4.4. aplikasi dengan spss
TRANSCRIPT
4.4. Aplikasi dengan SPSS
Klik simbol IBM SPSS statistics,
akan muncul IBM SPSS statistics data editor seperti berikut.
Klik data view, maka tampilannya sebagai berikut.
Arahkan kursos seperti anak panah di atas kemudian klik dan ketik data pada Tabel 3.2 atau
copy data dari excel kemudian paste menurut kolom mulai dari nomor 1 dan seterusnya sesuai
jumlah sampel yang digunakan seperti berikut.
99
Kemudian klik variable view untuk menulis nama variabel seperti berikut.
Pada Name klik var00001 ganti dengan Y kemudian enter, var00002 dengan X1, dan
var00003 dengan X2 pada kolom label baris pertama tulis Pengeluaran pakaian dan baris
kedua dan ketiga tulis Total pengeluaran dan Harga pakaian seperti yang tertulis pada Tabel
3.2, tampilannya seperti berikut.
99
Kemudian klik analize pilih Regression dan klik linear, tampilan seperti berikut.
Kemudian pindahkan Kuantitas (Y) ke Dependent dengancara klik anak panah seperti pada
gambar di atas, maka tampilannya seperti berikut.
99
Kemudian klik Total pengeluaran (X1) dan Harga pakaian (X2) maka tampilannya seperti
berikut.
Kemudian variable harga dipindahkan ke independent dengan klik arah panah seperti gambar
di atas, maka tampilannya seperti berikut.
99
Kemudian klik statistic seperti anak panah di atas maka tampilannya seperti berikut.
Klik covariance matrix, collinearity diagnostics, Durbin-Watson, dan continue. Kemudian klik
SRESID klik arah panah ke Y seperti gambar berikut:
99
Kemudian klik ZPRED klik arah panah ke X seperti gambar berikut:
Dan hasilnya sebagai berikut:
99
Kemudian klik Histogram dan Normal probability plot selanjutnya klik Continue, selanjutnya
klik OK, maka outputnya seperti berikut.
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS BCOV R ANOVA COLLIN TOL
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1 X2
/SCATTERPLOT=(*SRESID ,*ZPRED)
/RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID).
Regression
Notes
99
Output Created 01-DEC-2019 08:16:30
Comments
Input Data D:\BUKU AJAR
EKONOMETRIKA
EFFENDY\REGRESI
BERGANDA.sav
Active Dataset DataSet3
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working
Data File
10
Missing Value Handling Definition of Missing User-defined missing
values are treated as
missing.
Cases Used Statistics are based on
cases with no missing
values for any variable
used.
99
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF
OUTS BCOV R ANOVA
COLLIN TOL
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1
X2
/SCATTERPLOT=(*SRES
ID ,*ZPRED)
/RESIDUALS DURBIN
HISTOGRAM(ZRESID)
NORMPROB(ZRESID).
Resources Processor Time 00:00:00,45
Elapsed Time 00:00:00,39
Memory Required 2912 bytes
Additional Memory
Required for Residual
Plots
664 bytes
Variables Entered/Removeda
Model
Variables
Entered
Variables
Removed Method
1 Harga pakaian,
Total
pengeluaranb
. Enter
a. Dependent Variable: Pengeluaran pakaian
b. All requested variables entered.
99
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .975a .950 .936 .86185 2.642
a. Predictors: (Constant), Harga pakaian, Total pengeluaran
b. Dependent Variable: Pengeluaran pakaian
Nilai Durbin-Watson 2,642 karena lebih mendekati 2 maka dapat disimpulkan
ketidakpastian autokorelasi atau tidak ada autokorelasi.
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 99.597 2 49.798 67.043 .000b
Residual 5.199 7 .743
Total 104.796 9
a. Dependent Variable: Pengeluaran pakaian
b. Predictors: (Constant), Harga pakaian, Total pengeluaran
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity
Statistics
B
Std.
Error Beta Tolerance VIF
1 (Constant) -1.919 3.015 -.637 .545
Total
pengeluaran
.161 .033 1.224 4.851 .002 .111 8.984
Harga
pakaian
.198 .186 .269 1.065 .322 .111 8.984
a. Dependent Variable: Pengeluaran pakaian
Nilai VIF 8,984 < 10 maka dapat disimpulkan relative tidak ada multikolinieritas.
99
Coefficient Correlationsa
Model Harga pakaian Total pengeluaran
1 Correlations Harga pakaian 1.000 .943
Total pengeluaran .943 1.000
Covariances Harga pakaian .035 .006
Total pengeluaran .006 .001
a. Dependent Variable: Pengeluaran pakaian
Collinearity Diagnosticsa
Model Dimension Eigenvalue
Condition
Index
Variance Proportions
(Constant)
Total
pengeluaran Harga pakaian
1 1 2.549 1.000 .00 .00 .00
2 .446 2.390 .00 .02 .04
3 .005 22.651 1.00 .98 .96
a. Dependent Variable: Pengeluaran pakaian
99
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 3.6645 12.9335 7.8800 3.32660 10
Std. Predicted Value -1.267 1.519 .000 1.000 10
Standard Error of
Predicted Value
.285 .705 .457 .123 10
Adjusted Predicted Value 3.7020 12.7776 7.8594 3.26511 10
Residual -1.31476 1.25369 .00000 .76008 10
Std. Residual -1.526 1.455 .000 .882 10
Stud. Residual -1.671 1.675 .013 1.037 10
Deleted Residual -1.57694 1.80288 .02063 1.06566 10
Stud. Deleted Residual -1.995 2.004 .049 1.194 10
Mahal. Distance .088 5.126 1.800 1.498 10
Cook's Distance .002 .596 .136 .188 10
Centered Leverage Value .010 .570 .200 .166 10
a. Dependent Variable: Pengeluaran pakaian
Charts
99
Karena titik mendekati garis diagonal maka dapat disimpulkan data berdistribusi
normal.
Titik-titik menyebar merata di atas dan di bawah nol secara merata dan tidak
membentuk kipas atau kerucut yang berbeda pada plot residual, maka disimpulkan
tidak ada heteroskedastisitas.
99