Syah Jehan tampil menggantikan Jihangir. Bibit-bibit disentegrasi mulai tumbuh pada pemerintahannya. Hal ini sekaligus menjadi ujian terhadap politik toleransi Mughal. Dalam masa pemerintahannya terjadi dua kali pemberontakan. Tahun pertama masa pemerintahannya , Raja Jujhar Singh Bundela berupaya memberontak dan mengacau keamanan, namun berhasil dipadamkan. Raja Jujhar Singh Bundela kemudian di usir. Pemberontakan yang paling hebat datang dari Afghan Pir Lodi atau Khan Jahan, seorang Gubernur dari Provinsi bagian Selatan. Pemberontakajn ini cukup menyulitkan. Namun  pada tahun 1631 pemberontakan inipun dipatahkan dan Khan Jahan di hukum mati. [1]

a.       Latar Belakang Keluarga

Shahab-ud-din Muhammad Shah Jahan I (lengkap: Al-Sultan al-'Azam wal Khaqan al-Mukarram, Abu'l-Muzaffar Shihab ud-din Muhammad, Sahib-i-Qiran-i-Sani, Shah Jahan I Padshah Ghazi Zillu'llah [Firdaus-Ashiyani]) (dilafalkan: Shah Jehan, Shahjehan. Urdu: شاه ‌جہاں) (lahir 5 Januari 1592 – meninggal 2 Januari 1666 pada umur 73 tahun) adalah seorang raja ke-5 dari Dinasti Mogul di India. [2]

Nama kecil Syah Jehan adalah Khurram. Ayahnya bernama Jahangir (memerintah 1605 – 1627), Raja ke-4 Dinasti Mogul dengan gelar Nuruddin Muhammad al-Ghazi. Ibunya bernama Nur Jahan, seorang permaisuri cantik dan cerdas, mempunyai pengaruh besar dalam pemerintahan sehingga kekuasaan Raja Jahangir dikendalaikan oleh Nur Jahan, dan baru berakhir setelah kematian Jahnagir.

Nur Jahan menginginkan agar Syahriar-lah (anak Jahangir yang lain) yang menjadi Raja. Maka Syahriar, dengan bantuan Nur-Jahan, mengadakan pemberontakan terhadap Syah Jehan; tetapi pemberontak itu dapat dikalahkan oleh Syah Jehan. Syah Jehan berhasil memperluas wilayah kekuasaannya dengan mengalahkan Raja Jhujhar Singh Bundela (Penguasa Hindu di dekat Delhi) dan Khan Johan Lody (995 – 1040 H/1587 – 1631 M), bekas gubernur Deccan pada tahun 1631. Syah Jehan juga berhaasil mengalahkan tentara Portugis di Hughli, di wilayah Bengal (Bangladesh sekarang).[3]

---

[1] https://syukrillah.wordpress.com/2014/05/10/dinasti-mughal-di-india/

[2] https://id.wikipedia.org/wiki/Shah_Jahan

[3] http://kabunvillage.blogspot.co.id/2011/11/jehan-syah.html

MICROSOFT EXSEL dan SPSS

hai teman-teman ,di sini saya mau share sedikit ilmu yang sudah saya dapatkan dari pelajaran komputer dengan dosen saya Pak Rendra tentang Microsoft Excel dan SPSS .

Kamis, 17 Desember 2015

MICROSOFT EXSEL dan SPSS

Pengertian Microsoft Excel  - Pengertian Microsoft excel adalah Program aplikasi pada Microsoft Office yang digunakan dalam pengolahan angka (Aritmatika).Microsoft Excell sangat membantu kita dalam menyelesaikan permasalahan yang mudah sampai dengan yang rumit dalam bidang administratif khususnya. Microsoft Excel adalah aplikasi pengolah angka yang dikeluarkan oleh Microsoft Corporation. 

Microsoft Office Excel memang dikenal dengan penggunaan rumus-rumus atau formula dalam lembar kerjanya. Penggunaan rumus yang efektif akan memudahkan Anda dalam membuat laporan pekerjaan dengan menggunakan MS Excel. Formula atau rumus MS Excel adalah keunggulan tersendiri untuk aplikasi ini, dengan kemampuannya dalam mengolah data melalui perhitungan matematis yang sangat beragam fungsinya.

 

LOOKUP (Fungsi LOOKUP)

[1]Gunakan LOOKUP, salah satu fungsi pencarian dan referensi, saat Anda harus mencari di dalam satu baris atau satu kolom dan menemukan nilai dari posisi yang sama dalam baris atau kolom kedua.

Misalnya, katakanlah Anda mengetahui nomor komponen untuk sebuah komponen mobil namun Anda tidak mengetahui harganya. Anda bisa menggunakan fungsi LOOKUP untuk mengembalikan harga di sel H2 ketika Anda memasukkan nomor komponen mobil di H1.

Gunakan fungsi LOOKUP untuk mencari satu baris atau satu kolom. Dalam contoh di atas, kami sedang mencari harga di kolom D.

Gunakan VLOOKUP untuk mencari satu baris atau kolom, atau untuk mencari beberapa baris dan kolom (seperti tabel). Ini merupakan versi LOOKUP yang disempurnakan. Simak video ini tentang cara menggunakan VLOOKUP.

Ada dua cara menggunakan LOOKUP: Formulir vektor dan formulir array

• Formulir vektor: Gunakan formulir LOOKUP ini untuk sebuah nilai di satu baris atau satu kolom. Gunakan formulir vektor saat Anda ingin menentukan rentang yang memuat nilai-nilai yang ingin Anda cocokkan. Misalnya, jika Anda ingin mencari nilai dalam kolom A hingga ke baris 6.

• Formulir array: Kami sangat menyarankan menggunakan VLOOKUP atau HLOOKUP sebagai ganti formulir array. Simak video ini tentang cara menggunakan VLOOKUP. Formulir array disediakan untuk kompatibilitas dengan program lembar bentang lainnya, namun fungsionalitasnya terbatas.

Array adalah kumpulan nilai di baris dan kolom (seperti tabel) yang ingin Anda cari. Misalnya, jika Anda ingin mencari kolom A dan B, hingga ke baris 6. LOOKUP akan mengembalikan kecocokan terdekat. Untuk menggunakan formulir array, data Anda harus diurutkan.

Bentuk vektor

Formulir vektor LOOKUP mencari sebuah nilai dalam rentang satu baris atau satu kolom (yang disebut vektor) dan mengembalikan nilai dari posisi yang sama dalam rentang satu baris atau satu kolom kedua

Sintaks

LOOKUP(lookup_value, lookup_vector, [result_vector])

Sintaks fungsi LOOKUP membentuk vektor yang memiliki argumen ini:

• lookup_value    Diperlukan. Nilai yang dicari LOOKUP dalam vektor pertama. Lookup_value bisa berupa angka, teks, nilai logika, atau nama atau referensi yang merujuk ke sebuah nilai.
• lookup_vector    Diperlukan. Sebuah rentang yang hanya berisi satu baris atau satu kolom. Nilai-nilai di dalam lookup_vector dapat berupa teks, angka, atau nilai logika.

Penting  Nilai-nilai dalam lookup_vector harus ditempatkan dalam urutan naik: ..., -2, -1, 0, 1, 2, ..., A-Z, FALSE, TRUE; jika tidak, LOOKUP mungkin tidak mengembalikan nilai yang tepat. Teks huruf besar dan huruf kecil sama saja.

• result_vector    Opsional. Sebuah rentang yang hanya berisi satu baris atau satu kolom. Argumen result_vector harus berukuran sama dengan lookup_vector. Harus memiliki ukuran yang sama.

•  
• Jika fungsi LOOKUP tidak dapat menemukan lookup_value, fungsinya cocok dengan nilai terbesar dalam lookup_vector yang lebih kecil dari atau sama dengan lookup_value.
• Jika lookup_value lebih kecil daripada nilai yang paling kecil dalam lookup_vector, maka LOOKUP mengembalikan nilai kesalahan #N/A.

Contoh-contoh vektor

Anda bisa mencoba contoh-contoh berikut dalam lembar kerja Excel Anda sendiri untuk mempelajari cara kerja fungsi LOOKUP. Dalam contoh pertama, Anda akan mendapatkan lembar bentang yang terlihat mirip dengan yang ini:

1. Salin data dalam tabel berikut, dan tempelkan ke lembar kerja Excel yang baru.

Salin data ini ke dalam kolom A	Salin data ini ke dalam kolom B
Frekuensi 4,14	Warna merah
4,19	oranye
5,17	kuning
5,77	hijau
6,39	biru

2. Berikutnya, salin rumus LOOKUP dari tabel berikut ini ke dalam kolom D lembar kerja Anda.

Salin rumus ini ke dalam kolom D	Inilah yang dilakukan rumus ini	Inilah hasil yang Anda lihat
Rumus
=LOOKUP(4,19, A2:A6, B2:B6)	Mencari 4,19 di kolom A, dan mengembalikan nilai dari kolom B yang berada di baris yang sama.	oranye
=LOOKUP(5,75, A2:A6, B2:B6)	Mencari 5,75 di kolom A, mencocokkan nilai terkecil terdekat (5,17), dan mengembalikan nilai dari kolom B yang berada di baris yang sama.	kuning
=LOOKUP(7,66, A2:A6, B2:B6)	Mencari 7,66 di kolom A, mencocokkan nilai terkecil terdekat (6,39), dan mengembalikan nilai dari kolom B yang berada di baris yang sama.	biru
=LOOKUP(0, A2:A6, B2:B6)	Mencari 0 di kolom A, dan mengembalikan kesalahan karena 0 kurang dari nilai yang terkecil (4,14) di kolom A.	#N/A

3. Agar rumus tersebut memperlihatkan hasil, Anda mungkin perlu memilihnya dalam lembar bentang Excel Anda, tekan F2, lalu tekan Enter. Jika perlu, sesuaikan lebar kolom untuk melihat semua data.

Atas Halaman

Formulir Array

Tips  Kami sangat menyarankan menggunakan VLOOKUP atau HLOOKUP sebagai ganti formulir array. Simak video ini tentang VLOOKUP; video ini menyediakan contoh. Formulir array LOOKUP disediakan untuk kompatibilitas dengan program lembar bentang lainnya, namun fungsionalitasnya terbatas.

Formulir array LOOKUP mencari nilai tertentu di baris atau kolom pertama array dan mengembalikan nilai dari posisi yang sama di baris atau kolom terakhir dari array tersebut. Gunakan formulir LOOKUP ini ketika nilai yang ingin Anda cocokkan berada di baris atau kolom pertama array.

Sintaks

LOOKUP(lookup_value, array)

Sintaks fungsi LOOKUP bentuk array memiliki argumen ini:

• lookup_value    Diperlukan. Nilai yang dicari LOOKUP dalam sebuah array. Argumen Lookup_value bisa berupa angka, teks, nilai logika, atau nama atau referensi yang merujuk ke sebuah nilai.
• Jika LOOKUP tidak dapat menemukan lookup_value, fungsi itu menggunakan nilai terbesar dalam array yang lebih kecil dari atau sama dengan lookup_value.
• Jika nilai lookup_value lebih kecil daripada nilai paling kecil dalam baris atau kolom pertama (tergantung dari dimensi array), maka LOOKUP mengembalikan nilai kesalahan #N/A.
• array    Diperlukan. Sebuah rentang sel yang berisi teks, angka, atau nilai logika yang ingin Anda bandingkan dengan lookup_value.

Bentuk array LOOKUP sangat mirip dengan fungsi HLOOKUP dan VLOOKUP. Perbedaannya yaitu HLOOKUP mencari nilai lookup_value dalam baris pertama, VLOOKUP mencari dalam kolom pertama, dan LOOKUP mencari sesuai dengan dimensi array.

• Jika array mencakup area yang lebih lebar dari tingginya (lebih banyak kolom daripada baris), maka LOOKUP mencari nilai lookup_value dalam baris pertama.
• Jika array persegi atau lebih tinggi daripada lebarnya (lebih banyak baris daripada kolom), maka LOOKUP mencari di kolom pertama.
• Dengan fungsi HLOOKUP dan VLOOKUP, Anda dapat mengindeks turun atau ke samping, tapi LOOKUP selalu memilih nilai terakhir dalam baris atau kolom.

Penting  Nilai-nilai dalam array harus disusun dalam urutan naik : ..., -2, -1, 0, 1, 2, ..., A-Z, FALSE, TRUE; kalau tidak, maka LOOKUP mungkin tidak mengembalikan nilai yang benar. Teks huruf besar dan huruf kecil sama saja.

A. Fungsi Logika

Fungsi ini digunakan untuk menghasilkan suatu nilai (memberikan jawaban) bila logical test menyatakan BENAR/TRUE (sesuai dengan kriteria), demikian juga sebaliknya, akan memberikan jawaban lain, apabila hasilnya salah (bukan yang disyaratkan).

Bentuk umum dari fungsi ini adalah

	=IF(LOGICAL_TEXT,VALUE_IF_TRUE,VALUE_IF_FALSE)

Artinya apabila ekspresi logika benar, maka perintah pada value_if_true yang akan dilaksanakan, sebaliknya apabila ekspresi logika salah, maka perintah pada value_if_false yang akan dilaksanakan.

Fungsi logika ini menggunakan operator relasi (operator pembanding) yang ditempatkan pada pernyataan logika. Operator relasi terdiri atas :

Lambang	Arti
=	Sama Dengan
<	Lebih Kecil dari
>	Lebbih Besar dari
<=	Lebih Kecil atau Sama Dengan
>=	Lebih Besar atau Sama Dengan
<>	Tidak Sama Dengan

Ada tiga (3) bentuk penggunaan IF Logika ini antara lain :

1.      Fungsi IF Tunggal atau 1 Tes Logika

	=IF(Logicaltest,value_if_true,if_value_false)

Artinya bila ekspresi logika bernilai benar maka perintah 1 (value_if_true) akan dikerjakan sebaliknya jika ekspresi logika bernilai salah maka perintah 2 (value_if_false) yang akan dikerjakan.

Contoh :

Berikanlah keterangan untuk status perkawinan

K=Kawin, B=Belum Kawin

2.      Fungsi IF dengan 2 Tes Logika

a.       Fungsi OR

Penggunaan fungsi OR untuk menyatakan bahwa suatu pernyataan itu benar jika salah satu atau kedua cell terpenuhi.

Seperti dibawah ini artinya pernyataan ini benar hanya jika salah satu atau kedua cell, A1 atau A2 bernilai positif.

	=OR(A1>0,A2>0)

Jika fungsi OR ini digabungkan dengan fungsi logika maka akan menghasilkan persamaan atau rumus :

	=IF(OR(LogicalTest1,Logical Test 2), value_if_true,value_if_false)

Contoh :

Hadiah (rekreasi) diberikan kepada siswa yang memiliki nilai lebih besar sama dengan 80 ATAU jumlah absen diatas 14 kali.

b.      Fungsi And

Penggunaan fungsi AND untuk menyatakan bahwa suatu pernyataan ini benar hanya jika kedua cell terpenuhi.

Seperti dibawah ini artinya pernyataan ini benar hanya jika kedua cell A1,A2 semuanya berisi bilangan positif.

	=AND(A1>0,A2>2)

=IF(AND(LogicalTest1,Logical Test 2), value_if_true,value_if_false)

Jika fungsi OR ini digabungkan dengan fungsi logika maka akan menghasilkan persamaan atau rumus :

Contoh :

Hadiah (rekreasi) diberikan kepada siswa yang memiliki nilai lebih besar sama dengan 80 DAN jumlah absen diatas 14 kali.

3.      Fungsi IF Bercabang

	=IF(Logicaltest, value_if_true, if_value_false)
	=IF(logical test, value_if_true, if(logicaltest,value_if__true, if(logical test,value_if_true, value_if_false)

Artinya bila ekspresi logika bernilai benar maka perintah 1 (value_if_true) akan dikerjakan, jika ekspresi logika bernilai salah maka perintah 2 (logical test 3) yang akan dikerjakan dan seterusnya sebanyak cabang/tahapan yang dibuat hingga perintah value_if_false yang tidak dicabangkan lagi.

 Contoh :

Pemberian predikat kelulusan doktor (S-3) atas IPK yang diperoleh dimana 4,00 SumaCumlaude; lebih besar sama dengan 3,75 adalah cumlaude dan kurang dari 3,75 memuaskan.

B. Fungsi Text

[2]Fungsi text digunakan untuk memotong suatu teks dalam suatu cell untuk mendapatkan sebanyak krakter tertentu yang diinginkan.

FUNGSI DAN OPERATORS	PENGGUNAAN
LEFT(Text;num_chars)	untuk memotong bagian kiri suatu text sebanyak karakter tertentu
MID(Text;Start_num;num_chars)	Untuk memotong teks pada kedudukan tertentu
RIGHT(Text;num_chars)	untuk memotong bagian kanan suatu text sebanyak karakter tertentu
CONCATENATE(TEXT1;TEXT2;…)	untuk menggabungkan data text
LEN(Text)	untuk menghitung panjang text

FUNGSI TEKS (TEXT) BAGIAN DUA

tutorialmicrosoftexcel.net – Microsoft excel memang sangat powerfull untuk mengolah data-data sederhana dengan bentuk flat database (non-RDBMS). Fungsi-fungsi dalam excel yang mudah dipahami dan dipelajari menjadi nilai tambah bagi anda yang baru memulai belajar aplikasi pengolahan data.

Pada postingan yang lalu Tutorial Excel telah memberikan materi mengenai fungsi Text pada Excel yang pada dasarnya hanya sebagian dari fungsi text yang kami jelaskan untuk anda. Pada Tutorial Fungsi Text Bagian Dua ini kami akan melanjutkan dengan beberapa fungsi text yang sering digunakan pada Microsoft Excel.

Berikut ini beberapa fungsi Text pada Microsoft Excel yang akan kami bahas untuk anda pemula microsoft excel.

Fungsi LEN

Fungsi LEN digunakan untuk mengetahui jumlah karakter pada teks termasuk simbol dan spasi.

Syntax : LEN(teks)

teks : dapat berupa teks langsung seperti =LEN(“Microsoft Excel”) yang akan menghasilkan nilai 15 karena jumlah karakter pada Microsoft Excel adalah 15 karakter. Teks juga dapat menggunakan cell yang mewakili teks seperti =LEN(A3) yang akan menghitung jumlah karakter pada cell A3

Fungsi LEFT

Fungsi LEFT digunakan untuk mengambil karakter sebuah teks dari sebelah kiri.

Syntax : LEFT(teks, jumlah_karakter)

teks : dapat berupa teks langsung seperti =LEFT(“Microsoft Excel”, 3) yang akan menghasilkan karater “Mic” karena diambil karakter Microsoft Excel sebanyak 3 karakter dari kiri. Teks juga dapat menggunakan cell untuk mewakili teks seperti =LEFT(A3,3) yang akan mengambil karakter dari teks pada cell A3 sebanyak 3 karakter dari kiri.

jumlah_karakter : diisi dengan jumlah digit karakter yang akan diambil dari teks

Fungsi RIGHT

Fungsi RIGHT digunakan untuk mengambil karakter sebuah teks dari sebelah kanan. Merupakan kebalikan dari fungsi LEFT.

syntax : RIGHT(teks, jumlah_karakter)

Untuk keterangan sama dengan pada fungsi LEFT karena secara penulisan, hanya saja fungsi RIGHT mengambil karakter dari kanan. Contoh =RIGHT(“Microsoft Excel”, 3) akan menghasilkan karakter “cel“.

Fungsi MID

Fungsi MID digunakan untuk mengambil karakter dari tengah teks.

syntax : MID(teks, no_urut_mulai, jumlah_karakter)

teks : untuk keterangan teks sama dengan fungsi teks yang telah dijelaskan tadi.

no_urut_mulai : adalah angka yang menentukan dari karakter berapa kita akan ambil atau menunjukkan posisi awal  karakter dari teks yang akan kita ambil. Untuk no_urut_mulai dihitung dari kiri.  Jika angka no_urut_mulai lebih besar dari jumlah karakter maka kita akan menemukan pesan error pada microsoft Excel #VALUE.

jumlah_karakter : adalah nilai dari jumlah karakter yang akan kita ambil dimulai dari no_urut_mulai. Jika jumlah_karakter benilai negatif maka akan muncul pesan error #VALUE, jumlah_karakter harus lebih atau sama dengan nol (0).

Untuk lebih memahami fungsi MID lihat ilustrasi gambar dibawah ini. [3]Fungsi PROPER

Fungsi PROPER digunakan untuk merubah karakter pertama Kata pada teks menjadi huruf KAPITAL. Contoh =PROPER(“tutorial microsoft excel”) akan menjadi Tutorial Microsoft Excel.

syntax : PROPER(teks).

Fungsi UPPER

Fungsi UPPER akan merubah semua karakter pada teks menjadi huruf KAPITAL. Contoh =UPPER(“tutorial microsoft excel”) akan menjadi TUTORIAL MICROSOFT EXCEL.

syntax : UPPER(teks)

Fungsi LOWER

Fungsi LOWER akan merubah semua karakter pada teks menjadi huruf kecil. Contoh =LOWER(“Tutorial MICROSOFT excel”) akan menjadi tutorial microsoft excel

---

[1] https://support.office.com/id-id/article/LOOKUP-Fungsi-LOOKUP-446d94af-663b-451d-8251-369d5e3864cb?ui=id-ID&rs=id-ID&ad=ID

[2] http://lieachd.blogspot.co.id/2012/05/ms-excel-fungsi-logika-dan-fungsi-teks.html

[3] http://tutorialmicrosoftexcel.net/fungsi-teks-text-bagian-dua/

 

 

Pengertian SPSS Dan Keunggulan SPSS

SPSS adalah sebuah program komputer yang digunakan untuk membuat analisis statistika. SPSS dipublikasikan oleh SPSS Inc.

[1]Microsoft Excel atau Microsoft Office Excel adalah sebuah program aplikasi lembar kerja spreadsheet yang dibuat dan didistribusikan oleh Microsoft Corporatio makanan rinagn Microsoft Windows dan Mac OS. Aplikasi ini memiliki fitur kalkulasi dan pembuatan grafik yang, dengan menggunakan strategi marketing Microsoft yang agresif, menjadikan Microsoft Excel sebagai salah satu program komputer yang populer digunakan di dalam komputer mikro hingga saat ini. Bahkan, saat ini program ini merupakan program spreadsheet paling banyak digunakan oleh banyak pihak, baik di platform PC berbasis Windows maupun platform Macintosh berbasis Mac OS, semenjak versi 5.0 diterbitkan pada tahun 1993. Aplikasi ini merupakan bagian dari Microsoft Office System, dan versi terakhir adalah versi Microsoft Office Excel 2013 yang diintegrasikan di dalam paket Microsoft Office System 2013.

Statistik Deskriptif dengan SPSS

Statistik selalu digunakan ketika parameter yang menggambarkan karakteristik populasi tidak diketahui. Statistik  akan mengambil sebagian (kecil) dari populasi untuk dilakukan pengukuran, kemudian hasil pengukuran tersebut dijadikan sebagai kesimpulan terhadap keseluruhan populasi. Sebagian (kecil) dari populasi tersebut dinamakan sampel. Ibarat kita ingin mengetahui rasa sepanci sayur asam, kita tidak perlu menenggak satu panci tapi cukup mencicipinya sebanyak satu sendok.

Terdapat dua jenis statistik yang digunakan ketika penelitian, yaitu:  statistik deskriptif  (descriptive statistics) dan statistik inferensi (inferential statistics). Statistik deskriptif  hanya menggambarkan data atau seperti apa data ditunjukkan, sementara statistik inferensi mencoba untuk mencapai  kesimpulan (bersifat induktif) dari data dengan kondisi yang lebih umum (Trochim, 2006), misal: point estimation, confidence interval estimation, hypothesis testing.

Statistik deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga menaksir kualitas data berupa jenis variabel, ringkasan statistik (mean, median, modus, standar deviasi, etc), distribusi, dan representasi bergambar (grafik), tanpa  rumus probabilistik  apapun (Walpole, 1993; Correa-Prisant, 2000; Dodge, 2006). Pada SPSS, analisis statistik deskriptif dilakukan dengan meng-klik menu Klik [Analyze] -> [Descriptive Statistics], kemudian terdapat pilihan: Frequencies, Descriptives, Explore, Crosstabs, dan Ratio. Dalam penelitian-penelitian, perintah-perintah ini sering diabaikan karena memang dalam beberapa fungsi analisis lain sudah otomatis tercantum analisis deskriptifnya.

Dengan data sebagaimana ditunjukkan Tabel 1 di bawah ini, kita akan mempraktekkan operasi submenu Frequencies, Descriptives, Explore, dan Crosstabs. Fungsi Ratio tidak akan dibahas karena bagi saya; yang belajar di SPSS 11, ini tergolong baru  :) , fasilitas Ratio mulai diperkenalkan pada SPSS versi 11.5, pada dasarnya berfungsi menyediakan ringkasan statistik yang berupa rasio-rasio.

Tabel 1
Data Nilai Mahasiswa (bukan data sebenarnya)

Nama	Usia	Jenis Kelamin	Nilai APK	Nilai PPC	Nilai PLO
Suhairi	20	Laki-Laki	80	50	70
Ambon	21	Laki-Laki	70	70	90
Astri	22	Perempuan	60	80	70
Henri	21	Laki-Laki	80	90	60
Yugos	22	Laki-Laki	90	60	70
Muji	19	Perempuan	70	80	80
Tatang	20	Laki-Laki	60	70	40
Ferdi	21	Laki-Laki	60	90	60
Arsyad	21	Laki-Laki	70	70	40
Fauzan	21	Laki-Laki	90	80	60

*) Laki-Laki (Value: 1), Perempuan (Value: 2)

Langkah pertama yang perlu dilakukan adalah meng-entry data, tentunya anda perlu paham dasar-dasar SPSS (silahkan baca posting sebelumnya yang berjudul: Dasar-Dasar SPSS). Entry data dilakukan pada tab sheet Data View setiap baris mewakili  satu responden, sedangkan setiap kolom mewakili  satu variabel, dalam kasus ini variabelnya adalah: Nama, Usia, Jenis Kelamin, Nilai APK, Nilai PPC, dan Nilai PLO. Berikut langkah-langkah entry datanya:

• Masukkan variabel: Nama untuk “Nama”, Usia untuk “Usia”, Gender untuk “Jenis Kelamin”, APK untuk “Nilai APK”, PPC untuk “Nilai PPC”, dan PLO untuk “Nilai PLO” pada kolom Name pada tab sheet [Variable View].
• Berilah label untuk masing-masing variabel dengan menuliskannya pada kolom Label: Usia, Jenis Kelamin, Nilai APK, Nilai PPC, dan Nilai PLO. Hal ini berarti: variabel Gender mempunyai label “Jenis Kelamin”, variabel APK mempunyai label “Nilai APK”, dan seterusnya.
• Untuk variabel Gender pada kolom Values, definisikan Value: 1 = Laki-laki dan Value: 2 = Perempuan.
• Untuk variabel Nama (baris pertama ) pada kolom Type, ubah tipe data menjadi String.
• Pada kolom Decimals isi nol untuk semua variabel.
• Untuk kolom lainnya seperti Width, Missing, dan Columns biarkan tetap default SPSS.
• Jangan lupa ”save”  atau tekan Ctrl + S. Secara default SPSS akan memberi nama file: data_1.sav, saya merubah nama file menjadi eRiskProject_1.sav.

Gambar 1. Entry Variabel pada Tab Sheet Variable View

• Kemudian klik tab sheet [Data View] dan mulailah meng-entry data seperti yang diperlihatkan Gambar 2 di bawah ini.

Gambar 2. Entry Data pada Tab Sheet Data View

• Untuk melihat hasil definisi Value pada variabel Gender, klik ikon , variabel Gender akan terdefinisi menjadi laki-laki dan perempuan, tidak lagi berisi angka 1 dan 2.
• Selanjutnya, kita ingin menjumlahkan nilai APK, PPC, dan PLO, Klik menu [Transform] –> [Compute], muncul dialog box Compute Variable.
• Buatlah variabel baru dengan nama “total” untuk menempatkan hasil penjumlahan nilai APK, PPC, dan PLO, caranya: tuliskan “total” pada form Target Variable. Kemudian Klik [Type & Label], beri label “Nilai Total“.
• Ketik “APK + PPC + PLO” (sesuai nama variabel dan perintah penjumlahan ) pada form Numeric Expression. Anda juga dapat menggunakan tombol-tombol yang tersedia pada dialog box, lihat Gambar 3.

Gambar 3. Contoh Perintah Penjumlahan pada Dialog Box Compute Variable

• Klik [OK]. Pada Data View akan muncul variabel baru dengan nama “Total” (lihat Gambar 4).

Gambar 4. Output dari Perintah Penjumlahan pada Dialog Box Compute Variable

Setelah data di-entry, selanjutnya memulai menggunakan perintah-perintah statistik deskriptif. Tahap pertama adalah menggunakan perintah Frequencies.

1. Frequencies

Perintah Frequencies digunakan untuk memperoleh jumlah pada nilai-nilai sebuah variabel tunggal. Langkah-langkahnya adalah sebagai berikut:

• Klik menu [Analyze] -> [Descriptive Statistics] -> [Frequencies].
• Muncul dialog box Frequencies. Klik “Jenis Kelamin [Gender]” ‐> klik , (untuk memasukkan variabel Jenis Kelamin ke form Variables(s). Kita akan menganalisis variabel Jenis Kelamin.
• Jangan lupa centang Display frequency tables.

Gambar 5. Dialog Box Frequencies

• Agar menampilkan representasi bergambar (grafik), klik [Charts], maka akan muncul dialog box Frequencies: Charts. Saya memilih Bar charts pada form Chart Type. Pada form Chart Values , saya memilih Percentages (Lihat Gambar 6).

Gambar 6. Menampilkan Bar Charts pada Dialog Box Frequencies: Charts

• Kemudian klik [Continues] untuk kembali ke dialog box Frequencies lalu klik [OK] maka muncul jendela SPSS Viewer  yang menunjukkan hasil analisis frekuensi (lihat Gambar 7).

a) Sebelah kiri adalah Outline view dalam bentuk tree files, fungsinya sebagai navigasi dalam melihat outputanalisis. b) Sebelah kanan adalah Display output, fungsinya menampilkan seluruh hasil analisis yang telah kita lakukan.

Gambar 7. Display Output pada SPSS Viewer

Pada Gambar 7 terlihat hasil analisis SPSS, di mana pada tabel pertama N Valid = 10 yang menunjukkan jumlah responden 10 orang dan N Missing = 0 yang berarti tidak ada data yang hilang (missing). Pada tabel yang kedua terlihat hasil analisis Frequencies terhadap variabel Jenis Kelamin, di mana jumlah responden laki-laki 8 orang (80%) dan responden perempuan ada 2 orang (20%). Jika scroll digeser ke bawah akan terlihat Bar Chart (lihat  Gambar 8) yang menunjukkan visualisasi jumlah responden laki-laki dan perempuan.

Gambar 8. Bar Chart

Perhatikan kriteria “laki-laki” dan “perempuan“, ini merupakan hasil definisi value variabel Gender pada kolom Values, di mana Value: 1 = Laki-laki dan Value: 2 = Perempuan. Jika definisi value diabaikan maka pada bar chart maupun tabel analisis yang terlihat bukan laki-laki dan perempuan melainkan 1 dan 2. Begitu juga judul tabel dan judul histogram: “jenis kelamin“, ini merupakan hasil dari proses label yang telah kita lakukan untuk variabel Gender. Fungsi label ini bermanfaat untuk para pembaca analisis, misal penguji pada sidang Tugas Akhir / Skripsi. Selanjutnya adalah penggunaan perintah Descriptives.

2. Descriptives

Dengan menggunakan data sebelumnya langkah-langkah perintah Descriptives adalah sebagai berikut:

• Klik menu [Analyze] -> [Descriptives Statistics] -> [Descriptives].
• Muncul dialog box Descriptives. Masukkan variabel yang akan dianalisis ke form Variables(s). Untuk melakukan setting optional klik [Options].
• Muncul dialog box Descriptives: Options. Centang analisis yang diperlukan. Dalam hal ini pilihannya adalah: Mean, Std. deviation, Minimum, Maximum, Kurtosis, Skewness, dan pada form Display Order centang Variable list.

Gambar 9. Langkah-Langkah Descriptives Statistics

• Klik [Continue] dan [OK]. Hasil analisis akan terlihat seperti tabel yang ditunjukkan Gambar 10 di bawah ini:

Gambar 10. Output Descriptives

Tabel output di atas menunjukkan jumlah pengukuran (N), nilai minimum (Minimum), nilai maksimum (Maximum), nilai rata-rata (Mean), standar deviasi (Std.), Skewness, dan Kurtosis dari masing-masing variabel. Nilai skewness merupakan ukuran kesimetrisan histogram, sedangkan kurtosis merupakan ukuran datar atau runcingnya histogram. Idealnya nilai skewness dan kurtosis pada distribusi normal adalah nol. Oleh karena itu:

• Jika nilai skewness positif maka distribusi data “miring ke kiri distribusi normal” (ada frekuensi nilai yang tinggi di sebelah kiri titik tengah distribusi normal), sebaliknya apabila skewness negatif maka distribusi data ”miring ke kanan distribusi normal” (kiri bagi kita yang melihatnya).
• Jika nilai kurtosis positif maka distribusi data “meruncing” (ada satu nilai yang mendominasi), sebaliknya apabila Kurtosis Negatif maka distribusi data “melandai” (varians besar).

Perhatikan Gambar 10 di atas, variabel Usia memiliki skewness negatif dan kurtosis positif, artinya distribusinya “miring ke kiri distribusi normal” dan “meruncing”. Pada variabel nilai APK, nilai skewness positif dan nilai kurtosis negatif, artinya distribusinya “miring ke kanan distribusi normal” dan “melandai”. Sebagai pembuktian, buat histogram untuk variabel Usia dan Nilai APK. Berikut caranya:

• Klik menu [Graphs] -> [Histogram], maka muncul dialog box Histogram.
• Pilih variabel Usia dan masukkan dalam form Variable.
• Centang Display normal curve, untuk memperlihatkan kurva normal.
• Selanjutnya klik [OK].

Lakukan langkah yang sama untuk variabel nilai APK. Hasilnya bisa dilihat pada Gambar 12.

Gambar 11. Menampilkan Histogram bersama Kurva Normal

Gambar 12. Analisis Skewness dan Kurtosis pada Histogram

Gambar 12 di atas menunjukkan histogram untuk variabel Usia  memiliki distribusi “miring ke kiri distribusi normal” karena nilainya skewness negatif  dan “meruncing” karena nilai kurtosis positif. Sebaliknya, histogram untuk variabel Nilai APK  memiliki distribusi “miring ke kanan distribusi normal” karena nilainya skewness positif  dan “melandai” karena nilai kurtosis negatif. Di sini, anda bisa menentukan apakah distribusi tersebut normal atau tidak. Anda bisa saja menyatakan normal, karena menyerupai bentuk lonceng tetapi agak serong, tapi  orang lain mungkin akan menyatakan tidak normal karena jauh dari bentuk lonceng. Jika sulit mengambil keputusan, silahkan lakukan pengujian normalitas yang lebih advance, misal dengan Uji Kolmogorov-Smirnov. Selanjutnya, kita masuk pada penggunaan perintah Explore.

3. Explore

Perintah Explore digunakan untuk membandingkan antara dua atau lebih kelompok dengan satu  variabel. Sebagai contoh, jika kita menggunakan Jenis Kelamin sebagai variabel independen; variabel ini mendefinisikan kelompok (Laki-Laki dan Perempuan), kemudian membandingkannya dengan variabel lain, seperti Usia. Perintah Explore; contoh  dalam kasus mean, akan menghasilkan  berapa rata-rata usia laki-laki dan berapa rata-rata usia perempuan.  Ukuran-ukuran yang dihasilkan perintah Explore  antara lain: ukuran-ukuran pemusatan data (mean dan median), ukuran penyebaran (range, interquartile range, standar deviasi, varians, minimum, dan maksimum), ukuran kurtosis, dan skewness.

Berikut langkah-langkah perintah Explore:

• Klik menu [Analyze] -> [Descriptives Statistics] -> [Explore].
• Muncul dialog box Explore.
• form Factor List, isi: variabel Jenis Kelamin.
• form Dependent List, isi: variabel Usia, Nilai APK, Nilai PPC, Nilai PLO, dan Nilai Total.
• Form Display ada tiga pilihan Both, Statistics, dan Plots. Saya hanya memilih [Statistics].
•      Klik [Plots] bila perlu grafik boxplot.
•      Klik [Statistics] bila tidak perlu grafik boxplot.
•      Klik [Both] bila perlu keduanya.
• Terakhir klik [OK].

Gambar 13. Dialog Box Explore

Gambar 14. Contoh Output Explore untuk Variabel Usia

Selanjutnya, kita masuk pada penggunaan perintah Crosstabs.

4. Crosstabs

Jika perintah Frequencies digunakan untuk memperoleh jumlah pada nilai-nilai sebuah variabel tunggal, perintah  Crosstabs digunakan untuk memperoleh jumlah pada nilai-nilai lebih dari satu variabel. Apabila analisis statistik deskriptif sebelumnya mengolah data secara keseluruhan dalam setiap variabel dengan menghitung perhitungan statistik seperti Mean, Standar deviasi, Kurtosis, etc. Pada Crosstabs, setiap nilai pada variabel yang dianalisis dijabarkan jumlahnya, dengan begitu kita dapat mengetahui berapa jumlah subyek laki-laki yang berusia 19 tahun, 20 tahun, dst. Deskripsi data pada Crosstabs akan disajikan dalam bentuk tabel silang (crosstab) yang terdiri dari baris dan kolom.

Berikut langkah-langkah perintah Crosstabs:

• Klik menu [Analyze] -> [Descriptives Statistics] -> [Crosstabs].
• Muncul dialog box Crosstabs.
• form Column(s), isi: variabel Jenis Kelamin.
• form Row(s), isi dengan variabel yang akan dianalisis, dalam hal ini isi dengan variabel Usia.

Gambar 15. Dialog Box Crosstabs

• Klik pilihan [Display clustered bar charts], pilihan ini untuk menampilkan chart bar dari output.
• Untuk dialog box [Statistics], [Cells], dan [Format] biarkan sesuai dengan default SPSS.
• Terakhir klik [OK].

Gambar 16. Output Crosstabs

Gambar 17. Clustered Bar Charts

[2]Statistik deskriptif memberikan informasi inti dari kumpulan data, seperti ukuran-ukuran pemusatan data (mean dan median), ukuran penyebaran (range, interquartile range, standar deviasi, varians, minimum, dan maksimum), ukuran kurtosis, dan skewness serta representasi piktorialnya. Tabel, diagram, dan grafik yang sering ditemukan di majalah dan koran-koran merupakan salah satu contoh penggunaan statistik deskriptif.

KORELASI

[3]Merupakan teknik statistik yang digunakan untuk meguji ada/tidaknya hubungan serta arah hubungan dari dua variabel atau lebih

Korelasi yang akan dibahas dalam pelatihan ini adalah :

1. Korelasi sederhana pearson & spearman
2. Korelasi partial
3. Korelasi ganda.

KOEFISIEN KORELASI

Besar kecilnya hubungan antara dua variabel dinyatakan dalam bilangan yang disebut Koefisien Korelasi

a. Besarnya Koefisien korelasi antara   -1   0  +1
b. Besaran koefisien korelasi  -1 & 1 adalah korelasi yang sempurna
c. Koefisien korelasi 0 atau mendekati 0 dianggap tidak berhubungan antara dua variabel yang diuji

ARAH HUBUNGAN

a. Positif (Koefisien 0 s/d 1)
b. Negatif (Koefisien 0 s/d -1)
c. Nihil (Koefisien 0)

PEARSON CORRELATION

Digunakan untuk data interval & rasio
Distribusi data normal
Terdiri dari dua variabel
1 Variabel X (Independen)
1 Variabel Y (dependen)

CONTOH

Judul: Hubungan antara intensitas belajar dengan prestasi mata kuliah statistik

Variabel X : Intensitas belajar (diukur dari lamanya belajar dalam satu minggu)
Variabel Y : Prestasi matakuliah statistik (diukur dari nilai ujian akhir semester)

Hipotesa:

H0: Tidak ada hubungan antara Intenitas belajar dengan prestasi mata kuliah statistik
Ha: Ada hubungan antara Intenitas belajar dengan prestasi mata kuliah statistik

 

 

INPUT DATA KE SPSS

Input Data ke SPSS

SPSS

Ada dua view dalam SPSS

a. Data View : digunakan untuk memasukkan data yang akan dianalisis
b. Variabel View : digunakan untuk memberi nama variabel dan pemberian koding.

UJI NORMALITAS

Uji Normalitas SPSS

Normalitas Plot SPSS

INTERPRESTASI NORMALITAS

TAHAP ANALISIS

INTERPRETASI

Untuk pengambilan keputusan statistik, dapat digunakan 2 cara:

1. Koefisien Korelasi dibandingkan dengan nilai r tabel (korelasi tabel)

    Apabila Koefisien Korelasi > r tabel, Maka ada korelasi yang signifikan (Ha Diterima)
    Apabila Koefisien Korelasi < r tabel, Maka tidak ada korelasi yang signifikan (H0 Diterima)

2. Melihat Sig.

    Apabila nilai Sig. < 0,05 Maka ada korelasi yang signifikan (Ha Diterima)
    Apabila nilai Sig. > 0,05 Maka tidak ada korelasi yang signifikan (H0 Diterima)

Arah hubungan:

Dilihat dari tanda koefisien korelasi

   Tanda (-) berarti apabila variabel X tinggi maka variabel Y rendah
   Tanda (+) berarti apabila variabel X tinggi maka variabel Y juga tinggi

SPEARMAN

a. Digunakan untuk jenis data ordinal
b. Cara analisis dan interpretasi sama dengan Pearson.
c. Perbedaan hanya pada waktu memilih box yang diaktifkan adalah box spearman.

KORELASI PARTIAL

Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independen dengan satu variabel dependen dan dilakukan pengendalian pada salah satu variabel independennya

CONTOH

Judul: Hubungan antara biaya promosi dan penjualan dengan mengendalikan jumlah outlet

Variabel X1: Biaya Promosi
Variabel X2: Jumlah outlet (dikendalikan)
Variabel Y: Penjualan

Hipotesa:

H0: Tidak ada hubungan antara biaya promosi dengan penjualan apabila jumlah outlet dikendalikan
Ha: Ada hubungan antara biaya promosi dengan penjualan apabila jumlah outlet dikendalikan

CONTOH

Buka data : Korelasi ganda dan partial.sav Data

ANALISIS

KORELASI PARTIAL

OUTPUT PARTIAL

KORELASI GANDA

Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independen dengan satu variabel dependen secara bersamaan.

CONTOH

Judul: Hubungan antara biaya promosi dan jumlah outlet dengan penjualan

  Variabel X1: Biaya Promosi
  Variabel X2: Jumlah outlet
  Variabel Y: Penjualan

Hipotesa:

  H0: Tidak ada hubungan antara biaya promosi dan jumlah outlet dengan penjualan
  Ha: Ada hubungan antara biaya promosi dan jumlah outlet dengan penjualan

CONTOH

  Buka data : Korelasi ganda dan partial.sav Data

KORELASI GANDA

INTERPRETASI KORELASI GANDA

a. Untuk menginterpretasi korelasi ganda lihat nilai R, semakin mendekati 1 maka korelasi semakin kuat
b. Guna memperkaya analisis, sebelum dianalisis korelasi ganda dapat juga ditambahkan analisis korelasi pada masing-masing variabel independen dengan variabel dependen (caranya sama dengan analisis korelasi pearson.

REGRESI

a. Analisis regresi adalah analisis lanjutan dari korelasi
b. Menguji sejauh mana pengaruh variabel independen terhadap variabel dependen setelah diketahui ada hubungan antara variabel tersebut
c. Data harus interval/rasio
d. Data Berdistribusi normal.

Yang akan dibahas dalam pelatihan ini adalah:

a. Regresi sederhana: yaitu regresi untuk 1 variabel independen dengan 1 variabel dependen
b. Regresi ganda: yaitu regresi untuk lebih dari satu variabel independen dengan 1 variabel dependen.

REGRESI SEDERHANA

Buka data : Pearson.sav Data

INTERPRETASI REGRESI SEDERHANA

Output 1

Lihat nilai R = 0,843 ini berarti bahwa korelasi antara variabel X dengan Y adalah 0,843

INTERPRETASI REGRESI SEDERHANA

OTPUT 2

• Untuk melihat signifikansi persamaan regresi dapat dilihat dari nilai F = 81,329 dan dibandingkan dengan F tabel
• Apabila nilai F < F tabelmaka persamaan garis regresi tidak dapat digunakan untuk prediksi
• Apabila nilai F > F tabelmaka persamaan garis regresi dapat digunakan untuk prediksi
• Selain itu dapat pula dengan melihat nilai Sig. dapat digunakan untuk prediksi apabila nilai Sig. < 0,05

INTERPRETASI REGRESI SEDERHANA

OUTPUT 3

• Untuk membuat persamaan garis regresi dapat dilihat dari kolom B.
• Constan = 38,481 dan intensitas belajar= 2,978
• Berarti persamaan garisnya adalah: Y=38,481 + 2,978 X.

REGRESI GANDA

• Digunakan untuk analisis regresi dengan jumlah variabel independen lebih dari satu dengan satu variabel dependen
• Ada tambahan asumsi yang harus dipenuhi, yaitu tidak boleh ada korelasi antar variabel-variabel independennya (multikolinearitas)

CONTOH

Buka data : Korelasi ganda dan partial.sav

INTERPRETASI REGRESI GANDA

Output 1

Lihat nilai R = 0,976 ini berarti bahwa korelasi antara variabel X1dan X2secara bersamaan dengan Y adalah 0,976.

INTERPRETASI REGRESI GANDA

Output 2

Untuk melihat signifikansi persamaan regresi dapat dilihat dari nilai F = 118,294 dan dibandingkan dengan F tabel

• Apabila nilai F < F tabelmaka persamaan garis regresi tidak dapat digunakan untuk prediksi
• Apabila nilai F > F tabelmaka persamaan garis regresi dapat digunakan untuk prediksi
• Selain itu dapat pula dengan melihat nilai Sig. dapat digunakan untuk prediksi apabila nilai Sig. < 0,05

INTERPRETASI REGRESI GANDA

Output 3

Untuk membuat persamaan garis regresi dapat dilihat dari kolom B.

• Constan = 64,639
• Biaya promosi= 2,342
• Jumlah Outlet= 0,535
• Berarti persamaan garisnya adalah: Y=64,639 + 2,342 biaya promosi + 0,535 Jumlah Outlet

INTERPRETASI REGRESI GANDA

Output 4

Identifikasi kolinieritas dapat dilakukan dengan melihat:

• Output 3, Kolom VIF. : terjadi kolinearitas apabila nilai VIF > 5
• Output 4, Kolom eugenvalue: terjadi kolinearitas apabila nilai eugenvalue mendekati 0
• Output 4, Kolom condition index: terjadi kolinearitas apabila nilai condition index > 15. Dikatakan parah apabila > 30

REGRESI DAN CONTOH

 

            Analisis Regresi Linear Sederhana (Simple Linear Regression)

Posted on 09/07/2015 by Dickson Kho in Ilmu Statistika // 0 Comments

Analisis Regresi Linear Sederhana – Regresi Linear Sederhana adalah Metode Statistik yang berfungsi untuk menguji sejauh mana hubungan sebab akibat antara Variabel Faktor Penyebab (X) terhadap Variabel Akibatnya. Faktor Penyebab pada umumnya dilambangkan dengan X atau disebut juga dengan Predictor sedangkan Variabel Akibat dilambangkan dengan Y atau disebut juga dengan Response. Regresi Linear Sederhana atau sering disingkat dengan SLR (Simple Linear Regression) juga merupakan salah satu Metode Statistik yang dipergunakan dalam produksi untuk melakukan peramalan ataupun prediksi tentang karakteristik kualitas maupun Kuantitas.

Contoh Penggunaan Analisis Regresi Linear Sederhana dalam Produksi antara lain :

1. Hubungan antara Lamanya Kerusakan Mesin dengan Kualitas Produk yang dihasilkan
2. Hubungan Jumlah Pekerja dengan Output yang diproduksi
3. Hubungan antara suhu ruangan dengan Cacat Produksi yang dihasilkan.

Model Persamaan Regresi Linear Sederhana adalah seperti berikut ini :

Y = a + bX

Dimana :
Y = Variabel Response atau Variabel Akibat (Dependent)
X = Variabel Predictor atau Variabel Faktor Penyebab (Independent)
a = konstanta
b = koefisien regresi (kemiringan); besaran Response yang ditimbulkan oleh Predictor.

Nilai-nilai a dan b dapat dihitung dengan menggunakan Rumus dibawah ini :

a =   (Σy) (Σx²) – (Σx) (Σxy)
.                n(Σx²) – (Σx)²

b =   n(Σxy) – (Σx) (Σy)
.                n(Σx²) – (Σx)²

Berikut ini adalah Langkah-langkah dalam melakukan Analisis Regresi Linear Sederhana :

1. Tentukan Tujuan dari melakukan Analisis Regresi Linear Sederhana
2. Identifikasikan Variabel Faktor Penyebab (Predictor) dan Variabel Akibat (Response)
3. Lakukan Pengumpulan Data
4. Hitung  X², Y², XY dan total dari masing-masingnya
5. Hitung a dan b berdasarkan rumus diatas.
6. Buatkan Model Persamaan Regresi Linear Sederhana.
7. Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel Akibat.

Contoh Kasus Analisis Regresi Linear Sederhana 

Seorang Engineer ingin mempelajari Hubungan antara Suhu Ruangan dengan Jumlah Cacat yang diakibatkannya, sehingga dapat memprediksi atau meramalkan jumlah cacat produksi jika suhu ruangan tersebut tidak terkendali. Engineer tersebut kemudian mengambil data selama 30 hari terhadap rata-rata (mean) suhu ruangan dan Jumlah Cacat Produksi.

Penyelesaian

Penyelesaiannya mengikuti Langkah-langkah dalam Analisis Regresi Linear Sederhana adalah sebagai berikut :

Langkah 1 : Penentuan Tujuan

Tujuan : Memprediksi Jumlah Cacat Produksi jika suhu ruangan tidak terkendali

Langkah 2 : Identifikasikan Variabel Penyebab dan Akibat

Varibel Faktor Penyebab (X) : Suhu Ruangan,
Variabel Akibat (Y) : Jumlah Cacat Produksi

Langkah 3 : Pengumpulan Data

Berikut ini adalah data yang berhasil dikumpulkan selama 30 hari (berbentuk tabel) :

Tanggal	Rata-rata Suhu Ruangan	Jumlah Cacat
1	24	10
2	22	5
3	21	6
4	20	3
5	22	6
6	19	4
7	20	5
8	23	9
9	24	11
10	25	13
11	21	7
12	20	4
13	20	6
14	19	3
15	25	12
16	27	13
17	28	16
18	25	12
19	26	14
20	24	12
21	27	16
22	23	9
23	24	13
24	23	11
25	22	7
26	21	5
27	26	12
28	25	11
29	26	13
30	27	14

Langkah 4 : Hitung X², Y², XY dan total dari masing-masingnya

Berikut ini adalah tabel yang telah dilakukan perhitungan X², Y², XY dan totalnya :

Tanggal	Rata-rata Suhu Ruangan (X)	Jumlah Cacat        (Y)	X2	Y2	XY
1	24	10	576	100	240
2	22	5	484	25	110
3	21	6	441	36	126
4	20	3	400	9	60
5	22	6	484	36	132
6	19	4	361	16	76
7	20	5	400	25	100
8	23	9	529	81	207
9	24	11	576	121	264
10	25	13	625	169	325
11	21	7	441	49	147
12	20	4	400	16	80
13	20	6	400	36	120
14	19	3	361	9	57
15	25	12	625	144	300
16	27	13	729	169	351
17	28	16	784	256	448
18	25	12	625	144	300
19	26	14	676	196	364
20	24	12	576	144	288
21	27	16	729	256	432
22	23	9	529	81	207
23	24	13	576	169	312
24	23	11	529	121	253
25	22	7	484	49	154
26	21	5	441	25	105
27	26	12	676	144	312
28	25	11	625	121	275
29	26	13	676	169	338
30	27	14	729	196	378
Total (Σ)	699	282	16487	3112	6861

Langkah 5 : Hitung a dan b berdasarkan rumus Regresi Linear Sederhana

Menghitung Konstanta (a) :

a =   (Σy) (Σx²) – (Σx) (Σxy)
.               n(Σx²) – (Σx)²

a = (282) (16.487) – (699) (6.861)
                30 (16.487) – (699)²

a = -24,38

Menghitung Koefisien Regresi (b)

b =   n(Σxy) – (Σx) (Σy)
.           n(Σx²) – (Σx)²

b = 30 (6.861) – (699) (282)
.          30 (16.487) – (699)²

b = 1,45

Langkah 6 : Buat Model Persamaan Regresi

Y = a + bX
Y = -24,38 + 1,45X

Langkah 7 : Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel Akibat

I. Prediksikan Jumlah Cacat Produksi jika suhu dalam keadaan tinggi (Variabel X), contohnya : 30°C

Y = -24,38 + 1,45 (30)
Y = 19,12

Jadi Jika Suhu ruangan mencapai 30°C, maka akan diprediksikan akan terdapat 19,12 unit cacat yang dihasilkan oleh produksi.

II. Jika Cacat Produksi (Variabel Y) yang ditargetkan hanya boleh 4 unit, maka berapakah suhu ruangan yang diperlukan untuk mencapai target tersebut ?

4 = -24,38 + 1,45X
1,45X = 4 + 24,38
X = 28,38 / 1,45
X = 19,57

Jadi Prediksi Suhu Ruangan yang paling sesuai untuk mencapai target Cacat Produksi adalah sekitar 19,57°C[4]

---

[1] http://www.levatra.com/2014/11/pengertian-dan-mengenal-fungsi_25.html

[2] https://eriskusnadi.wordpress.com/2008/12/11/statistik-deskriptif-dengan-spss/

[3] http://www.statistikian.com/2012/08/korelasi.html

[4] http://teknikelektronika.com/analisis-regresi-linear-sederhana-simple-linear-regression/