Академический Документы
Профессиональный Документы
Культура Документы
UJI STATISTIKA
Oleh,
NURDINI LESTARI
13/352639/PGE/1036
B. Kajian Teori
1. Regresi Linier Sederhana
Analisis regresi merupakan salah satu analisis yang bertujuan untuk
mengetahui pengaruh suatu variabel terhadap variabel lain. Dalam analisis regresi,
variabel yang mempengaruhi disebut Independent Variable (variabel bebas) dan
variabel yang dipengaruhi disebut Dependent Variable (variabel terikat). Jika dalam
persamaan regresi hanya terdapat satu variabel bebas dan satu variabel terikat, maka
disebut sebagai persamaan regresi sederhana, sedangkan jika variabel bebasnya lebih
dari satu, maka disebut sebagai persamaan regresi berganda. Analisis Korelasi
merupakan suatu analisis untuk mengetahui tingkat keeratan hubungan antara dua
variabel. Tingkat hubungan tersebut dapat dibagi menjadi tiga kriteria, yaitu
mempunyai hubungan positif, mempunyai hubungan negatif dan tidak mempunyai
hubungan.
Regresi Linier Sederhana merupakan suatu alat ukur yang juga dapat
digunakan untuk mengukur ada atau tidaknya korelasi antara dua variabel. Jika
memiliki dua buah variabel atau lebih maka sudah selayaknya apabila kita ingin
mempelajari bagaimana variabel-variabel itu berhubungan atau dapat diramalkan.
Analisis regresi mempelajari hubungan yang diperoleh dinyatakan dalam persamaan
matematika yang menyatakan hubungan fungsional antara variabel-variabel. Analisis
regresi lebih akurat dalam melakukan analisis korelasi, karena pada analisis itu
kesulitan dalam menunjukkan slop (tingkat perubahan suatu variabel terhadap
variabel lainnya dapat ditentukan). Dengan demikian maka melalui analisis regresi,
peramalan nilai variabel terikat pada nilai variabel bebas lebih akurat pula. Persamaan
regresi linier dari Y terhadap X dirumuskan sebagai berikut:
Y=a+bX
keterangan: Y = variabel terikat
X = variabel bebas
a = intersep
b = koefisien regresi/slop
Dari persoalan di atas dapat dilakukan pengolahan data dengan menggunakan SPSS 17
dengan langkah-langkah sebagai berikut :
1. Masuk ke program SPSS, akan tampak tampilan seperti ini :
2. Klik Variabel View pada SPSS data editor
a. Pada kolom name baris pertama ketik Kecamatan, barik kedua ketik X, dan
baris ke tiga ketik Y.
b. Pada kolom type untuk baris pertama pilih string yang artinya data yang akan
diinput bukan merupakan angka sehingga tidak bisa dilakukan perhitungan, untuk
baris kedua dan ketiga tidak diubah (numeric).
c. Pada kolom decimal ganti dengan angka nol, untuk mendefinisikan banyaknya
angka dibelakang koma yang ingin ditampilkan pada data view.
d. Pada kolom label baris pertama kosongkan, baris kedua ketik Listrik, Gas, dan
Air Bersih, dan pada baris ketiga PDRB.
e. Pada kolom measure (untuk menentukan jenis data yang akan kita masukkan),
baris pertama nominal, baris kedua dan ketiga scale.
Pada layar monitor akan tampak seperti ini :
3. Pengisian data
Klik data view pada SPSS
a. Pada kolom kecamatan masukan nama kecamatan
b. Pada kolom X masukan besaran nilai listrik, gas, dan air bersih
c. Pada kolom Y masukan nilai PDRB
Pada layar monitor akan tampak seperti berikut ini :
4. Pengolahan data
a. Klik analyze regression linier
Pada layar monitor akan tampak seperti berikut ini :
b. Dari linier regression masukkan listrik, gas, dan air bersih (X) ke independent
dan PDRB (Y) ke dependent.
Pada layar monitor akan tampak seperti berikut ini :
c. Klik statistic di bagian kanan dialogue box linier regression
Pada dialogue box linier regression : statistic, klik estimates, model fit, R
squared change, descriptive, convidence intervals level (ketik 95%), klik juga
casewise diagnostics.
Pada layar monitor akan tampak seperti berikut ini :
Setelah pengisian lalu klik continue untuk kembali ke dialogue box sebelumnya.
d. Kemudian Klik Plot
Pada kotak dialog linier regression : plots masukan ZPRED ke kotak Y, dan
dependent ke kotak X. Kemudian klik histogram dan normal probability plot.
Pada layar monitor akan tampak seperti ini :
Correlations
Listrik, Gas,
PDRB dan Air Bersih
Pearson PDRB 1.000 .940
Correlation Listrik, Gas, dan Air .940 1.000
Bersih
Sig. (1-tailed) PDRB . .000
Listrik, Gas, dan Air .000 .
Bersih
N PDRB 18 18
Listrik, Gas, dan Air 18 18
Bersih
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 Listrik, Gas, . Enter
dan Air
Bersiha
a. All requested variables entered.
b. Dependent Variable: PDRB
1) Jumlah responden sebanyak 18 kecamatan.
2) Rata-rata PDRB sebesar Rp. 402815.56 dengan standar deviasi sebesar Rp.
269646.340, artinya jika dihubungkan dengan rata-rata PDRB, maka besarnya
PDRB berkisar antara Rp. 402815.56 Rp. 269646.340.
3) Pemakaian listrik, gas, dan air bersih rata-rata Rp. 3853.72 dengan standar
deviasi Rp. 3302.198.
4) Metode yang digunakan dalam menganalisis variabel adalah metode enter.
1) Menunjukan bahwa hubungan (korelasi) antara pemakaian listrik, gas, dan air
bersih dengan PDRB sangat kuat dan positif, yaitu r = 0.940. arti positif
adalah hubungan antara variabel X dan Y searah, dengan maksud bahwa
semakin besar pemakaian listrik, gas, dan air bersih semakin besar juga
PDRB yang dihasilkan. Begitu juga sebaliknya, semakin kecil pemakaian
listrik, gas, dan air bersih, maka PDRB yang dihasilkan pun semakin kecil.
2) Kontribusi yang disumbangkan pemakaian listrik, gas, dan air bersih (X)
terhadap PDRB (Y) adalah sebesar 88.3%.
c. Tabel Anova
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 1.091E12 1 1.091E12 120.671 .000a
Residual 1.447E11 16 9.044E9
Total 1.236E12 17
a. Predictors: (Constant), Listrik, Gas, dan Air Bersih
b. Dependent Variable: PDRB
1) Membuat hipotesis
Ho : Model regresi linier sederhana tidak dapat digunakan untuk
memprediksi pemakaian listrik, gas, dan air bersih yang dipengaruhi
besarnya PDRB.
Ha : Model regresi linier sederhana dapat digunakan untuk memprediksi
pemakaian listrik, gas, dan air bersih yang dipengaruhi oleh besaranya
PDRB.
2) Kaidah pengujian
a) Berdasarkan perbandingan antara Fhitung dan Ftabel
Jika : Fhitung Ftabel, maka Ho diterima
Jika : Fhitung > Ftabel, maka Ho ditolak
Dimana : Nilai Fhitung dari tabel anova sebesar = 120.67 dan nilai Ftabel dari
tabel Fhitung = 4.49.
b) Berdasarkan nilai probabilitas
Jika probabilitas (sig) > maka Ho diterima.
Jika probabilitas (sig) < maka Ho ditolak.
Dari tabel anova nilai probabilitas (sig) = 0.000 dan taraf signifikan =
0.05.
3) Membandingkan Ftabel dan Fhitung serta sig dan
Fhitung = 120.67 > Ftabel = 4.49, maka Ho ditolak
Dari tabel Coefficients di atas menunjukan bahwa model persamaan regresi untuk
memperkirakan jumlah PDRB yang dipengaruhi oleh pemakaian listrik, gas, dan
air bersih adalah : Y = 107126.645 + 76.728 X.
Dimana Y adalah jumlah PDRB, sedangkan X adalah pemakaian listrik, gas, dan
air bersih.
b. Pada paired sampels t-test masukan sebelum dan sesudah ke paired variables.
Pada layar monitor akan tampak seperti ini :
9. Analisis hasil
a. Dari tabel Paired Samples Statistics dapat dianalisis bahwa penelitian ini
menggunakan sampel masing-masing berjumlah 39.Nilai rata-rata untuk X =
72.4885; Y = 73.6715 serta standar deviasi (Sx) = 2.15101 dan (Sy) = 2.33991.
b. Dari tabel Paired Samples Test
Menentukan hipotesis untuk kasus ini :
Ho : tidak ada perbedaan tingkat IPM sebelum dan sesudah pelaksanaan
program Gerbang Desa
Ha : ada perbedaan tingkat IPM sebelum dan sesudah pelaksanaan
program Gerbang Desa
Pengambilan keputusan berdasarkan nilai probabilitas, dengan ketentuan :
Jika sig > maka Ho diterima
Jika sig < maka Ho ditolak
Untuk uji dua sisi, maka nilai dibagi 2, sehingga kriteria pengujian menjadi :
Jika sig > 0.05/2, maka Ho diterima
Jika sig < 0.05/2, maka Ho ditolak
Dari paired samples test di atas, diketahui nilai probabilitas (sig) = 0.000 dan
nilai taraf signifikan () 0.05/2 = 0.025
Jika sig 0.000 < 0.025, maka Ho ditolak.
Keputusannya : Ada perbedaan tingkat IPM sebelum dan sesudah pelaksanaan
program Gerbang Desa.
E. Daftar Pustaka
Ebdon, David. (1996). Statistic In Geography. Oxford : The Adlen Press.
Hilman, Iman. (2010). Statistika Untuk Penelitian Geografi dengan Aplikasi Program
SPSS. Modul Kuliah. Tasikmalaya: Program Studi Pendidikan Geografi. [tidak
diterbitkan]
RafiI, Suryatna. (1983). Metode Statistika Analisis. Bandung : Binacipta.
Siregar, Syafaruddin. (2005). Statistik Terapan untuk Penelitian. Jakarta : Grasindo.
Siregar, Syofian. (2011). Statistika Deskriptif untuk Penelitia. Jakarta : Raja Grafinda
Persada.
. (2013). Statistika Parametrik untuk Penelitian Kuantitatif. Jakarta :
Bumi Aksara.