Materi spss uji T

--INDEPENDENT SAMPLE T TEST--

# KASUS :
APAKAH PENJUALAN TOYOTA BERDASARKAN JENIS MOBIL SAMA ATAU BERBEDA ?

# HIPOTESIS :
H0 : PENJUALAN TOYOTA PADA JENIS MOBIL CC SAMA DENGAN PENJUALAN TOYOTA
PADA JENIS MOBIL MPV
H1 : PENJUALAN TOYOTA PADA JENIS MOBIL CC TIDAK SAMA DENGAN PENJUALAN
TOYOTA PADA JENIS MOBIL MPV

# TAHAP PENGUJIAN :
1. LEVENE TEST / UJI VARIAN / UJI F
MENGETAHUI APAKAH VARIAN POPULASI SAMA / BERBEDA
2. UJI T
MENGETAHUI RATA-RATA POPULASI SAMA / BERBEDA

1. LEVENE TEST / UJI VARIAN / UJI F

# HIPOTESIS :
H0 : KEDUA VARIAN POPULASI (CC & MPV) ADALAH SAMA / IDENTIK /
TIDAK BERBEDA
H1 : KEDUA VARIAN POPULASI (CC & MPV) ADALAH TDK SAMA / TDK
IDENTIK / BERBEDA
# SYARAT :
A. BERDASARKAN NILAI F TABEL DAN F HITUNG
H0 DITERIMA : F HITUNG < F TABEL
H0 DITOLAK : F HITUNG > F TABEL
F HITUNG = 0.923 < 4.54
F TABEL = IDF.F(P, DF1, DF2) = IDF.F(0.95,1,15) =
P = 1 - ALPHA = 1 - 0.05 = 0.95
DF1 = JML KATEGORI - 1 = 2 - 1 = 1
DF2 = N - JML KATEGORI = 17 - 2 = 15
H0 DITERIMA :
KEDUA VARIAN POPULASI (CC & MPV) ADALAH SAMA /
IDENTIK / TIDAK BERBEDA
B. BERDASARKAN PROBABILITAS

2. UJI T
T TABEL = IDF.T(P, DF)
DF = DF2 = 15

--ONE SAMPLE T TEST--

# KASUS / RUMUSAN MASALAH :

SEORANG MANAJER INGIN MENGETAHUI APAKAH PENJUALAN MOBIL HONDA DI JAKARTA
(=151) SAMA DENGAN PENJUALAN MOBIL HONDA DI KOTA - KOTA PROPINSI JAWA TIMUR ?

# HIPOTESIS :
H0 / Ho : PENJUALAN MOBIL HONDA DI JAKARTA SAMA DENGAN / TIDAK BERBEDA
PENJUALAN MOBIL HONDA DI KOTA - KOTA PROPINSI JAWA TIMUR
H1 / Ha : PENJUALAN MOBIL HONDA DI JAKARTA TIDAK SAMA DENGAN / BERBEDA
PENJUALAN MOBIL HONDA DI KOTA - KOTA PROPINSI JAWA TIMUR
SAMA DENGAN = TIDAK BERBEDA = IDENTIK
TIDAK SAMA DENGAN = BERBEDA = TIDAK IDENTIK

# PENGAMBILAN KEPUTUSAN :
1. BERDASARKAN NILAI T TABEL DAN T HITUNG
2. BERDASARKAN PROBABILITAS / SIG.

1. BERDASARKAN NILAI T TABEL DAN T HITUNG

SYARAT :
H0 DITERIMA / H1 DITOLAK :
1 SISI : T HITUNG < T TABEL
2 SISI : -TTAB < THIT < +TTAB
H1 DITERIMA / H0 DITOLAK :
1 SISI : T HITUNG > T TABEL
2 SISI : -TTAB > THIT > +TTAB
T HIT = 2.214
T TAB = IDF.T(P,DF) = IDF.T(0.975,16) = 2.12
P = 1-(ALPHA/2) = 1 - 0.025 = 0.975
100%-2.5% = 97.5% = 0.975
ALPHA = 0.05 = 5%
DF = N - 1 = 17 - 1 = 16
-2.12 < 2.214 > +2.12

KESIMPULAN :
H0 DITOLAK : PENJUALAN MOBIL HONDA DI JAKARTA TIDAK SAMA
DENGAN / BERBEDA PENJUALAN MOBIL HONDA DI KOTA - KOTA PROPINSI JAWA TIMUR

2. BERDASARKAN PROBABILITAS / SIG.

SYARAT :
H0 DITERIMA : SIG. > 0.05
H0 DITOLAK : SIG. < 0.05
SIG. = 0.042 < 0.050
KESIMPULAN :
H0 DITOLAK : PENJUALAN MOBIL HONDA DI JAKARTA TIDAK SAMA
DENGAN / BERBEDA PENJUALAN MOBIL HONDA DI KOTA - KOTA PROPINSI JAWA TIMUR

--PAIRED SAMPLE T TEST--

TAHAP PENGUJIAN ADA 2:
1. UJI KORELASI
A. ADA/TDK ADA HUB
B. JENIS HUBUNGAN
2. UJI T

#KASUS :
 APAKAH ADA PENGARUH PERGANTIAN TEKNOLOGI TERHADAP JUMLAH PENJUALAN
MOBIL HONDA

#HIPOTESIS :
H0 : PENJ. HONDA TEKNOLOGI DG TEKNOLOGI LAMA SAMA DENGAN PENJ HONDA DG
TEKNOLOGI BARU
TIDAK ADA PENGARUH PERGANTIAN TEKNOLOGI TERHADAP JUMLAH
PENJUALAN MOBIL HONDA
H1 : PENJ. HONDA TEKNOLOGI DG TEKNOLOGI LAMA TIDAK SAMA DENGAN PENJ
HONDA DG TEKNOLOGI BARU
ADA PENGARUH PERGANTIAN TEKNOLOGI TERHADAP JUMLAH PENJUALAN
MOBIL HONDA

TAHAP PENGUJIAN:
1. UJI KORELASI (PAIRED SAMPLE CORRELATION)
SYARAT :
JIKA SIG. >= 0.05, TIDAK ADA HUBUNGAN
JIKA SIG. < 0.05, ADA HUBUNGAN
SIG. = 0.585 > 0.05 (H0 DITERIMA : TIDAK ADA HUB.)
CORRELATION MENUNJUKKAN KEKUATAN HUBUNGAN,
JIKA CORRELATION > 0.5 MAKA HUBUNGANNYA KUAT
JIKA CORRELATION > 0.75 MAKA HUBUNGANNYA
SEMPURNA
JIKA CORRELATION (+) --> MAKA BERBANDING LURUS
JIKA CORRELATION (-) --> MAKA BERBANDING TERBALIK

2. UJI T
SYARAT :
H0 DITERIMA : -TTAB < THIT < +TTAB / SIG. > 0.05
H0 DITOLAK : -TTAB > THIT > +TTAB / SIG. < 0.05

#KASUS:
APAKAH Y DIPENGARUHI OLEH X1 DAN X2
Y = DEPENDEN
X1, X2 = INDEPENDEN
analisis regresi
================
-regresi linear
RL sedarhana --> VARIABEL X MASING2 MEMPENGARUHI Y
BU : Y = A + BX
SPSS : Y = B0 + B1X1
RL berganda --> KALAU SEMUA VARIABEL X BERSAMA-SMA MEMPENGARUHI Y
BU : Y = A + B1X1 + ..... BNXN
SPSS : Y = B0 + B1X1 + ..... BNXN
DEPENDENT = Y
INDEPENDENT = X
KOEF REGRESI = B
PREDICTOR = B , X

TAHAPAN :
CARI NILAI RESIDUAL (ANALYZ --> REGRESION --> lINEAR --> SAVE
(RSIDUAL(UNSTANDARDARDIZED)))

PEARSON KORELATION
MENGHITUNG KEKUATAN HUBUNGAN ANTAR VARIABEL
SIGNIFIKANSI
MENGHITUNG HUBUNGAN ANTAR VARIABEL, KETIKA LEBIH DARI 0,05 MAKA TIDAK ADA
HUBUNGAN, SEBALIKNYA BILA KURANG DARI 0,05 MAKA ADA HUBNGAN

VARIABEL ENTERED/REMOVED
PERHATIKAN VARIABEL ENTERED --> MENUNJUKAN VARIABEL INDEPENDEN

MODEL SUMMARY
R = KOEFISIEN DETERMINASI
KALAU R KURANG DARI 0,5 --> PENGARUH LEMAH, BEGITU JUGA SEBALIKNYA

R SQUARE --> MENUNJUKAN KEKUATAN PENGARUH, DIKATAKAN KUAT BILA MANDEKATI 1 --

> UNTUK LINEAR SEDERHANA

ADJ. R SQUARE --> MENUNJUKKAN KEKUATAN PENGARUH DENGAN DATA DEPENDEN DI

...... --> UNTUK LINEAR BERGANDA

-regresi non linear

uji lanjutan/tambahan
=====================
uji kenormalan
uji linieritas
uji homogenitas
uji penyimpangan asumsi klasik
uji autokorelasi
uji multikolinieritas
uji heterokedastisitas

UJI ANOVA --> MENGUJI APAKAH PERSAMAAN REGRESI BISA / TIDAK BISA DIGUNAKAN
BILA ADA DATA DARI VARIABEL YANG KOSONG BISA DIISI DENGAN PAKAI REGRESI,
HANYA JIKA REGRESI BISA DIGUNAKAN
BILA TIDAK BISA MAKA BUANG AJA DATA ITU
HIPOTESIS :
H0 : RATA-RATA Y, B1X1 , B2X2, ... BNXN ADALAH SAMA. MAKA
TIDAK ADA PENGARUH ANTARA B1X1 , B2X2, ... BNXN DENGAN Y
PERS. REG TIDAK DAPAT DIGUNAKAN (KARENA SEMUA VARIABEL
ADALAH SAMA MAKA LOGIKANYA TIDAK MUNGKIN ADA PENGARUH)
Y (DEPENDENT) TIDAK DIPENGARUHI X1 DAN X2
(INDEPENDENT)
H1 : RATA-RATA Y, B1X1 , B2X2, ... BNXN ADALAH TIDAK SAMA.
MAKA ADA PENGARUH ANTARA B1X1 , B2X2, ... BNXN DENGAN Y
PERS. REG DAPAT DIGUNAKAN (KARENA SEMUA VARIABEL ADALAH
SAMA MAKA LOGIKANYA MUNGKIN ADA PENGARUH)
Y (DEPENDENT) DIPENGARUHI X1 DAN X2
(INDEPENDENT)

SYARAT :
H0 DITERIMA : SIG. > 0.05 / FHIT < FTAB
H1 DITERIMA : SIG. < 0.05 / FHIT > FTAB

PENGAMBILAN KEPUTUSAN :
MISAL --> SIG. 0.226 > 00.5

KESIMPULAN :
 H0 DITERIMA, MAKA PERS. REG TIDAK BISA DIGUNAKAN
Y (DEPENDENT) TIDAK DIPENGARUHI X1 DAN X2
(INDEPENDENT)

UJI T --> MENGUJI SIGNIFIKANSI DARI KOEFISIAEN REGRESI

LIAT DI COEFFISIEN
PERS REG : Y = B0 +B1X1 + B2X2
Y = 20.278 + (-0,553)X1 + (0,269)X2

HIPOTESIS :
H0 : KOEFISIEN REGRESI TIDAK SIGNIFIKAN
H1 : KOEFISIEN REGRESI SIGNIFIKAN

SYARAT :
H0 DITERIMA : SIG. > 0.05
H1 DITERIMA : SIG. < 0.05

PENGAMBILAN KEPUTUSAN :
PADA X1 = B1 --> 0,096 > 0,05 MAKA REGRESI TIDAK SIGNIFIKAN
PADA X2 = B2 --> 0,238 > 0,05 MAKA REGRESI TIDAK SIGNIFIKAN