TUGAS
BIOSTATISTIKA
“KORELASI DAN
REGRESI “
Disusun oleh:
LINDA RAHMAWATI (1201070034)
Semester 3 B
PROGAM STUDI PENDIDIKAN BIOLOGI
FAKULTAS
KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS
MUHAMMADIYAH PURWOKERTO
2013/2014
KORELASI
DAN REGRESI
A. Input Data
1. Data
View
2. Variable
View
B. Output Data
Ho : tidak ada hubungan signifikan antara banyaknya
barang yang terjual dengan keuntungan yang didapat oleh si penjual
Ha : ada hubungan signifikan antara antara banyaknya barang yang terjual dengan keuntungan yang
didapat oleh si penjual
1.
Korelasi
Hipotesis
dengan taraf kesalahan (alfa)= 0,01
Ho : Tidak ada hubungan signifikan antara banyaknya
barang yang terjual dengan keuntungan yang didapat oleh si penjual
Ha : Ada hubungan signifikan antara antara banyaknya barang yang terjual dengan keuntungan yang
didapat oleh si penjual
Correlations
[DataSet0]
|
Descriptive Statistics
|
|||
|
|
Mean
|
Std. Deviation
|
N
|
|
jumlah barang
|
36.24
|
11.166
|
25
|
|
keuntungan (Rp 1000,00)
|
152.60
|
27.040
|
25
|
|
Correlations
|
|||
|
|
|
jumlah barang
|
keuntungan (Rp 1000,00)
|
|
jumlah barang
|
Pearson Correlation
|
1
|
.948**
|
|
Sig. (2-tailed)
|
|
.000
|
|
|
N
|
25
|
25
|
|
|
keuntungan (Rp 1000,00)
|
Pearson Correlation
|
.948**
|
1
|
|
Sig. (2-tailed)
|
.000
|
|
|
|
N
|
25
|
25
|
|
|
**. Correlation is significant at the 0.01 level (2-tailed).
|
|
||
Interpretasi
data
Dari hasil taraf kemaknaan (Sig. (2-tailed)) atau p=
0,0001 dari data korelasi diatas menyatakan bahwa p < taraf kesalahan (0,01) sehingga data korelasi tersebut menolak Ho dan menerima Ha dan dapat
dikatakan bahwa:
Ada hubungan yang signifikan antara
antara banyaknya barang yang terjual dengan keuntungan yang didapat oleh si
penjual
Dengan melihat hasil dari koefisien korelasi sebesar 0,948 dari data diatas
,maka data diatas dapat dikatakan memiliki HUBUNGAN SANGAT KUAT hal ini sesuai
dengan kategori yang telah dikemukakan oleh Sugiono (2002) yang menyatakan
bahwa interval korelasi tertentu mempengaruhi tingkat hubungan :
|
Interval
Korelasi
|
Tingkat
Hubungan
|
|
0,00-0,199
|
Sangat
Rendah
|
|
0,90-0,399
|
Rendah
|
|
0,40-0,599
|
Sedang
|
|
0,60-0,799
|
Kuat
|
|
0,80-1,00
|
Sangat
Kuat
|
2.
Regresi
Hipotesis
dengan taraf kesalahan (a) = 0,05
Hipotesis
1
Ho : Tidak ada hubungan signifikan antara banyaknya
barang yang terjual dengan keuntungan yang didapat oleh si penjual
Ha : Ada hubungan signifikan antara antara banyaknya barang yang terjual dengan keuntungan yang
didapat oleh si penjual
Hipotesis
2
Ho : Koefisien arah regresi b = 0 (tidak
berarti)
Ha : Koefisien arah regresi b ≠ 0
(berarti = bentuk persamaan linear Y= a+bX sudah tepat)
Hipotesis
3
Ho : Tidak ada pengaruh banyaknya barang
yang signifikan terhadap keuntungan yang didapat oleh si penjual
Ha : Ada pengaruh banyaknya barang yang
signifikan terhadap keuntungan yang didapat oleh si penjual
Regression
[DataSet0]
|
Descriptive Statistics
|
|||
|
|
Mean
|
Std. Deviation
|
N
|
|
keuntungan (Rp 1000,00)
|
152.60
|
27.040
|
25
|
|
jumlah barang
|
36.24
|
11.166
|
25
|
|
Correlations
|
|||
|
|
|
keuntungan (Rp 1000,00)
|
jumlah barang
|
|
Pearson Correlation
|
keuntungan (Rp 1000,00)
|
1.000
|
.948
|
|
jumlah barang
|
.948
|
1.000
|
|
|
Sig. (1-tailed)
|
keuntungan (Rp 1000,00)
|
.
|
.000
|
|
jumlah barang
|
.000
|
.
|
|
|
N
|
keuntungan (Rp 1000,00)
|
25
|
25
|
|
jumlah barang
|
25
|
25
|
|
Intepretasi
data
Hasil
Correlation pada data di atas digunakan untuk menguji:
Hipotesis
1
Ho : Tidak ada hubungan signifikan antara banyaknya
barang yang terjual dengan keuntungan yang didapat oleh si penjual
Ha : Ada hubungan signifikan antara antara banyaknya barang yang terjual dengan keuntungan yang
didapat oleh si penjual
Dari
hasil korelasi diatas setelah disesuaikan dengan Hipotesis , maka data diatas menolak Ho dan menerima Ha atau dapat dikatakan :
Ada hubungan
signifikan antara antara banyaknya barang yang terjual dengan keuntungan yang
didapat oleh si penjual
Hal
ini disebabkan karena memilki nilai p value (sig.) atau 0,0001 < alfa
(0,05)
|
Variables
Entered/Removedb
|
|||
|
Model
|
Variables Entered
|
Variables Removed
|
Method
|
|
1
|
jumlah baranga
|
.
|
Enter
|
|
a. All requested variables entered.
|
|
||
|
b. Dependent Variable: keuntungan (Rp 1000,00)
|
|||
|
ANOVAb
|
||||||
|
Model
|
Sum of Squares
|
Df
|
Mean Square
|
F
|
Sig.
|
|
|
1
|
Regression
|
15782.434
|
1
|
15782.434
|
205.598
|
.000a
|
|
Residual
|
1765.566
|
23
|
76.764
|
|
|
|
|
Total
|
17548.000
|
24
|
|
|
|
|
|
a. Predictors: (Constant), jumlah barang
|
|
|
|
|||
|
b. Dependent Variable: keuntungan (Rp 1000,00)
|
|
|
||||
Interpretasi
data
Hasil
ANOVA diatas digunakan untuk menguji :
Hipotesis 2
Ho
: Koefisien arah regresi b = 0 (tidak berarti)
Ha
: Koefisien arah regresi b ≠ 0 (berarti = bentuk persamaan linear Y= a+bX sudah
tepat)
Dari
hasil ANOVA yang telah disesuaikan dengan Hipotesis 2 menyatakan bahwa, data
diatas menolak Ho dan menerima Ha atau
dapat dikatakan :
Koefisien arah regresi b ≠ 0
(berarti = bentuk persamaan linear Y= a+bX sudah tepat)
Hal
ini disebabkan karena data tersebut memiliki nilai p
value (sig.) atau 0,0001 < alfa (0,05)
|
Coefficientsa
|
||||||||
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
95% Confidence Interval for B
|
|||
|
B
|
Std. Error
|
Beta
|
Lower Bound
|
Upper Bound
|
||||
|
1
|
(Constant)
|
69.375
|
6.063
|
|
11.442
|
.000
|
56.833
|
81.917
|
|
jumlah barang
|
2.296
|
.160
|
.948
|
14.339
|
.000
|
1.965
|
2.628
|
|
|
a. Dependent Variable: keuntungan (Rp 1000,00)
|
|
|
|
|
|
|||
Intepretasi
data
Hasil
Coeffcients diatas digunakan untuk menguji :
Ho
: Tidak ada pengaruh banyaknya barang yang signifikan terhadap keuntungan yang
didapat oleh si penjual
Ha
: Ada pengaruh banyaknya barang yang signifikan terhadap keuntungan yang
didapat oleh si penjual
Dari
hasil Coeffcients yang telah disesuaikan dengan Hipotesis 2 menyatakan bahwa,
data diatas menolak Ho dan menelima Ha
atau dapat dikatakan :
Ada pengaruh banyaknya barang yang
signifikan terhadap keuntungan yang didapat oleh si penjual
Hal
ini disebabkan karena data tersebut memiliki nilai p
value (sig.) atau 0,0001 < alfa (0,05)
Hasil
dari Coeffcients dari data diatas
menunjukan adanya persamaan Y= a+bX
yaitu sebagai berikut:
Y= 69,375+2,296X
Dengan
menggunakan rumus Y= 69,375+2,296X maka dari data diatas dapat diperkirakan
bahwa keuntungan yang akan diperoleh bila terdapat banyaknya barang sebesar 1000
adalah:
Y=
69,375+2,296.1000
= 2365,375 (Rp. 2.365.375 )
|
Model Summary
|
||||
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
|
1
|
.948a
|
.899
|
.895
|
8.761
|
|
a. Predictors: (Constant), jumlah barang
|
|
|||
Intepretasi
data
Hasil dari Model Summary diatas menunjukan bahwa:
R
merupakan koefisien korelasi , maka dapat dilihat dari tabel data tersebut
memiliki nilai koefisien korelasi antara variable bayaknya barang dan
keuntungan sebesar 0,948. Nilai koefisien korelasi ini memiliki hubungan yang
Sangat Kuat hal ini sesuai dengan tabel yang dikemukakan oleh Sugiono (2002).
Maka dapat dikatakan bahwa hubungan antara banyaknya barang dan keuntungan
memiliki prosentase sebesar 94,8 %.
R
Square merupakan koefisien
determinasi, maka dapat dilihat dari tabel data tersebut memiliki nilai
koefisien determinasi sebesar 0,899. Dari hasil nilai koefisien determinasi ini
dapat diartika bahwa variasi yang diperoleh antara banyak sedikitnya keuntungan
sebesar 89,9 % dapat dijelaskan dari adanya perubahan besar kecilnya banyaknya
barang yang datang dan selebihnya hanya sebesaar 100-89,9 = 10,1 % oleh adanya
variable maupun faktor lain.
Tidak ada komentar:
Posting Komentar