BAB
IX
OLAH DATA:
ORDINARY LEAST
OLAH
DATA:
ORDINARY
LEAST
SQUARES
(OLS)
Pendahuluan
Pendahuluan
• Olah data dengan analisis regresi adalah salahOlah data dengan analisis regresi adalah salah
satu analisis yang paling populer dan luas pemakaiannya terutama dengan metode pemakaiannya terutama dengan metode
Ordinary Least Squares (OLS).
• OLS ini sering digunakan untuk mengolah data • OLS ini sering digunakan untuk mengolah data
Manfaat
Manfaat
• Olah data OLS dengan SPSS digunakan untukOlah data OLS dengan SPSS digunakan untuk
pengolahan data secara sederhana.
• Hampir seluruh ilmu memerlukan dan • Hampir seluruh ilmu memerlukan dan
menggunakan olah data OLS ini terutama
dalam memecahkan masalah masalah
dalam memecahkan masalah‐masalah
Relevansi
Relevansi
• Materi ini relevan dan menjadi aplikasi pokokMateri ini relevan dan menjadi aplikasi pokok
dalam statistik terutama kaitannya dengan olah data sederhana
Learning Outcome
Learning
Outcome
• Mahasiswa mampu mengolah data sesuaiMahasiswa mampu mengolah data sesuai
Olah Data : OLS dengan SPSS
Olah Data
:
OLS
dengan SPSS
• Sebuah perusahaan Otomotif dalam negriSebuah perusahaan Otomotif dalam negri
Tabel Jumlah Biaya Iklan dan
l h
l
Jumlah Penjualan
Bi.Iklan Jumlah Penjualan No Provinsi (jt Rupiah)
j (jt Rupiah)
1 D.I. Aceh 26 205 2 Sumatra Barat 28 206
3 Jambi 35 254
4 Lampung 31 246
4 Lampung 31 246
5 DKI.Jakarta 21 201 6 Jawa Barat 49 291 7 Jawa Tengah 30 234
8 DIY 30 209
9 Jawa Timur 24 204
11 NTB 32 245
11 NTB 32 245
12 NTT 47 286
Tahap
‐
tahap Olah Data
Tahap tahap Olah Data
• Langkah pertama saudara diminta untukLangkah pertama, saudara diminta untuk
mengentry data tabel diatas kedalam program SPSS sesuai dengan petunjuk modul !
SPSS sesuai dengan petunjuk modul !
• Regression Linier
M k d d h d Pilih
• Dependent atau variable tergantung. Karena variable yangp g g y g akan diprediksi adalah variable Penjualan, maka masukan variable penjualan pada kotak DEPENDENT.
I d d t( ) t i bl b b d l h l i i i bl
• Independent(s) atau variable bebas, dalam hal ini variable bebas adalah bi.iklan. Maka masukan variable Bi.Iklan ke kotak Independent.
• Case Labels atau keterangan pada kasus. Karena kasus didasarkan pada Provinsi, maka masukan variabel Provinsi ke kotak Case Labels
kotak Case Labels.
• Pilih options
• untuk Stepping Method
Criteria, digunakan uji F
yang mengambil standar
angka probabilitas sebesar 5% Karena itu angka entry 5%. Karena itu angka entry 0.05 atau 5%
• Include Constant in
equation biarkan tetap aktif
• Pilih Kolom Statistics dengan klik
mouse •
Pilihan ini berkenaan dengan perhitungan statistik regresi yang mouse perhitungan statistik regresi yang
akan digunakan. Pengisian:
• Regression Coefisient atau
perlakukan koefisien regresi, k fk l h
tetap aktifkan pilihan estimate • Klik Descriptive pada kolom
sebelah kanan, serta tetap aktifkan model fit
• Residual, klik Casewise
diagnostics dan pilih all cases untuk melihat pengaruh regresi terhadap semua provinsi
terhadap semua provinsi.
• Pilih Plot, fasilitas ini berguna untuk menguji asumsi‐asumsi pada regresi,
• Direncanakan ada tigag plotp sehubungang dengang
pengujian asumsi pada analisis regresi:
– klik mouse pada pilihan SDRESID dan masukan ke pilihan Y, lalu klik lagi pada pilihan ZPRED dan masukan ke X lalu klik lagi pada pilihan ZPRED dan masukan ke X kemudian klik Next untuk plot kedua.
– klik ZPRED masukan ke pilihan Y, lalu klik lagi DEPENDNT
d k k ilih X k di klik N Pl
dan masukan ke pilihan X kemudian klik Next. Plot pertama dan kedua digunakan untuk menguji linieritas dan kesamaan varians
• Output SPSS dan analisis
Analisis
• Rata‐rata penjualan dari 20 Provinsi adalah 268.95 jt dengan
standard deviasi 56.127 jt
• Rata‐rata biaya iklan adalah sebesar 38.25 jt dengan standard
deviasi sebesar 10.508 Jt
• Besar hubungan antarvariabel penjualan dengan bi. iklan yang
dihit d k fi i k l i d l h 0 910 H l i i j k
dihitung dengan koefisien korelasi adalah 0.910. Hal ini menunjukan bahwa bi.iklan dan penjualan memiliki hubungan yang sangat erat dengan hubungan positif yang artinya semakin besar bi.iklan maka semakin besar pula penjualan yang didapat.p p j y g p
• Tingkat signifikansi koefisien korelasi satu sisi dari output
menghasilkan angka 0.000, karena probabilitasnya lebih kecil dari 0.05 maka korelasi antara biaya iklan dengan penjualan sangat
• Tabel pertama menunjukan variable yang dimasukan adalah bi.iklan
d tid k d i bl dik l k H l i i di b bk t d
dan tidak ada variable yang dikeluarkan. Hal ini disebabkan metode yang dipakai adalah sigle step (enter) dan bukan stepwise.
• Angka R square adalah 0.829 adalah pengkuadratan dari koefisien
korelasi R square bisa disebut koefisien determinasi yang dalam korelasi. R square bisa disebut koefisien determinasi , yang dalam hal ini berarti 82.9% dari penjualan perusahaan bisa dijelaskan oleh variable bi.iklan. dan sisanya dijelaskan sebab lain. Semakin kecil R Square, semakin lemah hubungan kedua variable.
• Standard Error of Estimate adalah 23.848 jt, pada analisis
sebelumnya standard deviasi penjualan nilainya 56.127jt karena lebih kecil dari standard deviasi penjualan, maka model regresi lebih bagus sebagai predictor atau peramal penjualan daripada
• Analisis:Analisis:
• Dari uji ANOVA atau F test, didapat F hitung
adalah 87 244 dengan tingkat signifikansi adalah 87.244 dengan tingkat signifikansi 0.000.Karena probabilitas 0.000 lebih kecil dari 0 05 maka bisa dikatakan model regresi dari 0.05, maka bisa dikatakan model regresi dapat digunakan sebagai alat prediksi penjualan
• Tabel selanjutnya menggambarkan persamaan regresi
Y= 82.924 + 4.863X Dimana:
Dimana:
Y= Penjualan X= Biaya iklan
• Konstanta sebesar 82.924 menyatakan bahwa jika tidak ada
biaya promosi, maka penjualan adalah sebesar 82.924 jty p p j j
• Koefisien regresi sebesar 4.863 menyatakan bahwa setiap
Tugas : Latihan
Tugas :
Latihan
• Dari Seluruh Provinsi yang ada di Indonesia diambil 20 Sampely g p untuk meneliti seberapa besar pengaruh Pendapatan Pajak
Reklame terhadap Jumlah Pendapatan Daerah, hasil
penelitian ii nantinya akan digunakan oleh Pemerintah Daerah penelitian ii nantinya akan digunakan oleh Pemerintah Daerah
sebagai dasar penentuan strategi yang tepat guna
meningkatkan pendapatan daerah. Oleh karena itu olah data di bawah ini dengan menggunakan Ordinary Least Square
(OLS) kemudian Serahkan pekerjaan Saudara kepada
Tabel Pajak Reklame Serta
l h
d
h
Jumlah Pendapatan Daerah
No Provinsi
Retribusi jt (Rupiah)
Jumlah Pendapatan Daerah (jt Rupiah)
1 D.I. Aceh 2700 20600 2 Sumatra Barat 2600 20400 3 Jambi 3600 25500 4 Lampungp g 3150 24650 5 DKI.Jakarta 2250 22000 6 Jawa Barat 4950 29200 7 Jawa Tengah 3550 24500 7 Jawa Tengah 3550 24500
8 DIY 3000 20900
11 NTB 3200 24500
11 NTB 3200 24500
12 NTT 4700 28600
Daftar Pustaka
Daftar Pustaka
• Dajan,j , Anto. 1974. Pengantar Metode Statistik.g Jilid I.
Jakarta: LP3ES
• Priyatno, Duwi. 2009. 5 Jam Belajar Olah Data Dengan
SPSS 17 Edi i t Y k t P bit A di
SPSS 17. Edisi satu. Yogyakarta: Penerbit Andi
• Santoso. S. 2010. Mastering SPSS 18. Jakarta : PT.Elex
Media Komputindo
Media Komputindo
• Subagyo.P dan Ps.Djarwanto. 2005. Statistik Induktif.
Edisi Lima. Yogyakarta: BPFE
• Wahana Komputer. 2010. Mudah Belajar Statistik