MODUL SPSS
- 1. LANGKAH LANGKAH ANALISIS REGRESI LINIER DENGAN MICROSOFT EXCEL 2007 & SPSS 16 Regresi sebagai bagian dari analisis inferensial dalam bentuk asosiatif merupakan metode yang paling akrab di seluruh lingkungan, baik lingkungan pemerintahan maupun lingkungan akademik. Sehingga penggunaan regresi bukan lagi sesuatu yang asing. Namun yang sering menjadi kendala adalah pembentukan model regresi harus melibatkan beberapa operasi matematika, misalnya proses pembentukan matriks, perhitungan determinan atau invers. Oleh karena itu, saya coba sharing melalui modul ini bagaimana membentuk model regresi dengan bantuan program SPSS 16 dan sebagai kemudahan lainnya saya berikan juga petunjuk membuat model regresi dengan Microsoft Excel 2007. Dalam modul ini akan digunakan data simulasi sebagai berikut : Seorang staf bagian litbang dalam perusahaan distributor TV Samsung LCD 19-29 ingin mengetahui permintaan pasar di Indonesia terhadap produknya pada tahun 2010. Diambil sampel dari 20 Kota besar di Indonesia. Sampel tersebut adalah sebagai berikut : Kota X1 X2 X3 X4 Y 1 20.58 10.53 15.92 4.95 158 2 19.72 9.86 14.99 5.07 147 3 20.49 10.32 16.50 5.12 169 4 18.55 11.77 16.49 4.85 241 5 19.37 11.02 14.64 5.01 171 6 20.36 9.66 14.70 5.03 120 7 19.88 10.88 15.55 4.49 166 8 20.23 10.31 14.41 5.11 134 9 20.07 10.86 16.23 5.32 192 10 20.24 10.61 15.44 5.50 169 11 20.40 8.59 15.49 4.94 111 12 18.55 9.65 15.65 4.89 179 13 20.16 9.49 15.22 5.28 137 14 19.72 8.75 14.98 5.48 130 15 19.32 10.03 15.78 4.18 158 16 19.90 9.29 16.40 5.11 159 17 19.64 11.46 14.01 5.09 165 18 19.41 10.64 14.76 4.92 164 19 20.64 10.62 15.15 5.27 150 20 19.80 10.14 15.32 4.67 148
- 2. Dimana : X1 = Rata-rata harga TV LCD Samsung 19-29 (dalam ratusan ribu rupiah) X2 = Rata-rata harga TV LCD 19-29 merk lain (dalam ratusan ribu rupiah) X3 = Rata-rata pendapatan penduduk (dalam juta rupiah) X4 = Biaya promosi (dalam ratusan juta rupiah) Y = Jumlah permintaan TV LCD Samsung 19-29 (dalam unit) REGRESI DENGAN SPSS 16 1. Pada saat membuka program SPSS 16 pertama kali, maka program otomatis membuka jendela Data View. Klik pada Variable View untuk input variable. Input variable seperti gambar berikut : 2. Kembali ke jendela Data View. Klik Data View lalu input data yang akan di analisis, maka akan tampak layar sebagai berikut : Label digunakan untuk memberi penekanan pada variabel di kolom Name
- 3. 3. Bila data telah di input, maka proses analisis bisa dilakukan. Klik Analyze, pilih Regression lalu klik Linear. Maka akan tampil jendela berikut :
- 4. Input variable X1 sampai X4 ke Independent(s), dan Y ke Dependent. 4. Klik Statistics, maka akan tampil jendela berikut : Beri tanda pada Estimates, Confidence intervals, Model fit, Descriptives, Collinearity diagnostics, dan Durbin-Watson, lalu klik Continue 5. Maka tampilan jendela menjadi sebagai berikut :
- 5. Abaikan bagian yang lain, dan klik OK 6. Output yang ditampilkan adalah sebagai berikut : 7. Tabel yang akan dibahas pada modul ini adalah table Model Summary, ANOVA, dan Coefficients, sedangkan tabel yang lain untuk saat ini boleh di hapus.(akan dibahas pada modul lain)
- 6. Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 1.000a .999 .999 .86486 1.582 a. Predictors: (Constant), Promosi (X4), Harga Merk Lain (X2), Pendapatan Penduduk (X3), Harga Samsung (X1) b. Dependent Variable: Permintaan (Y) Penjelasan tabel pada kolom R, tampak nilainya adalah 1,000. Nilai ini menyatakan korelasi yang terbentuk antara variable bebas (X) dengan variable terikat (Y), dimana nilai tersebut menandakan adanya korelasi kuat antara variable bebas (X) dengan variable terikat (Y). Untuk nilai Rsquare sebesar 0,999 menandakan bahwa sebesar 99% variable bebas (promosi, harga merk lain, pendapatan penduduk, harga Samsung) dapat mempengaruhi variable terikat yang dalam hal ini adalah jumlah permintaan, sedangkan sisanya sebesar 1 % dipengaruhi oleh variable lain diluar penelitian ini. ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 14771.580 4 3692.895 4.937E3 .000a Residual 11.220 15 .748 Total 14782.800 19 a. Predictors: (Constant), Promosi (X4), Harga Merk Lain (X2), Pendapatan Penduduk (X3), Harga Samsung (X1) b. Dependent Variable: Permintaan (Y) Penjelasan tabel Setelah mengetahui adanya korelasi yang kuat antara variable bebas dengan variable terikat melalui nilai R, maka dapat dilanjutkan dengan melihat kecocokan model melalui tabel ANOVA. Nilai yang dijadikan patokan adalah nilai Sig. yang akan dibandingkan dengan taraf signifikansi penelitian ini yaitu 5% atau 0,05. Dari tabel diatas, diperoleh nilai Sig. sebesar 0,000, bila dibandingkan dengan taraf signifikan sebesar 0,05, maka
- 7. nilai Sig. < 0,05. Sehingga dapat disimpulkan bahwa model regresi yang akan terbentuk dapat mewakili model permintaan TV Samsung. Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. 95% Confidence Interval for B Collinearity Statistics B Std. Error Beta Lower Bound Upper Bound Tolerance VIF 1 (Constant) -19.992 9.358 -2.136 .050 -39.938 -.046 Harga Samsung (X1) -23.040 .368 -.492 -62.594 .000 -23.825 -22.256 .819 1.221 Harga Merk Lain (X2) 22.115 .247 .657 89.471 .000 21.588 22.642 .938 1.066 Pendapatan Penduduk (X3) 20.077 .285 .507 70.452 .000 19.469 20.684 .977 1.023 Promosi (X4) 20.117 .691 .226 29.130 .000 18.645 21.589 .838 1.193 a. Dependent Variable: Permintaan (Y) Penjelasan tabel Setelah melalui analisis kecocokan model, maka dilanjutkan dengan pembentukan model regresi. Berdasarkan tabel di atas, diperoleh model sebagai berikut :
- 8. REGRESI DENGAN MICROSOFT EXCEL 1. Pastikan bahwa tools Data Analysis telah terpasang pada Microsoft Excel yang digunakan. Ikuti langkah berikut untuk proses instalasi : - Klik Excel Options - Maka akan tampil jendela berikut, pilih Add-Ins, lalu klik Go
- 9. - Setelah tampil jendela berikut, beri tanda pada Analysis ToolPak dan Analysis ToolPak VBA, lalu klik OK - Ikuti semua perintah dalam proses instalasi. 2. Bila telah terinstall dengan baik, maka pada tab Data akan muncul tools Data Analysis 3. Klik Data Analysis, maka akan muncul jendela berikut :
- 10. 4. Pilih Regression lalu klik OK sehingga jendela yang tampil seperti berikut : Input data variable X1 sampai X4 dan data variable Y, lalu klik OK 5. Output yang ditampilkan adalah sebagai berikut :
- 11. Berdasarkan hasil di atas, maka dapat dibentuk model sebagai berikut :
- 12. Untuk penjelasan tabel, sama dengan regresi dengan SPSS Perlu diketahui, analisis yang dilakukan pada modul ini dianggap semua asumsi regresi berganda telah terpenuhi yaitu tidak terjadi autokorelasi, tidak terjadi heteroskedastisitas, residual berdistribusi normal, dan tidak terjadi multikolinieritas.