Uji Hipotesis dan Regresi Linier Resista Vikaliana S

Uji Hipotesis dan Regresi Linier Resista Vikaliana, S. Si. MM 6/10/2021 1

Dispersi Data Resista Vikaliana, S. Si. MM 6/10/2021 2

Ukuran Penyebaran UKURAN YANG MENYATAKAN HOMOGENITAS / HETEROGENITAS : 1. RENTANG (Range) 2. DEVIASI RATA-RATA (Average Deviation) 3. VARIANS (Variance) 4. DEVIASI STANDAR (Standard Deviation) Rentang (range) : selisih bilangan terbesar dengan bilangan terkecil. Sebaran merupakan ukuran penyebaran yang sangat kasar, sebab hanya bersangkutan dengan bilangan terbesar dan terkecil. Contoh : A : 100 90 80 70 60 50 40 30 20 10 B : 100 100 100 10 10 10 C : 100 100 90 80 30 20 10 10 10 X = 55 r = 100 – 10 = 90 Rata-rata Resista Vikaliana, S. Si. MM 6/10/2021 3

Deviasi Rata-rata : penyebaran Berdasarkan harga mutlak simpangan bilangan-bilangan terhadap ratanya. Rata-rata Deviasi rata-rata Kelompok A Kelompok B Nilai X X-X |X – X| 100 45 45 90 35 35 100 45 45 80 25 25 100 45 45 70 15 15 90 35 35 60 5 5 80 25 25 50 -5 5 30 -25 25 40 -15 15 20 -35 35 30 -25 25 10 -45 45 20 -35 35 10 -45 45 Jumlah 0 250 Jumlah 0 390 DR = 250 = 25 10 Rata-rata Resista Vikaliana, S. Si. MM DR = 390 = 39 10 n |Xi – X| DR = Σ n i=1 Makin besar simpangan, makin besar nilai deviasi rata-rata 6/10/2021 4

Varians : penyebaran berdasarkan jumlah kuadrat simpangan bilangan terhadap rata-ratanya ; melihat ketidaksamaan sekelompok data n 2 2 s = Σ (Xi – X) n-1 i=1 Deviasi Standar : penyebaran berdasarkan akar dari varians ; menunjukkan keragaman kelompok data s= √ n (Xi – X)2 Σ i=1 n-1 Resista Vikaliana, S. Si. MM Varians & Deviasi Standar Kelompok A Kelompok B Nilai X X -X (X–X)2 Nilai X X -X (X –X)2 100 45 2025 90 35 1225 100 45 2025 80 25 625 100 45 2025 70 15 225 90 35 1225 60 5 25 80 25 625 50 -5 25 30 -25 625 40 -15 225 20 -35 1225 30 -25 625 10 -45 2025 20 -35 1225 10 -45 2025 8250 Jumlah s= √ 8250 9 = 30. 28 s= 15850 √ 15850 9 = 41. 97 Kesimpulan : Kelompok A : rata-rata = 55 ; DR = 25 ; s = 30. 28 Kelompok B : rata-rata = 55 ; DR = 39 ; s = 41. 97 Maka data kelompok B lebih tersebar daripada kelompok A 6/10/2021 5

Uji Hipotesis Resista Vikaliana, S. Si. MM 6/10/2021 6

Normalitas, Hipotesis, Pengujian Distribusi Normal : kurva berbentuk bel, simetris terhadap sumbu yang melalui nilai rata-rata Kurtosis = keruncingan Skewness = kemiringan +3 s +2 s -s +2 s +3 s 68% 95% 99% • Lakukan uji normalitas • Rasio Skewness & Kurtosis berada – 2 sampai +2 Rasio = nilai Standard error • Jika tidak berdistribusi normal, lakukan uji normalitas non parametrik (Wilcoxon, Mann-White, Tau Kendall) Resista Vikaliana, S. Si. MM 6/10/2021 7

HIPOTESIS • Perumusan sementara mengenai suatu hal yang dibuat untuk menjelaskan hal itu yang dituntut untuk melakukan pengecekannya Hipotesis adalah suatu pernyataan/dugaan sementara yang harus diuji dulu kebenarannya Resista Vikaliana, S. Si. MM 6/10/2021 8

Secara umum, hipotesis statistik pernyataan mengenai distribusi probabilitas populasi atau pernyataan tentang parameter populasi. Contoh : Nilai Matematika siswa kelas 10 SMAN 1 Salatiga berdistribusi normal. Akan diuji hipotesis : rata-ratanya 60. Pernyataan : Rata-ratanya 60 ( = 60 ) hipotesis statistik Resista Vikaliana, S. Si. MM 6/10/2021 9

Pengujian Hipotesis Pengujian hipotesis adalah prosedur yang didasarkan pada bukti sampel yang dipakai untuk menentukan apakah hipotesis merupakan suatu pernyataan yang wajar dan oleh karenanya tidak ditolak, atau hipotesa tersebut tidak wajar dan oleh karena itu harus ditolak. Resista Vikaliana, S. Si. MM 6/10/2021 10

Jawaban sementara terhadap suatu permasalahah yang paling dianggap benar H 0 : Pernyataan yang menyatakan tidak berpengaruh, tidak ada perbedaan, tidak ada interaksi dan lainnya H 1 : Pernyataan yang menyatakan berpengaruh, ada perbedaan, ada interaksi dan lainnya Resista Vikaliana, S. Si. MM 6/10/2021 11

Pernyataan Hipotesis Nol dan Hipotesis alternatif Hipotesis nol (H 0) adalah asumsi yang akan diuji. Hipotesis nol dinyatakan dengan hubungan sama dengan. Jadi hipotesis nol adalah menyatakan bahwa parameter (mean, presentase, variansi dan lain-lain) bernilai sama dengan nilai tertentu. Hipotesis alternatif (H 1) adalah hipotesis yang berbeda dari hipotesis nol. Hipotesis alternatif merupakan kumpulan hipotesis yang diterima dengan menolak hipotesis nol. Resista Vikaliana, S. Si. MM 6/10/2021 12

PROSEDUR PENGUJIAN HIPOTESIS Langkah 1. Merumuskan Hipotesis (Hipotesis nol (H 0) dan Hipotesis Alternatif (H 1)) Langkah 2. Menentukan Taraf Nyata (Probabilitas menolak hipotesis) Langkah 3. Menentukan Uji statistik (Alat uji statistik, uji Z, t, F, X 2 dan lain-lain) Langkah 4. Menentukan Daerah Keputusan(Daerah di mana hipotesis nol diterima atau ditolak)) Langkah 5. Mengambil Keputusan • Menolak Ho menerima H 1/Ha Resista Vikaliana, S. Si. MM 6/10/2021 13

MERUMUSKAN HIPOTESIS Hipotesis nol / H 0 Satu pernyataan mengenai nilai parameter populasi Hipotesis alternatif / H 1 atau Ha Suatu pernyataan yang diterima jika data sampel memberikan cukup bukti bahwa hipotesis nol adalah salah Resista Vikaliana, S. Si. MM 6/10/2021 14

MENENTUKAN TARAF NYATA/ SIGNIFIKAN Taraf nyata/ signifikan Probabilitas menolak hipotesis nol apabila hipotesa nol tersebut adalah benar Resista Vikaliana, S. Si. MM 6/10/2021 15

Pemilihan taraf nyata/ tingkat kepentingan ( level of significance ), α Taraf nyata/ tingkat kepentingan ( level of significance ) menyatakan suatu tingkat resiko melakukan kesalahan dengan menolak hipotesis nol. Dengan kata lain, tingkat kepentingan menunjukkan probabilitas maksimum yang ditetapkan untuk menghasilkan jenis resiko pada tingkat yang pertama. Dalam prakteknya, tingkat kepentingan yang digunakan adalah 0. 05 atau 0. 01. Jadi dengan mengatakan hipotesis bahwa ditolak dengan tingkat kepentingan 0. 05 keputusan itu bisa salah dengan probabitas 0. 05. Resista Vikaliana, S. Si. MM 6/10/2021 16

Normalitas, Hipotesis, Pengujian : bila Ho terarah, maka pengujian signifikansi satu pihak bila Ho tidak terarah, maka pengujian signifikansi dua pihak Pengujian signifikansi satu arah (hipotesis terarah): Siswa yang belajar bahasa tidak menunjukkan kelebihan keseriusan daripada yang belajar IPS �Ho : b < i Jika Ho ditolak, maka Ha diterima ; daerah penolakan berada di sebelah kanan 5% Daerah penerimaan hipotesis Daerah penolakan hipotesis 2. 5% Daerah penerimaan hipotesis Daerah penolakan hipotesis Pengujian signifikansi dua arah (hipotesis tidak terarah): Tidak terdapat perbedaan keseriusan belajar siswa antara bahasa dan IPS �Ho : b = i Jika Ho ditolak, maka Ha diterima ; daerah penolakan bisa berada di sebelah kiri atau Resista Vikaliana, S. Si. MM 6/10/2021 17

UJI HIPOTESIS Resista Vikaliana, S. Si. MM SATU ARAH DUA ARAH 6/10/2021 18

MENENTUKAN DAERAH KEPUTUSAN Daerah Keputusan Uji Satu Arah Daerah penolakan Ho Daerah tidak menolak Ho Skala z 1, 65 Probabilitas 0, 95 Probabilitas 0, 5 Daerah Keputusan Uji Dua Arah Daerah penolakan Ho 0, 025 -1, 95 Resista Vikaliana, S. Si. MM Daerah tidak menolak Ho 0, 95 0 0, 025 1, 95 6/10/2021 19

UJI SIGNIFIKANSI SATU ARAH DAN DUA ARAH Pengujian satu arah Adalah daerah penolakan Ho hanya satu yaitu terletak di ekor / ujung sebelah kanan saja atau ekor sebelah kiri saja. Karena hanya satu daerah penolakan berarti luas daerah penolakan tersebut sebesar taraf nyata yaitu a, dan untuk nilai kritisnya biasa ditulis dengan Za. Sedangkan pengujian dua arah Adalah daerah penolakan Ho ada dua daerah yaitu terletak di ekor sebelah kanan dan kiri. Karena mempunyai dua daerah, maka masing-masing daerah mempunyai luas ½ dari taraf nyata yang dilambangkan dengan ½a, dan nilai kritisnya biasa dilambangkan dengan Z ½a. Resista Vikaliana, S. Si. MM 6/10/2021 20

Uji Dua Arah/ Dua Ujung/ Dwi Arah Uji dua ujung (two tailed) adalah uji hipotesis yang menolak hipotesis nol jika statistik sampel secara significant lebih tinggi atau lebih rendah dari pada nilai parameter populasi yang diasumsikan. Dalam hal ini hipotesis nol dan hipotesis alternatifnya masing-masing : H 0 : µ = nilai yang diasumsikan H 1 : µ ≠ nilai yang diasumsikan Resista Vikaliana, S. Si. MM 6/10/2021 21

Hipotesis statistiknya masing-masing adalah a. Ho : µ 1 = µ 2 Ha : µ 1 ≠ µ 2 Rumusan uji hipotesis dua arah b. Ho : µ 1 ≥ µ 2 Ha : µ 1 < µ 2 Rumusan hipotesis uji satu arah (arah kiri) c. Ho : µ 1 ≤ µ 2 Ha : µ 1 > µ 2 Rumusan hipotesis uji satu arah (arah kanan) Resista Vikaliana, S. Si. MM 6/10/2021 22

Latihan : Tentukan uji hipotesis dari kasus berikut 1. Seorang pengusaha ingin mengetahui apakah fitur yang dia tambahkan pada produknya akan mempengaruhi kepuasan konsumen produknya 2. Sebuah restoran sop iga memperkirakan terjadi lonjakan permintaan sop iga pada Bulan Ramadhan tahun ini menjadi 1000 porsi 3. Toko kue “Enak” menjual kue kering untuk Lebaran. Pada tahun lalu, terjual sekitar 2000 toples. Demikian pula tahun-tahun sebelumnya, rata-rata terjual 2000 toples. Resista Vikaliana, S. Si. MM 6/10/2021 23

Dua kesalahan dalam pengujian 1. 2. Kesalahan Tipe I (α) : Kesalahan bila menolak hipotesis nol (Ho) yang benar (seharusnya diterima) Kesalahan Tipe II (β) : Kesalahan bila menerima hipotesis nol (Ho) yang salah, seharusnya ditolak) Keputusan Keadaan sebenarnya Hipotesis Ho benar Hipotesis Ho Salah Terima Hipotesis Ho Tidak membuat kesalahan Kesalahan β Menolak Hipotesis Ho Kesalahanα Tidak membuat kesalahan Resista Vikaliana, S. Si. MM 6/10/2021 24

UJI SATU ARAH Resista Vikaliana, S. Si. MM 6/10/2021 25

Uji Satu Arah (One tail test) Uji arah kiri digunakan bila : Hipotesis nol (Ho) menyatakan lebih besar (> )atau lebih kecil (<) Contoh rumusan hipotesis : Hipotesis nol : Daya tahan lampu merek Terang Terus minimal 400 jam Hipotesis alternatif : Daya tahan lampu merek Terang Terus lebih kecil dari 400 jam Secara notasi ditulis : Ho Ha : µo ≥ 400 jam : µo < 400 jam Resista Vikaliana, S. Si. MM 6/10/2021 26

Uji Arah Kiri Daerah Penolakan Ho Daerah Penerimaan Ho α Uji Arah Kiri Ketentuan : Dalam uji arah kiri berlaku ketentuan, Jika t hitung ≥ t. S. Si. tabel, maka Ho diterima Resista Vikaliana, MM 6/10/2021 27

Contoh Uji Arah Kiri Suatu perusahaan lampu pijar merek Similikiti, menyatakan bahwa daya tahan lampu yang dibuat minimal 400 jam. Berdasarkan pernyataan produses tersebut, maka Lembaga Konsumen akan melakukan pengujian, apakah daya tahan lampu itu betul 400 jam atau tidak, sebab ada keluhan dari masyarakat yang menyatakan bahwa lampu pijar merk Similikiti tersebut cepat putus. Untuk membuktikan pernyataan produsen tersebut maka dilakuakn penelitian melalui uji coba terhadap daya tahan 25 lampu yang diambil secara acak (random). Rumusan Hipotesis statistik : Ho Ha : µo ≥ 400 jam : µo < 400 jam Resista Vikaliana, S. Si. MM 6/10/2021 28

Dari uji coba diperoleh data daya tahan 25 lampu sebagai berikut : 450 390 400 480 500 380 350 400 340 300 345 375 425 400 425 390 340 350 360 300 200 300 250 400 Resista Vikaliana, S. Si. MM 6/10/2021 29

Jawaban _ x = 450 + 390 + 400 …. + 400 = 366 25 Dari perhitungan, diperoleh simpangan bakunya = 68, 25 Dari data di atas, maka t hitung : t = x - µo = 366 – 400 = - 2, 49 s 68, 25 √n √ 25 Sedang T tabel, untuk dk = n- 1= 25 -1 = 24, dan taraf kesalahan 5 % untuk uji satu arah =1, 711, maka Karena t hitung jauh dari penerimaan Ha, maka tolak Ho, atau terima Ha Kesimpulan : Pernyataan bahwa daya tahan lampu minimal 400 jam ditolak, Pernyataan yang diterima : daya tahan lampu rata-rata hanya 366 jam Resista Vikaliana, S. Si. MM 6/10/2021 30

Uji Arah Kiri Daerah Penolakan Ho Daerah Penerimaan Ho -2, 49 Resista Vikaliana, S. Si. MM -1, 71 6/10/2021 31

Contoh Uji Arah Kanan Karena terlihat ada kelesuan dalam perdagangan jeruk, maka akan dilakukan penelitian untuk mengetahui berapa kg jeruk yang dapat terjual oleh pedagang setiap harinya. Berdasarkan pengamatan sepintas, peneliti mengajukan hipotesis bahwa setiap hari pedagang jeruk minimal dapat menjual 100 kg kepada konsumen Hipotesis statistik : Ho Ha : µo ≤ 100 kg/ hari : µo > 100 kg/ hari Resista Vikaliana, S. Si. MM 6/10/2021 32

Berdasarkan hipotesis tersebut, maka dilakukan pengumpulan data terhadap 20 pedagang jeruk secara random dengan data sebagai berikut : 98 80 120 90 70 100 60 85 95 100 70 95 90 85 75 90 70 90 60 110 Resista Vikaliana, S. Si. MM 6/10/2021 33

UJI DUA ARAH Resista Vikaliana, S. Si. MM 6/10/2021 34

Uji Dua Arah (Two tail test) Bila Ho berbunyi “sama dengan” dan Ha berbunyi “tidak sama dengan” Contoh rumusan hipotesis : Hipotesis nol : Daya tahan berdiri pelayan toko tiap hari = 8 jam Hipotesis alternatif: Daya tahan berdiri pelayan toko tiap hari ≠ 8 jam Ditulis dengan notasi : Ho : µ = 8 jam Ha : µ ≠ 8 jam Resista Vikaliana, S. Si. MM 6/10/2021 35

Uji Dua Arah Daerah Penolakan Ho Daerah Penerimaan Ho ½α Daerah Penolakan Ho ½α Ketentuan : 1. Bila t hitung ≤ t tabel, maka terima Ho atau tolak Ha 2. Bila t hitung > t tabel, maka tolak Ho atau terima Ha Harga t hitung = harga mutlak, baik + maupun - 6/10/2021 36 Resista Vikaliana, S. Si. MM

Contoh. . . Telah dilakukan pengumpulan data untuk menguji hipotesis yang menyatakan bahwa daya tahan berdiri pelayan toko di Jakarta adalah 4 jam/hari. Sampel data diambil dari 31 orang pelayan toko dengan data sebagai berikut : 3 2 3 4 5 6 7 8 5 3 4 5 6 6 7 8 8 5 3 4 5 6 2 3 4 5 6 3 2 3 3 Berdasardan pertanyaan tersebut di atas, maka : n = 31 ; µo = 4/hari, sehingga Ho Ha = 4 jam/hari ≠ 4 jam/hari _ Harga x dan s dihitung _ X = Σ xi _ n X = 3 + 2 3 + … 3 + 3 = 144 = 4, 645 bila S=1, 81, t=? 31 31 Resista Vikaliana, S. Si. MM DUA ARAH 6/10/2021 37

S _ = √ Σ ( xi - x ) 2 (n-1) S = 1, 81 Jadi rata-rata daya tahan berdiri pramuniaga adalah 4, 645 jam/hari Pengujian Hipotesis : t hitung : t = x - µo = 4, 645 – 4 s 1, 81 √n √ 31 = 1, 98 T Tabel : T tabel untuk derajat kebebasan n-1 = 31 -1 = 30 dan dengan tingkat kesalahan 5 % atau 0, 05, untuk uji 2 arah dalam Tabel sebesar 2, 042 Karena t hitung < t tabel (1, 98 < 2, 042), maka terima Ho (Hipotesis nol), sehingga Hipotesis nol (Ho) yang menyatakan bahwa daya tahan pramuniaga di jakarta adalah 4 jam per hari diterima Resista Vikaliana, S. Si. MM 6/10/2021 38

Uji Dua Arah Daerah Penolakan Ho Daerah Penerimaan Ho -2, 042 -1, 98 Daerah Penolakan Ho 2, 042 Penerapan Uji 2 Arah Resista Vikaliana, S. Si. MM 6/10/2021 39

Uji T • Uji Statistika Parametrik • Uji Beda rata-rata dua kelompok sampel Uji T Satu Sampel Uji t : menguji apakah rata-rata suatu populasi sama dengan suatu harga tertentu atau apakah rata-rata dua populasi sama/berbeda secara signifikan. Resista Vikaliana, S. Si. MM Sampel Bebas Sampel Berpasangan 6/10/2021 40

Uji T • Satu Sampel o Menguji apakah suatu nilai tertentu (sebagai pembanding berbeda nyata dengan atau tidak dengan rata-rata sebuah sampel • Sampel Bebas o Untuk membandingkan rata-rata dari dua kelompok yang tidak berhubungan satu sama lain, apakah kedua kelompok tersebut mempunyai rata-rata yang sama atau tidak secara nyata • Sampel Berpasangan o Untuk menguji dua sampel berpasangan, apakah mempunyai rata-rata yang berbeda secara nyata atau tidak Resista Vikaliana, S. Si. MM 6/10/2021 41

Uji t 1. Uji t satu sampel Menguji apakah satu sampel sama/berbeda dengan ( - ) t = rata-rata populasinya s / √n • hitung rata-rata dan std. dev (s) • df = n – 1 • tingkat signifikansi ( = 0. 025 atau 0. 05) • pengujian apakah menggunakan 1 ekor atau 2 ekor • diperoleh t hitung ; lalu bandingkan dengan t tabel : jika t hitung > t tabel Ho ditolak Contoh : Peneliti ingin mengetahui apakah guru yang bekerja selama 8 tahun memang berbeda dibandingkan dengan guru lainnya. Ho : p 1 = p 2 Diperoleh rata 2 = 17. 26 ; std. Dev = 7. 6 ; df = 89 ; t hitung = 11. 55 Berdasarkan tabel df=89 dan = 0. 05 diperoleh t tabel = 1. 987 Kesimpulan : t hitung > t tabel sehingga Ho ditolak guru yang bekerja selama 8 tahun secara signifikan berbeda dengan guru lainnya Resista Vikaliana, S. Si. MM 6/10/2021 42

Uji t 2. Uji t dua sampel bebas Menguji apakah rata-rata dua kelompok yang tidak berhubungan sama/berbeda t= (X – Y) Sx-y √ Di mana Sx-y = (Σx 2 + Σy 2) (1/nx + 1/ny) (n + n – 2) x y Contoh : Peneliti ingin mengetahi apakah ada perbedaan penghasilan (sebelum sertifikasi) antara guru yang lulusan S 1 dengan yang lulusan S 3 Ho : Pb = Pk Diperoleh : rata 2 x = 1951613 ; y = 2722222 ; t hitung = - 7. 369 Berdasarkan tabel df=69 dan = 0. 025 diperoleh t tabel = 1. 994 Kesimpulan : t hitung > t tabel sehingga Ho ditolak Rata-rata penghasilan guru yang S 1 berbeda secara signifikan dengan penghasilan guru yang S 3 Resista Vikaliana, S. Si. MM 6/10/2021 43

Uji t 3. Uji t dua sampel berpasangan Menguji apakah rata-rata dua sampel yang berpasangan sama/berbeda D t= s Di mana D = rata-rata selisih skor pasangan D s. D = √ Σ d 2 N(N-1) Σ d 2 = ΣD 2 – (ΣD)2 N Contoh : Seorang guru ingin mengetahui efektivitas model pembelajaran diskusi. Setelah selesai pembelajaran pertama, ia memberikan tes dan setelah selesai pembelajaran kedua kembali ia memberikan tes. Kedua hasil tes tersebut dibandingkan dengan harapan adanya perbedaan rata-rata tes pertama dengan kedua. Ho : Nd = Nc Diperoleh rata 2 d = 66. 28 ; rata 2 c = 73. 84 ; t hitung = -8. 904 Berdasarkan tabel df=163 dan = 0. 05 diperoleh t tabel = 1. 960 Kesimpulan : t hitung > t tabel sehingga Ho ditolak Terdapat perbedaan yang signifikan antara hasil tes pertama dengan hasil tes kedua, sehingga ia menyimpulkan model diskusi efektif meningkatkan hasil belajar siswanya Resista Vikaliana, S. Si. MM 6/10/2021 44

Contoh Kasus Lain. . . Resista Vikaliana, S. Si. MM 6/10/2021 45

Contoh Kasus • Satu Sampel o Pak Herry memiliki 5 dealer sepeda motor yang tersebar di Kota Bekasi. Menurut laporan penjualan dari masing-masing Manajer Penjualan, A, B, C, dan D, rata-rata penjualan sepeda motor setiap bulannya sebanyak 25 unit. Pak Herry menduga penjualan sepeda motor di dealer E sama dengan 4 dealer yang lain. Apakah dugaan Pak Herry benar atas penjualan sepeda motor di dealer E? o H 0=Rata-rata penjualan sepeda motor setiap bulan di dealer E adalah 25 unit o H 1=. . . Resista Vikaliana, S. Si. MM 6/10/2021 46

Contoh Kasus • Sampel Bebas o Pak Herry yang memili 5 dealer sepeda motor di Kota Bekasi, melakukan ekspansi dengan membuka 5 dealer baru di Cikarang. Setelah beroperasi selama 2 tahun, Pak Herry ingin mengetahui apakah ada perbedaan nyata dalam penjualan sepeda motor di Kota Bekasi dengan di Cikarang. Permasalahannya apakah ada perbedaan rata-rata penjualan sepeda motor setiap bulan antra 5 dealer di Kota Bekasi dengan di Cikarang? o H 0=Kedua rata-rata populasi sama o H 1=. . . Resista Vikaliana, S. Si. MM 6/10/2021 47

Contoh Kasus • Sampel Berpasangan o Untuk meningkatkan volume penjualan di Kota Bekasi (yang penjualannya lebih sedikit daripada di Cikarang), Pak Herry menambah tenaga sales di semua dealer di Kota Bekasi. Pak Herry meminta Manajer Penjualan di Kota Bekasi untuk melihat apakah ada perbedaan volume penjualan sebelum dan sesudah penambahan tenaga penjualan? o H 0=Kedua rata-rata populasi sama o H 1=. . . Resista Vikaliana, S. Si. MM 6/10/2021 48

Korelasi Resista Vikaliana, S. Si. MM 6/10/2021 49

Uji Keterkaitan Korelasi : hubungan keterkaitan antara dua atau lebih variabel. Angka koefisien korelasi ( r ) bergerak -1 ≤ r ≤ +1 POSITIF makin besar nilai variabel 1 menyebabkan makin besar pula nilai variabel 2 Contoh : makin banyak waktu belajar, makin tinggi skor Ulangan korelasi positif antara waktu belajar dengan nilai ulangan NEGATIF makin besar nilai variabel 1 menyebabkan makin kecil nilai variabel 2 contoh : makin banyak waktu bermain, makin kecil skor Ulangan korelasi negatif antara waktu bermain dengan nilai ulangan NOL tidak ada atau tidak menentunya hubungan dua variabel contoh : pandai matematika dan jago olah raga ; pandai matematika dan tidak bisa olah raga ; tidak pandai matematika dan tidak bisa olah raga korelasi nol antara matematika dengan olah raga Resista Vikaliana, S. Si. MM 6/10/2021 50

PEDOMAN MEMILIH TEKNIK KORELASI MACAM/TINGKATAN DATA TEKNIK KORELASI Nominal Koefisien Kontingency Odinal Interval dan Ratio Resista Vikaliana, S. Si. MM 1. Spearman Rank 2. Kendal Tau 1. Pearson Product Moment 2. Korelasi Ganda 3. Korelasi Parsial 6/10/2021 51

Pedoman Untuk Memberikan Interpretasi Terhadap Koefisien Korelasi Interval Koefisien Tingkat Hubungan 0, 00 – 0, 199 0, 20 – 0, 399 0, 40 – 0, 599 0, 60 – 0, 799 0, 80 – 1, 000 Sangat Rendah Sedang Kuat Sangat Kuat Resista Vikaliana, S. Si. MM 6/10/2021 52

26. Uji Keterkaitan 1. KORELASI PEARSON : apakah di antara kedua variabel terdapat hubungan, dan jika ada hubungan bagaimana arah hubungan dan berapa besar hubungan tersebut. Digunakan jika data variabel kontinyu dan kuantitatif Di mana : ΣXY = jumlah perkalian X dan Y NΣXY – (ΣX) (ΣY) r= ΣX 2 = jumlah kuadrat X 2 2 √ NΣX – (ΣX) x√NΣY – (ΣY) ΣY 2 = jumlah kuadrat Y N = banyak pasangan nilai Contoh : 10 orang siswa yang memiliki waktu belajar berbeda dites dengan tes IPS Siswa : A B C D E F G H I J Waktu (X) : 2 2 1 3 4 1 1 2 Tes (Y) : 6 6 4 8 8 7 9 5 4 6 Apakah ada korelasi antara waktu belajar dengan hasil tes ? Siswa X X 2 Y Y 2 XY A B ΣX Resista Vikaliana, S. Si. MM ΣX 2 ΣY ΣY 2 ΣXY 6/10/2021 53

Uji Keterkaitan 2. KORELASI SPEARMAN (rho) dan Kendall (tau) : Digunakan jika data variabel ordinal (berjenjang atau peringkat). Disebut juga korelasi non parametrik 6Σd 2 rp = 1 N(N 2 – 1) Di mana : N = banyak pasangan d = selisih peringkat Contoh : 10 orang siswa yang memiliki perilaku (sangat baik, cukup, kurang) dibandingkan dengan tingkat kerajinannya (sangat rajin, biasa, malas) Siswa : A B C D E F G H I J Perilaku : 2 4 1 3 4 2 3 1 3 2 Kerajinan : 3 2 1 4 4 3 2 1 2 3 Apakah ada korelasi antara perilaku siswa dengan kerajinannya ? Siswa A B C D Perilaku Kerajinan d d S. Si. MM Resista Vikaliana, 2 Σd 2 6/10/2021 54

Regresi Resista Vikaliana, S. Si. MM 6/10/2021 55

Regresi Linear Sederhana Resista Vikaliana, S. Si. MM 6/10/2021 56

Persamaan Regresi Linear Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada atau tidaknya korelasi antarvariabelnya. Istilah regresi itu sendiri berarti ramalan atau taksiran. Persamaan yang digunakan untuk mendapatkan garis regresi pada data diagram pencar disebut persamaan regresi. Resista Vikaliana, S. Si. MM 6/10/2021 57

Untuk menempatkan garis regresi pada data yang diperoleh maka digunakan metode kuadrat terkecil, sehingga bentuk persamaan regresi adalah sebagai berikut: Y’ = a + b X Kesamaan di antara garis regresi dan garis trend tidak dapat berakhir dengan persamaan garis lurus. Garis regresi (seperti garis trend dan nilai tengah aritmatika) memiliki dua sifat matematis berikut : Resista Vikaliana, S. Si. MM 6/10/2021 58

Nilai dari a dan b pada persamaan regresi dapat dihitung dengan rumus berikut : Resista Vikaliana, S. Si. MM 6/10/2021 59

Penggunaan Persamaan Regresi dalam Peramalan Tujuan utama penggunaan persamaan regresi adalah untuk memperkirakan nilai dari variabel tak bebas pada nilai variabel bebas tertentu. Tentu saja, tidak mungkin untuk mengatakan dengan tepat. Resista Vikaliana, S. Si. MM 6/10/2021 60

Analisis Regresi Linear Resista Vikaliana, S. Si. MM 6/10/2021 61

Analisis Regresi Linear Resista Vikaliana, S. Si. MM 6/10/2021 62

Analisis Regresi Linear Resista Vikaliana, S. Si. MM 6/10/2021 63

Analisis Regresi Linear Resista Vikaliana, S. Si. MM 6/10/2021 64

Resista Vikaliana, S. Si. MM 6/10/2021 65

Analisis Regresi Linear Resista Vikaliana, S. Si. MM 6/10/2021 66

Contoh Kasus: Seorang manajer pemasaran akan meneliti apakah terdapat pengaruh iklan terhadap penjualan pada perusahaan-perusahaan di Kabupaten Water. Gold, untuk kepentingan penelitian tersebut diambil 8 perusahaan sejenis yang telah melakukan promosi. Resista Vikaliana, S. Si. MM 6/10/2021 67

1. Judul Pemecahan Pengaruh biaya promosi terhadap penjualan perusahaan. 2. Pertanyaan Penelitian o Apakah terdapat pengaruh positif biaya promosi terhadap penjualan perusahaan ? 3. Hipotesis o Terdapat pengaruh positif biaya promosi terhadap penjualan perusahaan. Resista Vikaliana, S. Si. MM 6/10/2021 68

4. Kriteria Penerimaan Hipotesis Ho Ha • : Tidak terdapat pengaruh positif biaya iklan terhadap penjualan perusahaan. : Terdapat pengaruh positif biaya iklan terhadap penjualan perusahaan. Ho diterima Jika b ≤ 0, t hitung ≤ tabel • Ha diterima Jika b > 0, t hitung > t tabel. Resista Vikaliana, S. Si. MM 6/10/2021 69

5. Sampel 8 perusahaan 6. Data Yang dikumpulkan Penjualan (Y) 64 61 84 70 88 92 72 77 Promosi (X) 20 16 34 23 27 32 18 22 Resista Vikaliana, S. Si. MM 6/10/2021 70

X 51 53 52 Y 49 54 55 39 38 47 35 47 50 49 43 43 46 39 49 50 50 Resista Vikaliana, S. Si. MM -Tentukan persamaan regresi liniernya! -Bila x=7, berapa nilai y? -Bila x adalah motivasi dan y adalah kinerja, interpretasikan hasil penghitungan di atas! 6/10/2021 71

KORELASI DAN REGRESI LINEAR BERGANDA Resista Vikaliana, S. Si. MM 6/10/2021 72

• Pendahuluan: Hubungan Linear Lebih dari Dua Variabel • Korelasi Linear Berganda • Regresi Linear Berganda Korelasi dan Regresi Linear Berganda M A T E R I Resista Vikaliana, S. Si. MM 6/10/2021 73

Operations Management Pendahuluan William J. Stevenson 8 th edition Resista Vikaliana, S. Si. MM 6/10/2021 74

REGRESI LINEAR BERGANDA • Konsep Terdapat dua variabel bebas X yang dapat mempengaruhi variabel terikat Y. • Contoh Pola Asuh X 1 Cara Belajar X 2 Resista Vikaliana, S. Si. MM Prestasi Belajar Y 6/10/2021 75

Hubungan Linear lebih dari dua variabel • Pada hubungan linear lebih dari dua variabel ini, perubahan satu variabel dipengaruhi oleh lebih dari satu variabel lain. • Secara fungsional Y = f (X 1, X 2, X 3, . . . , Xk) atau dalam persamaan matematis dituliskan • Y = a + b 1 X 1 + b 2 X 2 + b 3 X 3 +. . . + bk. Xk Resista Vikaliana, S. Si. MM 6/10/2021 76

Operations Management Korelasi Linear Berganda William J. Stevenson 8 th edition Resista Vikaliana, S. Si. MM 6/10/2021 77

KORELASI LINEAR BERGANDA • Rumus : 6/10/2021 Resista Vikaliana, S. Si. MM 78

PENGELUARAN, DAN BANYAKNYA ANGGOTA KELUARGA VARIABEL I Pengeluaran (Y) 3 Pendapatan (X 1) 5 Jumlah Anggota Keluarga (X 2) 4 RUMAH TANGGA II IV V VI 5 6 7 4 6 8 9 10 7 7 3 2 4 VII 9 11 5 Pertanyaan : 1. Carilah Nilai Koefisien Korelasinya ! 2. Jelaskan makna hubungannya ! Resista Vikaliana, S. Si. MM 6/10/2021 79

PENYELESAIAN No Y X 1 X 2 Y 2 X 12 X 22 X 1 Y X 2 Y X 1 X 2 1 3 5 4 9 25 16 15 12 20 2 5 8 3 25 64 9 40 15 24 3 6 9 2 36 81 4 54 12 18 4 7 10 3 49 100 9 70 21 30 5 4 7 2 16 49 4 28 8 14 6 6 7 4 36 49 16 42 24 28 7 9 11 5 81 121 25 99 45 55 Σ 40 57 23 252 489 83 348 137 189 Resista Vikaliana, S. Si. MM 80 6/1

• Berdasarkan hasil perhitungan diperoleh nilai Korelasi (R) = 0, 9686 ATAU 0, 97. • Nilai Korelasi (R) = 0, 97 bermakna bahwa hubungan kedua variabel X (X 1 dan X 2) sangat kuat karena nilai R mendekati 1. Resista Vikaliana, S. Si. MM 6/10/2021 81

KOEFISIEN DETERMINASI • Jika koefisien korelasi berganda dikuadratkan, diperoleh koefisien determinasi berganda yang disimbolkan dengan R 2. • Koefisien determinasi digunakan untuk mengukur besarnya sumbangan dari beberapa variabel X (X 1, X 2, X 3, . . . , Xn) terhadap naik turunnya (variasi perubahan) variabel Y. • Jika nilai koefisien determinasi dikalikan 100%, diperoleh persentase sumbangan variabel X terhadap naik turunnya (variasi perubahan) variabel Y. Resista Vikaliana, S. Si. MM 6/10/2021 82

Contoh : • Berdasarkan data contoh 2. Nilai koefisien R 2 = 93, 81 Y. 12 soal sebelumnya, atau 93, 81% memberi makna bahwa naik turunnya (variasi) tentukan : 1. 2. Nilai Koefisien Determinasi (R 2) Jelaskan apa maknanya ? Penyelesaian: Resista Vikaliana, S. Si. MM 6/10/2021 pengeluaran (Y) disebabkan oleh pendapatan (X 1) dan jumlah anggota keluarga (X 2) sebesar 93, 81% sedangkan sisanya sebesar 6, 19% disebabkan oleh faktor-faktor lainnya yang juga turut mempengaruhi pengeluaran (Y) tetapi tidak dimasukkan ke dalam persamaan regresi linear berganda. 83

Operations Management Regresi Linear Berganda William J. Stevenson 8 th edition Resista Vikaliana, S. Si. MM 6/10/2021 84

REGRESI LINEAR BERGANDA • Rumus • Y = • Y’ = • i = nilai observasi (data hasil pencatatan) nilai regresi 1, 2, …, n Resista Vikaliana, S. Si. MM 6/10/2021 85

REGRESI LINEAR BERGANDA Rumus Persamaan Regresi Linear Sederhana Y’ = b 0 + b 1 X 1 + b 2 X 2 b 0 b 1 b 2 = nilai Y’, jika X 1 = X 2 = 0 = besarnya kenaikan (penurunan) Y dalam satuan, jika X 1 naik (turun) satuan, sedangkan X 2 konstan = besarnya kenaikan (penurunan) Y dalam satuan, jika X 2 naik (turun) satuan, sedangkan X 1 konstan Resista Vikaliana, S. Si. MM 6/10/2021 86

REGRESI LINEAR BERGANDA Untuk menghitung b 0, b 1, b 2, …, bk digunakan Metode Kuadrat Terkecil dengan persamaan berikut. Penyelesaiannya diperoleh nilai b 0, b 1, b 2, …, bk. Resista Vikaliana, S. Si. MM 6/10/2021 87

REGRESI LINEAR BERGANDA • Misalnya, Variabel terikat ada 1, yaitu Y Variabel bebas ada 2 (k = 2), yaitu X 1 dan X 2 Penyelesaiannya diperoleh b 0, b 1, dan b 2 Persamaannya adalah Resista Vikaliana, S. Si. MM 6/10/2021 88

REGRESI LINEAR BERGANDA • Penyelesaiannya digunakan persamaan matriks Ab = H b = A-1 H • • A H b A-1 = = matriks (diketahui) vektor kolom (tidak diketahui) kebalikan (invers) dari matriks A Resista Vikaliana, S. Si. MM 6/10/2021 89

REGRESI LINEAR BERGANDA • Matriks 2 baris dan 2 kolom determinan A = det (A) = | A | = a 11 a 22 – a 12 a 21 • Contoh det (A) = | A | = a 11 a 22 – a 12 a 21 = 14 – 24 = -10 Resista Vikaliana, S. Si. MM 6/10/2021 90

REGRESI LINEAR BERGANDA • Matrisk 3 baris dan 3 kolom Resista Vikaliana, S. Si. MM 6/10/2021 91

REGRESI LINEAR BERGANDA • Contoh Resista Vikaliana, S. Si. MM 6/10/2021 92

Penggunaan matriks dalam 3 persamaan 3 variabel Resista Vikaliana, S. Si. MM 6/10/2021 93

REGRESI LINEAR BERGANDA • Contoh. Tentukan nilai b 1, b 2, dan b 3 Resista Vikaliana, S. Si. MM 6/10/2021 94

REGRESI LINEAR BERGANDA Resista Vikaliana, S. Si. MM 6/10/2021 95

Contoh (1) Data pengeluaran 10 rumah tangga, untuk pembelian barang tahan lama per minggu(Y), pendapatan per minggu (X 1), dan jumlah anggota keluarga (X 2) disajikan dalam tabel berikut. Jika suatu rumah tangga mempunyai pendapatan per minggu (X 1) Rp 11. 000, 00 dan jumlah anggota keluarga (X 2) 8 orang, berapa uang yang dikeluarkan untuk membeli barang-barang tahan lama tersebut. Resista Vikaliana, S. Si. MM Y X 1 X 2 23 10 7 7 2 3 15 4 2 17 6 4 23 8 6 22 7 5 10 4 3 14 6 3 20 7 4 19 6 3 6/10/2021 96

REGRESI LINEAR BERGANDA 6/10/2021 • Jawaban Y X 1 X 2 X 1 Y X 2 Y X 1 X 2 Y 2 X 1 2 X 2 2 23 10 7 230 161 70 529 100 49 7 2 3 14 21 6 49 4 9 15 4 2 60 30 8 225 16 4 17 6 4 102 68 24 289 36 16 23 8 6 184 138 48 529 64 36 22 7 5 154 110 35 484 49 25 10 4 3 40 30 12 100 16 9 14 6 3 84 42 18 196 36 9 20 7 4 140 80 28 400 49 16 19 6 3 114 57 18 361 36 9 170 60 40 1122 737 267 3162 406 182 Resista Vikaliana, S. Si. MM 97

REGRESI LINEAR BERGANDA • Jawaban Persamaan normal adalah Resista Vikaliana, S. Si. MM 6/10/2021 98

REGRESI LINEAR BERGANDA Jawaban Jadi suatu rumah tangga dengan pendapatan per minggu Rp 11. 000, 00 dan jumlah anggota keluarga 8 orang, diperkirakan mengeluarkan Rp 27. 500, 00 untuk pembelian barang-barang tahan lama. Resista Vikaliana, S. Si. MM 6/10/2021 99

Contoh (2) X 1 adalah persediaan modal (dalam jutaan rupiah), X 2 adalah biaya iklan (dalam jutaan rupiah), dan Y = penjualan (dalam jutaan rupiah). Tentukan nilai Y jika X 1 = 15 dan X 2 = 10. Resista Vikaliana, S. Si. MM Y X 1 X 2 2 1 2 5 2 3 9 4 4 13 6 4 16 8 6 19 10 8 20 14 13 21 16 13 6/10/2021 100

Soal-soal X 1 adalah persediaan modal (dalam jutaan rupiah), X 2 adalah biaya iklan (dalam jutaan rupiah), dan Y = penjualan (dalam jutaan rupiah). Tentukan nilai Y jika X 1 = 15 dan X 2 = 10. Resista Vikaliana, S. Si. MM Y 1 2 4 X 1 2 4 6 X 2 1 3 5 6 8 9 8 10 12 7 9 11 6/10/2021 101

Persiapan UAS • Rangkuman materi pada selembar kertas ukuran A 4 atau F 4 • Boleh menggunakan kalkulator • Mengumpulkan Tugas (Pengayaan) o Termasuk tugas UTS (Tugas di Lembar Tugas) Resista Vikaliana, S. Si. MM 6/10/2021 102

PRAKTIKUM PENGOLAHAN DATA DENGAN SPSS 23 Resista Vikaliana, S. Si. MM 6/10/2021 103

• Mengapa SPSS Resista Vikaliana, S. Si. MM ? Bahasa mudah dipahami Tampilan output lebih menarik Fasilitas analisis lengkap 6/10/2021 104

Cara Kerja SPSS Resista Vikaliana, S. Si. MM 6/10/2021 105

1968 Dibuat oleh tiga orang mahasiswa Stanford University 2011 dirilis versi 20 2012 dirilis versi 21. 2010 IBM merilis versi 19. 2014 IBM SPPS Statistics 22 dirilis 1984 muncul dengan versi PC dengan nama SPSS/ PC + dengan Windows. 2009 diakuisisi oleh IBM, versi 18, namanya menjadi PASW/ Predictive Analytical Software. 2015 dirilis versi terbaru SPSS IBM SPSS Statistics 23 atau SPSS 23. Tentang SPSS. . . 106 6/10/2021 Resista Vikaliana, S. Si. MM

* SPSS* PASW** SPSS*** *Statistical Package for the Social Sciences **Predictive Analytical Software. ***Statistical Product and Service Solution Resista Vikaliana, S. Si. MM 6/10/2021 107

Fitur Tambahan • Output interaktif pada smartphone atau aplikasi seperti Windows, Mac, Linux, i. Pod, i. Phone, i. Pad, Android, Windows 8, tablet • User dapat mengekspor output SPSS sebagai file as. mht dan dapat dibuka menggunakan IBM Cognos Mobile app • Presentasi tampilan output SPSS dengan cepat dan mudah • Simulasi model Monte Carlo yang akurat dengan adanya supporting tools untuk ALM/ Automatic Linear Modelling • Perbaikan performa dan kemampuan scalling dengan menggunakan IBM SPSS Stastics Server • Perbaikan kemampuan impor/ ekspor dari atau ke database • Adanya ODBC Pooling • Adanya Tabel Pivot untuk prosedur statistika non parametrik Resista Vikaliana, S. Si. MM 108 6/10/2021

• Data: Windows SPSS untuk menginput dan mendefinisikan data o. Data View o. Variable View • Syntax: Windows SPSS untuk menuliskan perintah bahasa pemrograman SPSS • Output: Windows untuk menampilkan output SPSS (viewer) o. Viewer menampilkan output SPSS, tabel dan chart dari hasil analisis yang dilakukan user. • Script: Windows SPSS yang digunakan user untuk membuat interface, manipulasi output objek dan menjalankan perintah dari syntax Window pada SPSS Resista Vikaliana, S. Si. MM 109 6/10/2021

• Data View o Kolom o Baris Data Editor • Variabel View o Name o Type o Width o Decimals o Label o Values o Missing o Column o Align o Measure o Role Resista Vikaliana, S. Si. MM 110 6/10/2021

• Dengan dua cara o Dengan membuka window data editor-data view- kemudian ketik data o Dengan membuka window data editor-variable view, kemudian identifikasi variabel data terlebih dahulu Input dan Menyimpan Data Resista Vikaliana, S. Si. MM 111 6/10/2021

Pengolahan Data dengan SPSS 23 • • Uji Validitas Uji Reliabilitas Uji Normalitas Analisis Statistik Deskriptif Uji Regresi Linier Sederhana Uji Koefisien Korelasi Uji Koefisien Determinasi Uji Hipotesis T Resista Vikaliana, S. Si. MM 6/10/2021 112

Uji Validitas Isi • Uji Validitas adalah: o Derajat ketepatan antara data di lapangan dengan data yang dilaporkan oleh periset • Dengan SPSS o Analyze-correlate-bivariate o Pearson-two tailed o Flag significant correlations (nilai-nilai yang signifikasn akan diberikan tanda sesuai level signifikan) o Tanda * Resista Vikaliana, S. Si. MM 6/10/2021 113

Uji Reliabilitas • Uji Reliabilitas o Suatu indikator cukup dapat dipercaya digunakan sebagai alat pengumpul data o Reliabilitas menunjukkan tingkat keterandalan o Reliabel: dapat dipercaya jadi dapat diandalkan • Alpha Cronbach o MS Excel • Varian Item (VAR) Jumlah Varian Item Jumlah Varian Total • Indeks reliabilitas (5/(5 -1))*(1 -(Jumlah varian item/ jumlah varian total)) o SPSS • Analyze – Scale- Reliability Analysis • Model Alpha dan Scale label (nama variabel) • OK • Koefisien Alpha Cronbach > 0, 7 RELIABEL Resista Vikaliana, S. Si. MM 6/10/2021 114

Uji Normalitas • Dengan Rasio Skewness dan Rasio Kurtosis o o o Analyze-Regression-Linier Save-Unstandardized Kembali ke Input Data, muncul unstandardized residual Analyze-descriptive (pindahkan nilai unstandardized residual ke variable-OK Interpretasi: • Rasio Skewness: Statistics / Std Deviasi • Rasio Kurtosis : statistics/ std deviasi • Kedua rasio menyatakan data terdistribusi normal apabila berkisar -2 s. d. +2 • Dengan K-S (Kolmogorov Smirnov) o Analyze-non parametric test-1 sampel KS o Test distribution-normal o Bila sig< 0, 05 dikatakan normal Resista Vikaliana, S. Si. MM 6/10/2021 115

Analisis Deskriptif Numeris • Untuk mengindikasikan bahwa ada penggambaran karakter suatu data. • Karakter data bisa dilihat dari ukuran nilai pusat dan ukuran dispersi/ penyebaran • Ukuran nilai pusat merupakan suatu data memusat atau mengumpul pada angka tertentu o Mean , Median, Modus, Kuartil • Ukuran penyebaran merupakan jauh dekatnya suatu data terhadap ukuran pusatnya. o Simpangan baku/ standar deviasi, variansi Resista Vikaliana, S. Si. MM 6/10/2021 116

Analisis Deskriptif Numeris • Nominal Type: string; Width: 20, abaikan yang lain • Gaji/ pendapatan Type: Dollar; Decimal: 0 abaikan kolom lain • Analyze –Descriptive Statistics – Explore • Dependent List: Gaji • Label Case by: Nominal • Statistics- Outliers- Continue • Explore-klik Descriptive dan Outliers Resista Vikaliana, S. Si. MM 6/10/2021 117

Regresi Linier Sederhana (lanjutan-SPSS ) • Analyze-Regression-Linear • Dependent tingkat kualitas • Independent harga • Statistics – Descriptive-Part and partial correlations • Confidence interval-Casewise diagnostic-Continue • Plots-Normal probability plot Resista Vikaliana, S. Si. MM 6/10/2021 118

Koefisien Korelasi dan Koefisien Determinasi • Lihat di Output: Model Summary • Koefisien Korelasi ditunjukkan oleh R • Koefisien Determinasi ditunjukkan oleh R 2/ R Square. o Nilai R Square dikalikan 100% merupakan persentase pengaruh variabel bebas/ independen terhadap variabel terikat/ dependen o Untuk korelasi pada regresi berganda, masing-masing variabel bisa dilihat pada Korelasi Bivariat Resista Vikaliana, S. Si. MM 6/10/2021 119

• Untuk memudahkan melakukan interpretasi mengenai kekuatan hubungan antara dua variabel dinilai dengan kriteria sebagai berikut (Sarwono: 2006): • 0 = Tidak ada korelasi antara dua variabel • >0 – 0, 25 = Korelasi sangat lemah • >0, 25 – 0, 5 = Korelasi cukup • >0, 5 – 0, 75 = Korelasi kuat • >0, 75 – 0, 99 = Korelasi sangat kuat • 1 = Korelasi sempurna • Uji T bisa dilihat pada Tabel Output Coefficient • Uji F bisa dilihat pada Tabel Output Anova Resista Vikaliana, S. Si. MM 6/10/2021 120

Resista Vikaliana, S. Si. MM 6/10/2021 121

• Dengan SPSS, analisis deskriptif data tersebut • Misal variabel bebasnya (X) adalah lama kerja dan variabel terikatnya (Y) adalah gaji. Buat regresi linearnya Resista Vikaliana, S. Si. MM 6/10/2021 122

Resista Vikaliana, S. Si. MM 6/10/2021 123