951 = 1,000049

• Jika VIF < 10, maka tidak terjadi multikolinier.

CARA MENGATASI MULTIKOLINIER

• Memperbesar ukuran sampel

• Memasukan persamaan tambahan ke dalam model.

• Menghubungkan data cross section dan data time series.

• Mengeluarkan suatu variabel dan bias spesifikasi.

• Transformasi variabel.

Uji Heteroskedastisitas

CARA MENDITEKSI:

1. Dengan Uji Park Yaitu dengan meregresikan variabel bebas terhadap nilai log-linier kuadrat.

2. Dengan Uji Glejser Yaitu dengan meregresikan variabel bebas terhadap nilai residual
mutlaknya.

3. Dengan Uji Korelasi Rank Spearman Mengkorelasikan nilai residual dengan variabel bebas
dengan menggunakan Rank-spearman.

Langkah-Langkah Metode Glejser

• Cara 1

Regresikan variabel bebas (X) terhadap variabel tergantung (Y).

• Cara 2

Hitung nilai prediksinya

 • Cara 3

Hitung nilai residualnya

• Cara 4

Multakan nilai residualnya

• Cara 5

Regresikan variabel bebas terhadap nilai mutlak residualnya.

• Cara 6

Jika signifikan berarti terjadi gejala heteroskedastisitas dan sebaliknya jika tidak signifikan
berarti tidak terjadi gejala heteroskedastisitas.

• Resid = -427,50 + 20,553𝑋

• Residpred = -427,50 + 20,553(23) =-45,219

• Y = -24,727 + 1,477X

• Ypred = -24,727 + 1,477(23)

• Jauh, jadi ada gejala heteroskedastisitas

Cara Mengatasi Heteroskedastisitas

• Tambah jumlah pengamatan.

 • Tranformasikan data ke bentuk LN atau Log atau bentuk laiannya.

Uji Autokorelasi

• Adanya kelembaman waktu

• Adanya bias spesifikasi model

• Manipulasi data

3 Hal ini yang menyebabkan harus ada uji otokorelasi dan jenis pengujiannya:

• Uji Durbin Watson

• Uji Lagrange Multiplier

• Uji Breusch-Godfrey

Langkah-Langkah Uji Durbin-Watson

• Regresikan variabel bebas (X) terhadap variabel tergantung (Y).

• Hitung nilai prediksinya dan residualnya

• Kuadratkan nilai residualnya.

• Lag-kan satu nilai residualnya.

• Kurangkan nilai residual dengan Lag-kan satu nilai residualnya.

 Hasil perhitungan diatas masukan kedalam rumus Durbin-Watson

e = Y-Ypred = 11-9.244 = 1.756

𝑒 2 = 0.5212 = 0.271441

et-1 = e mundur 1 periode

(e-et-1) = -1.299 - 0.521 = -1.82

(𝑒 − 𝑒𝑡 − 1)2 = −1.822 = 3.3124

Σ(𝑒−𝑒𝑡−1)2 16.4015
DW= Σ𝑒 2
= 9.563485 = 1,715012
 Bab iv

SPSS

SPSS adalah sebuah program aplikasi yang memiliki kemampuan analisis statistik cukup
tinggi serta sistem manajemen data pada lingkungan grafis dengan menggunakan menu-
menu deskriptif dan kotak-kotak dialog yang sederhana sehingga mudah untuk dipahami
cara pengoperasiannya. Beberapa aktivitas dapat dilakukan dengan mudah dengan
menggunakan pointing dan clicking mouse.

SPSS banyak digunakan dalam berbagai riset pemasaran, pengendalian dan perbaikan mutu
(quality improvement), serta riset-riset sains. SPSS pertama kali muncul dengan versi PC
(bisa dipakai untuk komputer desktop) dengan nama SPSS/PC+ (versi DOS). Tetapi,
dengan mulai populernya system operasi windows. SPSS mulai mengeluarkan versi windows
(mulai dari versi 6.0 sampai versi terbaru sekarang).

Pada awalnya SPSS dibuat untuk keperluan pengolahan data statistik untuk ilmu-ilmu
social, sehingga kepanjangan SPSS itu sendiri adalah Statistikal Package for the Social
Sciens. Sekarang kemampuan SPSS diperluas untuk melayani berbagai jenis pengguna
(user), seperti untuk proses produksi di pabrik, riset ilmu sains dan lainnya. Dengan
demikian, sekarang kepanjangan dari SPSS Statistical Product and Service Solutions.

SPSS dapat membaca berbagai jenis data atau memasukkan data secara langsung ke dalam
SPSS Data Editor. Bagaimanapun struktur dari file data mentahnya, maka data dalam Data
Editor SPSS harus dibentuk dalam bentuk baris (cases) dan kolom (variables). Case berisi
informasi untuk satu unit analisis, sedangkan variable adalah informasi yang dikumpulkan
dari masing-masing kasus.

Hasil-hasil analisis muncul dalam SPSS Output Navigator. Kebanyakan prosedur Base
System menghasilkan pivot tables, dimana kita bisa memperbaiki tampilan dari keluaran
yang diberikan oleh SPSS. Untuk memperbaiki output, maka kita dapat mmperbaiki output
sesuai dengan kebutuhan. Beberapa kemudahan yang lain yang dimiliki SPSS dalam
pengoperasiannya adalah karena SPSS menyediakan beberapa fasilitas seperti berikut ini:

 Data Editor. Merupakan jendela untuk pengolahan data. Data editor dirancang
sedemikian rupa seperti pada aplikasi-aplikasi spreadsheet untuk mendefinisikan,
memasukkan, mengedit, dan menampilkan data.
 Viewer. Viewer mempermudah pemakai untuk melihat hasil pemrosesan,
menunjukkan atau menghilangkan bagian-bagian tertentu dari output, serta
memudahkan distribusi hasil pengolahan dari SPSS ke aplikasi-aplikasi yang lain.
 Multidimensional Pivot Tables. Hasil pengolahan data akan ditunjukkan dengan
multidimensional pivot tables. Pemakai dapat melakukan eksplorasi terhdap tabel
dengan pengaturan baris, kolom, serta layer. Pemakai juga dapat dengan mudah
melakukan pengaturan kelompok data dengan melakukan splitting tabel sehingga
hanya satu group tertentu saja yang ditampilkan pada satu waktu.
 High-Resolution Graphics. Dengan kemampuan grafikal beresolusi tinggi, baik
untuk menampilkan pie charts, bar charts, histogram, scatterplots, 3-D graphics, dan
yang lainnya, akan membuat SPSS tidak hanya mudah dioperasikan tetapi juga
membuat pemakai merasa nyaman dalam pekerjaannya.
  Database Access. Pemakai program ini dapat memperoleh kembali informasi dari
sebuah database dengan menggunakan Database Wizard yang disediakannya.
 Data Transformations. Transformasi data akan membantu pemakai memperoleh
data yang siap untuk dianalisis. Pemakai dapat dengan mudah melakukan subset
data, mengkombinasikan kategori, add, aggregat, merge, split, dan beberapa
perintah transpose files, serta yang lainnya.
 Electronic Distribution. Pengguna dapat mengirimkan laporan secara elektronik
menggunakan sebuah tombol pengiriman data (e-mail) atau melakukan export tabel
dan grafik ke mode HTML sehingga mendukung distribusi melalui internet dan
intranet.
 Online Help. SPSS menyediakan fasilitas online help yang akan selalu siap
membantu pemakai dalam melakukan pekerjaannya. Bantuan yang diberikan dapat
berupa petunjuk pengoperasian secara detail, kemudahan pencarian prosedur yang
diinginkan sampai pada contoh-contoh kasus dalam pengoperasian program ini.
 Akses Data Tanpa Tempat Penyimpanan Sementara. Analisis file-file data yang
sangat besar disimpan tanpa membutuhkan tempat penyimpanan sementara. Hal ini
berbeda dengan SPSS sebelum versi 11.5 dimana file data yang sangat besar dibuat
temporary filenya.
 Interface dengan Database Relasional. Fasilitas ini akan menambah efisiensi dan
memudahkan pekerjaan untuk mengekstrak data dan menganalisnya dari database
relasional.
 Analisis Distribusi. Fasilitas ini diperoleh pada pemakaian SPSS for Server atau
untuk aplikasi multiuser. Kegunaan dari analisis ini adalah apabila peneliti akan
menganalisis file-file data yang sangat besar dapat langsung me-remote dari server
dan memprosesnya sekaligus tanpa harus memindahkan ke komputer user.
 Multiple Sesi. SPSS memberikan kemampuan untuk melakukan analisis lebih dari
satu file data pada waktu yang bersamaan.
 Mapping. Visualisasi data dapat dibuat dengan berbagai macam tipe baik secara
konvensional atau interaktif, misalnya dengan menggunakan tipe bar, pie atau
jangkauan nilai, simbol gradual, dan chart.

Menu yang terdapat pada SPSS adalah :

1. FILE
Untuk operasi file dokumen SPSS yang telah dibuat, baik untuk perbaikan pencetakan dan
sebagainya. Ada 5 macam data yang digunakan dalam SPSS, yaitu :
1. Data : dokumen SPSS berupa data
2. Systax : dokumen berisi file syntax SPSS
3. Output : dokumen yang berisi hasil running out SPSS
4. Script : dokumen yang berisi running out SPSS
5. Database
♠ NEW : membuat lembar kerja baru SPSS
♠ OPEN : membuka dokumen SPSS yang telah ada
Secara umum ada 3 macam ekstensi dalam lembar kerja SPSS, yaitu :
1. *.spo : file data yang dihasilkan pada lembar data editor
2. *.sav : file text/obyek yang dihasilkan oleh lembar output
3. *.cht : file obyek gambar/chart yang dihasilkan oleh chart window
♠ Read Text Data : membuka dokumen dari file text (yang berekstensi txt), yang bisa
dimasukkan/dikonversi dalam lembar data SPSS
♠ Save : menyimpan dokumen/hasil kerja yang telah dibuat.
♠ Save As : menyimpan ulang dokumen dengan nama/tempat/type dokumen
yang berbeda
♠ Page Setup : mengatur halaman kerja SPSS
♠ Print : mencetak hasil output/data/syntaq lembar SPSS
Ada 2 option/pilihan cara mencetak, yaitu :
- All visible output :mencetak lembar kerja secara keseluruhan
- Selection : mencetak sesuai keinginan yang kita sorot/blok
♠ Print Preview : melihat contoh hasil cetakan yang nantinya diperoleh
♠ Recently used data: berisi list file data yang pernah dibuka sebelumnya.
♠ Recently used file : berisi list file secara keseluruhan yang pernah dikerjakan

2. EDIT
Untuk melakukan pengeditan pada operasi SPSS baik data, serta pengaturan/option untuk
konfigurasi SPSS secara keseluruhan.
♠ Undo : pembatalan perintah yang dilakukan sebelumnya
♠ Redo : perintah pembatalan perintah redo yang dilakukan sebelumnya
♠ Cut : penghapusan sebual sel/text/obyek, bisa dicopy untuk keperluan tertentu dengan
perintah dari menu paste
♠ Paste : mempilkan sebua sel/text/obyek hasil dari perintah copy atau cut
♠ Paste after : mengulangi perintah paste sebelumya
♠ Paste spesial : perintah paste spesial, yaitu bisa konvesri ke gambar,
word, dll
♠ Clear : menghapusan sebuah sel/text/obyek
♠ Find : mencari suatu text
♠ Options : mengatur konfigurasi tampilan lembar SPSS secara umum

3. VIEW
Untuk pengaturan tambilan di layar kerja SPSS, serta mengetahu proses-prose yang sedang
terjadi pada operasi SPSS.
♠ Status Bar : mengetahui proses yang sedang berlangsung
♠ Toolbar : mengatur tampilan toolbar
♠ Fonts : untuk mengatur jenis, ukuran font pada data editor SPSS
- Outline size : ukuran font lembar output SPSS
- Outline font : jenis font lembar output SPSS
♠ Gridlines: mengatur garis sel pada editor SPSS
♠ Value labels : mengatur tampilan pada editor untuk mengetahui value label
4. DATA
Menu data digunakan untuk melakukan pemrosesan data.
♠ Define Dates : mendefinisikan sebuah waktu untuk variable yang meliputi
jam, tanggal, tahun, dan sebagainya
♠ Insert Variable : menyisipkan kolom variable
♠ Insert case : menyisipkan baris
♠ Go to case : memindahkan cursor pada baris tertentu
♠ Sort case : mengurutkan nilai dari suatu kolom variable
♠ Transpose : operasi transpose pada sebuah kolom variable menjadi baris
♠ Merge files : menggabungkan beberapa file dokumen SPSS, yang
dilakukan dengan penggabungan kolom-kolom variablenya
♠ Split file : memecahkan file berdasarkan kolom variablenya
♠ Select case : mengatur sebuah variable berdasarkan sebuah persyaratan
tertentu
5. TRANSFORM
Menu transform dipergunakan untuk melakukan perubahan-perubahan atau penambahan data.
Compute : operasi aritmatika dan logika untuk
Count : untuk mengetahui jumlah sebuah ukuran data tertentu pada
suatu baris tertentu
Recode : untuk mengganti nilai pada kolom variable tertentu, sifatnya
menggantikan (into same variable) atau merubah (into different variable) pada variable baru
Categorize variable : merubah angka rasional menjadi diskrit
Rank case : mengurutkan nilai data sebuah variabel
6. ANALYSE
Menu analyse digunakan untuk melakukan analisis data yang telah kita masukkan ke dalam
komputer. Menu ini merupakan menu yang terpenting karena semua pemrosesan dan analisis
data dilakukan dengan menggunakan menu correlate, compare mens, regresion.
7. GRAPH
Menu graph digunakan untuk membuat grafik, diantaranya ialah bar, line, pie, dll
8. UTILITIES
Menu utilities dipergunakan untuk mengetahui informasi variabel, informasi file, dll
9. AD-ONS
Menu ad-ons digunakan untuk memberikan perintah kepada SPSS jika ingin menggunakan
aplikasi tambahan, misalnya menggunakan alikasi Amos, SPSS data entry, text analysis, dsb
10. WINDOWS
Menu windows digunakan untuk melakukan perpindahan (switch) dari satu file ke file lainnya
11. HELP
Menu help digunakan untuk membantu pengguna dalam memahami perintah-perintah SPSS jika
menemui kesulitan
TOOL BAR : Kumpulan perintah – perintah yang sering digunakan dalam bentuk
gambar.
POINTER : Kursor yang menunjukkan posisi cell yang sedang aktif / dipilih.

Memasukkan dan mengolah data ke spss :

Menu utama program SPSS ini ditunjukan pada lingkaran seperti yang tampak dibawah ini
Tampilan layar SPSS ada 2 yaitu Data view dan variabel view yang dtunjukan dibawah ini

Data view adalah data yang tampilannya seperti exel, data view ini sebagai lembar kerja.
Untuk melihat tampilan data view,dengan meng-klik tulisan (data view)
Dan tampilannya sebagaiberikut :

Sedangkan variable view berperan sebagai definisi operasional yang hasilnya nanti akan terlihat
di data view. Untuk melihat tampilan variable view, dengan meng-klik (variable view) sepeti di
tunjukan lingkaran merah,dan tampilan variable view seperti dbawah ini
Inilah pengenalan Program SPSS secara garis besar.

Untuk mengenal SPSS lebih jauh, mari kita mencoba mengolah data menggunakan
analisis regresi dengan menggunakan SPSS 12.0

Hal pertama yang kita lakukan adalah memasukan data pada halaman DATA VIEW di
SPSS,kemudian ketik nilai variabel-variabel (Y,X1, dan X2)

Pada halaman VARIABEL VIEV, dalam kolom Name ketik simbol (Y,X1,X2 ) dan pada
Kolom Label ketikan nama Variabel ( Daerah,Sales,Promo dan Outlet)
 Pada kolom Type, variabel Y di pilih tipe Srting karena data yang ditampilkan pada DATA
VIEW berupa huruf (nama daerah) sedangkan pada variabel X1,X2,X3 dipilih type Numeric
karena data yang dtampilkan berupa angka.

Selanjutnya untuk mengolah data menggunakan analisis regresi, lakukan langkah-langkah

berikut.

 Klik Analyze, Regression, Linear

Sehingga tampak tampilan seperti dibawah ini.

Kemudian pindahkan Promo(x1),Outlet(x2) ke dalam kotak independent(s) dan Sales (y) pada
kotak dependen seperti dibawah ini.
Kemudian klik ”statistics” sperti yang ditunjukan dibawah ini.

Selanjutnya akan tampak tampilan sperti dibawah ini, kemudian beri centang pada Estimates,
Model fit, R Squared change,Descriptives,part and partial correlations,collinerity diagnostics

klik continue..
Selanjutnya akan tampil menu semula kemudian klik plot..

Kemudian tampilan plot sebagai berikut,,

Dan masukan *SDRESID pada Y dan *ZRESID pada X seperti dibawah ini,kemudian klik
”continu sehinnga tampilannya menjadi sebagai berikut :

kemudian akan tampak tampilan semula lalu Klik ”ok”

Sehingga secara otomatis lembar output dari pengolahan data menggunakan analisis regresi
dengan spss 12.0 ini ditampilkan seperti dibawah ini..