BAB IX SQUARES (OLS) DENGAN SPSS

(1)

BAB IX

OLAH DATA: ORDINARY LEAST

SQUARES (OLS)

(2)

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

Ordinary Least Squares (OLS).

• OLS ini sering digunakan untuk mengolah data

(3)

Manfaat

• Olah data OLS dengan SPSS digunakan untukOlah data OLS dengan SPSS digunakan untuk pengolahan data secara sederhana.

• Hampir seluruh ilmu memerlukan dan

menggunakan olah data OLS ini terutama

dalam memecahkan masalah masalah

dalam memecahkan masalah‐masalah

(4)

Relevansi

• Materi ini relevan dan menjadi aplikasi pokokMateri ini relevan dan menjadi aplikasi pokok dalam statistik terutama kaitannya dengan olah data sederhana

(5)

Learning Outcome

• Mahasiswa mampu mengolah data sesuaiMahasiswa mampu mengolah data sesuai model menggunakan OLS di SPSS.

(6)

Olah Data : OLS dengan SPSS

• Sebuah perusahaan Otomotif dalam negriSebuah perusahaan Otomotif dalam negri beberapa bulan ini gencar mempromosikan produk barunya yaitu motor roda tiga dengan produk barunya yaitu motor roda tiga dengan bak angkut sebagai sampel untuk meneliti populasi pengaruh biaya iklan terhadap populasi pengaruh biaya iklan terhadap besarnya penjualan di seluruh Propinsi di Indonesia diambil sampel dari 20 Propinsi Indonesia diambil sampel dari 20 Propinsi dengan data sebagai berikut:

(7)

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 10 Bali 31 216

(8)

11 NTB 32 245 11 NTB 32 245 12 NTT 47 286 13 Kalimantan Selatan 54 312 13 Kalimantan Selatan 54 312 14 Kalimantan Timur 40 265 15 Kalimantan Tengah 42 322 16 Kalimantan Barat 48 298 17 Sulawesi Tenggara 47 295 18 Sulawesi Utara 48 350 19 Sulawesi Selatan 50 365 20 Papua Barat 52 375

(9)

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

Menggunakan data yang sudah ada Pilih menu Analyze >> Regression >> Linier !

(10)

(11)

• 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.

• Method pilih enter, yaitu prosedur pemilihan variable dimana semua variable dalam blok dimasukan dalam perhitungan ‘sigle step’

(12)

• 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 • Klik continue

(13)

• Pilih Kolom Statistics dengan klik

mouse • Pilihan ini berkenaan denganperhitungan 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. • Klik Continue

(14)

• Pilih Plot, fasilitas ini berguna untuk menguji asumsi‐asumsi pada regresi, seperti normalitas, linieritas, kesamaan varians dan juga dapat digunakan untuk mendeteksi ada tidaknya data yang tidak normal

(15)

• _{Direncanakan ada tiga plot sehubungan dengan}_g _p _g _g 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

– untuk plot ketiga, pada pilihan Standardized Residual Plots, klik mouse pada Normal Probability Plot klik Continue lalu tekan OK. Plot ketiga digunakan untuk menguji normalitas

(16)

• Output SPSS dan analisis

(17)

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

t nyata.

(18)

(19)

• 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

bagus sebagai predictor atau peramal penjualan daripada menggunakan rata‐rata.

(20)

(21)

• 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 penjualan.

(22)

• 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 penambahan biaya iklan 1jt maka penjualan akan meningkat sebesar 4.863jt demikian sebaliknyag j y

(23)

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 Instruktur!

(24)

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 9 Jawa Timur 2400 20400 10 Bali 3100 21600 10 Bali 3100 21600

(25)

11 NTB 3200 24500 11 NTB 3200 24500 12 NTT 4700 28600 13 Kalimantan Selatan 5400 31200 14 Kalimantan Timur 4000 26500 15 Kalimantan Tengah 4200 32200 16 K li t B t 4850 29900 16 Kalimantan Barat 4850 29900 17 Sulawesi Tenggara 4750 29000 18 Sulawesi Utara 4800 35000 19 Sulawesi Selatan 5500 37500 20 Papua Barat 5200 37500

(26)

Daftar Pustaka

• _{Dajan, Anto. 1974. Pengantar Metode Statistik. Jilid I.}_j _, _g 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}