Statistik Parametrik dan Non-Parametrik Statistika parametrik -> ilmu statistika yang mempertimbangkan jenis sebaran/distribusi data

, yaitu apakah data menyebar normal atau tidak. Pada umumnya, Jika data tidak menyebar normal, maka data harus dikerjakan dengan metode Statistika non-parametrik, atau setidak2nya dilakukan transformasi agar data mengikuti sebaran normal, sehingga bisa dikerjakan dg statistika parametrik. Contoh metode statistika parametrik: uji-z (1 atau 2 sampel), uji-t (1 atau 2 sampel), korelasi pearson, Perancangan Percobaan (1 or 2-way ANOVA parametrik), dll. Statistika non-parametrik -> statistika bebas sebaran (tdk mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Statistika non-parametrik biasanya digunakan untuk melakukan analisis pada data berjenis Nominal atau Ordinal. Data berjenis Nominal dan Ordinal tidak menyebar normal. Contoh metode Statistika non-parametrik:Binomial test, Chi-square test, Median test, Friedman Test, dll. Perbedaan Uji t dan Uji F Uji t dan Uji F sama-sama digunakan untuk menguji hipotesis. Bedanya, Uji t digunakan untuk uji hipotesis yang bersifat terpisah (parsial), yaitu antara X1 dengan Y, X2 dengan Y. Sedangkan Uji F untuk uji hipotesis yang bersifat bersamasama (simultan). Ada hubungan positif antara tingkat kecerdasan siswa SMP dengan prestasi belajar mereka dalam matapelajaran Matematika. Jika dirumuskan dalam bentuk perbedaan menjadi: Siswa SMP yang tingkat kecerdasannya tinggi memiliki prestasi belajar yang lebih tinggi dalam matapelajaran Matematika dibandingkan dengan yang tingkat kecerdasannya sedang. Pada penggunaan statistik parametrik, selain pada sebuah data akan dilakukan berbagai uji parametrik (seperti uji t, ANOVA), data tersebut juga digambarkan apa dan bagaimananya (deskriptif). Sebagai contoh, data Usia sekelompok responden, akan digambarkan berapa rata-ratanya, berapa standar deviasi atau variasi data usia masing-masing dari rata-ratanya, berapa Usia minimum dan maksimum, dan sebagainya. Selain itu, penggambaran data bisa dilengkapi dengan penggunaan Chart dan Tabel yang relevan. Pada statistik non parametrik, usaha mendeskriptifkan data juga dilakukan untuk lebih memahami pola data tersebut. Namun karena data statistik non parametrik juga terdiri dari data nominal dan ordinal, maka kepada data jenis itu tidak lazim digunakan pengukuran seperti Mean (rata-rata), standar deviasi dan sebagainya. Untuk itu, dianjurkan penggunaan Median dan Modus sebagai pengukuran pusat datanya, dan tidak adanya pengukuran standar deviasi dan varians dalam pengertian seperti parametrik. Sehingga bisa dikatakan statistik deskriptif untuk non parametrik lebih sederhana dan praktis dibandingkan dengan statistik parametrik. Kasus berikut menggambarkan penggunaan Median untuk data ordinal dan Modus untuk data nominal dalam menggambarkan sebuah data non parametrik. Selain itu, disertakan penggunaan Chart tipe Bar serta Tabel kontingensi (Crosstab) untuk melengkapi penggambaran data. Dalam statistika parametrik, teknik-teknik yang digunakan berhubungan dengan pendugaan parameter serta pengujian hipotesis yang berhubungan dengan parameter-parameternya. Asumsi-asumsi yang digunakan pada umumnya menspesifikasikan bentuk sebarannya. Salah satu analisis alternatif lain yang dapat digunakan adalah dengan regresi nonparametrik

karena dalam regresi nonparametrik tidak diperlukan pemenuhan asumsi kenormalan. Regresi Parametrik Metode Kuadrat Terkecil Persamaan (1) merupakan model linier sederhana dengan satu peubah bebas dan satu peubah respon dan untuk memperkirakan parameterparameter 0 b dan 1 b dapat digunakan Metode Kuadrat Terkecil sedemikian rupa sehingga jumlah kuadrat kesalahan memiliki nilai terkecil. Hines dan Montgomery (1990) menjelaskan bahwa jumlah kuadrat kesalahan pada pengamatan-pengamatan garis regresi sebenarnya adalah : � � = = = = - n i i i n i i S Y X 1 2 0 1 1 e 2 ( b b ) (2) sehingga fungsi kuadrat terkecilnya adalah: 2 1 0 1 ] ) ( ' [ � = = - - n i i i S Y b b X X (3) Estimator 0 b dan 1 b yang dinotasikan dengan 0 �b dan 1 b?? harus memenuhi : [ ] 2 [ � ' � ( )]( ) 0 2 � ' � ( ) 0 ' 1 0 1 1 1 0 1 0 = - - - - - = � � = - - - - = � � � � = =

Y X X X X S Y X X S i n i i i n i i i b b b b b b Penyelesaian untuk persamaan normal tersebut adalah : �= = = n i i Y Y n 1 0 1 ' �b (4) � � = = = n i i n i i i X X Y X X 1 2 1 1 ( ) ( ) �b (5) 0 ' �b dan 1 �b adalah estimator untuk intercept (titik potong) dan slope (kemiringan). Estimator model regresi linier sederhana adalah : � � ' � ( ) 0 1 Y = b +b X - X (6) 14 4 untuk menyajikan hasil-hasil dalam susunan intercept yang asli 0 b maka 0 0 1X b� = b� '-b� sehingga perkiraaan yang cocok untuk model regresi adalah :

Y X 0 1 � = b� + b� (7) Secara notasi persamaan (5) dapat ditulis dalam bentuk lain dengan memberi simbol khusus untuk pembilang dan penyebutnya yaitu : � � = � - = - = = n X S X X X n i i i n i XX i 1 2 2 1 2 ( ) ( ) (8) � � � � = - = = = = = n i n i n i i n i i XY i i i i n X Y S Y X X X Y 1 1 1 1 ( )( ) ( ) (9) dengan SXX adalah koreksi atau perbaikan jumlah kuadrat X dan SXY perbaikan jumlah silang produk X dan Y, sehingga estimator slope adalah : XX XY S S = 1 �b (10) Selain estimator 0 b dan 1 b , menurut Montgomery dan Peck (1991) estimasi s 2 juga dibutuhkan dalam uji hipotesis dan pembentukan estimasi interval yang berhubungan dengan model regresi. Estimasi s 2 dapat diperoleh dari residual atau jumlah kuadrat galat yaitu :

� � = = = = n i i i n i E i SS Y Y 1 2 1 2 e ( � ) (11) Bentuk tetap untuk E SS didapatkan dengan mensubstitusikan � � � ( ) 1 ' 0 Y X X i i = b + b - kedalam persamaan (11) dan dengan penyederhanaan akan menghasilkan : XY n i E i SS Y nY S 1 1 2 2 �b - - =� = (12) namun YY n i i n i i �Y - nY = � Y -Y � S = =1 2 1 2 2 ( ) YY S adalah koreksi atau perbaikan jumlah kuadrat dari pengamatan, sehingga : E YY XY SS S S 1 �b = - (13) 14 5 Jumlah kuadrat residual mempunyai derajat kebebasan n-2 karena dua derajat kebebasan adalah gabungan dari estimasi 0 �b dan 1 �b yang terlibat dalam pembentukan i Y�. Nilai ekspektasi dari SSE adalah E(SS ) = (n - 2)s 2 E , jadi estimator tak bias dari s 2 untuk regresi parametrik adalah : E E MS n SS = =

s� 2 (14)

Regresi Non Parametrik Menurut Daniel (1989) dalam banyak hal, pengamatan-pengamatan yang akan dikaji tidak selalu memenuhi asumsi-asumsi yang mendasari uji-uji parametrik sehingga kerap kali dibutuhkan teknik-teknik inferensial dengan validitas yang tidak bergantung pada asumsi-asumsi yang kaku. Dalam hal ini, teknik-teknik dalam regresi nonparametrik memenuhi kebutuhan ini karena tetap valid walaupun tidak diperlukan pemenuhan asumsi kenormalan galat dan hanya berlandaskan asumsi-asumsi yang sangat umum. Conover (1980) menjelaskan bahwa penggunaan regresi nonparametrik dilandasi pada asumsi : a. contoh yang diambil bersifat acak dan kontinu ; b. regresi (Y|X) bersifat linier; c. semua nilai Xi saling bebas. 14 9 Metode Theil Untuk Regresi Linier Sederhana Nonparametrik Misalkan ada n pasangan pengamatan, katakan ( ) ( ) ( n n ) X ,Y , X ,Y ,..., X ,Y 1 1 2 2 , persamaan regresi linier sederhana adalah : i i i Y = b + b X +e 0 1 (25) dengan 0 b adalah intercept (titik potong) 1 b adalah slope (kemiringan) dari garis tersebut Xi adalah peubah bebas Yi adalah nilai teramati dari peubah Y (Hines dan Montgomery, 1990). Theil (1950) dalam Sprent (1991) mengusulkan koefisien kemiringan (slope) garis regresi sebagai median kemiringan dari seluruh pasangan garis dari titik-titik dengan nilai X yang berbeda, selanjutnya disebut dengan metode Theil. Untuk satu pasangan ( , ) i i X Y dan ( , ) j j X Y koefisien kemiringannya adalah : j i j i ij X X Y Y b = (26) untuk i < j dan i j X � X . Penduga bagi 1 b kita notasikan dengan 1 �b dinyatakan sebagai median dari nilai-nilai bij sehingga : ( ) ij = median b 1 �b (27) sedangkan penduga bagi 0 b adalah 0 �b � ( ) � ( ) 0 i 1 i b = med Y - b med X (28) med(Xi) adalah median dari seluruh pengamatan dan med(Yi) adalah pasangan nilai pengamatan untuk med(Xi) (Sprent,1991)

INDOSKRIPSI Kumpulan Skripsi Online Full Content Dapatkan hosting murah dan domain gratis di IdeBagus.com * * * * * * Home Profil Terms and Conditions Contact Donate Tanya Jawab

Home laporan statisitk,,, * View * clicks Posted December 16th, 2008 by abetzz * Tugas Kuliah Lainnya BAB 1 PENDAHULUAN 1.1 Latar Belakang Bread Talk pertama kali terdapat di Singapore sejak bulan April tahun 2000. Bread Talk menjual kue dan roti. Pada saat Bread Talk baru pertama kali terdapat di Singapore tidak banyak masyarakat yang tahu akan keberadaan roti ini kemudian pihak dari Bread melakukan promosi untuk memperkenalkan roti ini kepada masyarakat. Dengan adanya promosi ini Bread Talk kemudian berkembang di negara Indonesia, Hongkong, RRC, Philipina, Malaysia, Taiwan, Thailand, Arab dan India. Bread Talk menggunakan bahan yang berkualitas dan juga dibuat olen orang-orang yang ahli dan terampil. Di Indonesia Bread Talk sudah cukup terkenal dan banyak terdapat di mall-mall. Yang akan saya teliti adalah Bread Talk di Indonesia. Setelah saya meneliti tentang perkembangan Bread Talk di Indonesia, ternyata tingkat kepercayaan masyarakat Indonesia terhadap Bread Talk sebesar 95%. Dimana kita selalu melihat Bread Talk selalu dikunjungi oleh banyak masyarakat di Indonesia. Saya melakukan penelitian ini karena saya ingin mengetahui mengapa Bread Talk selalu ramai dikunjungi masyarakat di Indonesia walaupun harganya jauh lebih mahal dibandingkan dengan harga roti yang biasa dijual dipasaran. 1.2 Identifikasi Masalah Mengapa harga Bread Talk jauh lebih mahal daripada harga roti yang ada dipasaran? Apa yang menyebabkan Bread Talk diminati oleh masyarakat? Bagaimana cara pembuatannya? Kenapa bentuk Bread Talk sangat unik? Siapa yang menemukan Bread Talk pertama kali? 1.3. Tujuan dan Manfaat 1.3.1. Tujuan Untuk mengetahui mengapa begitu banyak peminat Bread Talk

Untuk mengetahui mengapa Bread Talk bisa mencapai target pasar Untuk mengetahui pengaruh penjualan dengan bahan pembuatan 1.3.2. Manfaat Bisa mengetahui alasan sebenarnya apa yang menpengaruhi penjualan Bread Talk mencapai target pasar Bisa mengetahui mengapa begitu besar peminat Bread Talk Bahan apa yang digunakan sehingga membuat rotinya menjadi begitu lembut 1.4. Metodologi Penelitian 1.4.1. Metode Pengumpulan Data Metode yang digunakan adalah metode kuisioner dimana metode ini digunakan untuk mengetahui seberapa besar tingkat kesukaan seseorang terhadap sesuatu dan biasanya metode ini digunakan untuk mengambil perbandingan antara suka dan tidak suka terhadap sesuatu misalnya rasa suka seseorang terhadap Bread Talk dan apabila ternyata hasil dari kuisioner ini tidak mencapai target maka pihak perusahaan yang melakukan kuisioner ini akan mencari cara lain agar penjualannya meningkat. 1.4.2. Metode Analisis Data Metode analisis data ini digunakan untuk menganalisa data- data yang telah dikumpulkan kemudian data- data tersebut diuji apakah data itu valid atau tidak valid dan apakah data- data tersebut reliabel atau tidak reliabel. BAB 2 LANDASAN TEORI 2.1 Data, Skala, Dan Metode Analisis 2.1.1. Pengertian Data, Informasi, dan Pengetahuan Data memiliki berbagai wujud seperti angka ringgi badan, angka penjualan, jumlah produksi, jumlah mahasiswa, dan lain- lain. Informasi merupakan kumpulan data yang lebih berarti atau bermakna setelah melalui suatu proses pengolahan. Pengetahuan adalah memilih dan mengorganisasikan informasi yang menyediakan pengertian, rekomendasi, dan dasar keputusan. 2.2.2. Pengertian Skala Skala merupakan angka yang diaplikasikan untuk memudahkan pengukuran. Skala dibagi menjadi 4 yaitu: a.Skala Nominal adalah angka digunakan hanya label atau tanda untuk mengidentifikasikan dan mengklarifikasikan suatu objek dengan koresponden 1 dengan 1 yang ketat antara angka dan objek tersebut b.Skala Ordinal adalah pemeringkat dimana angka ditetapkan untuk mengindikasikan relativitas karakter yang dimiliki c.Skala Interval, dalam skala jarak numerik pada skala mewakili jarak yang sama pada karakter yang diukur d.Skala Rasio adalah rasio yang tertinggi, yang mana skala ini memiliki titik absolut (zero point), skala ini dapat digunakan untuk mengidentifikasikan atau mengklasifikasikan, memeringkat, dan membandingkan interval atau perbedaan objek 2.2.3. Metode Analisis Analisis meupakan tindakan mengolah data hingga menjadi informasi yang bermanfaat dalam menjawab masalah statistik. Dalam desain riset, perlu direncanakan dengan baik alat analisis yang akan diterapkan untuk menganalisis data. Metode analisis yang sering digunakan: a.Analisis data secara kualitatif bersi memaparkan secara mendalam hasil riset melalui pendekatan bukan angka atau nonstatistik. Contoh pertanyaan yang diajukan kepada responden tentang rasa kentang goreng chitato. Jawaban yang mungkin muncul adalah �enak rasanya, renyah, dll.� b.Analisis Kuantitatif Analisis kuantitatif mencoba mengolah data menjadi informasi dalam wujud angka. Penggunaan angka memudahkan penginterpretasikan hasil secara objektif. Contoh 12,4 sebagai kurang baik; 2,5-3,4 sebagai kategori sedang; dan 3.5-5 sebagai sangat baik. Analisis kuantitatif yang paling banyak digunakan dalam praaktek adalah

analisis statistik. 2.2 Statistik Deskriptif Statistik merupakan bidang ilmu statistika yang mempelajari cara- cara pengumpulan, penyusunan, dan penyajian data suatu penelitian. Analisis deskriptif bertujuan mengubah kumpulan data mentah menjadi mudah dipahami dalam bentuk informasi yang lebih ringkas. Data- datanya bisa diperoleh dari hasil sensus, survei atau pengamatan lainnya. Dua ukuran penting yang sering dipakai dalam pengambilan keputusan bagi statistik inferensi. 1. Mencari centeral tendency (kecenderungan terpusat) seperti Mean, Median, Modus, dan lainya. Mean adalah nilai rata- rata dari hasil observasi terhadap suatu variabel dan merupakan jumlah dari seluruh hasil observasi dibagi dengan jumlah observasinya. Modus menggambarkan nilai yang paling sering muncul ataau memiliki frekuensi terbanyak. Jika ada data 5, 5, 6, 7, 2, 6,5, 4, 1. Modusnya merupakan angka 5. Median mengukur nilai tengah dengan membagi jumlah observasi secara seimbang dari atas ke bawah atau merupakan persentil ke lima puluh. Jika ada urutan 4 5 6 6 6 6 7 8 8. Maka mediannya adalah 6. 2. Mencari ukuran dispersi seperti standarddeviation, variance Variance dari sejumlah observasi adaalah rata- rata kuadrat devisi data dari rataratanya. Rumus untuk variance sampel adalah: S2= ? ( X1- X) n-1 3. Selain central tendency dan dispersion, ukuran lain yang dipakai adalah Skewness dan Kuatosis yang digunakan untuk mengetahui keruncingan atau kelandaian data. Skewness dihitung dan dilaporkan sebagai angka yang mungkin positif, negatif atau nol. Skewness no, mengindikasikan distribusi simetrik. Skewness positif mengindikasikan distribusi yang condong ke kanan. Skewness negatif mengindikasikan distribusi yang condong kekiri. Kuartosis adalah pengukuran keruncingan distribusi. Semakin besar kuartosis, semakin keruncingan akan didistribusikan. Kuartosis dihitung dan dilaporkan baik sebagai absolut maupun nilai relatif. Nilai absolut selalu angka positif. 4. Histogram Histogram adalah chart yang terdiri dari diagram batang dengan tinggi yag berbedabeda. Tinggi masing- masing batang mewakili nilai frekuensi dalam kelas yang diwakili oleh diagram batang. Statistik Deskriptif terbagi atas 2 yaitu: 1. Data Tunggal 2. Data Berkelompok 2.3 Analisis Hubungan Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain (dengan tetangga, kawan kantor, kawan sekoah, pegawai bank, petugas pajak, dan lain sebagainya). Hubungan ini pada umumnya dilakukan dengan maksud tertentu seperti mendapatkan keringanan pajak, memperoleh kredit, meminjam uang, serta meminta pertolongan atau bantuan lainnya. Seperti yang kita ketahui bahwa pada semua kejadian baik ekonomi maupun lainnya, pasti ada faktor yang menyebabkan terjadinya kejadian - kejadian tersebut (merosotnya hasil penjualan tekstil mungkin disebabkan karena kalah bersaing dengan tekstil impor, merosotnya produksi padi mungkin karena pupuknya berkurang, merosotnya hasil penjualan mungkin karena menurunnya biaya advertensi, menaiknya tekanan darah mungkin karena berat badan bertambah, menurunnya penurunan devisa mungkin karena mutu barang ekspor yang kurang baik. Contoh � contoh diatas menunjukan adanya hubungan (korelasi) antara kejadian yang satu dengan kejadian lainnya. Kenyataan itu dapat dinyatakan dengan perubahan nilai variabel. Misalnya kalau X = variabel harga, maka naik turunnya harga dapat dinyatakan perubahan nilai X. Apabila Y = variabel hasil penjualan, maka naik turunnya hasil penjualan dapat dinyatakan dengan perubahan nilai Y. Jadi hubungan antara dua kejadian dapat dinyatakan dengan hubungan dua variabel. Kesejajaran dalam cara perhitungan koefisien regresi dan korelasiu tersebut ikut

mengaburkan perbedaan tujuan kedua analisis tersebut. Koefisien korelasi dengan mudah diperoleh sebagai hasil ikutan dari regresi sederhana, demikian pula koefisien regresi linier sederhana dapat kita peroleh dari analisis korelasi. Apabila dua variabel X dan Y mempunyai hubungan, maka nilai variabel X yang sudah diketahui dapat dipergunakan untuk memperkirakan atau menafsirkan Y. Ramalan pada dasarnya merupakan perkiraan atau taksiran mengenai mengenai terjadinya suatu kejadian (nilai variabel untuk waktu yang akan datang, seperti ramalan produksi 2 tahun yang akan datang, ramalan harga bulan depan, ramalan jumlah penduduk 10 tahun mendatang, ramalan hasil penjualan tahun depan, dan lain sebagainya). Variabel Y yang nilainya akan diramalkan disebut variabel tidak bebas (dependent variable), sedangkan variabel X yang nilainya dipergunakan untuk meramalkan nilai Y disebut variabel bebas (independent variable) atau variabel peramal (predictor) dan seringkali disebut dengan variabel yang menerangkan (explanatory). Jadi jelas analisis korelasi ini memungkinkan kita untuk mengetahui sesuatu diluar hasil penyelidikan, misalnya dengan ramalan kita dapat mengetahui terjadinya suatu kejadian baik secara kualitatif (akan turun hujan, akan terjadi perang, akan lulus ujian, dan lain sebagainya) maupun secara kuantitatif (produksi padi akan mencapai 16 juta ton, indeks harga 9 macam bahan pokok akan naik 10%, penurunan devisa turun 5%, penerimaan negara naik 15%, hasil penjualan mencapai Rp 10 juta, dan lain sebagainya). Pengukuran adanya keeratan hubungan melalui analisis korelasi barangkali lebih tepat untuk masalah ini. Namun jika hubungan tersebut ingin dirumuskan dalam persamaan garis peubah Y (kadar kolesterol) dan X (berat badan), dengan penggunaan metode kuadrat terkecil akan menghasilkan dugaan bagi koefisien regresi ? yang berbias. 2.3.1. KOEFISIEN KORELASI Koefisien korelasi atau koreasi adalah asosiasi (hubungan) antara variabelvariabel yang diminati, apakah data sampel yang ada menyediakan bukti cukup bahwa ada kaitan antara variabel-variabel dalam populasi asal sampel, jika ada hubungan seberapa kuat hubungan antar variabel tersebut. Keeratan hubungan itu dapat dinyatakan dengan nama koefisien korelasi atau bisa disebut dengan korelasi saja. Secara aritmetika kita bisa mendapatkan nilai koefisien korelasi atau korelasi berdasarkan analisis regresi sederhana, akan tetapi nilai ini tidak akan memiliki arti. Dalam model hipotetik untuk persamaan regresi, tidak dikenal dengan keberadaan parameter korelasi (yang dikenal dengan rho. Misalkan kita memiliki contoh acak berukuran n berupa data berpasangan (X1, Y1), ..., (Xn, Yn) maka keeratan hubungan linier antara kedua peubah dapat diukur oleh koefisien korelasi Pearson apabila kedua peubahnya bersifat kontinyu. Korelasi dibagi menjadi 2 yaitu: 1. Korelasi Bivariat Adalah mengukur keeratan hubungan diantara hasil- hasil pengamatan dari populasi yang mempunyai dua varian (bivariate). Perhitungan ini mensyaratkan bahwa populasi asal sampel mempunyai dua varian dan berdistribusi normal. Korelasi yang digunakan adalah korelasi pearson yang untuk mengukur korelasi data interval dan rasio. Misalnya yaitu diketahui adanya hubungan (korelasi) diantara variabel � variabel antara jumlah kasus kriminal, jumlah pria, jumlah wanita dan yang diminta sekarang adalah bagaimana menentukan korelasi bivariatnya? Jawabannya yaitu sesuai dengan pengertian diatas bahwa korelasi bivariat yaitu populasi dua varian yaitu hubungan antara jumlah kasus kriminal dengan jumlah pria; antara jumlah pria dengan jumlah wanita; jumlah kasus kriminal dengan jumlah wanita. 2. Korelasi Partial Adalah pembahasan mengenai hubungan linier antara dua variabel dengan melakukan kontrol terhadap satu atau lebih variabel tambahan (disebut variabel pengontrol). Misalnya yaitu seseorang ingin meneliti hubungan antara variabel "bakat menguasai bahasa asing", "indeks prestasi belajar (IP)" dan "minat belajar" dari para mahasiswa yang belajar bahasa asing dalam fakultas bahasa. hubungan antara

variabel "IP" dan "minat belajar", bila variabel pengontrolnya adalah "Bakat" 2.4 PENGERTIAN REGRESI Masalah regresi telah banyak disinggung dalam hampir seluruh buku � buku tentang Statistika, bahkan banyak buku yang mengkhususkan pembgresi pembahasannya mengenai analisis regresi. Mosteller dan Tukey (1977) memberikan gambaran tentang pengertian regresi yaitu sebagai berikut : a. Merupakan tempat kedudukan nilai tengah (rataan, median, atau rataan geometrik) dari peubah Y untuk berbagai nilai atau selang nilai peubah X. Tempat kedudukan ini yang merupakan kumpulan beberapa titik yang dapat dibayangkan seolah � olah membentuk garis atau kurva tertentu yang sering disebut sebagai persamaan regresi. Kurva ini bisa berbentuk fungsi linier, kuadratik, atau logaritmik. b. Merupakan usaha mengepas suatu fungsi atau kurva terhadap pencaran titik � titik pada sistem salib sumbu X � Y. Hal ini sering ditempuh bila data yang dimiliki tidak cukup banyak, sehingga hanya ada satu atau beberapa nilai Y saja untuk setiap nilai X. Persamaan regresi sering digunakan untuk tujuan � tujuan: 1. Deskripsi Data Dalam hal ini analisis regresi berada pada tahapan penyarian data dan pembandingan, misalnya untuk melihat rata � rata berat badan pada berbagai umur atau tinggi badan. 2. Gambaran Hubungan Sebab Akibat Kalau kita dapat melakukan perubahan nilai � nilai X dengan sebaik � baiknya dan melakukan pengawasan sepenuhnya terhadap kondisi faktor � faktor yang lain, maka persamaan regresi antara respons Y terhadap X dapat menjelaskan pola hubungan sebab akibat yang terjadi antara peubah Y dan X. 3. Peningkatan Ketelitian dalam Pembandingan Dalam percobaan pemupukan nitrogen terhadap produksi tanaman seringkali muncul faktor lain yang sulit untuk dikendalikan tetapi diperkirakan memiliki pengaruh terhadap peubah respons. Jika pengukuran terhadap faktor tersebut dapat kita lakukan, maka analisis regresi dapat membantu meningkatkan ketelitian dalam pembandingan antar perlakuan melalui analisis peragam. Disini diusahakan dalam pembandingan pengaruh perlakuan peranan keragaman faktor lainnya berada pada kondisi yang relatif sebanding. 4.Prediksi Prediksi menyangkut pendugaan nilai Y untuk suatu nilai X yang diperkirakan akan berlaku di masa mendatang. Untuk tujuaan ini model persamaan regresi yang diperoleh tidak perlu dilandasi oleeh hubungan sebab akibat sepanjang nilai dugaan bagi Y berdasarkan X cukup tepat. 5.Penyusunan Model Dugaan Kalau kita mengamati sejumlah peubah penjelas X1, X2, . Xk dan ingin mengetahui pola hubungannya dengan peubah Y, maka analisis regresi sering digunakan untuk menemukan model yang cukup tepat. Model ini diharapkan memiliki struktur yang sederhana yaitu hanya melibatkan sebagian kecil saja dari peubah � peubah penjelasnya. Sudah tentu model yang sempurna akan lebih baik, akan tetapi model seperti ini biasanya bersifat kompleks dan penafsiran tidak mudah. 2.4.1. Hubungan Linear Antara Dua Variabel Salah satu tujuan analisis data ialah untuk memperkirakan atau memperhitungkan besarnya efek kuantitatif dari perubahan suatu kejadian terhadap kejadian lainnya. Setiap kebijakan (policy), baik dari pemerintah maupun swasta, selalu dimaksudkan untuk mengadakan perubahan (change). Sebagai contoh, misalnya pemerintah menambah jumlah pupuk agar produksi padi meningkat, pemerintah mengurangi impor tekstil. Sandang meningkat, pemerintah menaikkan gaji pegawai negeri agar prestasi kerja mereka meningkat, pemerintah memperbanyak akseptor agar tingkat kelahiran menurun, perusahaan meningkatkan biaya iklan agar hasil penjualan meningkat, seseorang mengurangi berat badan agar tekanan darahnya menurun, dan lain sebagainya. Untuk keperluan evaluasi atau penilaian suatu kebijaksanaan mungkin ingin diketahui besarnya efek kuantitatif dari perubahan suatu kejadian terhadap kejadian lainnya. Kejadian- kejadian tersebut, untuk keperluan analisis, bisa

dinyatakan dalam perubahan nilai perubahan. Apabila dua variabel X dan Y mempunyai hubungan (korelasi), maka perubahan nilai variabel yang satu akan mempengaruhi nilai variabel lainnya. Hubungan variabel dapat dinyatakan dalam bentuk fungsi, misalnya Y = f (X) ? Y = 2 + 1,5X. Apabila bentuk fungsinya sudah diketahui, maka dengan mengetahui nilai dari satu variabel (=X), maka nilai variabel lainnya (=Y) dapat diperkirakan atau diramalkan. Data hasil ramalan yang dapat menggambarkan kemampuan untuk waktu yang akan datang, sangat berguna bagi perencanaan. Misalnya ramalan produksi padi dan jumlah penduduk untuk keperluan perencanaan impor beras, ramalan penerimaan negara dipakai sebagai dasar perencanaan antardepartemen, ramalan hasil penjualan suatu perusahaan untuk dasar perencanaan produksi, dan lain sebagainya. Untuk membuat ramalan (forecasting) Y dengan menggunakan nilai dari X, maka X dan Y harus mempunyai hubungan yang kuat. Kuat atau tidaknya hubungan X dan Y diukur dengan suatu nilai, yang disebut koefisien korelasi sedangkan besarnya pengaruh X terhadap Y diukur dengan koefisien regresi. Regresi dibagi 2 yaitu: A. Regresi Sederhana Dalam analisi regresi sederhana akan dikembangkan sebuah estimating equating (persamaan regresi) yaitu suatu formula yang mencari nilai variabel dependen dari nilai variabel independent yang diketahui dimana kedua variabel tersebut masing � masing hanya satu. Analisa regresi digunakan terutama untuk tujuan peramalan. Dalam beberapa hal, kita bisa mengecek asumsi tersebut setelah hubungan diperkirakan. B. Regresi Berganda Seperti yang diuraikan diatas, jika ada regresi sederhana hanya ada satu variabel dependen (Y) dan satu variabel independent (X), maka kasus regresi berganda terdapat satu variabel dependen dan lebih dari satu variabel independent. Dalam praktek bisnis, regresi berganda justru lebih banyak digunakan, selain karena banyaknya variabel dalam bisnis yang perlu dianalisis bersama, juga pada banyak kasus regresi berganda lebih relevan digunakan. BAB 3 ANALISIS DAN INTERPRESTASI DATA 3.1 Analisis Data No Pertanyaan Sangat Setuju Setuju Netral Tidak Setuju Sangat Tidak Setuju 1 Faktor- faktor yang mempengaruhi penjualan Bread Talk mencapai target adalah cara pembuatan, bahan dan bentuk Bread Talk 2 Anda merasa nyaman pada pelayanan Bread Talk 3 Bread Talk terdapat di tempat- tempat strategis 4 Peralatan- peralatan seperti oven dan lain- lain akan mempengaruhi cara pembuatan Bread Talk 5 Proses pembuatan Bread Talk harus penuh kesabaran

6 Cara pembuatan Bread Talk dibuat oleh tenaga ahli 7 Gula adalah bahan yang sangat dipakai dalam pembuatan Bread Talk 8 Bread Talk menggunakan bahan komposisi yang lebih bagus untuk membuat rotinya 9 Telur dan tepung merupakan bahan komposisi utama dalam pembuatan roti 10 Yang menciptakan Bread Talk adalah orang yang kreatif 11 Para pembeli membeli Bread Talk karena bentuknya unik 12 Bentuk Bread Talk terdiri dari bermacam- macam dari yang kecil, sedang, dan besar sekalipun Keterangan : Sangat Setuju = 5 Setuju = 4 Netral = 3 Tidak Setuju = 2 Sangat Tidak Setuju = 1 3.2 Menguji Data Diskriptif Data Tunggal Langkah- langkah penyelesaian: 1. Buka SPSS V.16, input data sesuai dengan tabel diatas 2. Pilih analyze � descriptive statistics � frequencies 3. Akan muncul windows frequencies. Kemudian masukkan data jumlah ke kotak variabel Display frequency table tidak dicentang. 4. Pada menu statistic, pilih sesuai dengan pertanyaan soal, klik continue 5. Pada menu chart, pilih histogram with normal curve, klik continue 6. Pada menu format, pada Order by, pilih option: Ascending values kemudian klik Continue, Ok 7. Klik Ok 8. Interprestasi hasil 3.2 Menguji Validitas dan Reliabilitas Langkah di SPSS: 1. Masukkan data di SPSS 2. Dari menu Analyze pilih submenu Scale kemudian Reliability Analysis Pengisian: 1. Masukkan semua variabel, butir 1-12 ke kotak items yang ada di sebelah kanan 2. Pada kotak bagian model pilihan tetap pada Alpha

3. Kemudian klik menu statistik dan pada bagian Descriptive for (pada kiri atas) ada 3 pilihan yaitu item, scale, scale if item deleted 4. Pada menu lain diabaikan dan klik tombol continue untuk kembali ke kotak dialog utama 5. Kemudian klik continue 6. Klik ok, dan hasilnya sebagai berikut Jawabannya: a. Tentukan berapa df, t table, r table! Df = N-2 = 28 T table = (IDF.T (PROB,DF) = 1.70 R table = (T/SQRT(DF+T**2) = 0.3061 b.Lakukan uji validitas dan reliabilitas! r hitung > r table = valid r hitung < r table = tidak valid BUTIR YANG VALIDITAS butir 1 valid karena r hitung(0.541) > r tabel(0.3061) butir 2 valid karena r hitung (0.609) > r tabel(0.3061) butir 3 valid karena r hitung (0.602) > r tabel(0.3061) butir 4 valid karena r hitung (0.588) > r tabel(0.3061) butir 5 valid karena r hitung (0.759) > r tabel(0.3061) butir 6 valid karena r hitung (0.571) > r tabel(0.3061) butir 7 valid karena r hitung (0.728) > r tabel(0.3061) BUTIR TIDAK VALIDITAS butir 8 tidak valid karena r hitung (0.001) < r tabel(0.3061) butir 9 tidak valid karena r hitung (0.136) < r tabel(0.3061) butir 10 tidak valid karena r hitung (0.306) < r tabel(0.3061) butir 11 tidak valid karena r hitung (0.303) < r tabel(0.3061) butir 12 tidak valid karena r hitung (0.240) < r tabel(0.3061) RELIABILITAS Hipotesis H0 = data kuesioner dinyatakan reliabel H1 = data kuesioner dinyatakan tidak reliabel Dasar pengambilan keputusan Jika Alpha Cronbach�s > R TABEL, maka h0 diterima Jika Alpha Cronbach�s < R TABEL, maka h0 ditolak, h1 diterima Perhitungan 0.790 > 0.3061, maka h0 diterima Keputusan Data kuesioner dinyatakan reliable 3.3 Uji Korelasi Partial Langkah- langkah penyelesaian: 1. Inputkan rata-rata dipengaruhi, rata- rata cara pembuatan, rata- rata komposisi, dan rata- rata bentuk roti pada variabel view, input data rata-rata dipengaruhi, rata- rata cara pembuatan, rata- rata komposisi, dan rata- rata bentuk roti pada data view 2. Pilih menu Analyze, pilih submenu: Correlate, pilih Partial 3. Pada kotak dialog Partial correlations, pindahkan variabel rata- rata cara pembuatan, rata- rata komposisi, dan rata- rata bentuk roti pada variables, kemudian pindahkan variabel rata- rata dipengaruhi ke kolom Cotrolling for. Untuk kolom Test of Signifinance, pilih Two failed (pengujian dua arah) 4. Klik option, pilih Zero- order correlations. Pada missing Values pilih Exclude cases pairwase. Kemudian continue, ok 5. Hasil 3.4 Uji Regresi Langkah- Langkah penyelesaian:

1. Input butir 1- 3 yaitu rata- rata yang dipengaruhi, butir 4- 6 yaitu cara- cara pembuatan, butir 7- 9 yaitu rata-rata komposisi dan butir 10- 12 yaitu rata- rata bentuk roti pada data view. Data- data ini dikelompokan karena kalau tidak dikelompokan pada saat akan mencari persamaan regresi akan sulit karena data yang akan dicari akan banyak. 2. Pilih menu analyze pilih submenu regression pilih linier 3. Kemudian pada kotak dialog linier regression, pindahkan variabel rata- rata dipengaruhi kekolom dependent, variabel rata- rata cara pembuatan, rata- rata komposisi, rata- rata bentuk roti ke kolom independent. Pada method pilih default yang sudah ada, yaitu enter (prosedur pemilihan variabel dimana semua variabel dalam blok dimasukkan dalam penghitung single step) 4. Klik tombol statistics dan pilih estimates, model fit, dan descriptive 5. Klik continue dan selanjutnya pilih plots. Atur seperti gambar dibawah ini. 6. Kemudian klik save dan pilih opsi unstandarized pada predicted value 7. Klik option, pada stepping method criteria pilih entry .05 (uji F yang mengambil standar angka probabilitas sebesar 5%). Beri tanda pada include constant in equation (menyerahkan konstanta tetap dipilih). Pada missing value, pilih exclude cases listwise (data kasus tidak ada yang hilang). Kemudian pilih continue 8. Kemudian klik Ok untuk melihat output Jawaban: 1)Persamaan Regresi Y= 0,479 + 0,770X1 - 0,022X2 + 0,114X3 Keteraangan : Y = penjualan X1 = rata cara pembuatan X2 = rata komposisi X3 = rata bentuk roti Artinya: Jika X1 dan X2 = 0 maka nilai Y = 0,479 potong Jika X1 ( rata cara pembuatan) naik satu satuan sedangkan X2 ( rata komposisi) tetap nol maka Y naik sebesar 0,770 potong Jika X2 (rata komposisi) turun satu satuan sedangkan X1 (rata cara pembuatan) tetap nol maka Y turun sebesar 0,o22 potong Jika X3 ( rata bentuk roti) naik satu satuan sedangkan X2 ( rata komposisi) tetap nol maka Y naik sebesar 0,114 potong 2) Menetukan Koefisien Korelasi Koefisien korelasi (R)= 0,832 > 0.5 mempunyai hubungan yang kuat Artinya penjualan, rata cara pembuatan, rata komposisi, dan rata bentuk roti mempunyai hubungan yang kuat 3) Menentukan Koefisien Determinasi Koefisien determinasi atau R square adalah 0,692 artinya rata cara pembuatan, rata Komposisi, dan rata bentuk roti memberikan distribusi terhadap penjualan sebesar 69,2% dan sisanya 30,8% ditentukan oleh faktor lain. * click link * 2 clicks Untuk dapat melihat dan mendownload file skripsi lengkap yang dilampirkan pada

setiap judul, anda harus menjadi special member, klik Register untuk menjadi free member di Indoskripsi. Semua Member Special dapat mendownload SELURUH file content yang ada di website ini. Daftarkan diri anda segera. UNLIMITED ACCESS GoogleMasukkan istilah pencarian AndaKirim formulir pencarian Web www.indoskripsi.com PELUANG KERJA UNTUK FRESH GRADUATE, MAHASISWA TINGKAT AKHIR, BARU LULUS KULIAH? KLIK DISINI BUTUH BEASISWA STUDY, BEASISWA PENELITIAN, INFO BEASISWA TERBARU? KLIK DISINI Jika tertarik untuk memasang iklan di website ini, silahkan klik menu contact Silahkan baca syarat dan ketentuannyadi sini Main Menu * * * * * * Home Profil Reference Query Contact Donate Terms and Conditions

Data Menu * Skripsi * Tugas Kuliah * Artikel User login Username: * Password: * * Create new account * Request new password Statistics User Out of 116446 registered users there are currently 6 users and 173 guests online. Online users * * * * * * s0rmin budegfest dny_cyber gunawan_bh priyo hariadi gokai

New Member * * * * * s0rmin priyo hariadi 0men ijuk_he2 vakevandering

New Upgrade Member

* * * * *

chietra sastiaja icecloccz darsuni Soleman Dicky Supit

Check user status Special Info * Informasi Beasiswa * Informasi Lowongan Kerja Posting dan update terbaru * * * * * * * * * * PROFIL KETAHANAN BIDANG PENDIDIKAN SD NEGERI TANGKIL 1 SRAGEN TAHUN 2007 Resume Karya ARISTOTELES MAKALAH SPM (ORGANISSASI NIRLABA) PERANAN KOMPENSASI BAGI MANAJEMEN PESPEKTIF MAKRO PEMULIHAN EKONOMI INDONESIA MENTERI KOORDINATOR BIDANG PEREKONOMIAN REPUBLIK INDONESIA tugas perekonomian indonesia MODAL PINJAMAN KREDIT YANG DIBERIKAN SISTEM PENGENDALIAN INTERN

More... Iklan Kuliah Kelar Bisnis Lancar Statistics Web Copyright @ indoskripsi.com launched at November 2007. Website hosting by IdeBagus. If you do not agree to terms and conditions from Indoskripsi, please do not use this service or you will face consequences Design by xactive -

Sign up to vote on this title
UsefulNot useful