Tugas Rutin 9 Statistika

LAPORAN PRAKTIK UJI F UNTUK UJI SIMULTAN REGRESI

MENGGUNAKAN SPSS

Disusun Oleh :

Gusrianta 8196175006

Dosen Pengampu :
Dr. Karya Sinulingga, M.Si
Prof. Dr. Sahyar, MS.,MM.

PROGRAM MAGISTER PENDIDIKAN FISIKA

UNIVERSITAS NEGERI MEDAN
2020
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa atas segala rahmatNya sehingga makalah
ini dapat tersusun hingga selesai. Laporan Statistika yang berjudul “Laporan Praktik Uji F Untuk
Uji Simultan Menggunakan SPSS”. Laporan Statistika ini saya susun guna memenuhi tugas
mata kuliah Statistika yang diberikan oleh Bapak Dr. Karya Sinulingga, M.Si. selaku dosen mata
kuliah Statistika.
Dan harapan penulis semoga laporan ini dapat menambah pengetahuan dan pengalaman
bagi para pembaca, Untuk kedepannya dapat memperbaiki bentuk maupun menambah isi laporan
agar menjadi lebih baik lagi
Namun, Laporan Praktik ini masih jauh dari kesempurnaan. Oleh karena itu, penulis
mengharapkan adanya kritik dan saran yang membangun untuk menyempurnakan laporan ini.

Medan, April 2020

Penulis
 BAB I
PENDAHULUAN

1.1. Latar Belakang

Hipotesis seperti yang kita ketahui yakni dugaan yang mungkin benar, atau
mungkin juga salah. Dia akan ditolak jika salah atau palsu, dan akan diterima jika
faktor-faktor membenarkannya. Penolakan dan penerimaan hipotesis, dengan begitu
sangat tergantung kepada hasil-hasil penyelidikan terhadap faktor-faktor yang
dikumpulkan. Hipotesis dapat juga dipandang sebagai konklusi yang sifatnya sangat
sementara. Sebagai konklusi sudah tentu hipotesis tidak dibuat dengan semena-mena,
melainkan atas dasar pengetahuan-pengetahuan tertentu. Pengetahuan ini sebagian dapat
diambil dari hasil-hasil serta problematika-problematika yang timbul dari penyelidikan-
penyelidikan yang mendahului, dari renungan-renungan atas dasar pertimbangan yang
masuk akal, ataupun dari hasil-hasil penyelidikan yang dilakukan sendiri. Secara
prosedural hipotesis penelitian diajukan setelah peneliti melakukan kajian pustaka,
karena hipotesis penelitian adalah rangkuman dari kesimpulan-kesimpulan teoritis yang
diperoleh dari kajian pustaka.
Dalam kehidupan sehari-hari, sering kita jumpai banyak hal yang dapat kita
deskripsikan dalam bentuk data. Informasi data yang diperoleh tentunya harus diolah
terlebih dahulu menjadi sebuah data yang mudah dibaca dan dianalisa. Statistika adalah
ilmu yang mempelajari cara-cara pengolahan data.
Untuk meperoleh data-data tersebut, diperlukan adanya suatu penelitian.
Penelitian ini didapatkan melalui berbagai cara, dan juga berbagai langka-langkah
pengujian dari para pengumpul data. Sebelum melakukan penelitian, kita akan
menduga-duga terlebih dahulu terhadap apa yang kita ingin teliti. Pernyataan dugaan
atau pernyataan sementara kita ini yang disebut hipotesis. Banyak sekali macam-macam
konsep hipotesis ini, salah satunya jenis hipotesis. Terkadang dalam penelitian pun
banyak sekali permasalahan-permasalahan dan juga kesalahan dalam melakukan
penelitian. Seluruh yang akan dibahas dalam melakukan hipotesis penelitian akan
dibahas dalam makalah ini beserta permasalah-permasalahan yang terjadi.
 Hipotesis seperti yang kita ketahui (statistik), yakni dugaan yang mungkin benar,
atau mungkin juga salah. Dia akan ditolak jika salah atau palsu, dan akan diterima jika
faktor-faktor membenarkannya. Penolakan dan penerimaan hipotesis, dengan begitu
sangat tergantung kepada hasil-hasil penyelidikan terhadap faktor-faktor yang
dikumpulkan.
Selanjutnya, pengujian hipotesis penelitian secara perhitungan statistik
memerlukan perubahan rumusan hipotesis ke dalam rumusan hipotesis statistik yang
mana memasangkan hipotesis alternatif (Ha) dan hipotesis nol (Ho) sehingga dapat
memutuskan dengan tegas menolak atau menerima salah satu dari kedua hipotesis
tersebut. Selain itu, Pengujian hipotesis deskriptif pada dasarnya merupakan proses
pengujian generalisasi hasil penelitian yang didasarkan pada satu sampel. Kesimpulan
yang dihasilkan nanti adalah apakah hipotesis yang diuji itu dapat digeneralisasikan atau
tidak. Dalam uji hipotesis satu sampel ini variabel penelitiannya bersifat mandiri, dan
sampelnya satu, oleh karena itu variabel penelitiannya tidak berbentuk perbandingan
ataupun hubungan antar dua variabel atau lebih.

1.2. Rumusan Masalah

1. Bagaimana perhitungan Uji F untuk uji simultan menggunakan SPSS?

1.3. Tujuan Penulisan

1. Untuk mengetahui cara menghitung Uji F untuk uji simultan menggunakan SPSS
 BAB II
DESKRIPSI KERJA

2.1. Pengertian Uji F

Uji F dikenal dengan Uji serentak atau uji Model/Uji Anova, yaitu uji untuk melihat
bagaimanakah pengaruh semua variabel bebasnya secara bersama-sama terhadap variabel
terikatnya. Atau untuk menguji apakah model regresi yang kita buat baik/signifikan atau
tidak baik/non signifikan. Dalam artikel ini dijelaskan tentang Uji F dan Uji T dalam
penelitian.
Jika model signifikan maka model bisa digunakan untuk prediksi/peramalan, sebaliknya
jika non/tidak signifikan maka model regresi tidak bisa digunakan untuk peramalan.
Uji F dapat dilakukan dengan membandingkan F hitung dengan Tabel F: F Tabel dalam
Excel, jika F hitung > dari F tabel, (Ho di tolak Ha diterima) maka model signifikan atau
bisa dilihat dalam kolom signifikansi pada Anova (Olahan dengan SPSS, Gunakan Uji
Regresi dengan Metode Enter/Full Model). Model signifikan selama kolom signifikansi (%)
< Alpha (kesiapan berbuat salah tipe 1, yang menentukan peneliti sendiri, ilmu sosial
biasanya paling besar alpha 10%, atau 5% atau 1%). Dan sebaliknya jika F hitung < F tabel,
maka model tidak signifikan, hal ini juga ditandai nilai kolom signifikansi (%) akan lebih
besar dari alpha.

2.2. Hipotesis Statistik

 Untuk melihat F tabel dalam pengujian hipotesis pada model regresi, perlu menentukan
derajat bebas atau degree of freedom  (df) atau dikenal dengan df2 dan juga dalam F tabel
disimbolkan dengan N2. Hal ini ditentukan dengan rumus:
df1 = k-1
df2 = n-k
 Dimana n = Banyaknya observasi dalam kurun waktu data.
 Dimana k = Banyaknya variabel (bebas dan terikat).

Dalam pengujian ini dilakukan dengan tingkat kepercayaan 5% atau 0,05, dalam hal ini
bisa kita uji dengan rumus tersebut. Pada df1 = 3 - 1 = 2 dan pada df2 = 10 - 3 = 7, maka
nilai F tabel adalah 4,74.
 Dasar Pengambilan Keputusan Untuk Uji F (Simultan) Dalam Analisis Regresi
Berdasarkan nilai F hitung dan F tabel :
 Jika nilai F hitung > F tabel maka variabel bebas (X) berpengaruh terhadap variabel
terikat (Y).
 Jika nilai F hitung < F tabel maka variabel bebas (X) tidak berpengaruh terhadap variabel
terikat (Y).
Berdasarkan nilai signifikansi hasil output SPSS :
 Jika nilai Sig. < 0,05 maka variabel bebas (X) berpengaruh signifikan terhadap variabel
terikat (Y).
 Jika nilai Sig. > 0,05 maka variabel bebas (X) tidak berpengaruh signifikan terhadap
variabel terikat (Y).

2.3. Alat dan Bahan

Alat :
 Laptop
 SPSS
Bahan :
 Lembar data daftar nilai

2.4. Cara Kerja

Motivasi Belajar Minat Belajar Prestasi
No.
(X1) (X2) (Y)
1 75 75 80
2 60 70 75
3 65 70 75
4 75 80 90
5 65 75 85
6 80 80 85
7 75 80 95
8 80 88 95
9 65 75 80
10 80 75 90
11 60 65 75
12 65 70 75
1. Langkah langkah yang dilakukan dalam mengolah perhitungan di SPSS yang pertama
adalah Buka software SPSS dan siapkan agar tampilan awal spreadsheet muncul .

Gambar 1 : Tampilan awal Software SPSS

2. Langkah selanjutnya yaitu mendefinisikan variabel data diatas pada lembar variabel
view seperti Gambar 2.5 berikut :
 Gambar 2 : Tampilan isian Variabel View
Pilih Type untuk menentukan apa “String/Numerik”. String untuk data saja dan
Numerik untuk data angka Width untuk jumlah huruf atau angka. Decimal untuk angka
dibelakang kom. Label diisikan sesuai Name. Value untuk bahan keterangan. Missing
untuk data salah. Coloumns untuk jumlah kolom SPSS untuk datanya. Align, untuk
merapikan data ke kiri/kanan. Measure bisa nominal dan scale. Nominal untuk data dan
scale untuk angka.
Pada Variabel View, bagian name baris 1 dituliskan X1 (pada kolom ini tidak
boleh menggunakan spasi), bagian type saya pilih Numeric, Decimalnya 2, pada bagian
label saya tuliskan Motivasi Belajar. Pada baris kedua untuk kolom name saya isi X2
disini juga tidak menggunakan spasi, kemudian pada decimal saya pilih 2 dibelakang
desimal, pada label saya tulis Minat Belajar . Pada baris ketiga untuk kolom name saya
ketik Y dan labelnya ditulis Prestasi dengan measure scale.
3. Langkah selanjutnya adalah membuka data view. Menginput datanya dapat manual
maupun copy paste data. Menginput nilai motivasi, minat belajar dan prestasi belajar ke
dalam tabel yang sudah diberi label sesuai nilai.
 Gambar 3 : Tampilan Menginput Nilai Motivasi , minat dan Prestasi.
4. Untuk melakukan uji F untuk simultan regresi, klik Analyze
regression Linier

Gambar 4 : Tampilan Perintah Analyze

5. Kemudian, Prestasi saya pindah ke kolom Dependent, Untuk Motivasi dan minat saya
Blok dan pindahkan ke kanan ke kotak independent.
 Gambar 5 : Tampilan Perintah untuk Statistik
6. Langkah selanjutnya adalah Tekan Ok, dan akan keluar hasil outputnya .
Variables Entered/Removeda

Model Variables Variables Method

Entered Removed

Minat (X2),
1 . Enter
Motivasi (X1)b

a. Dependent Variable: Prestasi (Y)

b. All requested variables entered.

Model Summary

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 .885a .783 .735 4.00546

a. Predictors: (Constant), Minat (X2), Motivasi (X1)

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 522.273 2 261.136 16.277 .001b

1 Residual 144.394 9 16.044

Total 666.667 11

a. Dependent Variable: Prestasi (Y)

b. Predictors: (Constant), Minat (X2), Motivasi (X1)
 Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 2.351 14.888 .158 .878

1 Motivasi (X1) .265 .262 .266 1.010 .339

Minat (X2) .828 .333 .656 2.491 .034

a. Dependent Variable: Prestasi (Y)

 BAB III
KESIMPULAN

3 . 1 Analisis Regresi
Analisis regresi dalam statistika adalah salah satu metode untuk menentukan
hubungan sebab-akibat antara satu variabel dengan variabel(-variabel) yang lain. Variabel
"penyebab" disebut dengan bermacam-macam istilah: variabel penjelas, variabel
eksplanatorik, variabel independen, atau secara bebas, variabel X (karena sering kali
digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel terkena akibat dikenal
sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y.
Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang
dipengaruhi harus selalu variabel acak.
Regresi linier adalah salah satu dari jenis analisis peramalan atau prediksi yang
sering digunakan pada data berskala kuantitatif (interval atau rasio). Tujuan dilakukannya
regresi linear antara lain adalah: Apakah seperangkat atau sekumpulan variabel prediktor
signifikan dalam memprediksi variabel respon? Variabel predictor manakah yang
signifikan dalam menjelaskan variable respon? Hal ini ditunjukkan dengan koefisien
estimasi regresi. Koefisien estimasi inilah yang nantinya akan membentuk persamaan
regresi.Analisis regresi adalah salah satu analisis yang paling populer dan luas
pemakaiannya. Analisis regresi dipakai secara luas untuk melakukan prediksi dan ramalan,
dengan penggunaan yang saling melengkapi dengan bidang pembelajaran mesin. Analisis
ini juga digunakan untuk memahami variabel bebas mana saja yang berhubungan dengan
variabel terikat, dan untuk mengetahui bentuk-bentuk hubungan tersebut.
3.2 Konsep dasar Analisis Regresi Berganda
1. Analisis regresi berganda bertujuan untuk mengetahui ada atau tidaknya pengaruh dua
atau lebih variabel bebas (X) terhadap variabel terikat (Y).
2. Uji T bertujuan untuk mengetahui ada atau tidaknya pengaruh parsial (sendiri) yang
diberikan variabel bebas (X) terhadap variabel terikat (Y).
3. Uji F bertujuan untuk mengetahui ada atau tidaknya pengaruh simultas (bersama – sama)
yang diberikan variabel bebas (X) terhadap variabel terikat (Y)
 4. Koefisien diterminasi berfungsi untuk mengetahui berapa persen pengaruh yang
diberikan variabel X secara simultan terhadap variabel Y
3 . 3 Perumusan Hipotesis
H1 = Terdapat pengaruh Motivasi (X1) terhadap prestasi (Y)
H2 = Terdapat pengaruh Minat (X2) terhadap prestasi (Y)
H3 = Terdapat pengaruh Motivasi (X1) dan Minat (X2) terhadap Prestasi
belajar siswa (Y)
Tingkat kepercayaan 95%, α = 0,05
3 . 4 Dasar Pengambilan Keputusan
Uji t
1) Jika nilai sig < 0,05 atau t hitung > t tabel maka terdapat pengaruh variabel X terhadap
variabel Y
2) Jika nilai sig > 0,05 atau t hitung < t tabel maka tidak terdapat pengaruh varibael X
terhadap Y
Uji F
1) Jika nilai sig < 0,05 atau F hitung > F tabel maka terdapat pengaruh variabel X secara
simultan terhadap variabel Y
2) Jika nilai sog > 0,05 atau F hitung < F tabel maka tidak terdapat pengaruh variabel X
secara simultan terhadap variabel Y.

3 . 5 Hasil Uji F untuk Simultan Uji Regresi

1. Persamaan Regresi

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 2.351 14.888 .158 .878

1 Motivasi (X1) .265 .262 .266 1.010 .339

Minat (X2) .828 .333 .656 2.491 .034

a. Dependent Variable: Prestasi (Y)

 Y = aY= a + b1X1+ b2X2
Ket. Y = Hasil Belajar
a = Konstanta
b1, b2 = Koefisien Regresi
X1 = Cara Belajar
X2 = Motivasi Belajar
Maka persamaan regresinya adalah,
Y = 2,351+ 0,828(X1) + 0,265 (X2)
2. Hasil Uji Determinasi R2

Model Summary

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 .885a .783 .735 4.00546

a. Predictors: (Constant), Minat (X2), Motivasi (X1)

Berdasarkan tabel output SPSS “Model Summary” diketahui koefisien

determinasi atau R Square adalah 0,783. Nilai R square ini berasal dari hasil
pengkuadratan nilai koefisien korelasi atau “R” yaitu 0,885 x 0,885 = 0,783. Besarnya
angka koefisien determinasi (R Square) adalah 0,737 atau sama dengan 78,3%. Angka
tersebut mengandung arti bahwa variabel Motivasi Belajar (X1) dan variabel Minat
Belajar (X2) secara simultan (bersama sama) berpengaruh terhadap Prestasi Belajar(Y)
sebesar 78.3%. Sedangkan sisanya (100% - 73,7% = 21,7%) dipengaruhi oleh variabel
lain diluar persamaan regresi ini.
3. Hasil Uji Koefisien Regresi
4.
Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

1 (Constant) 2.351 14.888 .158 .878

 Motivasi (X1) .265 .262 .266 1.010 .339

Minat (X2) .828 .333 .656 2.491 .034

a. Dependent Variable: Prestasi (Y)

Setiap uji statistik memiliki kegunaan yang berbeda. Konsep Dasar Analisis
regresi berganda bertujuan untuk mengetahui ada atau tidaknya pengaruh dua atau lebih
variabel bebas (X) terhadap variabel terikat (Y). Uji F bertujuan untuk mengetahui ada
atau tidaknya pengaruh simultas (bersama – sama) yang diberikan variabel bebas (X)
terhadap variabel terikat (Y). Koefisien diterminasi berfungsi untuk mengetahui berapa
persen pengaruh yang diberikan variabel X secara simultan terhadap variab Y.
Untuk melakukan Untuk melakukan uji F untuk simultan regresi, klik Analyze
regression Linier. Kemudian, Prestasi saya pindah ke kolom Dependent, Untuk
Motivasi dan minat saya Blok dan pindahkan ke kanan ke kotak independent. Terakhir
Klik Ok.

Uji F digunakan untuk mengetahui apakah variabel-variabel independen secara

simultan berpengaruh signifikan terhadap variabel dependen. Derajat kepercayaan yang
digunakan adalah 0,05. Apabila nilai F hasil perhitungan lebih besar daripada nilai F
menurut tabel maka hipotesis alternatif, yang menyatakan bahwa semua variabel
independen secara simultan berpengaruh signifikan terhadap variabel dependen.
 DAFTAR PUSTAKA

Anas, Sudiyono. 1997. Pengantar Statistik Pendidikan. Jakarta : PT Raja GrafindoPersada

Ruseffendi, H.E.T. 1998. Statistika Dasar Untuk Penelitian Pendidikan. Bandung. IKIP
Bandung Press
Siregar, Syafaruddin. 2005. Statistik Terapan untuk Penelitian. Jakarta: PT. Gramedia.
Walpole, R.E. dan R.H. Myers. 1995. Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan.
Edisi keempat. Penerbit ITB. Bandung

5. Pengujian Hipotesis
Perumusan Hipotesis
H1 = Terdapat pengaruh Motivasi belajar terhadap prestasi belajar
H2 = Terdapat pengaruh minat belajar terhadap prestasi belajar.
H3 = Terdapat pengaruh Motivasi belajar dan minat Belajar terhadap
prestasi Belajar
Tingkat Kepercayaan 95% dengan α = 0.05.
Uji F digunakan untuk mengetahui apakah variabel-variabel independen secara
simultan berpengaruh signifikan terhadap variabel dependen. Derajat kepercayaan
yang digunakan adalah 0,05. Apabila nilai F hasil perhitungan lebih besar daripada
nilai F menurut tabel maka hipotesis alternatif, yang menyatakan bahwa semua
variabel independen secara simultan berpengaruh signifikan terhadap variabel
dependen.
ANOVAa

Model Sum of df Mean Square F Sig.

Squares

Regression 2580,559 2 1290,280 65,921 ,000b

1 Residual 919,941 47 19,573

Total 3500,500 49

a. Dependent Variable: Prestasi

b. Predictors: (Constant), Minat Belajar, Motivasi Belajar
Berdasarkan tabel output “ANOVA” di atas diketahui bahwa nilai
signifikansi dalam uji F adalah 0,000. Karena sig. 0,000 < 0,05 maka sebagaimana
dasar pengambilan keputusan dalam uji F dapat disimpulkan bahwa Motivasi belajar
(X1) dan minat belajar (X2) secara simultan (bersama-sama) berpengaruh terhadap
prestasi belajar atau berarti signifikan.