MODUL PRAKTIKUM

STATISTIK
JURUSAN MANAJEMEN TRANSPORTASI

2| Page

Bab 1 Pengenalan dan Pembuatan File Data

Dasar Dasar SPSS SPSS merupakan salah satu sekian banyak software statistika yang telah dikenal luas dikalangan penggunaannya. Disamping masih banyak lagi software statistika lainnya seperti Minitab, Syastas, Microstat dan masih banyak lagi. SPSS sebagai sebuah tools mempunyai banyak kelebihan, terutama untuk aplikasi di bidang ilmu sosial.

SPSS Environment
MENU BAR

TOOL BAR

DATA VIEW

VARIABLE VIEW

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

3| Page

MENU BAR

: Kumpulan perintah perintah dasar untuk meng-operasikan SPSS.

Menu yang terdapat pada SPSS adala : 1! F"#E Untuk operasi file dokumen SPSS yang telah dibuat, baik untuk perbaikan pen etakan dan sebagainya. !da " ma am data yang digunakan dalam SPSS, yaitu : #. Data $. Systa% &. 'utput (. S ript ". Database ) *+, ) 'P+* : membuat lembar ker-a baru SPSS : membuka dokumen SPSS yang telah ada : dokumen SPSS berupa data : dokumen berisi file synta% SPSS : dokumen yang berisi hasil running out SPSS : dokumen yang berisi running out SPSS

Se ara umum ada & ma am ekstensi dalam lembar ker-a SPSS, yaitu : #. ..spo $. ..sa/ &. .. ht : file data yang dihasilkan pada lembar data editor : file te%t0obyek yang dihasilkan oleh lembar output : file obyek gambar0 hart yang dihasilkan oleh hart window

) 1ead 2e%t Data : membuka dokumen dari file te%t 3yang berekstensi t%t4, yang bisa dimasukkan0dikon/ersi dalam lembar data SPSS ) Sa/e : menyimpan dokumen0hasil ker-a yang telah dibuat. ) Sa/e !s : menyimpan ulang dokumen dengan nama0tempat0type dokumen yang berbeda ) Page Setup : mengatur halaman ker-a SPSS ) Print : men etak hasil output0data0synta5 lembar SPSS Ada 2 option/pilihan cara mencetak, yaitu : - !ll /isible output :men etak lembar ker-a se ara keseluruhan - Sele tion : men etak sesuai keinginan yang kita sorot0blok ) Print Pre/iew : melihat ontoh hasil etakan yang nantinya diperoleh ) 1e ently used data: berisi list file data yang pernah dibuka sebelumnya. ) 1e ently used file : berisi list file se ara keseluruhan yang pernah diker-akan $! ED"% Untuk melakukan pengeditan pada operasi SPSS baik data, serta pengaturan0option untuk konfigurasi SPSS se ara keseluruhan. ) Undo ) 1edo ) 6ut : pembatalan perintah yang dilakukan sebelumnya : perintah pembatalan perintah redo yang dilakukan sebelumnya : penghapusan sebual sel0te%t0obyek, bisa di opy untuk keperluan tertentu dengan perintah dari menu paste

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

4| Page

) Paste ) Paste after ) Paste spesial ) 6lear ) 7ind ) 'ptions

: mempilkan sebua sel0te%t0obyek hasil dari perintah opy atau ut : mengulangi perintah paste sebelumya : perintah paste spesial, yaitu bisa kon/esri ke gambar, word, dll : menghapusan sebuah sel0te%t0obyek : men ari suatu te%t : mengatur konfigurasi tampilan lembar SPSS se ara umum

&! '"E( Untuk pengaturan tambilan di layar ker-a SPSS, serta mengetahu proses-prose yang sedang ter-adi pada operasi SPSS. ) Status 8ar ) 2oolbar ) 7onts - 'utline si9e - 'utline font ) :ridlines ) ;alue labels : mengetahui proses yang sedang berlangsung : mengatur tampilan toolbar : untuk mengatur -enis, ukuran font pada data editor SPSS : ukuran font lembar output SPSS : -enis font lembar output SPSS : mengatur garis sel pada editor SPSS : mengatur tampilan pada editor untuk mengetahui /alue label

)! DA%A <enu data digunakan untuk melakukan pemrosesan data. ) Define Dates : mendefinisikan sebuah waktu untuk /ariable yang meliputi -am, tanggal, tahun, dan sebagainya ) =nsert ;ariable : menyisipkan kolom /ariable ) =nsert ase : menyisipkan baris ) :o to ase : memindahkan ursor pada baris tertentu ) Sort ase : mengurutkan nilai dari suatu kolom /ariable ) 2ranspose : operasi transpose pada sebuah kolom /ariable men-adi baris ) <erge files : menggabungkan beberapa file dokumen SPSS, yang dilakukan dengan penggabungan kolom-kolom /ariablenya ) Split file : meme ahkan file berdasarkan kolom /ariablenya ) Sele t ase : mengatur sebuah /ariable berdasarkan sebuah persyaratan tertentu *! %RANSF+RM <enu transform dipergunakan untuk melakukan perubahan-perubahan atau penambahan data. ) 6ompute ) 6ount ) 1e ode : operasi aritmatika dan logika untuk : untuk mengetahui -umlah sebuah ukuran data tertentu pada suatu baris tertentu : untuk mengganti nilai pada kolom /ariable tertentu, sifatnya menggantikan 3into same /ariable4 atau merubah 3into different /ariable4 pada /ariable baru

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

5| Page

) 6ategori9e /ariable : merubah angka rasional men-adi diskrit ) 1ank ase ,! ANA#-SE <enu analyse digunakan untuk melakukan analisis data yang telah kita masukkan ke dalam komputer. <enu ini merupakan menu yang terpenting karena semua pemrosesan dan analisis data dilakukan dengan menggunakan menu orrelate, ompare mens, regresion. .! /RAP0 <enu graph digunakan untuk membuat grafik, diantaranya ialah bar, line, pie, dll 1! U%"#"%"ES <enu utilities dipergunakan untuk mengetahui informasi /ariabel, informasi file, dll 2! AD3+NS <enu ad-ons digunakan untuk memberikan perintah kepada SPSS -ika ingin menggunakan aplikasi tambahan, misalnya menggunakan alikasi !mos, SPSS data entry, te%t analysis, dsb 14! ("ND+(S <enu windows digunakan untuk melakukan perpindahan 3swit h4 dari satu file ke file lainnya 11! 0E#P <enu help digunakan untuk membantu pengguna dalam memahami perintahperintah SPSS -ika menemui kesulitan %++# BAR P+"N%ER : Kumpulan perintah perintah yang sering digunakan dalam bentuk gambar. : Kursor yang menun-ukkan posisi cell yang sedang aktif 0 dipilih. : mengurutkan nilai data sebuah /ariabel

Per5obaan <enu 7ile merupakan menu pertama dari Data +ditor yang dibuka oleh para pengguna SPSS. Dimana Data +ditor pada SPSS mempunyai dua bagian utama : #. Kolom, dengan iri adanya kata /ar dalam setiap kolomnya. Kolom dalam SPSS akan diisi oleh /ariabel. $. 8aris, dengan iri adanya angka #, $, & dan seterusnya. 8aris dalam SPSS akan diisi oleh data. Kasus : 8erikut ini data barang di gudang #> barang diambil se ara a ak 3angka dalam rupiah4

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

6| Page

1! $! &! )! *! ,! .! 1! 2! 14!

Barang Bu6u %ulis %as Punggung Dompet 8am %angan Spidol 9ertas File /unting %empat :D Pensil ;ebra Penggaris

0arga Po6o67Unit &444 14444 )*444 .4444 .444 &4444 .4444 )*444 1.444 *444

Sto56 Di /udang *$)4 )4444 $$444 $*44 .144 $*444 .144 *$44 $$444 14*44

?angkah-langkah =nput Data : #. <embuat ;ariabel @ Nama 'ariabel beserta keterangan yang diinginkan tentang /ariable tersebut. <isal : 8arang, Aarga, Sto k Aal yang perlu diperhatikan saat mengisi nama /ariabel adalah : - *ama /ariabel harus diawali denngan huruf dan tidak boleh diakhiri dengan tanda titik. - Pan-ang maksimal B karakter. - 2idak boleh ada yang sama, dengan tidak membedakan huruf ke il atau besar. @ %ype< (idt dan De5imal 'ariabel 3 Default dari tipe setiap /ariabel baru adalah numeri , lebar B karakter sesuai dengan desimal sebanyak $ digit. 3 Untuk mengubah tipe /ariabel dilakukan dengan ara mengklik tombol pilihan pada kolom 2ype. 3 !da B tipe /ariable, yaitu : a! *umeri b! 6omma 5! Dot : angka, tanda 3C4 atau 3-4 didepan angka, indi ator desimal : angka, tanda 3C4 atau 3-4 didepan angka, indi ator desimal, tanda koma sebagai pemisah bilangan ribuan : angka, tanda 3C4 atau 3-4 didepan angka, indi ator desimal, tanda titik sebagai pemisah bilangan ribuan Klik /ariabel /iew pada po-ok kiri bawah, kemudian isikan :

d! S ientifi notation : sama dengan tipe numeri , tetapi menggunakan symbol + untuk kelipatan #> 3misal #$>>>> D #.$>+C"4 e! Date =! Dollar : menampilkan data format tanggal atau waktu : memberi tanda dollar 3E4, tanda koma sebagai pemisah bilangan ribuan dan tanda titik sebagai desimal : untuk format mata uang : biasanya huruf atau karakter lainnya

g! 6ustom urren y =! String

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

7| Page

$.

<engisi Data <emasukkan data pada Data +ditor dilakukan dengan ara mengetik data yang akan dianalisa pada sel-sel 3 ase4 dibawah -udul 3heading4 kolom nama /ariabel.

&.

<enyimpan Data Setelah data dimasukkan, maka data perlu disimpan untuk kepeluan analisa selan-utnya. ?angkah penyimpanan data adalah sebagai berikut : Klik <enu 7ile F Sa/e Data F 3Pilih folder penyimpanan4, ketik *ama 7ile F Klik 'K.

#ati an 8erikut ini adalah data #" 1esponden pria dan wanita sanggar tari GP1=<!H yang diambil se ara a ak : 1! $! &! )! *! ,! .! 1! 2! 14! 11! 1$! 1&! 1)! 1*! Nama Adelia Eri56 Anggoro Amelia #idya #iana :i5il Andre Agus #ana Mely Diana +on Dodi Agung %inggi 1,* 1.4 1.1 1,, 1,* 1,. 1,, 1.& 1.* 1.) 1,& 1,) 1.4 1.1 1.$ Berat )* ,4 ,* *4 ), )2 )) .4 .1 .& ,* ,. .* .) .4 /ender (anita Pria Pria (anita (anita Pria (anita Pria Pria Pria (anita (anita Pria Pria Pria

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

8| Page

Bab $ U6uran Data Mengguna6an Analisa Fre6uensi

%eori U6uran Data Statistik deskripsi lebih berhubungan dengan pengumpulan data dan peringkasan data , serta penya-ian hasil peringkasan tersebut. Data-data statistik yang bisa diperoleh dari hasil sensus, ser/ei atau pengamatan lainnya, umumnya masih a ak, GmentahH dan tidak terorganisir dengan baik 3raw data4. Data-data tersebut harus diringkas dengan baik dan teratur, baik dalam bentuk tabel datau presentasi grafis, sebagai dasar untuk berbagai pengambilan keputussan 3Statistik =nferensi4. Penya-ian tabel grafik yang digunakan dalam statistik deskripsi seperti : #. $. Distribusi 7rekuensi. Presentasi grafis seperti Aistogram, Pie hart dan lainnya.

Untuk mendapatkan gambaran yang lebih -elas tentang data, selain dengan tabel dan diagram, masih diperlukan ukuran-ukuran lain yang merupakan wakil dari data tersebut. Ukuran yang dimaksudkan dapat berupa : Ukuran Pemusatan 31ata-1ata Aitung atau <ean, <edian dan <odus4 Ukuran ?etak 3Iuartil dan Persentil4 Ukuran Penyimpangan0Penyebaran 31ange, 1agam, Simpangan 8aku dan :alat 8aku4 Skewness adalah tingkat kemiringan Kurtosis adalah tingkat kerun ingan Untuk menganalisa ukuran pemusatan, ukuran letak dan ukuran penyimpangan 3ketika ukuran termasuk ke dalam statistika deskripsi4, dapat dilakukan dengan prosedur. a. b. . !nalyse !nalyse !nalyse Des ripti/e Statisti s Des ripti/e Statisti s Des ripti/e Statisti s 7re5uen ies Des ription +%plore

Mengguna6an Analisa Fre>uen5ies Des ripti/e Statisti s Des ripti/e Statisti s 7re5uen ies 7re5uen ies

PR+SEDUR : !nalyse Klik menu !nalyse

Sorot /ariabel yang akan dianalisa lalu pindahkan ke kotak /ariabel dengan ara mengklik tanda GH Klik Statisti s, berilah tanda pada semua he k bo% Per etile ;alues 3Keterangan : untuk menentukan nilai Per entile #>,$" dan seterusnya, dilakukan dengan ara memberi tanda pada he k bo% per entile4 Klik hart, pilih Aistogram -ika ingin menampilkan
Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

9| Page

Klik format, beri tanda pada as ending /alue pada pilihan order by untuk mengurutkan data dari nilai terke il terbesar. Klik 'K. Per5obaan Data nilai U2S Statistik dari #" anak kelas ! yaitu : Nama 1! $! &! )! *! ,! .! 1! 2! 14! 14 11 1$ 1& 1) 1* Mimi Melisa -olin Nina Parto 8erry %om3%om -usron Able Ste=anus : andra Roy Ardian Nita Ma?an Nilai U%S 24 ,4 ,* ** .4 .1 .$ 14 ., *, *2 .. 1* 12 24

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

10 | P a g e

#ati an <entari ell dalam $> minggu melakukan pen-ualan dengan data sebagai berikut Minggu Pen@ualan 0andp one %ayangan "6lan 1 111 1$ $ 114 1& & 11, 1) ) 1&$ 1, * 1.1 12 , 1*, $$ . 1)1 $& 1 12, $) 2 111 $2 14 1*$ &, 11 1$& 1) 1$ 1). 1. 1& 1** ,2 1) 1.1 )4 1* 1,* 1$ 1, 11. 11 1. 1&, 14 11 12* . 12 $$$ 1 $4 *), 2 6ari : *, <ean, Std. +ror, <edian, Standart De/iasi, Skewness, Kurtosis, Data <inimum, Data <aksimum, 1ange, Per entile.

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

11 | P a g e

BAB & ANA#"SA DES9R"PS" %eori Analisa Des6ripsi PR+SEDUR A !nalyse Per5obaan Data barang pen-ualan Koperasi <ahasiswa : !!!!!!!!!!!!!!! 1! $! &! )! *! ,! .! 1! 2! 14 Bolpoint 9ertas File :D Blan6 Bu6u %ulis Ma@ala 9omputeB %empat 0P %empat Pensil Bing6ai Foto 8epit Rambut Penggaris Barang 0arga &*44 &4444 *444 *444 &*444 )4444 $4444 )*444 .444 *444 Klik !nalyse Des ripti/e Statisti s Des ription

Des ripti/e Statisti s

Des ription

Klik 'ptions, tandai pada semua dianalisis. Klik ontinue. Klik 'K

he k bo% ukuran data yang ingin

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

12 | P a g e

#ati an Data dari hasil penelitian kemasan pasta gigi diambil sample sebagai berikut : Responden 1 $ & ) * , . 1 2 14 Mer6 Pepsodent :iptadent Sensodyne 9odomo :lose Up #isterin S?itsal Pepsodent 0erbal Ritadent :lose Up ( itening Nilai Desain 9emasan 14 .* 1, 14 14 21 14 1, .4 14 Minat Beli 144 14 2) 11 24 2, 2* .* ,4 1,

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

13 | P a g e

Bab ) Pengu@ian Rata3Rata Satu Sampel %eori Pengertian

Aipotesis dapat diartikan sebagai dugaan mengenai suatu hal, atau hipotesis merupakan -awaban sementara suatu masalah, atau -uga hipotesis dapat diartikan sebagai kesimpulan sementara tentang hubungan suatu /ariabel dengan satu atau lebih /ariabel yang lain. *amun menurut Prof. Dr. S. *asution definisi hipotesis adalah pernyataan tentatif yang merupakan dugaan mengenai apa sa-a yang sedang kita amati dalam usaha untuk memahaminya. Fungsi Untuk mengu-i kebenaran suatu teori <emberikan gagasan baru untuk mengembangkan suatu teori. <emperluas pengetahuan peneliti mengenai suatu ge-ala yang sedang dipela-ari. Pengu@ian ipotesis Aipotesis yang baik selalu memenuhi dua pernyataan, yaitu : <enggambarkan hubungan antar /ariabel. Dapat memberikan petun-uk bagaimana pengu-ian hubungan tersebut. 'leh karena itu hipotesis perlu dirumuskan terlebih dahulu sebelum dilakukan pengumpulan data. Aipotesis ini disebut 0ipotesis Alternati= 3Aa4 atau 0ipotesis 6er@a 3Ak4 atau AC . Aipotesis ker-a atau AC merupakan kesimpulan sementara dan hubungan antar /ariabel yang sudah dipela-ari dari teori-teori yang berhubungan dengan masalah tersebut. Untuk pengu-ian AC perlu ada pembanding yaitu 0ipotesis Nol 30o4. 0o disebut -uga sebagai Aipotesis Statistik, karena digunakan sebagai dasar pengu-ian. ?angkah atau prosedur untuk menentukan apakah menerima atau menolak Aipotesis Statistik 30o4 disebut Pengu-ian Aipotesis. 'leh karena itu dalam pengu-ian Aipotesis, penarikan kesimpulan mengenai populasi didasarkan pada informasi sampel bukan populasi itu sendiri, maka kesimpulannya dapat sa-a keliru. Dalam Pengu-ian Aipotesis terdapat dua kekeliruan atau galat, yaitu : Kesimpulan 2erima Ao 2olak Ao tepat galat -enis = 3K4 Keadaan sebenarnya Ao 0o benar 0o salah galat -enis == 3J4 tepat

Penarikan kesimpulan dinyatakan tepat apabila kita menerima 0o, karena memang 0o benar, atau menolah 0o, karena memang 0o salah. !pabila kita menyimpulkan menolak 0o padahal 0o benar, maka kita telah melakukan kekeliruan yang disebut kekeliruan atau galat -enis = 3K4. 8egitu pula sebaliknya -ika kita menyimpulkan untuk menerima 0o padahal 0o salah, maka kita telah melakukan kekeliruan yang disebut kekeliruan atau galat -enis == 3J4.
Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

14 | P a g e

Lika nilai K diperke il, maka akan men-adi J besar. *ilai K biasanya ditetapkan sebesar >,>" atau >,>#. Lika K D >,>", artinya " dari setiap #>> kesimpulan kita akan menolak 0o, yang seharusnya diterima. Aarga 3#- J4 disebut Kuasa U-i atau Kekuatan U-i. 2eknik dalam pengu-ian hipotesis dilakukan berdasarkan : a. Pengu-ian Satu Pihak 0o : K D Ko AC A K M Ko AC A K N Ko b. Pengu-ian Dua Pihak 0o : K D Ko 0C : K O Ko Pengu@ian rata3rata satu sampel Pengu-ian rata-rata satu sampel dimaksudkan untuk mengu-i nilai tengah atau rata-rata populasi P sama dengan nilai tertentu Po, lawan hipotesis alternatifnya bahwa nilai tengah atau rata-rata populasi P tidak sama dengan Po. Ladi kita akan mengu-i : 0o A K D Ko lawan 0C : K O Ko 0o merupakan hipotesa awal. Per5obaan Seorang mahasiswa melakuan penelitian mengenai galon susu murni yang rata-rata isinya #> liter. 2elah diambil sampel se ara a ak dari #> botol yang telah diukur isinya, dengan hasil sebagai berikut : #>,$ Q R,S Q #>,# Q #>,& Q #>,# Q R,B Q R,R Q #>,( Q #>,& Q R,B. Dengan K D >,># !nalisa se ara manual : #. Aipotesis 0o A K D #> lawan 0C : K O #> $. U-i statistik t 3karena K tidak diketahui atau n N &>4. &. K D >.># (. ,ilayah kritik : t N t K0$3n-#4 %-P tD s0Un Karena t = 0 772 terletak diantara !3 250 dan 3 250 di"i#$%lkan %nt%k #eneri#a Ho artinya $ernyataan &ah'a rata!rata i"i galon "%"% #%rni 10 liter da$at diteri#a( !nalisa menggunakan SPSS :
Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

atau

t M t K0$3n-#4.

". Perhitungan, dari data : rata-rata % D #>.>T dan simpangan baku sampel s D >.$("R. D >,SS$

15 | P a g e

#. <asukkan data diatas pada Data ;iew, namun sebelumnya kita harus menentukan nama dan tipe datanya pada ;ariable ;iew. $. klik <enu !naly9e 6ompare <eans 'ne Sample 2-2est. &. Sehingga menghasilkan hasil analisa sebagai berikut :

Keterangan hasil analisa : Std error 2 Df Sig 3$-tailed4 Ao diterima apabila D Standar +rror D nilai hitung D dera-at kebebasan D probabilitas 3K0$4 sig M 3K0$4, Ao ditolak apabila sig N 3K0$4,

<ean differen e D perbandingan rata-rata

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

16 | P a g e

#ati an Seorang pengusaha berpendapat bahwa rata-rata pen-ualan perhari karyawankaryawannya adalah sebesar 1p. #.>$>,>> dengan alternatif tidak sama dengan itu. Untuk maksud pengu-ian pendapatnya, pengusaha tersebut melakukan wawan ara terhadap $> orang karyawannya yang dipilih se ara a ak. Dengan menggunakan K D >,>". u-ilah pendapat tersebut dan berikan analisa anda. Aasil wawan aranya adalah sebagai berikut. *ama aan andi beril bona i i dimas erik gogon Aari heru ila osin mima neni sila Si5i 2ata 2ita ,ina 9ula Pen-ualan 31p.4 #>>> RB> BB> RS> B"> S"> SS> R$> BS> R>> R&> #>B> #$>> #>(> #>(> B"> R"> ##>> ###> RR>

2uliskan hasil analisanya dibawah ini, dan apakah Ao diterimaV

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

17 | P a g e

BAB * Pengu@ian Rata3Rata Dua Sampel . %eori Untuk pengu-ian rata-rata dua sampel terdapat $ -enis data : #. Dua Sampel 8erpasangan. !rtinya kedua sampel bersifat mutually e% lusi/e 3saling asing4 dan banyaknya pengamatan 3ulangan4 sama pada masing-masing sampel. $. Sampel 8ebas 0 =ndependen. Pada pengu-ian rata-rata dua sampel berpasangan, banyaknya nilai pengamatan harus sama 3n#Dn$4, sedangkan pada dua sampel yang bebas banyaknya pengamatan tidak harus sama.

Per5obaan #. ?angkah penyelesaiannya adalah sebagai berikut : #. <asukkan data diatas pada Data ;iew, namun sebelumnya kita harus nenentukan nama dan tipe datanya pada ;ariable ;iew. $. Klik !naly9e 6ompare <eans Paired Samples 2-2est <aka akan mun ul tampilan sebagai berikut :

Keimpulan A> diterima karena p-/alue 0 $ M >,>"

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

18 | P a g e

$. misal kita akan mengu-i sampel pada taraf nyata K D >.>" bahwa masa putar roda pada sepeda # berbeda dengan sepeda $. Data masa putar roda 3menit4 kedua sepeda tersebut adalah : <asa Putar 3menit4 "B "" "$ "R "R T> T( T$

sepeda # sepeda $

"" T"

T"

"B

?angkah penyelesaiannya adalah sebagai berikut : #. <asukkan data diatas pada Data ;iew, namun sebelumnya kita harus nenentukan nama dan tipe datanya pada ;ariable ;iew. $. Klik !naly9e 2est 6ompare <eans =ndependent Samples 2-

<aka akan mun ul hasil analisa, tulis dibawah ini W

#ati an Seorang guru berpendapat bahwa tidak ada perbedaan nilai rata-rata murid kelas ! dan murid kelas 8, namun dengan alternatif ada perbedaan. Untuk mengu-i pendapat tersebut, kemudian dilakukan penelitian berdasarkan penarikan sampel se ara a ak dimana ada B murid kelas ! dan T murid kelas 8. 2ernyata hasil penelitian nilai siswa adalah sebagai berikut : Kelas ! Kelas 8 : S," Q B," Q S Q S,& Q B Q S,S Q B,( Q B," : S Q T,S Q S,& Q S," Q T,T

Dengan menggunakan K D "X, u-i pendapat tersebut.

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

19 | P a g e

Bab , ANA#"SA DA%A 9A%E/+R"9

Dalam bab ini kita akan membahas analisis data kategorik 3analysis of ategori al data4 menggunakan u-i khi kuadrat 3 hi-s5uare test4, yaitu u-i khi kuadrat untuk satu /ariabel kategorik 3 one ategori al /ariable4 yang disebut u-i kebaikan suai khi kuadrat 3 his5uare goodness-of-fit test4 dan u-i khi kuadrat untuk dua /ariabel kategorik 3 two ategori al /ariable4 yang disebut u-i khi kuadrat untuk kebebasan 3 hi s5uare test for independen e4. dalam pengu-ian hipotesis, kriteria untuk menolak atau tidak menolak A > berdasarkan p-/alue adalah sebagai berikut: Lika P-/alue N K , maka A> ditolak Lika P-/alue M K , maka A> tidak dapat ditolak.

dalam program SPSS digunakan istilah signi=i5an5e 3yang disingkat Sig4 untuk P/alueQ dengan kata lain P3value D Sig!

u@i 6ebai6an suai 6 i 6uadrat E F$G digunakan untuk mengu-i apakah frekuensi data yang diamati dari suatu /ariable kategorik sesuai dengan frekuensi harapan 3e%pe ted fre5uen ies4. Aipotesis untuk u-i kebaikan suai khi kuadrat selalu berbentuk u-i hipotesis dua sisi 3twosided atau two-tailed test4 dengan hipotesis: A> : Yi D Yi> A# : tidak semua Yi D Yi> Dimana : .i D #, $. & Z k k D banyaknya kategori Yi> D probalitas atau proporsi atau frekuensi a uan.

U@i 6ebai6an suai dengan =re6uensi arapan sama! Sebagai ontoh u-i kebaikan suai khi kuadrat untuk model dengan frekuensi harapan sama 3 e5ual e%pe ted fre5uen ies 4 akan digunakan data sebagai berikut : Sebuah perusahaan pasta gigi ingin memasarkan pasta gigi dengan rasa : strawberry, /anilla, oklat, -eruk, dan nanas. Perusahaan tersebut ingin mengetahui apakah konsumen memiliki preferensi tertentu terhadap kelima rasa pasta gigi tersebut. Perusahaan
Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

20 | P a g e

melakukan suatu sur/ey dengan membagikan kemasan ke il dari setiap rasa pasta gigi kepada $>> konsumen. Data preferensi dari $>> konsumen terhadap kelima rasa pasta gigi tersebut adalah sebagai berikut :

1asa pasta gigi Strawberry ;anilla 6oklat Leruk *anas total

7rekuensi tersebut &$ &> $B "B "$ $>>

konsumen

yang

memilih

rasa

!pakah ada preferesi tertentu konsumen terhadap kelima rasa pasta gigi tersebut V 3 gunakan K D >,># 4. Penyelesaiannya A !da " kategori untuk /ariable kategorik rasa pasta gigi, kD ". 7rekuensi harapan D 8entuk hipotesis : A> : preferensi terhadap kelima rasa pasta gigi sama. A# : preferensi terhadap kelima rasa pasta gigi tidak sama. !tau A> : Ystrawberry D Y/anila D Y oklat D Y-eruk D Ynanas D (> A# : tidak semua Ystrawberry D Y/anila D Y oklat D Y-eruk D Ynanas sama dengan (>. D (>.

Prosedur dengan SPSS #. pada lembar variable vie? kita definisikan /ariabel rasa pasta gigi dengan nama rasa 3 dengan data /alue [#D strawberry\ Q [$D/anila\Q [&D oklat\Q [(D-eruk\Q ["Dnanas\4 dan /ariabel =re6uensi dengan nama =re6uensi.

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

21 | P a g e

$.

pada lembar data vie?, masukkan data rasa dan =re6uensi :

&.

klik data lalu pilih ?eig t 5ases!

(. pilih option ?eig t 5ases by. <asukkan /ariabel =re6uensi. ?alu klik o6! ". lalu klik analyHe pilih nonparametri5 %est< : i3S>uare! Pindahkan /ariabel rasa pasta gigi IrasaJ ke dalam bo% test /ariable3s4. klik option! Pilih des5riptive lalu klik 5ontinue!

T.

kemudian klik o6 maka akan di dapat hasil analisi hi-s5uare goodness-of-fit test sebagai berikut :

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

22 | P a g e

Des5riptive Statisti5s Std. De/iation #.(#R <inimu m # <a%imu m "

* rasa gigi pasta $>>

<ean &.&(

: i3S>uare %est Fre>uen5ies rasa pasta gigi 'bser/ed * strawberr &$ y /anila oklat -eruk nanas 2otal &> $B "B "$ $>> %est Statisti5s +%pe ted * (>.> (>.> (>.> (>.> (>.>

1esidual -B.> -#>.> -#$.> #B.> #$.>

rasa pasta gigi 6hi-S5uare3a4 df !symp. Sig. #R.(>> ( .>>#

a > ells 3.>X4 ha/e e%pe ted fre5uen ies less than ". 2he minimum e%pe ted ell fre5uen y is (>.>.

interpretasi asil untuk hi-s5uare goodness-of-fit test, SPSS memberikan hasil ] $ D #R.( dengan dera-at kebebasan D k-# D"-# D( dan P-/alue D >.>>#. karena P-/alueD>.>># lebih ke il dari KD>.>#, maka A> : Ystrawberry D Y/anila D Y oklat D Y-eruk D Ynanas D (> di tolak. Kesimpulan preferensi konsumen terhadap kelima rasa pasta gigi tidak sama.

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

23 | P a g e

U@i 6ebai6an suai dengan =re6uensi arapan ta6 sama! 6ontoh kasus utuk model ini adalah sebagai berikut : Pabrik permen oklat ka ang <^< menyatakan dalam setiap kantong permen oklat ka ang kemasan ">> gram terdapat &>X permen warna oklat, $>X permen warna hi-au, $>X warna merah, $>X warna kuning, dan #>X warna biru. Seorang naka membeli # kemasan permen tersebut dan di dalamnya terdapat #BB permen dengan rin ian warna sebagai berikut Q TS warna oklat, $( warna hi-au, "# warna merah, $$ warna kuning, dan $( warna biru. :unakan taraf signifikan KD>.>#, untuk mengu-i apakah distribusi warna permen sesuai dengan pernyataan pabrik. PenyelesaianyaA 8entuk hipotesis : A> : Y oklat D"T,(Q Yhi-au D &S,TQ Ymerah D&S,TQ Ykuning D&S,TQ Ybiru D #B,B. A# :Distribusi warna permen oklat ka ang tidak sesuai dengan Y &S,TQ Ymerah D&S,TQ Ykuning D&S,TQ Ybiru D #B,B. Dimana : Y oklat D&>X % #BBD "T,(. Yhi-au D $>X % #BBD &S,T. Ymerah D$>X % #BBD &S,T. Prosedur dengan SPSS #. pada lembar variable vie? kita definisikan /ariabel ?arna permen 5o6lat dengan nama ?arna 3 dengan data /alue [#D oklat\ Q [$Dhi-au\Q [&Dmerah\Q [(Dkuning\Q ["Dbiru\4 dan /ariabel =re6uensi dengan nama =re6uensi. Ykuning D$>X % #BBD &S,T. Ybiru D #>X % #BBD #B,B.
oklat

D"T,(Q Yhi-au D

$.

pada lembar data vie?, masukkan data rasa dan =re6uensi :

&.

klik data lalu pilih ?eig t 5ases!

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

24 | P a g e

(. pilih option ?eig t 5ases by. <asukkan /ariabel =re6uensi. ?alu klik o6! ". lalu klik analyHe pilih nonparametri5 %est< : i3S>uare! Pindahkan /ariabel ?arna permen I?arnaJ ke dalam bo% test /ariable3s4. pada EBpe5ted value! Pilih values masukkan ke lima frekuensi harapan lalu klik add!

T. S.

klik menu option! Pilih des5riptive lalu klik 5ontinue! ?alu klik o6 maka akan di dapat hasil analisis hi-s5uare goodness-of-fit test sebagai berikut : Des5riptive Statisti5s * warna permen #BB <ean $."& Std. De/iation #.(>( <inimu m # <a%imu m "

: i3S>uare %est Fre>uen5ies ?arna permen 'bser/ed * oklat hi-au kunin g biru TS $( +%pe ted * "T.( &S.T &S.T &S.T #B.B 1esidual #>.T -#&.T #&.( -#".T ".$

merah "# $$ $(

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

25 | P a g e

2otal

#BB

%est Statisti5s warna permen 6hi-S5uare3a4 df !symp. Sig. #R."RB ( .>>#

a > ells 3.>X4 ha/e e%pe ted fre5uen ies less than ". 2he minimum e%pe ted ell fre5uen y is #B.B. interprestasi asil . karena P-/alueD>.>># lebih ke il dari KD>.>#, maka A > : Y oklat D"T,(Q Yhi-au D &S,TQ Ymerah D&S,TQ Ykuning D&S,TQ Ybiru D #B,B. Ditola6 Kesimpulan distribusi warna permen oklat ka ang tida6 sesuai dengan pernyataan pabrik.

U@i 6 i 6uadrat E F$G untu6 6ebebasan U-i khi kuadrat 3 ]$4 untuk kebebasan 3 hi-s5uare 3 ]$4 test for independen e 4 atau disebut -uga 5ontingen5y3table analysis digunakan untuk mengu-i apakah dua /ariabel kategorik bersifat independen atau dependen. Sebagai ontoh kasusnya sebagai berikut : Seorang penegak hukum mengklasifikasi tindakan kriminal men-adi dua tipe: [dengan kekerasan\ atau [tanpa kekerasan\. Suatu in/estigasi dilakukan untuk mempela-ari tipe tindak kriminal tergantung pada usia pelaku tindak kriminal tersebut. Suatu sampel a ak dari #>> pelaku tindak kriminal diambil dari data kepolisian. Data ini di tabulasi-silangkan sebagai berikut : Kelompok usia 3 dalam tahun4 2ipe tindak kriminal Dengan kekerasan 2anpa kekerasan Dibawah $" #" " $"-(R &> &> "> keatas #> #>

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

26 | P a g e

!pakah data tersebut menun-ukkan bahwa tipe tindak kriminal tergantung pada usia pelakuV gunakan K D>.>". penyelesaiannya hipotesis: A> : tipe tindak kriminal tida6 tegantung pada usia pelaku. A# : tipe tindak kriminal tergantung pada usia pelaku.

Prosedure dengan SPSS #. pada lembar variable vie? kita definisikan /ariabel tipe tinda6 6riminal dengan nama 6riminal 3 dengan data /alue [#Ddengan kekerasan\ Q [$Dtanpa kekerasan\4, /ariabel 6elompo6 usia dengan nama usia 3 dengan data /alue [#D dibawah $"\Q [$D$"-(R\Q [&D"> keatas\4 dan /ariabel =re6uesi dengan nama =re6uensi!

$.

kemudian pada lembar data vie? kita masukkan data sebagai berikut : a. untuk tipe tinda6 6riminal [# D dengan kekerasan\ dan usia [# D dibawah $"\ dengan frekuensi data 1*! b. untuk tipe tinda6 6riminal [# D dengan kekerasan\ dan usia [$ D $"-(R\ dengan frekuensi data &4! dan seterusnyaZ

&.

klik data lalu pilih ?eig t 5ases!

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

27 | P a g e

(. ".

kemudian klik analyHe< des5riptive statisti5s, dan pilih 5rosstabs! pindahkan /ariabel tipe tinda6 6riminal I6riminalJ ke bo% ro?EsG dan /ariabel 6elompo6 usiaIusiaJ ke dalam bo% 5olumnEsG!

T. S.

klik 5ells< pada pilihan ounts pilih observed dan eBpe5ted, lalu klik ontinue. kemudian klik statisti5s< lalu ontinue

B.

kemudian klik o6, maka akan didapat hasil sebagai berikut :

:ase Pro5essing Summary 6ases ;alid * tipe kriminal tindak #>> . <issing Per en t * #>>.> X > 2otal Per en t * .>X #>> Per ent #>>.>X

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

28 | P a g e

kelompok usia

tipe tinda6 6riminal K 6elompo6 usia :rosstabulation

kelompok usia dibawah $" tipe tindak krimin al dengan kekerasan 6ount #" +%pe ted 6ount &> #> "" "". > "> keata 2ot s al

$"-(R

##.>

&&.>

##.>

tanpa kekerasn

6ount +%pe ted 6ount

" R.>

&> $S.>

#> R.>

(" (". >

2otal

6ount +%pe ted 6ount

$> $>.>

T> T>.>

$> $>.>

#>> #>> .>

: i3S>uare %ests !symp. Sig. 3$sided4 .#&& .#$#

;alue Pearson S5uare 6hi(.>(>3a4 (.$&#

df $ $

?ikelihood 1atio

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

29 | P a g e

?inear-by-?inear !sso iation

$.">>

##(

* of ;alid 6ases interpretasi asil

#>>

a > ells 3.>X4 ha/e e%pe ted ount less than ". 2he minimum e%pe ted ount is R.>>.

. untuk hi-s5uare test for independen e, SPSS memberikan hasil ] $ D (,>(> dengan dera-at kebebasan D 3r-#43 -#4D3$-#43&-#4D$ dan P-/alueD>,#&&. Karena P-/alueD>,#&& lebih besar dari KD>.>", maka A> : tipe tindak kriminal tida6 tergantung pada kelompok usia pelaku tida6 dapat ditolak. Kesimpulan tipe tindak kriminal tida6 tergantung pada kelompok usia pelaku. Rumus 5 i3s>uare test 1umus untuk u-i kebaikan suai 3goodness-of-fit test4 adalah sebagai berikut :

Dengan dera-at kebebasan D3k-#4. Dimana : 'i D adalah frekuensi data yang diamati 3 obser/ed fre5uen ies4. ei D adalah frekuensi harapan 3 e%pe ted fre5uen ies4 k D banyaknya kategori. 1umus untuk u-i khi-kuadrat untuk kebebasan 3 hi-s5uare test for independen e4

Dera-at kebebasan D3 r-#43 -#4 Dimana : adalah frekuensi data yang di obser/asi pada baris keSekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

kolom ke-

30 | P a g e

: adalah frekuensi harapan pada baris ke: -umlah frekuensi pada baris baris ke: -umlah frekuensi pada baris kolom ke: -umlah total frekuensi r : adalah -umlah baris 3row4 : adalah -umlah kolom 3 olumn4

kolom ke-

BAB . ANA#"SA RA/AM SA%U ARA0

!nalisa ragam satu arah 3 oneway !*';!4 digunakan untuk membandingkan mean lebih dari satu. 8entuk hipotesisnya adalah sebagai berikut : A> : _# D _$ D _& D Z D _k A# : minimal ada dua mean popuasi yang tidak sama. Sebagai ontoh kasus oneway !*';! adalah sebagi berikut : Seorang mana-er yang melakukan super/isi terhadap & produ tion line tertarik akan kiner-a ketiga produ tion line tersebut. Selama T minggu, mana-er itu mengumpulkan data -umlah produk yang a at per #>>> unit yang produksi. Dua dari produ tion line itu harus tutup selama $ minggu karena harus perbaikan peralatan. Data yang di dapat mana-er adalah sebagai berikut : Produ tion line # (.# &.R (# &." Produ tion line $ $." $.( &.> #." Produ tion line & $.T $.$ $.$ $." #.$ #.$ !pakah ketiga produ tion line tersebut menghasilkan produk dengan kualitas yang sama V gunakan K D >,>#.

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

31 | P a g e

Penyelesaiannya #. pada lembar variable vie? kita definisikan /ariabel produ5tion line dengan nama /ariabel line dan di beri label produ5tion line seta /alue [# D produ tion line #\Q [$ D produ tion line $\Q\& Dprodu tion line &\. Untuk /ariabel @umla produ6 yang 5a5at gunakan nama 5a5at dan diberi label @umla produ6 5a5at! $. kemudian pada lembar data vie? kita masukkan data line dan 5a5at sebagai berikut

&. (.

kemudian klik analyHe< 5ompare means! ?alu pilih one3?ay AN+'A! pindahkan /ariabel @umla produ5tion line ke fa tor. produ6 5a5at I5a5atJ ke dependen list. Dan /ariabel

".

untuk menghitung post Hoc Multiple Comparison dengan asumsi ketiga sample produ5tion line memiliki ragam 3 /arian e 4 yang sama, klik tombol ber-udul Post 0o5! Pilih Bon=erroni dan S5 e==e lalu 5ontinue!

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

32 | P a g e

T.

kemudian klik option pilih omogeneity o= varian5e test untuk mengu-i asumsi apakah ketiga sampel produ5tion line berasal dari populasi yang mempunyai ragam 3 /arian e 4 sama. ?alu klik 5ontinue!

S.

kemudian klik o6, maka akan di dapat hasil: %est o= 0omogeneity o= 'arian5es

Lumlah produk a at ?e/ene Statisti #.T#& df# $ AN+'A -umlah produk a at Sum of <ean S5uares df S5uare 8etween R.$S( :roups ,ithin :roups &.&SB 2otal #$.T"$ $ ## #& (.T&S .&>S df$ ## Sig. .$(&

7 #".>RB

Sig. .>>#

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

33 | P a g e

0omogeneous Subsets @umla produ6 5a5at produ tion line S heffe 3a,b4 * # Subset for alpha D .>" $ # #.RB& $.&"> .T$( &.R>> #.>>>

produ tion line & T produ tion line $ ( produ tion line # ( Sig.

<eans for groups in homogeneous subsets are displayed. a Uses Aarmoni <ean Sample Si9e D (.">>. b 2he group si9es are une5ual. 2he harmoni mean of the group si9es is used. 2ype = error le/els are not guaranteed.

"nterpretasi asil Dari test of homogeneity of /arian e di dapat nilai P-/alue D >,$(& yang lebih besar dari K D >,>#. Sehingga A> : `#$ D `$$ D `&$ tidak dapat ditolak. Kesimpulan ketiga sampel produ tion line berasal dari populasi yang memiliki ragam sama. Dari tabel !*';! di dapat nilai sttistik 7D #",>RB dengan dera-ar kebebasan K-#D & D $ dan n-k D#(-& D ## dan P-/alue D >,>>>#. Karena P-/alue lebih ke il dari K D >,>#, maka A> : _# D _$ D _& ditolak. Kesimpulan ketiga produ tion line menghasilkan produk dengan kualitas yang berbeda. Dari tabel homogeneous subsets terlihat bahwa subset # beranggotakan produ tion line & dan produ tion line $. ini berarti produ tion line & dan produ tion line $ tidak berbeda.

#ati an #. seseorang ingin mengetahui apakah ada perbedaan terhadap pertambahan berat badan & kelompok bayi berusia $ bulan apabila di perlakukan dengan & ara pemberian !S= dan diperoleh datanya sebagai berikut :
Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

34 | P a g e

88# &"> &S" &B> &S> (#> (>> ">> (S" &B" ($> Ket:

88$ &>> &>> $S" $R> &#> &&> &"> $R> &#> &>"

88& &($ &#> $R> &S> &(> &&> &"> (>> ("> &$"

88# D berat badan bayi berumur $ bulan yang hanya diberi !S= sa-a 88$ D berat badan bayi berumur $ bulan yang 2idak diberi !S= sa-a 88& D berat badan bayi berumur $ bulan yang hanya diberi !S= dan susu bayi :unakan K D >,>".

BAB 1 ANA#"SA RA/AM DUA ARA0 !nalisa ragam dua arah 3 2woway !nalysis of ;arian e4 digunakan untuk membandingkan mean lebih dari dua sampel yang diklasifikasikan men-adi dua fa tor atau dua klasifikasi. !da tiga bentuk hipotesis analisa ragam dua arah : Untuk fa tor pertama 3!4 : A> : D D D ZD

A# : minimal ada dua mean populasi yang tidak sama. Untuk fa tor kedua 384 : A> : D D D ZD

A# : minimal ada dua mean populasi yang tidak sama. Untuk interkasi anatar kedua fa tor ! dan fa tor 8 3 bila ada 4Q A> : 3_!84# D 3_!84$ D 3_!84& D Z D 3_!84r %
Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

35 | P a g e

A# : minimal ada dua mean interkasi populasi yang tidak sama. Ket : D mean populasi baris ke-# dari fa tor pertama. D mean populasi baris ke-$ dari fa tor pertama. D mean populasi baris ke-& dari fa tor pertama. D mean populasi baris ke-r dari fa tor pertama. D mean populasi baris ke-# dari fa tor kedua. Dan seterusnya.. 6ontoh kasus analisa ragan $ arah adalah sebagai berikut : Data pada tabel di bawah ini adalah data hasil kuis yang didapat oleh " mahasiswa untuk ( mata kuliah, yaitu : matematika, statistika, bahasa inggris, dan bahasa =ndonesia. :unakan K D >,>" untuk melakukan. a. U-i hipotesis bahwa kelima mahasiswa mempunyai kemampuan yang berbeda. b. U-i hipotesis bahwa keempat mata kuliah tersebut memiliki tingkat kesulitan yang berbeda. . U-i hipotesis bahwa tidak ada interaksi antara mahasiswa dan mata kuliah.

*ama mahasiswa andy

*ilai kuis <atematika S" S( S$ statistika S> S$ S& B" BS BB S( ST SS 8ahasa inggris SB SR ST B$ B> B# B# B( B& 8ahasa indonesia SS SR B> B> B& B# ST S" S&

diah

SR SS SB

hendra

S> S# S$

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

36 | P a g e

sinta

"" "( "&

"( "& "T B( B& B#

"& "> "$ B$ B# B"

"( "> "& B& B$ B>

yanti

B> B$ B(

Penyelesaiannya! #. pada variable vie? kita definisikan : a. /ariabel ma asis?a dengan nama ma asis?a dan labelnya mahasiswa serta /alue label [ # D andy\Q\$ D diah\Q\& D hendra\Q\( D sinta\Q\" D yanti\. Skala /ariabel mahasiswa adalah nominal! b. /ariabel mata6ulia dengan nama mt6ulia dan labelnya mata kuliah serta /alue label [# D matematika\Q\$ D statistika\Q\& D bahasa inggris\Q\( D bahasa =ndonesia\. Skala /ariabel matakuliah adalah nominal! . /ariabel nilai 6uis dengan nama nilai dan diberi /ariabel label nilai 6uis! $. pada lembar data vie? kita masukkan data di atas.

&. (.

kemudian klik analyHe dan klik general linear model lalu pilih univariate! pindahkan /ariabel nilai 6uis InilaiJ. Kedependen /ariable dan variabel ma asis?a Ima asis?aJ serta /ariabel mata6ulia Imt6ulia J ke 7i%ed fa tor3s4.

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

37 | P a g e

".

untuk menghitung Post Ao <ultiple 6omparison terhadap /ariabel ma asis?a dan /ariabel mata 6ulia . Klik post 0o5! Pundahkan fa tor mahasiswa dan mtkuliah ke post ho test for dan kemudian pilih Bon=erroni biladiasumsikan sama dan /ames3 0o?ell bila di asumsikan /arian e tidak sama. Disini kita memilih Bon=erroni karena belum tahu asumsi mana yang bisa dipenuhi.

T.

kemudian klik 5ontinue! ?alu klik option. Pilih 0omogeneity test!

S.

kemudian klik 5ontinue lalu klik o6. <aka akan didapat hasil sebagai berikut : Univariate Analysis o= 'arian5e Bet?een3Sub@e5ts Fa5tors ;alue ?abel <ahasisw a # $ & ( " # $ !ndy Diah Aendra Sinta aanti <atematik a Statistika * #$ #$ #$ #$ #$ #" #"

<atakulia h

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

38 | P a g e

& (

8ahasa =nggris 8ahasa =ndonesia

#" #"

#eveneLs %est o= E>uality o= Error 'arian5esEaG Dependent ;ariable: *ilai Kuis 7 .&S> df# #R df$ (> Sig. .RBR

2ests the null hypothesis that the error /arian e of the dependent /ariable is e5ual a ross groups. a Design: =nter eptCmahasiswCmtkuliahCmahasisw . mtkuliah %ests o= Bet?een3Sub@e5ts E==e5ts Dependent ;ariable: *ilai Kuis 2ype === Sum of Sour e S5uares df 6orre ted <odel S&>>.T>>3a #R 4 =nter ept &$"R>#.(> # > mahasisw TB"(.$TS ( mtkuliah R$.T>> & mahasisw . &"&.S&& #$ mtkuliah +rror R(.>>> (> 2otal &&&$RT.>> T> > 6orre ted 2otal S&R(.T>> "R

<ean S5uare &B(.$($ &$"R>#.(>> #S#&."TS &>.BTS $R.(SB $.&">

7 #T&.">S #&BTB#. ((S S$R.#SS #&.#&" #$."((

Sig. .>>> .>>> .>>> .>>> .>>>

a 1 S5uared D .RBS 3!d-usted 1 S5uared D .RB#4

post

o5 test Multiple :omparisons

ma asis?a Dependent ;ariable: *ilai Kuis 8onferroni 3L4 3=4 <ahasis <ahasiswa wa <ean Differen e 3=- Std. L4 +rror Upper ?ower 8ound 8ound -T.&&3.4 .T$T -."B .T$T Sig. ?ower 8ound .>>> #.>>> R"X 6onfiden e =nter/al Upper ?ower 8ound 8ound -B.#R -(.(S -$.(( #.$B

!ndy

Diah Aendra

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

39 | P a g e

Diah

Aendra

Sinta

aanti

Sinta aanti !ndy Aendra Sinta aanti !ndy Diah Sinta aanti !ndy Diah Aendra aanti !ndy Diah Aendra Sinta

$$.&&3.4 -T.B&3.4 T.&&3.4 ".S"3.4 $B.TS3.4 -."> ."B -".S"3.4 $$.R$3.4 -T.$"3.4 -$$.&&3.4 -$B.TS3.4 -$$.R$3.4 -$R.#S3.4 T.B&3.4 ."> T.$"3.4 $R.#S3.4

.T$T .T$T .T$T .T$T .T$T .T$T .T$T .T$T .T$T .T$T .T$T .T$T .T$T .T$T .T$T .T$T .T$T .T$T

.>>> .>>> .>>> .>>> .>>> #.>>> #.>>> .>>> .>>> .>>> .>>> .>>> .>>> .>>> .>>> #.>>> .>>> .>>>

$>.(S -B.TR (.(S &.BR $T.B# -$.&T -#.$B -S.T# $#.>T -B.## -$(.#R -&>."& -$(.SB -&#.>& (.RS -#.&T (.&R $S.&#

$(.#R -(.RS B.#R S.T# &>."& #.&T $.(( -&.BR $(.SB -(.&R -$>.(S -$T.B# -$#.>T -$S.&# B.TR $.&T B.## &#.>&

8ased on obser/ed means. . 2he mean differen e is signifi ant at the .>" le/el.

"nterpretasi asil Dari tabel leveneMs test o= e>uality o= error varian5e yang mengu-i hipotesis A> : /arian e diasumsikan sama A# : /arian e diasumsikan tidak sama Didapat hasil P-/alue D >,RBR yang lebih besar dari K D >,>" sehingga A> : /arian e diasumsikan sama tida6 dapat ditolak. Kesimpulan /arian e sama. Dari tabel !*';! di dapat nilai statistik untuk main effe t sebagai berikut : a. 7aktor ma asis?a : nilai u-i 7 D S$R,#SS dengan dera-at kebebasan r -# D " -# D ( dan r 3n-#4 D "%(3&-#4 D (> serta P-/alueD>,>>>. Karena P-/alue lebih ke il dari KD>,>", maka A> : _andy D _diah D _hendra D _sinta D _yanti ditola6! Kesimpulan kelima mahasiswa mepunyai kemampuan yang berbeda. b. 7aktor mata6ulia nilai u-i 7 D #&,#&" dengan dera-ar kebebasan -# D (-#
Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

40 | P a g e

D & dan r 3n-#4 D "%(3&-#4 D (> serta P-/alueD>,>>>. Karena P-/alue lebih ke il dari KD>,>", maka A> : _matematika D _statistika D _bahasainggris D _bahasa indonesia ditola6! Kesimpulan keempat mata kuliah mepunyai tingkat kesulitan yang berbeda. . 7aktor intera6si : nilai u-i 7D#$,"(( dengan dera-at kebebasan 3r-#43 -#4 D 3"-#43(-#4 D #$ dan r 3n-#4D "%(3&-#4 D (> serta P-/alueD>,>>>. Karena P/alue lebih ke il dari KD >,>", maka A> : 3_mhs-mtkliah4# D 3_mhs-mtkliah4$ D Z D 3_mhsmtkliah4$> ditola6! Kesimpulan ada interaksi diantara kedua faktor.

#ati an #. Suatu perusahaan roti menduga bahwa penataan roti pada etalase yang dipa-ang mempengaruhi pen-ualan roti. Penataan roti pada etalase meliputi tinggi 3! :! # , !$, !&4 dan lebar 38#,8 $, 8&4. !pabila tingkat pen-ualan di ukur dari banyaknya roti yang ter-ual dan asumsikan K D >,>" diperoleh data sebagai berikut : 7aktor 8 7aktor ! !# 3dasar4 !$ 3tengah4 !& 3tengah4 8# 3 regular4 (S (& T$ TB (# &R 8$ 3non regular4 (T (> TS S# ($ (T

BAB 2 A#A#"S"S RE/RES" SEDER0ANA !nalisis regresi sederhana digunakan untuk mempredeksi nilai suatu /ariabel dependen y berdasarkan nilai /ariabel independen %. analisis regresi -uga dapat digunakan untuk melihat pengaruh /ariabel independen % terhadap /ariabel dependen y. /ariabel independen % sering disebut sebagai /ariabel prediktor, sedangkan /ariabel dependen y sering disebut sebagai /ariabel respons. 6ontoh kasusnya adalah sebagai berikut :
Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

41 | P a g e

Sebuah perusahaan -eans memperkirakan bahwa iklan di tele/isi akan meningkatkan permintaan produk -eans perusahaan tersebut. 8agian marketing perusahaan tersebut membuat model persamaan regresi untuk mempredeksi permintaan produk berdasarakan biaya iklan yang pernah dianggarakan dan digunakan selama #R tahun terakhir seperti ter antum dalam tabel berikut : Lumlah permintaan -eans 3dlm ribuan4 R( RT R" R" R( R" R( #>( #>( #>T #>B ##> ##& ##& ##B ##" #$# #$S #&# 8iaya iklan 3 dlm puluhan -uta4 >.(S& >.S"& >.R$R >.R&R >.B&$ >.RB& #.>(R #.#SB #.#ST #.$R$ #.(>& #.(RR #."$R #."RR #.S(R #.S(T #.BRS $.>(> $.$&#

2entukan persamaan regresi untuk data diatas. !pakah regresi yang didapat signifikan. :unakan K D >,>". Penyelesaiannya 8entuk hipotesis untuk mengu-i koefisien b> dan b# H0 : 0 = 0, H0 : 0 0 DanH : = 0 , H0 : 0

Dimana J> dan J# adalah parameter dari model regresi yi D J> C J# ]i C bi Prosedure dengan SPSS #. pada lembar variable vie? kita definisikan /ariabel @umla permintaan @eans dengan nama /ariabel @eans dan labelnya @umla permintaan @eans! Untuk /ariabel biaya i6lan gunakan nama i6lan dan labelnya biaya i6lan. pada lembar data vie? masukkan data diatas. kemudian klik analyHe<regression! ?alu pilih linear. Pindahkan /ariabel @umla permintaan @eans ke dependent dan /ariabel biaya i6lan ke independent3s4.

$. &.

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

42 | P a g e

(.

pastikan anda memilih met od A enter! Kemudian klik o6., maka akan di dapat hasil sebagai berikut : Model Summary <ode l 1 # .RTR3a4 !d-usted 1 S5uare 1 S5uare .R&B .R&" Std. +rror of the +stimate &.>#R

a Predi tors: 36onstant4, 8iaya =klan <ode l # 1egressio n 1esidual 2otal AN+'AEbG Sum of <ean S5uares df S5uare $&T&.>"" # #"(.R(" #S $"#B.>>> #B $&T&.>"" R.##(

7 $"R.$TT

Sig. .>>>3a4

a Predi tors: 36onstant4, 8iaya =klan b Dependent ;ariable: Lumlah Permintaan Leans :oe==i5ientsEaG Unstandardi9ed Standardi9ed 6oeffi ients 6oeffi ients t Std. 8 +rror 8eta 8 S(.TS& $.#$( &".#T# $(.$B> #.">B .RTR #T.#>$

<odel

36onstant4 8iaya =klan

Sig. Std. +rror .>>> .>>>

a Dependent ;ariable: Lumlah Permintaan Leans interpretasi asil dari !$ 3! s5uare 4 dari tabel <odel Summary menun-ukkan bahwa R&,BX dari /arian e G @umla permintaan @eansH dapat di -elaskan oleh perubahan dalam /ariabel G biaya i6lan G

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

43 | P a g e

tabel !*';! diatas mengindifikasikan bahwa regresi se ara statistik sangat signifikan dengan nilai " D $"R.$TT untuk dera-at kebebasan k D # dan n#k-# D #R # # D #S dan $-/alue D >,>>> yang -auh lebih ke il dari K D >,>". U-i " mengu-i se ara serentak hipotesis A> : J# D J$ D J& D Z Jk D > terhadap A# : tidak semua Ji , c D #, $, Z , k sama dengan nol. 2etapi karena pada regresi sederhana hanya ada satu J#, maka kita hanya mengu-i A> : J> D > terhadap A# : J# >. Dari tabel !*';! -elas sekali terlihat bahwa H> ditolak karena $-/alue D >,>>> lebih ke il dari K D >,>"

Persamaan garis regresi menggunakan metode kuadrat terke il 3 least s5uare method4 yang didapat adalah : d D S(,TS& C $(,$B> % Dimana d D -umlah permintaan -eans dan % D biaya iklan.

Untuk mengu-i signifikan masing-masing koefisien regresi digunakan u-i statistik t. untuk mengu-i J# : A> : J# D > terhadap A# : J# >. Di dapat nilai t D #T,#>$ dengan dera-at kebebasan n $ D #R $ D #S dan $-/alue D >.>>>. hal ini merupakan bukti kuat penolakan A> : J# D >, karena $-/alue D >,>>> lebih ke il dari K D >,>"

#ati an #. sebuah penelitian tentang hubungan antara tinggi badan dengan berat badan pada siswa sebuah sekolah. Diambil se ara a ak #" siswa pada sekolah tersebut dan diperoleh data sebagai berikut : nama 2inggi badan 3%4 8erat badan 3y4 !nimah #$> &B.( Aaryadi #$T (#.T <aya #&" (T.$ =na #&" (R.B Dewi #(& "".R aayuk #"> T#.$ <asihah #"> "R.B <afa9a #"" TT." Uniana #"" T&.( <arui-a #"" T".B 1endy #T> TS." 7afa #T$ TB.S 1angga #T$ B#.B Laka #S> S".B wahana #S$ SB.T 2entukan persamaan regresi untuk data diatas. !pakah regresi yang didapat signifikan. :unakan K D >,>".

BAB 14
Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

44 | P a g e

ANA#"SA RE/RES" #"NEAR BER/ANDA !nalisa regresi linear berganda adalah pengembangan dari analisa regresi linear sederhana dimana terdapat lebih dari satu /ariabel independen %. analisa ini digunakan untuk melihat se-umlah /ariabel independen %# , %$ , Z %k terhadap /ariabel dependen y berdasarkan nilai /ariabel-/ariabel independen %# , %$ , Z %k. 6ontoh kasusnya adaalah sebagai berikut : Suatu perusahaan memiliki data usia, in ome sales person, dan pengalaman ker-a sebagai sales. Perusahaan itu ingin membuat model regresi berganda untuk memprediksi in ome berdasarkan usia dan pengalaman ker-a. Data dapat dilihat pada tabel dibawah ini Q Usia 3%#4 &# & &B &R &> $B $> $& $" $B $R Pengalaman ker-a 3%$4 ( ( " $ > & > # $ ( " =n ome 3y4 &"(>> (#$>> (">>> (>&>> $$>>> $B>>> #&>>> $$>>> $T>>> $S>>> &>>>>

2entukan koefisiensi dari persamaan regresi berganda dan tentukan apakah koefisiensi yang diperoleh signifikan. ?akukan pula estimasi untuk seorang sales yang berusia (> tahun dengan pengalaman ker-a ( tahun. :unakan K D >,>". Penyelesaiannya #. pada lembar variable vie? kita definisikan /ariabel usia dengan nama usia. ;ariabel pengalaman 6er@a dengan nama pengalaman, dan /ariabel in5ome dengan nama in5ome. Untuk /ariabel pengalaman 6er@a di beri label pengalaman 6er@a. pada lembar data vie? kita masukkan data diatas.

$.

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

45 | P a g e

&.

kemudian klik analyHe< regression, lalu pilih linear. Pindahkan /ariabel in5ome ke dependent dan /ariabel usia serta pengalaman 6er@a ke independent3s4

(.

pastikan met od A enter telah terpilih, lalu klik statisti5s dan pilih estimates< model =it< 5ollinearity diagnosti5s dan durbin3?aston

".

kemudian klik 5ontinue , lalu klik plots. Pilih normal probability plot! Kemudian pindahkan standardi9ed residual KB;RES"D ke dalam kotak - dan standardi9ed predi ted /alue K;PRED ke dalam kotak N!

T.

kemudian klik 5ontinue , lalu klik o6 maka akan di dapat hasil sebagai berikut : 'ariables Entered7RemovedEbG <ode ;ariables l +ntered # ;ariables 1emo/ed <ethod +nter

Pengalam . an Ker-a,

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

46 | P a g e

usia3a4 a !ll re5uested /ariables entered. b Dependent ;ariable: in ome Model SummaryEbG <ode l 1 # .RS>3a4 !d-usted 1 S5uare 1 S5uare .R(# .R$S Std. +rror of the Durbin+stimate ,atson $T#".&"( #.(RS

a Predi tors: 36onstant4, Pengalaman Ker-a, usia b Dependent ;ariable: in ome AN+'AEbG <ode l # 1egressio n 1esidual 2otal Sum of S5uares df BSTRTB( T&.RR( "(S$>T$ T.R#" R&#TBR> R>.R>R $ B #> <ean S5uare

Sig. .>>>3a4

(&B(B($&#. T(.#>" RRS TB(>>SB.&T (

a Predi tors: 36onstant4, Pengalaman Ker-a, usia b Dependent ;ariable: in ome

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

47 | P a g e

Residuals Statisti5sEaG <inimu m Predi ted ;alue 1esidual #&TT#.( " &TS$.($ R -#.S(( -#.(>( <a%imu m (&"RB.S R &>S#.S( > #.("& #.#S" Std. De/iation R&T(.T"R $&&R.$(( #.>>> .BR(

<ean $RRR>.R # .>>> .>>> .>>>

* ## ## ## ##

Std. ;alue

Predi ted

Std. 1esidual 5 art

a Dependent ;ariable: in ome

Normal P-P Plot of Regression Standardized Residual
Expected Cum Prob

Dependent Variable

income

1.0

0.8

0.6

0.4

0.2

0.0 0.0 0.2 0.4 0.6 0.8 1.0

Observed Cum Prob

Scatterplot

Regression Standardized Residual

Dependent Variable income

1.5

1.0

0.5

0.0

-0.5

-1.0

-1.5 -2 -1 0 1 2

Regression Standardized Predicted Value

"nterpretasi asil *ilai !2 %! s&uare' dari tabel model summary menun-ukkan bahwa R(.#X dari /arian e G in5ome G dapat di -elaskan oleh perubahan dalam /ariabel G usiaH dan G pengalaman 6er@a G

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

48 | P a g e

*ilai u-i statistik durbin-watson D #,(RS. Ladi dapat diasumsikan tidak ter-adi auto orrelation. 2abel !*';! mengidentifikasikan bahwa regresi berganda se ara statisti sangat signifikan dengan u-i statisti "D T(,#>" dan dera-at kebebasan k D $ dan n#k# D ## -$ -# D B. $-/alue D >.>>> lebih ke il dari K D >,>". U-i " mengu-i hipotesis H0 : = 2 = 0 terhadap H : dan 2 tidak sama dengan nol Dari $-/alue D >,>>> yang lebih ke il dari K D >,>"., terlihat bahwa H0 : = 2 = 0 ditolak se ara signifikan. =ni berarti koefisien dan 2 tidak smuanya bernilai nol. Untuk mengu-i apakah masing-masing koefisien regresi signifikan, digunakan u-i-t dengan hasil sebagai berikut : a. ;ariabel usia H0 : terhadap H 0

Aasil u-i-t : t D S,T>" dengan dera-at kebebasan n-k D ##-$-#D B, dan $-/alue D >.>>> yang lebih ke il dari dari K D >,>".. hal ini merupakan bukti kuat penolakan H0 : D >. &( ;ariabel pengalaman 6er@a : H0 : 2 D >. 2erhadap H :2 0

Aasil u-i-t :t D &,#TR dengan dera-at kebebasan n-k D ##-$-#D B, dan $-/alue D >.>#& yang lebih ke il dari dari K D >,>".. hal ini merupakan bukti kuat penolakan H0 : 2 D >. Sehingga dapat disimpulkan bahwa koefisien regresi tidak ada yang bernilai nol. Persamaan regresi berganda yang diperoleh dengan menggunakan metode kuadrat terke il kriteria adalah d D -#>&T>," C #$>#,>RB%# C #TT&,"#T %$ dimana : d D in ome, %# D usia, %$ D pengalaman ker-a. Dari tabel oeffi ients -uga terlihat baha nilai ;=7 D #,&SS sehingga masih dapat dianggap tidak ter-adi multi ollinearity 3 atau tepatnya hanya low ollinearity4. Dari normal probability plot -uga terlihat bahwa titik-titik data berbentuk pola linear sehinggga konsisten dengan distribusi normal. S atterplot anatara K;RES"D dan K;PRED tidak membentuk pola tertentu, sehingga bias dianggap residual mempunyai /arian e konstan. 3 homos edasti ity4

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

49 | P a g e

BAB 11 ANA#"SA RE/RES" #+/"S%"9 !nalisa regresi logistik digunakan untuk melihat pengaruh se-umlah /ariabel independen ( , (2 Z (k terhadap /ariabel dependen y yang berupa /ariabel kategorik 3 binominal, multi nominal, atau ordinal 4 atau -uga untuk memprediksi nilai suatu /ariabel dependen y 3 yang berupa /ariabel kategorik 4 berdasarkan nilai /ariabel-/ariabel independen ( , (2 Z (k . Regresi logisti6 biner !dalah regresi logistik dimana /ariabel dependennya berupa /ariabel dikotomi atau /ariabel biner, misalnya sukses-gagal, ya-tidak, benar-salah dll. 6ontoh kasusnya adalah sebagai berikut : Seorang peneliti mengamati pengaruh merokok dan berat badan terhadap detak -antung saat responden beristirahat. Detak -antung responden di kategorikan men-adi 1D tinggi dan 4Drenda , /ariabel merokok dikategorikan men-adi 1Dmero6o6 dan 4D ta6 mero6o6! 8erikut data ini datanya: Deta6 @antung 1D tinggi< 4D renda # > > > > > > > > # > > > # > # > > > > > > # > # # > > # > Mero6o6 1D mero6o6< 4D ta6 mero6o6 # # > > > # > > > # > > > # > > > > > > > > > # > # > # > > Berat badan 6g TB S# "S BT S> SS S> RB "R "R S> S( "S T# "S "( "" "$ (T S" TB "> "& SR (& "S T> B> TB R>

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

50 | P a g e

2entukan persamaan regresi logistik biner dan tentukan apakah koefisien regresi yang diperoleh signifikan. :unakan K D>,>" Penyelesaiannya n D &> , y D detak -antung, %# D merokok, %$ D berat badan. #. pada lembar variable vie? kita definisikan : a. untuk /ariabel deta6 @antung beri nama deta6 dan labelnya deta6 @antung, sedang /alue labelnya [# D tinggi [Q\$ D rendah [. b. untuk /ariabel mero6o6 beri nama mero6o6 dan labelnya mero6o6, sedang /alue labelnya [# D merokok [Q\$ D tak merokok [. . untuk /ariabel berat badan beri nama berat dan labelnya berat badan, $. &. pada data vie? kita masukkan data diatas. kemudian klik analyHe< regression! Pilih binary logisti5! Pindahkan /ariabel deta6 @antung Ideta6J ke dependent dan /ariabel mero6o6 Imero6o6J dan berat badanIberatJ ke o/ariates.

(.

pastikan met od A enter telah terpilih. Kemudian klik o6, maka akan didapat hasil sebagai berikut : #ogisti5 Regression :ase Pro5essing Summary Unweighted 6ases3a4 Sele ted 6ases =n luded !nalysis <issing 6ases 2otal Unsele ted 6ases 2otal Dependent 'ariable En5oding 'riginal ;alue 1endah 2inggi =nternal ;alue > # in * &> > &> > &> Per ent #>>.> .> #>>.> .> #>>.>

a =f weight is in effe t, see lassifi ation table for the total number of ases.

Blo56 4A Beginning Blo56

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

51 | P a g e

:lassi=i5ation %ableEa<bG 'bser/ed Predi ted Detak Lantung 1endah Step > Detak Lantung 1endah 2inggi '/erall Per entage a 6onstant is in luded in the model. b 2he ut /alue is .">> $$ B 2inggi > > Per entage 6orre t 1endah #>>.> .> S&.&

Model Summary -$ ?og 6o% ^ likelihoo Snell 1 *agelkerke d S5uare 1 S5uare $&.#SB3a4 .&$# .(TB

Step #

a +stimation terminated at iteration number T be ause parameter estimates hanged by less than .>>#.

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

52 | P a g e

"nterpretasi asil tabel dependen variable en5onding menun-ukkan /ariabel detak -antung diberi kode #D tinggi dan >D rendah. 'utput blo k : > beginning blo k #. 6lassifi ation table menun-ukkan tabel $%$ dengan kolom berupa predi ted /alues dari /ariabel dependen dan baris berupa niali data aktual yang diamati. Untuk model yang sempurna, semua ases akan terletak pada diagonal tabel dan o/erall per entage akan bernilai #>>X. Lika model regresi logisti mempunyai /arian e sama, maka nilai persen 3X4 pad akedua baris hampir sama. '/erall per entage yang memprediksi model dengan benar mempunyai nilai ukup baik sebesar #>>X - S&,& X. $. 2abel variables in t e e>uation yang hanya berisi 5onstant memberikan nilai b> D -#,#>$ atau e%p3-#,>#$4D e-#,>#$ D >,&T(. Karena responden yang mempunyai detak -antung tinggi ada B dan yang mempunyai detak -antung rendah ada $$, maka odd ratio D D >,&T( . %

&. U-i ?ald pada tabel variables in t e e>uation digunakan untuk mengu-i apakah masing-masing koefisien regresi logistik signifikan. U-i ?ald sama dengan kuadrat dari rasio koefisien regresi logisti 8 dan standar error S.+ . dalam ontoh ini u-i wald Df g$ D g$ D T,>>(. $-/alue D >,>#( lebih ke il dari K D >,>".

<aka kesimpilannya 5onstant dari model regresi logisti ini signifikan. Pada output blo k # : method enter #. 2abel omnibus test o= model 5oe==i5ients memberikan nilai hi-s5uare goodnessof-fit test sebesar ##,T#S dengan dera-at kebebasan D$ $-/alueD>,>>& lebih ke il dari K D >,>".. sehingga hasil u-i ini sngat signifikan, hi-s5uare goodness-of-fit test disini digunakan untuk mengu-i hipotesis : H> : memasukkan /ariabel independen ke dalam model tidak akan menambah kemampuan predeksi model regresi logistik $. 2abel model summary memberikan nilai statisti semakin ke il nilai 3$ logli6e ood semakin baik. 3$ logli6e ood D $&<1.1 .

&. Koefisien 5oB O snall R s>uare pada tabel model summary dapat $ diinterpretasikan sama seperti koefisien determinasi ! pada regresi berganda. 2etapi karena nilai 5oB O snall R s>uare biasanya lebih ke il dari # maka sukar untuk di interpretasikan dan -angan digunakan (. Koefisien nagel6er6e R s>uare pada tabel model summary merupakan modifikasi dari koefisiensi 5oB O snall R s>uare agar nilai maksimumnya bias men apai satu dan mempunyai kisaran nilai antara > dan #, sama seperti koefisien determinasi !2 pada regresi linear nerganda. *ilai koefisien nagel6er6e R s>uare umumnya lebih besar dari koefisien 5oB O snall R s>uare tapi enderung lebih
Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

53 | P a g e

ke il dibandingkan dengan nilai koefisien !2 pada regrei linear berganda. Dalam ontoh ini koefisien nagel6er6e R s>uare D 4<),1! ". Aasil perhitungan koefisien dari model regresi logistik biner ini terlihat pada tabel variables in t e e>uation sebagai berikut :

=n !tau

D B,>#T >,#TT berat C &,($" merokok

De%p 3B,>#T >,#TT berat C &,($" merokok4 T. kolom EBpEBG merupakan odds ratio yang diprediksi oleh model : a. untuk koefisien /ariabel mero6o6 : e%p 3&,($"4 D &,($" D &>,S#$ b. untuk koefisien /ariabel berat A e%p 3->,#TT4 D ->,#TT D >,B(S . Untuk 5onstant A e%p B,>#T4 D B,>#T D &>$S,B#" S. u@i ?ald mangu-i masing-masing koefisien regresi logistik : a. untuk koefisien /ariabel mero6o6A D
$

D (,B$#. $-/alue D >,>$B lebih ke il dari K D >,>", maka

koefisien regresi untuk /ariabel mero6o6 signifikan. b. untuk koefisien /ariabel berat A
$

D >,>$( $-/alue D >,>$( lebih ke il dari K D >,>", maka koefisien

regresi untuk /ariabel berat signifikan. . untuk 5onstant :

$

D &,RB>. $-/alue D >,>(T lebih ke il dari K D >,>", maka koefisien

regresi untuk /ariabel 5onstant signifikan. Regresi logisti6 multinomial !dalah regresi logisti dimana /ariabel dependennya berupa /ariabel kategorik yang terdiri lebih dari dua nilai, seperti : merah, biru, kuning, hitam atau islem, Kristen, hindu, budha dll Regresi logisti6 ordinal

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010

54 | P a g e

!dalah regresi logisti dimana /ariabel dependennya berupa /ariabel dengan skala ordinal seperti : sangat setu-u, setu-u, netral, tidak setu-u, sangat tidak setu-u, atau halus, sedang, kasar. dll

End o= Modul

Sekolah Tinggi Teknologi Kedirgantaraan Yogyakarta 2010