APLIKASI EXCEL DAN SPSS UNTUK ANALISIS REGRESI DAN KORELASI PS. SUPERVISOR JAMINAN MUTU PANGAN PROGRAM DIPLOMA - IPB Dr. Ir. Nugraha Edhi Suyatma, DEA
Feb 12, 2016
APLIKASI EXCEL DAN SPSS UNTUK ANALISIS REGRESI DAN KORELASI
PS. SUPERVISOR JAMINAN MUTU PANGAN
PROGRAM DIPLOMA - IPB
Dr. Ir. Nugraha Edhi Suyatma, DEA
APLIKASI EXCEL DAN SPSSAPLIKASI EXCEL DAN SPSS
Contoh 1.
Dalam magang, seorang mahasiswa SJMP diminta melakukan analisis terhadap hubungan antara jumlah sales dengan penjualan perusahaan. Apakah ada hubungan antara kedua variabel tersebut? Apakah variabel jumlah sales dapat digunakan untuk meramalkan penjualan?
BUKA FILE: CONTOH SOAL1 – NES.XLS
Contoh Kasus 2.
Pada hasil pegujian Bensin premium Pertamina, diperoleh data tentang bilangan oktan dan % kemurnian minyak. Apakah terdapat korelasi antara kedua variabel ini? Bagaimana tingkat korelasinya ?
CATATAN:
Besarnya korelasi dikategorikan sbb:
• 0,7 – 1,00, derajat hubungan yang tinggi
• 0,4 – 0,7, derajat hubungan yang substansial
• 0,2 – 0,4, derajat hubungan yang rendah
• < 0,2, hubungan dapat diabaikan (tidak ada)
Tabel. Bilangan Oktan (Y) versus % kemurnian (X)
Soal 3.
Bagian marketing dari sebuah perusahaan yang memproduksi jeans ingin meneliti apakah iklan di televisi ada dampaknya untuk meningkatkan jumlah permintaa jeans produksi perusahaan tersebut, berdasarkan data-data biaya iklan dan permintaan barang selama 19 tahun terakhir seperti pada tabel.
GUNAKAN EXCEL DAN SPSS, tentukan persamaan regressi untuk kasus diatas. Apakah koefisien regressi yang didapat signifikan pada =0,05?
Tahapan di SPSS:•Analyze Regression Linear•Masukkan variabel Dependenr dan Independent OK.•Baca out put analysis.
Nilai R Square (R²) = 93,8% (variance jumlah permintaan jeans)
Persamaan regresi linear memang signifikan (bisa diaplikasikan) sebagai alat prediksi jumlah permintaan jean berdasarkan iklan yg dibuat.
Model Summary
.969a .938 .935 3.019Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Predictors: (Constant), Biaya Iklana.
ANOVAb
2363.055 1 2363.055 259.266 .000a
154.945 17 9.1142518.000 18
RegressionResidualTotal
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), Biaya Iklana.
Dependent Variable: Jumlah Permintaan Jeansb.
Koefisien regresi:
a = 74.673 (signifikan dg t hit = 35,161, p< =0,05)
b = 24.280 (signifikan dg thit = 16,102, p< =0,05)
Pers. regresi: y = 74.67 + 24.28x
Coefficientsa
74.673 2.124 35.161 .00024.280 1.508 .969 16.102 .000
(Constant)Biaya Iklan
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: Jumlah Permintaan Jeansa.