Regresi Linear

Sederhana
 Persamaan Regresi Linear

Regresi merupakan suatu alat ukur yang juga digunakan untuk

mengukur ada atau tidaknya korelasi antarvariabelnya.

Istilah regresi itu sendiri berarti ramalan atau taksiran.

Persamaan yang digunakan untuk mendapatkan garis regresi pada

data diagram pencar disebut persamaan regresi.
Untuk menempatkan garis regresi pada data yang diperoleh maka
digunakan metode kuadrat terkecil, sehingga bentuk
persamaan regresi adalah sebagai berikut:
Y’ = a + b X
Kesamaan di antara garis regresi dan garis trend tidak dapat
berakhir dengan persamaan garis lurus. Garis regresi (seperti
garis trend dan nilai tengah aritmatika) memiliki dua sifat
matematis berikut :
Nilai dari a dan b pada persamaan regresi dapat
dihitung dengan rumus berikut :
 xi yi
b
2
 xi
n  X i Yi   X i  Yi
atau b
n X i2   X i 2
a  Y  bX
 Penggunaan Persamaan Regresi dalam
Peramalan
Tujuan utama penggunaan persamaan regresi adalah
untuk memperkirakan nilai dari variabel tak bebas
pada nilai variabel bebas tertentu. Tentu saja, tidak
mungkin untuk mengatakan dengan tepat.
 Analisis Regresi Linear
y
ŷ  a  bx

y
y (0)
(+)
y
y
(-)
(+)

y
(0) y
(-)
y
(+)
y
y (-)
(+) y
(-)

Gambar 2 Garis regresi linier pada diagram pencar

Regresi Linear
 Analisis Regresi Linear
Contoh 1
Dari suatu praktikum aplikasi komputer diperoleh data yang menghubungkan
variabel bebas x dan variabel terikat y seperti ditunjukkan dalam tabel berikut.
Uji ke- x y
1 6 30
2 9 49
3 3 18
4 8 42
5 7 39
6 5 25
7 8 41
8 10 52
 56 296

Regresi Linear
 Analisis Regresi Linear
Jika berdasarkan kajian teoritis dan sifat dari fenomena yang menghubungkan x
dan y dapat diasumsikan mempunyai bentuk hubungan linier, maka persamaan
garis regresinya dapat ditentukan sebagai berikut.
Tabel perhitungan:
Uji ke- x y xy x2 y2
1 6 30 180 36 900
2 9 49 441 81 2401
3 3 18 54 9 324
4 8 42 336 64 1764
5 7 39 273 49 1521
6 5 25 125 25 625
7 8 41 328 64 1681
8 10 52 520 100 2704
 56 296 2257 428 12920

x
 x  56  7 y
 y  296  37
n 8 n 8

Regresi Linear
 Analisis Regresi Linear
Kolom y2 ditambahkan pada tabel meskipun
belum digunakan untuk perhitungan
persamaan garis regresi. Nilai tersebut akan
digunakan kemudian. Jadi dengan
menggunakan hasil pada tabel, nilai dari
konstanta a dan b dapat ditentukan:
n   xy     x   y  8(2257)  (56)(296) 1480
b 2
 2
  5,1389
2 8(428)  (56) 288
n  x    x 
a  y  bx  37  (5,1389)(7)  1,0277
Regresi Linear
Jadi persamaan garis regresi linier yang
menggambarkan hubungan antara variabel x dan y
dari data sampel pada percobaan/praktikum di atas
adalah:
yˆ  a  bx  1,0277  5,1389x

Dengan menggunakan persamaan garis regresi yang

diperoleh, maka dapat diperkirakan hasil yang akan
diperoleh (nilai y) untuk suatu nilai x tertentu. Misalnya
untuk x = 4 maka dapat diperkirakan bahwa y akan
bernilai:
yˆ  a  bx  1,0277  5,1389x =1,0277 + 5,1389(4) = 21,583
 Analisis Regresi Linear
60

50 y = 5.1389x + 1.0278

40

y
30

20

10

0
0 2 4 6 8 10 12

Gambar. Garis regresi untuk contoh soal

Regresi Linear
 Contoh Kasus:
Seorang manajer pemasaran akan
meneliti apakah terdapat pengaruh
iklan terhadap penjualan pada
perusahaan-perusahaan di Kabupaten
WaterGold, untuk kepentingan
penelitian tersebut diambil 8
perusahaan sejenis yang telah
melakukan promosi.
 Pemecahan
1. Judul
Pengaruh biaya promosi terhadap
penjualan perusahaan.
2. Pertanyaan Penelitian
o Apakah terdapat pengaruh positif
biaya promosi terhadap penjualan
perusahaan ?
3. Hipotesis
o Terdapat pengaruh positif biaya
promosi terhadap penjualan
perusahaan.
4. Kriteria Penerimaan Hipotesis
Ho : Tidak terdapat pengaruh positif biaya iklan
terhadap penjualan perusahaan.
Ha : Terdapat pengaruh positif biaya iklan terhadap
penjualan perusahaan.

• Ho diterima Jika
b ≤ 0, t hitung ≤ tabel
• Ha diterima Jika
b > 0, t hitung > t tabel.
5. Sampel
8 perusahaan

6. Data Yang dikumpulkan

Penjualan (Y) 64 61 84 70 88 92 72 77

Promosi (X) 20 16 34 23 27 32 18 22
 -Tentukan persamaan
X Y
51 49 regresi liniernya!
53 54
-Bila x=7, berapa nilai y?
52 55
39 43 -Bila x adalah motivasi
38 43
dan y adalah kinerja,
47 46
35 39 interpretasikan hasil
47 49
50 50 penghitungan di atas!
49 50
KORELASI DAN
REGRESI LINEAR
BERGANDA
 • Pendahuluan:
Hubungan Linear Lebih Korelasi dan
dari Dua Variabel Regresi Linear
• Korelasi Linear Berganda Berganda
M
• Regresi Linear Berganda A
T
E
R
I

Resista Vikaliana, S.Si. MM 2/23/2013 74

 Operations Management
Pendahuluan

William J. Stevenson

8th edition
Resista Vikaliana, S.Si. MM 2/23/2013 75
 REGRESI LINEAR
BERGANDA
• Konsep
Terdapat dua variabel bebas X yang dapat
mempengaruhi variabel terikat Y.

• Contoh

Pola Asuh
X1 Prestasi
Belajar
Cara Belajar Y
X2
Resista Vikaliana, S.Si. MM 2/23/2013 76
 Hubungan Linear lebih
dari dua variabel
• Pada hubungan linear lebih dari dua variabel ini,
perubahan satu variabel dipengaruhi oleh lebih
dari satu variabel lain.
• Secara fungsional Y = f (X1, X2, X3, ..., Xk) atau
dalam persamaan matematis dituliskan
• Y = a + b1X1 + b2X2 + b3X3 + ... + bkXk

Resista Vikaliana, S.Si. MM 2/23/2013 77

 Operations Management
Korelasi Linear Berganda

William J. Stevenson

8th edition
Resista Vikaliana, S.Si. MM 2/23/2013 78
 KORELASI LINEAR BERGANDA

rY21  rY22  2rY 1rY 2 rY 12

RY .12 
1  rY212
n  X 1Y  (  Y )( X 1 )
• Rumus : rY 1 
(n  Y 2  (  Y ) 2 )(n  X 12  ( X 1 ) 2 )

n  X 2Y  ( Y )( X 2 )
rY 2 
( n  Y 2  ( Y ) 2 )(n  X 22  ( X 2 ) 2 )

n  X 1 X 2  ( X 1 )( X 2 )
r12 
(n  X 12  ( X 1 ) 2 )(n  X 22  ( X 2 ) 2 )
79
2/23/2013 Resista Vikaliana, S.Si. MM
 PENGELUARAN, DAN BANYAKNYA

ANGGOTA KELUARGA

RUMAH TANGGA
VARIABEL
I II III IV V VI VII
Pengeluaran (Y) 3 5 6 7 4 6 9
Pendapatan (X1) 5 8 9 10 7 7 11
Jumlah Anggota Keluarga (X2) 4 3 2 3 2 4 5

Pertanyaan :
1. Carilah Nilai Koefisien Korelasinya !
2. Jelaskan makna hubungannya !
Resista Vikaliana, S.Si. MM 2/23/2013 80
 n  X 2Y  ( Y )( X 2 )
PENYELESAIAN rY 2 
(n  Y 2  ( Y ) 2 )(n  X 22  ( X 2 ) 2 )
No Y X1 X2 Y2 X12 X22 X1Y X2Y X1X2 7(137 )  (40)(23)
rY 2 
1 3 5 4 9 25 16 15 12 20 (7(252)  (40) 2 )(7(83)  (23) 2 )
2 5 8 3 25 64 9 40 15 24 39
rY 1   0,42
3 6 9 2 36 81 4 54 12 18 92,35
4 7 10 3 49 100 9 70 21 30 n  X 1 X 2  (  X 1 )( X 2 )
r12 
5 4 7 2 16 49 4 28 8 14 (n  X 12  ( X 1 ) 2 )( n  X 22  ( X 2 ) 2 )
6 6 7 4 36 49 16 42 24 28 7(189)  (57 )(23)
r12 
7 9 11 5 81 121 25 99 45 55 (7( 489)  (57 ) 2 (7(83)  (23) 2 )
Σ 40 57 23 252 489 83 348 137 189 12
r12   0,13
n  X 1Y  ( Y )( X 1 ) 95,12
rY 1 
(n  Y 2  ( Y ) 2 )(n  X 12  ( X 1 ) 2 ) rY21  rY22  2rY 1rY 2 rY 12
RY .12 
7(348)  (40)(57 ) 1  rY212
rY 1 
(7(252)  (40) 2 )(7(489 )  (57 ) 2 (0,92) 2  (0,42) 2  2(0,92)(0,42)(0,13)
RY .12 
156 1  (0,13) 2
rY 1   0,92
168,93 RY .12  0,9382  0,9686
81
Resista Vikaliana, S.Si. MM 2/23/2013
• Berdasarkan hasil perhitungan diperoleh nilai
Korelasi (R) = 0,9686 ATAU 0,97.

• Nilai Korelasi (R) = 0,97 bermakna bahwa hubungan

kedua variabel X (X1 dan X2) sangat kuat karena
nilai R mendekati 1.

Resista Vikaliana, S.Si. MM 2/23/2013 82

 KOEFISIEN DETERMINASI

• Jika koefisien korelasi berganda dikuadratkan,

diperoleh koefisien determinasi berganda yang
disimbolkan dengan R2.
• Koefisien determinasi digunakan untuk mengukur
besarnya sumbangan dari beberapa variabel X (X1,
X2, X3, ..., Xn) terhadap naik turunnya (variasi
perubahan) variabel Y.
• Jika nilai koefisien determinasi dikalikan 100%,
diperoleh persentase sumbangan variabel variabel
X terhadap naik turunnya (variasi perubahan)
variabel Y.

Resista Vikaliana, S.Si. MM 2/23/2013 83

 Contoh :
• Berdasarkan data 2. Nilai koefisien R2Y.12 = 93,81
contoh soal atau 93,81% memberi
sebelumnya, tentukan : makna bahwa naik
1. Nilai Koefisien Determinasi
turunnya (variasi)
(R2) pengeluaran (Y)
2. Jelaskan apa maknanya ?
disebabkan oleh
pendapatan (X1) dan
Penyelesaian: jumlah anggota keluarga
(X2) sebesar 93,81%
sedangkan sisanya sebesar
RY .12  0,9686 6,19% disebabkan oleh
faktor-faktor lainnya yang
RY2.12  0,9686 2 x 100 % juga turut mempengaruhi
pengeluaran (Y) tetapi
RY2.12  0,9381 x 100 % tidak dimasukkan ke dalam
persamaan regresi linear
2
.12 
RYResista 93,81 % berganda.
Vikaliana, S.Si. MM
2/23/2013 84
 Operations Management
Regresi Linear Berganda

William J. Stevenson

8th edition
Resista Vikaliana, S.Si. MM 2/23/2013 85
 REGRESI LINEAR
BERGANDA
• Rumus

Y '  b0  b1 X 1  b2 X 2  ...  bk X k
Y 'i  b0  b1 X 1i  b2 X 2i  ...  bk X ki

• Y = nilai observasi (data hasil pencatatan)

• Y’ = nilai regresi
• i = 1, 2, …, n

Resista Vikaliana, S.Si. MM 2/23/2013 86

 REGRESI LINEAR
BERGANDA
 Rumus Persamaan Regresi Linear Sederhana

Y’ = b0 + b1X1 + b2X2
b0 = nilai Y’, jika X1 = X2 = 0
b1 = besarnya kenaikan (penurunan) Y dalam
satuan, jika X1 naik (turun) satu satuan,
sedangkan X2 konstan
b2 = besarnya kenaikan (penurunan) Y dalam
satuan, jika X2 naik (turun) satu satuan,
sedangkan X1 konstan

Resista Vikaliana, S.Si. MM 2/23/2013 87

 REGRESI LINEAR
BERGANDA
 Untuk menghitung b0, b1, b2, …, bk digunakan
Metode Kuadrat Terkecil dengan persamaan
berikut.

b0 n  b1  X 1 b2  X 2  ...  bk  Y
2
b0  X 1  b1  X 1 b2  X 1 X 2  ...  bk  X 1 X k   X 1Y
2
b0  X 2  b1  X 2 X 1 b2  X 2  ...  bk  X 2 X k   X 2Y
    
2
b0  X k  b1  X k X 1 b2  X k X 2  ...  bk  X k   X kY
 Penyelesaiannya diperoleh nilai b0, b1, b2, …, bk.

Resista Vikaliana, S.Si. MM 2/23/2013 88

 REGRESI LINEAR
BERGANDA
• Misalnya,
Variabel terikat ada 1, yaitu Y
Variabel bebas ada 2 (k = 2), yaitu X1 dan X2
Penyelesaiannya diperoleh b0, b1, dan b2
Persamaannya adalah

b0 n  b1  X 1 b2  X 2  Y
2
b0  X 1  b1  X 1 b2  X 1 X 2   X 1Y
2
b0  X 2  b1  X 2 X 1 b2  X 2  X 2Y
Resista Vikaliana, S.Si. MM 2/23/2013 89
 REGRESI LINEAR
BERGANDA
• Penyelesaiannya digunakan persamaan matriks

n X 1 X2  b
   0   Y 
2    
 X 1 X 1 1
X X 
2 b1    X 1Y 
 2
  

b2

 X Y
 X 2 X 2 X1 X2   2  Ab = H
  

b = A-1H
A B H

• A = matriks (diketahui)
• H = vektor kolom (diketahui)
• b = vektor kolom (tidak diketahui)
• A-1 = kebalikan (invers) dari matriks A

Resista Vikaliana, S.Si. MM 2/23/2013 90

 REGRESI LINEAR
BERGANDA
• Matriks 2 baris dan 2 kolom
a11 a12 
Matriks A   
a 21 a 22 
determinan A = det (A) = | A | = a11a22 – a12a21

• Contoh
2 4
Matriks A   
6 7 
det (A) = | A | = a11a22 – a12a21 = 14 – 24 = -10

Resista Vikaliana, S.Si. MM 2/23/2013 91

 REGRESI LINEAR
BERGANDA
• Matrisk 3 baris dan 3 kolom

a11 a12 a13 

A  a 21 a 22 a 23 
a31 a32 a33 
a11 a12 a13  a11 a12
A  a 21 a 22 a 23  a 21 a 22
a31 a32 a33  a31 a32

det A  a11 a 22 a33  a12 a 23 a31  a13 a 21 a32  a31 a 22 a13  a32 a 23 a11  a33 a 21 a12
Resista Vikaliana, S.Si. MM 2/23/2013 92
 REGRESI LINEAR
BERGANDA
• Contoh

 2 4 6
A  3 2 3 
1 4 9 
 2 4 6 2 4
A  3 2 3  3 2
1 4 9  1 4
det A  2.2.9  4.3.1  6.3.4  1.2.6  4.3.2  9.3.4
det A  36  12  72  12  24  108
Resista Vikaliana, S.Si. MM 2/23/2013 93
det A  24
Penggunaan matriks dalam 3 persamaan 3 variabel

a11 b1  a12 b2  a13 b3  h1  a11 a12 a13  b1  h1 


a 21 b1  a 22 b2  a 23 b3  h2   a 21 a 22 a 23  b2   h2 
a31b1  a32 b2  a33 b3  h3  a31 a32 a33  b3  h3 

det A1 det A2 det A3

b1  b2  b3 
det A det A det A
h1 a12 a13  a11 h1 a13  a11 a12 h1 
A1  h2 a 22 a 23  A2  a 21 h2 a 23  A3  a 21 a 22 h2 
h3 a32 a33  a31 h3 a33  a31 a32 h3 
Resista Vikaliana, S.Si. MM 2/23/2013 94
 REGRESI LINEAR
BERGANDA
• Contoh. Tentukan nilai b1, b2, dan b3
2b1  b2  4b3  16  2 1 4 b1  16 

3b1  2b2  b3  10   3 2 1 b2   10 
b1  3b2  3b3  16 
 1 3 3  b3  16 
2 1 4
A  3 2 1
1 3 3 
16 1 4  2 16 4 2 1 16 
A1  10 2 1 A2  3 10 1  A3  3 2 10 
16 3 3 1 16 3  1 3 16 
Resista Vikaliana, S.Si. MM 2/23/2013 95
 REGRESI LINEAR
BERGANDA
det A  2.2.3  1.1.1  4.3.3  1.2.4  3.1.3  2.1.3  26
det A1  16.2.3  1.1.16  4.3.10  16.2.4  10.1.3  16.1.3  26
det A2  2.10.3  16.1.1  4.16.3  1.10 .4  3.16.3  2.1.16  52
det A3  2.2.16  1.10.1  16.3.3  1.2.16  3.1.16  2.10.3  78
det A1 26
b1   1
det A 26
det A2 52
b2   2
det A 26
det A3 78
b31   3
det A 26
Resista Vikaliana, S.Si. MM 2/23/2013 96
 Contoh (1)
Y X1 X2
Data pengeluaran 10 rumah
tangga, untuk pembelian 23 10 7
barang tahan lama per 7 2 3
minggu(Y), pendapatan per
minggu (X1), dan jumlah 15 4 2
anggota keluarga (X2) 17 6 4
disajikan dalam tabel berikut.
Jika suatu rumah tangga 23 8 6
mempunyai pendapatan per 22 7 5
minggu (X1) Rp11.000,00 dan
jumlah anggota keluarga (X2) 10 4 3
8 orang, berapa uang yang 14 6 3
dikeluarkan untuk membeli
barang-barang tahan lama 20 7 4
tersebut. 19 6 3

Resista Vikaliana, S.Si. MM 2/23/2013 97

 2/23/2013

REGRESI LINEAR
BERGANDA
• Jawaban
Y X1 X2 X1Y X2Y X 1X 2 Y2 X12 X22
23 10 7 230 161 70 529 100 49
7 2 3 14 21 6 49 4 9
15 4 2 60 30 8 225 16 4
17 6 4 102 68 24 289 36 16
23 8 6 184 138 48 529 64 36
22 7 5 154 110 35 484 49 25
10 4 3 40 30 12 100 16 9
14 6 3 84 42 18 196 36 9
20 7 4 140 80 28 400 49 16
19 6 3 114 57 18 361 36 9
170 60 40 1122 737 267 3162 406 182
98
 REGRESI LINEAR
BERGANDA
• Jawaban
Persamaan normal adalah

b0 n  b1  X 1 b2  X 2  Y
2
b0  X 1  b1  X 1 b2  X 1 X 2   X 1Y
2
b0  X 2  b1  X 2 X 1 b2  X 2  X 2Y

10b0  60b1  40b2  170

60b0  406b1  267b2  1122
40b0  267b1  182b2  737
Resista Vikaliana, S.Si. MM 2/23/2013 99
 REGRESI LINEAR
BERGANDA
 Jawaban

b0  3,92; b1  2,50; b2  0,48

Y  3,92  2,50 X 1  0,48 X 2
Y  3,92  2,5011000   0,488
Y  31,42  3,83
Y  27500,08
Jadi suatu rumah tangga dengan pendapatan per
minggu Rp11.000,00 dan jumlah anggota keluarga 8
orang, diperkirakan akan mengeluarkan
Rp27.500,00 untuk pembelian barang-barang tahan
lama.

Resista Vikaliana, S.Si. MM 2/23/2013 100

 Contoh (2)
Y X1 X2
X1 adalah persediaan
2 1 2
modal (dalam jutaan
5 2 3
rupiah), X2 adalah biaya
9 4 4
iklan (dalam jutaan
13 6 4
rupiah), dan Y = 16 8 6
penjualan (dalam jutaan 19 10 8
rupiah). Tentukan nilai Y 20 14 13
jika X1 = 15 dan X2 = 10. 21 16 13

Resista Vikaliana, S.Si. MM 2/23/2013 101

 Soal-soal
X1 adalah persediaan Y X1 X2
modal (dalam jutaan 1 2 1
rupiah), X2 adalah biaya 2 4 3
iklan (dalam jutaan 4 6 5
rupiah), dan Y =
6 8 7
penjualan (dalam jutaan
rupiah). Tentukan nilai Y 8 10 9
jika X1 = 15 dan X2 = 10. 9 12 11

Resista Vikaliana, S.Si. MM 2/23/2013 102

 Persiapan UAS
• Rangkuman materi pada selembar kertas ukuran
A4 atau F4
• Boleh menggunakan kalkulator
• Mengumpulkan Tugas (Pengayaan)
o Termasuk tugas UTS (Tugas di Lembar Tugas)
 PRAKTIKUM
PENGOLAHAN DATA
DENGAN SPSS 23
• Mengapa

SPSS
Bahasa mudah dipahami
Tampilan output lebih menarik
Fasilitas analisis lengkap
Cara Kerja SPSS
 1968 1984
Dibuat oleh tiga orang muncul dengan versi PC
mahasiswa Stanford dengan nama SPSS/ PC +
University dengan Windows.

2009
2011 2010
diakuisisi oleh IBM, versi 18,
dirilis versi IBM merilis
namanya menjadi PASW/
20 versi 19.
Predictive Analytical Software.

2014 2015
2012
IBM SPPS dirilis versi terbaru SPSS
dirilis versi
Statistics 22 IBM SPSS Statistics 23
21.
dirilis atau SPSS 23.

Tentang SPSS.....
107 25/03/2016

Resista Vikaliana
SPSS* PASW SPSS**

*Statistical Package for the Social Sciences

**Statistical Product and Service Solution
•
Fitur Tambahan
Output interaktif pada smartphone atau aplikasi seperti
Windows, Mac, Linux, iPod, iPhone, iPad, Android, Windows
8, tablet
• User dapat mengekspor output SPSS sebagai file as.mht dan
dapat dibuka menggunakan IBM Cognos Mobile app
• Presentasi tampilan output SPSS dengan cepat dan mudah
• Simulasi model Monte Carlo yang akurat dengan adanya
supporting tools untuk ALM/ Automatic Linear Modelling
• Perbaikan performa dan kemampuan scalling dengan
menggunakan IBM SPSS Stastics Server
• Perbaikan kemampuan impor/ ekspor dari atau ke database
• Adanya ODBC Pooling
• Adanya Tabel Pivot untuk prosedur statistika non parametrik

Resista Vikaliana 109 25/03/2016

• Data: Windows SPSS untuk menginput dan
mendefinisikan data
oData View
oVariable View
• Syntax: Windows SPSS untuk menuliskan perintah
bahasa pemrograman SPSS
• Output: Windows untuk menampilkan output SPSS
(viewer)
oViewer menampilkan output SPSS, tabel dan
chart dari hasil analisis yang dilakukan user.
• Script: Windows SPSS yang digunakan user untuk
membuat interface, manipulasi output objek dan
menjalankan perintah dari syntax

Resista Vikaliana 110 25/03/2016

Window pada SPSS
• Data View
o Kolom
o Baris
Data Editor
• Variabel View
o Name
o Type
o Width
o Decimals
o Label
o Values
o Missing
o Column
o Align
o Measure
o Role

Resista Vikaliana 111 25/03/2016

 • Dengan dua cara
o Dengan membuka window data editor-data view- kemudian ketik data
o Dengan membuka window data editor-variable view, kemudian identifikasi
variabel data terlebih dahulu

Input dan
Menyimpan Data
Resista Vikaliana 112 25/03/2016
Pengolahan Data dengan
SPSS 23
• Uji Validitas
• Uji Reliabilitas
• Uji Normalitas
• Analisis Statistik Deskriptif
• Uji Regresi Linier Sederhana
• Uji Koefisien Korelasi
• Uji Koefisien Determinasi
• Uji Hipotesis T
 Uji Validitas Isi
• Uji Validitas adalah:
o Derajat ketepatan antara data di lapangan dengan data yang dilaporkan oleh periset

• Dengan SPSS
o Analyze-correlate-bivariate
o Pearson-two tailed
o Flag significant correlations (nilai-nilai yang signifikasn akan diberikan tanda sesuai
level signifikan)
o Tanda *

Resista Vikaliana 25/03/2016 114

 Uji Reliabilitas
• Uji Reliabilitas
o Suatu indikator cukup dapat dipercaya digunakan sebagai alat
pengumpul data
o Reliabilitas menunjukkan tingkat keterandalan
o Reliabel: dapat dipercaya jadi dapat diandalkan

• Alpha Cronbach
o MS Excel
• Varian Item (VAR) Jumlah Varian Item Jumlah Varian Total
• Indeks reliabilitas (5/(5-1))*(1-(Jumlah varian item/ jumlah varian total))
o SPSS
• Analyze – Scale- Reliability Analysis
• Model Alpha dan Scale label (nama variabel)
• OK
• Koefisien Alpha Cronbach > 0,7 RELIABEL

Resista Vikaliana 25/03/2016 115

 Uji Normalitas
• Dengan Rasio Skewness dan Rasio Kurtosis
o Analyze-Regression-Linier
o Save-Unstandardized
o Kembali ke Input Data, muncul unstandardized residual
o Analyze-descriptive (pindahkan nilai unstandardized residual ke variable-OK
o Interpretasi:
• Rasio Skewness: Statistics / Std Deviasi
• Rasio Kurtosis : statistics/ std deviasi
• Kedua rasio menyatakan data terdistribusi normal apabila berkisar -2 s.d. +2

• Dengan K-S (Kolmogorov Smirnov)

o Analyze-non parametric test-1 sampel KS
o Test distribution-normal
o Bila sig< 0,05 dikatakan normal

Resista Vikaliana 25/03/2016 116

 Analisis Deskriptif
Numeris
• Untuk mengindikasikan bahwa ada penggambaran
karakter suatu data.
• Karakter data bisa dilihat dari ukuran nilai pusat
dan ukuran dispersi/ penyebaran
• Ukuran nilai pusat merupakan suatu data memusat
atau mengumpul pada angka tertentu
o Mean , Median, Modus, Kuartil

• Ukuran penyebaran merupakan jauh dekatnya

suatu data terhadap ukuran pusatnya.
o Simpangan baku/ standar deviasi, variansi

Resista Vikaliana 25/03/2016 117

 Analisis Deskriptif
Numeris
• Nominal  Type: string; Width: 20, abaikan yang lain
• Gaji/ pendapatan Type: Dollar; Decimal: 0
abaikan kolom lain

• Analyze –Descriptive Statistics – Explore

• Dependent List: Gaji
• Label Case by: Nominal

• Statistics- Outliers- Continue

• Explore-klik Descriptive dan Outliers

Resista Vikaliana 25/03/2016 118

 Regresi Linier Sederhana
(lanjutan-SPSS )
• Analyze-Regression-Linear
• Dependent tingkat kualitas
• Independent harga

• Statistics – Descriptive-Part and partial correlations

• Confidence interval-Casewise diagnostic-Continue

• Plots-Normal probability plot

Resista Vikaliana 25/03/2016 119

 Koefisien Korelasi dan
Koefisien Determinasi
• Lihat di Output: Model Summary
• Koefisien Korelasi ditunjukkan oleh R
• Koefisien Determinasi ditunjukkan oleh R2/ R Square.
o Nilai R Square dikalikan 100% merupakan persentase
pengaruh variabel bebas/ independen terhadap variabel
terikat/ dependen
o Untuk korelasi pada regresi berganda, masing-masing
variabel bisa dilihat pada Korelasi Bivariat

Resista Vikaliana 25/03/2016 120

• Untuk memudahkan melakukan interpretasi
mengenai kekuatan hubungan antara dua variabel
dinilai dengan kriteria sebagai berikut
(Sarwono:2006):
• 0 = Tidak ada korelasi antara dua variabel
• >0 – 0,25 = Korelasi sangat lemah
• >0,25 – 0,5 = Korelasi cukup
• >0,5 – 0,75 = Korelasi kuat
• >0,75 – 0,99 = Korelasi sangat kuat
• 1 = Korelasi sempurna

• Uji T bisa dilihat pada Tabel Output Coefficient

• Uji F bisa dilihat pada Tabel Output Anova

Resista Vikaliana 25/03/2016 121

Resista Vikaliana 3/2/2013 122
• Dengan SPSS, analisis deskriptif data tersebut
• Misal variabel bebasnya (X) adalah lama kerja dan
variabel terikatnya (Y) adalah gaji. Buat regresi
linearnya