Home >Documents >Modul Kuliah Spss

Modul Kuliah Spss

Date post:20-Nov-2015
Category:
View:226 times
Download:1 times
Share this document with a friend
Transcript:
  • SPSS merupakan program pengolahan data secara statistik

  • SPSS merupakan program pengolahan data dalam menganalisis penelitian Statistik Deskriptif (Mean, Median, Modus, Sum, Prosentase, Minimum, Maximum, Kuartil, Desil, Persentil, Range, Distribusi, Varians, Standar Deviasi, Standar Error, Nilai Kemiringan, dll)StatistikStatistik Parametrik (Compare, Means, Independent Sample T Test, Paired Sample T Test, One Way ANOVA, Two Way ANOVA, Korelasi, Regresi Linear Sederhana dan Multiple, Chi Square, Time SeriesStatistik Non Parametrik (Uji Crosstab, Binomial, Chi Square, Kolmogorof-Simorof, Runs, McNemar, Sign, Wilcoxon, Cochran, Friedman, Kendall, Mann Whitney, Kruskall Wallis

  • Jenis DataSTATISTIK :NOMINAL

  • Pearson Product Moment(Data Skala Interval atau Rasio)Analisis Korelasi(Ada/ tidaknya hubRank Spearmen var.bebas & terikat)(Data Skala Ordinal)Bivariat X1Y (Pesan thd Sikap)X1PearsonParsialY (Pesan, Media thdX2 Sikap)

    X1 (Jumlah Jam Telp)KanonikalX2Y1 di rumah ygX3Y2 menggunakan POTS, Nirkabel dan Selular thd demografi

  • Pengujian Reliabilitas dan ValiditasKlik Analyse Scale Realibility AnalysePindahkan semua butir ke kolom itemModel : Pilih AlphaStatistic : Pilih Item Scale, Scale IF Item DeletedKlik Continue dan Ok

  • Bivariate : Hubungan antara satu variabel bebas dengan SATU variabel terikatX1YAnalyse Correlate BivariatePindahkan ke masing-masing variabelCorrelation Coefisien : Pilih PearsonTest of Significance : Pilih Two TailedCek Flag Significance CorrelationOption : Missing Value : Exclude Case dan tekan ContinueOk

  • Menentukan kuat lemahnya hubungan; Korelasi Positif menunjukkan Variabel X1 Naik dan Variabel Y Naik, Sedangkan Korelasi Negatif menunjukkan Variabel X1 Naik dan Variabel Y TurunSignificant Hubungan; Probabilitas < 0,05 menyebabkan Ho ditolak sehingga dianggap Signifikan. Sedangkan Probabilitas > 0,05 menyebabkan Ho diterima sehingga dianggap Tidak SignifikanSumbangan besarnya hubungan dilihat dari Koefisien Determinasi (KD) = r2 X 100%

  • PARSIAL : Hubungan antara lebih dari satu variabel bebas dengan variabel terikatX1YX2 Analyse Correlate ParsialPindahkan X1 dan Y ke Variabel dan X2 ke ControllingCorrelation Coefisien : Pilih PearsonTest of Significance : Pilih Two TailedCek Flag Significance CorrelationOption : Missing Value : Exclude Case Pairwise klik Zero Order Correlation dan tekan ContinueOk

  • PARSIAL : Hubungan antara lebih dari satu variabel bebas dengan variabel terikatAnalyse Correlate ParsialPindahkan X1 dan Y ke Variabel dan X2 ke ControllingCorrelation Coefisien : Pilih PearsonTest of Significance : Pilih Two TailedCek Flag Significance CorrelationOption : Missing Value : Exclude Case Pairwise klik Zero Order Correlation dan tekan ContinueOk

    Y1Y2x1X2

  • Korelasi Rank SpearmenKorelasi rank Spearmen adalah untuk mengetahui ada atau tidaknya hubungan antara dua variabel yaitu Variabel bebas dan Variabel terikat yang berskala Ordinal (non Parametrik)Model Skala LikertContoh; Sangat Setuju (5), Setuju (4), Netral (2), Tidak Setuju (2) dan Sangat Tidak Setuju (1)Angka 1 sampai dengan 5 hanya merupakan simbolKasus; Penelitian untuk mengetahui ada atau tidak hubungan antara Desain Kemasan Pasta Gigi Pepsoden dengan Minat Beli konsumen

  • Tahap PenyelesaianTahap I ; Merumuskan masalah Penelitian. Apakah ada hubungan antara Desain Kemasan Pasta Gigi Pepsoden dengan Minat Beli Konsumen. Berapa besar hubungan antara Desain Kemasan Pasta Gigi Pepsoden dengan Minat Beli KonsumenTahap II ; Membuat Desain VariabelCatatan : Kolom Measure berskala OrdinalTahap III; Masukkan Data Ke SPSSTahap IV; Menganalisis Data di SPSSKlik Analyse Correlate BivariatePindahkan variabel Desain dan Minat ke kolom VariabelKlik Correlation Coefficient : pilih SpearmenKlik Cek Flag Significant CorrelationKlik Option: Missing Value, Pilihan: Exclude Cases Pairwase, Continue, OkTahap V; Melakukan Penafsiran menjawab rumusan MasalahKorelasi Kuat atau Tidak dilihat angka Correlation CoeficientSignificant atau Tidak dilihat Probabilitas (Sig) < 0,05 atau > 0,05Uji Hipotesis ada hubungan atau tidak dilihat dari Probabilitas (Sig) < 0,05, Ho ditolak dan H1 diterima atau > 0,05 Ho diterima dan H1 ditolak

  • Contoh SoalPerusahaan ingin mengetahui Hubungan antara Sikap terhadap manajemen Kepemimpinan dengan KinerjaPerusahaan ingin mengetahui Hubungan antara Sikap terhadap Penampilan Penyiar Berita di Televisi dengan Loyalitas untuk Tidak Berpindah Channel

  • Regresi LinierLinier SederhanaRegresi Linier mengestimasi besarnya koefisien yang dihasilkan dari persamaan yang bersifat Linier yang melibatkan satu variabel bebas untuk digunakan sebagai alat prediksi besarnya variabel tergantung. Misalkan; Memprediksi Penjualan Total dalam satu tahun dengan menggunakan variabel bebas seperti Iklan, Promosi, Direct Selling dengan menggunakan SPGMisalkan; Hubungan antara Frekuensi Iklan dengan Jumlah Penjualan HandphonePenyelesaian :Tahap I : Merumuskan MasalahApakah ada hubungan antara Frekuensi Tayangan Iklan dengan Jumlah Penjualan HandphoneApakah Frekuensi Tayangan Iklan mempengaruhi Jumlah Penjualan HandphoneBerapa Besar Pengaruh Frekuensi Tayangan Iklan terhadap Jumlah Penjualan HandphoneApakah Kecenderungan Penjualan di Masa yang akan Datang mengalami Kenaikan atau Penurunan

  • Tahap II ; Membuat Desain VariabelVariabel Minggu; Kolom Type String dan Measure berskala NominalVariabel Penjualan ; Kolom Type Numeric dan Measure berskala ScaleVariabel Penayangan Iklan; Kolom Type Numeric dan Measure berskala ScaleTahap III; Masukkan Data Ke SPSSTahap IV; Menganalisis Data di SPSSKlik Analyse Regression - LinierPindahkan variabel Jual ke kolom DependentPindahkan variabel Iklan ke kolom IndependentPindahkan variabel Minggu ke kolom Cash LabelsIsi kolom Methode dengan perintah EnterOption: Pilihan Stepping Methode Criteria, masukkan 0,05 pada kolom EntryKlik Cek Include Constant in EquationPilihan Missing Value, Cek Exclude Cases ListwiseStatistic: Pilihan Regression Coeficient pilih Estimate, Model Fit dan Descriptive. Pada pilihan Residual, pilih Case Wise Diagnostics dan Cek All CaseCatatan :Enter; Memasukkan semua variabel IndependentRemove ; Mengeluarkan semua variabel IndependentBackward; Mengeluarkan satu persatu variabel IndependentForward ; Memasukkan satu persatu variabel IndependentStepwise; Gabungan antara Forward dan Backward

  • Tahap V ; Melakukan PenafsiranApakah ada hubungan antara Frekuensi Tayangan Iklan dengan Jumlah Penjualan Handphone dilihat dari Tabel Hasil CorrelationsApakah Frekuensi Tayangan Iklan mempengaruhi Jumlah Penjualan Handphone dilihat dari Tabel Model SummaryBerapa Besar Pengaruh Frekuensi Tayangan Iklan terhadap Jumlah Penjualan Handphoneb dilihat dari Tabel Model Summary. (R Square X 100%)Apakah Kecenderungan Penjualan di Masa yang akan Datang mengalami Kenaikan atau Penurunan dilihat dari Tabel Casewise Diagnostic dengan Membandingkan Hasil dengan Prediksi angka pada baris pertama dstCara perhitungan angka penjualan diprediksi dengan rumus Y = a + bxdimana; Y (Penjulan), a (angka Konstan), b (angka koefisienn tayangan iklan) dan x (data frekuensi tayangan iklan minggu ke n) berdasarkan Tabel CoefficientCatatan : Menguji apakah Model Regresi tersebut sudah benar atau layak perlu dilakukan pengujian hubungan linieritas antara variabel frekuensi tayangan iklan dengan penjualan dapat dilihat dari tabel ANOVAHipotesisH0 : Ada hubungan Linier antara variabel frekuensi tayangan iklan dengan penjualan H1 : Tidak ada hubungan antara variabel frekuensi tayangan iklan dengan penjualanPengujian dilakukan dengan menggunakan angka Signifikansi atau Sig dengan ketentuan sebagai berikut : Sig < 0,05; H0 ditolak dan H1 diterimaSig > 0,05; H0 diterima dan H1 ditolak

  • Regresi Linier bergandaRegresi Linier mengestimasi besarnya koefisien yang dihasilkan dari persamaan yang bersifat Linier yang melibatkan dua variabel bebas untuk digunakan sebagai alat prediksi besarnya variabel tergantung. Syarat rumus ini adalah variabel bebas dan Variabel tergantung harus berskala Interval. Misalkan; Pengaruh Frekuensi Iklan dan Direct Selling terhadap Penjualan HandphonePenyelesaian :Tahap I : Merumuskan MasalahApakah ada hubungan antara Frekuensi Tayangan Iklan dan Penjualan Langsung dengan Jumlah Penjualan HandphoneApakah Frekuensi Tayangan Iklan dan Penjualan Langsung mempengaruhi Jumlah Penjualan HandphoneBerapa Besar Pengaruh Frekuensi Tayangan Iklan dan Penjualan Langsung terhadap Jumlah Penjualan HandphoneApakah Kecenderungan Penjualan di Masa yang akan Datang mengalami Kenaikan atau Penurunan

    Tahap II ; Membuat Desain VariabelVariabel Minggu; Kolom Type String dan Measure berskala NominalVariabel Penjualan ; Kolom Type Numeric dan Measure berskala ScaleVariabel Penayangan Iklan; Kolom Type Numeric dan Measure berskala ScaleVariabel Penjualan Langsung; Type Numeric dan Measure berskala ScaleTahap III; Masukkan Data Ke SPSS

  • Tahap IV; Menganalisis Data di SPSSKlik Analyse Regression - LinierPindahkan variabel Jual ke kolom DependentPindahkan variabel Iklan dan Penjualan Langsung ke kolom IndependentPindahkan variabel Minggu ke kolom Cash LabelsIsi kolom Methode dengan perintah EnterOption: Pilihan Stepping Methode Criteria, masukkan 0,05 pada kolom EntryKlik Cek Include Constant in EquationPilihan Missing Value, Cek Exclude Cases Listwise, ContinueStatistic: Pilihan Regression Coeficient pilih Estimate, Model Fit dan Descriptive. Pada pilihan Residual kosongkan, Continue, Ok

  • Tahap V ; Melakukan PenafsiranApakah ada hubungan antara Frekuensi Tayangan Iklan dengan Jumlah Penjualan Handphone dilihat dari Tabel Cooefficients berdasarkan nilai Sig.Ap

Click here to load reader

Embed Size (px)
Recommended