Nama : Renaldi Dion Samuel

NIM : 4172111039
Kelas : PSPM C 2017

1) Jelaskan perbedaan statistik parametrik dan non parametrik!

Jawab:
No Statistik Paramerik Statistik Non Parametrik
1 Memerlukan asumsi distribusi dari Tidak memerlukan asumsi distribusi
data yang digunakan. Biasanya sehingga sebaran data bebas.
distribusi data yang diperlukan
adalah distribusi normal.
2 Memerlukan jenis data bersifat Memerlukan data metrik (kuantitaif)
metrik (kuantitatif). Bisa dikatakan dan nonmetrik (kualitatif). Atau bisa
juga bahwa data yang digunakan dikatakan bahwa data yang
hanya data dalam bentuk data digunakan bisa dalam bentuk data
interval atau rasio. nominal, ordinal, interval atau rasio.
3 Biasanya jumlah data yang Biasanya jumlah data yang
digunakan lebih atau sama dengan digunakan kurang dari 30.
30 (data berukuran besar), sebab
data yang lebih atau sama dengan
30 diasumsikan mengikuti teorema
limit pusat (central limit teorema).

2) Diberikan suatu data penelitian tentang berat badan 10 mahasiswa yang

diprediksi dipengaruhi oleh konsumsi jumlah kalori/hari. Lakukanlah analisis
dan uji regresi linier sederahana melalui SPSS dari data berikut! (buatlah
langkah-langkah pengerjaan dan printscreen hasil output secara jelas).
KALORI/HARI BERAT BADAN
NO. NAMA MAHASISWA
(X) (Y)
1 Putri 302 54
2 Fredly 512 74
3 Aslam 387 60
4 Raisa 415 63
5 Aliando 527 85
6 Joshua 358 56
7 Aisyah 300 48
8 Purnama 510 72
9 Rizky 530 89
10 Putra 300 42
 Jawab:
PROSEDUR KERJA:
- Memasukkan data di halaman variabel view:

- Memasukkan semua data di halaman data view

- Memilih Analyze, Regression, Linear. Sehingga muncul kotak dialog

berikut.
- Memasukkan variable Kalori ke kolom isian Independent(s), variable
Berat_Badan ke kolom isian Dependent. Pada metode, memilih metode Enter.

- Mengklik Statistics dan memilih menu-menu yang dibutuhkan untuk

melengkapi output (biasanya estimate, model fit, descriptive, dan collinearity
diagnostics).

- Pada menu option, mengisi nilai probabilitas yang diperlukan. Pada menu
plots, memasukkan DEPENDNT ke kotak Y, variabel ADJPRED ke kotak X.
dan memilih Normal Probability Plot.
- Mengklik Continue lalu OK. Berikut adalah output yang dihasilkan.
Regression
Descriptive Statistics
Mean Std. Deviation N
Berat_Badan 64.30 15.456 10
Kalori 414.10 98.571 10

Correlations
Berat_Badan Kalori
Pearson Correlation Berat_Badan 1.000 .950
Kalori .950 1.000
Sig. (1-tailed) Berat_Badan . .000
Kalori .000 .
N Berat_Badan 10 10
Kalori 10 10

Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Kalorib . Enter

a. Dependent Variable: Berat_Badan

b. All requested variables entered.

Model Summaryb

Model R R Square Adjusted R Square Std. Error of the Estimate

1 .950a .903 .891 5.114

a. Predictors: (Constant), Kalori

b. Dependent Variable: Berat_Badan

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 1940.846 1 1940.846 74.201 .000b
Residual 209.254 8 26.157
Total 2150.100 9

a. Dependent Variable: Berat_Badan

b. Predictors: (Constant), Kalori

Coefficientsa
Collinearit
Unstandardized Standardized y
Coefficients Coefficients Statistics
Std.
Model B Error Beta t Sig. Tolerance
1 (Constant) 2.608 7.342 .355 .732
Kalori .149 .017 .950 8.614 .000 1.000
 Coefficientsa
Collinearity Statistics
Model VIF
1 (Constant)
Kalori 1.000

a. Dependent Variable: Berat_Badan

Collinearity Diagnosticsa
Variance Proportions
Model Dimension Eigenvalue Condition Index (Constant) Kalori
1 1 1.975 1.000 .01 .01
2 .025 8.968 .99 .99

a. Dependent Variable: Berat_Badan

Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 47.30 81.57 64.30 14.685 10
Std. Predicted Value -1.158 1.176 .000 1.000 10
Standard Error of Predicted
1.617 2.576 2.258 .382 10
Value
Adjusted Predicted Value 45.54 80.29 64.19 14.660 10
Residual -6.587 7.433 .000 4.822 10
Std. Residual -1.288 1.453 .000 .943 10
Stud. Residual -1.445 1.682 .010 1.078 10
Deleted Residual -8.287 9.959 .115 6.301 10
Stud. Deleted Residual -1.572 1.958 .032 1.168 10
Mahal. Distance .000 1.382 .900 .555 10
Cook's Distance .000 .481 .161 .167 10
Centered Leverage Value .000 .154 .100 .062 10

a. Dependent Variable: Berat_Badan

Charts
 ANALISIS
 Tabel Variable Entered menunjukkan metode yang digunakan. Dalam kasus
di atas, diketahui bahwa tidak ada variabel yang dikeluarkan (removed).
 Tabel Model Summary menampilkan nilai R (koefisien korelasi) sebesar
0,950 sedangkan koefisien korelasi ganda r (Multiple R) sebesar 0,903
merupakan Indeks determinan atau presentase pengaruh Kalori terhadap
Berat Badan. Dengan demikian kita dapat menyatakan bahwa 90,3% Berat
Badan Mahasiswa dipengaruhi oleh banyak Kalori per hari, sedangkan
sisanya 9,7% dipengaruhi oleh faktor lain.
 Tabel ANOVA diatas mengindikasikan bahwa regresi sevara statistic sangat
signifikan dengan F= 74,201 untuk derajat kebebasan k= 1 dan n-k-1=10-1-
1=8 dan P-value= 0,000 yang jauh lebih kecil dari ∝= 0,05. Dari tabel
coefficients, kita dapat membuat persamaan regresi, yaitu; Y= 2,608 +
0,149X.

3) Sebuah perusahaan hand sanitizer ingin mengetahui apakah promosi dan

harga berpengaruh terhadap keputusan konsumen membeli produk tersebut.
Lakukanlah analisis dan uji regresi linier berganda melalui SPSS dari data
berikut! (buatlah langkah-langkah pengerjaan dan printscreen hasil output
secara jelas).
No. Promosi Harga Keputusan Konsumen
Responden (X1) (X2) (Y)
1 10 7 23
2 4 3 10
3 6 3 14
4 6 3 19
5 6 4 17
6 2 3 7
7 7 5 22
8 4 2 15
9 7 4 20
10 8 6 23
Jawab:
PROSEDUR KERJA
- Memasukkan data di halaman Variabel View.

- Memasukkan semua data ke halaman data view

- Memiliih Analyze, Regression, Linear. Sehingga muncul kotak dialog

berikut. Masukkan variable Promosi dan Harga ke kolom isian
Independent(s), variabel Keputusan ke kolom isian Dependent. Pada metode,
pilih metode Enter.

- Mengklik Statistics dan pilih menu-menu yang dibutuhkan untuk melengkapi

output (biasanya estimate, model fit, descriptive, dan collinearity
diagnostics).
- Pada menu plots, memilih Normal probability plot. Kemudian memindahkan
standardized residual *ZRESID ke dalam kotak Y: dan standardized predicted
value *ZPRED kedalam kotak X sebagai berikut

- Mengklik Continue lalu Ok, maka hasilnya adalah sebagai berikut:

Regression
Descriptive Statistics
Mean Std. Deviation N
Keputusan 17.00 5.497 10
Promosi 6.00 2.261 10
Harga 4.00 1.563 10

Correlations
Keputusan Promosi Harga
Pearson Correlation Keputusan 1.000 .912 .737
Promosi .912 1.000 .849
Harga .737 .849 1.000
Sig. (1-tailed) Keputusan . .000 .008
Promosi .000 . .001
Harga .008 .001 .
N Keputusan 10 10 10
Promosi 10 10 10
Harga 10 10 10
a
Variables Entered/Removed
Variables Variables
Model Entered Removed Method
1 Harga, Promosib . Enter
a. Dependent Variable: Keputusan
b. All requested variables entered.

Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .915a .836 .790 2.521 1.033

a. Predictors: (Constant), Harga, Promosi

b. Dependent Variable: Keputusan

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 227.512 2 113.756 17.899 .002b
Residual 44.488 7 6.355
Total 272.000 9

a. Dependent Variable: Keputusan

b. Predictors: (Constant), Harga, Promosi

Coefficientsa
Unstandardized Standardized Collinearity
Coefficients Coefficients Statistics
Model B Std. Error Beta t Sig. Tolerance
1 (Constant) 3.919 2.418 1.621 .149
Promosi 2.491 .703 1.024 3.544 .009 .280
Harga -.466 1.016 -.133 -.459 .660 .280

Coefficientsa
Collinearity Statistics
Model VIF
1 (Constant)
Promosi 3.576
Harga 3.576

a. Dependent Variable: Keputusan

Collinearity Diagnosticsa
Variance Proportions
Model Dimension Eigenvalue Condition Index (Constant) Promosi Harga
1 1 2.908 1.000 .01 .00 .00
2 .075 6.247 .98 .06 .09
3 .018 12.827 .01 .94 .91

a. Dependent Variable: Keputusan

Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 7.50 25.57 17.00 5.028 10
Residual -3.466 2.975 .000 2.223 10
Std. Predicted Value -1.889 1.704 .000 1.000 10
Std. Residual -1.375 1.180 .000 .882 10
Charts

ANALISIS
 Tabel Variable Entered menunjukkan metode yang digunakan. Dalam kasus
diatas, diketahui bahwa tidak ada variabel yang dikeluarkan (removed).
 Tabel Model Summary menampilkan nilai R (koefisien korelasi) sebesar 0,915
sedangkan koefisien korelasi ganda r (multiple R) sebesar 0,836 merupakan
Indeks determinan atau persentase pengaruh X terhadap Y. Dengan demikian
kita dapat menyatakan bahwa 83,6% Keputusan Masyarakat diperngaruhi oleh
promosi dan harga, sedangkan sisanya 16,4% dipengaruhi oleh faktor lain.
 Dari tabel ANOVA. Dapat dijelaskan bahwa nilai F sebesar 17,899 dengan
tingkat signifikansi sebesar 0,002 menunjukkan bahwa memang ada pengaruh.
Dari tabel coefficients, kita dapat membuat persamaan regresi, yaitu; Y=
3,918+2,491X1 – 0,466X2
4) Dari soal nomor 2 dan 3 buatlah penyelesaian secara manual.
Jawab:
SOAL NOMOR 2

 Menentukan Hipotesis

H0 : Tidak terdapat pengaruh yang signifikan antara jumlah Kalori per Hari
dengan Berat Badan Mahasiswa
Ha : Terdapat pengaruh yang signifikan antara jumlah Kalori per Hari
dengan Berat Badan Mahasiswa
Hipotesis Statistik
H0: 𝛽 = 0
Ha : 𝛽 ≠ 0

 Membuat Tabel Distribusi Frekuensi

X Y X2 Y2 XY
302 54 91204 2916 16308
512 74 262144 5476 37888
387 60 149769 3600 23220
415 63 172225 3969 26145
527 85 277729 7225 44795
358 56 128164 3136 20048
300 48 90000 2304 14400
510 72 260100 5184 36720
530 89 280900 7921 47170
300 42 90000 1764 12600
4141 643 1802235 43495 279294

 Mencari Nilai b
𝑛(∑ 𝑋𝑌)−(∑ 𝑋)(∑ 𝑌)
𝑏= 𝑛(∑ 𝑋 2 )−(∑ 𝑋)2
10(279294)−(4141)(643)
𝑏= 10(1802235)−(17147881)
2792940−2662663 1302777
𝑏= = = 0,148978 ≅ 0,149
18022350 −17147881 874469

 Mencari Nilai a
∑ 𝑌−𝑏(∑ 𝑋) (643)−0,149(4141 ) 2033−614,211
𝑎= = = = 2,608
𝑛 10 19

 Menentukan Persamaan Regresi

Y = a + bX = 2,608 + 0,149X
 Menguji Persamaan Regresi dengan menghitung nilai R
𝑛(∑ 𝑋𝑌 ) − (∑ 𝑋 )(∑ 𝑌)
𝑅=
√(𝑛(∑ 𝑋 2 ) − (∑ 𝑋)2 )(𝑛(∑ 𝑌 2 ) − (∑ 𝑌)2 )
10(279294)−(4141)(643) 1302777
𝑅= = 137120.231 = 0,95
√(10(1802235)−(17147881))(10(43495)−(413449))

 Menghitung Nilai F (Uji Signifikansi)

𝑅2 (𝑛 − 𝑚 − 1) 0,903(8) 7,221
𝐹= 2
= = = 74,2
𝑚(1 − 𝑅 ) 1(1 − 0,903) 1(0,097)
 Interpretasi
db = n – m – 1 = 10-1-1 = 8
Dikonsultasikan dengan tabel nilai 𝐹0,05. Pada taraf signifikansi 5 %,
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 74,2 𝑑𝑎𝑛 𝐹𝑡𝑎𝑏𝑒𝑙 = 2,160369. Jadi 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙, sehingga
Ha diterima dan H0 ditolak.
 Kesinpulan
Oleh karena 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙, sehingga Ha diterima dan H0 ditolak
makadapat disimpulkan bahwa terdapat pengaruh yang signifikan antara
jumlah Kalori per Hari dengan Berat Badan Mahasiswa.

SOAL NOMOR 3
 Menentukan Hipotesis

H0 : Tidak terdapat pengaruh yang signifikan antara Promosi dan Harga

dengan Keputusan Konsumen
Ha : Terdapat pengaruh yang signifikan antara Promosi dan Harga dengan
Keputusan Konsumen
Hipotesis Statistik
H0: 𝛽1 = 𝛽2 = 0
Ha : 𝛽1 ≠ 𝛽2 ≠ 0
 Membuat Tabel Distribusi Frekuensi
X1 X2 Y X12 X22 Y2 X1.X2 X1.Y X2.Y
10 7 23 100 49 529 70 230 161
4 3 10 16 9 100 12 40 30
6 3 14 36 9 196 18 84 42
6 3 19 36 9 361 18 114 57
6 4 17 36 16 289 24 102 68
2 3 7 4 9 49 6 14 21
7 5 22 49 25 484 35 154 110
4 2 15 16 4 225 8 60 30
7 4 20 49 16 400 28 140 80
8 6 23 64 36 529 48 184 138
60 40 170 406 182 3162 267 1122 737

 Mencari Nilai b
2
(∑ 𝑥1 ) 3600
∑ 𝑥1 2 = ∑ 𝑥1 2 − = 406 − = 46
𝑛 10

2
(∑ 𝑥2 ) 1600
∑ 𝑥2 2 = ∑ 𝑥 2 2 − = 182 − = 22
𝑛 10

2
(∑ 𝑌) 28900
∑ 𝑦 2 = ∑ 𝑌2 − = 3162 − = 272
𝑛 10

∑ 𝑋1 ∑ 𝑌 10200
∑ 𝑥1 𝑦 = ∑ 𝑥1 𝑌 − = 1122 − = 102
𝑛 10

∑ 𝑋2 ∑ 𝑌 6800
∑ 𝑥2 𝑦 = ∑ 𝑥 2 𝑌 − = 737 − = 57
𝑛 10

∑ 𝑋1 ∑ 𝑋2 2400
∑ 𝑥1 𝑥2 = ∑ 𝑋1 𝑋2 − = 267 − = 27
𝑛 10

Sehingga

{(∑ 𝑥22 .∑ 𝑥1 𝑦)−(∑ 𝑥2𝑦 .∑ 𝑥1𝑥2 )}

𝑏1 = 2
{(∑ 𝑥1 2 .∑ 𝑥2 2)}−(∑ 𝑥1 𝑥2 ) }

{( 22(102)−(57(27)} 2244−1539 705

= = = 283 = 2,491
{(46(22)−(729) 1012−729

{(∑ 𝑥12 .∑ 𝑥2 𝑦)−(∑ 𝑥1𝑦 .∑ 𝑥1𝑥2 )}

𝑏2 = 2
{(∑ 𝑥1 2 .∑ 𝑥2 2 )}−(∑ 𝑥1 𝑥2 ) }

{(46(57)−(102(27)} 2622−2754 −132

= = = = −0,466
{(46(22)−(729) 1012−729 283
 Mencari Nilai a
(∑ 𝑌)−(𝑏1 .∑ 𝑋1 )− (𝑏2 .∑ 𝑋2 )
𝑎=
𝑛

(170)−(2,491(60))−(−0,466(40) ) (170)−(149,46) +(18,64) 39,18

= = = = 3,918
10 10 10

 Menentukan Persamaan Regresi

Y = a + b1X2 + b2X2 = 3,918+2,491X1 – 0,466X2
 Menguji Persamaan Regresi dengan menghitung nilai R2
(𝑏1 . ∑ 𝑋1 𝑌) + (𝑏2 . ∑ 𝑋2 𝑌)
𝑟𝟐 =
∑ 𝑦2

(2,491(102) + (−0,466)(57) (254,082) − 26,562) 227,52

𝑟𝟐 = = = = 0,83
272 272 272

 Menghitung Nilai F (Uji Signifikansi)

𝑅2 (𝑛 − 𝑚 − 1) 0,836(8) 6.688
𝐹= 2
= = = 17,899
𝑚(1 − 𝑅 ) 1(1 − 0,83) 1(0,164)
 Interpretasi
db = n – m – 1 = 10-1-1 = 8
Dikonsultasikan dengan tabel nilai 𝐹0,05. Pada taraf signifikansi 5 %,
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 17,899 𝑑𝑎𝑛 𝐹𝑡𝑎𝑏𝑒𝑙 = 2,160369. Jadi 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙,
sehingga Ha diterima dan H0 ditolak.
 Kesinpulan
Oleh karena 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙, sehingga Ha diterima dan H0 ditolak
makadapat disimpulkan bahwa terdapat pengaruh yang signifikan antara
Promosi dan Harga dengan Keputusan Konsumen.