1_uji_normalitas_i._pendahuluan_uji_normalitas_adalah_suatu_bentuk_

5/17/2018 1_UJI_NORMALITAS_I._PENDAHULUAN_Uji_normalitas_adalah_suatu_bentuk_... - s...

http://slidepdf.com/reader/full/1ujinormalitasipendahuluanujinormalitasadalahsuatubentuk

1

UJI NORMALITAS

I. PENDAHULUANUji normalitas adalah suatu bentuk pengujian tentang kenormalan distribusi data. Tujuan dari

uji ini adalah untuk mengetahui apakah data yang diambil adalah data yang terdistribusi normal.Maksud dari data terdistribusi normal adalah bahwa data akan mengikuti bentuk distribusi normaldimana datanya memusat pada nilai rata-rata dan median. Uji ini sering dilakukan untuk analisisstatistik parametrik. Uji dapat dilakukan setelah menentukan tipe data dari data penelitian yang

diambil.

II. ANALISIS YANG DIPERLUKANYang perlu dilihat dari output R programming adalah nilai signifikan dari Shapiro-Wilk Test of

Normality . Dalam hal ini nilai signifikan Shapiro-Wilk Test of Normality harus lebih besar dari (>)0,05. Namun, sebenarnya dalam menguji kenormalam suatu data ada banyak hal yang perludiketahui, seperti nilai perbandingan antara nilai skewness dengan standar error skewness yangmenghasilkan rasio skewness dan perbandingan antara nilai kurtosis dengan nilai standar errorkurtosis yang akan mengahasilkan rasio kurtosis. Dari kedua rasio perbandingan tersebut dapatdikatakan normal bila mempunyai nilai antara -2 sampai dengan 2. Selain hal tersebut masih adasatu lagi alat uji untuk melihat kenormalan data yaitu dengan nilai K-S dengan syarat bila nilaiprobabilitas lebih besar dari (>) 0,05 maka data tersebut dikatakan normal.

III. CONTOH KASUSBerikut ini disajikan data mengenai penjualan tiket bus antar kota antar propinsi di terminalLebak Bulus selama hari raya Idul Fitri. Berdasarkan data di bawah ini, ujilah apakah datatersebut terdistribusi normal !Hari Lorena Kramat Jati Safari1 250 280 1502 190 275 1803 311 299 1884 340 300 1755 322 314 1996 363 312 2057 344 311 206

IV. LANGKAH-LANGKAH PENGERJAANUntuk mencari nilai-nilai normalitas data tersebut dengan menggunakan program R, ikutilahlangkah-langkah berikut :1. Tekan icon R Commander pada desktop kemudian akan muncul tampilan seperti gambar di

bawah ini.



2

Gambar 1. Tampilan menu awal R commander

2. Pilih menu Data, New data set . Masukkan nama dari data set adalah normalitas1 (tanpaspasi) kemudian tekan tombol OK

Gambar 2. Tampilan menu New data set

Gambar 3. Tampilan New Data Set



3

Kemudian akan muncul Data Editor

Gambar 4. Tampilan Data Editor

3. Masukkan data bus dengan var1 untuk lorena, var2 untuk kramat jati dan var3 untuk safari.Jika Data Editor tidak aktif maka dapat diaktifkan dengan menekan RGui di Taskbarwindows pada bagian bawah layar monitor. Jika sudah selesai dalam pengisian data tekantombol Close . Untuk mengubah nama dan tipe variabel, dapat dilakukan dengan caradouble click pada variable yang ingin di setting . Pemilihan type, dipilih numeric pada semuavariabel.

Gambar 5. Tampilan Variabel editor lorena

Kemudian Isi masing-masing variabel sesuai dengan data soal setelah selesai isi datakemudian tekan tombol X (close)

Gambar 6. Tampilan isi Data Editor

Selanjutnya, pilih window R-commander akan muncul tampilan :



4

Gambar 7. Tampilan Sript Window

4. Untuk mengecek kebenaran data yang sudah dimasukkan, tekan tombol View data set maka akan muncul tampilan seperti gambar di bawah ini. Jika ada data yang salah, tekantombol edit data set , lalu perbaiki data yang salah.

Gambar 8. Tampilan View normalitas1

5. Jika data sudah benar, pilih menu Statistic, Summaries, Shapiro-Wilk test of normality . Pilihlorena kemudian tekan tombol OK. Begitu juga dengan kramat jati dan safari. Karena datayang keluar hanya satu persatu tidak dapat langsung keluar dalam satu kali pengolahan.



5

Gambar 9. Tampilan menu olah data

Kemudian akan muncula. Tampilan Scale Reliabity kramatjati

Gambar 10. Tampilan Scale Reliability kramatjatib. Tampilan Scale Reliabity lorena

Gambar 11. Tampilan Scale Reliabity lorenac. Tampilan Scale Reliability safari



6

Gambar 12. Tampilan Scale Reliabity safari

6. Kemudian tekan tampilan R Commander akan muncul output :

Gambar 13. Tampilan Output kramatjati*Nilai probabilitas Shapiro-Wilk sebesar 0,1623 berarti probabilitas lebih dari 0,05; makadata untuk bus kramat jati tersebut terdistribusi normal



7

Gambar 14. Tampilan Output lorena*Nilai probabilitas Shapiro-Wilk sebesar 0,1851 berarti probabilitas lebih dari 0,05; makadata untuk bus lorena tersebut terdistribusi normal.

Gambar 15. Tampilan Output safari*Nilai probabilitas Shapiro-Wilk sebesar 0,4126 berarti probabilitas lebih dari 0,05; makadata untuk bus safari tersebut terdistribusi normal



8

Untuk membersihkan Script Window pada R Commander , lakukan langkah berikut :1. Letakkan kursor pada Script window2. Kilik Kanan3. Klik kiri pada Clear window

Untuk membersihkan Output Window pada R Commander , lakukan langkah berikut :1. Letakkan kursor pada Output window2. Kilik Kanan

3. Klik kiri pada Clear window



9

UJI T SAMPEL BEBAS(INDEPENDENT SAMPLE T-TEST)

I. PENDAHULUANPengujian hipotesis dengan distribusi t adalah pengujian hipotesis yang menggunakan

distribusi t sebagai uji statistik. Tabel pengujian disebut tabel t-student. Distribusi t pertama kaliditerbitkan pada tahun 1908 dalam suatu makalah oleh W.S Gosset. Pada waktu itu Gossetbekerja pada perusahaan bir Irlandia yang melarang penerbitan penelitian oleh karyawannya.

Untuk mengelakkan larangan ini dia menerbitkan karyanya secara rahasia dibawah nama‘student’. Karena itulah distribusi t biasanya disebut Distribusi Student. Hasil uji statistiknyakemudian dibandingkan dengan nilai yang ada pada tabel untuk kemudian menerima ataumenolak hipotesis observasi (HO) yang dikemukakan.

Ciri-ciri Uji t1. Penentuan nilai tabel dilihat dari besarnya tingkat signifikan (α) dan besarnya drajat bebas

(db).2. Kasus yang diuji bersifat acak.

Fungsi Pengujian Uji t1. Untuk memperkirakan interval rata-rata.2. Untuk menguji hipotesis tentang rata-rata suatu sampel.3. Menunjukkan batas penerimaan suatu hipotesis.4. Untuk menguji suatu pernyataan apakah sudah layak untuk dipercaya.

II. ANALISIS YANG DIPERLUKANMenentukan rata-ratanya : Xi = (∑x) / n Menentukan standar deviasi : S2 = ∑ (X1-X)2 / n – 1 dan S = √S2 Rumus umum Uji T Sampel Bebas : To = (X1-X2) – do / √(S12 / n1) + (S22 / n2)

III. CONTOH KASUSMenjelang tahun ajaran baru ook buku Saputra menjual berbagai macam merk buku tulis.Dari berbagai merk yang ada, ada 2 merk yang sangat laris, yaitu merk Cerdas dan Ganteng.Pemilik took ingin menguji apakah antara kedua merk tersebut sama larisnya atau salah satu

lebih laris dari yang lain. Dari catatan penjualan yang ada selama sebulan diperoleh data jumlah buku yang terjual sebagai berikut :Hari ke Merk Cerdas Merk Ganteng1 255 2502 240 2483 238 2404 225 2155 195 2006 200 2057 203 1988 208 1909 214 199

10 216 225

IV. LANGKAH-LANGKAH PENGERJAANUntuk mencari nilai-nilai uji 2 sample bebas data tersebut dengan menggunakan program R,ikutilah langkah-langkah berikut :1. Tekan icon R Commander pada desktop kemudian akan muncul tampilan seperti gambar di

bawah ini.



10


2. Pilih menu Data, New data set . Masukkan nama dari data set adalah normalitas1 (tanpaspasi) kemudian tekan tombol OK





11



3. Masukkan data bus dengan var1 untuk skor, var2 untuk buku. Jika Data Editor tidak aktifmaka dapat diaktifkan dengan menekan RGui di Taskbar windows pada bagian bawahlayar monitor. Jika sudah selesai dalam pengisian data tekan tombol Close . Untukmengubah nama dan tipe variabel, dapat dilakukan dengan cara double click pada variableyang ingin di setting . Pemilihan type, dipilih numeric pada semua variabel.

Gambar 5. Tampilan Variabel editor skor

Gambar 6. Tampilan Variabel editor buku




12




4. Untuk mengecek kebenaran data yang sudah dimasukkan, tekan tombol View data set maka akan muncul tampilan. Jika ada data yang salah, tekan tombol edit data set , laluperbaiki data yang salah.



13

Gambar 9. Tampilan View bebas

Untuk merubah variabel numerik buku pada tampilan R commander pilih : Manage variables in active data set kemudian pilih Bin numeric variable .

Gambar 10. Tampilan Manage variables



14

Kemudian akan muncul tampilan :

Gambar 11. Tampilan Bin a Numeric Variable

Kemudian akan muncul tampilan rubah nama Bin :

Gambar 12. Tampilan Bin Names

5. Jika data sudah benar, pilih menu Statistics, Means, Independent samples t-test.




15

6. Pada Response Variable pilih skor kemudian tekan tombol OK .

Gambar 14. Tampilan Independent Samples t-Test

7. Maka akan muncul hasil pada output window sebagai berikut :

Gambar 15. Tampilan output bagian

AnalisisUji Selisih rata-rata1. Hipotesis2. Statistik uji : uji t3. α = 0.05 4. Daerah Kritis : Ho ditolak jika sig. < α 5. Dari hasil pengolahan R-Programing, diperoleh sign t = 0.2556. Karena Sign t. > α (0.255>0.05) maka Ho diterima.



16

Kesimpulan: Ho diterima sehingga rata-rata penjualan buku merk Cerdas = merkGanteng.Pada output di atas didapat rata-rata buku cerdas yang terjual sebesar 220 (dibulatkan)dan rata-rata buku ganteng yang terjual sebesar 217.



17

UJI 2 SAMPLE BERPASANGAN (PAIRED SAMPLE t-TEST )

I. PENDAHULUANPaired sample t-Test adalah uji t dimana sample saling berhubungan antara satu sample

dengan sample yang lain. Pengujian ini biasanya dilakukan pada penelitian dengan menggunakanteknik eksperimen dimana satu sample diberi perlakuan tertentu kemudian dibandingkan dengankondisi sample sebelum adanya perlakuan. Tujuan dari pengujian ini adalah untuk mengujiperbedaan rata-rata antara sample-sampel yang berpasangan.

II. ANALISIS YANG DIPERLUKANHipotesis :Ho : tidak ada perbedaan antara sebelum dan sesudah adanya perlakuanHa : ada perbedaan antara sebelum dan sesudah adanya perlakuan

Kriteria pengambilan keputusan :1. Menggunakan nilai signifikan / P-Value

Jika nilai signifikan / P-Value > 0,05 ; maka Ho diterimaJika nilai signifikan / P-Value < 0,05 ; maka Ho ditolak.

2. Menggunakan perbandingan antara t hitung dengan t tabel Nilai t tabel didapat dari α (taraf nyata / tingkat signifikan) dengan derjat bebas / degree of freedom (df).Jika t hitung > t tabel ; maka Ho ditolakJika t hitung < t tabel ; maka Ho diterima.

III. CONTOH KASUSSebuah perusahaan mie instan akan melakukan penelitian terhadap produk mereka sebelumdilakukan promosi dengan setelah dilakukan promosi. Data didapat dari 7 lokasi dengan datasebagai berikut :No. Sebelum Sesudah1. 224 2552. 231 2513. 223 2544. 251 225

5. 264 2456. 222 2687. 235 215

IV. LANGKAH-LANGKAH PENGERJAANUntuk mencari nilai-nilai uji 2 sampel berpasangan data tersebut dengan menggunakanprogram R, ikutilah langkah-langkah berikut :1. Tekan icon R Commander pada desktop kemudian akan muncul tampilan seperti gambar di

bawah ini.



18


2. Pilih menu Data, New data set . Masukkan nama dari data set adalah datapenjualan (tanpaspasi) kemudian tekan tombol OK






19


3. Masukkan data dengan var1 untuk sebelum, var2 untuk sesudah. Jika Data Editor tidakaktif maka dapat diaktifkan dengan menekan RGui di Taskbar windows pada bagian bawahlayar monitor. Jika sudah selesai dalam pengisian data tekan tombol Close . Untukmengubah nama dan tipe variabel, dapat dilakukan dengan cara double click pada variableyang ingin di setting . Pemilihan type, dipilih numeric pada semua variabel.Tekan icon R Commander pada desktop kemudian akan muncul window data editor DataSet : data penjualan .

Gambar 5. Tampilan Variabel editor sebelum

Gambar 6. Tampilan Variabel editor sesudah

4. Kemudian masukan data skor sesuai dengan soal




20




Gambar 9. Tampilan View data penjualan

6. Jika data sudah benar, pilih menu statistika,means, paired t-test maka akan muncul menuseperti gambar di bawah ini



21


Kemudian akan muncul tampilan seperti di bawah ini :

Gambar 11. Tampilan Paired t-TestUntuk kolom pertama pilih sebelum dan yang kedua pilih sesudah kemudian tekan tombolOK

7. Maka akan muncul hasil pada output window sebagai berikut :



22

Gambar 12. Tampilan Output

AnalysisDari hasil di atas dapat disimpulkan bahwa probabilitas p-value = 0,454. Oleh karenaprobabilitas > 0,05 maka Ho diterima, atau promosi yang dilakukan manajer untukmelakukan promosi ternyata tidak efektif untuk meningkatkan penjualan mie instan.Atau bisa menggunakan t table yang didapat dari nilai df dan nilai taraf nyata. Nilai df sebesar 6 dengan taraf nyata sebesar 5% maka didapat nilai t table sebesar 3,707. Nilaitersebut lebih besar daripada nilai t hitung yang hanya sebesar -0,8006. Oleh karena nilai t

hitung < t table maka Ho diterima, atau promosi yang dilakukan manajer untuk melakukan

promosi ternyata tidak efektif untuk meningkatkan penjualan mie instan.



23

UJI PERBEDAAN LEBIH DARI DUA SAMPEL (ANOVA)

I. PENDAHULUANUji perbedaan lebih dari dua sampel disebut juga analisis varians, dipopulerkan oleh Sir

Donald Fisher, seorang pendiri modern. Analisis ini digunakan untuk :1. Menguji hipotesis kesamaan rata-rata antara dua grup atau lebih (tidak berbeda secara

signifikan).2. Menguji apakah varians populasinya sama ataukah tidak.

Asumsi :1. Populasi-populasi yang akan diuji terdistribusi normal2. Varians dari populasi-populasi tersebut adalah sama3. Sampel tidak berhubungan satu dengan yang lain

II. ANALISIS YANG DIPERLUKANUji Kesamaan VariansLihat output livene’s test of homogeneity of varians 1. Hipotesis :

Ho : Varians ketiga sampel identikHa : Varians ketiga sampel tidak identik

2. Pengambilan keputusanJika Probabilitas > 0.05, maka Ho di terimaJika Probabilitas < 0.05, maka Ho di tolak

Uji AnovaLihat output analysis of varians 1. Hipotesis :

Ho : ke-3 Rata-rata populasi adalah identikHa : ke-3 Rata-rata populasi adalah tidak identik

2. Pengambilan keputusanJika Probabilitas > 0.05, maka Ho di terimaJika Probabilitas < 0.05, maka Ho di tolak

III. CONTOH KASUSSeorang pengusaha persewaan becak ingin membeli ban. Di toko ternyata ada 3 ban becakyang harganya sama, yaitu ban merk A, ban merk B, ban merk C. Pengusaha tersebut inginmembeli satu dari 3 ban tersebut. Untuk itu ia akan mengadakan percobaan terhadap dayatahan ban (hari). Hasil percobaannya adalah sebagai berikut :Sampel Ban A Ban B Ban C1 110 100 1102 100 100 1103 110 120 904 120 120 80

IV. LANGKAH-LANGKAH PENGERJAANUntuk mencari nilai-nilai anova data tersebut dengan menggunakan program R, ikutilah

langkah-langkah berikut :1. Tekan icon R Commander pada desktop kemudian akan muncul tampilan seperti gambar dibawah ini.



24


2. Pilih menu Data, New data set . Masukkan nama dari data set adalah anova kemudiantekan tombol OK





25



3. Masukkan data dengan var1 merk.ban dan var2 daya tahan. Jika Data Editor tidak aktifmaka dapat diaktifkan dengan menekan RGui di Taskbar windows pada bagian bawahlayar monitor. Jika sudah selesai dalam pengisian data tekan tombol Close . Untukmengubah nama dan tipe variabel, dapat dilakukan dengan cara double click pada variableyang ingin di setting .

Gambar 5. Tampilan Variabel editor merk.ban

Gambar 6. Tampilan Variabel editor dayatahan




26




4. Untuk mengecek kebenaran data yang sudah dimasukkan, tekan tombol View data set

maka akan muncul tampilan. Jika ada data yang salah, tekan tombol edit data set , laluperbaiki data yang salah.



27

Gambar 9. Tampilan View anova

Untuk merubah variabel numerik ban pada tampilan R commander pilih : Manage variables in active data set kemudian pilih Bin numeric variable .

Gambar 10. Tampilan Manage variables



28


Gambar 11. Tampilan Bin a Numeric Variable

Kemudian akan muncul tampilan rubah nama Bin :

Gambar 12. Tampilan Bin Names

5. Jika data sudah benar, pilih menu Statistics, Varians, Levene’s test.




29

6. Pada Response Variable pilih variabel daya tahan (numerik) kemudian tekan tombol OK .

Gambar 14. Tampilan Levene’s Test

7. Pilih menu R commander untuk mencari nilai Anova. Pilih menu Statistics, Means, One- way ANOVA

Gambar 15. Tampilan menu olah data 2


Gambar 16. Tampilan One-Way Analysis of VarianceUntuk Response Variable pilih dayatahan, aktifkan pairwise comparison of means



30

8. Maka akan muncul hasil pada output window sebagai berikut :Output bagian 1

Gambar 17. Tampilan output bagian 1Analisa : Output di atas menunjukan nilai f probabilitas 0,1004 > 0,05 maka Ho diterimaatau ketiga varians sampel identik

Output bagian 2

Gambar 18 Tampilan output bagian 2



31

Analisa ; Output di atas menunjukan f probabilitas 0,2801>0,05, maka Ho diterima ataudaya tahan ke tiga merk ban adalah identik (sama). Rata-rata daya tahan ban A adalah110,0, ban B110,0, ban C 97,5

Output bagian 3 :

Gambar 19 Tampilan output bagian 3Analisa : Standar deviasi ban merk A 8,16, merk B 11,54, merk C 15,00Jumlah sampel masing-masing merk ban adalah 4 dan tidak ada data yang hilang

Output bagian 4 :



32

Gambar 20. Tampilan output bagian 4Analisa : 95% family-wise confidence levelLihat nilai estimate paling besar adalah Ban C-ban A = -1,25 dan ban C-Ban B= -1,25,maka ini menunjukan rata-rata daya tahan antara ketiga merk ban berbeda, dengan selangkepercayaan 95 %



33

REGRESI LINIER BERGANDA

I. PENDAHULUANProgram R menu regresi merupakan alat yang digunakan untuk menentukan persamaan

regresi yang menunjukkan hubungan antara variabel terikat yang ditentukan dengan dua ataulebih variabel bebas. Tujuan utama analisis regresi adalah untuk perkiraan nilai suatu variabel(terikat) jika nilai variabel lain yang berhubungan dengannya (variabel bebas) sudah ditentukan.

Regresi linier (liniear regression) digunakan untuk melakukan pengujian hubungan antara

sebuah variabel dependent (tergantung) dengan satu variabel atau beberapa variabel independent(bebas) yang ditampilkan dalam bentuk persamaan regresi.

Jika variabel dependent yang dihubungkan hanya dengan satu variabel independent saja,maka persamaan regresi yang dihasilkan adalah regresi linier sederhana (liniear regresssion).Jika variabel dependent yang dihubungkan dengan lebih dari satu variabel independent , makapersamaan regresinya adalah regresi linier berganda (multiple liniear regression).

II. ANALISIS YANG DIPERLUKANPersamaan Umum : Y = α + b1 X1+ b2 X2 + b3 X3 + .................+bn Xn Keterangan :Y = variabel dependentα = konstantaX1 ...Xn = variabel independentb1 bn = koefisien regresi

Tiga asumsi dasar yang tidak boleh dilanggar oleh regresi linier berganda yaitu1) Tidak boleh ada autokorelasi,

Untuk menguji variabel-variabel yang diteliti, apakah terjadi autokorelasi atau tidak, bila uji nilaiDurbin Watson mendekati angka dua, maka dapat dinyatakan tidak ada korelasi.

2) Tidak boleh ada multikolinieritasCara yang paling mudah untuk menguji ada atau tidaknya gejala multikolinieritas adalahmelihat korelasi (hubungan) antar variabel bebas. Jika nilai korelasi dibawah angka 1, makatidak terjadi multikolinieritas.

3) Tidak boleh ada heterokeditas.Dengan melihat grafik plot antara nilai variabel terikat (SRESID) dengan residual (ZPRED).

Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur(bergelombang, melebar, kemudian menyempit), maka mengidentifikasikan telah terjadiheterokeditas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawahangka 0 pada sumbu Y, maka tidak terjadi heterokeditas.

Koefisien Korelasi (r/R)Adalah koefisien yang digunakan untuk mengetahui hubungan antara variabel X dan Y,

syaratnya adalah : r = (n (ΣXY) – (ΣX) (ΣY)) / [n(ΣX2) – ((ΣX)2)½ [n(ΣY2) – (ΣY)2 ] ½ Jika r = 0 atau mendekati 0, maka hubunganya sangat lemah atau bahkan tidak ada hubungansama sekali.Jika r = +1 atau mendekati +1, maka hubunganya kuat dan searah.Jika r = -1 atau mendekati -1, maka hubunganya kuat dan tidak searah.

Koefisien Determinasi (r2/R2)Adalah koefisien yang digunakan untuk mengetahui seberapa besar variabel bebas (X)mempengaruhi variabel terikat (Y). Nilai koefisien determinasi berkisar antara 0 sampai dengan 1.

Kesalahan Standar EstimasiDigunakan untuk mengetahui ketepatan persamaan estimasi. Dapat digunakan dengan

mengukur besar kecilnya kesalahan standar estimasi (semakin kecil nilai kesalahannya, makasemakin tinggi ketepatannya).



34

III. CONTOH KASUSSeorang dosen statistika sedang melakukan penelitian terhadap beberapa mahasiswa. Ia inginmengetahui bagaimana hubungan antara frekuensi belajar dalam satu minggu dan lamanyabelajar per hari terhadap IPK yang didapat seorang mahasiswa. Berikut data hasil penelitian :Nama IPK Frekuensi Belajar (hari) Lama Belajar (Jam)Suci 4,00 6 3Ratna 3,50 5 2Febrin 3,25 4 2,5

Kamal 3,32 4 2Yessi 2,80 5 1Dennis 2,98 5 1,5Dedy 2,30 3 1Susi 3,48 4 2Anthon 2,55 2 2Adhy 2,75 4 1,5Analisalah data di atas !!!

1V. LANGKAH-LANGKAH PENGERJAANUntuk mencari nilai-nilai regresi data tersebut dengan menggunakan program R, ikutilahlangkah-langkah berikut :1. Tekan icon R Commander pada desktop kemudian akan muncul tampilan seperti gambar di

bawah ini.


2. Pilih menu Data, New data set . Masukkan nama dari data set adalah regresi kemudiantekan tombol OK



35





3. Masukkan data dengan var1 untuk ipk, var2 untuk frek.belajar dan var3 untuk lama.belajar.Jika Data Editor tidak aktif maka dapat diaktifkan dengan menekan RGui di Taskbar

windows pada bagian bawah layar monitor. Jika sudah selesai dalam pengisian data tekantombol Close . Untuk mengubah nama dan tipe variabel, dapat dilakukan dengan caradouble click pada variable yang ingin di setting . Pemilihan type, dipilih numeric pada semuavariabel.



36

Gambar 5. Tampilan Variabel editor ipk

Gambar 6. Tampilan Variabel editor frek.belajar

Gambar 7. Tampilan Variabel editor lama.belajar





37




Gambar 10. Tampilan View regresi

5. Jika data sudah benar, pilih menu Statistics, Fit models, Linear regression, maka akanmuncul menu seperti gambar di bawah ini



38


6. Pada Response Variable pilih variabel yang termasuk variabel terikat misalnya IPK danpada Explanatory Variable pilih yang termasuk variabel bebas misalnya variabelfrek..belajar dan lama belajar, untuk memilih 2 variabel sekaligus tekan ctrl lalu pilihfrek..belajar dan lama.belajar kemudian tekan tombol OK

Gambar 12. Tampilan Response variable

7. Maka akan muncul hasil pada output window sebagai berikut :Output bagian 1:



39

Gambar 13. Tampilan Output 1

Analisa output bagian 1 :Pada bagian ini dikemukakan nilai koefisien a dan b serta harga t hitung dan tingkatsignifikan. Persamaan regresi : Y= 1.11819 +0.23592 X1 + 0.53187 X2 Harga 1.11819 merupakan nilai konstanta (a) yang menunjukkan bahwa jika tidak adafrekuensi dan lama belajar yang dilakukan maka IPK yang akan dicapai 1.11819 sedangharga 0.23592 merupakan koefisien regresi yang menunjukan bahwa setiap penambahan1 hari belajar maka akan ada penambahan IPK sebesar 0.23592 .serta untuk harga

0.53187 merupakan koefisien regresi yang menunjukan bahwa setiap penambahan 1 jambelajar maka akan ada penambahan IPK sebesar 0.53187. Uji t : Dilakukan untuk mengetahui masing-masing variabel bebas mempengaruhi atautidak variabel terikat.Langkah – langkah :a. Ho : Frekuensi belajar tidak berpengaruh terhadap IPK

Ha : Frekuensi belajar berpengaruh terhadap IPKSyarat : > 0.05 Ho diterima

< 0.05 Ho ditolakFrekuensi belajar = 0.00517 < 0.05, Ho ditolakKesimpulan : Frekuensi belajar berpengaruh terhadap IPK

b. Ho : Lama belajar tidak berpengaruh terhadap IPKHa : Lama belajar tidak berpengaruh terhadap IPK

Lama belajar = 0.00161 < 0.05, Ho ditolakKesimpulan : Lama belajar mempengaruhi IPK.Dapat dilihat di atas terdapat tanda dua bintang pada baris Frekuensi belajar dan Lamabelajar itu berarti kedua variabel mempengaruhi IPK.



40

Output bagian 2 :

Gambar 14. Tampilan Output 2

Analisa output bagian 2Pada bagian ini ditampilkan R2 adalah sebesar 0.8897 .Uji f : Dilakukan untuk mengetahui pengaruh secara bersama-sama.Ho : Frekuensi belajar dan Lama belajar tidak berpengaruh secara bersama-sama

terhadap IPK.Ha : Frekuensi belajar dan Lama belajar berpengaruh secara bersama-sama terhadap

IPK.

Syarat : > 0.05 Ho diterima dan < 0.05 Ho ditolakDidapat p-value = 0.0004458 < 0.05, Ho ditolakKesimpulan : Frekuensi belajar& Lama belajar berpengaruh secara bersama-samaterhadap IPK.

1_uji_normalitas_i._pendahuluan_uji_normalitas_adalah_suatu_bentuk_

Documents