Regresi Linear
description
Transcript of Regresi Linear
ANALISIS REGRESI LINEAR DALAM IBM SPSS STATISTICS
Oleh :
Abdullah M. Jaubah
Pendahuluan
Regresi garis lurus (linear regression) dipakai untuk mengesimasi koefisien-koefisien dari
persamaan garis lurus. Persamaan ini mengandung satu variabel independen atau lebih,
yang paling baik dipakai untuk memprediksikan nilai dari variabel dependen. Langkah
memprediksi suatu penjualan sebagai variabel dependen dari variabel-variabel
independen seperti biaya iklan, biaya wiraniaga (cost of personal selling), biaya
publisitas, dan biaya promosi penjualan. Variabel-variabel ini merupakan variabel-
variabel yang dapat diobservasi dan dapat diukur secara langsung dan berjenis
kuantitatif. Variabel-variabel ini berbeda dengan variabel motivasi kerja, kemampuan
kerja, iklim kerja, dan kinerja. Variabel-variabel ini merupakan variabel-variabel yang
tidak dapat diobservasi dan tidak dapat diukur secara langsung. Variabel-variabel ini
dinamakan variabel-variabel laten. Cara dan teknik analisis yang dipakai atas variabel-
variabel ini berbeda dengan cara dan teknik analisis variabel-variabel yang dapat
diobservasi dan dapat diukur secara langsung.
Data
Data yang dipakai dalam regresi garis lurus adalah data berjenis kuantitatif dan variabel-
variabel yang dipakai juga merupakan variabel-variabel kuantitatif. Variabel-variabel
kategorikal seperti agama, wilayah penjualan, dan jenis kelamin, dicatat sebagai variabel
biner (dummy) atau bentuk lain dari variabel kontras.
Regresi garis lurus mengandung asumsi-asumsi. Distribusi dari variabel dependen, untuk
tiap variabel independen, harus memenuhi persyaratan normalitas distribusi data.
Persyaratan normalitas distribusi data harus terpenuhi untuk variabel dependen. Varians
dari distribusi variabel dependen harus konstan untuk semua nilai dari variabel
independen. Hubungan antara variabel dependen dan tiap variabel independeh harus
berbentuk garis lurus dan semua observasiharus independen. Asumsi-asumsi ini sering
tidak dipertimbangkan oleh para penulis buku statistik yang telah diterbitkan di
Indonesia
Perintah Analyze>Regression>Linear dipakai. Variabel dependen dipilih dan dialihkan ke
dalam kolom Dependent, variabel independen dipilih dan dialihkan ke dalam kotak
Independent.
1
Contoh
Jumlah pengunjung suatu supermarket di Margonda belum tentu sama dengan jumlah
pembeli pada supermarket tersebut. Suami-isteri mengunjungi supermarket tersebut dan
mungkin isteri berfungsi sebagai pembeli dan suami hanya berfungsi sebagai pengantar
istinya saja. Ibu dan anak kecil mengunjungi supermarket itu dan yang berfungsi sebagai
pembeli adalah ibu tersebut. Catatan mengenai pengunjung dan pembeli dalam
supermarket tersebut adalah sebagai berikut :
Daftar 1
Jumlah Pengunjung dan Jumlah Pembeli pada Supermarket
X Y34.00 32.0038.00 36.0034.00 31.0040.00 38.0030.00 29.0040.00 35.0040.00 33.0034.00 30.0035.00 32.0039.00 36.0033.00 31.0032.00 31.0042.00 36.0040.00 37.0042.00 35.0042.00 38.0041.00 37.0032.00 30.0034.00 30.0036.00 30.0037.00 33.0036.00 32.0037.00 34.0039.00 35.0040.00 36.0033.00 32.0034.00 32.0036.00 34.0037.00 32.0038.00 34.00
Sumber : Sudjana (1996 : 316). Metoda Statistika.
A. Deskripsi Data
2
Data yang dipakai di sini diambil dari buku yang ditulis oleh Sudjana (1996 : 316)
berjudul Metoda Statistika. Sudjana memakai cara manual sedangkan di sini
dipakai paket program IBM SPSS Statistics.
Deskripsi data mencakup persentil, dispersi, distribusi, kecenderungan sentral,
dan grafik histogram dengan kurva normal. Persentil mencakup 5% sampai
dengan 100%. Empat kuartil terdapat dalam persentil yaitu kuartil kesatu (25%),
kuartil kedua (50%), kuartil ketiga (75%), dan kuartil keempat (100%). Dispersi
mencakup nilai dari deviasi standar, varians, range, minimum, maksimum, dan
kesalahan standar dari rata-rata. Distribusi mencakup nilai dari skewness,
kesalahan standar dari skewness, kurtosis, dan kesalahan standar dari kurtosis.
Skewnes mencerminkan kemiringan ke kanan atau ke kiri dan kurtosis
mencerminkan keruncingan dari kurva yang dihasilkan. Kecenderungan sentral
mencakup nilai dari rata-rata, median, modus, dan jumlah. Nilai median adalah
sama dengan nilai kuartil kedua. Deskripsi data dipakai untuk meringkas data
dalam bentuk tabel dan dalam bentuk grafik dengan kurva normal dari variabel
jumlah pengunjung (X) dan jumlah pembeli (Y) pada supermarket tersebut.
Deskripsi data ini adalah sebagai berikut :
Statistics
Y X
NValid 30 30
Missing 0 0
Mean 33.3667 36.8333
Std. Error of Mean .47822 .61417
Median 33.0000 37.0000
Mode 32.00 34.00a
Std. Deviation 2.61934 3.36394
Variance 6.861 11.316
Skewness .186 -.108
Std. Error of Skewness .427 .427
Kurtosis -1.105 -1.009
Std. Error of Kurtosis .833 .833
Range 9.00 12.00
Minimum 29.00 30.00
Maximum 38.00 42.00
Sum 1001.00 1105.00
Perc
entil
es
5 29.5500 31.1000
10 30.0000 32.1000
20 31.0000 34.0000
3
25 31.0000 34.0000
30 32.0000 34.0000
40 32.0000 36.0000
50 33.0000 37.0000
60 34.0000 38.0000
70 35.0000 39.7000
75 36.0000 40.0000
80 36.0000 40.0000
90 37.0000 41.9000
100 38.0000 42.0000
a. Multiple modes exist. The smallest value is shown
4
B. Pengujian Persyaratan Analisis
Pengujian persyaratan analisis mencakup pengujian normalitas distribusi data dan
pengujian homogenitas varians.
1. Pengujian Normalitas Distribusi Data
Pengujian normalitas distribusi data menghasilkan informasi sebagai berikut :
Tests of Normalitya,d,e
X Kolmogorov-Smirnovb Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Y 30.00
32.00 .260 2 .
33.00 .260 2 .
34.00 .241 5 .200* .821 5 .119
35.00
36.00 .175 3 . 1.000 3 1.000
37.00 .175 3 . 1.000 3 1.000
38.00 .260 2 .
5
39.00 .260 2 .
40.00 .141 5 .200* .979 5 .928
41.00
42.00 .253 3 . .964 3 .637
*. This is a lower bound of the true significance.
a. Y is constant when X = 30.00. It has been omitted.
b. Lilliefors Significance Correction
d. Y is constant when X = 35.00. It has been omitted.
e. Y is constant when X = 41.00. It has been omitted.
Pengujian normalitas distribusi data Y dan data X menghasilkan nilai
signifikansi Kolmogorov-Smirnov masing-masing sebesar 0.200. Nilai ini
adalah lebih besar daripada nilai 0.05 sehingga persyaratan normalitas
distribusi data terpenuhi.
2. Pengujian Homogenitas Varians
Pengujian homogenitas varians menghasilkan informasi sebagai berikut :
Test of Homogeneity of Variances
Y
Levene Statistic df1 df2 Sig.
.777 8 18 .628
Pengujian homogenitas varians menghasilkan nilai signifikansi Levene Statistics
adalah 0.628. Nilai ini adalah lebih besar daripada nilai 0.05 sehingga persyaratan
homogenitas varians terpenuhi.
Jumlah observasi adalah 30, persyaratan normalitas distribusi data dan persyaratan
homogenitas varians terpenuhi sehingga pemakaian statistik parametrik adalah layak
dan tepat.
C. Analisis Regresi Sederhana
1. Analisis Regresi
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .876a .767 .759 1.28586
6
a. Predictors: (Constant), X
Koefisien korelasi adalah 0.876. Hal ini berarti bahwa hubungan antara
Pengunjung dan pembeli adalah sangat kuat. Koefisien determinasi adalah
0.767 atau 76.7%. Pengaruh langsung dari variabel Pengunjung terhadap
variabel Pembeli adalah 76.7% dari koefisien regresi dan pengaruh tidak
langsung adalah 23.3% dari koefisien regresi. Koefisien determinasi
disesuaikan adalah 0.759 atau 75.9%. Pengaruh langsung disesuaikan adalah
75.9% dari koefisien regresi dan pengaruh tidak langsung disesuaikan adalah
24.1% dari koefisien regresi. Kesalahan standar dari estimasi adalah 1.28586.
Koefisien determinasi sering dipakai sebagai pengaruh dan bukan sebagai
pengaruh langsung. Pembahasan tersebut tidak mengungkap pengaruh total
dan pengaruh tidak langsung. Koefisien regresi mewakili pengaruh total dan
koefisien determinasi mewakili pengaruh langsung dari pengaruh total
tersebut.
2. Pengujian Signifikansi Persamaan Regresi Sederhana
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1
Regression 152.670 1 152.670 92.335 .000b
Residual 46.296 28 1.653
Total 198.967 29
a. Dependent Variable: Y
b. Predictors: (Constant), X
Pengujian signifikansi persamaan regresi mencerminkan bahwa F-hitung
adalah 92.335 dengan derajat kebebasan 1 dan 28. F-tabel dengan derajat
kebebasan 1 dan 28 adalah 4.195972. Hal ini berarti bahwa F-hitung adalah
lebih besar daripada F-tabel sehingga persamaan regresi itu adalah signifikan.
Hal ini tercermin pula pada nilai signifikansi sebesar 0.
3. Persamaan Regresi Sederhana
Coefficientsa
7
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.B Std. Error Beta1 (Constant) 8.244 2.625 3.140 .004
X .682 .071 .876 9.609 .000
a. Dependent Variable: Y
Tabel Coefficients mengandung persamaan regresi yaitu Y = 8.244 + 0.682.
Persamaan regresi adalah signifikan karena nilai signifikansi konstanta adalah
0.04 adalah nilai signifikansi variabel X adalah 0. Kedua nilai signifikansi ini
adalah lebih kecil daripada nilai 0.05.
4. Pengujian Linieritas Persamaan Regresi Sederhana
Pengujian linieritas persamaan regresi sederhana tercermin dalam nilai F-
hitung dan nilai F-tabel. Nilai F-hitung adalah 0.454 dengan derajat kebebasan
10 dan 18. Nilai F-tabel dengan derajat kebebasan 10 dan 18 adalah 2.411702.
Hal ini berarti bahwa F-hitung adalah lebih kecil daripada F-tabel sehingga
persyaratan linieritas persamaan regresi terpenuhi. Nilai-nilai ini tercermin
dalam tabel Anova sebagai berikut :
ANOVA Table
Sum of Squares
df Mean Square F Sig.
Y * X
Between Groups
(Combined) 162 11 14.727 7.171
Linearity 152.67 1 152.67 74.339 Deviation from Linearity 9.33 10 0.933 0.454
Within Groups 36.967 18 2.054
Total 198.967 29
5. Kurva Estimasi
8
Kurva estimasi disusun sebagaimana disajikan di atas berdasar atas hasil
analisis bahwa persamaan regresi memenuhi persyaratan linieritas.
Hasil-hasil lain tidak disajikan dan hasil-hasil ini biasa dipakai dan
dimasukkan ke dalam lampiran. Contoh di bawah ini menyajikan semua
hasil.
D. Sintaksis Persamaan Regresi Sederhana
Sintaksis persamaan regresi sederhana dapat dicipta sebagai berikut :
******************************************************** Abdullah M. Jaubah***************************************************
GET FILE='D:\ADA\Pengunjung.sav'.
******************************************************** Frekuensi***************************************************.FREQUENCIES VARIABLES=Y X /NTILES=4 /NTILES=10 /PERCENTILES=5.0 100.0
9
/STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM SEMEAN MEAN MEDIAN MODE SUM SKEWNESS SESKEW KURTOSIS SEKURT /HISTOGRAM NORMAL /ORDER=ANALYSIS.
******************************************************** Pengujian Normalitas Distribusi Data***************************************************
EXAMINE VARIABLES=Y BY X /PLOT BOXPLOT NPPLOT /COMPARE GROUPS /STATISTICS DESCRIPTIVES /CINTERVAL 95 /MISSING LISTWISE /NOTOTAL.
******************************************************** Pengujian Homogenitas Varians***************************************************
ONEWAY Y BY X /STATISTICS HOMOGENEITY /MISSING ANALYSIS.
******************************************************** Analisis Regresi Sederhana***************************************************
REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Y /METHOD=ENTER X.
******************************************************** Pengujian Linieritas Persamaan Regresi***************************************************
MEANS TABLES=Y BY X /CELLS MEAN COUNT STDDEV /STATISTICS LINEARITY.
******************************************************** Kurva Estimasi***************************************************
TSET NEWVAR=NONE.CURVEFIT /VARIABLES=Y WITH X /CONSTANT /MODEL=LINEAR /PLOT FIT.
E. Ketangguhan Sintaksis IBM SPSS Statistics
10
Tinggi (cm) Berat (kg)162 48158 46.3170 58.1167 53.2159 46.8160 47170 63.2163 52.7164 59.2158 47.1164 58.4158 46.5156 46161 58.3163 50.7160 50.6168 60.3159 47156 46.9162 49.7159 46.9164 56.1167 58158 47163 56160 49.8
Sumber : Sudjana (1996 : 319). Metoda Statistika.
Sintaksis di atas dapat disimpan dalam arsip sintaksis dan arsip sintaksis dapat dipakai
untuk mengolah arsip data serupa. Sudjana telah memakai data Berat dan tinggi.
Sudjana memaksakan diri memakai statistik parametrik atas data di atas sedangkan
jumlah observasi minimum tidak terpenuhi yaitu 30 observasi. Sudjana juga tidak
melakukan pengujian normalitas distribusi data dan pengujian homogenitas varians.
Statistik nonparametrik adalah layak dan tepat dipakai jika salah satu dari ketiga
persyaratan pemakaian statistik parametrik tersebut tidak terpenuhi.
Variabel Tinggi diganti dengan X dan variabel Berat diganti dengan Y sehingga
sintaksis di atas dapat dipakai. Hasil pemakaian sintaksis di atas adalah sebagai
berikut :
11
******************************************************** Abdullah M. Jaubah***************************************************
GET FILE='D:\ADA\Tinggi-Berat.sav'.
******************************************************** Frekuensi***************************************************.FREQUENCIES VARIABLES=Y X /NTILES=4 /NTILES=10 /PERCENTILES=5.0 100.0 /STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM SEMEAN MEAN MEDIAN MODE SUM SKEWNESS SESKEW KURTOSIS SEKURT /HISTOGRAM NORMAL /ORDER=ANALYSIS.
Statistics
Y X
NValid 26 26
Missing 0 0
Mean 51.9154 161.8846
Std. Error of Mean 1.06783 .78901
Median 50.2000 161.5000
Mode 47.00 158.00
Std. Deviation 5.44490 4.02320
Variance 29.647 16.186
Skewness .556 .574
Std. Error of Skewness .456 .456
Kurtosis -1.173 -.472
Std. Error of Kurtosis .887 .887
Range 17.20 14.00
Minimum 46.00 156.00
Maximum 63.20 170.00
Sum 1349.80 4209.00
Percentiles 5 46.1050 156.0000
10 46.4400 157.4000
20 46.9000 158.0000
25 46.9750 158.7500
30 47.0000 159.0000
40 47.8200 160.0000
50 50.2000 161.5000
60 52.8000 163.0000
70 56.0900 163.9000
75 58.0250 164.0000
12
80 58.2200 165.8000
90 59.5300 168.6000
100 63.2000 170.0000
Y Berat (kg)
Frequency Percent Valid Percent Cumulative Percent
Valid
46.00 1 3.8 3.8 3.846.30 1 3.8 3.8 7.746.50 1 3.8 3.8 11.546.80 1 3.8 3.8 15.446.90 2 7.7 7.7 23.147.00 3 11.5 11.5 34.647.10 1 3.8 3.8 38.548.00 1 3.8 3.8 42.349.70 1 3.8 3.8 46.249.80 1 3.8 3.8 50.050.60 1 3.8 3.8 53.850.70 1 3.8 3.8 57.752.70 1 3.8 3.8 61.553.20 1 3.8 3.8 65.456.00 1 3.8 3.8 69.256.10 1 3.8 3.8 73.158.00 1 3.8 3.8 76.958.10 1 3.8 3.8 80.858.30 1 3.8 3.8 84.658.40 1 3.8 3.8 88.559.20 1 3.8 3.8 92.360.30 1 3.8 3.8 96.263.20 1 3.8 3.8 100.0Total 26 100.0 100.0
X Tinggi (cm)
Frequency Percent Valid Percent Cumulative Percent
Valid
156.00 2 7.7 7.7 7.7158.00 4 15.4 15.4 23.1159.00 3 11.5 11.5 34.6160.00 3 11.5 11.5 46.2161.00 1 3.8 3.8 50.0162.00 2 7.7 7.7 57.7163.00 3 11.5 11.5 69.2164.00 3 11.5 11.5 80.8167.00 2 7.7 7.7 88.5168.00 1 3.8 3.8 92.3170.00 2 7.7 7.7 100.0
Total 26 100.0 100.0
Histogram
13
******************************************************** Pengujian Normalitas Distribusi Data***************************************************
EXAMINE VARIABLES=Y BY X /PLOT BOXPLOT NPPLOT /COMPARE GROUPS /STATISTICS DESCRIPTIVES /CINTERVAL 95 /MISSING LISTWISE /NOTOTAL.
Warnings
Y is constant when X = 161.00. It will be included in any boxplots produced but other output
will be omitted.
Y is constant when X = 168.00. It will be included in any boxplots produced but other output
will be omitted.
X Tinggi (cm)
15
Case Processing SummaryX Cases
Valid Missing TotalN Percent N Percent N Percent
Y
156.00 2 100.0% 0 0.0% 2 100.0%158.00 4 100.0% 0 0.0% 4 100.0%159.00 3 100.0% 0 0.0% 3 100.0%160.00 3 100.0% 0 0.0% 3 100.0%161.00 1 100.0% 0 0.0% 1 100.0%162.00 2 100.0% 0 0.0% 2 100.0%163.00 3 100.0% 0 0.0% 3 100.0%164.00 3 100.0% 0 0.0% 3 100.0%167.00 2 100.0% 0 0.0% 2 100.0%168.00 1 100.0% 0 0.0% 1 100.0%170.00 2 100.0% 0 0.0% 2 100.0%
Descriptivesa,b
X Statistic Std. ErrorY
156.00
Mean 46.4500 .4500095% Confidence Interval for Mean
Lower Bound 40.7322Upper Bound 52.1678
5% Trimmed Mean .Median 46.4500Variance .405Std. Deviation .63640Minimum 46.00Maximum 46.90Range .90Interquartile Range .Skewness . .Kurtosis . .
158.00
Mean 46.7250 .1931195% Confidence Interval for Mean
Lower Bound 46.1104Upper Bound 47.3396
5% Trimmed Mean 46.7278Median 46.7500Variance .149Std. Deviation .38622Minimum 46.30Maximum 47.10Range .80Interquartile Range .73Skewness -.169 1.014Kurtosis -4.409 2.619
159.00 Mean 46.9000 .0577495% Confidence Interval for Mean
Lower Bound 46.6516Upper Bound 47.1484
5% Trimmed Mean .
16
Median 46.9000Variance .010Std. Deviation .10000Minimum 46.80Maximum 47.00Range .20Interquartile Range .Skewness .000 1.225Kurtosis . .
160.00
Mean 49.1333 1.0913895% Confidence Interval for Mean
Lower Bound 44.4375Upper Bound 53.8292
5% Trimmed Mean .Median 49.8000Variance 3.573Std. Deviation 1.89033Minimum 47.00Maximum 50.60Range 3.60Interquartile Range .Skewness -1.390 1.225Kurtosis . .
161.00
Mean95% Confidence Interval for Mean
Lower BoundUpper Bound
5% Trimmed MeanMedianVarianceStd. DeviationMinimumMaximumRangeInterquartile RangeSkewnessKurtosis
162.00 Mean 48.8500 .8500095% Confidence Interval for Mean
Lower Bound 38.0497Upper Bound 59.6503
5% Trimmed Mean .Median 48.8500Variance 1.445Std. Deviation 1.20208Minimum 48.00Maximum 49.70Range 1.70Interquartile Range .Skewness . .Kurtosis . .
17
163.00
Mean 53.1333 1.5452495% Confidence Interval for Mean
Lower Bound 46.4847Upper Bound 59.7820
5% Trimmed Mean .Median 52.7000Variance 7.163Std. Deviation 2.67644Minimum 50.70Maximum 56.00Range 5.30Interquartile Range .Skewness .709 1.225Kurtosis . .
164.00
Mean 57.9000 .9291695% Confidence Interval for Mean
Lower Bound 53.9022Upper Bound 61.8978
5% Trimmed Mean .Median 58.4000Variance 2.590Std. Deviation 1.60935Minimum 56.10Maximum 59.20Range 3.10Interquartile Range .Skewness -1.263 1.225Kurtosis . .
167.00
Mean 55.6000 2.4000095% Confidence Interval for Mean
Lower Bound 25.1051Upper Bound 86.0949
5% Trimmed Mean .Median 55.6000Variance 11.520Std. Deviation 3.39411Minimum 53.20Maximum 58.00Range 4.80Interquartile Range .Skewness . .Kurtosis . .
168.00 Mean95% Confidence Interval for Mean
Lower BoundUpper Bound
5% Trimmed MeanMedianVarianceStd. DeviationMinimumMaximum
18
RangeInterquartile RangeSkewnessKurtosis
170.00
Mean 60.6500 2.5500095% Confidence Interval for Mean
Lower Bound 28.2492Upper Bound 93.0508
5% Trimmed Mean .Median 60.6500Variance 13.005Std. Deviation 3.60624Minimum 58.10Maximum 63.20Range 5.10Interquartile Range .Skewness . .Kurtosis . .
a. Y is constant when X = 161.00. It has been omitted.b. Y is constant when X = 168.00. It has been omitted.
Tests of Normalityb,c
X Kolmogorov-Smirnova Shapiro-WilkStatistic df Sig. Statistic df Sig.
Y
156.00 .260 2 .158.00 .262 4 . .895 4 .408159.00 .175 3 . 1.000 3 1.000160.00 .304 3 . .907 3 .407161.00162.00 .260 2 .163.00 .231 3 . .980 3 .731164.00 .289 3 . .928 3 .480167.00 .260 2 .168.00170.00 .260 2 .
a. Lilliefors Significance Correctionb. Y is constant when X = 161.00. It has been omitted.c. Y is constant when X = 168.00. It has been omitted.
19
******************************************************** Pengujian Homogenitas Varians***************************************************
ONEWAY Y BY X /STATISTICS HOMOGENEITY /MISSING ANALYSIS.
Test of Homogeneity of VariancesYLevene Statistic df1 df2 Sig.5.764 8 15 .002
ANOVAY
Sum of Squares df Mean Square F Sig.Between Groups 687.678 10 68.768 19.282 .000Within Groups 53.496 15 3.566Total 741.174 25
29
******************************************************** Analisis Regresi Sederhana***************************************************
REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Y /METHOD=ENTER X.
Variables Entered/Removeda
Model Variables Entered Variables Removed Method1 Xb . Entera. Dependent Variable: Yb. All requested variables entered.
Model SummaryModel R R Square Adjusted R Square Std. Error of the Estimate
1 .859a .738 .727 2.84316a. Predictors: (Constant), X
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1Regression 547.168 1 547.168 67.689 .000b
Residual 194.006 24 8.084Total 741.174 25
a. Dependent Variable: Yb. Predictors: (Constant), X
Coefficientsa
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1(Constant) -136.33 22.887 -5.957 0
X 1.163 0.141 0.859 8.227 0a. Dependent Variable: Y
******************************************************** Pengujian Linieritas Persamaan Regresi***************************************************
MEANS TABLES=Y BY X /CELLS MEAN COUNT STDDEV /STATISTICS LINEARITY.
30
Case Processing SummaryCases
Included Excluded TotalN Percent N Percent N Percent
Y * X 26 100.0% 0 0.0% 26 100.0%
ReportY
X Mean N Std. Deviation156.00 46.4500 2 .63640158.00 46.7250 4 .38622159.00 46.9000 3 .10000160.00 49.1333 3 1.89033161.00 58.3000 1 .162.00 48.8500 2 1.20208163.00 53.1333 3 2.67644164.00 57.9000 3 1.60935167.00 55.6000 2 3.39411168.00 60.3000 1 .170.00 60.6500 2 3.60624
Total 51.9154 26 5.44490
ANOVA Table Sum of
Squaresdf Mean
SquareF
Y * X
Between Groups
(Combined) 687.678 10 68.768 19.282Linearity 547.168 1 547.168 153.424
Deviation from Linearity 140.51 9 15.612 4.378Within Groups 53.496 15 3.566
Total 741.174 25
Measures of AssociationR R Squared Eta Eta Squared
Y * X .859 .738 .963 .928
******************************************************** Kurva Estimasi***************************************************
31
TSET NEWVAR=NONE.CURVEFIT /VARIABLES=Y WITH X /CONSTANT /MODEL=LINEAR /PLOT FIT.
Model DescriptionModel Name MOD_3
Dependent Variable 1 YEquation 1 Linear
Independent Variable XConstant Included
Variable Whose Values Label Observations in Plots Unspecified
Case Processing SummaryN
Total Cases 26Excluded Casesa 0Forecasted Cases 0Newly Created Cases 0a. Cases with a missing value in any variable are excluded from the analysis.
Variable Processing SummaryVariables
Dependent IndependentY X
Number of Positive Values 26 26Number of Zeros 0 0Number of Negative Values 0 0
Number of Missing ValuesUser-Missing 0 0System-Missing 0 0
Model Summary and Parameter EstimatesDependent Variable: Y
Equation Model Summary Parameter EstimatesR Square F df1 df2 Sig. Constant b1
Linear .738 67.689 1 24 .000 -136.330 1.163The independent variable is X.
32
Perubahan sintaksis hanya dialami dari FILE='D:\ADA\Pengunjung.sav' menjadi
FILE='D:\ADA\Tinggi-Berat.sav'. Hal ini berarti bahwa sintaksis mengandung
ketangguhan-ketangguhan tertentu jika dibanding dengan cara point and click. Hasil
perhitungan mengenai hubungan antara Tinggi dan Berat sebagaimana disajikan di
atas tidak bermakna dan tidak bermanfaat karena pemakaiannya mengandung
ketidaktepatan. Pemakaian yang tepat adalah statistik nonparametrik dan bukan
statistik parametrik sebagaimana dilakukan oleh Sudjana. Hasil perhitungan Sudjana
mengenai hubungan antara tinggi dan berat juga tidak bermakna dan tidak bermanfaat
karena pemakaian teknik analisis yang tidak tepat.
Rangkuman
Analisis Regresi Sederhana dengan memanfaatkan IBM SPSS Statistics akan lebih tangguh
jika sintaksis IBM SPSS Statistics dimanfaatkan. Deskripsi data, pengujian normalitas
distribusi data, pengujian homogenitas varians, analisis regresi sederhana, pengujian
33
signifikansi persamaan regresi, pengujian linieritas persamaan regresi dapat dicakup dalam
sintaksis termasuk penyajikan kurva estimasi.
Dua data dari Sudjana dipakai. Data pertama memenuhi persyaratan-persyaratan pemakaian
statistik parametrik. Data kedua tidak memenuhi persyaratan-persyaratan pemakaian statistik
parametrik sehingga statistik nonparametrik lebih tepat dan lebih layak dipakai. Sudjana
memakai statistik parametrik atas data yang tidak memenuhi persyaratan-persyaratan
stratistik parametrik. Kesalahan ini dapat berdampak luas karena buku yang ditulis oleh
Sudjana tersebut dipakai sebagai buku acuan, sepanjang pengetahuan penulis, oleh para
mahasiswa S-1, S-2, dan S-3 di Universitas Negeri Jakarta dan beberapa Universitas di
Bandung.
Daftar Kepustakaan
Sudjana.1996. Metoda Statistika. Bandung : Penerbit Tarsito.
Permata Depok Regency, 20 April 2015
34