DATA
HUBUNGAN
KATEGORIK KATEGORIK
KONTINU KONTINU
1
Menganalisis Hubungan Dua
Variabel Kategorik
2
TABULASI SILANG
Digunakan untuk menguji hubungan dua variabel
kategorik
CONTOH
Seorang dosen ingin mengetahui apakah ada hubungan
antara gender dengan kesukaan mahasiswa terhadap
mata kuliah Ekonomi. Kesukaan terhadap mata kuliah
tersebut digolongkan menjadi tidak suka, biasa saja dan
suka
Dari 100 mahasiswa yang diajarnya, ia mendapatkan hasil
penggolongan sebagai berikut:
3
Maksud dari 2 angka di belaka
desimalnya???
Data Crosstab.sav
4
TABULASI SILANG 2 VARIABEL
KATEGORIK SPSS
Analyze Descriptive Statistics
Frequencies
Variabel
kategorik yang Ceklis
akan dianalisis persentase
yang ingin
ditampilkan di
tiap cell
5
6
Tanyain maksud dari Within gender dllnya
7
UJI STATISTIK
TABULASI SILANG
Akan diuji apakah ada hubungan antara Gender dan
Kesukaan terhadap mata kuliah Ekonomi
Pilih α = 0.10
8
2
2 ( 𝑂𝑖𝑗 − 𝐸𝑖𝑗 )
Statistik Uji : 𝜒 =∑ ∑ 𝜒
𝑖 𝑗 𝐸𝑖𝑗 ( ( 𝑟 − 1) ( 𝑐 −1 ) )
Banyaknya pengamatan baris , kolom
Nilai harapan baris , kolom jika baris dan kolom
saling bebas
jumlah baris
jumlah kolom
H0 ditolak jika nilai tabel atau jika nilai yang dipilih
9
CHI-SQUARE TEST TABULASI
SILANG
Analyze Descriptive Statistics
Crosstabs
Checklist Chi-square
10
UJI STATISTIK TABULASI
SILANG(2)
H0 : tidak ada hubungan antara Gender dan
Kesukaan terhadap Ekonomi
H1 : tidak demikian
12
KORELASI
Digunakan untuk melihat KEKUATAN hubungan
linear antara dua variabel numerik (kontinu)
13
KORELASI(2)
Dalam Pelatihan ini akan dibatasi hubungan linier antara
2 variabel numerik
14
KORELASI(3)
1. Nilai r selalu di antara –1 dan 1.
2. Nilai r > 0 terjadi bila kenaikan nilai x terjadi bersama-sama
dengan kenaikan nilai y.
3. Nilai r < 0 terjadi bila kenaikan nilai x terjadi bersama-sama
dengan penurunan nilai y.
4. Nilai r = 1 atau -1 terjadi hubungan linier yang sempurna
antara variabel x dan y, baik dengan arah positif maupun
dengan arah negatif
5. Nilai r dekat 0 terjadi bila hubungan linier antara kedua
variabel sangat lemah atau tidak ada hubungan linier antara
ke dua variabel
15
KORELASI DATA
Contoh :
16
Data Korelasi.sav
17
KOEFISIEN KORELASI
𝑛 𝑛 𝑛
𝑟=
𝑛 ∑ 𝑥𝑖 𝑦1 −
𝑖=1
(∑ )(∑ )
1
𝑥𝑖
1
𝑦𝑖
√[
𝑛 𝑛 2 𝑛 𝑛 2
𝑛∑ 𝑥
1
2
𝑖 −
(∑
1
𝑥𝑖
) ][ ∑ (∑ ) ]
𝑛
1
𝑦 2
𝑖 −
1
𝑦𝑖
Dari data didapat: INI DARIMANAPAKK
variasi income dipengaruhi oleh lama masa kerja
Jika lama masa kerja naik maka income akan naik
18
19
KORELASI SPSS
20
Ho : tidak ada korelasi antara X danY
H 1: ada korelasi
Tentukan
Statistik Uji :
n 3 1 r
Z ln ~ N (0,1)
2 (1 r )
Distribusi Z diperoleh jika X dan Y berdistribusi Normal
Jika salah satu dari X atau Y tidak berdistribusi Normal
maka akan digunakan koefisien korelasi Spearman atau
Kendal
21
KOEFISIEN KORELASO SPEARMAN
Misalkan ( X 1, Y 1)......( Xn, Yn) sampel random ukuran n
R( Xi ) adalah rank dari Xi
R(Yi ) adalah rank dariYi
Koefisien korelasi spearman adalah sebagai berikut :
n
n 1 n 1
R ( Xi ) 2 R (Yi 2
r i 1
n(n 2 1) /12
T R ( Xi ) R (Yi )
i 1
𝑆𝑖𝑔=0.004<0.05 → 𝐻 0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘
24
KOEFISIEN KORELASI(3)
Jika digunakan Koefisien Korelasi Spearman
didapat hasil sebagai berikut:
25
BAGAN
PENGARUH
VARIABEL VARIABEL BEBAS METODE
DEPENDENT
Kontinu Kategorik Anova/Kruskall
Wallis
Kontinu Kontinu Regresi
Kategorik Kategorik Tabulasi Silang
Khusus
Kategorik Kontinu Regresi Logistik
26
Menganalisis Pengaruh Variabel
Kategorik terhadap Variabel
Kontinu
27
ANOVA
Digunakan untuk menguji apakah ada pengaruh variabel
bebas kategorik terhadap variabel respon numerik
(kontinu).
29
ANOVA DATA
Seorang sales manajer ingin mengetahui sales
performance dari 3 grup sales yang ada di
perusahaan tersebut. Untuk melihat hal tersebut
diambillah data hasil penjualan tiap sales dari
ketiga grup dalam seminggu terakhir.
DATA ANOVA
30
Data Anova.sav
31
MODEL
𝑌 =𝜇+𝛼 +𝜀
ANOVA
𝑖
𝑌 =hasil penjualan
𝜇=rata− rata keseluruhan
𝛼
= pengaruh kategori ke −𝑖 ; 𝑖=1,2,3
𝑖
𝜀 =error
1: grup sales 1
2: grup sales 2
3: grup sales 3
H 0 :Tidak ada perbedaan performance ketiga grup
Pilih :𝛼=0.15
32
ASUMSI ANOVA
Anova mempunyai asumsi yang harus
dipenuhi, salah satunya adalah error harus
berdistribusi Normal
Jika asumsi tidak dipenuhi maka metode yang
digunakan adalah metode Kruskall Wallis
Asumsi bisa tidak diperhitungkan jika banyak
pengamatan per kategori sama atau
proporsional Jika banyak pengamatan per
kategori sama maka asumsi tidak perlu
diperiksa
33
ANOVA SPSS
Analyze Compare Means One-Way Anova
Pilih variabel
dependen dan
faktor yang
membedakan
34
TABEL ANOVA
35
MEANS PLOT
Penjualan paling banyak
datang dari grup sales 3 dan
paling sedikit dari grup sales 2.
36
Menganalisis Pengaruh Variabel
Kontinu terhadap Variabel
Kontinu
37
ANALISIS REGRESI
38
ANALISIS REGRESI(2)
Jika kita hanya memperhatikan satu variabel bebas, maka
dikatakan kita melakukan analisis regresi sederhana.
39
MODEL REGRESI
Model Regresi Sederhana
Taksiran Model
n
n n
n xi yi xi yi
b1 1 1 1
2
n
n
n xi xi
2
1 1
bo y b1 x
40
MODEL REGRESI(2)
Y bo b1 X 1
adalah nilai dari jika = 0
adalah besar kenaikan jika naik 1 satuan
Jika Variabel tidak mempengaruhi .
Karena itu dalam analisis regresi ingin diuji apakah
mempengaruhi atau tidak.
Dengan perkataan lain ingin diuji apakah atau
tidak. 41
REGRESI SPSS
Analyze Regression Linear…..
42
SPSS OUTPUT
Data Korelasi.sav
43
SPSS OUTPUT(2)
Dari contoh di atas didapat hasil sebagai
berikut:
45
TABULASI SILANG KHUSUS
Menguji pengaruh variabel kategorik
terhadap variabel kategorik
Misalkan kesukaan terhadap mata kuliah
Ekonomi dianggap sebagai variabel respon
dan Gender dianggap sebagai variabel bebas
H0 : tidak ada pengaruh Gender terhadap
kesukaan terhadap ilmu Ekonomi
H1 : tidak demikian
46
TABULASI SILANG
KHUSUS SPSS
Analyze Descriptive Statistics
Crosstabs
47
TABULASI SILANG KHUSUS
OUTPUT
Data Crosstab.sav
48
Menganalisis Pengaruh Variabel
Kontinu terhadap Variabel
Kategorik
49
ANALISIS REGRESI
LOGISTIK
Digunakan untuk melihat pengaruh variabel bebas
kontinu atau kategorik terhadap variabel respon
kategorik.
Dalam pelatihan ini variabel bebas merupakan
variabel gaji, dan variabel respon kategorik dengan
dua kategori, yaitu Y=1 jika “Ya (sukses)” dan Y=0 jika
“Tidak (gagal)”.
Variabel gaji yang digunakan berupa variabel kontinu
50
REGRESI LOGISTIK VARIABEL
BEBAS KONTINU
Adalah
bentuk khusus dari model regresi dimana variabel
dependen merupakan variabel biner. Dengan variabel bebas
merupakan variabel kontinu
Misal variabel = 1 jika sukses dengan probability
= 0 jika gagal dengan probability (1-)
Model regresi logistik mengasumsikan hubungan dengan
variabel bebas dapat dituliskan sebagai:
51
MODEL REGRESI LOGISTIK
Model Regresi Logistik sering dituliskan sebagai:
= resiko sukses
52
REGRESI LOGISTIK
Berpindahnya seorang pelayan gereja diasumsikan
dipengaruhi oleh besarnya gaji. Dari 50 pelayan yang
terpilih menjadi responden didapat catatan data sebagai
berikut:
53
DATA
54
55
56
57
REGRESI LOGISTIK
OUTPUT
58
Jika Gaji = 0
59
REGRESI LOGISTIK
OUTPUT(3)
Model cocok
60
REGRESI LOGISTIK VARIABEL
BEBAS KATEGORIK
Misalkan variabel gaji (kontinu) dikategorikan
menjadi 3 kategori yaitu:
Kategori Gaji Rendah : kategori gaji antara 5-25 satuan
Kategori Gaji Sedang : kategori gaji antara > 25-45 satuan
Kategori Gaji Tinggi : Kategori gaji antara >45-75 satuan
61
Data Logistik.sav
62
REGRESI LOGISTIK SPSS
Analyze Regression Binary Logistic
Pilih variabel bebas
kategorik.
63
REGRESI LOGISTIK
OUTPUT
64
OUTPUT(2)
66
Jika Gaji Tinggi (G1 0, G 2 0)
e 0 0.059
Pr( pindah) 0
0.056
1 e 1 0.059
0
Odd 0 e 0
1 0
Jika Gaji Sedang (G1 1, G 2 0)
e 0 1
Pr( pindah) 0 1
0.62
1 e
0, 62
Pr pindah jika Gaji sedang 11 kali prob pindah
0.056
jika Gaji tinggi
67