Regresi Linear

40
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 1

description

REGRESI LINEAR

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

14

******************************************************** 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

20

21

22

23

24

25

26

27

28

******************************************************** 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