Analisis Korelasi dengan SPSS

Tidak hanya analisis regresi, analisis korelasi juga dapat dilakukan dengan bantuan SPSS. Berbeda dengan analisis regresi, analisis korelasi dimaksudkan untuk mengetahui seberapa kuatkah hubungan antara satu atau beberapa variabel dengan suatu variabel lain. Hal tersebut dilaksanakan dengan mencari koefisien korelasi antar variabel. Ada yang disebut koefisien korelasi simultan, ada yang disebut koefisien korelasi parsial. Koefisien korelasi simultan menunjukkan kekuatan hubungan antara semua variabel bebas dan variabel terikat yang ada, sedangkan koefisien korelasi parsial menunjukkan hubungan antara suatu variabel dengan suatu variabel lain ketika variabel lain yang tidak dicari koefisien korelasi parsialnya dianggap konstan.

Langkah-langkahnya untuk mencari koefisien parsial dengan menggunakan persamaan Pearson pada SPSS adalah sebagai berikut:

1. Masukkan data variabel bebas dan variabel terikat pada SPSS data editor. Pada contoh kali ini, jumlah datanya ada 12, terdapat 4 variabel bebas (X₁,X₂,X₃,X₄) dan terdapat 1 variabel terikat (Y).

2. Pilih Menu Analyze, kemudian Correlate, lalu Bivariate…

3. Masukkan semua variabel ke kolom Variables, checklist pilihan Pearson, kemudian klik OK.

4. Akan muncul keluaran dalam bentuk tabel Correlations berikut

Dari tabel di atas dapat diperoleh informasi bahwa:

• Koefisien korelasi parsial antara Y dan X₁ adalah 0,028. Hubungan antara X₁ dengan Y ketika variabel bebas lainnya konstan adalah sangat lemah.
• Koefisien korelasi parsial antara Y dan X₂ adalah 0,06. Hubungan antara X₂ dengan Y ketika variabel bebas lainnya konstan adalah sangat lemah.
• Koefisien korelasi parsial antara Y dan X₃ adalah 0,065. Hubungan antara X₃ dengan Y ketika variabel bebas lainnya konstan adalah sangat lemah.
• Koefisien korelasi parsial antara X₂ dan X₄ adalah 0,132. Hubungan antara X₂ dengan X₄ ketika variabel bebas lainnya konstan adalah sangat lemah.
• Cara membaca informasi dan telaah yang sama, berlaku pula pada hubungan antara variabel-variabel lain yang ada pada tabel.

Sementara itu koefisien korelasi simultan dengan SPSS dapat diperoleh ketika mencari persamaan regresi-nya, hanya saja yang diperhatikan bukanlah kolom Coefficients pada keluaran, tapi kolom Model Summary. Kita ambil contoh sama seperti ketika saya menulis tentang “Analisis Regresi Linier dengan SPSS” kemarin sebagai berikut:

1. Masukkan data variabel bebas dan variabel terikat pada SPSS data editor. Pada contoh kali ini, jumlah datanya ada 15, terdapat 4 variabel bebas (X₁, X₂, X₃, X₄) dan terdapat 1 variabel terikat (Y).

2. Pilih Menu Analyze, kemudian Regression, lalu Linear…

3. Masukkan semua variabel bebas ke kolom Independent(s) dan variabel terikat ke kolom Dependent, kemudian klik OK.

4. Akan muncul beberapa tabel pada keluaran. Perhatikan tabel Model Summary berikut

Dari kolom keluaran SPSS di atas, dapat diperoleh informasi bahwa koefisien korelasi simultan adalah 0,973. Nilai ini menunjukkan bahwa hubungan antara semua variabel bebas denga variabel terikat adalah sangat kuat. Selain itu dapat diperoleh pula informasi berapa koefisien determinasi adalah sebesar (0,947)² x 100% = 94,7%. Nilai ini menunjukkan bahwa kontribusi semua variabel bebas terhadap variabel terikat secara simultan adalah sebesar 94,7%. Sementara itu 5,3% sisanya merupakan kontribusi dari faktor-faktor lain selain faktor yang diwakili oleh variabel bebas pada contoh ini.

Perlu diingat bahwa SPSS dan analisis korelasi hanyalah merupakan alat bantu dalam menemukan sebab akibat. Nilai-nilai yang terdapat dapat kolom keluaran SPSS perlu dianalisa lebih lanjut sesuai teori dan logika yang melatarbelakangi dilakukannya analisis korelasi.

 Daftar Referensi

Abdurahman, Maman, Muhidin, Sambas & Somantri, Ating. (2012). Dasar-Dasar Metode Statistika Untuk Penelitian. Bandung: CV. Pustaka Setia.

Prihadi Utomo, Yuni. (2007). Eksplorasi Data dan Analisis Regresi dengan SPSS. Surakarta: Muhammadiyah University Pess.

Siregar, Syofian. (2013). Statistik Parametrik untuk Penelitian Kualitatif. Jakarta: Bumi Aksara.

Analisis Regresi Linier dengan SPSS

Saat ini terdapat berbagai software yang dapat membantu perhitungan statistik, SPSS adalah salah satunya. Kali ini saya akan membahas bagaimana mencari persamaan regresi linier dengan bantuan SPSS. Persamaan regresi linier dipergunakan untuk melihat seperti apa besar dan bentuk pengaruh satu atau beberapa variabel bebas terhadap suatu variabel terikat dalam bentuk persamaan linier.

SPSS yang saya pergunakan adalah SPSS versi 21. Sebenarnya setiap versi pasti ada kelebihan dan kekurangannya tapi penggunaannya kurang lebih sama, tidak jauh berbeda. Berikut langkah-langkah yang dapat dilakukan:

1. Masukkan data variabel bebas dan variabel terikat pada SPSS data editor. Pada contoh kali ini, jumlah datanya ada 15, terdapat 4 variabel bebas (X₁, X₂, X₃, X₄) dan terdapat 1 variabel terikat (Y).

2. Pilih Menu Analyze, kemudian Regression, lalu Linear…

3. Masukkan semua variabel bebas ke kolom Independent(s) dan variabel terikat ke kolom Dependent, kemudian klik OK.

4. Akan muncul keluaran dalam bentuk beberapa tabel. Perhatikan tabel Coefficients, nilai pada kolom B merupakan koefisien konstanta (a) dan koefisen-koefisien regresi masing-masing variabel bebas.

Dengan melihat tabel output SPSS di atas, dapat diperoleh persamaan regresi sebagai berikut: Y =  13012035921 – 485540,039X₁ – 20032,786X₂ + 5202,78X₃ – 112022,389X₄

Besar nilai konstanta sebesar 13012035921 pada persamaan regresi di atas menunjukan bahwa pendapatan Y akan tetap sebesar 13012035921 tanpa adanya pengaruh dari variabel-variabel bebas. Bila variabel X₁ meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar 485540,039. Bila variabel X₂ meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar 20032,786. Bila variabel X₃ meningkat sebesar 1 satuan, maka nilai Y akan bertambah sebesar 5202,78. Bila variabel X₄ meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar 112022,389.

Nah, gampang khan, ini jauh lebih cepat dibandingkan menghitung manual menggunakan matriks determinan. Selamat mencoba :D.

 Daftar Referensi

Abdurahman, Maman, Muhidin, Sambas & Somantri, Ating. (2012). Dasar-Dasar Metode Statistika Untuk Penelitian. Bandung: CV. Pustaka Setia.

Prihadi Utomo, Yuni. (2007). Eksplorasi Data dan Analisis Regresi dengan SPSS. Surakarta: Muhammadiyah University Pess.

Siregar, Syofian. (2013). Statistik Parametrik untuk Penelitian Kualitatif. Jakarta: Bumi Aksara.

Analisis Korelasi Lebih dari 2 Variabel Bebas

Korelasi pada dasarnya merupakan nilai yang menunjukan tentang adanya hubungan antara dua variabel atau lebih serta besarnya hubungan tersebut, ini berarti bahwa korelasi tidak menunjukan hubungan sebab akibat. Apabila dipahami sebagai suatu hubungan sebab akibat, hal itu bukan karena diketahuinya koefisien korelasi melainkan karena rujukan teori atau logika yang memaknai hasil perhitungan, oleh karena itu analisis korelasi mensyaratkan acuan teori yang mendukung adanya hubungan sebab akibat dalam variabel-variabel yang dianalisa hubungannya. Koefisien korelasi untuk 2 buah variabel X dan Y dengan jumlah data sebesar N, dapat dihitung dengan menggunakan rumus yang dikembangkan oleh Karl Pearson, yaitu [1]:

Untuk menghitung koefisien korelasi ganda dapat digunakan rumus berikut [1]:

                                                     Dimana:

r_yx1= Koefisien korelasi antara variabel x₁ dengan variabel y

r_yx2= Koefisien korelasi antara variabel x₂ dengan variabel y

Sementara itu pada keadaan dimana terdapat lebih dari 2 variabel bebas, koefisien korelasi juga padat dicari nilainya dengan pola yang sama. Contohnya adalah untuk mencari koefisien korelasi ketika terdapat 7 variabel bebas dan 1 variabel terikat, dapat dipergunakan persamaan sebagai berikut:

Dimana:

Untuk kekuatan hubungannya, nilai koefisien korelasi berada di antara -1 sampai 1, sedangkan untuk arah dinyatakan dalam bentuk positif (+) dan negatif (-) [2].

Persamaan-persamaan di atas merupakan persamaan untuk memperoleh koefisien korelasi simultan atau bersama semua variabel bebas terhadap variabel terikat. Untuk mencari berapa koefisien korelasi salah satu variabel bebas terhadap variabel terikat ketika variabel bebas yang lain dianggap konstan, dipergunakan persamaan korelasi parsial sebagai berikut [2]:

Koefisien korelasi parsial dimaksudkan untuk mencari tahu seberapakuatkah, hubungan salah satu atau beberapa variabel bebas terhadap variabel terikat secara parsial, tidak simultan atau bersama-sama.

Koefisien korelasi menunjukan berapa besar varians total satu variabel berhubungan dengan varians variabel lain. Hal ini berarti bahwa tiap nilai r  perlu ditafsirkan posisinya dalam keterkaitan tersebut. Untuk memberikan tafsiran pada nilai koefisien korelasi, dapat digunakan referensi guilford empirical rules pada tabel 1.

Tabel 1. Penafsiran Koefisien Korelasi [1]

Besar ryx	Penafsiran
0,00 – < 0,20	Hubungan sangat lemah (diabaikan, dianggap tidak ada)
≥ 0,20 – < 0,40	Hubungan rendah atau lemah
≥ 0,40 – < 0,70	Hubungan sedang atau cukup
≥ 0,70 – < 0,90	Hubungan kuat
≥ 0,90 – ≤ 1,00	Hubungan sangat kuat

Setelah nilai koefisien korelasi diperoleh, nilai koefisien determinasi juga dapat diperoleh dengan persamaan berikut [2] :

KP = (R_x1,x2,y)² x 100%

Nilai KP pada persamaan di atas menunjukan seberapa besar nilai variabel bebas x₁ dan x₂ mempengaruhi nilai variabel terikat y. Nilai (1 – KP) akan menunjukkan persentase besarnya pengaruh faktor-faktor lain di luar faktor yang ada pada variabel bebas, dalam mempengaruhi variabel terikat y.

Untuk lebih jelasnya, mari kita ambil contoh kasus ketika seorang peneliti memiliki data yang terdiri dari 7 variabel terikat dan 1 variabel bebas sebagai berikut:

Kemudian dilakukan perhitungan untuk X1.X1, X1.X2 dan sebagainya sehingga diperoleh hasil sebagai berikut:

Koefisien korelasi persial ketujuh variabel bebas dapat langsung dihitung dengan cara sebagai berikut:

Nilai r_x1,y sebesar -0,901 menunjukkan bahwa hubungan X₁ dengan Y ketika variabel bebas lainnya konstan, adalah sangat kuat. Nilai r_x1,y sebesar 0,305 menunjukkan bahwa hubungan X₂ dengan Y ketika variabel bebas lainnya konstan, adalah lemah. Nilai r_x3,y sebesar -0,67 menunjukkan bahwa hubungan X₃ dengan Y ketika variabel bebas lainnya konstan, adalah sedang atau cukup. Nilai r_x4,y sebesar 0,133 menunjukkan bahwa hubungan X₄ dengan Y ketika variabel bebas lainnya konstan, adalah sangat lemah. Nilai r_x5,y sebesar -0,818 menunjukkan bahwa hubungan X₅ dengan Y ketika variabel bebas lainnya konstan, adalah kuat. Nilai r_x6,y sebesar -0,048 menunjukkan bahwa hubungan X₆ dengan Y ketika variabel bebas lainnya konstan, adalah sangat lemah. Nilai r_x7,y sebesar -0,66 menunjukkan bahwa hubungan X₇ dengan Y ketika variabel bebas lainnya konstan, adalah sedang atau cukup.

Untuk mencari berapa koefisien korelasi simultannya, kita cari dahulu persamaan regresinya. Dengan menggunakan cara yang telah saya paparkan kemarin pada blog ini di posting-an yang berjudul “Analisi Regresi Linier Sederhana & Berganda”, dapat diperoleh bahwa persamaan regresi dari contoh kasus ini adalah:

Y=  13012225228,72 – 328691,82X₁ + 693120,34X₂ – 101663,12X₃ – 46165,27X₄ –  128872,53X₅   –   607387,29X₆   –   265348,47X₇

Nah, kita dapat lihat bahwa nilai b₁ adalah 328691,82, nilai b₂ adalah 693120,34, nilai b₃ adalah 101663,12 dan seterusnya. Dengan memasukkan nilai-nilai yang telah diperoleh ke dalam persamaan untuk mencari koefisien korelasi 7 variabel bebas, diperoleh:

Nilai R_simultan sebesar 0,932 menunjukkan bahwa hubungan secara simultan antara variabel X₁, X₂, X₃, X₄, X₅, X₆ dan X₇ terhadap Y adalah sangat kuat. Setelah nilai koefisien korelasi simultan diperoleh, nilai koefisien determinan (KP) juga dapat diperoleh. Dengan menggunakan persamaan yang telah dijelaskan dimuka, diperoleh koefisien determinasi (KP) sebesar 86,93%. Nilai ini menunjukkan kontribusi semua variabel bebas terhadap variabel terikat secara simultan adalah sebesar 86,93%. Sementara itu 13,07% sisanya merupakan kontribusi dari faktor-faktor lain selain faktor yang diwakili oleh variabel bebas.

 Daftar Referensi

[1]  Abdurahman, Maman, Muhidin, Sambas & Somantri, Ating. (2012). Dasar-Dasar Metode Statistika Untuk Penelitian. Bandung: CV. Pustaka Setia.

[2]  Siregar, Syofian. (2013). Statistik Parametrik untuk Penelitian Kualitatif. Jakarta: Bumi Aksara.

Analisis Regresi Linier Sederhana & Berganda

Analisis regresi dipergunakan untuk menggambarkan garis yang menunjukan arah hubungan antar variabel, serta dipergunakan untuk melakukan prediksi. Analisa ini dipergunakan untuk menelaah hubungan antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan sempurna. Regresi yang terdiri dari satu variabel bebas (predictor) dan satu variabel terikat (Response/Criterion) disebut regresi linier sederhana (bivariate regression), sedangkan regresi yang variabel bebasnya lebih dari satu disebut regresi berganda (Multiple regression/multivariate regression), yang dapat terdiri dari dua prediktor (regresi ganda) maupun lebih. Adapun bentuk persamaan umumnya adalah [1] :

Y= a + bX

Dimana:

Tanda positif pada nilai b atau koefisien regresi menunjukkan bahwa antara variabel bebas dengan variabel terikat berjalan satu arah, di mana setiap penurunan atau peningkatan variabel bebas akan diikuti dengan peningkatan atau penurunan variabel terikatnya. Sementara tanda negatif pada nilai b menunjukkan bahwa antara variabel bebas dengan variabel terikat berjalan dua arah, di mana setiap peningkatan variabel bebas akan diikuti dengan penurunan variabel terikatnya, dan sebaliknya [1].

Ketika variable bebas lebih dari 2, nilai konstanta dan variable regresi setiap variabel bebas dapat diperoleh dengan menggunakan matriks determinan [2]. Contohnya adalah ketika terdapat 3 persamaan dengan 3 variabel yang tidak diketahui nilainya, yaitu a, b1, b2 & b3, persamaan tersebut dapat dinyatakan dalam persamaan matriks sebagai berikut:

Maka Matriks A0, A1, A2 dan A3 adalah:

Kemudian dapat dilakukan perhitungan untuk determinasi matriks A, A0, A1, A2 dan A3 sebagai berikut:

Det(A) = {N. ∑(X1.X1). ∑(X2.X2). ∑(X3.X3)}+{ ∑X1. ∑(X1.X2). ∑(X2.X3). ∑X3}+{∑X2. ∑(X1.X3). ∑X2. ∑(X3.X1)}+{ ∑X3. ∑X1. ∑(X2.X1). ∑(X3.X2)}-{ ∑X3. ∑(X1.X2). ∑(X2.X1). ∑X3}-{∑X2. ∑(X1.X1). ∑X2. ∑(X3.X3)}-{ ∑X1. ∑X1. ∑(X3.X3)}-{ N. ∑(X1.X3). ∑(X2.X2). ∑(X3.X1)}

Dengan cara yang sama seperti menghitung Det(A), dapat diperoleh pula Det(A0), Det(A1), Det(A2) & Det(A3).

Kemudian dapat diperoleh nilai a, b1, b2, b3 sebagai berikut:

Contoh lainnya adalah misalkan ketika terdapat 1 variabel terikat (Y) dan 7 variabel bebas sebagai berikut:

Kemudian dilakukan perhitungan untuk X1.X1, X1.X2 dan sebagainya sehingga diperoleh hasil sebagai berikut:

Y =  a + bX₁ + cX₂ + dX₃+ eX₄+ fX₅+gX₆ + hX₇

Dimana:

X₁= Variabel bebas 1

X₂= Variabel bebas 2

X₃= Variabel bebas 3

X₄= Variabel bebas 4

X₅= Variabel bebas 5

X₆= Variabel bebas 6

X₇= Variabel bebas 7

Y = Variabel terikat

a = Konstanta

b, c, d, e, f, g,h = Koefisien regresi masing-masing variabel bebas

Det(A) = 4,84 x 10²⁶

Det(A₀) = 6,3 x 10³⁶

Det(A₁) = -1,59 x 10³²

Det(A₂) = 3,35 x 10³²

Det(A₃) = -4,92 x 10³¹

Det(A₄) = -2,23 x 10³¹

Det(A₅) = -6,24 x 10³¹

Det(A₆) = -2,94 x 10³²

Det(A₇) = -1,29x 10³²

Maka persamaan regresi dari contoh ini adalah:

Y =  13012225228,72 – 328691,82X₁ + 693120,34X₂ – 101663,12X₃ – 46165,27X₄ –  128872,53X₅   –   607387,29X₆   –   265348,47X₇

Besar nilai konstanta sebesar 13012225228,72 pada persamaan regresi di atas menunjukan bahwa pendapatan Y akan tetap sebesar 13012225228,72 tanpa adanya pengaruh dari variabel-variabel bebas. Bila variabel X₁ meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar 328691,82. Bila variabel X₂ meningkat sebesar 1 satuan, maka nilai Y akan bertambah sebesar 693120,34. Bila variabel X₃ meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar 101663,12. Bila variabel X₄ meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar 46165,27. Bila variabel X₅ meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar 128872,53. Bila variabel X₆ meningkat sebesar 1 satuan, maka nilai pendapatan kotor PT. XYZ akan berkurang sebesar 607387,29. Bila variabel X₇ meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar 265348,47.

Perlu diingat bahwa analisis regresi tidak menunjukkan sebuah hubungan atau pengaruh sebab akibat, persamaan hasil dari analisis harus dianalisa kembali apakah sudah sesuai dengan pembuktian teori atau logika yang ada. Apabila terdapat ketidakcocokan, perlu dilakukan analisa lebih lanjut atau transformasi persamaan atau reduksi variabel.

Daftar Referensi

[1]  Abdurahman, Maman, Muhidin, Sambas & Somantri, Ating. (2012). Dasar-Dasar Metode Statistika Untuk Penelitian. Bandung: CV. Pustaka Setia.

[2]    J. Supratno. (2000). Statistik: Teori dan Aplikasi. Jakarta: Erlangga.

Lawson, Saingannya Sevel dari Negeri Sakura

Di daerah dekat kampus, saya sering melihat ada beberapa toko yang serupa dengan Seven Eleven (Sevel), hanya saja tokinya bernuansa biru putih, Lawson namanya. Penasaran, akhirnya saya coba masuk ke dalam. Ternyata Lawson tidak jauh berbeda dengan Sevel, isinya ada aneka kebituhan sehari-hari di bagian tengah Lawson, sementara di bagian pinggirnya tersedia makanan cepat saji yang dapat kita ambil lalu minta panaskan kepada petugas. Tidak hanya itu, di dalam dan luar Lawson tersedia bangku dan meja bagi pengunjung.

Bagian Tengah Lawson

Tempat Duduk di Bagian Samping

Kompor Gorengan

Lawson merupakan jaringan franchise toko dari Jepang. Setahu saya, di Indonesia, Lawson menjadi subsidiary dari Alfamidi. Saat ini Lawson sudah ada di wilayah Jabodetabek, Bandung & Bali. Daftar alamat selengkapnya dapat dilihat di http://indonesia.lawson.jp.

Ena-Chike, Nasi & Siomay Goreng

Gyu Don

Onigiri Tuna Mayonnaise & Onigiri Salmon Flake

Jayfura Cheese, Chicken Katsu & Rice

Makanan-makanan cepat saji yang tersedia di Lawson jenisnya bermacam-macam, mulai dari  bento, onigiri, oden pasta, sushi, aneka minuman dan aneka gorengan. Rasanya sih lumayan dan agak sedikit berbeda dibandingkan Sevel tapi rasanya tetap saja lebih lengkap & ramai Sevel. Yang jelas, di Lawson tidak ada keju cairnya, tapi ada sushi mini, yaaa beda-beda tipis dengan Sevel. Favorit ibu saya di Lawson adalah Onigiri, saya biasa dititipi Onigiri kalau sedang mampir ke Lawson. Di Jepang sendiri, Lawson memang merupakan jaringan franchise toko terbesar kedua setelah Sevel. Lawson layak mendapat nilai 3 dari skala maksimum 5 yang artinya “Lumayan”. Not too special.

Jin Xiang, The Best Chinese Food in Town

Chinese food di Indonesia, sudah menjadi makanan yang cukup mudah dijumpai, mulai dari pinggir jalan samapai restoran mewah. Terletak di Bellanova Country Mall RK 8 No. 3/5/6, Jl. M.H. Thamrin No. 8, Sentul City, Bogor, restoran Jin Xiang menurut saya termasuk restoran chinese food untuk kelas menengah ke atas, bukan kelas kaki 5 pastinya. Suasana yang didominasi oleh warna merah menghiasi dekorasi restoran yang sudah berdiri di Bogor sejak 2010 lalu ini. Tempatnya bersih dan nyaman untuk makan bersama keluarga besar. Lokasi yang tidak terlalu masuk menjorok di dalam mall, memudahkan bagi eyang saya untuk masuk ke dalam restoran, maklum sudah tua jadi harus menggunakan kursi roda atau digendong.

Lokasi Jin Xiang

Jin Xiang, yang berarti emas wangi dalam tulisan kanji, merupakan restoran chinese food yang menyajikan lebih dari 100 jenis chinese food dari daging sapi, ayam, bebek, ikan, kepiting, cumi-cumi, aneka dim sum, aneka panggangan dan aneka minuman. Katanya sih restoran ini tidak menggunakan daging babi, jadi bagi umat muslim bisa makan makanan chinese food yang enak tanpa khawatir makanan tersebut pakai babi atau tidak :).

No Pork

Saya pribadi baru sekali datang ke Jin Xiang, namun om dan eyang saya termasuk sering ke sana. Menu favorit mereka adalah nasi hainan dan ayam hainan karena rasanya enak dan makannya gampang, sudah dalam bentuk terpotong-potong. Pada nasi dan ayam hainannya terasa kaldu ayam, santan kelapa, bawang dan beberapa bumbu lain yang gurih. Ayam hainannya sih biasa, tapi nasi hainannya cocok dengan lidah saya, rasa bumbunya lebih pas, enaaakk :).

Nasi Hainan

Ayam Hainan

Selain nasi ayam hainan, pada kedatangan perdana saya ke Jin Xiang, saya juga mencicipi ayam kung pao dan cap cay kuah. Cap cay kuahnya biasa saja, tidak terlalu spesial, tapi di luar dugaan ayam kungpaonya enak ternyata, rasannta tidak pedas atau spicy tapi agak manis.

Ayam Kung Pao

Cap Cay Kuah

Secara keseluruhan saya dan keluarga besar saya puas makan di Jin Xiang, tempatnya nyaman dan makannya tidak ada yang tidak enak. Menurut saya, hidangan di Jin Xiang layak mendapat nilai 4 dari skala maksimum 5 yang artinya “Enak”. Meski harga hidangan Jin Xiang tidak semurah harga hidangan chinese food kaki 5, harganya setara dengan tempat, layanan dan rasa makanan yang dihidangkan.

Pacific Rim (2013)

Sejak tahun lalu, saya sering melihat trailer film Pacific Rim, baik di bioskop maupun di channel Warner Tv. Kelihatannya menarik, ceritanya tentang robot-robot raksasa yang di dalamnya dikendalikan oleh manusia biasa, musuhnya seperti musuhnya ultraman, monster-monster segede gaban yang datang menginvasi Bumi. Tapi monster-monster di Pacific Rim lebih cerdas dibandingkan monster-monster musuhnya Ultraman. Mereka muncul tidak hanya muncul di Jepang, tapi mereka muncul juga di Amerika, Hongkong, Manila dan lain-lain. Kalau monster yang ada di film Ultraman sih pasti mangkalnya di Jepaaang terus, padahal sudah tahu di Jepang ada Ultraman, ya pasti kalah. Coba sekali-kali ke Jakarta, langsung menang mungkin :P. Anyway, kemarin Pacific Rim mulai diputar di bioskop dan saya langsung beli tiket bioskopnya, nampaknya saya termasuk orang yang termakan  iklan trailer Pacific Rim hehehehe sekaligus melepas penat selepas kemarin dibantai di sidang Tesis huhuhuhu. Pusing dari kemarin melihat angka-angka, sekarang saatnya bersenang-senang :lol:.

Pacific Rim sebenarnya merupakan sebutan bagi wilayah-wilayah yang ada di pinggiran samudera pasifik, termasuk Amerika, Meksiko, Peru, Australia, Indonesia, Jepang Korea dan lain-lain. Nah, pada film Pacific Rim yang disutradarai oleh Guillermo del Toro ini dikisahkan bahwa pada suatu hari muncul muncul monster-monster berukuran raksasa dari dalam samudera pasifik, monster-monster itu disebut Kaiju. Kaiju muncul dan merusak semua yang mereka lewati apapun itu. Kaiju mengakibatkan rusaknya harta benda & nyawa manusia. Manusia tentunya tidak tinggal diam. Umat manusia melawan Kaiju dengan menciptakan robot-robot yang besarnya sebesar Kaiju. Robot-robot yang dinamai Jaeger ini dikendalikan oleh manusia, 1 robot dikendalikan oleh lebih dari 1 orang manusia. Pada umumnya anggota tim pengendali Jaeger terdiri dari 2 orang, namun di dalam film ada yang 1 tim terdiri dari 3 orang. Otak dan pikiran 1 manusia tidak mampu mengendalikan 1 Jaeger. Kemampuan tempur Jaeger ditentukan pula oleh kemampuan tempur pengendalinya. Otak dan pikiran para anggota tim pengendali sebuah Jaeger dikalibrasikan dan dihubungkan sehingga satu sama lain bisa masuk ke pikiran rekan setimnya, sehingga semua anggota tim bergerak seirama dengan Jaeger yang dikendalikan. Oleh karena itu diperlukan kerjasama & kekompakan di dalam tim juga.

Peperangan antara Kaiju dan Jaeger berlangsung beberapa tahun dan para Jaeger berhasil mempertahankan Bumi. Namun lama kelamaan durasi serangan Kaiju semakin sering & ukuran Kaiju yang menyerang juga semakin besar. Satu per satu Jaeger hancur dikalahkan Kaiju. Waktu dan sumber daya yang dibutuhkan untuk membuat Jaeger lama kelamaan tidak bisa mengimbangi jumlah Jaeger yang hancur. Apabila ini dibiarkan, manusia akan kalah & Bumi dikuasai Kaiju.

Pacific Rim bercerita mengenai perjuangan, darah dan air mata para pengendali Jaeger yang dipimpin oleh Marshal Stacker (Idris Elba). Stacker dibantu oleh Raleigh (Charlie Hunnam), Mako (Rinko Kikuchi), Herc (Max Martini) & Chuck ( Robert Kazinsky) dalam menjalankan sebuah misi terakhir yang akan menentukan kelanjutan peperangan antara Jaeger & Kaiju. Di lain tempat sepasang peneliti, Newton (Charlie Day) & Gottlieb (Burn Gorman) menemukan rahasia dari Kaiju, mengapa Kaiju semakin hari semakin kuat, mengapa Kaiju datang ke Bumi melalui patahan di dasar samudera pasifik. Akankah Jaeger menang? Yaaa udah ketebak sih so paasti menang, tapi bagaimana & apa yang dikorbankan untuk meraih kemenangan tersebut? Monggo filmnya ditonton sendiri :mrgreen:.

Pacific Rim mengingatkan saya akan film Ultraman dan Transformer. Special effect yang ditampilkan kereeen. Adegan peperangannya seru meski dari segi cerita sih biasa saja. Tapi saya tetap ejoy menonton Pacific Rim tanpa dihinggapi rasa kantuk. Di akhir film, saya sempat berfikir bahwa semua karakter di Pacific Rim tewas semua, ternyata tidak juga, masih ada yang selamat karena pengorbanan rekan seperjuangannya. Secara keseluruhan, Pacific Rim layak mendapat nilai 4 dari skala maksimum 5 yang artinya “Bagus”. Saya tidak menyesal menonton Pacific Rim di bioskop, worthed ko :).

Sumber: http://www.pacificrimmovie.com

Despicable Me 2 (2013)

Gru bersama para Minions hadir kembali pada pertengahan 2013 ini. Melanjutkan sukses film Despicable Me ( 2010), kini hadir sekuelnya. Despicable Me ( 2010) mengisahkan mengenai Gru, seorang penjahat kelas dunia, yang berencana untuk mencuri bulan. Dalam melakukan aksinya, Gru dibantu oleh Dr. Nefario dan para minion. Minion adalah mahluk mungil konyol berwarna kuning yang sangat setia kepada Gru, tingkah para minion ini aneh-aneh :lol:. Gru berubah menjadi baik dan pensiun dari dunia kejahatan setelah bertemu 3 orang anak yatim piatu yaitu Margo, Edith, Agnes. Gru berubah dari super villain menjadi super dad :D.

Pada  Despicable Me 2 ( 2013), Dr. Nefario bosan bekerja dengan Gru karena Gru sudah tidak menjadi penjahat lagi. Dr. Nefario rindu akan semua ketegangan dalam menjalankan berbagai aksi kejahatan. Akhirnya Dr. Nefario mengundurkan diri dan berkerja kepada seorang penjahat super lain untuk menjalankan sebuah rencana jahat. Dr. Nefario dan kawan barunya melakukan pencurian vaksin Px-41 dan penculikan terhadap minion-minion. Entah apa ya kira-kira rencana jahat Dr. Nefario? Apa dosa minion-minon, kok pake diculik yah? Terlalu jahil mungkin? …

Sementara itu, setelah Gru ditinggal Dr. Nefario, dia direkrut oleh AVL (Anti Villain League) yang dipimpin oleh Silas Ramsbottoms. Gru ditugaskan untuk menyelidiki hilangnya vaksin Px-41. Pelaku dari pencurian ini diduga bersembunyi di dalam sebuah mall, menyamar sebagai salah seorang pemilik toko di mall tersebut. Gru mencurigai Eduardo, pemilik restoran di mall, sebagai pelaku pencurian vaksin Px-41. Eduardo sangat mirip dengan penjahat super berkumis tebal, El Macho. Namun El Macho dikabarkan telah tewas beberapa waktu yang lalu karena jatuh ke dalam gunung berapi. Karena kekurangan barang bukti dan sudah ada tersangka lain yang terbukti menyimpan tabung Px-41, dugaan Gru akan keterlibatan Eduardo diragukan, tidak ada yang percaya terhadap Gru. Masalahnya apakah Eduardo benar-benar El Macho? …

Dalam menjalankan misinya Gru dipasangkan bersama seorang agen AVL yang bernama Lucy. Lucy adalah agen baru di AVL, dia agak konyol, ceria dan heboh. Lama kelamaan Gru jatuh cinta kepada Lucy, sayangnya hal itu baru Gru sadari ketika kasus pencurian Px-41 dinyatakan ditutup dengan pemilik toko wig sebagai tersangka utama. Dengan ditutupnya kasus ini, Lucy ditansfer ke Australia, jauh dari Gru dan ketiga anak angkatnya, apakah Gru dan Lucy akan bersatu? …

Mirip seperti Despicable Me (2010), Despicable Me 2 (2013) diwarnai oleh tingkah minion-minion yang konyol dan lucu. Tingkah mereka suskes membuat saya dan para penonton lain tertawa di bangku bioskop :lol:. Cerita yang dihadirkan cenderung ringan dan mudah ditebak, namanya juga film kartun untuk segala umur, hehee :mrgreen:. Film ini cocok ditonton oleh keluarga, baik anak-anak maupun orang dewasa pasti doyan melihat kelucuan bentuk animasi dan tingkah para karakter Despicable Me 2 (2013). Film ini saya nobatkan sebagai salah sati film favorit saya tahun ini, Despicable Me 2 (2013) layak mendapat nilai 5 dari skala maksimum 5 yang artinya “Bagus Sekali”. Saya puas nonton film ini di hari perdana tayangnya, apalagi dapat diskon dari Blitz, hohohoho.

Sumber: http://despicableme.com/