Tugas hYBRID

Post test modul Vi

PRAKTIKUM STATISTIKA
Nama : Anas Ibnu Madjah

NIM : 20190910091

Kelas : SI 2019 C

POST TEST

1. Analisis data sales (modul 2) dengan analisis korelasi dan regresi dan berikan
kesimpulannya ?
2. Tentukan nilai estimasinya dari data sales pada modul 2 !

Jawaban

1. Membuka Data PT Komputer OK

Analisis Korelasi

Korelasi Bivariat

Langkah-langkah :
  Masukan Data Diatas, klik Analize → Correlate → Bivariate → Masukan variabel
yang akan diuji → Klik Pearson dan Spearman → Ok.
 Analisis outputnya…

Program :

Hasil :
Analisis :

Tabel Pearson korelations menunjukan nilai koefisien 0,355 jadi hubungan antara variabel
nilai penjualan dan masa kerja adalah cukup. Dengan kekeliruan 5% atau derajat kepercayaan
95% mempunyai korelasi yang nyata. Karena nilai sig.(0.258) > α (5%). Maka Ho diterima
artinya tidak ada pengaruh yang signifikan antara variabel nilai penjualan dengan variabel
masa kerja.

Output SPSS Spearman

Analisis :

Tabel Pearson korelations menunjukan nilai koefisien 0,372 jadi hubungan antara variabel
gaji dan variabel tunjangan adalah cukup. Dengan kekeliruan 5% atau derajat kepercayaan
95% mempunyai korelasi yang nyata. Karena nilai sig.(0.234) > α (5%). Maka Ho diterima
artinya tidak ada pengaruh yang signifikan antara variabel nilai penjualan dengan variabel
masa kerja.

Korelasi Partial

Uji Partial digunakan untuk menguji hubungan dua variabel dengan menggunakan variabel
lain (variabel kontrol) yang berpengaruh terhadap korelasi. Langkah-langkahnya :

 Masukan Data Diatas, klik Analize → Correlate → Partial → Masukan variabel

Nilai penjualan dan Jumlah Toko yang di kunjungi ke kotak Variabel.
 Masukan variabel Masa Kerja ke kotak Controlling for → Klik OK. Maka akan
muncul :

Program :
Hasil :

Analisis :

Tabel korelasi Nilai Penjualan – Jumlah Toko yang di kunjungi dengan variabel kontrol Masa
kerja menunjukan nilai koefisien korelasi yang besar (0,894). Sehingga hubungannya Sangat
Kuat. Dengan kekeliruan 5% atau derajat kepercayaan 95% mempunyai korelasi yang nyata.
Karena nilai sig.(0.000) < α (5%). Maka Ho ditolak jadi hubungan kedua variabel dengan
variabel masa kerja adalah signifikan.

Analisis Regresi

Langkah :

Regresi Linear Satu Variabel Indenpenden

  Masukan Data Diatas, klik Analize → Regression → Linear → Isi Dependent =
Nilai Penjualan → isi Independent(s) = Jumlah Toko yang di kunjungi → isi
Case Labels = Area Penjualan → Method pilih Enter → Ok
 Analisis Output SPSS….

Program :
Hasil :

Analisis :

Tabel di atas nilai korelasi adalah 0,905. Nilai ini dapat diinterpretasikan bahwa hubungan
kedua variabel penelitian ada di kategori sangat kuat. Melalui tabel ini juga diperoleh nilai R
Square atau koefisien determinasi (KD) yang menunjukkan seberapa bagus model regresi
yang dibentuk oleh interaksi variabel bebas dan variabel terikat.Nilai KD yang diperoleh
adalah 81,9% yang dapat ditafsirkan bahwa variabel bebas (jumlah toko yang di kunjungi)
memiliki pengaruh kontribusi sebesar 81,9% terhadap variabel Y dan 18,1% lainnya
dipengaruhi oleh faktor-faktor lain diluar variabel Jumlah toko yang di kunjungi.

Analisis :

Tabel di atas digunakan untuk menentukan taraf signifikansi atau linieritas dari regresi.
Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi (Sig.). Cara yang
paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig. < 0,05, maka model regresi
adalah linier, dan berlaku sebaliknya. Berdasarkan tabel ketiga, diperoleh Sig. = 0,000 yang
berarti < kriteria signifikan (0,05), dengan demikian model persamaan regresi berdasarkan
data penelitian adalah signifikan artinya, model regresi linier memenuhi kriteria linieritas.
Analisis :

Tabel di atas menginformasikan model persamaan regresi yang diperoleh dengan koefisien
konstanta dan koefisien varibel yang ada di kolom Unstandardized Coefficients B.
Berdasarkan tabel ini diperoleh model persamaan : Y = -44,677 + 6,192 X1

Regresi Linear Berganda / multiple regression

Digunakan untuk memprediksi pengaruh lebih dari satu variabel indenfenden berskala
kuantitatif (interval, rasio) terhadap suatu variabel defenden.

Langkah praktikum sama seperti pada langkah diatas, hanya tinggal mnambahkan pada
pengisian Indefenden dengan Pendidikan → kemudian Analisis Hasil Outputnya (seperti
contoh sebelumnya)

Program :
Hasil :

Analisis :

Tabel di atas nilai korelasi adalah 0,941. Nilai ini dapat diinterpretasikan bahwa hubungan
kedua variabel penelitian ada di kategori sangat kuat. Melalui tabel ini juga diperoleh nilai R
Square atau koefisien determinasi (KD) yang menunjukkan seberapa bagus model regresi
yang dibentuk oleh interaksi variabel bebas dan variabel terikat.Nilai KD yang diperoleh
adalah 88,6% yang dapat ditafsirkan bahwa variabel bebas (jumlah toko yang di kunjungi dan
pendidikan sales) memiliki pengaruh kontribusi sebesar 88,6% terhadap variabel Y dan
11,4% lainnya dipengaruhi oleh faktor-faktor lain diluar variabel jumlah toko yang di
kunjungi dan pendidikan sales.
Analisis :

Tabel di atas digunakan untuk menentukan taraf signifikansi atau limeritas dari regresi.
Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi (Sig.). Cara yang
paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig. < 0,05, maka model regresi
adalah linier, dan berlaku sebaliknya. Berdasarkan tabel ketiga, diperoleh Sig. = 0,000 yang
berarti < kriteria signifikan (0,05), dengan demikian model persamaan regresi berdasarkan
data penelitian adalah signifikan artinya, model regresi linier memenuhi kriteria linieritas.

Analisis :

Tabel di atas menginformasikan model persamaan regresi yang diperoleh dengan koefisien
konstanta dan koefisien varibel yang ada di kolom Unstandardized Coefficients B.
Berdasarkan tabel ini diperoleh model persamaan : Y = -40,404 + 5,075 X1

2. Menentukan Nilai Estimasi

Estimasi Persamaan

Tujuan : menentukan Estimasi suatu persamaan regresi secara cepat

 Klik Analize → Regression → Curve Estimation

 Masukan Variabel Penjualan ke kotak Defenden dan Promosi ke kotak Variable
 Pada kotak Models, pilih model (boleh lebih dari satu) sebagai contoh pilih linear,
growth, dan Exponential → pilih Display ANOVA Table → Ok
 Analisis Hasil Outputnya
Program :

Hasil :
Analisis :

Tabel di atas nilai korelasi adalah 0,905. Nilai ini dapat diinterpretasikan bahwa hubungan
kedua variabel penelitian ada di kategori sangat kuat. Melalui tabel ini juga diperoleh nilai R
Square atau koefisien determinasi (KD) yang menunjukkan seberapa bagus model regresi
yang dibentuk oleh interaksi variabel bebas dan variabel terikat.Nilai KD yang diperoleh
adalah 81,9% yang dapat ditafsirkan bahwa variabel bebas (jumlah toko yang di kunjungi)
memiliki pengaruh kontribusi sebesar 81,9% terhadap variabel Y dan 18,1% lainnya
dipengaruhi oleh faktor-faktor lain diluar variabel jumlah toko yang di kunjungi.

Tabel di atas digunakan untuk menentukan taraf signifikansi atau linieritas dari regresi.
Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi (Sig.). Cara yang
paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig. < 0,05, maka model regresi
adalah linier, dan berlaku sebaliknya. Berdasarkan tabel ketiga, diperoleh Sig. = 0,000 yang
berarti < kriteria signifikan (0,05), dengan demikian model persamaan regresi berdasarkan
data penelitian adalah signifikan artinya, model regresi linier memenuhi kriteria linieritas.
Tabel di atas menginformasikan model persamaan regresi yang diperoleh dengan koefisien
konstanta dan koefisien varibel yang ada di kolom Unstandardized Coefficients B.
Berdasarkan tabel ini diperoleh model persamaan : Y = 6,192 + (-44,677) X1

Analisis :

Tabel di atas nilai korelasi adalah 0,942. Nilai ini dapat diinterpretasikan bahwa hubungan
kedua variabel penelitian ada di kategori sangat kuat. Melalui tabel ini juga diperoleh nilai R
Square atau koefisien determinasi (KD) yang menunjukkan seberapa bagus model regresi
yang dibentuk oleh interaksi variabel bebas dan variabel terikat.Nilai KD yang diperoleh
adalah 88,7% yang dapat ditafsirkan bahwa variabel bebas (jumlah toko yang di kunjungi)
memiliki pengaruh kontribusi sebesar 88,7% terhadap variabel Y dan 11,3% lainnya
dipengaruhi oleh faktor-faktor lain diluar variabel jumlah toko yang di kunjungi.

Tabel di atas digunakan untuk menentukan taraf signifikansi atau linieritas dari regresi.
Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi (Sig.). Cara yang
paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig. < 0,05, maka model regresi
adalah linier, dan berlaku sebaliknya. Berdasarkan tabel ketiga, diperoleh Sig. = 0,000 yang
berarti < kriteria signifikan (0,05), dengan demikian model persamaan regresi berdasarkan
data penelitian adalah signifikan artinya, model regresi linier memenuhi kriteria linieritas.

Tabel di atas menginformasikan model persamaan regresi yang diperoleh dengan koefisien
konstanta dan koefisien varibel yang ada di kolom Unstandardized Coefficients B.
Berdasarkan tabel ini diperoleh model persamaan : Y = 0,131 +1,855 X1

Analisis :

Tabel di atas nilai korelasi adalah 0,942. Nilai ini dapat diinterpretasikan bahwa hubungan
kedua variabel penelitian ada di kategori sangat kuat. Melalui tabel ini juga diperoleh nilai R
Square atau koefisien determinasi (KD) yang menunjukkan seberapa bagus model regresi
yang dibentuk oleh interaksi variabel bebas dan variabel terikat.Nilai KD yang diperoleh
adalah 88,7% yang dapat ditafsirkan bahwa variabel bebas (jumlah toko yang di kunjungi)
memiliki pengaruh kontribusi sebesar 88,7% terhadap variabel Y dan 11,3% lainnya
dipengaruhi oleh faktor-faktor lain diluar variabel jumlah toko yang di kunjungi.

Tabel di atas digunakan untuk menentukan taraf signifikansi atau linieritas dari regresi.
Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi (Sig.). Cara yang
paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig. < 0,05, maka model regresi
adalah linier, dan berlaku sebaliknya. Berdasarkan tabel ketiga, diperoleh Sig. = 0,000 yang
berarti < kriteria signifikan (0,05), dengan demikian model persamaan regresi berdasarkan
data penelitian adalah signifikan artinya, model regresi linier memenuhi kriteria linieritas.

Tabel di atas menginformasikan model persamaan regresi yang diperoleh dengan koefisien
konstanta dan koefisien varibel yang ada di kolom Unstandardized Coefficients B.
Berdasarkan tabel ini diperoleh model persamaan : Y = 0,131 + 6,389 X1

Analisis :

Grafik di atas menunjukan tingkat nilai penjualan hasil dari analisis regresi berdasarkan
beberapa model yaitu Linear, Growth dan Exponential.