3. SPSS terbagi menjadi :
1. File Lembar data/ data editor/ worksheet data :
a. Data view : yaitu lembar kerja untuk mengisi data
penelitian baik dientry secara langsung maupun
hasil copy dari program lain seperti halnya dari
excel.
b. Variabel view : yaitu spread sheet untuk
mendefinisikan variabel seperti pemberian nama
dan label variabel.
2. File Output Hasil Analisis Data : file ini berada terpisah
dengan data sehingga memerlukan penyimpanan di file
yang berbeda.
Ii2
10. Buka Program
SPSS
Masukkan data dan memberi
nama variabel
Gunakan menu :
Analysispd SPSS
Descriptive Statistic di SPSS
Descriptives……. Klik Option : Pilih Mean, Standart
Deviasi, Sweakness, Maksimum, Minimum dan
Range
Lihat hasilanalisisdi
OutputSPSS
Langkah-LAngkah Analisis Statistik Deskriptive Iii4
13. N : Merupakanjumlahdatayang dianalisisuntuktiap variabelnya
Range : Selisihantaranilaidatayangmaksimaldenganyang palingkecil
Minimum : Datapalingkecil
Maximum : datapalingtinggi/terbesar
Mean : Nilairata-rata
Std. : Standartdeviasidarimasing-masingdata
Dengankepercayaan95%dataseharusnyaterdistribusi: Rata-Rata± 2*StandartDeviasi
Skewness : untuk memperoleh informasi berkenaan dengan distribusi
data, dataterdistribusinormal atautidak
1
n
)
X
X
(
Std
2
i
n
X
X i
Iii7
15. Correlation Coefficients :
• For quantitative, normally distributed variables, choose
the Pearson correlation coefficient.
• If your data are not normally distributed or have ordered
categories, choose Kendall’s tau-b or Spearman, which
measure the association between rank orders.
• Correlation coefficients range in value from 1 (a perfect
negative relationship) and +1 (a perfect positive
relationship).
• A value of 0 indicates no linear relationship.
• When interpreting your results, be careful not to draw any
cause-and-effect conclusions due to a significant
correlation.
Spss : Analisis KORELASI IV1
16. Test of Significance :
• You can select two-tailed or one-tailed probabilities. If
the direction of association is known in advance,
select One-tailed. Otherwise, select Two-tailed.
• Flag significant correlations. Correlation coefficients
significant at the 0.05 level are identified with a single
asterisk, and those significant at the 0.01 level are
identified with two asterisks.
IV2
23. Kharakteristik Regresi Sederhana :
• Terdiri dari variabel dependent (Y) dan independent (X)
• Regresi merupakan analisis sebab akibat
• Pengaruh dari variabel yang terlibat tidak bersifat timbal
balik (hanya satu arah)
• Pendugaan koefisien menggunakan OLS (ordinary Least
Square)
• Hal penting yang harus dipelajari :
1. Teori yang diperlukan
2. Model matematis yang dipilih
3. Hasil pengujian statistik :
• Uji t : uji parsial koefisien
• Uji F : uji keseluruhan model
• Kekuatan model ditunjukkan dengan R-square
V1
26. Darikonsepdasarnyasebenarnyauji-Fmendasrkanpadadua hipotesisyaitu:
H0 : Semuakoefisienvariabelbebasadalah0 (nol)
H1 : Seamuakoefisienvariabelbebastidaksamadengannol.
Darihasilanalisisdi atasSig = 0.000, dengan = 5% makadapatdisimpulkanbahwakitatolakH0 dan kita
terimaH1 (Kondisiini merupakandalilstatistik). Artinyamemangpendapatanmempengaruhialokasikonsumsi.
Jika seandainyaternyatahasilanalisisdalamuji-F, nilaidariSig = 0.052 makadengan = 5%,dapat
disimpulkanbahwakitatolakH1 dankitaterimaH0. Artinya,variabelbebas(Pendapatan) tidakberpengaruh
pada konsumsi.
UJI- F : UjiModeldankoefisien
V4
27. Dalamkonsepdasarnyapengujianstatistik ini mendasarkan padahipotesis:
UjiKonstantaIntersep H0 : ß0= 0
H1 : ß0≠ 0
Uji Koeff. Income H0 : ß1 = 0
H1 : ß1 ≠ 0
DaritabelCoefficients diketahui bahwa ß0 = 24.455, Standarterror koefisien= 6.414 danDAN t- hitung
= 3.813. NilaiSig = 0.000. iniberartijikakitamenggunakan = 5%= 0.05 maka t-hitung pasti lebih
besar darit-tabelkarena nilaisig.Yaitu0.000adalahlebihkecil dari0.05( yang kitatentukan).
Demikian jugauntukkoefisienX atau ß1 jugamemilikilogikapemikiran yang sama.
UJI- t : UjiParameter/ KoefisiendalamModel
V5
28. Sehinggadapatdisajikanhasilsebagaiberikut:
Konsumsi= 24.455+ 0.509*Income R2 = 0.962
S.E (6.414) (0.036)
t-hitung= 3.813 14.243
Df = 8
Modelyang ditemukandi atasmemilikinilaiR2 = 0.962ini berartiperubahannilaiindependenviabelatauvariabel
bebas(income)dapatmenjelaskan0.962atau96.2% dariperubahandependenvariabelatauvariabelterikat
(konsumsi), sedangkansisanya(1-0.962= 0.038 atau3.8 %) dijelaskanvariabellainyangtidakdispesifikasi(tidak
dimasukkan)dalammodel.
Dalam pengertian ekonomi dapat dikatakan bahwa jika terdapat kenaikan income sebesar $ 1 per bulan maka akan
mempengaruhi kenaikan pula pada konsumsi sebesar $ 0.509. Demikian juga bila terjadi penurunan income
sebesar$ 1 perbulanmakaakanberdampakpadapenurunankonsumsisebesar$ 0.509.
Interpretasi V6
31. Model Summary
.995a .990 .988 1496.64601
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Predictors: (Constant), Modal (juta $), Tk (000 org)
a.
ANOVAb
2.66E+09 2 1332184592 594.739 .000a
26879391 12 2239949.287
2.69E+09 14
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Modal (juta $), Tk (000 org)
a.
Dependent Variable: PDB (juta $)
b.
Coefficients
a
-32137.4 2993.404 -10.736 .000
2.441 6.125 .043 .399 .697
344.033 38.948 .953 8.833 .000
(Constant)
Tk (000 org)
Modal (juta $)
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: PDB (juta $)
a.
VI2
32. Output analisis regresi berganda dari SPSS di atas selanjutnya
dapat dirumuskan sebagai berikut :
PDB = -32137.4 + 2.441*TK + 344.033*Modal R2 =0.99
SE (2993.404) (6.125) (38.948)
t-hit. 10.736 0.399 8.833
Df = 12
VI3
34. MODEL REGRESI LINEAR DENGAN DUMMY
VARIABEL
Variabel dummy digunakan sebagai upaya untuk
melihat bagaimana klasifikasi-klasifikasi dalam sampel
berpengaruh terhadap parameter pendugaan. Variabel
dummy juga mencoba membuat kuantifikasi dari
variabel kualitatif.
Kita pertimbangkan model berikut ini:
I. Y = a + bX + c D1 (Model Dummy Intersep)
II. Y = a + bX + c (D1X) (Model Dummy Slope)
III. Y = a + bX + c (D1X) + d D1 (Kombinasi)`
VII1
