Beruflich Dokumente
Kultur Dokumente
Modul R PDF
Modul R PDF
I. UJI VALIDITAS
Sebelum instrument/alat ukur digunakan untuk mengumpulkan data penelitian, maka perlu
dilakukan uji coba kuesioner untuk mencari kevalidan dan reliabilitas alat ukur tersebut. Uji
validitas berguna untuk mengetahui apakah alat ukur tersebut valid, valid artinya ketepatan
mengukur atau alat ukur tersebut tepat untuk mengukur sebuah variable yang akan diukur.
Kerlinger (1990) membagi validitas menjadi tiga, yaitu content validity (validitas isi), construct
validity (validitas konstruk), dan criterion-related validity (validitas berdasar kriteria). Uji validitas
dan realibilitas digunakan untuk menguji data yang berasal dari daftar pertanyaan atau kuesioner
responden, validitas dan reliabilitas dapat membuktikan bahwa daftar pertanyaan dalam kuesioner
yang diisi oleh responden sudah mewakili populasi atau belum.
Ada dua syarat penting yang berlaku pada sebuah kuesioner yaitu keharusan sebuah
kuesioner untuk valid dan reliabel. Suatu kuesioner dikatakan valid jika pertanyaan pada suatu
kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut.
Sedangkan suatu kuisioner dikatakan reliabel (andal) jika jawaban seseorang terhadap pertanyaan
adalah konsisten atau stabil dari waktu ke waktu.
Uji validitas digunakan untuk mengetahui kelayakan butir-butir pertanyaan dalam suatu daftar
(konstruk) pertanyaan dalam mendefinisikan suatu variabel. Daftar pertanyaan ini pada umumnya
mendukung suatu kelompok variabel tertentu. Uji validitas dilakukan pada setiap butir pertanyaan,
dan hasilnya dapat dilihat melalui hasil r-hitung yang dibandingkan dengan r-tabel, dimana r-tabel
dapat diperoleh melalui df (degree of freedom) = n-2 (signifikan 5%, n = jumlah sampel).
Jika r-tabel < r-hitung maka valid
Jika r-tabel > r-hitung maka tidak valid
1
2. Validitas Konstruk
Validitas konsturk adalah tipe validitas yang menunjukkan sejauhmana alat ukur mengungkap
suatu konstruk teoritis yang hendak diukurnya. Pengujian validitas konstruk merupakan proses
yang terus berlanjut sejalan dengan perkembangan konsep mengenai trait yang diukur. Walaupun
pengujian validitas konstruk biasanya memerlukan teknik analisis statistic yang lenih kompleks
daripada teknik yang dipakai pada pengujian validitas empiris lainnya, tetapi validitas konstruk
tidaklah dinyatakan dalam bentuk koefisien validitas tunggal.
a. Validitas Prediktif
Validitas prediktif sangat penting artinya bila alat ukur dimaksudkan untuk berfungsi
sebagai prediktor bagi kinerja di masa yang akan datang. Contoh validitas prediktif yaitu :
- Seleksi penerimaan karyawan baru
- Bimbingan karir
- Penempatan karyawan
- Seleksi penerimaan mahasiswa baru
Contohnya adalah pada saat kita melakukan pengujian validitas alat ukur kemampuan
yang digunakan dalam penempatan karyawan. Kriteria yang terbaik antara lain adalah
kinerjanya setelah karyawan tersebut betul-betul ditempatkan sebagai karyawan dan
melaksanakan tugasnya selama beberapa waktu. Skor tersebut dapat diperoleh dengan
cara menggunakan indeks produktivitas dan rating yang dilakukan oleh atasan.
b. Validitas Konkruen
Validitas konkruen tepat digunakan apabila skor alat ukur kriterianya dapat diperoleh dalam
waktu yang sama, maka korelasi antara kedua skor tersebut merupakan koefisien validitas
konkruen. Untuk menguji validitas skala, maka dapat menggunakan skala kecemasan yang
telah lebih dahulu teruji validitasnya, seperti alat ukur TMAS (Tylor Manifest Anxiety Scale).
Validitas konkruen merupakan indikasi validitas yang memadai apabila alat ukur tidak
digunakan sebagai suatu prediktor dan merupakan validitas yang sangat penting dalam
situasi diagnostik. Bila alat ukur dimaksudkan sebagai prediktor, maka validitas konkruen
tidak cukup memuaskan dan validitas prediktif merupakan keharusan.
Rumus umum koefisien korelasi Pearson product Moment adalah sebagai berikut :
r = (N ΣX.Y – ΣX. ΣY) / (√ { N ΣX2 - (ΣX)2 } { N ΣY2 - (ΣY)2 })
2. Pilih menu Data, New data set. Masukkan nama dari data set adalah validitas kemudian
tekan tombol OK
4
Gambar 2. Tampilan menu New data set
3. Masukkan data dengan var1 untuk skor 1, var2 untuk skor 2 … var 10 untuk skor10. 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 tekan tombol
Close. Untuk mengubah nama dan tipe variabel, dapat dilakukan dengan cara double click
pada variable yang ingin di setting. Pemilihan type, dipilih numeric pada semua variabel.
5
Gambar 6. Tampilan isi Data Editor
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, tekan
tombol edit data set, lalu perbaiki data yang salah.
6
Gambar 8. Tampilan View Data Set validitas
5. Jika data sudah benar, pilih menu Statistics, Dimensional analysis, Scale reliability, maka
akan muncul tampilan seperti gambar di bawah ini
7
Gambar 10. Tampilan Scale Reliability
6. Maka pada window R-commander akan tampil :
Tahap-tahap Analisis :
1. Dari out window, terdapat tampilan r(item,total)
2. Untuk menganalisis uji validitas hanya dibutuhkan nilai dari r(item,total) atau “corrected item
total correlation” yang dinyatakan sebagai r-hitung
3. Analisis Validitas :
a. Untuk mendapatkan nilai r-tabel diperoleh melalui df (degree of freedom)
df = n – 2, dimana n adalah jumlah sampel
b. df = 12-2 = 10, dengan tingkat signifikansi 0,05 dan uji 2 sisi maka diperoleh r-tabel = 0,576
8
c. analisis butir pertanyaan (setiap nilai r-hitung)
pada skor 1, (r-hitung = 0,5953) < (r-tabel = 0,576), maka valid
pada skor 2, (r-hitung = 0,7143) > (r-tabel = 0,576), maka valid
pada skor 3, (r-hitung = 0,7650) > (r-tabel = 0,576), maka valid
pada skor 4, (r-hitung = 0,7821) > (r-tabel = 0,576), maka valid
pada skor 5, (r-hitung = 0,5612) < (r-tabel = 0,576), maka tidak valid
pada skor 6, (r-hitung = 0,7696) > (r-tabel = 0,576), maka valid
pada skor 7, (r-hitung = 0,7092) > (r-tabel = 0,576), maka valid
pada skor 8, (r-hitung = 0,5739) < (r-tabel = 0,576), maka tidak valid
pada skor 9, (r-hitung = 0,6228) < (r-tabel = 0,576), maka valid
pada skor 10, (r-hitung = 0,4681) < (r-tabel = 0,576), maka tidak valid
Analisis Reliabilitas :
a. Untuk uji reliabilitas, pada output window
Perlu diingat bahwa skor yang valid hanya skor 1, skor 2, skor 3, skor 4, skor 6, skor 7 serta
skor 9 saja, maka skor yang akan diuji hanya skor tesebut saja, sedangkan untuk skor yang
tidak valid, maka diabaikan saja dan sampelnya menjadi 7 saja.
b. Jika nilai Alpha reliability > dari 0,6 maka keseluruhan butir pertanyaan dinyatakan reliabel
c. Contoh : Alpha reliability = 0,9021 > 0,6 maka dinyatakan reliabel
d. Kesimpulan :
Setelah dilakukan uji Reliabilitas dengan menggunakan Alpha Cronbach, maka ke-7 skor
pertanyaan tersebut adalah reliabel, sehingga dapat digunakan untuk alat ukur pengujian
selanjutnya
A. PENDAHULUAN
Uji 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 normal
dimana datanya memusat pada nilai rata-rata dan median. Uji ini sering dilakukan untuk analisis
statistik parametrik. Uji dapat dilakukan setelah menentukan tipe data dari data penelitian yang
diambil.
C. CONTOH KASUS
Berikut ini disajikan data mengenai pendapatan Rumah Makan Enak Terus di ketiga
cabangnya selama seminggu. Berdasarkan data di bawah ini, ujilah apakah data tersebut
terdistribusi normal ! (ribuan rupiah)
D. LANGKAH-LANGKAH PENGERJAAN
Untuk mencari nilai-nilai normalitas data tersebut dengan menggunakan program R, ikutilah
langkah-langkah berikut :
7. Tekan icon R Commander pada desktop kemudian akan muncul tampilan seperti gambar
di bawah ini.
10
Gambar 1. Tampilan menu awal R commander
8. Pilih menu Data, New data set. Masukkan nama dari data set adalah normalitas1 (tanpa
spasi) kemudian tekan tombol OK
11
Kemudian akan muncul Data Editor
9. Masukkan data cabang dengan var1 untuk bekasi, var2 untuk kalibata dan var3 untuk
bintaro. 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 tekan tombol Close. Untuk mengubah nama dan tipe variabel, dapat dilakukan dengan
cara double click pada variable yang ingin di setting. Pemilihan type, dipilih numeric pada
semua variabel.
Kemudian Isi masing-masing variabel sesuai dengan data soal setelah selesai isi data
kemudian tekan tombol X (close)
12
Gambar 7. Tampilan Sript Window
10. 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, tekan
tombol edit data set, lalu perbaiki data yang salah.
11. Jika data sudah benar, pilih menu Statistic, Summaries, Shapiro-Wilk test of normality. Pilih
lorena kemudian tekan tombol OK. Begitu juga dengan kramat jati dan safari. Karena data
yang keluar hanya satu persatu tidak dapat langsung keluar dalam satu kali pengolahan.
13
Gambar 9. Tampilan menu olah data
14
Gambar 12. Tampilan Scale Reliabity Kalibata
15
Gambar 14. Tampilan Output bintaro
*Nilai probabilitas Shapiro-Wilk sebesar 0,8657 berarti probabilitas lebih dari 0,05; maka
data untuk cabang bintaro tersebut terdistribusi normal.
16
UJI T SAMPEL BEBAS
(INDEPENDENT SAMPLE T-TEST)
1. PENDAHULUAN
Pengujian hipotesis dengan distribusi t adalah pengujian hipotesis yang
menggunakan distribusi t sebagai uji statistik. Tabel pengujian disebut tabel t-student.
Distribusi t pertama kali diterbitkan pada tahun 1908 dalam suatu makalah oleh W.S
Gosset. Pada waktu itu Gosset bekerja 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 statistiknya kemudian dibandingkan dengan nilai yang
ada pada tabel untuk kemudian menerima atau menolak hipotesis observasi (HO) yang
dikemukakan.
Ciri-ciri Uji t
Penentuan nilai tabel dilihat dari besarnya tingkat signifikan (α) dan besarnya drajat
bebas (db).
Kasus yang diuji bersifat acak.
3. CONTOH KASUS
Dalam beberapa tahun terakhir Universtias Gunadarma menjadi kampus yang paling
banyak dipilih oleh calon mahasiswa di Indonesia, hal ini terbukti dari jumlah data
mahasiswa yang terdaftar sebagai mahasiswa/mahasiswi Universitas Gunadarma. Dari
data tersebut terdapat dua jurusan yang paling banyak diminati oleh mahasiswa/mahasiswi
dalam kurun waktu sepuluh tahun terakhir yaitu Jurusan Akuntansi dan Manajemen. Pihak
kampus ingin menguji apakah antara kedua jurusan tersebut sama populernya atau salah
satu lebih populer dari yang lain. Dari catatan tersebut, diperoleh data jumlah
mahasiswa/mahasiswi yang memilih jurusan akuntansi dan manajemen sebagai berikut :
17
Langkah-langkah pada program R-Commander :
1. Tekan icon R-Commender pada desktop kemudian akan muncul tampilan seperti
gambar di bawah ini.
2. Pilih menu Data, New data set. Masukkan nama dari data set adalah bebas, kemudian
tekan tombol OK.
18
Gambar 2. Tampilan menu New data set
3. klik 2 kali pada kolom var 1 lalu isilah masing-masing variabel dengan nama variabel
sesuai dengan soal.
Misalnya :
var1 diganti dengan jumlah, dengan type data numerik, lalu tekan enter
var2 diganti dengan jurusan, dengan type data numerik, tekan enter
Kemudian isi masing-masing variabel sesuai dengan data soal. Setelah selesai mengisi
data kemudian Klik tombol X (close).
19
Gambar 7. Tampilan isi Data Editor
20
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, lalu
perbaiki data yang salah.
Untuk merubah variabel numerik jurusan pada tampilan R-Commender pilih : Manage
variables in active data set kemudian pilih Bin numeric variabel.
21
Pada Bin a Numeric Variable pilih buku pada Variable to bin, dan ganti Number of bins
dari 3 menjadi 2 kemudian pilih OK.
Kemudian akan muncul tampilan Bin Names dan merubah nama bin 1 menjadi
Akuntansi serta nama bin 2 menjadi Manajemen, kemudian pilih OK.
5. Jika data sudah benar, pilih menu Statistics, Means, Independent samples t-test.
8. Analisis
Uji Selisih rata-rata
1. Hipotesis
2. Statistik uji : uji t
23
3. α = 0.05
4. Daerah Kritis : Ho ditolak jika P-Value < α
5. Dari hasil pengolahan R-Programing, diperoleh P-Value = 0.04083
6. Karena P-Value < α (0.04083 < 0.05) maka Ho ditolak.
7. Kesimpulan: Ho ditolak sehingga rata-rata jumlah mahasiswa/mahasiswi jurusan
Akuntansi tidak sama dengan jurusan manajemen.
sample estimates:
mean in group Akuntansi mean in group Manajemen
1449.9 1277.0
24
UJI 2 SAMPLE BERPASANGAN (PAIRED SAMPLE t-TEST)
I. PENDAHULUAN
Paired sample t-Test adalah uji t dimana sample saling berhubungan antara satu sample
dengan sample yang lain. Pengujian ini biasanya dilakukan pada penelitian dengan menggunakan
teknik eksperimen dimana satu sample diberi perlakuan tertentu kemudian dibandingkan dengan
kondisi sample sebelum adanya perlakuan. Tujuan dari pengujian ini adalah untuk menguji
perbedaan rata-rata antara sample-sampel yang berpasangan.
25
Gambar 1. Tampilan menu awal R commander
2. Pilih menu Data, New data set. Masukkan nama dari data set adalah datapenjualan (tanpa
spasi) kemudian tekan tombol OK
26
Gambar 3. Tampilan New Data Set
3. Masukkan data dengan var1 untuk sebelum, var2 untuk sesudah. 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 tekan tombol Close. Untuk
mengubah nama dan tipe variabel, dapat dilakukan dengan cara double click pada variable
yang ingin di setting. Pemilihan type, dipilih numeric pada semua variabel.
Tekan icon R Commander pada desktop kemudian akan muncul window data editor Data
Set : data penjualan .
5. 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, tekan
tombol edit data set, lalu perbaiki data yang salah.
28
6. Jika data sudah benar, pilih menu statistika,means, paired t-test maka akan muncul menu
seperti gambar di bawah ini
29
Gambar 12. Tampilan Output
Analysis :
1. Hipotesis :
Ho : tidak ada perbedaan rata-rata penjualan rokok antara sebelum dan sesudah
adanya program iklan.
Ha : ada perbedaan rata-rata penjualan rokok antara sebelum dan sesudah
adanya program iklan.
Bisa juga dengan cara membandingkan nilai hitung dan nilai tabel :
Jika nilai hitung < nilai t tabel maka, Ho diterima
Jika nilai hitung > nilai t tabel maka, Ho ditolak
3. Keputusan :
Dari hasil output software didapat nilai p-value sebesar 0,00344. Karena nilai p-value
lebih kecil dari 0,05 maka Ha diterima.
Kesimpulan : ada perbedaan rata-rata penjualan rokok antara sebelum dan sesudah
adanya iklan. Atau dengan kata lain promosi yang dilakukan pemilik rokok sampoerna
untuk melakukan promosi berupa iklan ternyata efektif untuk meningkatkan volume
penjualan.
30
UJI NONPARAMETRIK
(CHI SQUARE / X2)
I. PENDAHULUAN
Dalam uji statistika dikenal uji parametrik dan uji nonparametrik. Uji statistika parametrik
hanya dapat digunakan jika data menyebar normal atau tidak ditemukannya petunjuk
pelanggaran kenormalan dan keragaman atau variansi antara perlakuan-perlakuan/peubah
bebas yang dibandingkan dengan homogen.
Untuk data yang tidak memenuhi syarat tersebut dan data dengan satuan pengukuran
nominal dan ordinal digunakan uji lain yaitu uji statistika nonparametrik.
Pada modul ini uji statistika nonparametrik yang akan dibahas adalah Chi Square (X2).
Chi square merupakan salah satu alat analisis yang banyak digunakan dalam pengujian
hipotesis. Chi square terutama digunakan untuk Uji Homogenitas, Uji Independensi, dan Uji
Keselarasan (Goodness of Fit Test).
JABATAN GAJI
> 10 juta 5 – 10 juta < 5 juta
Manager 12 6 2
Supervisor 5 12 3
Karyawan 2 8 10
Ujilah data di atas dengan menggunakan R-Commander serta analisislah!
V. LANGKAH-LANGKAH PENGERJAAN
Untuk mencari nilai-nilai 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.
31
Gambar 1. Tampilan menu awal R commander
2. Pada R Commander pilih menu bar Statistics, Contingency tables, dan Enter and analyze
two-way table seperti tampilan di bawah ini.
32
Gambar 3. Tampilan Enter- Two Way Table
3. Kemudian isi kotak tersebut sesuai contoh kasus, Number of Rows dan Number of
Columns digeser ke kanan sehingga berubah dari 2 menjadi 3. Kemudian isi Enter counts.
Tampilan data yang sudah diisi sebagai berikut. Kemudian pilih OK.
33
Gambar 5. Tampilan Output
Analisis :
Hipotesis:
Ho : Tidak ada hubungan antara jabatan seseorang dengan gaji yang diterima
Ha : Ada hubungan antara jabatan seseorang dengan gaji yang diterima
Probabilitas:
Jika probabilitas (p-value) > 0,05 maka Ho diterima
Jika probabilitas (p-value) < 0,05 maka Ho ditolak
Keputusan:
Hasil perhitungan menyatakan bahwa besarnya probabilitas (p-value) adalah 0,001196
karena probabilitas lebih kecil daripada taraf uji yang digunakan dalam penelitian atau p-
value < α atau 0,001196 < 0,05 maka Ho ditolak.
Dengan demikian dapat disimpulkan bahwa jabatan seseorang akan mempengaruhi gaji
yang diterima.
34
VII. CONTOH KASUS
Seorang manajer perusahaan ingin mengetahui masyarakat lebih memilih melihat iklan
melalui media TV, koran atau internet. Hasil dari penelitian ini digunakan untuk mengambil
keputusan lewat media apa ia memasang iklan produk perusahaannya. Berikut data yang
diperoleh.
2. Pilih menu Data, New data set. Masukkan nama dari data set adalah responden kemudian
tekan tombol OK.
35
Gambar 7. Tampilan menu New data set
3. Masukkan data dengan var1 untuk responden, var2 untuk kode_media, var3 untuk media.
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 tekan
tombol Close. Untuk mengubah nama dan tipe variabel, dapat dilakukan dengan cara
double click pada variable yang ingin di setting. Pemilihan type, dipilih numeric pada
variable kode_media dan character untuk responden.
Tekan icon R Commander pada desktop kemudian akan muncul window data editor Data
Set : responden.
36
Gambar 10. Tampilan Variable editor responden
Kemudian Isi masing-masing variabel sesuai dengan data soal setelah selesai isi data
kemudian tekan tombol X (close)
4. Pada R Commander, pilih menu bar Data, pilih Manage variables in active data set, pilih
Bin numeric variable
37
5. Akan tampil sebagai berikut. Kemudian klik OK
38
7. Pada R Commander pilih menu bar pilih View Data Set. Maka akan tampil sebagai berikut.
Sebelumnya kolom media pilihan tidak terisi data. Close Data Editor
9. Maka akan tampil sebagai berikut, beri tanda check list pada Chi-square goodness of fit
test. Kemudian klik OK
39
10. Maka akan tampil sebagai berikut, kemudian klik OK
Probabilitas:
Jika probabilitas (p-value) > 0,05 maka Ho diterima
Jika probabilitas (p-value) < 0,05 maka Ho ditolak
40
Keputusan:
Hasil perhitungan menyatakan bahwa besarnya probabilitas (p-value) adalah 0,7788
karena probabilitas lebih besar daripada taraf uji yang digunakan dalam penelitian atau p-
value > α atau 0,7788 > 0,05 maka Ho diterima.
Dengan demikian dapat disimpulkan bahwa tidak ada perbedaan kesukaan terhadap media
yang digunakan untuk melihat iklan.
41
UJI PERBEDAAN LEBIH DARI DUA SAMPEL (ANOVA)
I. PENDAHULUAN
Uji perbedaan lebih dari dua sampel disebut juga analisis varians, dipopulerkan oleh Sir
Donald Fisher, seorang pendiri modern. Analisis ini digunakan untuk :
a. Menguji hipotesis kesamaan rata-rata antara dua grup atau lebih (tidak berbeda secara
signifikan).
b. Menguji apakah varians populasinya sama ataukah tidak.
Asumsi :
1. Populasi-populasi yang akan diuji terdistribusi normal
2. Varians dari populasi-populasi tersebut adalah sama
3. Sampel tidak berhubungan satu dengan yang lain
2. Pengambilan keputusan
Jika Probabilitas > 0.05, maka Ho di terima
Jika Probabilitas < 0.05, maka Ho di tolak
Uji Anova
Lihat output analysis of varians
1. Hipotesis :
Ho : ke-3 Rata-rata populasi adalah identik
Ha : ke-3 Rata-rata populasi adalah tidak identik
2. Pengambilan keputusan
Jika Probabilitas > 0.05, maka Ho di terima
Jika Probabilitas < 0.05, maka Ho di tolak
42
Gambar 1. Tampilan menu awal R commander
2. Pilih menu Data, New data set. Masukkan nama dari data set adalah anova kemudian
tekan tombol OK
43
Gambar 4. Tampilan Data Editor
3. Masukkan data dengan var1 merk.LCD dan var2 daya tahan. 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 tekan tombol Close. Untuk
mengubah nama dan tipe variabel, dapat dilakukan dengan cara double click pada variable
yang ingin di setting.
Kemudian Isi masing-masing variabel sesuai dengan data soal setelah selesai isi data
kemudian tekan tombol X (close)
44
Gambar 7. Tampilan isi Data Editor
45
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, lalu
perbaiki data yang salah.
Untuk merubah variabel numerik ban pada tampilan R commander pilih : data - Manage
variables in active data set kemudian pilih Bin numeric variable.
46
Gambar 11. Tampilan Bin a Numeric Variable
5. Jika data sudah benar, pilih menu Statistics, Varians, Levene’s test.
47
6. Pada Response Variable pilih variabel daya tahan (numerik) kemudian tekan tombol OK .
7. Pilih menu R commander untuk mencari nilai Anova. Pilih menu Statistics, Means, One-
way ANOVA
48
8. Maka akan muncul hasil pada output window sebagai berikut :
Output bagian 1
Output bagian 2
49
Output bagian 3 :
Output bagian 4 :
50
REGRESI LINIER BERGANDA
I. PENDAHULUAN
Program R menu regresi merupakan alat yang digunakan untuk menentukan persamaan
regresi yang menunjukkan hubungan antara variabel terikat yang ditentukan dengan dua atau
lebih 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 (linear regression) digunakan untuk melakukan pengujian hubungan antara
sebuah variabel terikat (dependent variable) dengan satu atau beberapa variabel bebas yang
ditampilkan dalam bentuk persamaan regresi.
Jika variabel terikat yang dihubungkan hanya dengan satu variabel bebas saja, maka
persamaan regresi yang dihasilkan adalah regresi linier sederhana (linear regression).
Sedangkan jika variabel terikat yang dihubungkan dengan lebih dari satu variabel bebas, maka
persamaan regresinya adalah regresi linier berganda (multiple linear regression).
51
Adalah koefisien yang digunakan untuk mengetahui seberapa besar variabel bebas (X)
mempengaruhi variabel terikat (Y). Nilai koefisien determinasi berkisar antara 0 sampai
dengan 1.
Sebuah toko olahraga “Spirit” menjual berbagai peralatan olahraga dan untuk mendapatkan
profit yang maksimal toko tersebut gencar melakukan promosi dan membuka outlet di
berbagai kota di Indonesia. Berikut ini adalah data mengenai penjualan, biaya promosi dan
luas outlet yang berasal dari 6 kota di indonesia
DAERAH Keuntungan (dalam jutaan) Promosi (dalam jutaan) Outlet (dalam m2)
Jakarta 30 6 40
Surabaya 20 5 40
Medan 35 7 60
Bandung 25 5 70
Semarang 45 8 55
Yogya 30 6 50
Analisislah data diatas!
52
2. Pilih menu Data, New data set. Masukkan nama dari data set adalah regresi kemudian
tekan tombol OK.
3. Masukkan data dengan var1 untuk keuntungan, var2 untuk promosi dan var3 untuk outlet.
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 tekan
tombol Close. Untuk mengubah nama dan tipe variabel, dapat dilakukan dengan cara
double click pada variabel yang ingin di setting. Pemilihan type, dipilih numeric pada semua
variabel.
53
Gambar 5. Tampilan Variabel editor keuntungan
Kemudian isi masing-masing variabel sesuai dengan data soal setelah selesai isi data
kemudian tekan tombol X (close).
54
Gambar 9. Tampilan Script Window
4. Untuk mengecek kebenaran data yang sudah dimasukkan, tekan tombol View data set
maka akan muncul tampilan seperti gambar dibawah ini. Jika ada data yang salah, tekan
tombol edit data set, lalu perbaiki data yang salah.
5. Jika data sudah benar, pilih menu Statistics, Fit models, Linear regression, maka akan
muncul menu seperti gambar dibawah ini.
55
Gambar 11. Tampilan menu olah data
6. Pada Response Variable pilih variabel yang termasuk variabel terikat misalnya keuntungan
dan pada Explanatory variables pilih yang termasuk variabel bebas misalnya variabel
promosi dan outlet, untuk memilih 2 variabel sekaligus tekan Ctrl lalu pilih promosi dan
outlet kemudian tekan tombol OK.
56
Gambar 13. Tampilan Output 1
57
Output bagian 2:
58