Uji linearitas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan yang linear atau tidak secara signifikan. Uji ini biasanya digunakan sebagai prasyarat dalam analisis korelasi atau regresi linear. Pengujian pada SPSS dengan menggunakan Test for Linearity dengan pada taraf signifikansi 0,05. Dua variabel dikatakan mempunyai hubungan yang linear bila signifikansi (Linearity) kurang dari 0,05.

Contoh kasus:

Seorang mahasiswa bernama Joko melakukan penelitian untuk mengetahui hubungan antara kecemasan dengan optimisme pada remaja. Data-data skor total yang di dapat ditabulasikan sebagai berikut:

Tabel. Tabulasi Data  (Data Fiktif)

Subjek	Kecemasan	Optimisme
1	90	124
2	88	137
3	96	120
4	95	128
5	96	124
6	94	133
7	91	138
8	96	126
9	95	132
10	90	140
11	85	143
12	91	124
13	87	131
14	90	119
15	85	135
16	83	141
17	86	137
18	91	134
19	86	138
20	83	141

Langkah-langkah pada program SPSS

Ø  Masuk program SPSS

Ø  Klik variable view pada SPSS data editor

Ø  Pada kolom Name ketik x, untuk kolom Name baris kedua ketik y

Ø  Pada kolom Decimals angka ganti menjadi 0 untuk variabel x dan y

Ø  Untuk kolom Label ketik Kecemasan, untuk kolom Label pada baris kedua ketik Optimisme.

Ø  Kolom lainnya boleh dihiraukan (isian default)

Ø  Buka data view pada SPSS data editor

Ø  Terlihat kolom x dan y, x adalah variabel kecemasan dan y adalah variabel optimisme, ketikkan data sesuai dengan variabelnya.

Ø  Klik Analyze - Compare Means - Means

Ø  Klik variabel Optimisme dan masukkan ke kotak Dependent List, kemudian klik variabel Kecemasan dan masukkan ke Independent List.

Ø  Klik Options, pada Statistics for First Layer klik Test for Linearity, kemudian klik Continue

Ø  Klik OK, maka hasil output yang didapat pada kolom Anova Table adalah sebagai berikut:

Tabel. Hasil Test for Linearity

Dari output di atas dapat diketahui bahwa nilai signifikansi pada Linearity sebesar 0,006. Karena signifikansi kurang dari 0,05 maka dapat disimpulkan bahwa antara variabel kecemasan dan optimisme terdapat hubungan yang linear.

Software yang satu ini berguna untuk statistik dan manajemen data yang pasti dibutuhkan oleh para sobat yang bekerja di bidang statistik dan pengolahan data. SPSS banyak digunakan dalam berbagai riset pemasaran, pengendalian dan perbaikan mutu (quality improvement), serta riset-riset sains. SPSS pertama kali muncul dengan versi PC (bisa dipakai untuk komputer desktop) dengan nama SPSS/PC+ (versi DOS). Tetapi, dengan mulai populernya system operasi windows. SPSS mulai mengeluarkan versi windows (mulai dari versi 6.0 sampai versi terbaru sekarang). Penasaran sob?

Apa itu SPSS?
SPSS adalah software statistik terbaru yang membantu untuk pengolahan data dan statistik

Fitur-fitur SPSS:
1. Performa yang lebih baik
2. Sistem manajemen data yang lebih bagus
3. Support sistem 32 bit dan 64 bit
4. GUI yang mduah dan menarik
5. Dan fitur lainnya sob

Ada sajadah panjang terbentang

Dari kaki buaian

Sampai ke tepi kuburan hamba

Kuburan hamba bila mati

Ada sajadah panjang terbentang

Hamba tunduk dan sujud

Di atas sajadah yang panjang ini

Diselingi sekedar interupsi

Chorus:

Mencari rezeki mencari ilmu

Mengukur jalanan seharian

Begitu terdengar suara adzan

Kembali tersungkur hamba

Ada sajadah panjang terbentang

Hamba tunduk dan rukuk

Hamba sujud tak lepas kening hamba

Mengingat Dikau sepenuhnya

Info Lagu:

Judul : Sajadah Panjang - Musica Studio - 2016

Album : Sings Legend (Nikmat Ramadhan)

Penyanyi: Noah (Bimbo)

---Lirik Lagu Noah- Sajadah Panjang : SIngs Legend---

CARA MANUAL MENGGUNAKAN GeSCA

CARA MANUAL MENGGUNAKAN GeSCA

Thursday, June 13 2016

Untuk menganalisis data make metode GSCA menggunakan software online yang udah disiapin ama pembuat jurnalnya yaitu Gesca, untuk mengaksesnya klik aja http://www.sem-gesca.org/  dengan langkah-langkah sebagai berikut  :

Langkah 1 : Menyiapkan Data

Data disiapkan dalam format ASCII (.txt or .dat) format data spesifik yang dibutuhkan untuk GeSCA  adalah sebagai berikut :

Ø  Baris pertama berisi nama indikator. Nama dari masing-masing indikator harus dipisah dengan spasi.

Ø  Input data dimulai pada baris kedua. Data dr sebuah observasi respon secara individu harus dibatasi dengan spasi.  

Ø  Data dari masing-masing observasi harus berada dalam satu baris.

Ø  Untuk memudahkan, sebaiknya input data dengan menggunakan Excel baru kemudian di copy paste di notepad.

Ø  Berikut ini adalah contoh format data

Langkah 2 : Membuka Program

Buka homepage GSCA yaitu http://www.sem-gesca.org/ , untuk membuka program GeSCA pastikan komputer anda sudah diinstal program java. Jika belum ada maka klik saja  here  untuk mendapatkan program  java. Setelah  memperoleh programnya download lalu instal . setelah proses penginstalan java selesai klik [GeSCA] pada bar menu. Ketika baru pertama kali membuka GeSCA, akan terlihat tanda seperti pada gambar lalu kemudian klik “Run”  agar program terbuka.

Langkah 3: Upload Data

Pengguna dapat mengupload data mereka dengan klik icon “Upload data” pada menu utama program.

Setelah data terupload, daftar nama indikator di file data input akan terlihat pada jendela kiri dibawah label “indikator”

Langkah 4: Spesifikasi Model Persamaan Structural

Pengguna dapat menggambar variabel laten sebelum menandai diantara mereka sebagai berikut :

Tahap 1 :  Menggambar Variabel Laten

Ø  Klik sekali pada icon [Draw Laten Variable] di sisi kanan progam.

Ø  Klik kiri dengan kursor bertempat pada jendela “Model Spesifikasi” pada program sebanyak variabel laten yang diinginkan.

Tahap 2 : Menandai Indikator untuk Variabel laten. 

Setelah menggambar variabel, pengguna menspesifikasikan model measurenment sebagai berikut :

Ø  Klik sekali pd icon [Assign Indikator] sisi kanan program dan kemudian mengklik pada variabel laten individu (Lingkaran) pada jendela “Model Spesifikasi”.

Ø  Variabel laten dapat dinamai kembali dengan mengetik label pada jendela “Assign Indikator”.

Ø  Memilih indikator yang cocok pada daftar, yang mana muncul pada jendela dialog disisi kiri dan memindahkan ke jendela kanan.

Ø  Memilih tipe indikator, apakah indikator tersebut termasuk indikator reflektif atau indikator formatif. Sebagai informasi tambahan, dalam GSCA, variabel laten diangga sebagai kombinasi linier dari indikator yang dalam kata lain indikator dalam GSCA pasti formatif. Sehingga bila ternyata indikatornya adalah reflektif , maka dalam outputnya akan ada estimasi bobot untuk indikator formatif.

Ø  Ulangi langkah di atas untuk variabel laten yang tersisa.

Tahap 3 : Menggambar koefisien jalur (Model Struktural)

Langkah menggambarkan koefisien jalur adalah sebagai berikut :

Ø  Klik sekali pada icon [Draw Path Coeffisient] di sisi kanan program.

Ø  Drag jalur dari variabel laten eksogen untuk berkorespondensi dengan variabel laten endogen. Ulangi langkah diatas sampai semua jalur tergambar.

Langkah 5 : Run GeSCA

            Setelah menggambar model struktural berarti langkahnya telah komplet, hanya tinggal 1 langkah yang tersisa agar output bisa keluar, yaitu dengan ngeklik icon [RUN]

IBM SPSS Statistics 23 Full Version merupakan sebuah aplikasi yang memiliki kemampuan analisis statistik cukup baik dalam sistem manajemen data dengan menuangkannya pada bentuk grafis. Software ini banyak digunakan dalam berbagai riset pemasaran, pengendalian dan perbaikan mutu dalam perusahaan serta banyak juga digunakan oleh para mahasiswa. IBM SPSS Statistics 23 Full Version atau lebih sering disebut SPSS kini telah merilis versi terbarunya yakni edisi ke-23. Pada versi ini, telah terdapat beberapa perbaikan dan peningkatan kemampuan SPSS dalam mengumpulkan data, analisis data, memprediksi, serta pengambilan keputusan. Yang jelas, SPSS ini telah dipercaya sebagai best statistical software yang sudah diakui dalam segala sesuatu yang berurusan dengan bagian statistika.
Screenshot :

Link Download :

• IBM SPSS Statistics 23 – 32 Bit Version | Google Drive | KumpulBagi
• IBM SPSS Statistics 23 – 64 Bit Version | Google Drive | KumpulBagi
• IBM SPSS Statistics 23 – Serial
• Password :  | Status : Tested (Windows 7)

Cara Install :

1. Pastikan segala koneksi internet sudah dalam keadaan terputus.
2. Extract file yang sudah didownload dengan menggunakan Winrar/7zip.
3. Tunggu hingga selesai maka akan muncul sebuah folder baru.
4. Masuk ke folder tersebut lalu jalankan setup.exe
5. Lakukan instalasi seperti biasa hingga selesai.
6. Jika sudah selesai, jalankan program SPSSnya.
7. Secara otomatis, software tersebut akan meminta aktivasi serial.
8. Copykan serial yang sudah kami berikan ke kolom yang tersedia.
9. Selesai.

Apabila ada hal-hal yang ingin ditanyakan, silahkan diskusikan di Grup Request dan Download Software Gratis.
Semoga Bermanfaat :)

Pengertian dan Analisis Korelasi Sederhana dengan Rumus Pearson – Korelasi Sederhana merupakan suatu Teknik Statistik yang dipergunakan untuk mengukur kekuatan hubungan 2 Variabel dan juga untuk dapat mengetahui bentuk hubungan antara 2 Variabel tersebut dengan hasil yang sifatnya kuantitatif. Kekuatan hubungan antara 2 variabel yang dimaksud disini adalah apakah hubungan tersebut ERAT, LEMAH,  ataupun TIDAK ERAT sedangkan bentuk hubungannya adalah apakah bentuk korelasinya Linear Positif  ataupun Linear Negatif.

Disamping Korelasi, Diagram Tebar (Scatter Diagram) sebenarnya juga dapat mempelajari hubungan 2 variabel dengan cara menggambarkan hubungan tersebut dalam bentuk grafik. Tetapi Diagram tebar hanya dapat memperkirakan kecenderungan hubungan tersebut apakah Linear Positif, Linear Negatif ataupun tidak memiliki Korelasi Linear. Kelemahan Diagram Tebar adalah tidak dapat menunjukkan secara tepat dan juga tidak dapat memberikan angka Kuantitas tentang kekuatan hubungan antara 2 variabel yang dikaji tersebut.

Kekuatan Hubungan antara 2 Variabel biasanya disebut dengan Koefisien Korelasi dan dilambangkan dengan symbol “r”. Nilai Koefisian r akan selalu berada di antara -1 sampai +1.

Perlu diingat :

Koefisien Korelasi akan selalu berada di dalam Range -1 ≤ r ≤ +1

Jika ditemukan perhitungan diluar Range tersebut, berarti  telah terjadi kesalahan perhitungan dan harus di koreksi terhadap perhitungan tersebut.

Rumus Pearson Product Moment

Koefisien Korelasi Sederhana disebut juga dengan Koefisien Korelasi Pearson karena rumus perhitungan Koefisien korelasi sederhana ini dikemukakan oleh Karl Pearson yaitu seorang ahli Matematika yang berasal dari Inggris.

Rumus yang dipergunakan untuk menghitung Koefisien Korelasi Sederhana adalah sebagai berikut :
(Rumus ini disebut juga dengan Pearson Product Moment)

r =               nΣxy – (Σx) (Σy)                   
.         √{nΣx² – (Σx)²} {nΣy² – (Σy)²}

Dimana :

n    = Banyaknya Pasangan data X dan Y
Σx = Total Jumlah dari Variabel X
Σy = Total Jumlah dari Variabel Y
Σx²= Kuadrat dari Total Jumlah Variabel X
Σy²= Kuadrat dari Total Jumlah Variabel Y
Σxy= Hasil Perkalian dari Total Jumlah Variabel X dan Variabel Y

Pola / Bentuk Hubungan antara 2 Variabel  :

1. Korelasi Linear Positif  (+1)

Perubahan salah satu Nilai Variabel diikuti perubahan Nilai Variabel yang lainnya secara teratur dengan arah yang sama. Jika Nilai Variabel X mengalami kenaikan, maka Variabel Y akan ikut naik. Jika Nilai Variabel X mengalami penurunan, maka Variabel Y akan ikut turun.

Apabila Nilai Koefisien Korelasi mendekati +1 (positif Satu) berarti pasangan data Variabel X dan Variabel Y memiliki Korelasi Linear Positif yang kuat/Erat.

2. Korelasi Linear Negatif (-1)

Perubahan salah satu Nilai Variabel diikuti perubahan Nilai Variabel yang lainnya secara teratur dengan arah yang berlawanan. Jika Nilai Variabel X mengalami kenaikan, maka Variabel Y akan turun. Jika Nilai Variabel X mengalami penurunan, maka Nilai Variabel Y akan naik.

Apabila Nilai Koefisien Korelasi mendekati -1 (Negatif Satu) maka hal ini menunjukan pasangan data Variabel X dan Variabel Y memiliki Korelasi Linear Negatif yang kuat/erat.

3. Tidak Berkorelasi (0)

Kenaikan Nilai Variabel yang satunya kadang-kadang  diikut dengan penurunan Variabel lainnya atau kadang-kadang diikuti dengan kenaikan Variable yang lainnya. Arah hubungannya tidak teratur, kadang-kadang searah, kadang-kadang berlawanan.

Apabila Nilai Koefisien Korelasi mendekati 0 (Nol) berarti pasangan data Variabel X dan Variabel Y memiliki korelasi yang sangat lemah atau berkemungkinan tidak berkorelasi.

Ketiga Pola atau bentuk hubungan tersebut jika di gambarkan ke dalam Scatter Diagram (Diagram tebar) adalah sebagai berikut :

Tabel tentang Pedoman umum dalam menentukan Kriteria Korelasi :

r	Kriteria Hubungan
0	Tidak ada Korelasi
0 – 0.5	Korelasi Lemah
0.5 – 0.8	Korelasi sedang
0.8 – 1	Korelasi Kuat / erat
1	Korelasi Sempurna

Contoh Penggunaan Analisis Korelasi di Produksi :

1. Apakah ada hubungan antara suhu ruangan dengan jumlah cacat Produksi?
2. Apakah ada hubungan antara lamanya waktu kerusakan mesin dengan jumlah cacat produksi?
3. Apakah ada hubungan antara jumlah Jam lembur dengan tingkat absensi?

Contoh Kasus Analisis Korelasi Sederhana :

Seorang Engineer ingin mempelajari apakah adanya pengaruh Suhu Ruangan terhadap Jumlah Cacat yang dihasilkan dan juga ingin mengetahui keeratan serta bentuk hubungan antara dua variabel tersebut. Engineer tersebut kemudian mengambil data selama 30 hari terhadap rata-rata (mean) suhu ruangan dan Jumlah Cacat Produksi seperti dibawah ini :

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

Penyelesaian :

Pertama-tama hitunglah X², Y², XY dan totalnya seperti tabel dibawah ini :

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	699	282	16487	3112	6861

Kemudian hitunglah Koefisien Korelasi berdasarkan rumus korelasi dibawah ini :

r =               nΣxy – (Σx) (Σy)                    
.          √{nΣx² – (Σx)²} {nΣy² – (Σy)²}

r =                   (30 . 6861) – (699) (282)                     
.          √{30. 16487 – (699)²} {30 . 3112 – (282)²}

r =                    (205830) – (197118)                          
.          √{494610 – 488601} {93360 – 75924}

r =               8712          
.                9118.13

r =   0.955

Jadi Koefisien Korelasi antara Suhu Ruangan dan Jumlah Cacat Produksi adalah 0.955, berarti kedua variabel tersebut memiliki hubungan yang ERAT dan bentuk hubungannya adalah Linear Positif.

Jika Hubungan Suhu Ruangan dan Jumlah Cacat Produksi dibuat dalam bentuk Scatter Diagram (Diagram Tebar), maka bentuknya akan seperti dibawah ini :

Analisis Korelasi (Correlation Analysis) juga merupakan salah satu alat (tool) yang digunakan dalam Metodologi Six Sigma di Tahap Analisis.

Untuk mempermudah kita dalam Menghitung Koefisien Korelasi, kita juga dapat menggunakan Microsoft Excel. Silakan kunjungi : “Cara Menghitung Koefisien Korelasi dengan menggunakan Microsoft Excel” untuk mengetahui langkah-langkah perhitungannya.