Garis besar topik

• Pilih bagian Umum

  Ciutkan Memperluas

  Umum

  Ciutkan semua Perluas semua

  Penjelasan Aplikasi Statistik

  Statistik adalah ilmu yang berkaitan dengan pengumpulan, pengolahan, analisis, dan interpretasi data untuk mengambil keputusan atau menarik kesimpulan. Aplikasi statistik sangat luas dan digunakan di hampir semua bidang kehidupan.

  Aplikasi Statistik dalam Berbagai Bidang

  1. Pendidikan

     • Menilai hasil belajar siswa.

     • Menganalisis efektivitas metode pengajaran.

     • Mengukur perkembangan akademik siswa dari waktu ke waktu.

  2. Bisnis dan Ekonomi

     • Analisis pasar dan perilaku konsumen.

     • Peramalan penjualan (sales forecasting).

     • Pengambilan keputusan manajemen berbasis data.

  3. Kesehatan

     • Menilai efektivitas obat atau metode pengobatan melalui uji klinis.

     • Mengumpulkan data penyebaran penyakit (epidemiologi).

     • Membuat kebijakan kesehatan berbasis data statistik.

  4. Pemerintahan

     • Sensus penduduk dan survei sosial-ekonomi.

     • Perencanaan pembangunan berdasarkan data statistik wilayah.

     • Evaluasi program-program publik.

  5. Teknologi dan Industri

     • Kontrol kualitas produk menggunakan statistik (quality control).

     • Analisis data dari eksperimen dan uji coba produk.

     • Machine learning dan artificial intelligence juga sangat bergantung pada statistik.

  6. Sosial dan Psikologi

     • Analisis hasil survei atau kuesioner.

     • Pengujian hipotesis dalam penelitian sosial.

     • Menganalisis hubungan antar variabel sosial.

  ---

  Contoh Nyata Aplikasi Statistik

  • Perusahaan e-commerce menganalisis data pembelian pelanggan untuk memberikan rekomendasi produk.

  • Rumah sakit menggunakan data pasien untuk melihat tren penyakit musiman.

  • Pemerintah menggunakan data statistik untuk menentukan kebijakan subsidi dan bantuan sosial.

  
  

  • Pilih aktivitas Pengumuman

    

    Pengumuman Forum
  • Pilih aktivitas Pengumuman

    

    Pengumuman Forum
  • Pilih aktivitas ZOOM

    

    ZOOM Folder

    Penyelesaian

    Siswa harus

    

    Tandai selesai
  • Pilih aktivitas RPS

    

    RPS Berkas

    Penyelesaian

    Siswa harus

    

    Tandai selesai
  • Pilih aktivitas FORUM DISKUSI KELAS

    

    FORUM DISKUSI KELAS

    Penyelesaian

    Siswa harus

    

    Tandai selesai

    silahkan jika ada yang perlu ditanyakan seputar perkuliahan di dalam kelas
• Pilih bagian PERTEMUAN 1 & 2

  Ciutkan Memperluas

  PERTEMUAN 1 & 2

  • Pilih aktivitas Materi

    

    Materi Folder

    Penyelesaian

    Siswa harus

    

    Tandai selesai

    Pengenalan Perangkat Lunak SPSS

    -       Instalasi SPSS

    -       Interface utama SPSS

    -       Lembar Kerja SPSS

    -       Input Data

    -       Mengelola File

    Tranpose Data
    

• Pilih bagian PERTEMUAN 3 dan 4

  Ciutkan Memperluas

  PERTEMUAN 3 dan 4

  • Pilih aktivitas Materi

    

    Materi Folder

    Penyelesaian

    Siswa harus

    

    Tandai selesai

    Distribusi Frekuensi

    -       Analisis Feqcuencies

    -       Analisis Crostab

    
    

  • Pilih aktivitas zoom

    

    zoom Berkas

    Penyelesaian

    Siswa harus

    

    Tandai selesai
• Pilih bagian PERTEMUAN 5 dan 6

  Ciutkan Memperluas

  PERTEMUAN 5 dan 6

  Grafik

  -    Jenis Grafik

  -    Grafik data tunggal

  -    Grafik Lebih Dari Satu Data

  
  

  • Pilih aktivitas materi

    

    materi Folder

    Penyelesaian

    Siswa harus

    

    Tandai selesai
  • Pilih aktivitas zoom

    

    zoom Berkas

    Penyelesaian

    Siswa harus

    

    Tandai selesai
• Pilih bagian PERTEMUAN 7 & 8

  Ciutkan Memperluas

  PERTEMUAN 7 & 8

  Analisis Deskriptif

  -       Rata-rata hitung, median dan modus

  -       Range, Deviasi rata-rata, standar deviasi

  -       Ukuran Letak

  -       Ukuran kecondondan

  Ukuran keruncingan
  
• Pilih bagian PERTEMUAN 9 & 10

  Ciutkan Memperluas

  PERTEMUAN 9 & 10

  Angka Indeks

  -       Angka Indeks Relatif Sederhana

  -       Angka Indeks Agregat Sederhana

  -       Angka Indeks Tertimbang

   

  
  

  • Pilih aktivitas MATERI

    

    MATERI Folder

    Penyelesaian

    Siswa harus

    

    Tandai selesai
  • Pilih aktivitas ZOOM

    

    ZOOM Berkas

    Penyelesaian

    Siswa harus

    

    Tandai selesai
• Pilih bagian PERTEMUAN 11 & 12

  Ciutkan Memperluas

  PERTEMUAN 11 & 12

  Ketepatan  menentukan persamaan trend dengan metode exponential dan linier curve estimation menggunakan  perangkat lunak SPSS

  Deret Berkala 

  -  Exponential Smoothing

  Linier Curve Estimation
  

  . Cara Menggunakan Curve Estimation di SPSS

  1. Buka SPSS dan masukkan data time series kamu (pastikan ada kolom waktu dan kolom variabel yang diamati).

  2. Klik:
     Analyze ΓåÆ Regression ΓåÆ Curve Estimation…

  3. Pilih variabel dependen (Y) dan independen (X/waktu).

  4. Centang pilihan model kurva: misalnya Linear dan Exponential.

  5. Klik OK → SPSS akan menampilkan output persamaan dan statistiknya.

  
  

  • Pilih aktivitas MATERI

    

    MATERI Folder

    Penyelesaian

    Siswa harus

    

    Tandai selesai

    Deret Berkala 

    -    Exponential Smoothing

    Linier Curve Estimation
    

• Pilih bagian PERTEMUAN 13 & 14

  Ciutkan Memperluas

  PERTEMUAN 13 & 14

  Probabilitas

  -       Binomial

  -       Hipergeometrik

  -       Poisson

  -       Probabilitas Normal

  📘 MATERI PROBABILITAS + SPSS

  ---

  1. Distribusi Binomial

  📊 Teori Singkat

  • Menghitung peluang sukses dalam n percobaan.

  • Parameter: n (jumlah percobaan), p (peluang sukses).

  🖥️ Cara di SPSS

  1. Buka SPSS > klik Transform > Compute Variable.

  2. Gunakan fungsi:

     css
     CopyEdit
     RV.BINOMIAL(n, p)
     

     Misal: RV.BINOMIAL(10, 0.5) ΓåÆ 10 percobaan, peluang sukses 0.5.

  3. Klik OK, dan SPSS akan menghasilkan kolom acak dari distribusi binomial.

  📋 Contoh Kasus di SPSS

  Simulasikan 100 data melempar koin 10 kali.

  Data View akan menampilkan hasil jumlah sukses tiap individu.

  ---

  2. Distribusi Hipergeometrik

  📊 Teori Singkat

  • Mengambil sampel tanpa pengembalian.

  • Tidak tersedia secara langsung di SPSS, perlu simulasi manual.

  🖥️ Alternatif di SPSS

  1. Gunakan Excel untuk menghitung:

     mathematica
     CopyEdit
     =HYPGEOM.DIST(x, n, K, N, FALSE)
     

  2. Impor hasil ke SPSS untuk analisis lanjutan.

  🧩 Catatan

  Distribusi hipergeometrik tidak langsung tersedia di SPSS, tapi bisa dikalkulasi di luar (Excel/R) lalu diolah datanya di SPSS.

  ---

  3. Distribusi Poisson

  📊 Teori Singkat

  • Jumlah kejadian dalam waktu/ruang tetap.

  • Parameter: ╬╗ (rata-rata kejadian).

  🖥️ Cara di SPSS

  1. Klik Transform > Compute Variable.

  2. Masukkan formula:

     scss
     CopyEdit
     RV.POISSON(╬╗)
     

     Contoh: RV.POISSON(3)

  3. Klik OK, SPSS akan membuat data acak berdasarkan distribusi Poisson.

  📋 Contoh

  Simulasi 100 kejadian pelanggan datang ke toko tiap jam, rata-rata 3 pelanggan.

  ---

  4. Distribusi Normal

  📊 Teori Singkat

  • Distribusi simetris berbentuk lonceng.

  • Parameter: ╬╝ (mean), ╧â (standar deviasi).

  🖥️ Cara di SPSS

  1. Klik Transform > Compute Variable.

  2. Masukkan formula:

     scss
     CopyEdit
     RV.NORMAL(μ, σ)
     

     Contoh: RV.NORMAL(165, 10)

  3. Klik OK untuk menghasilkan data tinggi badan siswa yang mengikuti distribusi normal.

  📈 Analisis Tambahan

  • Untuk melihat bentuk distribusi:

    • Klik Graphs > Histogram.

    • Centang ΓÇ£Display normal curveΓÇ¥.

  ---

  📌 Tips Umum:

  • Gunakan Transform > Compute Variable untuk membuat data.

  • Gunakan Graphs > Histogram / Boxplot untuk melihat distribusinya.

  • Gunakan Analyze > Descriptive Statistics > Frequencies / Explore untuk ringkasan statistik.

  
  

  • Pilih aktivitas MATERI

    

    MATERI Folder

    Penyelesaian

    Siswa harus

    

    Tandai selesai
• Pilih bagian UJIAN TENGAH SEMESTER

  Ciutkan Memperluas

  UJIAN TENGAH SEMESTER
• Pilih bagian PERTEMUAN 17 & 18

  Ciutkan Memperluas

  PERTEMUAN 17 & 18

  . UJI SATU SAMPEL (One Sample t-Test)

  🎯 Tujuan:

  Menguji apakah rata-rata sampel berbeda secara signifikan dari nilai tertentu (misalnya, KKM = 75).

  📝 Langkah di SPSS:

  1. Buka SPSS ΓåÆ Klik File ΓåÆ Open ΓåÆ pilih file Excel (Contoh_Praktik_Uji_Beda.xlsx)

  2. Pilih sheet ΓÇ£Uji Satu SampelΓÇ¥

  3. Klik:
     Analyze ΓåÆ Compare Means ΓåÆ One-Sample T Test

  4. Masukkan variabel "Nilai Ujian"

  5. Pada kolom Test Value, isi dengan angka pembanding (misalnya: 75)

  6. Klik OK

  7. Lihat output:

     • Sig. (2-tailed) < 0.05 ΓåÆ ada perbedaan signifikan

  ---

  🧪 2. UJI SAMPEL SALING BEBAS (Independent Samples t-Test)

  🎯 Tujuan:

  Menguji apakah dua kelompok berbeda (misalnya: Kelas A vs B) memiliki rata-rata yang berbeda.

  📝 Langkah di SPSS:

  1. Buka sheet ΓÇ£Uji Sampel BebasΓÇ¥

  2. Klik:
     Analyze ΓåÆ Compare Means ΓåÆ Independent-Samples T Test

  3. Masukkan variabel uji: "Nilai" ke kolom Test Variable(s)

  4. Masukkan variabel pembeda: "Kelas" ke kolom Grouping Variable

  5. Klik Define Groups → isi dengan:
     Group 1: A
     Group 2: B

  6. Klik Continue → Klik OK

  7. Lihat hasil:

     • Perhatikan Equal variances assumed atau not assumed

     • Nilai Sig. (2-tailed) menunjukkan ada/tidaknya perbedaan

  ---

  🧪 3. UJI SAMPEL BERPASANGAN (Paired Samples t-Test)

  🎯 Tujuan:

  Menguji apakah terdapat perbedaan nilai sebelum dan sesudah perlakuan pada kelompok yang sama.

  📝 Langkah di SPSS:

  1. Buka sheet ΓÇ£Uji Sampel BerpasanganΓÇ¥

  2. Klik:
     Analyze ΓåÆ Compare Means ΓåÆ Paired-Samples T Test

  3. Masukkan pasangan variabel:

     • "Berat Sebelum" dan "Berat Sesudah"

  4. Klik OK

  5. Hasil akan menampilkan:

     • Perbedaan rata-rata

     • Nilai Sig. (2-tailed) < 0.05 ΓåÆ perbedaan signifikan

  ---

  📌 KESIMPULAN PENGGUNAAN SPSS

  Jenis Uji	Menu SPSS	Output Penting
  Satu Sampel	Compare Means → One-Sample T Test	Sig. (2-tailed), Mean Difference
  Dua Sampel Bebas	Compare Means → Independent-Samples	Levene’s Test, Sig. (2-tailed)
  Sampel Berpasangan	Compare Means → Paired-Samples T Test	Mean Paired Differences, Sig.

  
  

  • Pilih aktivitas MATERI , CONTOH SOAL

    

    MATERI , CONTOH SOAL Berkas

    Penyelesaian

    Siswa harus

    

    Tandai selesai
• Pilih bagian PERTEMUAN 19 &amp; 20

  Ciutkan Memperluas

  PERTEMUAN 19 & 20

  🧮 ANALISIS KORELASI

  1. Koefisien Korelasi (r)

  a. Pengertian

  Koefisien korelasi adalah ukuran statistik yang menunjukkan arah dan kekuatan hubungan linier antara dua variabel.

  b. Jenis Korelasi

  • Positif: Jika nilai salah satu variabel meningkat, variabel lainnya juga meningkat.

  • Negatif: Jika nilai salah satu variabel meningkat, variabel lainnya menurun.

  • Tidak ada korelasi: Jika perubahan pada satu variabel tidak diikuti pola pada variabel lain.

  c. Rentang Nilai Koefisien Korelasi Pearson

  Nilai r	Interpretasi
  0.00ΓÇô0.19	Sangat lemah
  0.20ΓÇô0.39	Lemah
  0.40ΓÇô0.59	Sedang
  0.60ΓÇô0.79	Kuat
  0.80ΓÇô1.00	Sangat kuat

  ---

  2. Koefisien Determinasi (R┬▓)

  a. Pengertian

  Koefisien determinasi adalah ukuran yang menunjukkan seberapa besar variabel X mampu menjelaskan variabel Y.

  b. Perhitungan

  $R^2 = r^2$R2=r2

  c. Interpretasi

  Nilai R┬▓ dinyatakan dalam persen (%).
  Contoh:
  Jika r = 0,70, maka:
  $R^2 = 0,70^2 = 0,49$R2=0,702=0,49
  → Artinya, 49% variasi dalam variabel Y dijelaskan oleh X.

  ---

  3. Uji Signifikansi Korelasi

  a. Tujuan

  Untuk menguji apakah hubungan antar dua variabel yang terdeteksi secara statistik benar-benar signifikan atau hanya kebetulan.

  b. Hipotesis

  • HΓéÇ (Hipotesis nol): Tidak ada hubungan (r = 0)

  • HΓéü (Hipotesis alternatif): Ada hubungan (r Γëá 0)

  c. Kriteria Pengambilan Keputusan

  • Jika Sig. (p-value) < 0.05 ΓåÆ Tolak HΓéÇ (ada hubungan yang signifikan)

  • Jika Sig. ΓëÑ 0.05 ΓåÆ Gagal tolak HΓéÇ (tidak ada hubungan yang signifikan)

  ---

  💻 LANGKAH-LANGKAH ANALISIS KORELASI DI SPSS

  ✅ 1. Memasukkan Data

  1. Buka SPSS.

  2. Masukkan data dua variabel yang ingin dianalisis di kolom yang berbeda.

     • Misal: X di kolom 1, Y di kolom 2.

  ✅ 2. Analisis Korelasi Pearson

  1. Klik menu Analyze > Correlate > Bivariate.

  2. Pindahkan kedua variabel (misal: X dan Y) ke kotak Variables.

  3. Centang opsi:

     • Pearson (untuk korelasi linier)

     • Two-tailed (uji dua arah)

     • Flag significant correlations (untuk menandai korelasi signifikan)

  4. Klik OK.

  ✅ 3. Interpretasi Output

  Contoh output SPSS:

  	X	Y
  Pearson Correlation	1.000	0.752**
  Sig. (2-tailed)		0.003
  N	30	30

  Interpretasi:

  • r = 0.752 ΓåÆ Hubungan kuat dan positif antara X dan Y.

  • Sig. = 0.003 < 0.05 ΓåÆ Hubungan signifikan.

  • R┬▓ = (0.752)┬▓ = 0.565 ΓåÆ 56.5% variasi Y dijelaskan oleh X.

  ---

  📌 Kesimpulan

  • Koefisien korelasi (r) mengukur arah dan kekuatan hubungan.

  • Koefisien determinasi (R┬▓) menunjukkan seberapa besar pengaruh X terhadap Y.

  • Uji signifikansi menentukan apakah hubungan tersebut bermakna secara statistik.

  • SPSS memudahkan proses analisis korelasi dengan hasil yang akurat dan cepat.

  
  

  • Pilih aktivitas Vidio Materi

    

    Vidio Materi Folder

    Penyelesaian

    Siswa harus

    

    Tandai selesai
• Pilih bagian PERTEMUAN 21 &amp; 22

  Ciutkan Memperluas

  PERTEMUAN 21 & 22

  Materi: Analisis Regresi Sederhana

  Mata Kuliah: Aplikasi Statistik (SPSS)

  ---

  1. Pengertian Regresi Sederhana

  Regresi sederhana adalah metode statistik yang digunakan untuk mengetahui hubungan antara satu variabel independen (X) dan satu variabel dependen (Y).

  Contoh: Meneliti pengaruh lama belajar (X) terhadap nilai ujian (Y).

  ---

  2. Persamaan Regresi Sederhana

  Bentuk umum dari persamaan regresi linier sederhana adalah:

  $$Y = a + bX$$Y=a+bX

  Di mana:

  • $Y$Y = variabel dependen (yang diprediksi)

  • $X$X = variabel independen (prediktor)

  • $a$a = konstanta (intersep)

  • $b$b = koefisien regresi (kemiringan garis)

  Interpretasi:

  • Nilai a menunjukkan nilai Y saat X = 0

  • Nilai b menunjukkan seberapa besar perubahan Y setiap kenaikan 1 unit X

  ---

  3. Langkah-langkah Analisis di SPSS

  1. Input Data ke SPSS (dua kolom: X dan Y)

  2. Klik menu Analyze → Regression → Linear

  3. Masukkan:

     • Y ke kotak Dependent

     • X ke kotak Independent

  4. Klik OK

  ---

  4. Koefisien Determinasi (R┬▓)

  Koefisien determinasi menunjukkan seberapa besar variasi variabel Y dapat dijelaskan oleh variabel X.

  $$R^2 = \text{Koefisien Determinasi}$$R2=Koefisien Determinasi

  Nilai R┬▓ berkisar antara 0 sampai 1.

  Contoh Interpretasi:
  Jika $R^2 = 0.64$R2=0.64, maka 64% variasi pada Y dijelaskan oleh X, dan sisanya 36% dijelaskan oleh faktor lain.

  ---

  5. Pengujian Hipotesis (Uji t)

  Digunakan untuk menguji apakah variabel X secara signifikan mempengaruhi Y.

  Hipotesis:

  • HΓéÇ: b = 0 (tidak ada pengaruh X terhadap Y)

  • HΓéü: b Γëá 0 (ada pengaruh X terhadap Y)

  Kriteria Uji (berdasarkan nilai signifikansi):

  • Jika Sig < 0.05 ΓåÆ tolak HΓéÇ ΓåÆ ada pengaruh signifikan

  • Jika Sig ΓëÑ 0.05 ΓåÆ gagal tolak HΓéÇ ΓåÆ tidak ada pengaruh signifikan

  ---

  6. Contoh Output SPSS

  Coefficients Table:

  Model	Unstandardized Coefficients (B)	t	Sig.
  Constanta (a)	25.123	3.456	0.002
  X (b)	2.456	5.789	0.000

  Interpretasi:

  • Persamaan regresi: Y = 25.123 + 2.456X

  • Karena Sig. (0.000) < 0.05 ΓåÆ X berpengaruh signifikan terhadap Y

  ---

  7. Kesimpulan Analisis

  Dari hasil regresi:

  • Terdapat hubungan yang signifikan antara X dan Y

  • Model regresi dapat digunakan untuk memprediksi Y berdasarkan X

  • Nilai R┬▓ menunjukkan seberapa baik model menjelaskan data

  
  

  • Pilih aktivitas MATERI 11

    

    MATERI 11 Folder

    Penyelesaian

    Siswa harus

    

    Tandai selesai
• Pilih bagian PERTEMUAN 12

  Ciutkan Memperluas

  PERTEMUAN 12

  Materi: Analisis Regresi Berganda

  Topik Pembahasan:

  1. Persamaan Regresi Berganda

  2. Koefisien Determinasi (R┬▓)

  3. Uji Global (Uji F)

  4. Uji Parsial (Uji t)

  ---

  🎯 Tujuan Pembelajaran

  Setelah mempelajari materi ini, mahasiswa diharapkan mampu:

  • Menyusun dan memahami persamaan regresi berganda.

  • Menggunakan SPSS untuk menguji model regresi secara keseluruhan dan masing-masing variabel bebas.

  • Menginterpretasikan koefisien determinasi dan hasil uji F serta uji t.

  ---

  📐 A. Persamaan Regresi Berganda

  1. Bentuk Umum:

  $$Y = a + b_1X_1 + b_2X_2 + \dots + b_nX_n + e$$Y=a+b1ΓÇïX1ΓÇï+b2ΓÇïX2ΓÇï+Γï»+bnΓÇïXnΓÇï+e

  • Y = variabel dependen

  • XΓéü, XΓéé, ..., XΓéÖ = variabel independen

  • a = intercept (konstanta)

  • bΓéü, bΓéé, ..., bΓéÖ = koefisien regresi masing-masing X

  • e = error (residual)

  2. Contoh:

  Misalnya ingin memprediksi prestasi siswa (Y) berdasarkan jumlah jam belajar (XΓéü) dan motivasi (XΓéé):

  $$Y = a + b_1X_1 + b_2X_2$$Y=a+b1ΓÇïX1ΓÇï+b2ΓÇïX2ΓÇï

  ---

  💻 Langkah Analisis di SPSS

  1. Klik: Analyze ΓåÆ Regression ΓåÆ Linear

  2. Masukkan variabel Y ke kolom Dependent

  3. Masukkan XΓéü, XΓéé, ..., XΓéÖ ke kolom Independent(s)

  4. Klik Statistics → Centang:

     • Estimates

     • Model fit

     • R squared change

     • Confidence intervals

  5. Klik OK

  ---

  📊 B. Koefisien Determinasi (R²)

  1. Pengertian:

  Koefisien determinasi (R┬▓) menunjukkan seberapa besar variabel independen menjelaskan variasi variabel dependen.

  2. Interpretasi:

  • Nilai R┬▓ = 0 ΓÇô 1

  • Contoh: R┬▓ = 0,65 ΓåÆ 65% variasi Y dijelaskan oleh XΓéü dan XΓéé

  • SPSS menampilkan juga Adjusted R┬▓, digunakan bila jumlah variabel bebas lebih dari satu.

  ---

  🧪 C. Uji Global (Uji F)

  1. Tujuan:

  Untuk menguji apakah model regresi secara keseluruhan signifikan, yaitu apakah semua variabel bebas secara bersama-sama memengaruhi variabel terikat.

  2. Cara Interpretasi:

  • Lihat di ANOVA table pada output SPSS

  • Perhatikan nilai Significance (Sig.)

    • Jika Sig. < 0,05, maka model regresi signifikan secara simultan

    • Artinya: Paling tidak satu dari variabel X memiliki pengaruh terhadap Y

  ---

  🧪 D. Uji Parsial (Uji t)

  1. Tujuan:

  Untuk menguji apakah masing-masing variabel independen berpengaruh secara signifikan terhadap variabel dependen, dengan mengontrol variabel lainnya.

  2. Cara Interpretasi:

  • Lihat tabel Coefficients pada output SPSS

  • Perhatikan nilai t dan Sig. untuk masing-masing X

    • Jika Sig. < 0,05, maka variabel tersebut berpengaruh signifikan

    • Perhatikan juga tanda koefisien (positif/negatif) untuk arah pengaruh

  ---

  📝 Contoh Interpretasi Output SPSS

  Misalkan hasil SPSS:

  diff
  CopyEdit
  Y = 10 + 2,5XΓéü + 1,8XΓéé
  R┬▓ = 0,72  
  Uji F: Sig. = 0,000  
  Uji t:
  - X₁: Sig. = 0,002 → signifikan
  - X₂: Sig. = 0,090 → tidak signifikan
  

  Interpretasi:

  • Model regresi secara keseluruhan signifikan (karena Sig. F < 0,05)

  • XΓéü berpengaruh signifikan, sedangkan XΓéé tidak berpengaruh signifikan

  • 72% variasi nilai Y dapat dijelaskan oleh XΓéü dan XΓéé

  ---

  📌 Kesimpulan Analisis Regresi Berganda

  Komponen	Fungsi
  Persamaan regresi	Menyusun model hubungan antar variabel
  Koefisien Determinasi	Menilai kekuatan model
  Uji F (Global)	Menguji pengaruh simultan semua variabel X terhadap Y
  Uji t (Parsial)	Menguji pengaruh masing-masing variabel X secara terpisah

  
  
• Pilih bagian PERTEMUAN 13

  Ciutkan Memperluas

  PERTEMUAN 13

  Materi: Uji Asumsi Klasik dalam Regresi Linear

  Topik:

  1. Uji Normalitas

  2. Uji Linearitas

  3. Uji Multikolinearitas

  4. Uji Heteroskedastisitas

  5. Uji Autokorelasi

  ---

  🎯 Tujuan Pembelajaran

  Setelah mempelajari materi ini, mahasiswa diharapkan mampu:

  • Memahami pentingnya uji asumsi klasik dalam regresi linear.

  • Melakukan uji asumsi klasik menggunakan SPSS.

  • Menginterpretasikan hasil uji dan menarik kesimpulan apakah model regresi memenuhi asumsi yang diperlukan.

  ---

  🧩 A. Uji Normalitas

  1. Tujuan:

  Menilai apakah data residual (kesalahan prediksi) terdistribusi normal.

  2. Cara di SPSS:

  • Klik: Analyze ΓåÆ Regression ΓåÆ Linear

  • Masukkan variabel dependen dan independen

  • Centang "Save" ΓåÆ Pilih "Unstandardized residual"

  • Klik: Analyze ΓåÆ Descriptive Statistics ΓåÆ Explore

  • Masukkan residual ke "Dependent List"

  • Klik "Plots" ΓåÆ Centang Normality plots with tests

  • Lihat hasil uji Kolmogorov-Smirnov atau Shapiro-Wilk

  3. Interpretasi:

  • p > 0,05 ΓåÆ Residual terdistribusi normal (lolos uji normalitas)

  • Lihat juga grafik histogram dan P-P Plot untuk visualisasi

  ---

  📐 B. Uji Linearitas

  1. Tujuan:

  Menilai apakah hubungan antara variabel independen dan dependen berbentuk linear.

  2. Cara di SPSS:

  • Klik: Analyze ΓåÆ Compare Means ΓåÆ Means

  • Atau: Analyze ΓåÆ Regression ΓåÆ Linear

  • Centang Plots ΓåÆ Masukkan ZPRED (predicted) ke X dan ZRESID (residual) ke Y

  • Klik OK

  3. Interpretasi:

  • Hubungan linear terlihat jika pola titik pada scatterplot acak dan menyebar merata di sekitar garis horizontal nol (tidak membentuk kurva U atau pola sistematis).

  ---

  🔁 C. Uji Multikolinearitas

  1. Tujuan:

  Menilai apakah terjadi korelasi tinggi antar variabel independen.

  2. Cara di SPSS:

  • Klik: Analyze ΓåÆ Regression ΓåÆ Linear

  • Klik Statistics ΓåÆ Centang Collinearity diagnostics

  3. Interpretasi:

  • Lihat nilai VIF (Variance Inflation Factor)

    • VIF < 10 ΓåÆ Tidak ada multikolinearitas

  • Tolerance > 0,1 ΓåÆ Tidak ada multikolinearitas

  • VIF tinggi artinya ada redundansi antar variabel bebas.

  ---

  📉 D. Uji Heteroskedastisitas

  1. Tujuan:

  Menilai apakah varians residual sama di semua nilai prediktor (homoskedastik).

  2. Cara di SPSS:

  • Simpan residual dan predicted value seperti pada uji normalitas.

  • Klik: Graphs ΓåÆ Legacy Dialogs ΓåÆ Scatter/Dot

  • Pilih Simple Scatter ΓåÆ Plot ZPRED (X) vs ZRESID (Y)

  3. Interpretasi:

  • Jika pola menyebar acak dan membentuk pita horizontal, maka tidak terjadi heteroskedastisitas.

  • Jika pola membentuk kerucut atau pola tertentu, maka terjadi heteroskedastisitas.

  ---

  🔄 E. Uji Autokorelasi

  1. Tujuan:

  Menilai apakah terjadi korelasi antar residual secara berurutan (penting untuk data time series).

  2. Cara di SPSS:

  • Klik: Analyze ΓåÆ Regression ΓåÆ Linear

  • Klik Statistics ΓåÆ Centang Durbin-Watson

  3. Interpretasi:

  • Nilai Durbin-Watson (DW):

    • Sekitar 2,0 ΓåÆ Tidak ada autokorelasi

    • < 1,5 ΓåÆ Ada autokorelasi positif

    • > 2,5 ΓåÆ Ada autokorelasi negatif

  ---

  📝 Kesimpulan

  Asumsi	Alat Uji di SPSS	Kriteria Lolos
  Normalitas	Kolmogorov-Smirnov/Shapiro	Sig. > 0,05
  Linearitas	Scatterplot ZRESID vs ZPRED	Pola titik acak
  Multikolinearitas	VIF, Tolerance	VIF < 10; Tolerance > 0,1
  Heteroskedastisitas	Scatterplot ZRESID	Pola residual menyebar acak
  Autokorelasi	Durbin-Watson	Nilai mendekati 2,0

  
  
• Pilih bagian PERTEMUAN 14

  Ciutkan Memperluas

  PERTEMUAN 14

  Materi: Analisis Chi-Kuadrat

  Topik:

  • Uji Goodness of Fit

  • Uji Independensi (Chi-Square Test of Independence)

  ---

  🎯 Tujuan Pembelajaran

  Setelah mempelajari materi ini, mahasiswa diharapkan dapat:

  1. Memahami konsep dasar analisis Chi-Kuadrat.

  2. Membedakan antara uji Goodness of Fit dan uji Independensi.

  3. Menggunakan SPSS untuk melakukan uji Chi-Kuadrat dengan benar.

  4. Menginterpretasikan output SPSS untuk kedua jenis uji tersebut.

  ---

  📌 A. Konsep Dasar Analisis Chi-Kuadrat

  • Analisis Chi-Kuadrat adalah uji statistik non-parametrik yang digunakan untuk menguji hubungan atau kesesuaian distribusi data kategorik.

  • Rumus umum:

    $$\chi^2 = \sum \frac{(O - E)^2}{E}$$χ2=∑E(O−E)2​

    • O = frekuensi yang diamati (Observed)

    • E = frekuensi yang diharapkan (Expected)

  ---

  📖 B. Uji Goodness of Fit

  1. Pengertian:

  Uji ini digunakan untuk mengetahui apakah distribusi frekuensi sampel sesuai dengan distribusi teoritis atau yang diharapkan.

  2. Contoh Kasus:

  Seorang peneliti ingin menguji apakah jumlah pelanggan yang datang ke toko selama seminggu terdistribusi merata dari hari Senin sampai Minggu.

  3. Langkah-langkah di SPSS:

  1. Input data kategori (misalnya: hari) dan frekuensi.

  2. Klik:
     Analyze ΓåÆ Nonparametric Tests ΓåÆ Legacy Dialogs ΓåÆ Chi-Square

  3. Masukkan variabel kategori ke kolom Test Variable List.

  4. Masukkan nilai frekuensi yang diharapkan (jika tidak sama).

  5. Klik OK.

  4. Interpretasi Output:

  • Lihat nilai Asymp. Sig. (p-value).

  • Jika p < 0,05, maka distribusi yang diamati berbeda dari yang diharapkan.

  ---

  📖 C. Uji Chi-Square untuk Independensi

  1. Pengertian:

  Uji ini digunakan untuk mengukur hubungan atau keterkaitan antara dua variabel kategorik.

  2. Contoh Kasus:

  Apakah terdapat hubungan antara jenis kelamin dan preferensi pembelian produk A atau B?

  3. Langkah-langkah di SPSS:

  1. Input data dalam bentuk tabulasi silang (dua variabel kategorik).

  2. Klik:
     Analyze ΓåÆ Descriptive Statistics ΓåÆ Crosstabs

  3. Masukkan satu variabel ke Rows, satu lagi ke Columns.

  4. Klik tombol Statistics → Centang Chi-Square

  5. Klik Cells → Centang Expected dan Row percentages

  6. Klik OK

  4. Interpretasi Output:

  • Perhatikan nilai Pearson Chi-Square (Asymp. Sig.).

  • Jika p < 0,05, maka terdapat hubungan yang signifikan antara kedua variabel.

  ---

  🧠 Catatan Penting

  • Chi-Square memerlukan data dalam bentuk frekuensi, bukan persentase.

  • Frekuensi harapan sebaiknya tidak kurang dari 5 di lebih dari 20% sel (aturan Cochran).

  • Tidak digunakan untuk data kuantitatif atau data dengan kategori terlalu banyak.

  ---

  📝 Latihan Mandiri

  1. Buat dataset sederhana dengan dua variabel kategorik.

  2. Lakukan uji Goodness of Fit dan uji Independensi menggunakan SPSS.

  3. Interpretasikan hasil uji secara tertulis.

  
  

  • Pilih aktivitas VIDIO PEMBELAJARAN

    

    VIDIO PEMBELAJARAN Folder

    Penyelesaian

    Siswa harus

    

    Tandai selesai