UAS LAB.

STATISTIKA

Nama : Candra Agus Setiawan

NIM : 2002501235
Kelas malam

I. Sebuah perusahaan ingin mengetahui, apakah ada perbedaan rata-rata kinerja manajerial
berdasarkan kategori gender. Kemudian setelah disurvey kepada seluruh Manajer yang ada di
perusahaan tersebut, maka nilai kinerja berdasarkan pembobotan atas jawaban dari beberapa
pertanyaan dalam survey, didapatkan data sebagai berikut :

Tabel 1 Data Kompensasi

No Gender Kinerja

1 Wanita 12
2 Wanita 12
3 Pria 9
4 Wanita 13
5 Pria 11
6 Wanita 12
7 Pria 13
8 Wanita 14
9 Pria 11
10 Wanita 14
11 Pria 10
12 Pria 13
13 Wanita 10
14 Pria 11
15 Pria 4
16 Pria 3
17 Wanita 9
18 Pria 5
19 Wanita 10
20 Pria 11
22 Pria 8
22 Pria 11
23 Pria 10
24 Pria 11
25 Pria 12
26 Wanita 12
27 Pria 13
28 Wanita 14
29 Pria 13
30 Wanita 13
31 Wanita 14
Buatlah data diatas dan simpan dengan nama “Data Kompensasi”

1. Masukkan data tersebut ke dalam aplikasi SPSS, tampilkan windows untuk Variable View
dan Data View dari proses input data tersebut
2. Lakukan analisis Independent Sample T-Test untuk data tersebut dengan mengolah data di
SPSS. Pastikan variabel yang di tes (test variable) adalah Variabel Kinerja dan grouping
Variable adalah variabel Gender
3. Lakukan tes untuk menguji hipotesa apakah kinerja manajer Wanita sama atau tidak dengan
 UAS LAB. STATISTIKA

manajer Pria.
\
 UAS LAB. STATISTIKA

Terlihat bahwa rata-rata kinerja manajer wanita berada diatas rata-rata kinerja manajer pria.
Analisis dilanjutkan pada bagian kedua output:
 UAS LAB. STATISTIKA

Uji t dua sampel dilakukan dalam dua tahap tahap pertama adalah untuk menguji apakah
variansi dari kedua populasi bisa dianggap sama, setelah itu baru dilakukan pengujian ada
tidaknya perbedaan rata-rata populasi. Jadi prinsipnya, uji t mensyaratkan adanya
kesamaan variansi dari dua populasi yang diuji; jika asumsi ini tidak terpenuhi, maka SPSS
akan menyediakan alternatif jawaban uji t yang lain.
Kinerja manajer
Pertama diuji apakah ada kesamaan variansi pada data kinerja manajer pria dan kinerja
manajer Wanita, dengan uji F.
Hipotesis
Ho = Kedua variansi populasi adalah identik.
H₁ = Kedua variansi populasi tidak identik.
- Jika probabilitas > 0,05 maka Ho diterima
- Jika probabilitas < 0,05 maka Ho ditolak.
Kesimpulan:
Terlihat bahwa F hitung untuk tinggi badan dengan Equal Variance Assumed adalah 2,714
dengan probabilitas 0,110 Karena probabilitas < 0,05 maka Ho ditolak atau kedua variansi
benar-benar berbeda.
Karena perbedaan kedua variansi sangat nyatamaka untuk membandingkan kedua variansi
populasi dengan uji t sebaiknya menggunakan dasar Equal Variance not Assumed.
Selanjutnya dilakukan uji t untuk mengetahui apakah rata-rata kinerja manajer pria dan
Wanita berbeda secara signifikan.
Hipotesis
Ho= Kedua rata-rata populasi adalah identik.
H₁ = Kedua rata-rata populasi tidak identik.
Kesimpulan :
Terlihat bahwa t hitung untuk Tinggi badan dengan Equal Variance not Assumed adalah
2,421 dengan probabilias 0,001 Untuk uji dua sisi, maka probabilitas menjadi 0,001/2 =
0,0005. Karena 0,0005 <0,025 maka Ho ditolak.
Perhatikan bahwa perubahan dari penggunaan Equal Variance Assumed ke Equal Variance
not Assumed menurunkan degree of freedom (derajat kebebasan) dari 29 ke 27,402 atau
kegagalan mengasumsikan kesamaan variansi mengakibatkan keefektifan ukuran sampel
menjadi berkurang 40% lebih!
 UAS LAB. STATISTIKA

II. Seorang peneliti mengumpulkan data dari beberapa perusahaan Perbankan dan Manufaktur untuk
mengetahui apakah ROI (Return of Investment) berpengaruh positif terhadap harga saham, terlihat
pada tabel berikut :

Tabel 2 Harga Saham

No Perusahaan ROI Harga Saham

1 Bank 1,87 1475,00
2 Bank 3,02 2500,00
3 Bank ,55 600,00
4 Bank 3,12 1125,00
5 Bank 5,92 2075,00
6 Bank ,87 1775,00
7 Bank 3,43 1495,00
8 Bank ,43 500,00
9 Bank ,57 300,00
10 Bank 1,73 300,00
11 Bank ,45 1200,00
12 Bank 3,77 1500,00
13 Bank 2,45 1000,00
14 Bank 4,30 1900,00
15 Bank ,60 500,00
16 Manufaktur ,50 750,00
17 Manufaktur 1,30 600,00
18 Manufaktur 3,50 1500,00
19 Manufaktur 1,30 900,00
20 Manufaktur 1,25 400,00
21 Manufaktur 2,45 1200,00
22 Manufaktur 1,25 950,00
23 Manufaktur 1,20 800,00
24 Manufaktur ,45 600,00
25 Manufaktur ,70 990,00
26 Manufaktur ,50 700,00
27 Manufaktur 1,02 780,00
28 Manufaktur ,10 200,00
29 Manufaktur 1,50 1975,00
30 Manufaktur 3,25 1200,00
31 Manufaktur 2,50 1000,00
Buatlah data tersebut dan simpan dengan nama “Harga Saham”

1. Masukkan data tersebut ke dalam aplikasi SPSS, tampilkan windows untuk Variable View
dan Data View dari proses input data tersebut
2. Tentukan persamaan regresi dengan melakukan analisis Regresi Linear Sederhana untuk
data tersebut. Capture setiap Langkah yang dilakukan
3. Uji analisis apakah ROI (Return of Investment) berpengaruh positif terhadap harga saham.
UAS LAB. STATISTIKA
UAS LAB. STATISTIKA
UAS LAB. STATISTIKA
 UAS LAB. STATISTIKA

Descriptive Statistics
Mean Std. Deviation N
Harga Saham 1057.74 576.868 31
ROI 1.8016 1.41275 31

Harga Saham:
Mean (rata-rata): 1057.74
Standard Deviation (simpangan baku): 576.868
 UAS LAB. STATISTIKA

N: 31 (jumlah data)
Analisis ini menunjukkan bahwa rata-rata harga saham dari 31 perusahaan yang diamati
adalah sebesar 1057.74, dengan simpangan baku sekitar 576.868. Nilai N menunjukkan
bahwa terdapat 31 data harga saham yang digunakan dalam analisis.

ROI (Return of Investment):

Mean (rata-rata): 1.8016
Standard Deviation (simpangan baku): 1.41275
N: 31 (jumlah data)
Analisis ini menunjukkan bahwa rata-rata ROI dari 31 perusahaan yang diamati adalah
sebesar 1.8016, dengan simpangan baku sekitar 1.41275. Nilai N menunjukkan bahwa
terdapat 31 data ROI yang digunakan dalam analisis.

Dengan informasi tersebut, kita dapat memahami gambaran umum dari data harga saham
dan ROI pada perusahaan-perusahaan yang diamati. Rata-rata ROI sebesar 1.8016
menunjukkan bahwa secara keseluruhan, perusahaan-perusahaan tersebut mengalami
tingkat return on investment sekitar 1.8. Sementara itu, rata-rata harga saham sebesar
1057.74 memberikan gambaran tentang tingkat harga saham pada kelompok
perusahaan tersebut.

Correlations
Harga Saham ROI
Pearson Correlation Harga Saham 1.000 .683
ROI .683 1.000
Sig. (1-tailed) Harga Saham . .000
ROI .000 .
N Harga Saham 31 31
ROI 31 31

Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 ROIb . Enter
a. Dependent Variable: Harga Saham
b. All requested variables entered.
 UAS LAB. STATISTIKA

Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
a
1 .683 .467 .448 428.461
a. Predictors: (Constant), ROI

analisis Model Summary, model regresi linear sederhana yang menggunakan "ROI"
sebagai prediktor memiliki hubungan positif yang cukup kuat dengan "Harga Saham".
Koefisien korelasinya (R) sebesar 0.683 menunjukkan adanya hubungan positif yang
signifikan antara ROI dan harga saham. Nilai R Square (koefisien determinasi) sebesar
0.467 menunjukkan bahwa sekitar 46.7% variabilitas harga saham dapat dijelaskan oleh
variabilitas ROI.

Adjusted R Square sebesar 0.448 menunjukkan persentase variabilitas harga saham yang
dapat dijelaskan oleh ROI setelah mempertimbangkan kompleksitas model. Std. Error of
the Estimate sebesar 428.461 menunjukkan seberapa jauh perkiraan harga saham
berpotensi berbeda dari harga saham yang sebenarnya.

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 4659515.533 1 4659515.533 25.382 .000b
Residual 5323776.402 29 183578.497
Total 9983291.935 30
a. Dependent Variable: Harga Saham
b. Predictors: (Constant), ROI

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 555.161 125.990 4.406 .000
ROI 278.962 55.371 .683 5.038 .000
a. Dependent Variable: Harga Saham

analisis ANOVA (Analysis of Variance) yang diberikan, dilakukan uji signifikansi untuk
melihat apakah variabel "ROI" (Return of Investment) memiliki pengaruh yang signifikan
terhadap variabel dependen "Harga Saham".
 UAS LAB. STATISTIKA

Hasil ANOVA menunjukkan bahwa ada perbedaan yang signifikan antara model regresi
yang menggunakan "ROI" sebagai prediktor dengan model tanpa prediktor (konstan saja).
Nilai F sebesar 25.382 dan nilai Sig. (signifikansi) sebesar 0.000 (kurang dari tingkat
signifikansi 0.05) menunjukkan bahwa ada hubungan yang signifikan antara "ROI" dan
"Harga Saham".

Kemudian, dalam tabel Coefficients, kita dapat melihat nilai koefisien regresi untuk
"Constant" dan "ROI". Koefisien regresi adalah angka yang menunjukkan seberapa besar
perubahan yang diharapkan pada variabel dependen (Harga Saham) akibat perubahan satu
unit pada variabel independen (ROI).

Koefisien regresi "Constant" sebesar 555.161 menunjukkan nilai Harga Saham ketika ROI
bernilai nol.
Koefisien regresi "ROI" sebesar 278.962 menunjukkan bahwa setiap unit peningkatan ROI
akan berkontribusi terhadap peningkatan sebesar 278.962 pada Harga Saham.
Selain itu, kita juga bisa melihat bahwa nilai t untuk ROI adalah 5.038, dan nilai Sig. untuk
ROI adalah 0.000 (kurang dari 0.05). Ini menunjukkan bahwa koefisien regresi ROI
signifikan secara statistik dalam memprediksi Harga Saham.

Casewise Diagnosticsa
Case Number Perusahaan Std. Residual Harga Saham Predicted Value Residual
1 Bank .929 1475 1076.82 398.181
2 Bank 2.573 2500 1397.63 1102.375
3 Bank -.253 600 708.59 -108.590
4 Bank -.701 1125 1425.52 -300.521
5 Bank -.307 2075 2206.61 -131.614
6 Bank 2.281 1775 797.86 977.142
7 Bank -.040 1495 1512.00 -17.000
8 Bank -.409 500 675.11 -175.114
9 Bank -.967 300 714.17 -414.169
10 Bank -1.722 300 1037.76 -737.765
11 Bank 1.212 1200 680.69 519.306
12 Bank -.249 1500 1606.85 -106.847
13 Bank -.557 1000 1238.62 -238.617
14 Bank .339 1900 1754.70 145.304
15 Bank -.519 500 722.54 -222.538
16 Manufaktur .129 750 694.64 55.358
17 Manufaktur -.742 600 917.81 -317.811
 UAS LAB. STATISTIKA

18 Manufaktur -.074 1500 1531.53 -31.527

19 Manufaktur -.042 900 917.81 -17.811
20 Manufaktur -1.176 400 903.86 -503.863
21 Manufaktur -.090 1200 1238.62 -38.617
22 Manufaktur .108 950 903.86 46.137
23 Manufaktur -.210 800 889.91 -89.915
24 Manufaktur -.188 600 680.69 -80.694
25 Manufaktur .559 990 750.43 239.566
26 Manufaktur .013 700 694.64 5.358
27 Manufaktur -.139 780 839.70 -59.702
28 Manufaktur -.894 200 583.06 -383.057
29 Manufaktur 2.337 1975 973.60 1001.397
30 Manufaktur -.611 1200 1461.79 -261.787
31 Manufaktur -.589 1000 1252.57 -252.565
a. Dependent Variable: Harga Saham

Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 583.06 2206.61 1057.74 394.103 31
Std. Predicted Value -1.204 2.915 .000 1.000 31
Standard Error of Predicted 77.047 240.675 104.402 31.233 31
Value
Adjusted Predicted Value 616.65 2267.29 1059.56 398.879 31
Residual -737.765 1102.375 .000 421.259 31
Std. Residual -1.722 2.573 .000 .983 31
Stud. Residual -1.750 2.650 -.002 1.008 31
Deleted Residual -762.424 1169.071 -1.823 442.993 31
Stud. Deleted Residual -1.819 2.990 .023 1.076 31
Mahal. Distance .002 8.498 .968 1.546 31
Cook's Distance .000 .212 .026 .046 31
Centered Leverage Value .000 .283 .032 .052 31
a. Dependent Variable: Harga Saham
 UAS LAB. STATISTIKA

Jika residual berasal dari distribusi normal, maka nilai-nilai sebaran data akan terletak di
sekitar garis lurus. Terlihat bahwa sebaran data pada chart tersebar di sekeliling garis lurus
tersebut. Maka dapat dikatakan persyaratan Normalitas bisa dipenuhi.

Persyaratan Kelayakan Model Regresi (Model Fit)

Chart kedua menggambarkan hubungan nilai yang diprediksi dengan Studentized Delete
Residual-nya, dengan tampilan sebagai berikut :

Jika model regresi layak dipakai untuk prediksi (fit), maka data akan berpencar di sekitar
angka nol dan tidak membentuk suatu pola atau trend garis tertentu. Dari Chart terlihat
 UAS LAB. STATISTIKA

sebaran data ada di sekitar titik nol (hanya Pekalongan yang jauh dari titik nol) dan tidak
tampak adanya suatu pola tertentu dalam sebaran data. Maka bisa dikatakan model regresi
memenuhi syarat untuk memprediksi Sales.

Jika model regresi layak dipakai untuk prediksi (fit), maka data akan berpencar di sekitar
angka nol dan tidak membentuk suatu pola atau trend garis tertentu. Dari Chart terlihat
sebaran data ada di sekitar titik nol (hanya Pekalongan yang jauh dari titik nol) dan tidak
tampak adanya suatu pola tertentu dalam sebaran data. Maka bisa dikatakan model regresi
memenuhi syarat untuk memprediksi Sales.

OOOOOoooooOOOOO
 UAS LAB. STATISTIKA

Distribusi Nilai ttabel

d.f t0.10 t0.05 t0.025 t0.01 t0.005 d.f t0.10 t0.05 t0.025 t0.01 t0.005

1 3.078 6.314 12.71 31.82 63.66 61 1.296 1.671 2.000 2.390 2.659

2 1.886 2.920 4.303 6.965 9.925 62 1.296 1.671 1.999 2.389 2.659

3 1.638 2.353 3.182 4.541 5.841 63 1.296 1.670 1.999 2.389 2.658

4 1.533 2.132 2.776 3.747 4.604 64 1.296 1.670 1.999 2.388 2.657

5 1.476 2.015 2.571 3.365 4.032 65 1.296 1.670 1.998 2.388 2.657

6 1.440 1.943 2.447 3.143 3.707 66 1.295 1.670 1.998 2.387 2.656

7 1.415 1.895 2.365 2.998 3.499 67 1.295 1.670 1.998 2.387 2.655

8 1.397 1.860 2.306 2.896 3.355 68 1.295 1.670 1.997 2.386 2.655

9 1.383 1.833 2.262 2.821 3.250 69 1.295 1.669 1.997 2.386 2.654

10 1.372 1.812 2.228 2.764 3.169 70 1.295 1.669 1.997 2.385 2.653

11 1.363 1.796 2.201 2.718 3.106 71 1.295 1.669 1.996 2.385 2.653

12 1.356 1.782 2.179 2.681 3.055 72 1.295 1.669 1.996 2.384 2.652

13 1.350 1.771 2.160 2.650 3.012 73 1.295 1.669 1.996 2.384 2.651

14 1.345 1.761 2.145 2.624 2.977 74 1.295 1.668 1.995 2.383 2.651

15 1.341 1.753 2.131 2.602 2.947 75 1.295 1.668 1.995 2.383 2.650

16 1.337 1.746 2.120 2.583 2.921 76 1.294 1.668 1.995 2.382 2.649

17 1.333 1.740 2.110 2.567 2.898 77 1.294 1.668 1.994 2.382 2.649

18 1.330 1.734 2.101 2.552 2.878 78 1.294 1.668 1.994 2.381 2.648

19 1.328 1.729 2.093 2.539 2.861 79 1.294 1.668 1.994 2.381 2.647

20 1.325 1.725 2.086 2.528 2.845 80 1.294 1.667 1.993 2.380 2.647

21 1.323 1.721 2.080 2.518 2.831 81 1.294 1.667 1.993 2.380 2.646

22 1.321 1.717 2.074 2.508 2.819 82 1.294 1.667 1.993 2.379 2.645

23 1.319 1.714 2.069 2.500 2.807 83 1.294 1.667 1.992 2.379 2.645

24 1.318 1.711 2.064 2.492 2.797 84 1.294 1.667 1.992 2.378 2.644

25 1.316 1.708 2.060 2.485 2.787 85 1.294 1.666 1.992 2.378 2.643

26 1.315 1.706 2.056 2.479 2.779 86 1.293 1.666 1.991 2.377 2.643

27 1.314 1.703 2.052 2.473 2.771 87 1.293 1.666 1.991 2.377 2.642

28 1.313 1.701 2.048 2.467 2.763 88 1.293 1.666 1.991 2.376 2.641

29 1.311 1.699 2.045 2.462 2.756 89 1.293 1.666 1.990 2.376 2.641

30 1.310 1.697 2.042 2.457 2.750 90 1.293 1.666 1.990 2.375 2.640

31 1.309 1.696 2.040 2.453 2.744 91 1.293 1.665 1.990 2.374 2.639

32 1.309 1.694 2.037 2.449 2.738 92 1.293 1.665 1.989 2.374 2.639

33 1.308 1.692 2.035 2.445 2.733 93 1.293 1.665 1.989 2.373 2.638
 UAS LAB. STATISTIKA

34 1.307 1.691 2.032 2.441 2.728 94 1.293 1.665 1.989 2.373 2.637

35 1.306 1.690 2.030 2.438 2.724 95 1.293 1.665 1.988 2.372 2.637

36 1.306 1.688 2.028 2.434 2.719 96 1.292 1.664 1.988 2.372 2.636

37 1.305 1.687 2.026 2.431 2.715 97 1.292 1.664 1.988 2.371 2.635

38 1.304 1.686 2.024 2.429 2.712 98 1.292 1.664 1.987 2.371 2.635

39 1.304 1.685 2.023 2.426 2.708 99 1.292 1.664 1.987 2.370 2.634

40 1.303 1.684 2.021 2.423 2.704 100 1.292 1.664 1.987 2.370 2.633

41 1.303 1.683 2.020 2.421 2.701 101 1.292 1.663 1.986 2.369 2.633

42 1.302 1.682 2.018 2.418 2.698 102 1.292 1.663 1.986 2.369 2.632

43 1.302 1.681 2.017 2.416 2.695 103 1.292 1.663 1.986 2.368 2.631

44 1.301 1.680 2.015 2.414 2.692 104 1.292 1.663 1.985 2.368 2.631

45 1.301 1.679 2.014 2.412 2.690 105 1.292 1.663 1.985 2.367 2.630

46 1.300 1.679 2.013 2.410 2.687 106 1.291 1.663 1.985 2.367 2.629

47 1.300 1.678 2.012 2.408 2.685 107 1.291 1.662 1.984 2.366 2.629

48 1.299 1.677 2.011 2.407 2.682 108 1.291 1.662 1.984 2.366 2.628

49 1.299 1.677 2.010 2.405 2.680 109 1.291 1.662 1.984 2.365 2.627

50 1.299 1.676 2.009 2.403 2.678 110 1.291 1.662 1.983 2.365 2.627

51 1.298 1.675 2.008 2.402 2.676 111 1.291 1.662 1.983 2.364 2.626

52 1.298 1.675 2.007 2.400 2.674 112 1.291 1.661 1.983 2.364 2.625

53 1.298 1.674 2.006 2.399 2.672 113 1.291 1.661 1.982 2.363 2.625

54 1.297 1.674 2.005 2.397 2.670 114 1.291 1.661 1.982 2.363 2.624

55 1.297 1.673 2.004 2.396 2.668 115 1.291 1.661 1.982 2.362 2.623

56 1.297 1.673 2.003 2.395 2.667 116 1.290 1.661 1.981 2.362 2.623

57 1.297 1.672 2.002 2.394 2.665 117 1.290 1.661 1.981 2.361 2.622

58 1.296 1.672 2.002 2.392 2.663 118 1.290 1.660 1.981 2.361 2.621

59 1.296 1.671 2.001 2.391 2.662 119 1.290 1.660 1.980 2.360 2.621

60 1.296 1.671 2.000 2.390 2.660 120 1.290 1.660 1.980 2.360 2.620

Dari "Table of Percentage Points of the t-Distribution." Biometrika, Vol. 32. (1941), p. 300. Reproduced by permission of the Biometrika Trustess.