00:00:00
Halo assalamualaikum warahmatullahi
00:00:02
wabarakatuh dipertemuan Eh daring atau
00:00:07
kuliah online di mata kuliah statistika
00:00:09
1 kita kali ini akan belajar tentang uji
00:00:13
regresi dan korelasi sederhana
00:00:14
menggunakan SPSS sebelumnya kita belajar
00:00:19
dengan cara manual menghitung uji
00:00:22
korelasi dan regresi sederhana secara
00:00:26
manual atau kalian hitung sendiri nah
00:00:29
sekarang ada alat bantu yang disebut
00:00:31
SPSS yang sudah membantu kalian untuk
00:00:34
menghitung Jadi kalian tinggal klik saja
00:00:36
Baiklah kita langsung saja uh dengan
00:00:39
praktek kita ada contoh soal kalian buka
00:00:44
SPSS kalian
00:00:47
Indonesia
00:00:48
YouTube
00:00:50
MP3 download
00:00:52
Hai YouTubers Indonesia memang untuk Nah
00:00:58
sekarang kita lihat di sini ada biaya
00:01:04
produksi dan tingkat penjualan dimana
00:01:07
biaya produksi adalah variabel
00:01:09
independennya atau variabel x dan tiket
00:01:12
penjualan adalah variabel Y atau
00:01:15
variabel dependen atau variabel
00:01:17
terikatnya di sini ada data
00:01:22
cepatnya lalu langkah-langkahnya input
00:01:27
dan definisikan data Baiklah untuk
00:01:29
mendefinisikan data kita berada di kolom
00:01:34
variable view kita klik variable view
00:01:36
lalu kita lihat Kita pindah ke di sini
00:01:39
ada data biaya dan penjualan di Excel ya
00:01:44
berarti di sini kita masukkan eks Korea
00:01:48
blacks dan variabel y Oke ini saya huruf
00:01:53
besar eh x-nya juga huruf besar Nah kita
00:02:00
harus bisa mendefinisikannya dengan
00:02:02
benar tripnya pastikan sudah numerik
00:02:06
Apabila ada yang string kalian harus
00:02:08
mengganti menjadi nomor data string itu
00:02:10
hanya untuk data teks nah with nya ini
00:02:13
adalah berapa sih jumlah angka atau
00:02:17
huruf yang bisa kita masukkan ke dalam
00:02:18
SPSS ini bisa kita
00:02:22
20 atau sesuai keinginan kita jadi
00:02:25
misalnya satu triliun Kalau cuman 8 itu
00:02:29
enggak cukup jadi nanti yang dimasukkan
00:02:31
hanya sampai delapan angka saja sisanya
00:02:35
akan terbuang atau tidak termasuk ke
00:02:38
dalam SPSS kemudian desimal di sini kita
00:02:42
lihat tidak ada angka desimal artinya
00:02:44
lebih baik ini kita nolcan saja nah
00:02:49
label ini available ini adalah
00:02:51
keterangan dari variabel tadi eksitu
00:02:54
adalah biaya produksi dan Y adalah
00:02:59
penjualan nah belinya ini kita kosongkan
00:03:06
missing di kosongkan kolom dikosongkan
00:03:11
Olin udah ini kemudian misalnya jangan
00:03:14
lupa diganti skala kalau datanya berupa
00:03:18
angka pastikan dia skala
00:03:22
cardinal ini adalah untuk data peringkat
00:03:24
eh data peringkat misalnya sd-smp-sma
00:03:29
triade peringkat SD itu lebih rendah
00:03:31
dari SMP kayak gitu kalau nominal Hanya
00:03:33
berupa teks dan ini Sudah dipelajari
00:03:35
pada awal pertemuan jenis-jenis data ya
00:03:39
Nah kemudian dataview ini adalah tempat
00:03:44
kita memasukkan datanya berarti ini
00:03:48
tinggal kita kopi-kopi jadi Pastikan
00:03:54
data di Excel sama ya kolom yang kiri X
00:03:57
kolom kanan y Jadi kita lebih mudah
00:04:00
untuk meng-copy paste istilahnya seperti
00:04:04
itu Nah setelah seperti ini
00:04:08
[Musik]
00:04:11
Hai kremes langkah berikutnya enlists
00:04:14
regression linear apa yang kita lakukan
00:04:17
adalah klik analyze kita akan melakukan
00:04:19
analisis kemudian kita klik regression
00:04:23
dan linear masukkan variabel biaya
00:04:27
produksi ke kotak independen dan
00:04:29
variabel tiga penjualan ke kotak
00:04:31
dependent Oke berarti X sudah lebih
00:04:34
mudah ya kalau sudah ada tulisan dan
00:04:36
lambang seperti ini berarti dianya di
00:04:39
dependen dan x-nya ke independen
00:04:43
kemudian Klik tombol statistik nah
00:04:49
disini sudah ada setting default ya
00:04:50
estimate dan model Fit Jadi kalau
00:04:53
misalnya tiba-tiba kalian buka belum ada
00:04:55
ini pastikan dua ini sudah terklik lebih
00:04:57
dahulu berikan tanda centang pada paten
00:05:00
parsial correlation enderby Epson
00:05:03
Hai ini untuk ngelihat uji kolinearitas
00:05:08
ya Uji korelasinya
00:05:12
Hai dan yang ini maaf yang ini untuk
00:05:16
melihat uji korelasi yang kita bahas
00:05:20
kemarin kalau misalnya mendekati satu
00:05:23
hubungannya kuat mendekati Pulau
00:05:24
hubungannya sangat tidak kuat seperti
00:05:26
itu lalu kita klik durbin-watson yang
00:05:29
berguna untuk melakukan uji asumsi
00:05:32
autokorelasi lalu Klik tombol plots
00:05:42
masukkan es Rashid ke kota q y dan Z
00:05:46
predb ke kotak X masukkan ini ke kota y
00:05:51
masukkan ini ke kotak x-cache jangan
00:05:55
salah masukkan Den jangan terbalik dan
00:06:00
kemudian kita centang
00:06:01
[Musik]
00:06:03
Hai normar probability plot dan
00:06:06
histogram kita klik dua ini klik
00:06:09
continue udah dilakukan step-step yang
00:06:13
tadi sebelumnya sekarang kita tinggal
00:06:15
klik ok lalu akan keluar Windows keluar
00:06:20
Windows outputnya 2 ya oke semudah itu
00:06:27
Jadi kalau kemarin kalian ngitung 11
00:06:30
Terus pakai akuator ini sudah
00:06:33
dihitungkan dan kita tinggal
00:06:35
menganalisis hasil outputnya jadi di
00:06:41
sini ada model summering ada Anova pada
00:06:47
koefisien ada residual statistik ada cat
00:06:51
atau gambar-gambarnya
00:06:53
Black lah kita bahas satu-satu namun
00:06:57
sebelum kita bahas satu-satu ada yang
00:07:00
perlu kita perhatikan ada yang perlu
00:07:03
kita bahas yaitu uji asumsi oke nah uji
00:07:14
asumsi ini adalah syarat yang harus
00:07:18
dipenuhi Apabila kita ingin melakukan
00:07:20
uji regresi jadi uji asumsi itu adalah
00:07:26
syarat Apabila syarat ini tidak dipenuhi
00:07:29
maka kita harus memperbaiki sampai saat
00:07:34
ini terpenuhi baru kita bisa melakukan
00:07:36
analisis regresi apabila tidak terpenuhi
00:07:39
berarti kita harus menganalisis dengan
00:07:42
cara yang lain baiklah apa aja uji
00:07:46
asumsinya yang pertama Uji normalitas
00:07:50
residual lagi ujian
00:07:53
test result digunakan untuk menguji
00:07:55
apakah nilai residual yang dihasilkan
00:07:57
dari regresi terdistribusi secara normal
00:08:00
atau tidak residual Itu adalah selisih
00:08:05
antara antara predikat file predictive
00:08:08
value atau nilai yang diprediksi dengan
00:08:11
nilai yang sebenarnya jadi model regresi
00:08:14
yang baik adalah yang memiliki nilai
00:08:16
residual yang terdistribusi secara
00:08:19
normal metode yang digunakan adalah
00:08:21
metode grafik yaitu dengan melihat
00:08:24
penyebaran data pada sumber diagonal
00:08:27
pada grafik normal PP plot of regression
00:08:31
jadi ini ya yang kita klik Nah ini dia
00:08:35
gambarnya lingkaran
00:08:39
Indonesia
00:08:42
Indonesia
00:08:44
ndak ngerti ini sebagai dasar
00:08:47
pengambilan keputusan jika titik-titik
00:08:49
menyebar sekitar garis dan mengikuti
00:08:51
garis diagonal maka nilai residual
00:08:54
tersebut telah normal jika kita lihat
00:08:57
gambar ini titik-titik ini mendekati
00:09:00
atau mengikuti garis Namun apabila dia
00:09:03
Man jauh sekali dari garis tengah Disini
00:09:07
di sini adem di sini ada yang disini
00:09:09
pola seperti itu maka bisa dibilang
00:09:12
residualnya tidak terdistribusi secara
00:09:14
normal jadi apabila kita melihat output
00:09:17
regresi ini maka Kesimpulannya adalah
00:09:22
data ini sudah terdistribusi secara
00:09:25
normal lalu uji asumsi yang kedua yaitu
00:09:31
uji autokorelasi dimana uji autokorelasi
00:09:37
darbin the kita menggunakan darbin
00:09:39
Watson ini agak sedikit lebih rumit ya
00:09:44
I Max sebenarnya tidak susah tapi hanya
00:09:46
rumit hanya banyak step by stepnya Oke
00:09:49
kita bahas satu-satu autokorelasi dulu
00:09:53
yang kita pahami yaitu merupakan
00:09:54
korelasi antara anggota observasi yang
00:09:57
disusun menurut waktu atau tempat jadi
00:10:00
misalnya data itu data sampel yang kita
00:10:02
ambil ada beberapa ternyata misalnya
00:10:06
sampel yang pertama kita ambil ada
00:10:10
kaitan dengan sampel yang sebelumnya
00:10:12
atau misalnya sampel yang kedua ada
00:10:15
berkaitan dengan sampel yang ke-1 jadi
00:10:19
ada hubungan antara data yang kita ambil
00:10:23
sekarang dengan data yang sebelumnya
00:10:26
untuk lebih tahu apalagi itu kauto
00:10:29
korelasi kalian bisa cari tahu sendiri
00:10:31
di buku ataupun bisa mencari di internet
00:10:36
sekarang yang kita perlu ketahui adalah
00:10:39
bagaimana sih cara mendeteksi ada atau
00:10:41
tidak autokorelasi
00:10:44
Hai Ki caranya kita melihat angka darbin
00:10:49
website yang bisa kita lihat di tabel
00:10:54
[Musik]
00:10:56
model summary nah ini ada angka Darwin
00:11:01
Watson langkah-langkahnya kita bikin
00:11:03
dulu eh diketahui jadi NY ada berapa ini
00:11:11
ada 12 atau jumlah Datanya ada 12k itu
00:11:14
jumlah variabel dependen tanpa intercept
00:11:17
artinya jumlah variabel independen tanpa
00:11:20
NTT adalah satu kemudian DL nah dldo ini
00:11:25
kita lihat di tabel Darwin Watson nih
00:11:30
oke lalu
00:11:34
Ayo kita lihat DL nya berapa duitnya
00:11:37
berapa kita tentukan Nah untuk n12 K1
00:11:43
maka DL nya adalah 0,97 satu dan dulunya
00:11:48
adalah 1331 kita tinggal tulis disini
00:11:53
lalu kita bikin angka 4 mindu dan angka
00:11:58
4 middle setelah diketahui kita masukkan
00:12:02
data itu dan kita buat seperti ini
00:12:04
chatnya berarti di sini Kita masukin
00:12:07
[Musik]
00:12:08
0,91 1,33 12 2,66 93 koma 029 nah lalu
00:12:25
kita lihat d-nya Oke dewe-dewe dewe
00:12:32
Darwin websitenya ada
00:12:34
adalah 0,63 70 ya di sini ya 0,3 70 Nah
00:12:45
kita lihat 0,3 70 ini berada di mana ya
00:12:49
berarti berada di sini bek jika berada
00:12:54
di sini Artinya kita reject h60 atau
00:12:58
kita reject Artinya kita tolak h0 Kalau
00:13:00
h0 ditolak adanya hak-hak ayat diambil
00:13:03
artinya ada oto korelasi disini sudah
00:13:08
tertulis positif autocorrelation
00:13:14
Hai Hehehe Oh maaf ini salah
00:13:19
Kesimpulannya adalah positif
00:13:29
autokorelasi nah ini dia Jadi kita yang
00:13:39
penting kita ketahui dulu apa aja NK
00:13:42
deudeul kita lihat tabel lalu kita bikin
00:13:46
garis seperti ini skala seperti ini lalu
00:13:49
kita lihat Di manakah posisi dari
00:13:52
websitenya baru kita bikin kesimpulan
00:13:54
oke nah Sabar ikutnya adalah uji asumsi
00:14:00
heterokedastisitas uji
00:14:05
heterokedastisitas ini adalah
00:14:07
heterokedastisitas emang agak belibet ya
00:14:10
karena panjang heterokedastisitas adalah
00:14:13
varian residu
00:14:14
yang tidak sama pada semua pengamatan di
00:14:17
dalam model regresi regresi yang baik
00:14:20
seharusnya tidak terjadi
00:14:22
heteroskedastisitas jadi caranya gimana
00:14:27
caranya kita lihat ini kalau tadi kita
00:14:33
lihat di sini ya sekarang kita lihat
00:14:37
jadi sini untuk uji heterotrof kedash
00:14:40
tas di sini kriterianya adalah kita bisa
00:14:44
lihat grafik ada juga uji lain tapi
00:14:46
disini Saya hanya mengajarkan dengan
00:14:48
cara grafik jika ada pola tertentu
00:14:50
seperti titik-titik yang ada membentuk
00:14:53
suatu pola tertentu yang teratur seperti
00:14:56
bergelombang melebar kemudian menyempit
00:14:58
maka terjadi heterokedastisitas nah jika
00:15:01
kalian lihat gambar ini gambarnya
00:15:04
seperti b c d dan e maka ini artinya
00:15:09
terjadi heterokedastisitas
00:15:13
[Musik]
00:15:14
lalu jika tidak ada pola yang jelas
00:15:16
seperti titik-titik menyebar diatas dan
00:15:19
dibawah angka nol maka sumbu y e pada
00:15:21
sumbu y maka tidak terjadi heterokista
00:15:24
lihat ini ini sangat-sangat menyebar dan
00:15:27
tidak beraturan artinya dapat
00:15:30
disimpulkan bahwa seni saya bikin
00:15:36
kesimpulan maka tidak terjadi
00:15:44
heterokedastisitas oke udah nah jadi
00:15:55
apabila seperti ini sebenarnya ya
00:16:00
seperti oto korelasi tadi ada masalah
00:16:03
autokorelasi jadi seharusnya kita
00:16:07
Hai melakukan step berikutnya Jadi kalau
00:16:10
masih ada autokorelasi seharusnya kita
00:16:14
melakukan perbaikan pada model atau
00:16:18
penelitian kita misalnya kita
00:16:20
menambahkan variabelnya kemudian
00:16:24
menambah jumlah data ada banyak
00:16:27
step-step yang harus dilakukan dan itu
00:16:29
tidak bisa diajarkan dalam satu
00:16:32
pertemuan ini saja Nah jadi kita
00:16:34
asumsikan dulu bahwa semua uji asumsi
00:16:38
tadi sudah terpenuhi jika asumsi tadi
00:16:41
sudah terpenuhi semuanya berarti kita
00:16:44
sudah bisa menginterpretasi datanya yang
00:16:49
pertama kita interpretasi Adalah Kita
00:16:52
uji signifikansi data uji signifikansi
00:16:55
kita bisa lihat di kolom collinearity eh
00:17:02
collinearity koefisien Oke kita
00:17:07
lihat di tabel ini nih jadi ada dua cara
00:17:10
untuk menentukan signifikansi cara yang
00:17:12
pertama itu dengan membandingkan
00:17:15
t-hitung dan t-tabel Oke ini melihat
00:17:19
t-hitung dan t-tabel tapi disini Saya
00:17:21
hanya mengajarkan dengan cara melihat
00:17:24
dari nilai signifikansi langsung caranya
00:17:27
adalah jika signifikan si kurang dari
00:17:32
0,05 maka h0 diterima atau artinya
00:17:36
variabel x tidak berpengaruh signifikan
00:17:37
terhadap y Kalau signifikansi lebih dari
00:17:41
0,05 maka hak nol ditolak artinya
00:17:43
variabel x berpengaruh signifikan
00:17:45
terhadap y gampangnya gini aja deh
00:17:48
intinya angka ini harus di bawah 0,05 ya
00:17:54
angka ini harus di bawah 0,05 0,05 itu
00:18:00
sama dengan signifikansi pada lima
00:18:02
persen 5% Artinya kita yakin
00:18:07
kliti'an kita ini tingkat kesalahannya
00:18:09
adalah lima persen saja Oke jadi artinya
00:18:14
semakin kecil signifikansinya semakin
00:18:16
bagus artis semakin kecil tingkat
00:18:18
kesalahan yang kita yakini maka dia
00:18:22
harus berada di bawah lima persen atau
00:18:24
dibawa 0,05 jika kita lihat ini 0,04 8
00:18:31
dimana ini adalah signifikansi dari
00:18:35
variabel nilai dari variabel biaya
00:18:40
produksi artinya biaya produksi ini
00:18:44
berpengaruh signifikan terhadap y ya
00:18:49
Jadi kalau dibuat kesimpulan
00:18:51
signifikansi lebih kecil dari 0,005 atau
00:18:56
0,0 48 kurang dari 0,05 maka handle
00:19:00
ditolak Jadi dapat disimpulkan bahwa
00:19:02
biaya produksi berpengaruh terhadap
00:19:05
tingkat penjualan
00:19:07
Ya udah lalu yang kedua adalah
00:19:11
Ayo kita lihat model summary model
00:19:20
samari ini kita untuk melihat apakah
00:19:23
penelitian kita ini variabel yang kita
00:19:26
masukkan modelnya itu sudah baik atau
00:19:29
belum kita bisa langsung lihat Di er er
00:19:34
ini adalah korelasi yang kemarin kita
00:19:38
pelajari itu Jadi kalau misalnya
00:19:40
mendekati I1 artinya hubungannya semakin
00:19:43
ar-ra'd kalau mendekati nol artinya
00:19:45
hubungannya semakin lemah nah disini er
00:19:50
didapat 0,5 80 artinya korelasi antara
00:19:53
variabel biaya produksi dengan tingkat
00:19:55
penjualan sebesar 0,58 hal ini berarti
00:19:59
terjadi hubungan yang erat karena nilai
00:20:01
mendekati satu kemudian apabila angka
00:20:04
ini dipangkatkan menjadi dua yang
00:20:06
menjadi pangkat 2 maka itu menjadi arus
00:20:09
clear skriniar
00:20:11
nya ini menunjukkan persentase sumbangan
00:20:17
pengaruh variabel independen terhadap
00:20:19
variabel independen as Square ini harus
00:20:23
dipersenkan dulu jadi 0,3 di titik-titik
00:20:30
336 masuknya nol koma ya 0,3 36 dikali
00:20:35
100 atau 33,6 persen interpretasinya
00:20:40
adalah jadi persentasi sumbangan
00:20:44
pengaruh variabel biaya produksi
00:20:46
terhadap tingkat penjualan sebesar 33,6
00:20:50
persen sedangkan sisanya dipengaruhi
00:20:53
oleh variabel lain yang tidak dimasukkan
00:20:55
dalam model ini apa maksudnya variabel
00:20:58
lain yang tidak dimasukkan model jadi
00:21:01
dalam model ini kita hanya melihat
00:21:03
pengaruh biaya produksi terhadap
00:21:06
variabel penjualan Oke padahal yang kita
00:21:10
tahu
00:21:11
Hai ada banyak variabel yang
00:21:12
mempengaruhi penjualan card bisa biaya
00:21:15
iklan kemudian Ada biasa ada jumlahnya
00:21:21
sales salesman gitu misalnya ya nah jadi
00:21:25
variabel-variabel lain yang tidak kita
00:21:27
masukkan dalam faktor-faktor penjualan
00:21:29
itulah yang dimiliki maksud sisanya
00:21:32
artinya 100% dikurangi 33,6 persen
00:21:40
itulah pengaruh variabel lain terhadap
00:21:44
variabel y Oke kemudian kita bahas yang
00:21:52
terakhir interpretasi persamaannya Jadi
00:21:57
kalau analisis regresi pasti ada
00:22:00
persamaan ini adalah persamaan regresi y
00:22:04
aksen = a + b x dimana y ini adalah
00:22:09
nilai prediksi far
00:22:11
lebih penden kemudian Ain ia kecil ya
00:22:15
Kia adalah konstanta yaitu nilai x jika
00:22:20
delayed jika esnya 0b koefisien regresi
00:22:25
yaitu nilai peningkatan atau penurunan
00:22:27
variabel Y yang didasarkan variabel x x
00:22:31
variabel independen Aini adalah
00:22:35
konstanta b adalah koefisien x oke sini
00:22:44
ada variabelnya tadi biaya produksi
00:22:48
Hai jadi kalau kita interpretasi maka
00:22:52
jadinya kita lihat di sini pada tabel
00:22:58
koefisien hanya itu atau konstantanya
00:23:01
yaitu ini ya lalu biaya produksi 0,6 85
00:23:07
maka kita bisa buat seperti ini y y
00:23:17
aksen = a adalah nih 55554 1427 1,26
00:23:36
ditambah koefisien b nya adalah ini 0,6
00:23:41
85 0,6 85 jangan lupa x-nya dimasukkan
00:23:48
Hai porno ok
00:23:55
akhir-akhir ini adalah persamaan regresi
00:24:01
ukuran besar ya saya besarkan dulu Oke
00:24:08
sekarang kita interpretasikan jadi kita
00:24:12
interpretasikan dulu angka yang ada
00:24:14
dalam persamaan kita interpretasikan A
00:24:17
atau nilai konstanta nya ini artinya
00:24:20
biaya produksi nilainya adalah nol maka
00:24:24
tingkat penjualan nilainya 554 1427 1,26
00:24:30
rupiah ya atau berarti ini sama dengan
00:24:44
55476224 maka segini lah nilai
00:24:50
penjualannya Nah sekarang kita lihat
00:24:54
Bagaimana pula koe
00:24:55
queenbee angka ini 0,68 dan ini dia
00:25:01
bernilai positif ya di sini ada angka
00:25:03
positif kalau nilai positif artinya
00:25:05
ketika variabel x naik maka menyebabkan
00:25:09
variabel y juga turun tapi kalau negatif
00:25:12
artinya ketika x-nya naik mackaye nya
00:25:15
turun itu hubungannya gatif jadi artinya
00:25:18
angka 0,68 ini adalah setiap peningkatan
00:25:24
biaya produksi sebesar satu satuan atau
00:25:27
disini karena nilainya rupiah maka
00:25:29
sebesar satu rupiah maka tingkat
00:25:32
penjualan jual juga akan meningkat
00:25:34
sebesar 0,6 85 rupiah jadi begitulah
00:25:41
cara interpretasi persamaan regresi Oke
00:25:54
sampai sini Selesai
00:25:55
pertemuan kita selamat mencoba dan
00:26:01
selamat mengerjakan tugas yang saya
00:26:04
berikan assalamualaikum warahmatullah
00:26:06
wabarakatuh
