MODUL PRAKTIKUM STATISTIKA DENGAN SOFTWARE SPSS

1

LEMBAR PENGESAHAN

Modul Praktikum Statistika yang disusun oleh:

Nama : Anna Apriana Hidayanti, S.Si.,M.Si.

NIP : 1989042520220320011

Peserta Latsar CPNS Angkatan : 87

Jabatan : Dosen - Asisten Ahli

Unit Kerja : Universitas Mataram

telah diperiksa dan disetujui oleh Koordinator Dosen Mata Kuliah Statistika pada tanggal 21
November 2022 sebagai salah satu persyaratan pelatihan dasar CPNS untuk menjadi PNS dan
sebagai bentuk optimalisasi bahan ajar mata kuliah statistika di Program Studi Agribisnis Fakultas
Pertanian Universitas Mataram.

Menyetujui,
Koordinator Dosen Mata Kuliah Statistika,

Ir. Anwar., MP
NIP 196104081987031002

2

DAFTAR ISI

A. PENDAHULUAN………………………………………………………………………. 3
3
B. PENGANTAR SPSS …………………………………………………………………... 10
C.PAIRED SAMPLE T-TEST……………………………………………………………... 11
12
1. Contoh Kasus………………………………………………………………………… 13
2. Langkah Penyelesaian Kasus………………………………………………………… 21
24
A. Uji Normalitas……………………………………………………………………… 26
B. Paired Sample T-Test……………………………………………………………… 27
28
3. Pembahasan Hasil Output…………………………………………………………… 29
4. Latihan Soal………………………………………………………………................... 29
34
D. ANALISIS REGRESI SEDERHANA………………………………………………… 37
1. Contoh Kasus…………………………………………………….…………………... 40
41
2. Langkah Penyelesaian Kasus…………………………………………………………. 42
A. Uji Asumsi Klasik………………………………………………………………….. 42
43
B. Uji Analisis Regresi Sederhana …………………………………………………… 49
3. Pembahasan Hasil Output…………………………………………………………… 53
54
4. Latihan Soal………………………………………………………………………….. 55
E. ANALISIS REGRESI BERGANDA…………………………………………………

1. Contoh Kasus…………………………………………………………………………
2. Langkah Penyelesaian Kasus…………………………………………………………

A. Uji Asumsi Klasik…………………………………………………………………..
B. Uji Analisis Regresi Sederhana ……………………………………………………

3. Pembahasan Hasil Output……………………………………………………………
4. Latihan Soal…………………………………………………………………………...

F. DAFTAR PUSTAKA…………………………………………………………………

3

A. PENDAHULUAN

Statistika adalah ilmu yang berhubungan dengan pengumpulan data (collecting), analisis
data (analyze) dan penafsiran data (intepreting). Definisi statistika tersebut memberikan gambaran
bahwa statistika merupakan ilmu yang sangat erat hubungannya dengan data. Persoalan-persoalan
ekonomi, sosial dan eksakta dapat diselesaikan dengan menggunakan metode statistika yang
memerlukan data mengenai masalah tersebut.

1. Langkah-langkah dalam melakukan proses statistika sebagai berikut :
a) Pengumpulan Data (Collecting)

Cara yang digunakan untuk mengumpulkan data, misalnya melalui angket/ quesioner,
wawancara, informasi dari sumber, dan lain-lain.
b) Analisis Data (Analyze)
Langkah ini diperlukan untuk memperoleh gambaran mengenai karakter suatu obyek
dengan menggunakan seluruh data (populasi) atau sebagian data (sampel). Adapun konsep
statistika yang dapat digunakan untuk proses analisis ini, misalnya probabilitas, estimasi
statistika, uji hipotesis dan sebagainya.
c) Penafsiran Data (Intepreting)
Hasil analisis dapat digunakan untuk membuat taksiran terhadap karakteristik obyek yang
diteliti. Penafsiran ini dapat berupa kesimpulan atau keputusan statistik mengenai obyek
yang diteliti tersebut
2. Aplikasi ilmu statistika dapat dibagi dalam dua bagian, yaitu :
a) Statisttka Deskriptif merupakan bidang ilmu statistika yang mempelajari cara-cara
pengumpulan, penyusunan dan penyajian data dalam penelitian. Kegiatan yang termasuk
dalam kategori ini antara lain kegiatan pengumpulan data, pengelompokan data, penentuan
nilai dan fungsi statistik, pembuatan grafik, diagram dan gambar. Tujuan utama dari operasi
statistika deskriptif adalah memudahkan orang untuk membaca data serta memahami
maksudnya.
b) Statistika Inferensi/Induktif merupakan bidang ilmu statistika yang mempelajari cara-cara
penarikan suatu kesimpulan dari suatu populasi tertentu berdasarkan sebagian data (sampel)
yang dikumpulkan. Tindakan inferensi tersebut misalnya melakukan perkiraan, peramalan,
pengambilan keputusan dan sebagainya.

4

B. PENGANTAR SPSS
Untuk memasukan data secara langsung, anda dapat memasukan data terlebih dahulu
kemudian mendfinisi kan nama variabel. Untuk cara ini lanka yang haru di lakukan sebagai
berikut.
1. Tampilan SPSS

2. Dari menu pertama arahkan kursor pada sel yang di inginkan kemudian ketikan
data secara langsung kedalam sel-selnya seperti terlihat pada gambar dibawah ini

3. Langkah berikutnya adalah mengganti nama variabel yang sesuai. Misalkan Nama,
Tabungan, dan Umur. Untuk mengatur nama variabel tersebut, klik menu View >
Variable pada menu bar.
5

4. Gantilah default variabel SPSS yaitu var 0001 diganti dengan variabel nama, var 0002
diganti dengan variabel tabungan dan var 0003 diganti dengan variabel umur.

5. Jika ingin melihat efek dari pergantian variabel, klik Data View sehingga akan muncul
tampilan seperti gambar di bawah ini.

6

Anda dapat juga mendefinisikan variabel terlebih dahulu, kemudian memasukkan data.
Langkah-langkah yang harus dilakukan sebagai berikut.
1. Aktifkan Variable View
2. Isikan nama variabel pada kolom name seperti tampilan pada gambar berikut.

7

3. Atur kolom Type sesuai kebutuhan dengan melakukan klik pa tombol yang ada di sebelah
kanan tipe variabel sehingga muncul kotak dialog seperti pada gambar di bawah.
Selanjutnya pilihlah tipe data yang sesuai.

4. Klik tombol OK untuk melanjutkan atau Cancel kalau ingin membatalkan.
Selanjutnya Anda juga bisa melakukan pengaturan untuk kolom-kolom yang
menunjukkan karakteristik sebuah fungsi sebagai berikut.
• Kolom Width dapat diatur sesuai lebar yang dibutu suatu data. Kolom ini
digunakan untuk menentukan berapa digit atau karakter data yang
dapat dimasukkan.
• Kolom Decimal dapat diisi apabila data pada kolom tersebut bertipe
Numeric saja. Kolom ini digunakan untuk mengisi jumlah angka desimal
yang diinginkan (jumlah angka di belakang koma).
• Kolom Label digunakan untuk memberi penjelasan nilai-nilai individual
dengan labelnya.

8

• Kolom Values digunakan untuk memberi penjelasan nilai nilai individual
dengan labelnya.

• Kolom Columns digunakan untuk menentukan lebar kolom data.
• Kolom Align digunakan untuk mengatur dan menunjukkan tampilan data

rata kiri, kanan, atau tengah (center).
• Kolom Measure menunjukkan jenis pengukuran data apakah tipe data skala,

nominal, atau ordinal. Untuk data string hanya bisa digunakan measure
nominal dan ordinal, sedangkan untuk data numerik bisa memilih
ketiganya.
• Kolom Missing Values digunakan apabila dalam data yang akan diolah
terdapat data-data yang hilang atau tidak ada. Maksudnya apabila dalam
suatu file data terdapat data yang tidak tercatat dikarenakan sesuatu hal.
Misalkan pada kolom Missing diisi tanda 0.00 maka apabila dalam variabel
tersebut data yang diisikan adalah tanda 0.00 berarti data tersebut tidak ada.

9

C. PAIRED SAMPLE T-TEST,
Digunakan untuk membandingkan rata-rata dua variabel dalam satu grup. Dua sampel

dikatakan berpasangan jika pengambilan unit-unit sampel pertama memperhatikan bagaimana
unit-unit sampel kedua dipilih. Dengan kata lain, kedua sampel tersebut ada saling ketergantungan
atau berkorelasi positif. Keterkaitan kedua sampel pada kasus berpasangan ditentukan oleh suatu
peubah kontrol (control variable) misal lokasi, kemiringan lahan, tingkat pendidikan, kondisi
sosial ekonomi dan lain-lain. Ukuran contoh untuk kasus berpasangan harus sama yaitu sebesar
(n), dimana besaran n menunjukkan banyaknya pasangan yang dipilih. Kriteria pengambilan
keputusan sama dengan kasus satu populasi.

Kata paired berasal dari kata dasar “pair” yang artinya pasangan sehingga jika dikaitkan
dengan analisis data, maka paired sample t-test pastinya akan menggunakan data yang
“berpasangan”. Paired sample t-test adalah uji statistik yang membandingkan rata-rata dari dua
data dan berasal dari satu kelompok sampel. Artinya, tiap orang pada kelompok sampel tersebut
akan memberikan kontribusi pada data pertama dan data kedua. Paired sample t-test digunakan
untuk melihat apakah terdapat perbedaan signifikan antara dua kelompok data tersebut. Perlu
ditegaskan di sini bahwa dua kelompok data tersebut berasal dari satu kelompok sampel yang
sama.

Untuk melihat perbedaan dua populasi dari kasus dua contoh berpasangan dapat dilakukan
dengan secara langsung membedakan setiap obyek pada contoh satu dan contoh dua untuk setiap
pasangan. Langkah tersebut akan menghasilkan satu gugus data baru, yang nilai-nilainya
merupakan perbedaan contoh satu dengan contoh dua.

Pasangan 1 2 3 4 ..... n

Contoh 1 (X) X1 X2 X3 X4 ..... Xn

Contoh 2 (Y) Y1 Y2 Y3 Y4 ..... Yn

Di = X – Y D1 D2 D3 D4 ..... Dn

d = (Di – Md) d1 d2 d3 d4 ..... dn

(Di – Md)2 d12 d22 d32 d42 ..... dn2

10

Jika dimisalkan beda nilai tengah populasi dinotasikan dengan μ = μ1 = μ2 maka penduga
tak berbias dari μ adalah rata-rata dari beda dua contoh (Md), yang diperoleh dari : Md
= ∑ Di / n

Bentuk hipotesisnya dapat dibedakan menjadi tiga, yaitu :

1. Ho : μ ≥ μ0 vs H1 : μ < μ0

2. Ho : μ ≤ μ0 vs H1 : μ > μ0

3. Ho : μ = μ0 vs H1 : μ ≠ μ0

Statistik uji yang digunakan untuk menguji hipotesis-hipotesis tersebut adalah:

= 1 (∑ )2
⁄√ = √ − 1 {∑ 2 − }

Keterangan :

D = selisih nilai skor x1 dan x2

n = jumlah sampel

XD= rata-rata

Sd = standar deviasi D

1. Contoh Kasus :

Dilakukan sebuah penelitian oleh PT. GoldenFood ingin mengetahui ada tidaknya peningkatan
penjualan produk olahan rumput laut sebelum dan sesudah adanya pemasangan iklan melalui
media sosial. Data sebagai berikut :

Penjualan 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
minggu ke 129 130 140 110 112 150 90 70 85 110 114 70 150 140 110
Penjualan
sebelum 200 140 300 500 170 600 700 500 400 420 230 460 400 300 600
pemasangan
iklan (X1)
Penjualan
sesudah
pemasangan
iklan (X2)

11

Buktikan hipotesis berikut yang berbunyi “ Terdapat peningkatan penjualan setelah ada
pemasangan iklan”
H1 : terdapat peningkatan penjulan setelah ada pemasangan iklan
Ho : tidak ada peningkatan penjualan setelah ada pemasangan iklan

2. Langkah Penyelesaian Kasus :

Teknik analisis data paired sample t-test merupakan uji parametrik. Sehingga, sebelum melakukan
pengujian, terlebih dahulu hendak dipastikan bahwa data telah memenuhi asumsi-asumsi tertentu.
Hal ini sangat penting untuk dilakukan karena mempengaruhi keabsahan dari kesimpulan yang
diperoleh.
Adapun asumsi-asumsi prasyarat dari paired sample t-test adalah sebagai berikut.

1. Setiap pengukuran yang berpasangan harus ditentukan dari subjek yang sama.
2. Variabel uji (terikat) berupa data kontinu, baik berupa interval maupun ratio.
3. Tiap subjek (anggota sampel) harus saling bebas, yaitu pengukuran untuk suatu subjek

tidak dipengaruhi oleh pengukuran untuk subjek lainnya.
4. Data (post-pre) berdistribusi normal.
Sehingga langkah awal sebelum menguji Paired t test kita harus menguji data apakah memenuhi
uji asumsi klasik yaitu uji normalitas

12

A. Uji Normalitas
1. Masukkan data pada Excel

2. Bukalah software SPSS, pilih Variable View isikan Data_Penjualan dan kelas lalu pilih
Decimal (0) berapa angka di belakang koma , karena dalam kasus tidak ada angka di
belakang koma sehingga 0 dipilih lalu tulis pada label Penjualan sebelum dan sesudah dan
kelas. Serta memiliah skala data pada measure yaitu Scale.

13

3. Klik values pada bagian kelas
4. Lalu, akan tampil seperti gambar dibawah ini

14

5. Isi kolom value dengan kode 1 dan kolom label penjualan sebelum pemasangan iklan klik
add, lalu masukan value selanjutnya dengan kode 1 dengan label penjualan sesudah
pemasangan iklan klik add lalu Ok

6. Isi kolom value dengan kode 2 dan kolom label penjualan sesudah pemasangan iklan klik
add, lalu masukan value selanjutnya dengan kode 2 dengan label penjualan sesudah
pemasangan iklan klik add lalu Ok

15

7. Klik Data View
8. Masukan kelas data /kode pada data penjualan sebelum pemasangan iklan dengan

kode/kelas 1, seperti digambar

16

9. Masukan kelas data /kode pada data penjualan sesudah pemasangan iklan dengan
kode/kelas 2, seperti digambar

10. Klik Analyze lalu Decriptive Statistic kemuadian Explore

17

11. Sehingga terlihat seperti tampilan pada gambar di bawah ini
12. Masukkan data penjualan pada dependent list lalu kelas pada factor list

18

13. Klik Plots lalu centang Steam and Leaf dan Normality Plots With Test
14. Output akan keluar seperti pada gambar dibawah ini

19

15. Hasil uji asumsi klasik uji normalitas dapat dilihat pada tabel Test of normality

Terlihat pada tabel nilai sig. pada uji Shapiro -Wilk adalah 0,276 dan 0,750 sehingga sesuai dengan
Dasar pengambilan Keputusan dalam uji Normalitas Kolmogorov-Smirnov dan Shaporo-wilk
(data kurang dari 30)

• Jika nilai signifikansi (sig) >0,05 maka data berdistribusi normal
• Jika nilai signifikansi (sig) < 0,05 maka data penelitian tidak berdistribusi normal
maka dapat di simpulkan bahwa data penelitian berdistribusi normal karena nilai sig > 0,05,
sehingga dapat dilanjutkan dengan uji Paired T test

20

B. Uji Paired Sample T test
1. Buka SPSS aktifkan Variable View kemudian isi kolom-kolom yang tersedia
sehingga hasilnya Nampak seperti gambar di bawah ini

2. Masukan data di atas sehingga hasilnya Nampak seperti pada gambar di bawah ini

21

3. Klik menu Analyze, pilih Compare Means dan pilih Paired Sample T test
4. Kemudian, dengan cara mengklik “penjualan sebelum” masuk ke kolom Paired
Variabels akan masuk ke Variabel 1, seperti pada gambar di bawah ini

22

5. .Kemudian, dengan cara mengklik “penjualan sesudah” masuk ke kolom Paired Variabels
akan masuk ke Variabel 2, seperti pada gambar di bawah ini

6. Output akan tampil seperti dibawah ini

23

7. Hasil output yang akan dibahas

C. Pembahasan hasil output SPSS
1. Pada tabel (paired samples statistics) menunjukkan perbedaan rata-rata (mean)
antara penjualan sebelum pemasangan iklan (X1) sebesar 114 kasus, kasus yang di
analisis sebanyak N= 15 , St Deviation (Simpangan baku =26,41) dan rata-rata
(mean) penjualan sesudah pemasangan iklan (X2) sebesar 394, 67: kasus yang di
analisis sebanyak N= 15 dan STD. Deviation /simpangan baku =196,66
2. Pada tabel (Paired Samples Correlations) menunjukkan besarnya korelasi antara
X1 dengan X2 yaitu sebesar -0,322 dengan taraf signifikansi 0,24.
Hipotesis :
H1 : Terdapat peningkatan penjualan setelah ada pemasangan iklan
Ho : Tidak ada peningkatan penjualan setelah ada pemasangan iklan

24

Kaidah Keputusan :
• jika a = 0,05 lebih kecil atau sama dengan nilai Sig. atau (a=0,05 < Sig),
maka Ho diterima dan H1 ditolak
• jika a = 0,05 lebih besar atau sama dengan nilai sig. atau (a =0,05 > sig )
maka H1 diterima Ho ditolak .
Ternyata a =0,05 lebih kecil dari nilai Sig atau (0,05 < 0,241) maka Ho
diterima dan H1 ditolak , artinya Tidak ada peningkatan penjualan setelah
ada pemasangan iklan

3. Pada tabel (Paired Samples Test) menunjukkan nilai t hitung sebesar -6,042 dengan
tingkat signifikasi (2-tailed) = 0,000 dengan df= N-1 = 15-1 =14 sehingga nilai t
tabel = 2,145 pada taraf sigbifikasi ( a= 0,05). untuk membuat keputusan apakah
hipotesis yang diajukan diterima atau ditolak, maka dilakukan dengancara sebagai
berikut :
H1 : Terdapat peningkatan penjualan setelah ada pemasangan iklan
Ho : Tidak ada peningkatan penjualan setelah ada pemasangan iklan
Kaidah keputusan :
jika thitung > t tabel maka H1 diterima dan Ho ditolak
sebaliknya jika t hitung < t tabel atau -6,042 < 2,145, maka Ho diterima dan Ho
ditolak. Jadi, tidak ada peningkatan penjualan setelah ada pemasangan iklan.

25

3. Latihan Soal :

Sebuah penelitian dilakukan untuk mengetahui ada tidaknya perbedaan produktivitas
kinerja pegawai pabrik kelapa sawit antara sebelumdan sesudah diberi pelatihan tentang
penggunaan mesin ekstraksi minyak . berdasarkan 40 sampel pegawai yang dipilih secara
acak diperoleh hasil sebagai berikut

N Produktivitas Kerja N Produktivitas Kerja

Pegawai Pegawai

Sebelum Sesudah Sebelum Sesudah

1 75 85 21 75 75
22 80 85
2 80 90 23 70 80
24 90 95
3 65 75 25 70 75
26 75 85
4 70 75 27 80 90

5 75 75

6 80 90

7 65 70

8 80 85 28 65 75
29 70 75
9 90 90 30 75 75
31 80 90
10 75 70 32 65 70
33 80 85
11 60 65 34 90 95
35 75 70
12 70 75 36 60 65
37 70 75
13 75 85 38 75 85

14 70 65

15 80 95

16 65 65

17 75 80

18 70 80

19 80 90 39 70 65
40 80 95
20 65 60

buktikan hipotesis yang berbunyi “terdapat perbedaan nilai produktivitas kerja pegawai antara
sebelum dan sesudah diberi pelatihan tentang mesin ektraksi” kerjakan secara berkelompok.

26

D. ANALISIS REGRESI SEDERHANA
Analisis regresi digunakan terutama untuk tujuan peramalan, dimana dalam model tersebut

ada sebuah variabel dependen dan variabel independen. Dalam praktek, akan dibahas bagaimana
hubungan antara biaya promosi dan biaya iklan terhadap penjualan. Di sini berarti ada variabel
dependen, yaitu penjualan, sedangkan variabel independennya adalah biaya promosi. Metode
korelasi akan membahas keeratan hubungan, dalam hal ini keeratan hubungan antara biaya
promosi dan biaya iklan terhadap penjualan. Sedang metode regresi akan membahas prediksi
(peramalan), dalam hal ini apakah penjualan di masa mendatang bisa diramalkan jika biaya
promosi dan biaya iklan diketahui.

Kita asumsikan terdapat hubungan yang linier antara penjualan dan biaya promosi.
Hubungan linier kedua variabel dapat kita tulis dalam persamaan regresi berikut :

Yi = a + b Xi

Keterangan : a = konstanta (intercept) atau titik potong

b = koefisien arah regresi (slope)

Rumus : a = (Y )( X 2 ) − ( X )( XY ) atau a = ∑ Y/n – b ∑ X/n
− ( X )2
n X 2

b = n XY − ( X )(Y )
n X 2 − ( X )2

27

1. Contoh Kasus :

PT Manunggal Jaya yang memproduksi pupuk Urea briket dan pupuk SP-36 dalam usaha

meperkenalkan produk-produknya, melakukan promosi gencar di seluruh daerah yang dianggap

potensial. Setelah beberapa bulan, manajer pemasaran perusahaan tersebut ingin mengetahui

apakah promosi yang selama ini dilakukan sudah efektif untuk mempengaruhi penjualan produk-

produknya. Untuk itu manajer tersebut mengambil data biaya promosi yang telah dikeluarkan dan

penjualan bulanan dari 25 daerah yang dianggap potensial. Data hasil penelitian sebagai berikut.

A BC

1 DAERAH PROMOSI (X) SALES (Y)
2 (JUTA Rp) (JUTA Rp)

3 Jakarta Pusat 12.5 145.3

4 Jakarta Barat 14.9 159.5

5 Jakarta Timur 11.6 140.2

6 Jakarta Utara 17.5 195.2

7 Jakarta Selatan 12.4 140.6

8 Tangerang 10.5 100.6

9 Bekasi 8.6 95.8

10 Bogor 9.3 99.5

11 Bandung 7.5 87.6

12 Cirebon 8.5 90.5

13 Semarang 9.4 98.6

14 Surakarta 5.6 75.8

15 Yogyakarta 5.8 78.6

16 Surabaya 11.5 141.2

17 Malang 6.5 81.5

18 Denpasar 9.8 95.4

19 Medan 11.9 148.6

20 Padang 6.2 86.4

21 Palembang 5.8 77.9

22 Pekanbaru 4.6 70.9

23 Pontianak 8.2 91.5

24 Samarinda 5.6 75.1

25 Manado 4.6 72.6

26 Balik Papan 7.5 86.4

27 Ujung Pandang 9.8 100.5

Sebelum mendapatkan model dalam perhitungan analisis regresi sederhana, harus

memenuhi uji asumsi klasik yakni,

1. Uji normalitas : uji normalitas bertujuan untuk menguji apakah dalam model regresi,

variabel pengganggu atau residual memiliki distribusi normal. Kalua uji normalitas ini

dilanggar maka uji statistic menjadi tidal valid untuk jumlah sampel yang kecil. Analisis

28

data mensyaratkan data berdistribusi normal untuk menghindari bias dalam analisis
data. Data tidak normal harus dibuang karena menimbulkan bias dalam interpretasi dan
mempengaruhi data lainnya sebagai contoh penduduk Indonesia yaitu 165 cm, 168 cm,
166 cm, 163 cm, 164 cm, 166 cm, 112 cm, nilai 112 cm merupakan data outlier (tidak
normal)
2. Uji heteroskesdastisitas adalah suatu kondisi dimana sebaran atau variance dari tidak
konstan sepanjang observasi. Jika harga X makin besar makin besar maka sebaran Y
makin lebar atau makin sempit. Salah satu cara untuk melihat adanya problem
heteroskesdastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel
terikat (ZPRED) dengan residualnya (SRESID) . cara menganalisisnya adalah sebagai
berikut :

a. Dengan melihat apakah titik-titik memiliki pola tertentu yang teratur seperti
bergelombang, melebar, kemudian menyempit. Jika terjadi maka
mengindikasikan terdapat heteroskesdastisitas

b. Jika tidak terdapat pola tertentu yang jelas serta titik-titik menyebar di atas dan
di bawah angka 10 pada sumbu Y maka mengindikasikan tidak terjadi lagi

2. Langkah Penyelesaian Kasus

A. Uji Normalitas Dan Uji Heteroskesdastisitas
1. Bukalah SPSS klik variable View

29

2. Selanjutnya isikan nama variable, dalam kasus ini Sales sebagai variabel dependent dan
promosi sebagai variable independent. Lalu pilih measure dan Scale karena data kita
masuk dalam kategori data ratio data yang telah diolah dalam penjumlahan

3. Pilih decimal, menjadi 1 maknanya adalah jumlah angka dibelakang koma dadi data
dalam kasus ini terlihat hanya 1 angka dibelang koma

4. Kembali ke Data View. Terlihat bahawa judul sudah sesuai dengan yang telah kita
isikan pada kolom Variable View yaitu sales dan promosi

30

5. Masukan data dengan beberapa cara bias dengan mengetik langsung pada SPSS, import
data melalui excel dan copy paste langsung dari excel . perlu diingat data dalam SPSS
menggunkan titik sebagaipengganti koma

6. Terlihat data sudah siap di analisis lebih lanjut

31

7. Klik analyze lalu pilih regression dan linier

8. Pada menu linier Regresion isikan Sales(Y) pada kotak Dependent dan Promosi (X)
pada kotak Independent(s) dan pada kotak Method pilih Enter.

32

9. Klik plots dan isikan SRESID pada Y dan ZPRED pada X,lalu pilih histogram dan
Normal Probability Plots pada Standardized Residual Olots, maka akan muncul seperti
pada gambar di bawah ini. Lalu continue dan oke

33

10. Maka hasil output akan muncul seperti gambar dibawah ini :

11. Untuk uji asumsi klasik normalitas dilihat dari histogram dan grafik P-P Plots terlihat
bahwa histogram membentuk lonceng menunjukkan pola distribusi mendekati normal
dan pada grafik P-P Plots penyebaran titik-titik di sekitar garis diagonal dan mengikuti
arah garis diagonal mengindentifikasikan model regresi memenuhi asumsi normalitas.

34

12. Untuk uji asumsi klasik uji heteroskesdastisitas dengan melihat sebaran titik -titik yang
acak baik di atas mamupun di bawah angka 0 dari sumbu Y dapat disimpulkan bahwa
tidak terjadi heteroskesdastisitas

35

B. Tahapan Analisis Regresi Sederhana
1. Klik analyze lalu pilih regression dan linier

2. Pada menu linier Regresion isikan Sales(Y) pada kotak Dependent dan Promosi (X)
pada kotak Independent(s) dan pada kotak Method pilih Enter.

3. Klik Statistic lalu centang pada Estimates dan Model Fit kemudian Klik Continue dan
Ok

36

4. Akan keluar output seperti gambar dibawah ini

2. Pembahasan Output SPSS

1. Pada hasil output di Variabel Entered/Removed atas menjelaskan mengenai variabel yang
di masukkan atau dibuang dan metode yang digunkan . dalam hal ini variabel yang
dimasukan adalah data promosi

37

2. Pada hasil output di tabel Model Summary .pada tabel dibawah ini menjelaskan besarnya
nilai korelasi /hubungan ( R ) yaitu sebesar 0,959 dan dijelaskan bahwa besarnya persentase
pengaruh variabel bebas terhadap variabel terikat yang disebut koefisien determinasi yang
merupakan hasil pengkuadratan R. dari outout tersebut diperoleh koefisien dterminasi (R2)
sebesar 92 % yang mengandung pengertian bahwa variasi pada Sales PT Sehat Terus bisa
dijelaskan oleh variasi pada biaya promosi yang dikeluarkan. Sedang sisanya (100 % - 92
% atau 8 %) dijelaskan oleh variasi-variasi yang lain (misal variasi pada kebijakan harga,
jumlah outlet dan sebagainya).

3. Persamaan Regresi Sederhana dan analisisnya dari tabel Coefficient adalah
Y = 18,227 + 9,642 X

Interpretasinya, intercept atau konstanta sebesar 18,227 artinya tanpa adanya promosi,
penjualan dari produk PT Sehat Terus adalah 18,227 juta. (Rp. 18.227.000)
Koefisien regresi 9,642 artinya setiap kenaikan biaya promosi sebesar satu juta rupiah akan
meningkatkan sales sebesar 9,642 juta Rupiah. Perhatikan hubungannya dengan tanda ‘+’.
Dan arah hubungan: dari persamaan terlihat adanya tanda ‘+’ yang menggambarkan hubungan
yang positif, atau dalam hal ini peningkatan variabel X (promosi) akan meningkatkan variabel
Y (Sales). Tanda ‘+’ juga berarti garis regresi yang tergambar bersifat miring ke kanan atas.

38

Pengambilan Keputusan:
Sebelumnya telah dijelaskan pada materi pengujian hipotesis dalam uji t, untuk membuat hipotesis
sebelum menguji signifikasi dalam uji t. dalam kasus ini akan dibuatkan hipotesis :

Ho : biaya promosi tidak berpengarus signifikan terhadap sales
H1 : biaya promosi berpengaruh signifikan terhadap sales
• Dengan membandingkan t tabel dan t hitung:
Karena t hitung (+16,303) lebih besar dari t tabel (+2,064) maka Ho ditolak, atau biaya
promosi benar-benar mempengaruhi sales secara signifikan.
Nilai t tabel dilihat dari tabel t ( , − − 1) dengan n adalah jumlah data/responden

2

dan k jumlah variabelnya sehingga di dapatkan (0,025, 25-2-1 )= 2,073

• Dengan melihat nilai probabilitas (p-value):
Karena p-value hasil perhitungan dari komputer adalah 0.000 yang jauh lebih kecil dari
0,05, maka Ho ditolak atau promosi memang berpengaruh nyata terhadap sales PT
Sehat Terus.

39

3. Latihan Soal

Sebuah penelitian dilakukan untuk mengetahui apakah ada pengaruh biaya produksi dan promosi
terhadap hasil penjualan perusahaan sabun sirih. Angket disebar kepada 40 pelanggan secara
random dan diperoleh data sebagai berikut :

X1 = biaya produksi (jutaan)
Y = hasil penjualaan (jutaan)

N X1 Y
1 60 45
2 30 34
3 78 70
4 68 68
5 50 48
6 30 27
7 40 46
8 54 57
9 58 60
10 26 31
11 78 74
12 45 45
13 47 55
14 43 40
15 57 56
16 53 55
17 77 70
18 49 47
19 59 55
20 34 36

40

E. ANALISIS REGRESI BERGANDA
Seperti telah diuraikan sebelumnya, jika pada regresi sederhana hanya ada satu variabel

dependen (Y) dan satu variabel independen (X), maka pada kasus regresi berganda, ada satu
variabel dependen dan lebih dari satu veriabel independen. Dalam praktek bisnis, regresi berganda
justru lebih banyak digunakan, selain karena banyaknya variabel dalam bisnis yang perlu dianalisis
bersama, juga karena ada banyak kasus regresi berganda lebih relevan digunakan.

Dalam banyak kasus bisnis yang menggunakan regresi berganda, jumlah variabel dependen
berkisar dua sampai empat variabel. Walaupun secara teoritis bisa digunakan banyak variabel
bebas, namun penggunaan lebih dari tujuh variabel independen dianggap akan tidak efektif.

Hubungan peubah-peubah dalam regresi berganda dapat dituliskan dalam bentuk
persamaan:
= 0 + 1 1 + 2 2 + ⋯ + −1 , −1 +

Y = Peubah tak bebas, X = Peubah bebas, 0 = intersept/perpotongan dengan sumbu tegak, 1, 2,

...., p−1 = parameter model regresi, i saling bebas dan menyebar normal N(0,2), dimana i = 1, 2,

…, n Yˆi = b0 + b1 X i1 + b2 X i2 + + bp−1 X i, p−1
Persamaan regresi dugaannya adalah :

Hipotesis yang harus diuji dalam analisis regresi ganda adalah
H0 : 1 = 2 = … = k= 0
H1 : Tidak semua i (i = 1, 2,…,k) sama dengan nol

Untuk mengestimasi atau menduga koefisien regresi bo, b1, b2, ……. bk digunakan
persamaan berikut :

   nb0 + b1 X1i + b2 X 2i +...+ bk X ki = Yi

    b0 X1i + b1 X1i2 +b2 X1i X 2i +... + bk X1i X ki = X1iYi

    b0 2
X 2i + b1 X1i X 2i +b2 X 2i +... + bk X 2i X ki = X 2iYi

…………………

    b0 2
X ki + b1 X1i X ki +b2 X 2i X ki +... + bk X k i = X kiYi

Untuk melakukan pendugaan parameter model regresi berganda dan menguji signifikansinya

dapat dilakukan secara manual (metode eliminasi) atau dengan bantuan software SPSS

41

1. Contoh Kasus :

PT Manunggal Jaya yang memproduksi pupuk Urea briket dan pupuk SP-36 (lihat kasus regresi

sederhana) dalam usaha memperkenalkan produk-produknya, melakukan promosi gencar di

seluruh daerah yang dianggap potensial. Setelah beberapa bulan, manajer pemasaran perusahaan

tersebut ingin mengetahui apakah promosi yang selama ini dilakukan sudah efektif untuk

mempengaruhi penjualan produk-produknya. Untuk itu, manajer tersebut mengumpulkan data

sebagai berikut (dalam satu periode tertentu):

• Biaya promosi seperti iklan, sales promotion dan sebagainya (X1).

• Luas outlet yang disewa pada pusat perbelanjaan di tiap daerah (X2).

• Pelanggan yang datang tercatat pada tiap outlet (X3).

• Sales atau penjualan produk PT Manunggal Jaya (Y)

A B C D E
1 Promosi Luas Outlet Pengunjung Sales
2 Daerah
3 Jakarta Pusat (JUTA Rp) (m2) ORANG (JUTA Rp)
4 Jakarta Barat 12.5 100 1245 145
5 Jakarta Timur 14.9 75 1458 160
6 Jakarta Utara 11.6 110 2250 140
7 Jakarta Selatan 17.5 80 2145 195
8 Tangerang 12.4 85 2596 141
9 Bekasi 10.5 100 2541 101
10 Bogor 8.6 50 500 95.8
11 Bandung 9.3 60 650 99.5
12 Cirebon 7.5 55 450 87.6
13 Semarang 8.5 60 550 90.5
14 Surakarta 9.4 100 650 98.6
15 Yogyakarta 5.6 80 400 75.8
16 Surabaya 5.8 86 500 78.6
17 Malang 11.5 90 1100 141
18 Denpasar 6.5 55 600 81.5
19 Medan 9.8 40 900 95.4
20 Padang 11.9 110 1200 149
21 Palembang 6.2 80 450 86.4
22 Pekanbaru 5.8 60 400 77.9
23 Pontianak 4.6 55 450 70.9
24 Samarinda 8.2 70 750 91.5
25 Manado 5.6 90 500 75.1
26 Balikpapan 4.6 50 650 72.6
27 Ujung Pandang 7.5 60 700 86.4
9.8 80 900 100.5

42

Sebelum mendapatkan model dalam perhitungan analisis regresi berganda seperti analisis regresi
sederhana, harus memenuhi uji asumsi klasik yakni :

1. Uji Normalitas : uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel pengganggu atau residual memiliki distribusi normal. Kalua uji
normalitas ini dilanggar maka uji statistic menjadi tidal valid untuk jumlah sampel
yang kecil. Analisis data mensyaratkan data berdistribusi normal untuk
menghindari bias dalam analisis data. Data tidak normal harus dibuang karena
menimbulkan bias dalam interpretasi dan mempengaruhi data lainnya sebagai
contoh penduduk Indonesia yaitu 165 cm, 168 cm, 166 cm, 163 cm, 164 cm, 166
cm, 112 cm, nilai 112 cm merupakan data outlier (tidak normal)

2. Uji heteroskesdastisitas adalah suatu kondisi dimana sebaran atau variance dari
tidak konstan sepanjang observasi. Jika harga X makin besar makin besar maka
sebaran Y makin lebar atau makin sempit. Salah satu cara untuk melihat adanya
problem heteroskesdastisitas adalah dengan melihat grafik plot antara nilai prediksi
variabel terikat (ZPRED) dengan residualnya (SRESID) . cara menganalisisnya
adalah sebagai berikut :
a. Dengan melihat apakah titik-titik memiliki pola tertentu yang teratur
seperti bergelombang, melebar, kemudian menyempit. Jika terjadi maka
mengindikasikan terdapat heteroskesdastisitas
b. Jika tidak terdapat pola tertentu yang jelas serta titik-titik menyebar di
atas dan di bawah angka 10 pada sumbu Y maka mengindikasikan tidak
terjadi lagi

3. Uji Multikolineritas merupakan uji yang ditunjukkan untuk menguji apakah model
regresi ditemukan adanya korelasi antar variabel bebas (variabel independent)
model uji regresi yang baik selayaknya tidak terjadi multikolineritas.

43

2. Langkah-langkah Perhitungan
A. Uji Normalitas, Uji Heteroskesdastisitas dan Uji Multikolineritas
1. Buka SPSS dan klik Variable Views dalam kasus ini Sales sebagai variabel
dependent dan promosi (X1), luas outlet (X2), Pengunjung (X3) sebagai variable
independent. Lalu pilih measure dan Scale karena data kita masuk dalam kategori
data ratio data yang telah diolah dalam penjumlahan. Pilih decimal untuk sesuaikan

2. Masukan data pada Data View

44

3. Klik Analyze lalu pilih Regression dan pilih linier

4. Pada bagian Linier Regression, klik (masukan) sales pada menu Dependent, biaya
Promosi, luas outlet dan pengunjung pada menu independent (s), dan pada kotak
Method pilih Enter , terlihat pada gambar dibawah ini

45

5. Klik Plots dan isikan SRESID pada Y dan ZPRED pada X, lalu pilih Histogram
dan Normal Probability Plot pada Standardized Residual Plots, maka akan muncul
seperti pada gambar di bawah ini

6. Klik Statistics dan akan muncul Window Linier Regression Statistics lalu klik
Estimates, Covariance matrix, Model Fit, Collinearity diagnostics lalu klik
Continue dan klik Ok.

46

7. Akan tampil output seperti gambar dibawah ini
47

8. Terlihat dari gambar histogram dan Normal P-P Plot terlihat bahwa histogram
membentuk lonceng menunjukkan pola distribusi mendekati normal dan pada
grafik P-P Plots penyebaran titik-titik di sekitar garis diagonal dan mengikuti arah
garis diagonal mengindentifikasikan model regresi memenuhi asumsi normalitas.

48

9. Untuk uji asumsi klasik uji heteroskesdastisitas dengan melihat sebaran titik -titik
yang acak baik di atas mamupun di bawah angka 0 dari sumbu Y dapat disimpulkan
bahwa tidak terjadi heteroskesdastisitas

10. Terlihat output Coefficientsuntuk melihat analisis uji multikolineritas berdasarkan
nilai VIF diketahuai untuk setiap variabel independent nya adalah 2.257, 1,372,
dan 2. 539 untuk setiap nilai lebih kecil (<) 10 sehingga memenuhi lolos uji
asumsi multikolineritas

Karena data sudah memenuhi uji asumsi klasik normalitas, heteroskesdastisitas dan uji
multikolineritas sehingga data layak diuji Analisis Regresi berganda

49

B. Uji Analisis Regresi Berganda
1. Melanjutkan data pada uji asumsi klasik, Klik Statistic lalu pilih Estimates , Model Fit ,

Descriptive , pada menu Residual Klik Casewise Diagnostic dan All Cases, lalu klik
Continue dan Ok akan terlihat seperti gambar dibawah ini

50