BAB IX olah data OLS dengan SPSS
BAB IX
OLAH DATA: ORDINARY LEAST
OLAH DATA: ORDINARY LEAST
SQUARES (OLS)
DENGAN SPSS
Pendahuluan
• Olah 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
secara statistik.
Manfaat
• Olah 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
masalah‐masalah
penelitian sederhana
Relevansi
• Materi ini relevan dan menjadi aplikasi pokok
dalam statistik terutama kaitannya dengan
olah data sederhana.
sederhana
Learning Outcome
Learning Outcome
• Mahasiswa mampu mengolah data sesuai
model menggunakan OLS di SPSS.
Olah Data : OLS dengan
Data : OLS dengan SPSS
• Sebuah perusahaan Otomotif dalam negri
beberapa bulan ini gencar mempromosikan
produk barunya yaitu motor roda tiga dengan
bak angkut sebagai sampel untuk meneliti
populasi pengaruh biaya iklan terhadap
besarnya penjualan di seluruh Propinsi di
Indonesia diambil sampel dari 20 Propinsi
dengan data sebagai berikut:
Tabel Jumlah Biaya Iklan dan
Jumlah
l h Penjualan
l
No
Provinsi
Bi.Iklan
Jumlah Penjualan
j
(jt Rupiah)
(jt Rupiah)
1 D.I. Aceh
26
205
2 Sumatra Barat
28
206
3 Jambi
35
254
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
31
216
10 Bali
11 NTB
32
245
12 NTT
47
286
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
Tahap‐tahap
Tahap
tahap Olah Data
• Langkah pertama, saudara
pertama saudara diminta untuk
mengentry data tabel diatas kedalam program
SPSS sesuai dengan petunjuk modul !
SPSS sesuai
• Regression Linier
M
Menggunakan
k data yang sudah
d
d h ada
d Pilih menu
Analyze >> Regression >> Linier !
•
setelah itu kotak dialog akan tampil sebagai berikut
• Dependent
p
atau variable tergantung.
g
g Karena variable yyangg
akan diprediksi adalah variable Penjualan, maka masukan
variable penjualan pada kotak DEPENDENT.
• Independent(s)
I d
d t( ) atau
t variable
i bl bebas,
b b
d l
dalam
h l ini
hal
i i variable
i bl
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.
Labels
• Method pilih enter, yaitu prosedur pemilihan variable dimana
semua variable dalam blok dimasukan dalam perhitungan
‘sigle step’
•
Pilih options
• untuk Stepping Method
Criteria, digunakan uji F
yang mengambil standar
angka probabilitas sebesar
5% Karena itu angka entry
5%.
0.05 atau 5%
• Include
Constant
in
equation biarkan tetap aktif
• Klik continue
•
Pilih Kolom Statistics dengan klik
mouse
•
•
•
•
•
Pilihan ini berkenaan dengan
perhitungan statistik regresi yang
akan digunakan. Pengisian:
Regression
Coefisient
atau
perlakukan koefisien regresi,
tetap aktifkan
k fk pilihan
l h 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.
provinsi
Klik Continue
•
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
• Direncanakan ada tiga
g p
plot sehubungan
g
dengan
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
kemudian klik Next untuk plot kedua.
– klik ZPRED masukan ke pilihan Y, lalu klik lagi DEPENDNT
d
dan
masukan
k
k pilihan
ke
ilih
X kemudian
k
di
klik Next.
N
Pl
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
•
Output SPSS dan analisis
– Output pertama dan kedua
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
dihitung
d
dengan
k fi i korelasi
koefisien
k l i adalah
d l h 0.910.
0 910 Hal
H l ini
i i menunjukan
j k
bahwa bi.iklan dan penjualan memiliki hubungan yang sangat erat
dengan hubungan positif yang artinya semakin besar bi.iklan maka
semakin besar p
pula p
penjualan
j
yyangg didapat.
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
nyata.
t
•
Output ketiga dan ke empat
• Tabel pertama menunjukan variable yang dimasukan adalah bi.iklan
d tidak
dan
tid k ada
d variable yang dikeluarkan. Hal ini
i bl
dik l k H l i i disebabkan
di b bk metode
t d
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
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
predictor atau peramal penjualan daripada
menggunakan rata‐rata.
•
Output kelima dan keenam
• Analisis:
Analisis:
• Dari uji ANOVA atau F test, didapat F hitung
adalah 87.244
87 244 dengan tingkat signifikansi
0.000.Karena probabilitas 0.000 lebih kecil
dari 0.05,
0 05 maka bisa dikatakan model regresi
dapat digunakan sebagai alat prediksi
penjualan.
penjualan
• Tabel selanjutnya menggambarkan persamaan regresi
Y= 82.924 + 4.863X
Dimana:
Y= Penjualan
X= Biaya iklan
• Konstanta sebesar 82.924 menyatakan bahwa jika tidak ada
biaya
y p
promosi, maka p
penjualan
j
adalah sebesar 82.924 jjt
• Koefisien regresi sebesar 4.863 menyatakan bahwa setiap
penambahan biaya iklan 1jt maka
penjualan akan
meningkat
g sebesar 4.863jt
j demikian sebaliknya
y
Tugas : Latihan
: Latihan
• Dari Seluruh Provinsi yyangg ada di Indonesia diambil 20 Sampel
p
untuk meneliti seberapa besar pengaruh Pendapatan Pajak
Reklame terhadap Jumlah Pendapatan Daerah, hasil
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!
Tabel Pajak Reklame Serta
Jumlah
l h Pendapatan
d
Daerah
h
No
1
2
3
4
5
6
7
8
9
10
Provinsi
D.I. Aceh
Sumatra Barat
Jambi
Lampung
p g
DKI.Jakarta
Jawa Barat
Jawa Tengah
DIY
Jawa Timur
Bali
Retribusi
Jumlah Pendapatan Daerah
jt (Rupiah)
(jt Rupiah)
2700
20600
2600
20400
3600
25500
3150
24650
2250
22000
4950
29200
3550
24500
3000
20900
2400
20400
3100
21600
11 NTB
3200
24500
12 NTT
4700
28600
13 Kalimantan Selatan
5400
31200
14 Kalimantan Timur
4000
26500
15 Kalimantan Tengah
4200
32200
16 Kalimantan
K li
t Barat
B t
4850
29900
17 Sulawesi Tenggara
4750
29000
18 Sulawesi Utara
4800
35000
19 Sulawesi Selatan
5500
37500
20 Papua Barat
5200
37500
Daftar Pustaka
• Dajan, Anto. 1974. Pengantar
j ,
g
Metode Statistik. Jilid I.
Jakarta: LP3ES
• Priyatno, Duwi. 2009. 5 Jam Belajar Olah Data Dengan
SPSS 17 Edi i satu. Yogyakarta: Penerbit
SPSS 17. Edisi
t Y
k t P
bit Andi
A di
• 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
dengan SPSS 18. Edisi satu. Yogyakarta: Penerbit Andi
OLAH DATA: ORDINARY LEAST
OLAH DATA: ORDINARY LEAST
SQUARES (OLS)
DENGAN SPSS
Pendahuluan
• Olah 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
secara statistik.
Manfaat
• Olah 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
masalah‐masalah
penelitian sederhana
Relevansi
• Materi ini relevan dan menjadi aplikasi pokok
dalam statistik terutama kaitannya dengan
olah data sederhana.
sederhana
Learning Outcome
Learning Outcome
• Mahasiswa mampu mengolah data sesuai
model menggunakan OLS di SPSS.
Olah Data : OLS dengan
Data : OLS dengan SPSS
• Sebuah perusahaan Otomotif dalam negri
beberapa bulan ini gencar mempromosikan
produk barunya yaitu motor roda tiga dengan
bak angkut sebagai sampel untuk meneliti
populasi pengaruh biaya iklan terhadap
besarnya penjualan di seluruh Propinsi di
Indonesia diambil sampel dari 20 Propinsi
dengan data sebagai berikut:
Tabel Jumlah Biaya Iklan dan
Jumlah
l h Penjualan
l
No
Provinsi
Bi.Iklan
Jumlah Penjualan
j
(jt Rupiah)
(jt Rupiah)
1 D.I. Aceh
26
205
2 Sumatra Barat
28
206
3 Jambi
35
254
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
31
216
10 Bali
11 NTB
32
245
12 NTT
47
286
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
Tahap‐tahap
Tahap
tahap Olah Data
• Langkah pertama, saudara
pertama saudara diminta untuk
mengentry data tabel diatas kedalam program
SPSS sesuai dengan petunjuk modul !
SPSS sesuai
• Regression Linier
M
Menggunakan
k data yang sudah
d
d h ada
d Pilih menu
Analyze >> Regression >> Linier !
•
setelah itu kotak dialog akan tampil sebagai berikut
• Dependent
p
atau variable tergantung.
g
g Karena variable yyangg
akan diprediksi adalah variable Penjualan, maka masukan
variable penjualan pada kotak DEPENDENT.
• Independent(s)
I d
d t( ) atau
t variable
i bl bebas,
b b
d l
dalam
h l ini
hal
i i variable
i bl
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.
Labels
• Method pilih enter, yaitu prosedur pemilihan variable dimana
semua variable dalam blok dimasukan dalam perhitungan
‘sigle step’
•
Pilih options
• untuk Stepping Method
Criteria, digunakan uji F
yang mengambil standar
angka probabilitas sebesar
5% Karena itu angka entry
5%.
0.05 atau 5%
• Include
Constant
in
equation biarkan tetap aktif
• Klik continue
•
Pilih Kolom Statistics dengan klik
mouse
•
•
•
•
•
Pilihan ini berkenaan dengan
perhitungan statistik regresi yang
akan digunakan. Pengisian:
Regression
Coefisient
atau
perlakukan koefisien regresi,
tetap aktifkan
k fk pilihan
l h 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.
provinsi
Klik Continue
•
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
• Direncanakan ada tiga
g p
plot sehubungan
g
dengan
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
kemudian klik Next untuk plot kedua.
– klik ZPRED masukan ke pilihan Y, lalu klik lagi DEPENDNT
d
dan
masukan
k
k pilihan
ke
ilih
X kemudian
k
di
klik Next.
N
Pl
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
•
Output SPSS dan analisis
– Output pertama dan kedua
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
dihitung
d
dengan
k fi i korelasi
koefisien
k l i adalah
d l h 0.910.
0 910 Hal
H l ini
i i menunjukan
j k
bahwa bi.iklan dan penjualan memiliki hubungan yang sangat erat
dengan hubungan positif yang artinya semakin besar bi.iklan maka
semakin besar p
pula p
penjualan
j
yyangg didapat.
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
nyata.
t
•
Output ketiga dan ke empat
• Tabel pertama menunjukan variable yang dimasukan adalah bi.iklan
d tidak
dan
tid k ada
d variable yang dikeluarkan. Hal ini
i bl
dik l k H l i i disebabkan
di b bk metode
t d
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
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
predictor atau peramal penjualan daripada
menggunakan rata‐rata.
•
Output kelima dan keenam
• Analisis:
Analisis:
• Dari uji ANOVA atau F test, didapat F hitung
adalah 87.244
87 244 dengan tingkat signifikansi
0.000.Karena probabilitas 0.000 lebih kecil
dari 0.05,
0 05 maka bisa dikatakan model regresi
dapat digunakan sebagai alat prediksi
penjualan.
penjualan
• Tabel selanjutnya menggambarkan persamaan regresi
Y= 82.924 + 4.863X
Dimana:
Y= Penjualan
X= Biaya iklan
• Konstanta sebesar 82.924 menyatakan bahwa jika tidak ada
biaya
y p
promosi, maka p
penjualan
j
adalah sebesar 82.924 jjt
• Koefisien regresi sebesar 4.863 menyatakan bahwa setiap
penambahan biaya iklan 1jt maka
penjualan akan
meningkat
g sebesar 4.863jt
j demikian sebaliknya
y
Tugas : Latihan
: Latihan
• Dari Seluruh Provinsi yyangg ada di Indonesia diambil 20 Sampel
p
untuk meneliti seberapa besar pengaruh Pendapatan Pajak
Reklame terhadap Jumlah Pendapatan Daerah, hasil
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!
Tabel Pajak Reklame Serta
Jumlah
l h Pendapatan
d
Daerah
h
No
1
2
3
4
5
6
7
8
9
10
Provinsi
D.I. Aceh
Sumatra Barat
Jambi
Lampung
p g
DKI.Jakarta
Jawa Barat
Jawa Tengah
DIY
Jawa Timur
Bali
Retribusi
Jumlah Pendapatan Daerah
jt (Rupiah)
(jt Rupiah)
2700
20600
2600
20400
3600
25500
3150
24650
2250
22000
4950
29200
3550
24500
3000
20900
2400
20400
3100
21600
11 NTB
3200
24500
12 NTT
4700
28600
13 Kalimantan Selatan
5400
31200
14 Kalimantan Timur
4000
26500
15 Kalimantan Tengah
4200
32200
16 Kalimantan
K li
t Barat
B t
4850
29900
17 Sulawesi Tenggara
4750
29000
18 Sulawesi Utara
4800
35000
19 Sulawesi Selatan
5500
37500
20 Papua Barat
5200
37500
Daftar Pustaka
• Dajan, Anto. 1974. Pengantar
j ,
g
Metode Statistik. Jilid I.
Jakarta: LP3ES
• Priyatno, Duwi. 2009. 5 Jam Belajar Olah Data Dengan
SPSS 17 Edi i satu. Yogyakarta: Penerbit
SPSS 17. Edisi
t Y
k t P
bit Andi
A di
• 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
dengan SPSS 18. Edisi satu. Yogyakarta: Penerbit Andi