Materi Kuliah Pengolahan Data Elektronik 2013 Program SPSS 13.

PRAKTIKUM 1

 

DEFINE VARIABLE

Membuat Daftar Identitas Mahasiswa

Table 1

No	Nama	Kelamin	Alamat	Agama	Hobi
1	Ayudya	Wanita	Ampenan	Islam	Nonton
2	Bambang	Pria	Mataram	Kristen	Olahraga
3	Centong	Pria	Cakranegara	Budha	Membaca
4	Dayu	Wanita	Cakranegara	Hindu	Makan
5	Eman	Laki	Mataram	Islam	Makan
6	Fandi	Laki	Ampenan	Islam	Olahraga
7	Gina	Wanita	Mataram	Kristen	Nonton
8	Hanoto	Pria	Cakranegara	Budha	Makan
9	Indah	Wanita	Cakranegara	Islam	Membaca
10	Jegeg	Wanita	Mataram	Hindu	Olahraga

1.        Buka program SPSS, klik File New, Data

2.        Untuk membuat variabel  Klik Menu Data, pilih Define Variable dan akan muncul kotak dialog Define Variable (atau klik tombol kanan pada Kolom var, kemudian pilih Define Variabel)

Selanjutnya isi setiap kolom dengan data sbb:

Table 2

Variabel Name	(X1)	(X2)	(X3)	X4	(X6)
Label	Nama	Kelamin	Alamat	Agama	Hobi
Value Label	-	1=Laki 2=Wanita	1=Ampenan 2=Mataram 3=Cakra	1=Islam 2=Hindu 3=Kristen 4=Budha	1=Membaca 2=Olahraga 3=Makan 4=Nonton
Type	String	Numeric	Numeric	Numeric	Numeric
Width	25	1	1	1	1
Decimal Place	-	0	0	0	0

Selanjutnya ketik datanya sesuai dengan kode labelnya

3.  Simpan file ini dengan nama Latih-1 (file ini akan tersimpan dengan ekstensi .sav)

 

MEMBUAT LAPORAN  DATA

1.      Klik menu Analyze

2.      Klik Report

3.      Klik Case Summary

4.      Masukkan semua Variabel ke Kotak Variabel sebelah kanan, kemudian klik OK

5.      Jika ingin mengedit laporan, double klik output Case Summary

MEMBUAT TABEL

1.      Klik  menu Analyze

2.      Klik Descriptive Statistic

3.      Klik  Crosstabs

4.      Masukkan variabel X3 (Alamat) ke dalam kotak Row(s)

5.      Masukkan Variabel lainnya ke dalam kotak Column(s)

6.      Klik OK

7.    Simpan file output ini dengan nama Latih1 (file ini tersimpan dg ekstensi .spo)

COPY OBJECT

File .spo dapat ditampilkan dalam bentuk file microsoft word dengan meng copy object

1.    Klik tombok kanan mouse pada data yang akan di copy

2.    Klik Copy Objects

3.    Buka program Word

4.    Klik tombol kanan lalu Paste

5.    Simpan dengan nama Latih1 (file ini tersimpan dg ekstensi .Doc)

6.    Cetak Hasilnya.

PRAKTIKUM 2

PENGOLAHAN DATA (COMPUTE)

 

Buka program SPSS, klik File New, Data, kemudian buat data dibawah ini

Nama Perusahaan (X1)	Alamat Perusahaan (X2)	Fixed Cost (X3)	Biaya Variabel X4	Produksi (X5)	Harga (X6)
PT.  Abadi CV. Berdikari PT. Sentosa PT.  Harapan CV. Dirgahayu PT. Bersama PT. Batur CV. Warisan PT. Pinjaman PT. Anginan	Mataram Cakra Ampenan Ampenan Mataram Cakra Cakra Mataram Ampenan Mataram	60 60 60 60 60 60 60 60 60 60	75 80 75 70 75 80 85 70 75 80	500 600 400 450 550 600 500 550 450 500	500 500 500 500 500 500 500 500 500 500

 

1.        Simpan file ini dengan nama Latih-2

2.        Klik  Transform

3.        Klik  Compute

4.        Ketik X7

5.        Klik Label yang dibawah X7 tersebut kemudian isi labelnya dengan Total Cost

6.        Klik OK kemudian klik X3 pindahkan ke samping kanan dengan panah, klik tanda + dan klik X4 dan pindahkan ke kanan

7.        Dengan cara yang sama buat X8 untuk Total Revenue dengan rumus X5*X6

8.        Dengan cara yang sama buat X9 untuk Net Revenue dengan rumus X8-X7

MENGOLAH DATA DENGAN STATISTIK SEDERHANA

1.        Gunakan file Latih-2

2.        Pilih Analyze

3.        Pilih Descriptive Statistic

4.        Pilih Frequncies

5.        Tentukan Variabel yang akan di olah dan pindahkan ke ruas kanan menggunakan panah

6.        Kemudian Klik Statistic (yang di bawah) dan pilih  jenis statistik yang diinginkan yaitu Mean, Mode, Median, Sum, Max, Min

7.        Klik Continue

8.        Klik OK

MEMBUAT GRAFIK

1.        Klik Graph

2.        Pilih salah satu bentuk Grafik yang diinginkan umpamanya Grafik BAR

3.        Klik Simple

4.        Klik bulatan yang nomor dua (atau di tengah)

5.        Klik OK

6.        Pindahkan X3, X4, X5 dan X6 ke kanan menggunakan panah

7.        Klik OK

8.        Simpan pekerjaan Anda ini dengan nama Latih2

9.        Copy Object ke Program Word

10.    Buat Laporannya

11.    Simpan dengan nama Latih2

12.    Cetak  Hasilnya

PRAKTIKUM 3

RECODE

1. Buat file berikut (Latih3)

No	Nama (X1)	Quiz (X2)	Midterm (X3)	Ujian (X4)
1 2 3 4 5 6 7 8 9 10	Adi Badu Caca Didi Emi Fauzi Gumilang Hadi Ilham Yana	50 60 40 80 30 70 90 55 70 75	90 80 60 80 75 55 40 58 25 60	80 60 70 50 40 35 85 45 60 70

2. Hitung  Nilai Angka (X5) melalui Compute dengan rumus (X2*0.2)+(X3*0.3)+(X4*0.5)
3. Hitung  Nilai Huruf dengan menggunakan RECODE sbb:
4. Klik Transform
5. Klik Recode dan pilih into different variables
6. Masukkan variabel X5 ke kotak numeric variables
7. Ketik X6 ke kotak Output variabels dan Huruf pada Label, klik Change
8. Ketik angka 80 pd kotak throught highest
9. Klik kotak Output Variables A Strings (sebelah kanan)
10. Ketik A pada kotak Value sebelah kanan (New Value) 
11. Klik Add
12. Dengan Cara yang sama buat:
13. Range 70-80 nilai B
14. Range 60-70 nilai C
15. Range 50-60 nilai D
16. Lowest throught 50 nilai E
17. Klik continue
18. Simpan dengan nama  Latih3
19. Copy Object ke Program Word
20. Buat Laporan Nilainya
21. Simpan dengan nama Latih3
22. Cetak hasilnya

 

PRAKTIKUM 4

PENGUJIAN HIPOTESIS PADA RATA-RATA SEBUAH DISTRIBUSI NORMAL, VARIAN TIDAK DIKETAHUI

Kasus :

Seorang pelatih olah raga, ingin mengetahui apakah dugaannya bahwa rata-rata tinggi atlit  yang dilatihnya sebesar 175 cm. Pelatih tersebut kemudian mengumpulkan data dengan mengukur  tinggi badan dari 25 orang atlit dibawah asuhannya. Data tersebut seperti berikut ini :

NAMA	TINGGI (cm)
DEVI	170.00
SEPTIANA	165.00
ENDANG	162.00
JELLY	167.00
RAHAYU	150.00
AMELIA	180.00
DEWI	168.00
KARTIKA	170.00
ALYA	164.00
ISWAHYUDI	164.00
ARIF	171.00
RAHMAN	176.00
HAKIM	172.00
HARIMAN	179.00
PANCA	180.00
HANIFA	173.00
RAJAF	168.00
LABIBAH	159.00
HERU	181.00
VICKY	176.00
PIPIK	177.00
AYUK	163.00
RIFKI	154.00
RIDWAN	171.00
MUSLIM	172.00

 

Kemudian data tersebut, dimasukan dalamSPSS seperti langkah berikut ini :

1.      Buat Data diatas dan simpan dengan nama Latih4

2.      Klik Analyze

3.      Klik Compare means

4.      Klik One sample T-Test, sehingga keluar tampilan seperti berikut ini :

5.      Klik variabel yang akan diuji ( tinggi) ke kolom Test variabel(s), dan isikan rata-rata dugaan pada kolom Test Value  sebesar 175.,

6.      Klik Options, jika dikehendaki mengatur interval konfidensi, isi kolom Confidence Interval 95 % dan data missing klik Exclude cases analysis by analysis.

7.      Klik Continue

8.      Klik OK, sehingga menghasilkan output sebagai berikut:

9.      Simpan dengan nama  Latih4

10.  Copy Object ke Program word

11.   OUTPUT DAN ANALISA

Pada permasalahan tersebut diatas, hipotesa yang diuji adalah sebagai berikut:

Ho : µ = 175

H1 :  µ # 175

Dari hasil perhitungan SPSS, berikut ini

Untuk taraf signifikasi (a) sebesar 5 % maka ta/2,n-1 dari tabel distribusi t didapat  t0,025,24 = 2.064, maka  :

-3.578< 2.064 atau dengan kata lain t dihitung lebih kecil dari t table maka, tidak dapat menolak Ho atau Ho “diterima”, artinya bahwa dugaan peneliti cukup beralasan atau signifikan. 

 12. Simpan dengan nama Latih 4

13.  Cetak Output dan Hasil Analisanya

PRAKTIKUM 5

UJI T BERPASANGAN

Kasus

Sebuah pabrik besi beton “ Raja Besi Beton “ akan menguji kekuatan besi beton hasil produksinya, dengan melakukan pengujian pada kedua ujungnya. Data diambil sebanyak 15 sample, sebagaimana table tersebut ditas :

Besi Beton	Ujung 1	Ujung 2
1	5.00	5.30
2	4.00	3.90
3	7.00	6.30
4	5.00	5.10
5	6.50	6.00
6	6.00	5.50
7	3.00	3.40
8	3.75	2.80
9	2.40	3.00
10	2.80	4.00
11	4.20	3.00
12	5.50	6.00
13	5.00	4.00
14	3.00	4.20
15	6.00	7.00

1.      Buat diskripsi data pada data editor, simpan dg nama Latih5

2.      Kemudian, Klik Analyze

3.      Klik Compare means

4.      Klik Paired Sample T-Test,

5.      Pindahkan variabel yang akan diuji (ujung1 dan ujung2) ke kolom Paired Variables.

6.      Klik Options, untuk menentukan Interval konfidensi atau data missing, seperti gambar berikut menentukan interval konvidensi sebesar 95 %

7.      Klik Continue kemudian Klik OK, sehingga keluar output

8.      Simpan dengan nama  Latih5

9.      Copy Object ke program Word

10.  OUTPUT DAN ANALISA

Pada permasalahan tersebut diatas, hipotesa yang diuji adalah sebagai berikut:

Untuk taraf signifikan (a) sebesar 5 % maka ta/2, n-1 dari table distribusi t didapat t0,025,14 = 2.145 maka :

-0.112 < 2.145 atau dengan kata lain t hitung lebih kecil dari t table maka, tidak dapat menolak H0 atau H0 “ sudah diterima “, artinya bahwa dugaan peneliti bahwarata-rata kekuatan besi beton produksinya adalah identik cukup beralasan atau signifikan.

11. Simpan dengan nama Latih5

12. Cetak hasilnya

PRAKTIKUM 6

ANALISA KORELASI LINIER SEDERHANA

Kasus

Sebuah pabrik penggilingan Gabah “ CV. Tani Makmur “ ingin melihat kemampuan mesin produksinya. Data diamati setiap  jam untuk jangka waktu 20 hari. Data pengamatan disajikan sebagai berikut :

Hari	Waktu	Hasil (Ton)
1	2.00	10.00
2	4.00	15.00
3	6.00	18.00
4	8.00	20.00
5	10.00	30.00
6	2.00	9.00
7	4.00	16.00
8	6.00	19.00
9	8.00	21.50
10	10.00	29.75
11	2.00	10.50
12	4.00	14.00
13	6.00	18.00
14	8.00	21.00
15	10.00	31.50
16	2.00	11.00
17	4.00	13.00
18	8.00	22.00
19	10.00	29.50
20	2.00	10.50

1. Dari data pengamatan tersebut kemudian dimasukan dalam data editor SPSS, Simpan dengan nama Latih6,
2. Untuk melakukan analisa klik Analyze
3. Klik Correlate
4. Klik Bivariate,
5. Pindahkan variabel yang akan dianalisa dalam kolom Variabels dan pemilihan  analisa korelasi (dalam hal ini adalah korelasi Product Moment Pearson) serta pemilihan uji dua arah atau uji satu arah
6. Klik Options, apabila dikehendaki beberapa perhitungan statistik lain dalam analisa korelaasi
7. Klik Continue, kemudian klik OK,
8. Simpan dengan nama Latih6
9. Copy Object ke program word

10 OUTPUT DAN ANALISA

Berdasarkan perhitungan diperoleh nilai r  sebesar 0,972 maka  dengan mengambil Hipotesa :

Dengan mengambil  taraf signifikan  (a) sebesar 5 %, maka dari table distribusi t didapat nilai t table untuk t 0.025,18 = 2.101.

Dikarenakan 0.00 < 2.101, maha Ho  ditolak. Artinya dapat disimpulkan  bahwa tedapat  korelasi yang nyata dan bersifat positif antara variabel waktu dengan hasil produksi.

11. Simpan dengan nama Latih6

12. Cetak Hasilnya

PRAKTIKUM 7

ANALISA KORELASI RANK SPEARMAN

Kasus:

Jajak pendapat dilakukan terhadap 15 orang responden  terhadap diberlakukanya  sedang istimewa MPR berkaitan dengan kinerja lembaga kepresidenan dengan 5 kategori pilihan yaitu :

1. Sangat setuju diberi skor 1
2. Setuju diberi skor 2
3. Abstain diberi skor 4
4. Tidak setuju diberi skor 4
5. Sangat tidak setuju diberi skor 5

Kemudian hasil pengamatan ditabelkan dan diberi skor sebagai berikut :

Nomor Responden	Skor sample 1	Skor sample 2
1	1.00	4.00
2	2.00	3.00
3	1.00	4.00
4	3.00	5.00
5	3.00	1.00
6	5.00	2.00
7	5.00	3.00
8	4.00	4.00
9	2.00	5.00
10	4.00	5.00
11	4.00	1.00
12	5.00	2.00
13	1.00	1.00
14	3.00	2.00
15	2.00	3.00

1.      Dari data pengamatan tesebut kemudian dimasukan dalam data editor SPSS,

2.      Simpan Latih7

3.      Untuk melakukan analisa klik Analyze

4.      Klik Correlate

5.      Klik Bivariate

6.      Pindahkan variabel yang akan dianalisa dalam kolom Variabels dan pemilihan  analisa korelasi (dalam hal ini adalah Korelasi rank Spearman)) serta pemilihan uji dua arah atau uji satu arah,

7.      Klik Options, apabila dikehendaki beberapa perhitungan statistik lain dalam analisa korelaasi .

8.      Klik Continue, kemudian klik OK,

9.      Simpan dengan nama  Latih7

10.  Copy Object ke Program Word

11.  OUTPUT DAN ANALISA

Berdasarkan perhitungan SPSS, maka dapat dilihat bahwa nilai koefisien korelasi adalah sama dengan –0.167, sehingga nilai t dapat dihitung seperti berikut :

 Dengan mengambil  taraf signifikan  (a) sebesar 5 %, maka dari table distribusi t didapat nilai t table untuk t 0.025,13 = 2.160

Dikarenakan –0.167 < 2.160, maka Ho tidak dapat ditolak. Artinya dapat disimpulkan bahwa tidak terdapat korelasi yang nyata antara sample datda sat dengan sample data yang kedua.

Atau dengan menggunakan table spearman, diperoleh ni;ai ro sebesar –0.167, dan dengan mengambil taraf signifikan sebesar 5%  diperoleh rs = ro.025,15 = 0.5179.

Dikarenakan –0.167 < 0.5179, maka Ho tidak dapat ditolak. Artinya dapat disimpulkan bahwa tidak terdapat korelasi yang nyata antara sample datda sat dengan sample data yang kedua.

12. Simpan dengan nama Latih7
13. Cetak hasilnya

PRAKTIKUM 8

ANALISA KORELASI TAU KENDALL

Kasus:

Seorang peneliti ingin mengatahui antara kepribadian dan kemampuan manajemen seorang untuk memimpin sebuah organisasi. Data diambil  dari 20 responden dan disusun berdasarkan peringkat untuk masing-masing pengamatan sebagaimana table berikut :

Nomor Responden		Kepribadian	Kemampuan Manajemen
1		1	2
2		10	8
3		2	13
4		11	20
5		9	9
6		3	14
7		20	1
8		16	19
9		8	10
10		19	18
11		17	3
12		15	15
13		6	7
14		14	11
15		7	17
16		5	4
17		18	16
18	13		6
19	12		12
20	4		5

1.      Dari data pengamatan tesebut kemudian dimasukan dalam data editor SPSS, 

2.    Simpan dengan nama Latih 8

3.    Untuk melakukan analisa klik Analyze

4.    Klik Correlate

5.    Klik Bivariate.

6.    Pindahkan variabel yang akan dianalisa dalam kolom Variabels dan pemilihan  analisa korelasi (dalam hal ini adalah Korelasi Kendall Tau-b) serta pemilihan uji dua arah atau uji satu arah.

7.    Klik Options, apabila dikehendaki beberapa perhitungan statistik lain dalam analisa korelaasi .

8.    Klik Continue, kemudian klik OK, .

9.    Simpan dengan nama Latih 8

10.  Copy Object ke Program Word

11.  OUTPUT DAN ANALISA

Berdasarkan perhitungan SPSS, maka dapat dilihat bahwa nilai koefisien korelasi atau nilai t hitung sebesar 0 .168.

Dengan mengambil  taraf signifikan  (a) sebesar 5 %, maka dari table t  didapat nilai untuk t0.025,20 = 0.421.

Dikarenakan –0.168 < 0.421, maka Ho tidak dapat ditolak. Artinya dapat disimpulkan bahwa tidak terdapat korelasi yang nyata antara kepribadian dengan kemampuan manajemen.

12.  Simpan dengan nama Latih 8

13.  Cetak Hasilnya

PRAKTIKUM 9

ANALISA REGRESI LINIER SEDERHANA

Kasus:

Seorang peneliti ingin melihat pengaruh antara temperatur proses proses produksi terhadap produksi yang dihasilkan disebuah pabrik pemuat keramik PT Kileng Terus.

Hasil data pengamatan terhadap 10 kali pengamatan diperoleh sebagaimana table berikut :

Nomor	Temperatur (°c) (X)	Hasil (Y)
1.00	100.00	46.00
2.00	110.00	52.00
3.00	120.00	56.00
4.00	130.00	63.00
5.00	140.00	69.00
6.00	150.00	71.00
7.00	160.00	76.00
8.00	170.00	80.00
9.00	180.00	87.00
10.00	190.00	90.00

1.      Dari data pengamatan tesebut kemudian dimasukan dalam data editor SPSS, 

2.    Simpan dengan nama Latih 9

3.    Untuk melakukan analisa klik Analyze

4.    Klik  Regression

5.    Klik Linier.

6.      Pindahkan variabel Hasil dalam kolom Dependent sebagai variabel terikat dan variabel tempratur ke kolom Independent sebagai variabel bebas.

7.    Klik Statistik, untuk menentukan uji tambahan.

8.    Klik Plot, untuk membuat visualisasi keluaran  .

9.    Klik Save jika diinginkan menyimpan beberapa hasil prosedur uji,

10.  Klik Options, apabila dikehendaki beberapa perhitungan statistik lain dalam analisa regresi .

11.  Klik Continue, kemudian klik OK

12.  Simpan dengan nama Latih 9

13.  Copy Object ke Program Word

14.  Output dan Analisa

Berdasarkan perhitungan maka langkah selanjutnya adalah melakukan uji hipotesis nyata tidaknya  model regresi linier dengan mengambil Hipotesa :

Sehingga diperoleh nilai Fo berdasarkan hasil perhitungan SPSS sebesar 1209.030.

Dengan mengambil  taraf signifikan  (a) sebesar 5 %, maka dari table distribusi F didapat nilai F table untuk F0.05,1,8 = 5.32.

Dikarenakan 1209.030 > 5.32. maka Ho ditolak. Artinya dapat disimpulkan bahwa  terdapat hubungan secara linier antara temperatur dengan hasil produksi.

Sedangkan untuk pengujian keberartian koefisien regresi dapat dilakukan sebagai berikut ini:

   Koefisien pertama ( konstanta), diperoleh nilai t hitung sebesar –0.961. dengan mengambil hipotesis :

Dan mengambil taraf signifikan sebesar 5 % maka nilai t tanle t0.025,8 = 2.306, sehingga :

Dikarenakan  –0.961 < 2.306,  maka tidak dapat menolak Ho atau dengan kata lain  konstanta tidak berpengaruh.

   Koefisien kedua, diperoleh nilai t hitung sebesar 34.771, dengan mengambil hipotesis :

Dan mengambil taraf signifikasi sebesar 5 % maka nilai t table atau t0.025.8 = 2.306, sehingga:

Dikarenakan 34.771 < 2.306, maka tidak menolak Ho atau dengan kata lain temperatur berpengaruh terhadap hasil produksi.

15.  Simpan dengan nama Latih 9

16.  Cetak Hasilnya

PRAKTIKUM 10

ANALISIS REGRESI LINIER BERGANDA

Kasus:

Sebuah industri pembuatan alat-alat berat, ingin mengetahui hubungan antara waktu yang diperlukan oleh karyawan terhadap penggunaan barang dengan jarak penggerak dan  berat barang tersebut. Hasil pengamatan dicatat selama 15 pengamatan sebagai mana table data berikut ini :

Waktu dalam detik (y)	Jarak dalam meter (x1)	Berat dalam Kg (x2)
2.03	1.12	0.5
3.20	2.00	0.6
2.40	1.3	0.45
1.95	1.2	0.75
2.0	1.1	0.65
2.1	1.1	0.5
2.5	1.6	0.56
2.9	1.82	0.7
2.6	1.4	1.01
1.9	1.2	1.2
2.7	1.8	1.1
2.4	1.5	0.9
2.25	1.3	0.6
2.7	1.67	1.2
2.65	1.75	1.1

1.    Dari data pengamatan tesebut kemudian dimasukan dalam data editor SPSS, 

2.    Simpan dengan nama Latih 10

3.    Untuk melakukan analisa klik Analyze

4.    Klik  Regression

5.    Klik Linier,

6.    Pindahkan variabel waktu dalam detik yang akan dianalisa dalam kolom Dependent sebagai variabel terikat dan variabel jarak dan berat ke kolom Independent sebagai variabel bebas.

7.    Klik Statistik, untuk menentukan uji tambahan seperti .

8.    Klik Plot, untuk membuat visualisasi keluaran  .

9.    Klik Save jika diinginkan menyimpan beberapa hasil prosedur uji, .

10.  Klik Options, apabila dikehendaki beberapa perhitungan statistik lain dalam analisa regresi .

11.  .Klik Continue, kemudian klik OK

12.  Simpan dengan nama Latih 10

13.  Copy Object ke Program Word

14.  Output dan Analisa

Dari hasil perhitungan akan dilakukan analisa terhadap keberartian masing-masing koefisien regresi dan kebernyataan regresi.

Analisa koefisien Regresi

  Koefisien pertama ( konstanta), diperoleh nilai t hitung sebesar  4.306,. dengan mengambil hipotesis:

Dan mengambil taraf signifikan sebesar 5 % maka nilai t table t0.025,13 = 2.160, sehingga :

Dikarenakan  4.306 < 2.160,  maka tidak dapat menolak Ho atau dengan kata lain  konstanta  berpengaruh terhadap model regresi

  Koefisien kedua, diperoleh nilai t hitung sebesar 10.621, dengan mengambil hipotesis

Dan mengambil taraf signifikan sebesar 5 % maka nilai t table t0.025,13 = 2.160, sehingga :

Dikarenakan 10.621 < 2.160,  maka tidak dapat menolak Ho atau dengan kata lain  jarrak  berpengaruh terhadap waktu.

  Koefisien Ketiga, diperoleh nilai t hitung sebesar – 1.96, dengan mengambil hipotesis

Dan mengambil taraf signifikan sebesar 5 % maka nilai t table t0.025,13 = 2.160, sehingga :

Dikarenakan  -1,696 < 2.160,  maka tidak dapat menolak Ho atau dengan kata lain  berat tidak  berpengaruh terhadap waktu , sehingga variabel berat dapat diabaikan.

Berdasarkan perhitungan maka langkah selanjutnya adalah adalah melakukan uji hipotesis nyata tidaknya model regresi linier

Sehingga diperoleh nilai Fo berdasarkan hasil perhitungan SPSS sebesar 57.744

15.  Simpan dengan nama Latih 10

16.  Cetak hasilnya

PRAKTIKUM 11

ANALISA REGRESI NON LINIER

Kasus:

Seorang peneliti  ingin mengetahui hubungan yang terjadi dari suatu suplai bahan minimum ringan terhadap suatu café. Data yang diambil  adalah banyaknya jum lah gallon dalam satu minggu yang mampu dihabiskan  oleh sebuah dispensar, data disajikan sebagai berikut :

Dispenser	Gallon
.00	508.10
.00	498.40
1.00	568.20
1.00	577.30
2.00	651.70
2.00	657.00
4.00	755.30
4.00	758.90
5.00	652.00
5.00	572.30
6.00	570.00
6.00	499.80
7.00	502.50
7.00	503.50

1.    Dari data pengamatan tesebut kemudian dimasukan dalam data editor SPSS, 

2.    Simpan dengan nama Latih 11

3.    Sebelum dilakukan pengujian terhadap model, ada baiknya dilakukan prosedur visualisasi grafik, sehingga dapat digunakan sebagai dugaan awal model regresi yang paling sesuai dengan cara klik Graphs.

4.    Untuk melakukan analisa klik  Scatter, pilih simple lalu klik define

5.    Masukann data jumlah galon  pada kolom Y Axis dan nomor dispencer pada kolom X Axis, lalu klik OK

6.    Klik Analyze.

7.    Klik  Regression

8.    Klik Linier,

9.    Pindahkan variabel yang akan dianalisa (jumlah Galon) dalam kolom Dependent sebagai variabel terikat dan Var Nomor Dispencer pada kolom Independent sebagai variabel bebas

10.  Klik Statistik, untuk menentukan uji tambahan .

11.  Klik Plot, untuk membuat visualisasi keluaran .

12.  Klik Save jika diinginkan menyimpan beberapa hasil prosedur uji,

13.  Klik Options, apabila dikehendaki beberapa perhitungan statistik lain dalam analisa regresi .

14.  Klik Continue, kemudian klik OK,

15.  Output dan Analisa

Berdasarkan perhitungan  maka langkah selanjutnya adalah melakukan uji hipotesis nyata tidaknya model regresi linier dengan mengambil hipotesa:

Sehingga diperoleh nilai F berdasarkan hasil perhitungan SPSS sebesar 0.031.

Dengan mengambil taraf signifikan (a)  sebesar 5 % maka dari table distribusi F didapat nilai F table untuk F0.05,1, 12 = 0.175

Dikarenakan tidak terdapat hubungan linier , maka hubungan antara variabel tersesbut adalah non linier, dalam hal ini akan didekati dulu dengan model regresi polynomial berderajat dua. Sebenarnya dari visualisasi grafik scatterplot dapat  dilihat bahwa model linier sangat tidak mungkin terjadi dikarenakan model visualisasi  terlihat  dengan  jelas membentuk suatu kurva. Dan secara umum regresi polynomial seringkali digunakan  jika responnya adalah curvelinier.

Oleh karena itu langkah selanjutnya adalah melakukan transpormasi model, dengan mengkuadratkan langkah-langkah sebagai berikut ini:

1. Klik Transform
2. Klik Compute.
3. Pada kolom Target Variabel ketik Dispenser2 , kemudian pada Numeric Expresion ketik dispencer*dispencer
4. Klik OK.
5. Dilakukan pengujian ulang regresi, dengan mengikuti langkah-langkah pada pengujian model regresi pertama

Dari tabel ANOVA terlihat bahwa untuk nilai Fo berdasarkan hasil  perhitungan  SPSS sebesar 0.957.

Dengan mengambil taraf signifikan (a) sebesar 5% mkak dari table distribusi  F didapat nilai F table untuk F0.05,2,12 = 3,89.

Dikarenakan 0.957 > 3.89, maka Ho ditolak. Artinya dapat disimpulkan bahwa terdapat hubungan secara kuadratik antara galllon dengan dispenser.

Dalam regresi polynomial, untuk menentukan apakah model kuadratik sudah cukup atau belum maka proses transpormasi dilanjutkan untuk polynomial berderajat tiga atau model kubik.

Langkah yang dilakukan adalah sebagai berikut:

1.    Klik Transform

2.    Klik Compute

3.    Pada kolom Target Variabel ketik Dispenser3 , kemudian pada Numeric Expresion ketik dispencer*dispencer*dispencer

4.    Klik OK,

5.    Dilakukan pengujian ulang regresi, dengan mengikuti langkah-langkah pada pengujian model regresi pertama

Dari tabel ANOVA terlihat bahwa untuk nilai Fo berdasarkan hasil  perhitungan  SPSS sebesar 2.093

Dengan mengambil taraf signifikan (a) sebesar 5% maka dari table distribusi  F didapat nilai F table untuk F0.05,3,12 = 3,49.

Dikarenakan 2.093 > 3.49, maka Ho ditolak. Artinya dapat disimpulkan bahwa terdapat hubungan secara kubik antara galllon dengan dispenser.

Dalam regresi polynomial, untuk menentukan apakah model kuadratik sudah cukup atau belum maka proses transpormasi dilanjutkan untuk polynomial berderajat tiga atau model kubik.

Dikarenakan model polynomial masih menunjukan tingkat signifikan, maka dilanjutkan lagi transpormasi untuk polynomial berderajat  empat, Apabila masih menunjukan adanya signifikasi maka transformasi  dilanjutkan untuk polynomial berderajat lima. Hal ini dilakukan secara terus-menerus sampai didapatkan suatu keadaan  yang tidak signisikansinya suatu model polynomial, sehingga proses transformasi dapat berhenti.

Jika dalam suatu kasus signifikansinya model polynomial terjadi secara terus-menerus, maka dapat dilakukan upaya mencari model non linier lain yang paling sesuai, hal ini dapat pula didekati dengan menggunakan visualisasi grafik dengan menggunakan metode scatterplot.

16.  Simpan dengan nama Latih 11

17.  Copy Object ke Program Word

18.  Buat laporan analisanya

19.  Simpan dengan nama Latih11

20.  Cetak hasilnya