Sunday, July 30, 2017

Uji Chi-Square Menggunakan SPSS

Uji Chi-Square Menggunakan SPSS

Chi-Square atau uji keselarasan merupakan salah satu uji yang paling sering digunakan dalam menganalisis data berskala nominal, bertujuan untuk menguji signifikan pada suatu sampel, uji homogenitas, uji independent dan uji goodness of fit tes.

Saturday, July 29, 2017

Uji Korelasi Gamma Menggunakan SPSS

Uji Korelasi Gamma Menggunakan SPSS

Korelasi gamma merupakan salah satu pengukuran yang termasuk ke dalam statistik nonparametrik, tujuannya mencari kekuatan dan arah hubungan yang simetris dari asosiasi yang sesuai dan cocok digunakan untuk dua variabel yang di ukur pada data skala ordinal atau variabel nominal dikotomis.  Skala yang digunakan dapat bervariasi mulai dari 0,0 sampai dengan + atau - 1,0 yang berindikasi kekuatan hubungan antara dua variabel. 

Wednesday, July 19, 2017

Regresi Linear Sederhana Menggunakan SPSS

Regresi Linear Sederhana Menggunakan SPSS

Persamaan regresi adalah persamaan matematik yang memungkinkan kita meramalkan nilai-nilai suatu peubah bebas (variabel prediktor) dan peubah tak bebas (variabel respon). Istilah dari regresi itu sendiri diterapkan pada semua jenis peramalan dan tidak harus berimplikasi suatu regresi mendekati dari nilai tengah populasi. Analisis regresi digunakan terutama untuk membicarakan masalah pendugaan atau peramalan, oleh karena itu pendugaan nilai peubah variabel tak bebas Y berdasarkan peubah bebas X yang telah diketahui nilainya. 

Misalnya: untuk fenomena yang meliputi hasil panen padi dan volume pupuk yang digunakan oleh petani, dalam hal ini kita dapat menentukan variabel bebas X = volume pupuk dan variabel tak bebas Y = hasil panen. Jadi peramalan hasil panen sangat tergantung dari volume pupuk yang digunakan. 

Contoh lain, Seorang guru ingin meramalkan nilai prestasi belajar siswa tingkat persiapan pada suatu pokok bahasan, untuk membuat peramalan semacam ini, pertama-tama kita perhatikan dulu sebaran nilai pada materi yang pernah diperoleh siswa pada tahun sebelumnya, kemudian kita melambangkan nilai seseorang siswa dengan variabel tak bebas Y dan nilai prestasi belajar siswa kita lambangkan dengan variabel bebas X. Setelah di dapat nilai variabel tak bebas Y dan variabel bebas X, kemudian data tersebut dapat kita tebarkan dalam bentuk diagram pencar, dengan mengamati diagram pencar terlihat bahwa titik-titiknya mengikuti suatu garis lurus yang menunjukkan kedua peubah X dan Y saling berhubungan secara linear yang ditunjukkan seperti gambar berikut:

Dalam hal ini kita dapat menyatakan secara matematik dengan sebuah persamaan garis lurus yang disebut garis regresi linear. Sebuah garis lurus dapat ditulis dalam bentuk:
Y = a + bx
Dari persamaan garis di atas dalam hal ini Y digunakan untuk membedakan antara nilai ramalan yang didapat dari garis regresi dan nilai pengamatan Y yang sesungguhnya untuk nilai x tertentu, sedangkan a dapat dinyatakan sebagai intercept atau perpotongan dengan sumbu tegak, dan b itu kemiringan garis yang dikalikan dengan nilai x lalu ditambahkan dengan nilai a yang bertujuan untuk meramalkan nilai Y yang berpadanan pada suatu nilai x tertentu.

Sebelum kita mengaplikasikan dengan SPSS, hal yang harus kita ketahui bahwa regresi linear itu sendiri dibagi menjadi beberapa bagian, yaitu yang pertama regresi linear sederhana atau yang dikenal dengan regresi linear hanya ada satu variabel bebas (independent), yang kedua regresi linear berganda yaitu regresi linear yang lebih dari satu variabel bebas (independent) dan masih ada yang lain yang tidak disebutkan di sini, itu nanti kita bahas di artikel yang lain. Namun pada artikel kali ini kita akan mengaplikasikan kasus regresi linear sederhana menggunakan SPSS.

Contoh:
PT. Ubey Motor dalam beberapa bulan terakhir ini mengalami penurunan penjualan secara drastis terhadap motor jenis A, oleh sebab itu kepala pemasaran melakukan terobosan baru dengan cara memberlakukan promosi khusus dengan harapan dapat meningkatkan daya beli masyarakat. Promosi dilakukan pada 20 cabang yang tersebar di provinsi Aceh. Berikut data total penjualan dan biaya promosi yang dikeluarkan pada 20 cabang PT Ubey Motor tersebut.
Data di atas merupakan hasil penjualan dalam satu bulan terakhir setelah melakukan promosi. Kemudian kepala pemasaran PT tersebut ingin mengetahui seberapa jauh biaya promosi berpengaruh terhadap penjualan atau seberapa besar hubungannya. Oleh karena itu dalam hal ini kita akan menggunakanj uji regresi sederhana, karena hanya ada satu variabel bebas (independent) yaitu promosi dan satu variabel terikat (dependent) yaitu penjualan.

Berikut langkah-langkah menggunakan SPSS
1. Buka aplikasi SPSS yang telah di install sebelumnya sampai muncul area kerja berikut

2. Pada pojok kiri bawah dari gambar di atas klik Variable View dan buat variabel dari data seperti gambar berikut:
3. Bila sudah di isi semua variable view seperti gambar di atas, selanjutnya klik Data View ada pada sebelah kiri Variable view untuk kita isi data kabupaten, hasil penjualan dan biaya promosi seperti gambar berikut:
4. Selanjutnya pilih menu Analyze --- > Regression ---> Linear. bila sudah maka terlihat seperti gambar berikut:
5. Pindahkan variabel Hasil Penjualan [Penjualan] ke dalam kotak Dependent
6. Pindahkan variabel Biaya Promosi [Promosi] ke dalam kotak Independet
7. Pindahkan variabel Kabupaten ke dalam kotak Case Labels
8. jika sudah terlihat seperti gambar berikut:
9. Selanjutnya klik Options (biasa sudah terisi secara default) bila belum dapat di isi seperti berikut:
10. Dari gambar di atas dapat kita ketahui bahwa pada kotak Stepping Method Criteria kita menggunakan uji F dengan taraf kepercayaan 5% atau nilai probabilitas 0.05 yang terdapat pada kotak Entry. Biarkan secara default yaitu include constant in equation. Pada kotak Missing Values biarkan secara default yaitu Exclude cases listwise kegunaannya untuk penanganan missing value atau tidak ada data yang hilang. Selanjtnya klik Continue maka akan kembali ke gambar seperti pada langkah 8

11. Selanjtnya klik Statistik, lalu centang apa yang terlihat seperti pada bambar berikut:
12. Dari gambar di atas, pada kotak Regression Coefficients biasanya secara default sudah tercentang Estimates, karena ini perlakuan koefesien regresi untuk mengestimasi variabel. sedangkan centang model fit berguna untuk mecocokkan model regresi, dan centang Descriptives untuk mengetahui deskriptive dari data. Pada kotak Residuals centang Casewise diagnostics dan pilih All cases yang berfungsi untuk melihat pengaruh regresi terhadap hasil penjualan dan biaya promosi dari semua kabupaten. Selanjtnya klik Continue  maka akan kembali ke gambar seperti pada langkah 8.

13. Selanjtnya klik Plot. maka muncul seperti gambar berikut:

14. Dari gambar di atas, merupakan tampilan plot dapat digunakan untuk menguji asumsi-asumsi pada regresi, seperti uji normalitas, uji linieritas, dan uji kesamaan varians dari variabel. 

Kemudian klik SDRESID lalu pindahkan ke dalam kotak Y, kemudian klik ZPRED lalu pindahkan ke dalam kotak X. Jika kedua variabel tersebut sudah dimasukkan kedalam kotak Y dan kotak X, selanjtnya klik tombol Next untuk kita mengisi plot yang kedua. 

Pertama kota tersebut terlihat kosong seperti semula, sekarang pilih ZPRED lalu masukkan kedalam kotak Y, kemudian klik DEPENDNT lalu pindahkan ke dalam kotak X, selanjutnya klik tombol Next untuk kita mengisi plot yang ketiga.

untuk plot yang ketiga pada bagian Standarized Residual Plots cukup centang Normal probability plot saja seperti terlihat pada gambar berikut:
15. Selanjutnya klik Continue dan tekan OK.

ANALISIS
Bagian Output Descriptive Statistics dan Correlation



Analisis bagian Descriptive Statistics
  • Rata-rata hasil penjualan PT ubey motor dari 20 cabang yang ada di Provinsi Aceh adalah Rp. 307.40 juta dengan standar deviasi Rp. 20.332 juta.
  • Rata-rata biaya promosi PT ubey motor dari 20 cabang adalah Rp. 28.80 juta dengan standar deviasi Rp. 3.334 juta
Analisis bagian Correlations
  • Besar hubungan antara hasil penjualan dengan biaya promosi dapat diketahui dengan melihat koefesien korelasi adalah 0.740. artinya nilai ini dapat menunjukkan hubungan yang sangat kuat antara hasil penjualan dengan biaya promosi, nilai koefesien korelasi semakin mendekati ke 1 maka semakin sempurna hubungan antara kedua variabel tersebut (arah hubungan ke positif).
  • Taraf kepercayan yang digunakan yaitu 0.05. diperoleh hasil tingkat signifikan koefesien korelasi sebesar 0.071. karena nilainya lebih besar dari 0.05 maka hubungan hasil penjualan dengan biaya promosi tidak berbeda secara nyata.

Analisis bagian Variables Entered dan Model Summary
Analisis bagian Variabel Entered/Removed
Tabel tersebut diperlihatkan bahwa variabel yang kita masukkan yaitu biaya promosi dan tidak terdapat variabel yang dikeluarkan (removed). karena metode yang kita pakai adalah single step

Analisis bagian Model Summary
Pada tabel model tersebut dapat diketahui bahwa nilai R sebesar 0.740 atau koefesien korelasi nilai R tersebut dapat dikuadratkan yaitu 0.740 x 0.740 = 0.548. R square (koefesien determinasi) dalam hal ini variasi dari variabel terikat (hasil penjualan) dapat dijelaskan oleh variabel bebas (biaya promosi) yaitu sebesar 54.8%. sedangkan sisanya 45.2% dipengaruhi oleh faktor yang lain. Tingkat besarnya hubungan dari kedua varibabel tersebut dapat dilihat pada tabel berikut:
Dari tabel diatas dapat diketahui bahwa hubungannya kuat antara hasil penjualan dengan biaya promosi.

Standard Error of the Estimate sebesar 15.636 dapat diartikan bahwa hasil penjualan yang dipakai dari variabel terikat sebesar Rp.15.636 juta. sedangkan bila kita lihat pada tabel sebelumnya (tabel descriptive statistics) nilai standar deviasi hasil penjualan diperoleh sebesar Rp. 20.322 juta, nilai ini mendandakan standar error of the estimate lebih besar dari pada yang diperoleh dari  model hanya Rp.15.636 juta.

Analisis bagian Anova dan Coefficients

Analisis bagian Anova
Dari tabel uji anova diperoleh nilai F tes (F hitung=51.352) dan nilai probabilitas (signifikan) kecil dari 0.05. karena nilai probabilitas kecil dari 0.05 maka model regresi ini dapat digunakan untuk memprediksi hasil penjualan.

Analisis bagian Coeffecients
Pada bagian ini kita akan memperoleh persamaan regresi yaitu:
Y = 247.727 + 2.072X
keterangan:
Y = hasil penjualan
X = biaya promosi
Dari persamaan di atas nilai 247.727 merupakan konstanta, artinya bila tidak ada biaya promosi (x) maka hasil penjualan tetap sebesar 247.727 juta.
koefesien regresi 2.072 menandakan setiap ada peningkatan satu satuan (x=biaya promosi) maka Y ada peningkatan satu-satuan tergantung nilai x, begitu juga sebaliknya.

Dalam hal ini uji t sangat dibutuhkan untuk menguji signifikan konstanta dan varibel bebas (biaya promosi). Persamaan regresi yang telah diperoleh sebelumnya akan di uji apakah variabel bebas (biaya promosi) dapat dijadikan sebagai variabel untuk memprediksi hasil penjualan yang akan datang.

Sebelumnya kita buat hipotesis:
H0 = koefesien regresi tidak signifikan
H1 = koefesien regresi signifikan

Pengujian statistik:
jika t hitung < t tabel maka H0 diterima, nilai probabilitas > 0.05
jika t hitung > t tabel maka H1 di tolak, nilai probabilitas < 0.05

dari hasil perhitungan diperoleh nilai t hitung 6.326 dan t tabel 1.73. jadi 6.326 > 1.73. dan nilai signifikan atau probabilitas 0.00. maka berdasarkan pengujian statistik H0 di tolak dan terima H1. Jadi koefesien regresi signifikan atau biaya promosi berpengaruh secara nyata terhadap hasil penjualan.

Kesimpulan:
Berdasarkan hasil perhitungan di atas model regresi yang diperoleh sebelumnya dapat dijadikan sebagai alat untuk memprediksi hasil penjualan yang akan datang.