WWW.ILMUSTATISTIK.COM
Pada bagian ini akan dibahas dua contoh inferensia statistik yaitu analisis korelasi linier sederhana dan analisis regresi linier sederhana.
Untuk mempermudah penjelasan, kita gunakan data di bawah ini :
Pendapatan : 4 5 4 6 4 5 4 6 7 5
Pengeluaran : 1 2 3 2 2 3 2 4 4 2
1. Korelasi Linier Sederhana
Pada data editor masukan peubah pendptn dan penglrn, kemudian input semua datanya. Berikutnya pilih Analyze - Correlate - Bivariate. Pada layar akan muncul :
Klik pendptn kemudian tekan shift tahan dan klik penglrn. Klik tanda segitiga untuk memindahkan peubah tadi ke kotak Variables. Di tengah terdapat tulisan Correlation Coefficients, pilihlan Pearson untuk korelasi produk momen pearson, atau Kendall’s tau-b untuk korelasi Tau Kendall, atau Spearman untuk korelasi peringkat spearman. Kemudian di bagian bawah terdapat Tulisan Test of Significance, pilihlah Two-tailed untuk pengujian dua arah, atau pilih One-tailed untuk pengujian satu arah. Berikutnya klik OK.
Output dari analisis diatas ialah sebagai berikut :
Dari output di atas dapat ditentukan bahwa nilai r = 0.651. Kemudian dapat disimpulkan bahwa antara peubah pendapatan dan pengeluaran terdapat hubungan yang kuat dan searah karena P-value = Sig (2-tailed)=0.042 lebih kecil dari taraf nyata = alpha = 5%.
2. Regresi Linier Sederhana
Untuk menentukan hubungan matematis yang linier antara 2 peubah maka dilakukan analisis regresi linier sederhana. Hasil dari suatu analisis regresi linier sederhana adalah persamaan linier Y = a + bX. Pada contoh di atas kita misalkan bahwa pengeluaran merupakan fungsi dari pendapatan sehingga persamaan yang akan dibentuk ialah penglrn = a + b pendptn.
Pada data editor sesudah data diinput semua, pilihlah Analyze - Regression - Linear … Pada layar akan muncul gambar berikut :
Pindahkan peubah pendptn ke kotak Independent(s) dan peubah penglrn ke kotak Dependent.
Kemudian Klik OK.
Pada layar akan nampak output window sebagai berikut :
R-square menunjukan seberapa besar keragaman dalam nilai Y dipengaruhi oleh hubungan liniernya dengan X. Atau dengan bahasa sederhananya seberapa bagus persamaan linier yang sudah dibentuk. Semakin tinggi R-square (makin mendekati nilai 1) semakin bagus persamaan liniernya. Tidak ada patokan yang pasti untuk menunjukan suatu regresi bagus atau tidak namun sebagai ancar-ancar nilai R-square 0.70 sudah memadai.
Kemudian tulisan Sig. atau Significance atau P-value = 0.042 digunakan untuk menguji apakah parameter regresi b sama dengan nol atau tidak. Jika P-value lebih kecil dari 0.05 maka tolak H0 artinya parameter regresi b tidak sama dengan nol.
Persamaan regresi yang terbentuk adalah penglrn = -0.5 + 0.6 pendptn ;atau Y = -0.5 + 0.6 X ; Nilai konstanta -0.5 dan statistik 0.6 kemudian diuji apakah berbeda nyata dengan 0 atau tidak. Caranya dengan membandingkan nilai Sig. (significance) dengan taraf nyata = alpha yang ditentukan (umumnya 5%). Jika Sig. < alpha maka tolak H0 artinya berbeda nyata. Pada kasus di atas konstanta tidak berbeda nyata sedangkan statistik pendptn berbeda nyata. (asumsi: bahwa hipotesis telah dinyatakan H0: t = 0, H1 : t tidak sama dengan 0)
Pada bagian ini akan dibahas menggunakan SPSS untuk analisis peubah ganda (multivariate) yaitu regresi linier berganda, two stage least square, cluster analysis, Analisis Faktor (Factor Analysis).
1. Regresi Linier Berganda SPSS : Pilihlah menu Analyze - Regression - Linier…
2. Two Stage Least Square SPSS : Pilihlah menu Analyze - Regression - 2-Stage Least Square…
3. Cluster Analysis SPSS : Pilihlah menu Analyze - Classify - Hierarchical Cluster… (atau K-Means Cluster…)
4. Analisis Faktor SPSS : Pilihlah menu Analyze - Data Reduction - Factor…
Sumber : http://www.ilmustatistik.com/2008/12/21/analisis-data-sederhana-2-spss/#more-363
0 comments:
Posting Komentar
...thank you for the comment...