Menggunakan SPSS

Menggunakan SPSS

SPSS (Statistical Program for Social Science) merupakan paket program aplikasi komputer untuk menganalisa data terutama untuk ilmuilmu sosial. Namun demikian, denga SPSS kita bisa membuat laporan tabulasi, chart (grafik), plot (diagram), statistik deskriptif dan analisa statistik yang kompleks. Karena SPSS merupakan paket program untuk mengolah dan menganalisa data, maka untuk menjalankan program ini terlebih dahulu harus dipersiapkan data yang akan diolah dan dianalisa. SPSS for windows menggunakan 6 tipe window, yaitu SPSS Data Editor, Output Window, Syntax Window, Chart Carousel, Chart Window, dan Help Window.

A.     REGRESI LINIER BERGANDA

Analisa regresi merupakan metode statistika yang mencari hubungan antara 2 peubah, yaitu peubah bebas (X) dan peubah tak bebas (Y). Jika variabel tak bebas (Y) dihubungkan lebih dari satu variabel bebas (X), maka didapat persamaan regresi linier berganda (multiple Linear Regression)

Model :

Tahapan penyusunan model regresi berganda meliputi :

· Menentukan mana variabel bebas (independen) dan mana variabel tak bebas (dependen)

· Menentukan metode pembuatan model regresi (enter, Stepwise, Forward, Backward)

· Melihat ada tidaknya data yang outlier (ekstrim)

· Menguji asumsiasumsi

pada regresi berganda, sepert normalitas, linieritas,

heteroskedastisitas, multikolinieritas, autokorelasi dan lainnya.

· Menguji signifikansi model (uji t, uji F dan sebagainya)

· Interpretasi model regresi berganda

Untuk SPSS, prosedur regresi linier menyediakan 5 macam metode untuk menyusun persamaan regresi, yaitu pemilihan Enter, Stepwise, Forward, Eliminasi Backward dan removal. Karena regresi berganda cukup kompleks dan bervariasi, pada modul ini akan dijelaskan prosedur pembuatan model regresi berganda dan uji signifikansinya dengan metode enter.

Contoh :

Suhu plat pembungkus dan jarak plat pembungkus dalam mesin pembungkus sabun

mempengaruhi persentase sabun terbungkus yang lolos inspeksi. Beberapa data tentang peubah

itu talah dikumpulkan, yaitu sebagai berikut :

a.       Gunakan moodel linier dan tentukan nilai dugaan bagi

b.      Apakah secar keseluruhan regresi itu nyata ? (guanakan =0.05)

c.        Apakah salah satu variabel itu lebih bermanfaat daripada yang lain didalam meramalkan

             persentase sabun yang terbungkus rapi ?

d.      Apa saran anda berkaitan dengan bekerjanya mesin pembungkus ini ?

Jawab :

Dari menu utama SPSS, pilih menu Analyze Regression Linear, Dependent : Y, Independent (s) : X1, X2, Method : Enter OK

Hasil Analisa :

Interpretasi :

4. Model Summary

·        Angka R sebesar 0.865 menunjukkan bahwa korelasi / hubungan antara variabel tak bebas Y (persentase sabun terbungkus) dengan 2 variabel bebas X (jarak dan suhu plat pembungkus) adalah sangat kuat.

·        Angka R square atau koefisien determinasi adalah 0.747 (berasal dari 0.865 x 0.865).Namun  karena jumlah variabel bebas lebih dari dua maka lebih baik digunakan Adjusted Rsquare, yang bernilai 0.709 (yang selalu lebih kecil dari R square). Hal ini berarti bahwa 70.9% variasi dari Y = persentase sabun terbungkus, bisa dijelaskan oleh variasi dari X = pendapatan mingguan keluarga. Sedangkan sisanya (100% 95.7% = 4.3%) dijelaskan oleh sebabsebab yang lain.

·        Standard Error of Estimate (SEE) adalah 6.49 atau $6.49 (satuan yang dipakai

adalah variabel tak bebas). Makin kecil SEE akan membuat model regresi semakin tepat dalam memprediksi variabel dependen

5. ANOVA

Dari uji ANOVA atau Ftest, didapat Fhitung adalah 202.868 dengan tingkat signifikansi 0.000.

Karena probabilitas (0.000) jauh lebih kecil dari 0.05, maka model regresi bisa dipakai untuk memprediksi Y.

6. Koefisien Regresi

·        Persamaan Regresi : Y = 24.455 + 0.509X

·        Konstanta sebesar 24.455 menyatakan bahwa jika tidak ada pendapatan

mingguan keluarga, maka belanja konsumsi mingguan keluarga adalah $24.455

·        Koefisien regresi 0.509 menyatakan bahwa setiap penambahan (karena tanda +) $1 pendapatan mingguan keluarga akan meningkatkan belanja konsumsi keluarga sebesar $0.509

·        Uji t untuk menguji signifikansi konstanta dan variabel bebas

Hipotesis :

H0 : Koefisien regresi tidak signifikan

H1 : Koefisien regresi signifikan

Pengambilan keputusan (berdasarkan probabilitas)

Jika probabilitas > 0.05 maka Ho diterima

Jika probabilitas < 0.05 maka Ho ditolak

Keputusan :

Terlihat bahwa pada kolom sig / significance : variabel X mempunyai angka signifikan 0.000 (di bawah 0.05). Karena itu, X = pendapatan mingguan keluarga memang mempengaruhi Y= belanja konsumsi mingguan keluarga.