Disusun Oleh:
Muhammad Khaerul Anwar (201410210311028)
AGRIBISNIS
FAKULTAS PERTANIAN-PETERNAKAN
UNIVERSITAS MUHAMMADIYAH MALANG
2015
KATA PENGANTAR
l
Segala puji bagi Allah, kami memuji-Nya, memohon pertolongan-Nya dan
ampunan-Nya. Kami berlindung kepada Allah dari kejahatan diri kami dan
keburukan amal kami.
Barang siapa diberi petunjuk oleh Allah, tidak ada satu pun dapat
menyesatkannya. Dan barang siapa yang disesatkan oleh-Nya, niscaya tidak ada
satu pun dapat memberi petunjuk kepadanya.
Aku bersaksi bahwa tidak ada ilah yan berhak diibadahi dengan benar
melainkan hanya Allah azza wajalla, tidak ada sekutu bagi-Nya. Dan aku bersaksi
bahwa Muhammad adalah hamba dan Rasul-Nya.
Amma ba’du:
Saya mengucapkan terima kasih kepada kedua orang tua, dengan do’a dan
semangat dari beliau saya dapat menyeleasaikan Tugas Besar ini. Dan tidak lupa
pula saya mengucapkan terima kasih kepada asisten dan instruktur praktikum
yang telah memberikan kami pelajaran yang sangat berharga khususnya tentang
praktikum statistika menggunakan program SPSS sehingga saya dapat
menyelesaikan tugas ini dengan mudah. Terima kasih kepada teman-temanku,
beserta orang-orang yang secara tidak langsung membantu saya dalam
menyelesaikan tugas ini yang mana saya tidak bisa menyebutkan satu per satu.
Semoga laporan ini dapat bermanfaat bagi saya khususnya dan pembaca
umumnya.
Penulis
i
DAFTAR ISI
ii
BAB I
Pendahuluan
1.1. Latar Belakang
Maksud dan tujuan dalam pembuatan laporan ini ialah pertama, untuk
memenuhi tugas besar praktikum statistika dan kedua, diharapkan
mahasiswa/i UMM bisa memahami uji korelasi dan regresi beserta
praktikumnya menggunakan program SPSS 21.
Dalam penulisan laporan ini, batasan masalah dibatasi pada uji statistik
dengan menggunakan Korelasi dan Regresi.
1
BAB II
Dasar Teori
2.1 Pengertian SPSS
2
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua
variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu,
misalnya Pearson data harus berskala interval atau rasio; Spearman dan
Kendal menggunakan skala ordinal (Sarwono, 2015).
−1 < −0.9 > −0.9 < −0.4 > −0.4 0 <= +0.4 > +0.4 < +0.9 > +0.9 +1
Salah satu jenis korelasi yang paling populer adalah koefisien korelasi
momen-produk Pearson, yang diperoleh dengan membagi kovarians kedua
variabel dengan perkalian simpangan bakunya. Meski memiliki nama
Pearson, metode ini pertama kali diperkenalkan oleh Francis Galton
(Anonim, Korelasi, 2015).
Korelasi sama dengan 0 mempunyai arti tidak ada hubungan antara dua
variabel. Jika dilihat dari sebaran data, maka gambarnya akan seperti terlihat
di bawah ini:
3
Gambar 1 Korelasi dimana r = 0
4
Gambar 3 Korelasi dimana r = - 1
5
2.4 Harga
Dari sejumlah definisi harga menurut para ahli diatas dapat diambil
kesimpulan bahwa harga merupakan sejumlah uang yang harus dikeluarkan
oleh konsumen sebagai alat ganti atau tukar untuk mendapatkan sejumlah
barang atau manfaat serta pelayanan dari produk atau jasa yang akan didapat
oleh konsumen tersebut.
6
BAB III
Metodologi Penelitian
3.1 Jenis Penelitian
Dalam penelitian ini sumber data berasal dari data sekunder yaitu dari
literatur, artikel, jurnal serta situs di internet yang berkenaan dengan
penelitian yang dilakukan.
Metode analisis data adalah suatu metode yang digunakan untuk mengolah
hasil penelitian guna memperoleh suatu kesimpulan. Dengan melihat
kerangka pemikiran teoritis, maka teknik analisis data yang digunakan dalam
penelitian ini adalah analisis kuantitatif. Dalam penelitian ini analisis yang
digunakan untuk mengetahui pengaruh harga beras terhadap penjualan beras
di Indonesia, menggunakan analisis korelasi dan analisis regresi linier
sederhana.
Analisis kenormalan data adalah hal pertama yang harus dilakukan untuk
mengetahui data tersebut normal atau tidak.
7
2. Analisis Korelasi
8
BAB IV
Pembahasan dan Analisis Data
4.1 Kasus
1. DISTRIBUSI FREKUENSI
Prosedur ini digunakan untuk menguji kenormalan data dengan skewness
(nilai kemiringan) dan kurtosis (titik kemiringan).
Analyze → Descriptive Statistics → Frequencies
Maka akan ditampilkan kotak dialog Frequencies.
a. Pindahkan variable mana yang akan diuji kenormalan datanya,
kemudian pilih Statistics
9
b. Pilih Skewness dan Kurtosis kemudian klik Continue
10
d. Kemudian ujilah nilai skewness dan kurtosis dengan syarat nilai
Skewness dan nilai Kurtosis terletak diantara ± 2 .
Nilai Skewness
Nilai Kurtosis
Berdasarkan harga beras
Skewness
Kurtosis
Skewness
Kurtosis =
Karena nilai skewness dan kurtosis pada prestasi, jam belajar, dan jam
penggunaan media sosial diantara maka data tersebut adalah normal.
2. DISTRIBUSI DESKRIPTIF
Data itu disebut normal jika nilai Z score yang muncul sebagian besar
terletak diantara ± 1,96 .
Analyze → Descriptive Statistics → Descriptives
Maka akan ditampilkan kotak dialog Descriptives.
1. Pindahkan variable mana yang akan diuji kenormalan datanya
2. Klik save standized values as variable.
11
3. Klik OK hingga mendapat tabel Descriptive Statistics.
4. Nilai Z Score akan muncul pada data statistic nya.
Pada tabel Zscore diatas, diketahui bahwa nilai Zscore muncul sebagian
besar terletak diantara maka data tersebut adalah normal.
12
3. Klik OK maka akan muncul tampilan pada output korelasi.
Pengambilan keputusan
a. Berdasarkan Probabilitas
Syarat :
- Jika probabilitas > 0,05 maka H0 diterima
- Jika probabilitas < 0,05 maka H0 ditolak
13
Terlihat pada output bahwa probabilitas antara harga beras dengan
penjualan beras = maka H0 diterima yang artinya tidak
ada hubungan antar variabel atau dengan kesimpulan tidak ada
hubungan antara harga beras dengan penjualan beras di Indonesia.
b. Berdasarkan Angka Korelasi
Syarat :
- Arah korelasi positif dan angka korelasi > 0,5 maka memiliki
hubungan kuat
- Arah korelasi negatif dan angka korelasi < 0,5 maka memiliki
hubungan lemah
Dari output terlihat angka korelasi antara harga beras dengan
penjualan beras adalah yang artinya antara harga beras
dengan penjualan beras memiliki hubungan kuat.
14
1. Masukkan variabel Penjualan Beras ke kotak Dependent, sedangkan
variabel Harga Beras Independent (s).
2. Klik tab Statistics, maka akan ditampilkan kotak dialog Linear
regression Statistics
15
5. Kliklah *SRESID (Studentized Residual), kemudian masukkan ke kotak
Y. Selanjutnya, kliklah *ZPRED (Standardized Predicted Value)
kemudian masukkan ke kotak X. Setelah itu, klik continue
6. Klik tab Save maka akan ditampilkan kotak dialog Linear Regression
Save, lalu centang Unstandardized . Setelah itu, klik continue.
16
Dari output pada tabel variabel Entered/Removed menunjukkan
bahwa seluruh variabel bebas dimasukkan dalam perhitungan regresi.
Persamaan Regresi secara umum
Regresi Linier :
Regresi Berganda :
Pada model persamaan regresi untuk menguji ketepatan model regresi
dalam menaksir nilai aktual dapat diukur dari Goodness of fit. Secara
statistik hal ini bisa ditunjukan dengan melakukan tiga uji:
1. Koefisien Determinasi
Pengaruh variabel independen terhadap variasi variabel dependen
dapat diukur dengan besarnya nilai koefisien determinasi (R²). Pada
Output tabel Model Summary
Pengambilan keputusan
a. Berdasarkan perbandingan dengan
Syarat :
17
diterima : jika
ditolak : jika
Pada outuput (tabel ANOVA) : 1
Untuk menentukan :
Sehingga diperoleh : ( )
18
Keputusan
Kesimpulan :
Ada pengaruh antara harga beras dengan penjualan beras (model regresi
dapat dipakai untuk memprediksi penjualan beras)
b. Berdasarkan nilai probabilitas
Syarat :
diterima : jika nilai probabilitas
ditolak : jika nilai probabilitas
Diketahui sig.(tabel ANOVA) : ( )
Keputusan prob > 0,05
Kesimpulan :
Tidak ada pengaruh antara harga beras dengan penjualan beras
3. Uji Statistik T
Pada kasus diatas menggunakan regresi linear sederhana, bentuk
umum persamaan regresi:
Pada output tabel Coefficient hasil perhitungan diatas dapat dibuat
persamaan regresi :
Dimana:
Penjualan beras
Harga Beras
konstanta
Dari persamaan tersebut menunjukkan bahwa :
Koefisien regresi sebesar 0 menyatakan bahwa setiap
penambahan Rp 1 harga beras akan meningkatkan penjualan beras
sebesar
19
Konstanta sebesar menyatakan bahwa jika variabel bebas
harga beras tidak ada maka penjualan beras adalah
Hipotesis
Koefisien regresi tidak berpengaruh signifikan terhadap variabel
Koefisien regresi berpengaruh signifikan terhadap variabel
Pengambilan Keputusan
a. Berdasarkan Perbandingan dan
Syarat :
diterima : jika berada diantara nilai
ditolak : jika tidak berada diantara nilai
Dari output diperoleh nilai thitung masing-masing koefisien regresi
berturut-turut:
( untuk variabel independen 1= harga beras)
Signifikansi ( )
20
Sehingga
(1 dan berada diantara nilai ) maka:
, koefisien harga beras tidak berpengaruh signifikan
terhadap penjualan beras atau dengan kata lain koefesien harga beras
tidak berpengaruh siginifikan terhadap penjualan beras.
b. Berdasarkan Nilai Probabilitas
Syarat :
diterima : jika nilai probabilitas
ditolak : jika nilai probabilitas
Diketahui sig.(tabel Coefficient) : ( )
Probabilitas
Kesimpulan : koefisien regresi tidak berpengaruh signifikan terhadap
variabel atau dengan kata lain koefesien harga beras tidak
berpengaruh siginifikan terhadap penjualan beras.
21
atau tidaknya autokorelasi, maka Durbin Watson akan dibandingkan
dengan DWtabel dengan kriteria sebagai berikut:
b. Multikolinieritas
22
Multikolinieritas adalah hubungan antar variabel independen yang
terdapat dalam model regresi memiliki hubungan linier yang sempurna
atau mendekati sempurna (koefisien korelasinya tinggi atau bahkan 1.
Model yang baik seharusnya tidak terjadi korelasi sempurna atau
mendekati sempurna diantara variabel bebasnya. Konsekuensi adanya
multikolinieritas adalah koefisien korelasi variabel tidak tertentu dan
kesalahan menjadi sangat besar atau tidak terhingga.
Syarat uji multikolinieritas adalah :
Jika Tolerance atau inflation factor ( ) → terjadi
multikolinieritas
Dari output diperoleh:
Tolerance
23
Karena pada output scatterplot tidak menunjukkan adanya pola yang
jelas, maka tidak terjadi heteroskedastisitas pada data-data yang
digunakan pada model tersebut.
24
BAB V
Penutup
5.1. Kesimpulan
25
Daftar Pustaka
Anonim. (2015, Mei 2). Korelasi. Dipetik Mei 31, 2015, dari Wikipedia:
http://wikipedia.com
Anonim. (2015). SPSS_2. Malang: Laboratorium Komputer UMM.
Sarwono, J. (2015). Korelasi. Dipetik Mei 31, 2015, dari Jonathan Sarwono:
http://www.jonathansarwono.info/korelasi/korelasi.htm
26
Lampiran-lampiran
1. Input
Data View
Variable View
27
2. Output
28
29
30
31
32
33