Makalah T Test - Makalah

(1)

SPSS

KORELASI

(2)

KORELASI

• Merupakan teknik statistik yang

digunakan untuk meguji ada/tidaknya hubungan serta arah hubungan dari dua variabel atau lebih

• Korelasi yang akan dibahas dalam

pelatihan ini adalah :

• Korelasi sederhana pearson & spearman

• Korelasi partial

(3)

KOEFISIEN KORELASI

• Besar kecilnya hubungan antara

dua variabel dinyatakan dalam

bilangan yang disebut Koefisien

Korelasi

• Besarnya Koefisien korelasi antara

(4)

KOEFISIEN KORELASI

• Besaran koefisien korelasi -1 & 1

adalah korelasi yang sempurna

• Koefisien korelasi 0 atau mendekati

0 dianggap tidak berhubungan

(5)

ARAH HUBUNGAN

• Positif (Koefisien 0 s/d 1)

• Negatif (Koefisien 0 s/d -1)

(6)

PEARSON CORRELATION

• Digunakan untuk data interval &

rasio

• Distribusi data normal

• Terdiri dari dua variabel

• 1 Variabel X (Independen)

(7)

CONTOH

• Judul: Hubungan antara intensitas belajar

dengan prestasi mata kuliah statistik

• Variabel X  Intensitas belajar (diukur dari

lamanya belajar dalam satu minggu)

• Variabel Y  Prestasi matakuliah statistik

(diukur dari nilai ujian akhir semester)

• Hipotesa:

• H₀ : Tidak ada hubungan antara Intenitas

belajar dengan prestasi mata kuliah statistik

• H_a: Ada hubungan antara Intenitas belajar

(8)

(9)

SPSS

• Ada dua view dalam SPSS

• Data View  digunakan untuk

memasukkan data yang akan dianalisis

• Variabel View  digunakan untuk

memberi nama variabel dan pemberian koding

(10)

(11)

UJI NORMALITAS

2. Klik Plots

3. Aktivkan Box Normality plots with test, klik continue kemudian OK

1. Masukkan variabel yang akan diuji

(12)

INTERPRETASI NORMALITAS

Lihat Sig. Kolmogorov-Smirnov.

Normal apabila Sig. > 0,05

(13)

(14)

TAHAP ANALISIS

1. Blok kedua variabel 2. Klik tombol

(15)

CARA BACA OUT PUT

Lihat Koefisien pearson korelasi =0,843 dan

(16)

INTERPRETASI

• Untuk pengambilan keputusan

statistik, dapat digunakan 2 cara:

1. Koefisien Korelasi dibandingkan

dengan nilai r_tabel (korelasi tabel)

• Apabila Koefisien Korelasi > r_tabeL Maka ada

korelasi yang signifikan (H_a Diterima)

• Apabila Koefisien Korelasi < r_tabeL Maka

tidak ada korelasi yang signifikan (H₀

Diterima)

2. Melihat Sig.

• Apabila nilai Sig. < 0,05 Maka ada korelasi

yang signifikan (H_a Diterima)

• Apabila nilai Sig. > 0,05 Maka tidak ada

(17)

INTERPRETASI

• Arah hubungan:

• Dilihat dari tanda koefisien korelasi

• Tanda (-) berarti apabila variabel X tinggi

maka variabel Y rendah

• Tanda (+) berarti apabila variabel X tinggi

(18)

SPEARMAN

• Digunakan untuk jenis data ordinal

• Cara analisis dan interpretasi sama

dengan Pearson.

• Perbedaan hanya pada waktu

(19)

SPEARMAN

(20)

KORELASI PARTIAL

• Korelasi yang digunakan untuk

menguji hubungan dua atau lebih variabel independen dengan satu variabel dependen dan dilakukan pengendalian pada salah satu

variabel independennya

X₁

Y

X₂

(21)

CONTOH

• Judul: Hubungan antara biaya promosi

dan penjualan dengan mengendalikan jumlah outlet

• Variabel X₁  Biaya Promosi

• Variabel X₂  Jumlah outlet (dikendalikan)

• Variabel Y  Penjualan

• Hipotesa:

• H₀ : Tidak ada hubungan antara biaya promosi

dengan penjualan apabila jumlah outlet dikendalikan

• H_a: Ada hubungan antara biaya promosi dengan

(22)

CONTOH

• Buka data : Korelasi ganda dan

partial.sav

(23)

(24)

KORELASI PARTIAL

1. Variabel

Penjualan & Biaya Promosi

masukkan dalam kotak variabel

2. Variabel Jumlah

(25)

OUTPUT PARTIAL

(26)

KORELASI GANDA

• Korelasi yang digunakan untuk

menguji hubungan dua atau lebih variabel independen dengan satu variabel dependen secara

bersamaan

X₁

Y

(27)

CONTOH

• Judul: Hubungan antara biaya

promosi dan jumlah outlet dengan penjualan

• Variabel X₁  Biaya Promosi

• Variabel X₂  Jumlah outlet

• Variabel Y  Penjualan

• Hipotesa:

• H₀ : Tidak ada hubungan antara biaya

promosi dan jumlah outlet dengan penjualan

• H_a : Ada hubungan antara biaya promosi

(28)

CONTOH

partial.sav

(29)

KORELASI GANDA

(30)

KORELASI GANDA

Untuk Korelasi ganda yang

digunakan hanya output Model

Summary. Lihat koefisien R

(31)

INTERPRETASI KORELASI GANDA

• Untuk menginterpretasi korelasi ganda

lihat nilai R, semakin mendekati 1 maka korelasi semakin kuat

• Guna memperkaya analisis, sebelum

dianalisis korelasi ganda dapat juga ditambahkan analisis korelasi pada masing-masing variabel independen

(32)

SPSS

REGRESI

(33)

REGRESI

• Analisis regresi adalah analisis

lanjutan dari korelasi

• Menguji sejauh mana pengaruh

variabel independen terhadap

variabel dependen setelah diketahui ada hubungan antara variabel

tersebut

• Data harus interval/rasio

(34)

REGRESI

• Yang akan dibahas dalam pelatihan

ini adalah:

• Regresi sederhana: yaitu regresi untuk

1 variabel independen dengan 1 variabel dependen

• Regresi ganda: yaitu regresi untuk lebih

(35)

REGRESI SEDERHANA

• Buka data : Pearson.sav

(36)

(37)

REGRESI SEDERHANA

1. Variabel

prestasi statistik masukkan dalam kotak Dependent

2. Variabel intensitas belajar

masukkan dalam kotak

(38)

REGRESI SEDERHANA

Korelasi

Signifikans i Model persamaa n regresi

(39)

INTERPRETASI REGRESI SEDERHANA

Mode l Summary

.843a .711 .703 6.973 Model

1

R R Square

Adjusted R Square

Std. Error of the Estimate

Predictors: (Constant), Intensitas Belajar a.

• Lihat nilai R = 0,843 ini berarti

bahwa korelasi antara variabel X dengan Y adalah 0,843

(40)

• Untuk melihat signifikansi persamaan

regresi dapat dilihat dari nilai F = 81,329

dan dibandingkan dengan F _tabel

• Apabila nilai F < F _tabel maka persamaan garis

regresi tidak dapat digunakan untuk prediksi

• Apabila nilai F > F _tabel maka persamaan garis

regresi dapat digunakan untuk prediksi

• Selain itu dapat pula dengan melihat nilai Sig.

dapat digunakan untuk prediksi apabila nilai

Output 2

ANOVAb

3954.224 1 3954.224 81.329 .000a 1604.461 33 48.620

5558.686 34 Regression

Squares df Mean Square F Sig.

Predictors: (Constant), Intensitas Belajar a.

(41)

• Untuk membuat persamaan garis

regresi dapat dilihat dari kolom B.

• Constan = 38,481

• dan intensitas belajar= 2,978

• Berarti persamaan garisnya adalah:

Output 3

Coefficie ntsa

38.481 3.506 10.977 .000

2.978 .330 .843 9.018 .000

(Constant) Intensitas Belajar Model

1

B Std. Error

Unstandardized

(42)

REGRESI GANDA

• Digunakan untuk analisis regresi

dengan jumlah variabel independen lebih dari satu dengan satu variabel dependen

• Ada tambahan asumsi yang harus

dipenuhi, yaitu tidak boleh ada korelasi antar variabel-variabel

(43)

CONTOH

partial.sav

(44)

(45)

REGRESI GANDA

1. Masukkan Variabel penjualan di kotak

Dependent

2. Masukkan Variabel biaya promosi dan jumlah outlet di kotak

Independent

3. Klik Statistics

4. Aktifkan Colinearity Diagnostic & klik

Continue

(46)

REGRESI GANDA

Persamaan garis

regresi

Singnifikansi masing-masing variabel independen

(47)

INTERPRETASI REGRESI GANDA

• Lihat nilai R = 0,976 ini berarti

bahwa korelasi antara variabel X₁

dan X₂ secara bersamaan dengan Y

adalah 0,976

Output 1

Mode l Summary

.976a .952 .944 9.757 Model

1

R R Square

Adjusted R Square

Std. Error of the Estimate

(48)

INTERPRETASI REGRESI GANDA

• Untuk melihat signifikansi persamaan

regresi dapat dilihat dari nilai F = 118,294

dan dibandingkan dengan F _tabel

• Apabila nilai F < F _tabel maka persamaan garis

regresi tidak dapat digunakan untuk prediksi

• Apabila nilai F > F _tabel maka persamaan garis

regresi dapat digunakan untuk prediksi

• Selain itu dapat pula dengan melihat nilai Sig.

dapat digunakan untuk prediksi apabila nilai Sig. < 0,05

Output 2 ANOVAb

22521.299 2 11260.649 118.294 .000a

1142.301 12 95.192

23663.600 14

Regression

Squares df Mean Square F Sig.

Predictors: (Constant), jumlah outlet, biaya promosi a.

(49)

INTERPRETASI REGRESI GANDA

• Untuk membuat persamaan garis

regresi dapat dilihat dari kolom B.

• Constan = 64,639

• Biaya promosi= 2,342

• Jumlah Outlet= 0,535

• Berarti persamaan garisnya adalah:

Output 3

Coefficie ntsa

64.639 13.112 4.930 .000

2.342 .398 .551 5.892 .000 .459 2.177 .535 .101 .496 5.297 .000 .459 2.177 (Constant)

biaya promosi jumlah outlet Model

1

B Std. Error Unstandardized

Coefficients

Beta Standardized

Coefficients

t Sig. Tolerance VIF Collinearity Statistics

(50)

INTERPRETASI REGRESI GANDA

• Identifikasi kolinieritas dapat

dilakukan dengan melihat:

1. Output 3, Kolom VIF.  terjadi kolinearitas

apabila nilai VIF > 5

2. Output 4, Kolom eugenvalue  terjadi

kolinearitas apabila nilai eugenvalue mendekati 0

3. Output 4, Kolom condition index  terjadi

kolinearitas apabila nilai condition index > 15. Dikatakan parah apabila > 30

Output 4

Collinearity Diagnosticsa

2.954 1.000 .00 .00 .00

.035 9.237 .58 .41 .00

.011 16.210 .42 .59 1.00

Dimension

Index (Constant) biaya promosi jumlah outlet Variance Proportions