secara manual
Diterbitkan pada 8 September 2016oleh Aris Dianto
Uji independent sample t-test adalah salah satu cara untuk mengetahui apakah dua kelompok
sampel memiliki perbedaan rata-rata secara signifikan atau tidak, ada banyak cara untuk
melaksankan uji-t tersebut, bisa dengan menggunakan software olah data
statitstik semisala SPSS, MINITAB, dengan perhitungang menggunakan micorosoft
excel maupun bisa dengan perhitungan manual.
Pada kesempatan ini, saya akan sedikit berbagi bagaimana mencari nilai uji-t dengan
langkah-langkah secara manual. berikut rumus uji independent sample t-test ( Uji-t) :
Berdasarkan rumus tersebut dapat diketahui, ada 3 jenis nilai yang harus terlebih dahulu kita
persiapkan, yaitu :
Sebagai contoh, kita asumsikan peneliti mempunyai 2 (dua) kelompok sampel yang masing-
masing terdiri dari 10 responden sebagai berikut :
langkah pertama cari nilai rata-rata dari setiap kelompok sampel, jika dengan cara manual
bisa dengan menggunakan cara jumlah skor kelompok i / jumlah responden, dan jika
berbantuan software micorsoft excel bisa menggunakan rumus average. berdasarkan
langkah tersebut diperoleh :
Setelah semua nilai diketahi, masukkan kedalam rumus yang telah ditentukan di atas, maka
diperoleh nilai sebagai berikut :
Misalnya ada orang tua yang akan memasukkan anaknya ke SMA. Dia masih
menimbang-nimbang apakah akan dimasukkan ke sekolah A atau sekolah alternatif
lain yaitu sekolah B. Ia merasa yakin menyekolahkan anaknya ke sekolah A apabila
proporsi siswa yang lulus ke perguruan tinggi negeri dari sekolah A lebih tinggi
daripada dari sekolah B.
Oleh karena itu, untuk mengetahui hal tersebut perlu dilakukan pengambilan sampel
lulusan dari sekolah A dan sampel lulusan dari sekolah B. Selanjutnya sampel
tersebut digunakan untuk melakukan pengujian secara statistik apakah proporsi
siswa yang lulus ke perguruan tinggi negeri dari sekolah A lebih besar secara
signifikan dari pada dari sekolah B.
Syarat sampel untuk melakukan pengujian proporsi dua populasi adalah sampel
yang diambil harus acak (random) dan berasal dari populasi yang independen.
Berikut adalah beberapa tahapan dalam melakukan uji hipotesis dua populasi.
1. Hipotesis
Hipotesis uji proporsi dua populasi terdiri dari dua bentuk, yaitu hipotesis uji dua
arah (uji dua sisi) dan hipotesis uji satu arah (uji satu sisi).
Uji dua arah digunakan untuk mengetahui apakah dua populasi memiliki proporsi
yang sama atau tidak, sedangkan uji satu sisi digunakan untuk mengetahui apakah
populasi pertama memiliki proporsi yang lebih kecil atau lebih besar dibandingkan
dengan proporsi pada populasi kedua.
Ho: P1 = P2
H1: P1 ≠ P2
Ho: P1 ≥ P2
H1: P1 < P2
atau
Ho: P1 ≤ P2
H1: P1 > P2
Tingkat kepercayaan bisa dikurangi sesuai dengan jenis penelitian yang dilakukan,
misalnya misalnya 90 persen. Selain itu bisa juga diperbesar jika menginginkan
tingkat ketelitian yang lebih tinggi, misalnya menjadi 99 persen.
Jika disebutkan bahwa tingkat kepercayaan yang digunakan adalah 95 persen atau
(1 – α) = 0,95, maka tingkat signifikansinya adalah 5 persen α = 0,05.
3. Statistik Uji
Statistik uji yang digunakan dalam uji proporsi dua populasi adalah
dimana
Keterangan:
adalah proporsi pada sampel 1
adalah proporsi pada sampel 2
adalah proporsi gabungan
x1 adalah banyaknya sukses pada sampel 1
x2 adalah banyaknya sukses pada sampel 2
n1 adalah banyaknya sampel 1
n2 adalah banyaknya sampel 2
4. Daerah Kritis
Daerah kritis adalah daerah yang digunakan untuk menolak atau tidak menolak Ho.
Titik kritis untuk uji dua arah adalah –Zα/2 dan Zα/2, sedangkan untuk uji satu arah
adalah –Zα untuk Ho: P1 ≥ P2 dan Zα untuk Ho: P1 ≤ P2. (Lihat Tabel Z).
5. Keputusan
Jawab:
Dari persoalan di atas ingin diketahui apakah pemberian pupuk formula terbaru pada
cabe akan berdampak lebih baik daripada tidak diberi pupuk.
Maksud dari pernyataan tersebut adalah ingin diketahui apakah proporsi mati pada
cebe yang diberi pupuk lebih rendah dari proporsi mati pada cabe yang tidak diberi
pupuk.
Misalkan P1 adalah proporsi mati cabe yang diberi pupuk dan P2 adalah proporsi
mati cabe yang tidak diberi pupuk, maka H1 : P1 < P2.
2. Tingkat Kepercayaan
3. Statistik Uji
Pengujian tersebut merupakan uji proporsi dua populasi, maka statistik uji yang
digunakan adalah uji z,
4. Daerah Kritis
Karena pengujian di atas adalah pengujian satu arah, maka tingkat signifikansi yang
digunakan adalah α = 0,05. Dengan demikian daerah kritis adalah nilai di bawah –
Z0,05 = –1,645 (Lihat Tabel Z).
5. Keputusan
Telah diketahui bahwa z = –0,057 dan –Z0,05 = –1,645, oleh karena itu arena z < –
Z0,05 maka keputusannya adalah tolak Ho.
6. Kesimpulan
Berdasarkan data pengujian pemberian dan tanpa pemberian pupuk formula terbaru
pada cabe, maka dengan tingkat kepercayaan 95 persen, proporsi mati cabe yang
diberi pupuk lebih sedikit dibandingkan proporsi mati cabe yang tidak diberi pupuk.
Dengan demikian, pemberian pupuk formula terbaru pada cabe akan menjadi lebih
baik daripada tidak diberi pupuk.
Suatu penelitian sering kali menggunakan dua sampel atau lebih sebagai
hipotesis rata-rata dua populasi yakni ketika varians sama dan diketahui,
varians sama dan tidak diketahui, varians tidak sama dan tidak diketahui,
peubah acak
Dua statistik di atas menjadi dasar untuk pengembangan prosedur uji yang
melibatkan dua rata-rata. Hipotesis nol untuk selisih dua rata-rata bisa
dituliskan sebagai
Tentu saja, hipotesis alternatifnya bisa berupa dua arah atau satu arah,
yakni
Jadi, untuk uji hipotesis dua rata-rata dengan variansnya diketahui, kita
berikut
menerima H1:μ1−μ2≠d0H1:μ1−μ2≠d0 apabila z>zα/2z>zα/2 atau z<−zα/2z<
−zα/2. Sedangkan untuk uji satu arah maka kita tolak Ho dan
menerima H1:μ1−μ2>d0H1:μ1−μ2>d0 apabila z>zαz>zα dan
Tabel 1. Pengujian hipotesis rata-rata dua populasi untuk varians sama dan
diketahui
Varians Sama Tetapi Tidak Diketahui
dapat digunakan. Kita nyatakan ini lebih lanjut dalam definisi berikut.
Definisi:
di mana
dari −tα/2;n1+n2−2−tα/2;n1+n2−2.
Hipotesis, statistik uji dan wilayah kritis penolakannya untuk pengujian
hipotesis rata-rata dua populasi di mana varians sama dan tak diketahui
Contoh Soal:
pengajaran yang biasa. Kelas lain yang terdiri atas 10 siswa diberi pelajaran
yang sama tetapi dengan metode yang menggunakan bahan yang telah
terprogramkan.
Pada akhir semester murid kedua kelas itu diberikan ujian yang sama.
Pembahasan:
peroleh
1. H0:μ1=μ2H0:μ1=μ2 atau μ1−μ2=0μ1−μ2=0.
2. H1:μ1≠μ2H1:μ1≠μ2 atau μ1−μ2≠0μ1−μ2≠0.
3. α=0,10α=0,10.
dengan v=20v=20 derajat bebas.
5. Perhitungan:
Dengan demikian
6. Keputusan: Tolak Ho dan simpulkan bahwa kedua metode mengajar
hipotesis rata-rata dua populasi di mana varians tak sama dan tak
Pengamatan Berpasangan
Pengujian dua rata-rata bisa dicapai saat data dalam bentuk pengamatan
menjadi
derajat bebas.
Contoh soal:
Untuk mengetahui apakah keanggotaan dalam organisasi mahasiswa
mempunyai akibat baik atau buruk pada nilai seseorang, nilai mutu rata-
Pembahasan:
1. H0:μ1=μ2H0:μ1=μ2 atau μD=μ1−μ2=0μD=μ1−μ2=0.
2. H1:μ1<μ2H1:μ1<μ2 atau μD=μ1−μ2<0μD=μ1−μ2<0.
3. α=0,025α=0,025.
dengan v=4v=4 derajat bebas.
5. Perhitungan:
Kita peroleh ¯¯¯d=−0,5/5=−0,1d¯=−0,5/5=−0,1 dan
yang dicapainya.
27. σ
28. σ =
29. ), tetapi tidak diketahui
30. Prosedur Pengujian Hipotesis:
31. Uji 1 arah
32. Hipotesis:
33. H0 :
34. 0
35. 2
36. 1
37. )
38. (
39. D
40. =
41. - μ
42. μ
43. Ha :
44. 0
45. 2
46. 1
47. )
48. (
49. D
50. >
51. - μ
52. μ
53. atau Ha :
54. 0
55. 2
56. 1
57. )
58. (
59. D
60. <
61. - μ
62. μ
63. Uji 2 arah
64. Hipotesis:
65. H0 :
66. 0
67. 2
68. 1
69. )
70. (
71. D
72. =
73. - μ
74. μ
75. Ha :
76. 0
77. 2
78. 1
79. )
80. (
81. D
82. ≠
83. - μ
84. μ
85. Statistik uji:
86. │
87. │
88. ⎠
89. ⎞
90. │
91. │
92. ⎝
93. ⎛
94. +
95. -
96. -
97. =
98. 2
99. 1
100. 2
101. 0
102. 2
103. 1
104. 1
105. 1
106. )
107. (
108. n
109. n
110. s
111. D
112. xx
113. t
114. p
115. dimana:
116. 1
141. -
142. +
143. -
144. +
145. -
146. =
147. nn
148. s
149. n
150. s
151. n
152. sp
153. dimana:
154.
Page 2
155. Created by: Ayu Kustiani R (02811100), Dewi Novianti (0281110014), Dhani Fitri Yanthi (0281110015) dan Ismi
Amalia
156. (0281110032) - Jurusan Matematika FMIPA Unsyiah, April 2007 (Edisi Revisi)
157. 2
158. 1
166. -
167. +
168. nn
169. adalah derajat bebas.
170. Daerah penolakan:
171. 2
172. ,
173. 2
174. 1
175. -
176. +
177. > nn
178. ttα
179. (atau
180. 2
181. ,
182. 2
183. 1
184. -
185. +
186. -
187. <
188. nn
189. ttα
190. )
191. atau Pvalue < α
192. Daerah penolakan:
193. 2
194. ,2/
195. 2
196. 1
197. -
198. +
199. >
200. nn
201. ttα
202. atau Pvalue < α
203. Uji Dua Sampel Berpasangan untuk Sampel Kecil
204. Langkah-langkah untuk pengujian hipotesis dua sampel yang saling bebas dan
dua
205. sampel yang berpasangan pada dasarnya adalah sama, perbedaannya terletak
pada nilai statistik
206. uji t.
207. Uji 1 arah
208. Hipotesis:
209. H0 :
210. 0
211. 2
212. 1
213. )
214. (
215. D
216. =
217. - μ
218. μ
219. Ha :
220. 0
221. 2
222. 1
223. )
224. (
225. D
226. >
227. - μ
228. μ
229. atau Ha :
230. 0
231. 2
232. 1
233. )
234. (
235. D
236. <
237. - μ
238. μ
239. Uji 2 arah
240. Hipotesis:
241. H0 :
242. 0
243. 2
244. 1
245. )
246. (
247. D
248. =
249. - μ
250. μ
251. Ha :
252. 0
253. 2
254. 1
255. )
256. (
257. D
258. ≠
259. - μ
260. μ
261. Statistik uji:
262. n
263. s
264. Dd
265. n
266. Dd
267. t
268. d
269. d
270. 0
271. 0
272. -
273. ≈
274. -
275. =
276. σ
277. di mana : d : rata-rata selisih antar 2 sampel
278. d
286. -
287. -
288. =
289. ∑
290. ∑
291. n
292. n
293. d
294. d
295. sd
296. Daerah penolakan:
297. 1,
298. -
299. > n
300. ttα
301. (atau
302. 1,
303. -
304. -
305. <
306. n
307. ttα
308. )
309. atau Pvalue < α
310. Daerah penolakan:
311. 1,2/
312. -
313. >
314. n
315. ttα
316. atau Pvalue < α
317. Penggunaan SPSS untuk Pengujian Hipotesis Dua Sampel
318. Uji t Dua Sampel yang Saling Bebas Menggunakan SPSS
319. Contoh 1 :
320. Manager Penjualan PT. Duta Makmur ingin mengetahui apakah ada perbedaan
prestasi
321. penjualan roti rasa durian berdasarkan tingkat pendidikan salesman.
322. Pendidikan Sales Rasa Durian
323.
Page 3
324. Created by: Ayu Kustiani R (02811100), Dewi Novianti (0281110014), Dhani Fitri Yanthi (0281110015) dan Ismi
Amalia
325. (0281110032) - Jurusan Matematika FMIPA Unsyiah, April 2007 (Edisi Revisi)
326. Sarjana
327. 300
328. Sarjana
329. 320
330. Sarjana
331. 324
332. Sarjana
333. 315
334. Sarjana
335. 400
336. Sarjana
337. 420
338. Akademi
339. 398
340. Akademi
341. 375
342. Akademi
343. 364
344. Akademi
345. 325
346. Akademi
347. 410
348. Akademi
349. 425
350. Penyelesaian :
351. 1. Masukkan data dalam cell
352. 2. Klik Variable View, masukkan variabel yang dibutuhkan seperti yang
terlihat pada Gambar
353. 1.
354. Gambar 1 Variabel View untuk Data Penjualan
355. 3. Klik Data, input data ke dalam jendela Editor, pada
variabel Salesman masukkan data
356. sesuai kode berikut:
357. 1 = salesman-sarjana
358. 2 = salesman-akademi
359. Catatan: Perhitungan dalam SPSS selalu untuk tipe data numerik. Untuk itu,
variabel
360. salesman harus dijadikan numerik.
361. 4. Dari menu utama, pilih Analyze > Compare Means > Independent-
Samples T Test.
362. Muncul kotak dialog Gambar 2.
363.
Page 4
364. Created by: Ayu Kustiani R (02811100), Dewi Novianti (0281110014), Dhani Fitri Yanthi (0281110015) dan Ismi
Amalia
365. (0281110032) - Jurusan Matematika FMIPA Unsyiah, April 2007 (Edisi Revisi)
366. Gambar 2 Kotak Dialog Independent Samples T Test
367. 5. Masukkan variabel Durian pada Test Variable(s).
368. 6. Grouping Variable, pengelompokan ada pada variabel Salesman, maka
masukkan variabel
369. Salesman.
370. 7. Klik pada Define Group, seperti Gambar 3.
371. Gambar 3 Kotak Dialog Define Groups
372. • Untuk Group 1 isi dengan 1, yang berarti berisi tanda 1 atau ”salesman-
sarjana”.
373. • Untuk Group 1 isi dengan 2, yang berarti grup berisi tanda 2 atau
“salesman-akademi”.
374. 8. Setelah selesai, pilih Continue > OK maka keluarannya sebagai berikut:
375. Kesimpulan:
376. Dengan 0.05 untuk kasus di atas diketahui nilai t-tabel adalah -1.812. Karena
pada keluarannya
377. diperoleh t-hitung = -1.439 > t-tabel = -1.812 maka terima H0. Jadi dapat
disimpulkan bahwa
378.
Page 5
379. Created by: Ayu Kustiani R (02811100), Dewi Novianti (0281110014), Dhani Fitri Yanthi (0281110015) dan Ismi
Amalia
380. (0281110032) - Jurusan Matematika FMIPA Unsyiah, April 2007 (Edisi Revisi)
381. tidak terdapat perbedaan antara prestasi penjualan roti durian dengan tingkat
pendidikan
382. salesman.
383. Catatan: Penarikan kesimpulan pengujian hipotesis dengan software SPSS
menggunakan
384. statistik uji t, karena output SPSS tidak menampilkan P-value.
385. Uji t Dua Sampel yang Berpasangan Menggunakan SPSS
386. Contoh 2:
387. Produsen Obat diet ingin mengetahui apakah obat yang diproduksinya
mempunyai efek terhadap
388. penurunan berat badan konsumen. Sebuah sampel yang terdiri dari 10 orang
masing-masing
389. diukur berat badannya, kemudian setelah sebulan meminum obat tersebut,
kembali diukur berat
390. badannya.Ujilah pada taraf nyata sebesar 10% apakah obat diet tersebut
berpengaruh terhadap
391. penurunan berat badan.
392. No Sebelum Sesudah No Sebelum Sesudah
393. 1 76.85
394. 76.22 6 88.15
395. 82.53
396. 2 77.95
397. 77.89 7 92.54
398. 92.56
399. 3 78.65
400. 79.02 8 96.25
401. 92.33
402. 4 79.25
403. 80.21 9 84.56
404. 85.12
405. 5 82.65
406. 82.65 10 88.25
407. 84.56
408. Penyelesaian:
409. 1. Masukkan data dalam cell.
410. 2. Dari menu utama, pilih Analyze > Compare-means > Paired-Samples T
test.
411. 3. Pindahkan variabel sebelum dan sesudah ke kotak Paired
variables dengan mengklik dua
412. kali pada variabel tersebut (lihat Gambar 4).
413. Gambar 4 Kotak Dialog Paired-Samples T Test
414. 4. Klik OK, maka hasilnya sebagai berikut:
415.
Page 6
416. Created by: Ayu Kustiani R (02811100), Dewi Novianti (0281110014), Dhani Fitri Yanthi (0281110015) dan Ismi
Amalia
417. (0281110032) - Jurusan Matematika FMIPA Unsyiah, April 2007 (Edisi Revisi)
418. Hipotesis:
419. H0 :
420. sesudah
421. sebelum
422. μ
423. μ
424. -
425. =0
426. Ha :
427. sesudah
428. sebelum
429. μ
430. μ
431. -
432. ≠ 0
433. Hipotesis awal (H0) mengatakan bahwa rata-rata berat badan sebelum minum
obat sama dengan
434. rata-rata berat badan sesudah minum obat. Sebaliknya, Hipotesis alternatif
mengatakan bahwa
435. rata-rata berat badan sebelum minum obat tidak sama dengan rata-rata berat
badan sesudah
436. minum obat
437. Daerah penolakan:
438. Uji 2 arah:
439. Tolak H0 apabila
440. 1,2/
441. -
442. >
443. n
444. ttα
445. atau Pvalue < α
446. H0 ditolak apabila
447. 1,2/
448. -
449. >
450. n
451. ttα
452. atau jika t bernilai negatif apabila
453. 1,2/
454. -
455. -
456. <
457. n
458. ttα
459. .
460. Kesimpulan:
461. Dari keluaran di atas diperoleh nilai statistik uji t = 1.646. Dengan taraf nyata
sebesar 10 % dan
462. derajat
463. bebas
464. 9110
465. 1
466. =
467. -
468. =
469. -
470. n
471. ,
472. diperoleh
473. 833.1
474. 9,05.0
475. 1,2/
476. =
477. =
478. -
479. t
480. t n
481. α
482. .
483. Karena
484. )833.1
485. 646.1(
486. 9,05.0
487. <
488. <
489. tt
490. maka terima H0. Jadi dapat disimpulkan bahwa tidak ada perbedaan
491. antara berat badan konsumen sebelum dan sesudah meminum obat diet. Yang
berarti bahwa obat
492. diet tersebut tidak mempunyai efek untuk menurunkan berat badan.
493.
Page 7
494. Created by: Ayu Kustiani R (02811100), Dewi Novianti (0281110014), Dhani Fitri Yanthi (0281110015) dan Ismi
Amalia
495. (0281110032) - Jurusan Matematika FMIPA Unsyiah, April 2007 (Edisi Revisi)
496. Latihan 1:
497. 1. Manajer penjualan PT. Duta Makmur ingin mengetahui apakah ada
perbedaan prestasi
498. penjualan Roti Kacang berdasarkan Gender Salesman. Berikut datanya:
499. Gender
500. Jumlah Roti Kacang yang
501. terjual
502. Pria
503. 234
504. Pria
505. 220
506. Pria
507. 281
508. Pria
509. 256
510. Pria
511. 238
512. Pria
513. 210
514. Pria
515. 310
516. Wanita
517. 250
518. Wanita
519. 245
520. Wanita
521. 220
522. Wanita
523. 287
524. Wanita
525. 254
526. Ujilah data di atas menggunakan SPSS dengan level toleransi sebesar 5% dan
interpretasi
527. hasilnya
528. 2. Untuk menghadapi persaingan dengan perusahaan roti lain, roti produksi
PT. Duta Makmur
529. yang selama ini dikemas secara sederhana akan diubah kemasannya. Untuk itu
pada 15
530. daerah penjualan yang berbeda, dilakukan pengamatan dengan mencatat
penjualan Roti
531. dengan kemasan lama (kemasan 1), kemudian kemasan diganti dengan
kemasan yang lebih
532. atraktif (kemasan 2), dan kemudian dicatat tingkat penjualan roti dengan
kemasan yang baru
533. pada 15 daerah yang sama.
534. daerah kemasan 1 kemasan 2 daerah kemasan 1 kemasan 2
535. 1
536. 23
537. 26
538. 9
539. 24
540. 22
541. 2
542. 30
543. 26
544. 10
545. 26
546. 25
547. 3
548. 26
549. 29
550. 11
551. 22
552. 24
553. 4
554. 29
555. 28
556. 12
557. 24
558. 26
559. 5
560. 31
561. 30
562. 13
563. 27
564. 29
565. 6
566. 26
567. 31
568. 14
569. 22
570. 28
571. 7
572. 28
573. 32
574. 15
575. 26
576. 23
577. 8
578. 29
579. 27
580. Dengan data yang ada, apakah pengubahan kemasan membuat rata-rata
penjualan roti
581. menjadi berbeda. Uji pada taraf keberartian 1% serta interpretasikan hasilnya.
582. Lakukan perhitungan secara manual dan menggunakan SPSS.
583.
Page 8
584. Created by: Ayu Kustiani R (02811100), Dewi Novianti (0281110014), Dhani Fitri Yanthi (0281110015) dan Ismi
Amalia
585. (0281110032) - Jurusan Matematika FMIPA Unsyiah, April 2007 (Edisi Revisi)
586. REGRESI LINIER SEDERHANA
587. Tujuan
588. Mahasiswa mampu menganalisa relasi antara dua variabel melalui metode
statistika
589. sederhana yaitu scatter plot, regresi dan korelasi.
590. Dasar Teori
591. Regresi Linear Sederhana
592. Suatu persamaan dikembangkan untuk menyatakan hubungan antara dua
variabel dan
593. memperkirakan nilai variabel tak bebas Y berdasarkan variabel bebas X. Suatu
teknik yang
594. digunakan untuk membangun suatu persamaan garis lurus dan menemukan
nilai perkiraannya
595. disebut analisis regresi. Dan persamaan garis lurus tersebut
dinamakan persamaan regresi.
596. Bentuk umum dari persamaan regresi adalah:
597.bX
598.aY +
599. =
600.ˆ
601. dimana:
602. Y
603. ˆ
604. : nilai prediksi dari variabel Y berdasarkan nilai variabel X yang dipilih.
605. a : titik potong (intercept) Y. Merupakan nilai perkiraan bagi Y ketika X = 0.
606. atau a adalah nilai perkiraan bagi Y ketika garis regresi memotong sumbu
607. 0
608. =
609. X
610. b : kemiringan garis, atau perubahan rata-rata Y
611. ˆ
612. untuk setiap unit perubahan pada
613. variabel bebas X.
614. X : sembarang nilai variabel bebas yang dipilih.
615. Rumus untuk b dan a adalah:
616. (
617. ) ( )( )
618. (
619. ) ( )
620. 2
2
621. ∑
622. ∑
623. ∑
624. ∑
625. ∑
626. -
627. -
628. =
629. i
630. i
631. i
632. i
633. ii
634.X
635.X
636.n
637.Y
638.X
639.YX
640.n
641.b
642.n
643.X
644.b
645.n
646.Y
647.a
648. i
649. i
650. ∑
651. ∑
652. -
653. =
654. Korelasi
655. Analisis korelasi adalah teknik statistika yang digunakan untuk mengukur
keeratan
656. hubungan (korelasi) antara dua objek. Salah satu ukuran untuk menyatakan
keeratan hubungan
657.
Page 9
658. Created by: Ayu Kustiani R (02811100), Dewi Novianti (0281110014), Dhani Fitri Yanthi (0281110015) dan Ismi
Amalia
659. (0281110032) - Jurusan Matematika FMIPA Unsyiah, April 2007 (Edisi Revisi)
660. adalah koefesien korelasi. Koefesien bernilai antara -1 sampai 1. Rumus untuk
koefesien korelasi
661. adalah:
662. (
663. ) ( )( )
664. ∑
665. ∑
666. ∑
667. ∑
668. ∑
669. ∑
670. ∑
671. -
672. -
673. -
674. =
675.])
676.()
677.(][)
678.()
679.([
680. 2
681. 2
682. 2
683. 2
684. i
685. i
686. i
687. i
688. i
689. i
690. ii
691.Y
692.Y
693.n
694.X
695.X
696.n
697.Y
698.X
699.YX
700.n
701.r
702. Penggunaan SPSS untuk Regresi Linier Sederhana
703. Contoh 1:
704. PT. Cemerlang dalam beberapa bulan gencar mempromosikan sejumlah
peralatan elektronik
705. dengan membuka outlet-outlet di berbagai daerah. Berikut adalah data
mengenai penjualan dan
706. biaya promosi yang dikeluarkan di 15 daerah di Indonesia.
707. Daerah
708. Sales (juta Rupiah) Promosi (juta Rupiah)
709. Jakarta
710. 205
711. 26
712. Tangerang
713. 206
714. 28
715. Bekasi
716. 254
717. 35
718. Bogor
719. 246
720. 31
721. Bandung
722. 201
723. 21
724. Semarang
725. 291
726. 49
727. Solo
728. 234
729. 30
730. Yogya
731. 209
732. 30
733. Surabaya
734. 204
735. 24
736. Purwokerto
737. 216
738. 31
739. Madiun
740. 245
741. 32
742. Tuban
743. 286
744. 47
745. Malang
746. 312
747. 54
748. Kudus
749. 265
750. 40
751. Pekalongan
752. 322
753. 42
754. a. Tentukan persamaan regresinya dan berilah kesimpulan.
755. b. Bentuk diagram pencarnya (Scatter Plot).
756. Penyelesaian :
757. 1. Untuk membuat diagram pencar (scatter plot), pilih menu Graphs –
Scatter. Klik pilihan
758. Define, masukkan variabel “Sales“ ke kotak Y axis dan masukkan variabel
“Promosi“ ke
759. kotak X Axis. Selanjutnya klik OK. Untuk menunjukkan garis regresinya,
double klik pada
760. gambar tersebut sehingga muncul Chart Editor. Klik pada gambar
761. dan isikan nilai
762. intercept dan slopenya. Klik OK
763.
Page 10
764. Created by: Ayu Kustiani R (02811100), Dewi Novianti (0281110014), Dhani Fitri Yanthi (0281110015) dan Ismi
Amalia
765. (0281110032) - Jurusan Matematika FMIPA Unsyiah, April 2007 (Edisi Revisi)
766. Gambar 1 Diagram Pencar
767. 2. Klik menu Analyze > Regression > Linier sehingga muncul Gambar 12.2
768. 3.
769. Gambar 2 Kotak Dialog Linier Regression
770. Pengisian Kotak Dialog :
771. o Dependent (variabel tak bebas) adalah variabel yang akan diprediksi.
Masukkan variabel
772. sales pada kota Dependent.
773. o Independent(s) (variabel bebas). Masukkan variabel promosi dalam kotak
774. Independent(s).
775. o Case Labels (keterangan pada kasus). Karena kasus yang didasarkan pada
daerah-daerah
776.
777.
maka masukkan variabel daerah pada kotak Case Labels.
60.00
778. 40.00
779. 20.00
780. Promosi (Juta Rupiah)
781. 320.00
782. 300.00
783. 280.00
784. 260.00
785. 240.00
786. 220.00
787. 200.00
788. Sa
789. les
790. (Juta R
791. upiah)
792.
Page 11
793. Created by: Ayu Kustiani R (02811100), Dewi Novianti (0281110014), Dhani Fitri Yanthi (0281110015) dan Ismi
Amalia
794. (0281110032) - Jurusan Matematika FMIPA Unsyiah, April 2007 (Edisi Revisi)
795. o Method atau cara memasukkan seleksi variabel.
796. o Untuk melengkapi hasil analisis seperti jenis statistik, grafik (plot residual
dan
797. sebagainya) dapat dilakukan melalui tombol Statistics dan Graphs.
798. o Block; digunakan apabila akan menganalisis dan membuat model lebih dari
satu kali.
799. o Selection Variable; digunakan untuk memilih dasar model dengan aturan
tertentu yang
800. diatur dalam rule.
801. Catatan: Untuk menyimpan peubah-peubah baru hasil analisis dapat
dilakukan melalui
802. tombol Save.
803. 4. Klik OK maka hasilnya sebagai berikut.
804.
Page 12
805. Created by: Ayu Kustiani R (02811100), Dewi Novianti (0281110014), Dhani Fitri Yanthi (0281110015) dan Ismi
Amalia
806. (0281110032) - Jurusan Matematika FMIPA Unsyiah, April 2007 (Edisi Revisi)
807. Gambar 2 Keluaran Regresi dengan SPSS
808. Keterangan:
809. Dari keluaran di atas dapat diketahui bahwa nilai intercept atau a = 111.253
dengan slope atau b
810. = 3.891. Sehingga persamaan regresinya adalah:
811. Ý = a + bX
812. Ý = 111.253 + 3.891 (X)
813. Dengan koefesien korelasi R = 0.916, yang berarti ada hubungan yang erat
antara penjualan
814. dengan biaya produksi. Dimana nilai determinasi R
815. 2
816. = 0,839 menyatakan bahwa 83.9 %
817. keragaman data promosi produksi disebabkan oleh banyaknya penjualan dan
selebihnya
818. dipengaruhi oleh faktor lain yang tidak dimasukkan ke dalam model.
819. Hasil uji F dapat dilihat pada tabel ANOVA. Terlihat bahwa signifikansi
pengujian (Sig.) =
820. 0,000. Dengan menggunakan α = 0,05 , karena nilai Sig < α , maka hipotesis
nol ditolak. Hal ini
821. berarti bahwa promosi berpengaruh terhadap penjualan produksi tersebut.
822. Menampilkan Data dan Garis Regresi
823. Untuk menampilkan plot dari garis regresi dapat dilakukan dengan cara:
824. 1. Pada langkah di atas jangan mengklik OK terlebih dahulu, tapi lanjutkan
dengan mengklik
825. Save dan muncul kotak dialog seperti pada Gambar 3.
826.
Page 13
827. Created by: Ayu Kustiani R (02811100), Dewi Novianti (0281110014), Dhani Fitri Yanthi (0281110015) dan Ismi
Amalia
828. (0281110032) - Jurusan Matematika FMIPA Unsyiah, April 2007 (Edisi Revisi)
829. Gambar 3 Kotak Dialog Save
830. 2. Tandai Unstandardized pada kotak Predicted Values, kemudian
pilih Continue.
831. 3. Klik OK, kemudian pada data editor secara otomatis akan ditampilkan
peubah baru (Pre_1)
832. yaitu data hasil prediksi berdasarkan model yang dipilih.
833. 4. Pilih menu Graphs > Scatter > Simple > Define maka akan tampil kotak
dialog seperti pada
834. Gambar 4:
835. Gambar 4 Kotak Dialog Simple Scatter Plot
836. 5. Klik OK sehingga muncul tampilan scatter plot untuk regresi linear (lihat
Gambar 12.5).
837.
Page 14
838. Created by: Ayu Kustiani R (02811100), Dewi Novianti (0281110014), Dhani Fitri Yanthi (0281110015) dan Ismi
Amalia
839. (0281110032) - Jurusan Matematika FMIPA Unsyiah, April 2007 (Edisi Revisi)
840. Gambar 5 Plot Regresi Linear dengan SPSS
841. Latihan 1 :
842. 1. Seorang Insinyur sedang berusaha menyelidiki hubungan antara suhu
dengan aktivitas
843. Uranium di perusahaan tempatnya bekerja PT. Chernofillex, karena itu dia
melakukan
844. pencatatan data selama beberapa hari di reaktor tempatnya bekerja dengan
cara mengutak-
845. atik suhu reaksi dan mencatat aktivitas Uranium dengan alat pengukur
aktivitas radio aktif
846. Geleger-mullesz dan didapat hasil sebagai berikut :
847. Suhu
848. Aktivitas
849. 50
850. 45
851. 60
852. 65.5
853. 70
854. 70.4
855. 80
856. 85.3
857. 90
858. 97.5
859. 100
860. 110.6
861. 110
862. 122.5
863. 120
864. 135.3
865. 130
866. 147.5
867. 140
868. 160
869. 150
870. 172.5
871. 160
872. 185
873. 170
874. 197.5
875. a. Tentukan persamaan regresinya dan berilah kesimpulan.
876. b. Buatlah diagram pencar (scatter plot) antara aktivitas dan suhu.
877. Apakah ada hubungan yang signifikan antara suhu dan aktivitas Uranium