PENGENALAN SPSS

(Laporan Praktikum Statistika Dasar)

Oleh
Teresa Wilda Triadita Manik
1413024074

PENDIDIKAN BIOLOGI
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2015
 DAFTAR ISI

I.PENDAHULUAN
1.1 Latar Belakang................................................................................ 1
1.2 Tujuan ............................................................................................. 2

II.TINJAUAN PUSTAKA
2.1 Pengenalan SPSS ............................................................................ 3
2.2 Mengaktifkan SPSS ........................................................................ 3
2.3 Layar Kerja SPSS .......................................................................... 4
2.4 Windows SPSS................................................................................ 6
2.5 SPSS Data Editor ........................................................................... 8
2.6 Menaganalisis Regresi Linier Berganda Dengan SPSS 17 ............ 22

III.HASIL PRAKTIKUM DAN PEMBAHASAN

3.1 Hasil Praktikum .............................................................................. 32
3.2 Pembahasan .................................................................................... 40

IV.KESIMPULAN
4.1 Kesimpulan ..................................................................................... 66

DAFTAR PUSTAKA
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Dalam era dimana teknologi informasi telah berkembang pesat. Disadari atau tidak,
statistika telah banyak digunakan dalam kehidupan sehari-hari. Statistika sangat
diperlukan bukan saja hanya dalam bidang penelitian dan riset, tetapi juga perlu dalam
bidang pengetahuan lainnya seperti: teknik, industri, pemerintahan, bisnis, sosiologi,
pengetahuan alam, pendidikan dan lain sebagainya. Khususnya dalam bidang
pendidikan statistika biasa digunakan untuk mengolah atau menganalisis dan menarik
sebuah kesimpulan berdasarkan kumpulan data dan penganalisisan yang dilakukan. Kita
sebagai calon guru wajib mengetahui dan dapat menganalisis kumpulan data baik untuk
mencari nilai akhir, mengurutkan data, jumlah dan persentase nilai atau juga untuk
mencari huruf mutu. Namun di era yang semakin maju ini, kita dituntut mengerjakan
sesuatu dengan serba cepat dan praktis dengan memanfaatkan teknologi yang ada. Sama
halnya dalam menghitung, menganalisis atau mencari data. Oleh sebab itu dibutuhkan
sebuah software pengolah angka atau data statisika yang relatif fleksibel guna
memudahkan dalam menghitung atau menganalisis sebuah kumpulan data. SPSS for
windows sangat mudah digunakan (userfriendly) dan mempunyai banyak fasilitas untuk
mempersiapkan, mengolah dan menganalisis data secara statistik.

1.2 Tujuan

Adapun tujuan dari praktikum SPSS ini adalah :

1. Untuk memperkenalkan kepada praktikan tentang paket program SPSS.
2. Untuk menambah wawasan dan pengetahuan mengenai penggunaan aplikasi SPSS
dalam statistika.
3. Untuk mengetahui cara pengisian data, pembuatan histogram, pembuatan statistika
deskriptif, analisis perbandingan dua rata-rata, dan analisis regresi linear dengan
menggunakan SPSS.
 BAB II
TINJAUAN PUSTAKA

2.1 Pengenalan SPSS

SPSS for Windows (untuk selanjutnya disebut SPSS saja) merupakan salah satu
program olah data statistik yang paling banyak digemari oleh para peneliti sebab relatif
fleksibel dan memiliki fasilitas yang dapat menangani hampir semua persoalan statistik.

2.2 Mengaktifkan SPSS

Ada dua cara mengaktifkan SPSS,yaitu melalui icon SPSS atau melalui tombol start,
lalu pilih program,lalu pilih folder SPSS for Windows, dan terakhir pilih SPSS 17 for
Windows.

Gambar : Tampilan Awal SPSS 17

Pada kotak dialog,disediakan beberapa perintah plihan antara lain : Run The
tutorial,Type in data, Run an exiting quary,Create new quary dan Open an exiting data
source. Jika anda hendak membuka data yang pernah anda simpan,maka tinggal
menekan OK. Selanjutnya akan muncul kotak dialog Open File. Anda tinggal mengklik
dua kali File yang anda butuhkan atau anda klik sekali saja lalu klik Open.
Jika anda tidak ingin memanggil data lama,tetapi akan membuat File data baru,maka
anda klik cancel. SPSS akan memunculkan layar kerja baru yang bisa anda isi data
baru.
2.3Windows SPSS
Pada SPSS ini terdapat 4 window yaitu:

2.3.1 DataEditor
Window ini akan terbuka secara otomatis ketika spss dijalankan, window ini berfungsi
untuk input data. Menu yang ada pada dataEditor adalah:
a. File
Menu File berfungsi untuk menangani hal-hal yang berhubungan dengan File
seperti: membuka File baru, menyimpan File, mencetak File dll.
b. Edit
Menu Editberkaitan dengan operasi perbaikan ataupun perubahan nilai data.
c. View
Fungsinya untuk mengatur toolbars dan menentukan huruf yang akan dipakai.
d. Data
Menu data berfungsi untuk mengubah data secara keseluruhan seperti:
mengurutkan data, menandai data berdasarkan kriteria tertentu, menggabungkan
data dll.
e. Transform
Digunakan untuk merubah variabel yang dipilih dengan berdasarkan criteria
tertentu.

f. Analyze
Menu analyze merupakan tahapan inti dari SPSS gunanya untuk menganalisis
data statistika (uji nonparametrik, time series, regresi, analisis ragam, dll).
 g. Graph
Menu graph gunanya untuk menampilkan grafik untuk menunjang analisis data
statistika.
h. Utilities
Merupakan menu pendukung yang digunakan untuk:
a) Memberikan informasi mengenai isi variabel tertentu.
b) Mengatur penampilan menu-menu yang lain.
i. Window
Menu window digunakan untuk perpindahan dari satu window ke window
lainnya.
j. Help
Menu help digunakan untuk memberikan bantuan berupa pemberian informasi
yang diperlukan.

2.3.2Window Output Viewer (Viewer)

Apabila menu dataEditor untuk input data, maka window outputViewer(VIEWER)

adalah untuk menampilkan hasil proses analisis data. Menu pada Viewer hampir
sama dengan menuEditor, pada windowViewer ini ada tambahan menu yaitu:

a. Insert
Berfungsi untuk menyisipkan judul, grafik, teks atau objek tertentu dari suatu
aplikasi lain.
b. Format
Berfungsi untuk merubah tata letak huruf output.

2.3.3MenuSyntax Editor
Menu syntax untuk digunakan perhitungan analisis statistika apabila alat yang ingin
dipakai tidak tersedia pada menu SPSS.

2.3.4Menu Script Editor

Menu script digunakan untuk melakukan kegiatan SPSS secara otomatis, seperti:
eksport CHART, penyesuaian bentuk output, dll.
2.4 Menganalisis Regresi Linier Berganda Dengan SPSS 17
Analisis regresi digunakan untuk memprediksi pengaruh variabel bebas terhadap
variabel terikat. Analisis regresi juga dapat dilakukan untuk mengetahui kelinieritas
variabel terikat dengan varibel bebasnya, selain itu juga dapat menunjukkan ada atau
tidaknya data yang outlier atau data yang ekstrim.
Analisis regresi linear berganda terdiri dari satu variabel dependen dan dua atau lebih
variabel independen. Misalnya dalam suatu kegiatan penelitian ingin diketahui apakah
variabel X (Sex dan Nilai harian 1) berpengaruh terhadap variabel Y (nilai rapot). Data
penelitian adalah sebagai berikut:

Nama Sex Nilai harian Nilai

1 Rapot

IDM01 1 50 68
IDM02 2 61 86
IDM03 1 80 78
IDM04 1 76 80
IDM05 1 40 76
IDM06 2 73 74
IDM07 2 86 70
IDM08 1 77 80
IDM09 1 59 76
IDM10 2 56 85
IDM11 2 66 60
IDM12 1 80 69
IDM13 1 72 89
IDM14 2 95 90
IDM15 1 83 88

Keterangan sex: 1=laki-laki, 2=perempuan

Langkah-langkah menganalisis menggunakan spss 17.0 adalah sebagai berikut:
1. Buka lembar kerja SPSS
2. Buat semua keterangan variabel di variable view seperti gambar berikut:

3. Klik Data view dan masukan data sehingga tampak hasilnya sebagai berikut:

4. Lakukan analisis dengan cara: Analize, Regression, Liniear. akan muncul dialog
seperti gambar berikut; Selanjutnya isilah kotak menu Dependen dengan
variabel terikat, yaitu variabel Rapor dan kotak menu independen dengan
variabel bebas, yaitu variabel Sex dan Harian 1.

5. Selanjutnya klik kotak menu Statistics. Pilih Estimates,

Descriptives dan Model fit lau klik Continue. Tampilan muncul seperti berikut
6. Kotak menu Plots, berfungsi untuk menampilkan grafik pada analisis regresi.
klik kotak menu Plots, kemudian klik Normal probanility plot yang terletak pada
kotak menu Standardized Residual plots. Selanjutnya klik Continue.
Tampilannya adalah sebagai berikut:

7. Selanjutnya klik Continue. Untuk melakukan analisis kliklah OK. Beberapa saat
kemudian akan keluar outputnya, sebagai berikut:

Regression
Cara membaca Output tersebut adalah. sebagai berikut:
1. Deskriptif statistik

Dari output tersebut dapat dilihat rata-rata nilai rapot dari 15 siswa adalah 77,93 dengan
standar deviasi 8,779 sedangkan rata-rata nilai harian 1 adalah 70,27 dengan standar
deviasi 14,786
2. Korelasi
Dari tabel dapat dilihat bahwa besar hubungan antara variabel nilai rapot dengan sex
adalah -0,042 hal ini menunjukan hubungan negatif.
besar hubungan nilai harian 1 dengan nilai rapot adalah 0,238 yang berarti ada
hubungan positif, makin besar nilai harian 1 maka makin tinggi pula nilai rapot.

3. Variabel masuk dan keluar

Dari tabel diatas menunjukan variabel yang dimasukan adalah nilai harian 1 dan sex,
sedangkan variabel yang dikeluarkan tidak ada (Variables Removed tidak ada)
4.Model sisaan
Pada tabel diatas angka R Square adalah 0,063 yaitu hasil kuadrat dari koefisien
korelasi (0,250 x 0,250 = 0,063). Standar Error of the Estimate adalah 9,181, perhatikan
pada analisis deskriptif statitik bahwa standar deviasi nilai rapot adalah 8,779 yang jauh
lebih kecil dari dari standar error, oleh karena lebih besar daripada standar deviasi nilai
rapot maka model regresi tidak bagus dalam bertindak sebagai predictor nilai rapot.
5. Anova

Hipotesis:
Ho: B1=B2=0
Ha: ada Bi yang tidak nol
Pengambilan keputusan:
Jika F hitung <= T tabel atau probabilitas >= 0,05 maka Ho diterima
Jika F hitung > T tabel atau probabilitas < 0,05 maka Ho ditolak
Dari tabel diatas dapat dilihat nilai F hitung yaitu 0,401, sedangkan nilai F tabel dapat
diperoleh dengan menggunakan tabel F dengan derajat bebas (df) Residual (sisa) yaitu
12 sebagai df penyebut dan df Regression (perlakuan) yaitu 2 sebagai df pembilang
dengan tarap siginifikan 0,05, sehingga diperoleh nilai F tabel yaitu 3,89. Karena F
hitung (0,401) < F tebel (3,89) maka Ho diterima.
Berdasarkan nilai Signifikan, terlihat pada kolom sig yaitu 0,679 itu berarti probabilitas
0,679 lebih dari daripada 0,05 maka Ho diterima.
Kesimpulan:
Tidak ada koefisien yang tidak nol atau koefisien berarti, maka model regresi tidak
dapat dipakai untuk memprediksi nilai rapot.
6. Koefisien
Hipotesis:
Ho: Bi=0
Ha: ada Bi yang tidak nol , i=1 atau 2
Pengambilan keputusan:
Jika T hitung <= T tabel atau probabilitas >= 0,05 maka Ho diterima
Jika T hitung > T tabel atau probabilitas < 0,05 maka Ho ditolak

* Constant: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk Constant
yaitu 5,360, pada T tabel dengan db 12 dan taraf signifikan 0,05 diperoleh 1,782,
karena T hitung > T tabel maka Ho ditolak. sedangkan sig pada tabel B adalah 0,000
yang berarti probabilitas 0,000, karena probabilitas kurang dari 0,05 maka ditolak.
Berarti bermakna dan diramalkan tidak melalui titik (0,0).
** Sex: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk Sex yaitu -
0,277, pada T tabel dengan db 12 dan taraf signifikan 0,05 diperoleh 1,782, karena T
hitung < T tabel maka Ho diterima. sedangkan sig pada tabel B adalah 0,786 yang
berarti probabilitas 0,786, karena probabilitas kurang dari 0,05 maka diterima. artinya B
tidak berarti.
*** Harian 1: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk Harian
1 yaitu 0,882, pada T tabel dengan db 12 dan taraf signifikan 0,05 diperoleh 1,782,
karena T hitung < T tabel maka Ho diterima. sedangkan sig pada tabel B adalah 0,786
yang berarti probabilitas 0,395, karena probabilitas kurang dari 0,05 maka diterima.
artinya B tidak berarti
Berdasarkan analisis diatas maka dapat dibuat model regresi dugaannya yaitu:
Y = 69,429
Dari tabel diatas merupakan ringkasan yang meliputi nilai minimum dan maksimum,
mean dan standar deviasi dari predicted value (nilai yang diprediksi) dan statistic residu.

7. Kelinieran

Jika residual berasal dari distribusi normal, maka nilai-nilai sebaran data akan terletak
sekitar garis lurus, terlihat bahwa sebaran data pada gambar diatas tersebar hampir
semua tidak pada sumbu normal, maka dapat dikatakan bahwapernyataan normalitas
tidak dapat dipenuhi. (http://idmatgokil.blogspot.com/2011 /01/cara-menganalisis-
regresi-linier.html)
 BAB III
HASIL PRAKTIKUM DAN PEMBAHASAN

Praktikum 1
Pada praktikum pertama yaitu tentang pengisian data dengan SPSS. Pertama-tama
praktikan memuat variabel seperti nama, NPM, jenis kelamin, IPK, alamat, dan
pendidikan pada layar kerja Variable View dengan ketentuan-ketentuan yang telah
ditetapkan seperti gambar di bawah ini.

Setelah memasukkan variable-variable pada variable view praktikan mengklik tab sheet
Data View. Ternyata terjadi perubahan yang nampak antara layar data sebelum dan
sesudah pengisian atribut variable tadi dimana nama variable yang tertera pada Data
View berubah menjadi data variable yang sesuai dengan pengkodean variable yang
telah diteteapkan sebelumnya, yaitu sebagai berikut:

(Gambar data view sebelum dimasukkan variabel-variabel pada variable view)

 (Gambar data view sesudah dimasukkan variabel-variabel pada variable view)

Setelah itu mengisi data pada layar kerja Data View sebagai berikut:

Setelah itu praktikan menentukan lima buah statistik dengan menggunakan compute,
yaitu NA, Median, Sum, Max, dan Min dengan ketentuan NA sebagai berikut :
NA = 15% kuis I + 15% kuis II + 20% UTS + 30% UAS + 20% Tugas

 Untuk menentukan NA memilih Menu transform yang ada di Menu Bar, lalu
memilih dan mengklik compute variable, mengklik tombol type & label, pada
bagian kolom label mengetik NA dan pada bagian type pilih numeric, Mengisi
kolom numeric expression dengan formula NA = 15% kuis I + 15% kuis II +
20% UTS + 30% UAS + 20% tugas, setelah itu mengklik OK, maka akan
didapatkan kolom baru pada data view yaitu kolom NA.

 Untuk menentukan Median memilih statsitical pada bagian kolom function

group lalu memilih dan mengklik dua kali median pada bagian kolom functions
and special variables, maka akan muncul median(?,?) pada kolom numeric
 expression. Setelah itu mengisi tanda tanya tersebut dengan cara memindahkan
KUIS1 sampai TUGAS bisa dengan mengklik icon (tanda panah)ataupun
dengan cara mengklik kiri dan menahanya kemudian memindahkannya satu
persatu dari KUIS1 sampai TUGAS ke dalam median(?,?). Sehingga menjadi
MEDIAN(KUIS1,KUIS2,UTS,UAS,TUGAS). Setelah itu mengklik OK, maka
akan didapatkan kolom baru pada data view yaitu kolom MEDIAN.

 Langkah-langkah untuk mendapatkan nilai Mean yaitu memilih Menu transform

yang ada di Menu Bar, lalu memilih dan mengklik compute variable dan
mengklik dua kali mean pada bagian kolom functions and special variables,
maka akan muncul mean(?,?) pada kolom numeric expression. Setelah itu
mengisi tanda tanya tersebut dengan cara memindahkan KUIS1 sampai TUGAS
bisa dengan mengklik icon (tanda panah) ataupun dengan cara mengklik kiri dan
menahanya kemudian memindahkannya satu persatu dari KUIS1 sampai
TUGAS ke dalam mean(?,?). Sehingga akan menjadi seperti ini
MEAN(KUIS1,KUIS2,UTS,UAS,TUGAS). Setelah itu mengklik OK, maka
akan didapatkan kolom baru pada data view yaitu kolom MEAN.

 Untuk mencari max dan mean, cara yang digunakan hampir sama. Hanya
saja pada kolom numeric expression diganti sesuai dengan statistik yang
dicari. Sehingga dair keseluruhan itu diperoleh hasil:
Praktikum 2
Praktikum kedua mengenai pembuatan histogram dengan SPSS. Pertama-tama
praktikan memasukkan 40 data diantaranya :
43 58 64 72 89 46 77 58 59 65
68 72 70 55 52 53 54 56 70 73
82 89 68 74 75 78 72 56 68 69
50 45 82 91 35 70 43 84 90 77
Secara langsung memasukkan 40 data tersebut kedalam kolom pertama yaitu
VAR00001 pada layar kerja Data View. Setelah itu praktikan membuat histogram
dengan data tersebut. Untuk membuat histogram pertama-tama praktikan memilih Menu
Graphs yang ada di Menu Bar, lalu memilih Legacy Dialog, setelah itu memilih
Interactive, dan mengklik Histogram seperti terlihat pada gambar berikut:
Setelah itu akan mucul kotak dialog Histogram

Pada Langkah selanjutnya yaitu memindahkan VAR00001 yang terdapat pada kotak
Variables kedalam kotak sebagai berikut:
Setelah memindahkan VAR00001 tersebut,kemudian mengklik tombol OK. Maka akan
muncul output dari graph sebagai berikut :

Untuk memunculkan kotak dialog Chart Editor praktikan mendouble klik histogram
pada output tersebut dan mendouble klik lagi pada histogram di Chart Editor
Pada kotak dialog Properties praktikan memilih kotak Binning, pada data X Axis
memilih Custom, mengisi 10 (banyaknya kelas) di kotak Number of Intervals dan 7
(panjang kelas) pada kotak Interval widht, seperti tampak pada gambar dibawah ini:

Kemudian mengklik Apply, maka hasilnya akan tampak seperti gambar berikut ini:
Selanjutnya pada histogram dengan mengklik dua kali angka 40, maka akan muncul
kotak dialog Properties lain, kemudian memiilih Scale, pada kolom custome mengisi
30.5 pada range Minimum sebagai batas bawah kelas ke-1, mengisi 100.5 pada range
Maximum sebagai batas atas kelas ke-10, selanjutnya mengisi 10 pada kota Major
Increment, dan mengisi 0 pada kotak Origin, Lower margin, serta Uppermargin. Seperti
pada gambar berikut :

Setelah itu mengklik Apply, maka histogram yang terbentuk pada kotak output akan
tampak seperti gambar berikut:
Praktikum 3
Untuk praktikum 3 cara pengerjaannya sama dengan praktikum 2 hanya saja diganti
menjadi:

50 65 58 59 82 65 68 93 58 46
82 73 72 70 58 67 38 63 48 79
68 69 89 68 70 79 64 56 77 60
43 77 45 90 64 55 81 76 88 80
Praktikum 4
Pada praktikum ketiga, yaitu menganalisis perbandingan dua data rata-rata dengan
menggunakan SPSS. Praktikum ini menggunakan data hasil belajar matematika siswa
kelas V SD Sukajaya dengan menggunakan Metode A dan Metode B sebagai berikut:
Untuk melakukan pengujian mengenai perbandingan antara dua buah nilai rata-rata
matematika siswa. Adapun hipotesis yang digunakan dalam penelitian ini adalah:
H0 : µA = µB (Tidak ada perbedaan antara kedua populasi)
HI : µA ≠ µB (Ada perbedaan rata-rata antara kedua populasi)
Asumsi awal yang harus dipenuhi adalah kedua populasi nilai matematika siswa
tersebut berdistribusi normal. Berdasarkan olah data pada program SPSS, hasil yang
diperoleh adalah sebagai berikut:
 Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

MET.A .124 30 .200* .942 30 .101

MET.B .124 30 .200* .932 30 .054

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

Karena kedua populasi memilki sig sebesar 0,2. Dimana 0,2 > 0,05, maka data tersebut
dapat dikatakan memenuhi asumsi normalitas.

Diagram dahan diatas menunjukkan sebaran data. Data terbanyak berada di dahan 7 dan
tersebar rata di setiap dahan. Melalui diagram ini pun dapat dilihat bahwa data bergerak
mengikuti sebuah normal. Dengan kata lain, data memiliki distribusi normal.
Diagram dahan diatas menunjukkan sebaran data. Data banyak berada di dahan 6 dan
tersebar rata di setiap dahan. Melalui diagram ini pun dapat dilihat bahwa data bergerak
mengikuti sebuah normal. Dengan kata lain, data memiliki distribusi normal.
Hasil yang diperoleh menunjukkan bahwa kedua populasi berdistribusi normal.
Kemudian praktikan melakukan pengujian dengan menggunakan Uji Independent
Sample untuk melakukan pengujian berbandingan. Hasil yang diperoleh adalah sebagai
berikut:
Group Statistics

VAR0 Std. Std. Error

0002 N Mean Deviation Mean

VAR00001 A 30 67.1333 14.24111 2.60006

B 30 75.8333 15.55653 2.84022

Hal lain yang harus diketahui selain normalitas data adalah kesamaan varians.
Hipotesis yang digunakan dalam kesamaan varians ini adalah:
H0 : 𝜎A = 𝜎B (Tidak ada perbedaan varians antara kedua populasi)
HI : 𝜎A ≠ 𝜎B (Ada perbedaan varians antara kedua populasi)

Langkah selanjutnya adalah memperhatikan nilai Sig pada kolom Levene’s Test for
Equality of Variances. Kriteria uji yang digunakan adalah terima H0 jika Sig> 0,05. Jika
H0 diterima maka analisis yang digunakan adalah analisis dalam baris Equal variances
assumed. Jika H0 ditolak maka analisis yang digunakan adalah analisis dalam baris
Equal variances not assumed.

Nilai Sig sebesar 0,434 menunjukkan bahwa kedua populasi memiliki varians yang
sama. Selanjutnya, praktikan memperhatikan nilai SIG.(2-tailed) dalam kolom t-test for
Equality of Means. Jika nilai tersebut > 0,05 dapat disimpulkan µA = µB . Jika tidak
maka µA ≠ µB .
Karena hasil nilai Sig.(2-tailed) = 0,028, berarti µA ≠ µB. Dengan memperhatikan
nilai standard deviation dalam Groups Statistic di atas, maka tampaklah bahwa nilai
standard menunjukkan bahwa Metode A lebih kecil dibandingkan Metode B. Hal ini
menunjukkan bahwa Metode B memberikan rata-rata nilai yang lebih baik
dibandingkan Metode A.

Praktikum keempat
Praktikum terakhir adalah praktikum mengenai analisis regresi linear menggunakan
SPSS. Dari data yang diketahui Xi merupakan variabel bebas dan Yi merupakan
variabel terikat, dan diduga Xi mempengaruhi Yi.

Persamaan umum garis regresi linear sederhana adalah Y = a + b.X

Dalam populasi, bentuk persamaan tersebut adalah Y = α + β X
Pertama-tama praktikan membuat Scatterplot dari Xi dan Yi, dan mendapatkan garis
regresi terbaik dalam scatterplot dan hasilnya diperoleh sebagai berikut:
Grafik ini menujukkan adanya kecenderungan data mengikuti pola sebuah garis lurus.

Setelah itu praktikan melakukan analisis regresi, dan diperoleh hasil sebagai berikut:

Dari output tersebut dapat dilihat rata-rata nilai Xi dari 10 adalah 9,00 dengan standar
deviasi 3,317 sedangkan rata-rata nilai Yi adalah 7,5009 dengan standar deviasi
2,03157.
Dari tabel dapat dilihat bahwa besar hubungan antara variabel Xi dengan Yi adalah
0,816 hal ini menunjukan hubungan positif., makin besar Xi maka makin tinggi Yi.

Dari tabel diatas menunjukan variabel yang dimasukan adalah Xi, sedangkan variabel
yang dikeluarkan tidak ada (Variables Removed tidak ada).

Pada tabel diatas angka R Square adalah 0,667 yaitu hasil kuadrat dari koefisien korelasi
(0,816 x 0,816 = 0,667). Standar Error of the Estimate adalah 1,23660, perhatikan pada
analisis deskriptif statitik bahwa standar deviasi nilai Xi adalah 3,317 yang jauh lebih
besar dari dari standar error, oleh karena lebih kecil daripada standar deviasi nilai Xi
maka model regresi bagus dalam bertindak sebagai predictor nilai Xi.
Hipotesis yang digunakan adalah:
H0 : β = 0 ( X dan Y tidak memiliki hubungan yang berarti)
H1 : β ≠ 0 ( X dan Y memiliki hubungan yang berarti)

Pengambilan keputusan:
Jika F hitung ≤ T tabel atau probabilitas ≥ 0,05 maka Ho diterima
Jika F hitung > T tabel atau probabilitas < 0,05 maka Ho ditolak

Dari tabel diatas dapat dilihat nilai F hitung yaitu 17,990, sedangkan nilai F tabel dapat
diperoleh dengan menggunakan tabel F dengan derajat bebas (df) Residual (sisa) yaitu 9
sebagai df penyebut dan df Regression (perlakuan) yaitu 1 sebagai df pembilang dengan
tarap siginifikan 0,05, sehingga diperoleh nilai F tabel yaitu 5,32. Karena F hitung
(17,990) > F tebel (5,32) maka Ho ditolak.
Berdasarkan nilai Signifikan, terlihat pada kolom sig yaitu 0,002 itu berarti probabilitas
0,002 kurang dari 0,05 maka Ho ditolak.

Kesimpulan:
Ada koefisien yang nol atau koefisien berarti, maka model regresi dapat dipakai untuk
memprediksi nilai Xi yaitu ada keberartian hubungan X dan Y.

(Tabel di atas menunjukkan bahwa persamaan garis regresi adalah Y= 3.0 + 0.5X)
Hipotesis:
Ho: Bi=0
Ha: ada Bi yang tidak nol , i=1 atau 2
Pengambilan keputusan:
Jika T hitung ≤ T tabel atau probabilitas ≥ 0,05 maka Ho diterima
Jika T hitung > T tabel atau probabilitas < 0,05 maka Ho ditolak

a) Constant: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk
Constant yaitu 2,667, pada T tabel dengan db 12 dan taraf signifikan 0,05
diperoleh 1,782, karena T hitung > T tabel maka Ho ditolak. Sedangkan sig pada
tabel B adalah 0,026 yang berarti probabilitas 0,026, karena probabilitas kurang
dari 0,05 maka Ho ditolak. Artinya B berarti.
b) Xi: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk Sex yaitu
4,241, pada T tabel dengan db 12 dan taraf signifikan 0,05 diperoleh 1,782,
karena T hitung > T tabel maka Ho ditolak. Sedangkan sig pada tabel B adalah
0,002 yang berarti probabilitas 0,002, karena probabilitas kurang dari 0,05 maka
Ho ditolak. Artinya B tidak berarti.
(gerak histogram yang mendekati gerak kurva normal menujukkan bahwa residu
memiliki distribusi normal)
(P-Plot di atas mengikuti arah gerak garis dengan sudut 450 menujukkan bahwa data
memiliki distribusi normal)

Diagram di atas menunjukkan adanya penyebaran data yang acak (tidak membentuk
suatu pola khusus).
 BAB IV
KESIMPULAN

4.1 Kesimpulan

Adapun kesimpulan dari praktikum kali ini diantaranya sebagai berikut:

1. SPSS (Statistical Product & service Solution) merupakan salah satu program
olah data statistik yang relatif fleksibel dan memiliki fasilitas yang dapat
menangani hampir semua persoalan statistik.
2. Untuk menyelesaikan permasalahan-permasalahan statistik dapat digunakan
SPSS Data Editor dengan beberapa uji diantaranya; Uji frekuensi, Statistika
deskriptif, Uji Normalitas dan Varians, Hipotesis, Regresi serta Korelasi.
3. Statistik dengan uji hipotesis yaitu untuk membuktikan dengan alat statistika,
apabila dugaan yang dimiliki dapat dibuktikan benar atau sebaliknya. Ada dua
kelompok besar yang dapat dilakukan dengan uji hipotesis: uji hipotesis terkait
uji rerata, dan uji hubungan baik terbatas pada besarnya derajat asosiasi (uji
korelasi) atau mencari bentuk hubungan fungsional beberapa variabel (uji
regresi).
 DAFTAR PUSTAKA

Tim Dosen dan Asisten Statistika Dasar.2013.Panduan Praktikum Statistika

Dasar.Universitas Lampung.Bandar Lampung.

Tim Laboratorium Statistik atau Laboratorium Komputer.2011.SPSS (Statistical

Product & Service Solution).Fakultas Kedokteran Universitas Syiah Kuala
Darussalam.Banda Aceh.

Idmatgokil.2011.Cara Menganalisis Regresi linier Berganda dengan SPSS

17.Diakses pada 25 Desember 2013 Pukul 19.23 WIB.
http://idmatgokil.blogspot.com/2011/01/cara-menganalisis-regresi-linier.html
 KATA PENGANTAR

Puji dan syukur penulis haturkan kehadirat Tuhan Yang Maha Esa atas segala
limpahan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan laporan
praktikum statistika dasar sebagai tugas mata kuliah statistika dasar.
Penyusunan laporan ini didasarkan untuk melaksanakan kewajiban penulis
sebagai mahasiswi dan memenuhi tuntutan praktikum yang diberikan sebagai syarat
kelulusan mata kuliah.
Penulis menyadari terdapat banyak kekurangan baik dari segi sumber tinjauan
pustaka, penjelasan hasil praktikum, dan sistematika penulisan dalam pembuatan
laporan ini. Oleh karena itu, saran dan kritik yang bersifat membangun sangat penulis
harapkan. Besar harapan penulis laporan ini dapat bermanfaat baik bagi penulis sebagai
penulis dan bagi pembaca pada umumnya.

Bandar Lampung, 16 Desember 2015

Penulis