analisis spss
DESCRIPTION
Analisis spssTRANSCRIPT
UJI VALIDITAS KUISIONER
Validitas adalah ketepatan atau kecermatan suatu instrumen dalam mengukur
apa yang ingin dukur. Dalam pengujian instrumen pengumpulan data, validitas bisa
dibedakan menjadi validitas faktor dan validitas item. Validitas faktor diukur bila item
yang disusun menggunakan lebih dari satu faktor (antara faktor satu dengan yang
lain ada kesamaan). Pengukuran validitas faktor ini dengan cara mengkorelasikan
antara skor faktor (penjumlahan item dalam satu faktor) dengan skor total faktor
(total keseluruhan faktor), sedangkan pengukuran validitas item dengan cara
mengkorelasikan antara skor item dengan skor total item.
Pada program SPSS teknik pengujian yang sering digunakan para peneliti untuk
uji validitas adalah menggunakan korelasi Bivariate Pearson (Produk Momen
Pearson) dan Corrected Item-Total Correlation. Masing-masing teknik perhitungan
korelasi akan dibahas sebagai berikut:
1. Bivariate Pearson (Korelasi Produk Momen Pearson)
Analisis ini dengan cara mengkorelasikan masing-masing skor item dengan skor
total. Skor total adalah penjumlahan dari keseluruhan item. Item-item pertanyaan
yang berkorelasi signifikan dengan skor total menunjukkan item-item tersebut
mampu memberikan dukungan dalam mengungkap apa yang ingin diungkap.
Pengujian menggunakan uji dua sisi dengan taraf signifikansi 0,05. Kriteria
pengujian adalah sebagai berikut:
- Jika r hitung ≥ r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-
item pertanyaan berkorelasi signifikan terhadap skor total (dinyatakan valid).
- Jika r hitung < r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-item
pertanyaan tidak berkorelasi signifikan terhadap skor total (dinyatakan tidak valid).
Contoh Kasus:
Seorang mahasiswa bernama Andi melakukan penelitian dengan
menggunakan skala untuk mengetahui atau mengungkap prestasi belajar seseorang.
Andi membuat 10 butir pertanyaan dengan menggunakan skala Likert, yaitu angka 1
= Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju dan 4 = Sangat Setuju. Setelah
membagikan skala kepada 12 responden didapatlah tabulasi data-data sebagai
berikut:
Tabel 1. Tabulasi Data (Data Fiktif)
Subjek Skor Item Skor
1 2 3 4 5 6 7 8 9 10 Total
1 3 4 3 4 4 3 3 3 3 3 33
2 4 3 3 4 3 3 3 3 3 3 32
3 2 2 1 3 2 2 3 1 2 3 21
4 3 4 4 3 3 3 4 3 3 4 34
5 3 4 3 3 3 4 3 4 4 3 34
6 3 2 4 4 3 4 4 3 4 4 35
7 2 3 3 4 4 4 3 4 3 2 32
8 1 2 2 1 2 2 1 3 4 3 21
9 4 2 3 3 4 2 1 1 4 4 28
10 3 3 3 4 4 4 4 4 3 3 35
11 4 4 3 4 4 3 4 4 4 2 36
12 3 2 1 2 3 1 1 2 3 3 21
Langkah-langkah dengan program SPSS
Masuk program SPSS
Klik variable view pada SPSS data editor
Pada kolom Name ketik item1 sampai item10, kemudian terakhir ketikkan skortot
(skor total didapat dari penjumlahan item1 sampai item10)
Pada kolom Decimals angka ganti menjadi 0 untuk seluruh item
Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Buka data view pada SPSS data editor
Ketikkan data sesuai dengan variabelnya, untuk skortot ketikkan total skornya.
Klik Analyze - Correlate - Bivariate
Klik semua variabel dan masukkan ke kotak variables
Klik OK. Hasil output yang diperoleh dapat diringkas sebagai berikut:
Tabel. Hasil Analisis Bivariate Pearson
Dari hasil analisis didapat nilai korelasi antara skor item dengan skor total.
Nilai ini kemudian kita bandingkan dengan nilai r tabel, r tabel dicari pada
signifikansi 0,05 dengan uji 2 sisi dan jumlah data (n) = 12, maka didapat r tabel
sebesar 0,576 (lihat pada lampiran tabel r).
Berdasarkan hasil analisis di dapat nilai korelasi untuk item 1, 9 dan 10 nilai
kurang dari 0,576. Karena koefisien korelasi pada item 1, 9 dan 10 nilainya kurang
dari 0,576 maka dapat disimpulkan bahwa item-item tersebut tidak berkorelasi
signifikan dengan skor total (dinyatakan tidak valid) sehingga harus dikeluarkan atau
diperbaiki. Sedangkan pada item-item lainnya nilainya lebih dari 0,576 dan dapat
disimpulkan bahwa butir instrumen tersebut valid.
2. Corrected Item-Total Correlation
Analisis ini dengan cara mengkorelasikan masing-masing skor item dengan
skor total dan melakukan koreksi terhadap nilai koefisien korelasi yang overestimasi.
Hal ini dikarenakan agar tidak terjadi koefisien item total yang overestimasi (estimasi
nilai yang lebih tinggi dari yang sebenarnya). Atau dengan cara lain, analisis ini
menghitung korelasi tiap item dengan skor total (teknik bivariate pearson), tetapi
skor total disini tidak termasuk skor item yang akan dihitung. Sebagai contoh pada
kasus di atas kita akan menghitung item 1 dengan skor total, berarti skor total
didapat dari penjumlahan skor item 2 sampai item 10. Perhitungan teknik ini cocok
digunakan pada skala yang menggunakan item pertanyaan yang sedikit, karena
pada item yang jumlahnya banyak penggunaan korelasi bivariate (tanpa koreksi)
efek overestimasi yang dihasilkan tidak terlalu besar.
Pengujian menggunakan uji dua sisi dengan taraf signifikansi 0,05. Kriteria
pengujian adalah sebagai berikut:
Jika r hitung ≥ r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-
item pertanyaan berkorelasi signifikan terhadap skor total (dinyatakan valid).
Jika r hitung < r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-
item pertanyaan tidak berkorelasi signifikan terhadap skor total (dinyatakan
tidak valid).
Sebagai contoh kasus kita menggunakan contoh kasus dan data-data pada analisis
produk momen di atas.
Langkah-langkah pada program SPSS
Masuk program SPSS
Klik variable view pada SPSS data editor
Pada kolom Name ketik item1 sampai item 10
Pada kolom Decimals angka ganti menjadi 0 untuk seluruh item
Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Buka data view pada SPSS data editor
Ketikkan data sesuai dengan variabelnya,
Klik Analyze - Scale – Reliability Analysis
Klik semua variabel dan masukkan ke kotak items
Klik Statistics, pada Descriptives for klik scale if item deleted
Klik continue, kemudian klik OK, hasil output yang didapat adalah sebagai berikut:
Tabel. Hasil Analisis Validitas Item dengan
Teknik Corrected Item-Total Correlation
R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)
Item-total Statistics
Scale Scale Corrected
Mean Variance Item- Alpha
if Item if Item Total if Item
Deleted Deleted Correlation Deleted
ITEM1 27.2500 29.8409 .4113 .8345
ITEM2 27.2500 28.0227 .6151 .8157
ITEM3 27.4167 25.7197 .8217 .7933
ITEM4 26.9167 26.6288 .7163 .8046
ITEM5 26.9167 29.5379 .5603 .8223
ITEM6 27.2500 25.8409 .7764 .7975
ITEM7 27.3333 25.1515 .6784 .8078
ITEM8 27.2500 27.1136 .5679 .8204
ITEM9 26.8333 32.8788 .1866 .8482
ITEM10 27.0833 35.3561 -.1391 .8683
Reliability Coefficients
N of Cases = 12.0 N of Items = 10
Alpha = .8384
Dari output di atas bisa dilihat pada Corrected Item – Total Correlation, inilah
nilai korelasi yang didapat. Nilai ini kemudian kita bandingkan dengan nilai r tabel, r
tabel dicari pada signifikansi 0,05 dengan uji 2 sisi dan jumlah data (n) = 12, maka
didapat r tabel sebesar 0,576 (lihat pada lampiran tabel r).
Dari hasil analisis dapat dilihat bahwa untuk item 1, 5, 9 dan 10 nilai kurang dari
0,576. Karena koefisien korelasi pada item 1, 5, 9 dan 10 nilainya kurang dari 0,576
maka dapat disimpulkan bahwa butir instrumen tersebut tidak valid. Sedangkan
pada item-item lainnya nilainya lebih dari 0,576 dan dapat disimpulkan bahwa butir
instrumen tersebut valid.
Sebagai catatan: analisis korelasi pada contoh kasus di atas hanya dilakukan satu
kali, untuk mendapatkan hasil validitas yang lebih memuaskan maka bisa dilakukan
analisis kembali sampai 2 atau 3 kali, sebagai contoh pada kasus di atas setelah di
dapat 6 item yang valid, maka dilakukan analisis korelasi lagi untuk menguji 6 item
tersebut, jika masih ada item yang tidak signifikan maka digugurkan, kemudian
dianalisis lagi sampai didapat tidak ada yang gugur lagi.
UJI RELIABILITAS KUISIONER
Uji reliabilitas digunakan untuk mengetahui konsistensi alat ukur, apakah alat
pengukur yang digunakan dapat diandalkan dan tetap konsisten jika pengukuran
tersebut diulang. Ada beberapa metode pengujian reliabilitas diantaranya metode
tes ulang, formula belah dua dari Spearman-Brown, formula Rulon, formula
Flanagan, Cronbach’s Alpha, metode formula KR-20, KR-21, dan metode Anova
Hoyt. Dalam program SPSS akan dibahas untuk uji yang sering digunakan penelitian
mahasiswa adalah dengan menggunakan metode Alpha (Cronbach’s). Metode alpha
sangat cocok digunakan pada skor berbentuk skala (misal 1-4, 1-5) atau skor
rentangan (misal 0-20, 0-50). Metode alpha dapat juga digunakan pada skor
dikotomi (0 dan 1) dan akan menghasilkan perhitungan yang setara dengan
menggunakan metode KR-20 dan Anova Hoyt.
Uji signifikansi dilakukan pada taraf signifikansi 0,05, artinya instrumen dapat
dikatakan reliabel bila nilai alpha lebih besar dari r kritis product moment. Atau kita
bisa menggunakan batasan tertentu seperti 0,6. Reliabilitas kurang dari 0,6 adalah
kurang baik, sedangkan 0,7 dapat diterima dan di atas 0,8 adalah baik.
Pada contoh kasus di atas setelah diuji validitasnya maka item-item yang gugur
dibuang dan item yang tidak gugur dimasukkan kedalam uji reliabilitas. Jadi yang
akan dihitung ada 6 item, karena 4 item telah digugurkan.
Langkah-langkah pada program SPSS
Pada contoh kasus di atas kita telah menginput data item 1 sampai 10
Klik Analyze - Scale - Reliability Analysis
Klik item yang tidak gugur dan masukkan ke kotak items. Jika item-item sudah
berada dikotak items maka klik item yang gugur dan keluarkan dengan klik simbol
arah
Klik Statistics, pada Descriptives for klik scale if item deleted
Klik Continue
Klik OK, hasil output yang didapat adalah sebagai berikut:
Tabel 4. Hasil Analisis Reliabilitas dengan Teknik Alpha
R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)
Item-total Statistics
Scale Scale Corrected
Mean Variance Item- Alpha
if Item if Item Total if Item
Deleted Deleted Correlation Deleted
ITEM2 14.6667 18.9697 .6414 .8906
ITEM3 14.8333 18.1515 .6963 .8827
ITEM4 14.3333 18.2424 .6835 .8846
ITEM6 14.6667 16.7879 .8612 .8574
ITEM7 14.7500 15.8409 .7943 .8680
ITEM8 14.6667 17.5152 .6749 .8867
Reliability Coefficients
N of Cases = 12.0 N of Items = 6
Alpha = .8970
Dari hasil analisis di atas di dapat nilai Alpha sebesar 0,8970. Sedangkan nilai r
kritis (uji 2 sisi) pada signifikansi 0,05 dengan jumlah data (n) = 12, di dapat
sebesar 0,576 (lihat pada lampiran tabel r). Karena nilainya lebih dari 0,576, maka
dapat disimpulkan bahwa butir-butir instrumen penelitian tersebut reliabel.
UJI NORMALITAS
Uji normalitas digunakan untuk mengetahui apakah populasi data berdistribusi
normal atau tidak. Uji ini biasanya digunakan untuk mengukur data berskala ordinal,
interval, ataupun rasio. Jika analisis menggunakan metode parametrik, maka
persyaratan normalitas harus terpenuhi yaitu data berasal dari distribusi yang
normal. Jika data tidak berdistribusi normal, atau jumlah sampel sedikit dan jenis
data adalah nominal atau ordinal maka metode yang digunakan adalah statistik non
parametrik. Dalam pembahasan ini akan digunakan uji One Sample Kolmogorov-
Smirnov dengan menggunakan taraf signifikansi 0,05. Data dinyatakan berdistribusi
normal jika signifikansi lebih besar dari 5% atau 0,05.
Contoh Kasus:
Seorang mahasiswa bernama Bambang melakukan penelitian tentang faktor-
faktor yang mempengaruhi kinerja guru pada perusahaan di BEJ. Data-data yang di
dapat berupa data rasio dan ditabulasikan sebagai berikut:
Tabel 5. Tabulasi Data (Data Fiktif)
Tahun Kinerja guru (Rp) PER (%) ROI (%)
1990 8300 4.90 6.47
1991 7500 3.28 3.14
1992 8950 5.05 5.00
1993 8250 4.00 4.75
1994 9000 5.97 6.23
1995 8750 4.24 6.03
1996 10000 8.00 8.75
1997 8200 7.45 7.72
1998 8300 7.47 8.00
1999 10900 12.68 10.40
2000 12800 14.45 12.42
2001 9450 10.50 8.62
2002 13000 17.24 12.07
2003 8000 15.56 5.83
2004 6500 10.85 5.20
2005 9000 16.56 8.53
2006 7600 13.24 7.37
2007 10200 16.98 9.38
Bambang dalam penelitiannya ingin mengetahui bagaimana hubungan antara
rasio keuangan PER dan ROI terhadap kinerja guru . Dengan ini Bambang
menganalisis dengan bantuan program SPSS dengan alat analisis regresi linear
berganda. Sebelum dilakukan analisis tersebut dilakukan uji normalitas untuk
mengetahui sebaran data.
Sebagai catatan: bila menggunakan analisis regresi linear, uji normalitas bisa
dilakukan dengan melihat nilai residualnya, apakah residual berasal dari distribusi
normal ataukah tidak.
Langkah-langkah pada program SPSS
Masuk program SPSS
Klik variable view pada SPSS data editor
Pada kolom Name ketik y, kolom Name pada baris kedua ketik x1, dan pada
kolom Name baris ketiga ketik x2.
Pada kolom Label, untuk kolom pada baris pertama ketik Kinerja guru , untuk
kolom pada baris kedua ketik PER, dan terakhir ketik ROI.
Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Buka data view pada SPSS data editor, maka didapat kolom variabel y, x1, dan x2
Ketikkan data sesuai dengan variabelnya
Klik Analyze - Deskriptive Statistics - Explore
Klik variabel Kinerja guru , PER, dan ROI dan masukkan ke kotak Dependent List
Klik Plots
Klik Normality plots with tests, kemudian klik Continue
Klik OK, maka hasil output yang didapat pada kolom Test of Normality adalah
sebagai berikut:
Tabel. Hasil Uji Normalitas dengan Kolomogorov-Smirnov
Dari hasil di atas kita lihat pada kolom Kolmogorov-Smirnov dan dapat
diketahui bahwa nilai signifikansi untuk kinerja guru sebesar 0,05; untuk PER
sebesar 0,200; dan untuk ROI sebesar 0,200. Karena signifikansi untuk seluruh
variabel lebih besar dari 0,05 maka dapat disimpulkan bahwa data pada variabel
kinerja guru , PER, dan ROI berdistribusi normal. Angka Statistic menunjukkan
semakin kecil nilainya maka distribusi data semakin normal. df = jumlah data.
UJI HOMOGENITAS
Uji homogenitas digunakan untuk mengetahui apakah beberapa varian populasi
adalah sama atau tidak. Uji ini dilakukan sebagai prasyarat dalam
analisis independent sample t test dan ANOVA. Asumsi yang mendasari dalam
analisis varian (ANOVA) adalah bahwa varian dari populasi adalah sama. Sebagai
kriteria pengujian, jika nilai signifikansi lebih dari 0,05 maka dapat dikatakan bahwa
varian dari dua atau lebih kelompok data adalah sama.
Contoh Kasus:
Seorang mahasiswi bernama Hanny melakukan penelitian untuk mengetahui
apakah ada perbedaan pemahaman mahasiswa jika dilihat dari tingkat prestasi.
Dengan ini Hanny menggunakan kuesioner sebagai alat pengumpul data yang
disebar pada 20 responden dan membuat dua variabel pertanyaan yaitu
pemahaman mahasiswa dan tingkat prestasi. Pada variabel pemahaman mahasiswa
memakai skala Likert dengan pertanyaan favorabel dan unfavorabel (mengungkap
dan tidak mengungkap). Pada item favorabel skala yang dipakai 1 = sangat tidak
setuju, 2 = tidak setuju, 3 = setuju, dan 4 = sangat setuju. Pada item unfavorabel
sebaliknya yaitu 1 = sangat setuju, 2 = setuju, 3 = tidak setuju, dan 4 = sangat
tidak setuju. Untuk variabel tingkat prestasi menggunakan data nominal yang dibuat
tiga alternatif jawaban yaitu 1 = IPK kurang dari 2,50; 2 = IPK 2,51-3,30 dan 3 =
IPK 3,31-4,00. Data-data yang di dapat ditabulasikan sebagai berikut:
Tabel. Tabulasi Data (Data Fiktif)
Subjek Pemahaman Mahasiswa Tingkat
Item pertanyaan Total
Skor
Prestasi
1 2 3 4 5 6 7 8 9 10
1 4 4 3 4 4 2 4 3 4 4 36 3
2 4 4 4 3 4 4 3 4 4 4 38 3
3 3 3 4 2 2 1 4 2 1 3 25 1
4 3 3 4 2 2 4 1 2 3 4 28 2
5 4 4 4 2 4 3 3 3 4 3 34 3
6 2 4 2 4 1 4 4 2 2 4 29 2
7 2 4 2 4 2 2 2 4 2 4 28 2
8 4 4 4 4 4 4 3 2 4 4 37 3
9 4 4 2 4 4 4 4 4 4 4 38 3
10 2 1 4 4 3 4 3 3 2 1 27 1
11 2 2 1 4 4 3 1 4 4 2 27 2
12 3 1 3 2 2 4 4 3 2 4 28 1
13 3 4 3 4 2 4 4 4 1 4 33 3
14 4 4 2 3 4 4 2 4 4 3 34 3
15 2 4 4 4 4 2 3 4 4 4 35 3
16 4 2 3 4 3 4 3 3 4 2 32 1
17 1 3 2 3 4 2 4 4 3 2 28 1
18 4 4 3 4 4 4 4 4 4 4 39 3
19 4 4 2 2 3 3 2 1 2 4 27 2
20 4 2 2 4 2 4 2 3 4 2 29 2
Langkah-langkah pada program SPSS
Masuk program SPSS.
Klik variable view pada SPSS data editor.
Pada kolom Name ketik item1, kolom Name pada baris kedua ketik item2.
Pada kolom Decimals untuk kolom item1 dan item2 angka ganti menjadi 0.
Pada kolom Label, untuk kolom pada baris pertama ketik Pemahaman
Mahasiswa dan untuk kolom pada baris kedua ketik Tingkat Prestasi.
Untuk kolom Values, klik simbol kotak kecil pada kolom baris kedua, pada
Value ketik 1 kemudian pada Value Label ketikkan IPK kurang dari 2,50,
kemudian klik Add. Kemudian pada Value ketik 2 kemudian pada Value Label
ketikkan IPK 2,50-3,30, kemudian klik Add. Selanjutnya pada Value ketik 3
kemudian pada Value Label ketikkan IPK 3,31-4,00, kemudian klik Add.
Klik OK
Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Buka data view pada SPSS data editor, maka didapat kolom variabel item1
dan item2.
Pada kolom item1 ketikkan data total skor item, pada kolom item2 ketikkan
angka-angka 1 sampai 3 yang menunjukkan tanda nilai IPK.
Klik Analyze - Compare Means - One Way Anova
Klik variabel Pemahaman Mahasiswa dan masukkan ke kotak Dependent List,
kemudian klik variabel Tingkat Prestasi dan masukkan ke kotak Faktor.
Klik Options
Klik Homogeneity of variance, kemudian klik Continue
Klik OK, maka hasil output yang didapat pada kolom Test of Homogeneity of
Variance adalah sebagai berikut:
Tabel. Hasil Uji Homogenitas
Dari hasil di atas dapat diketahui signifikansi sebesar 0,193. Karena signifikansi
lebih dari 0,05 maka dapat disimpulkan bahwa ketiga kelompok data pemahaman
mahasiswa berdasar tingkat prestasi mempunyai varian sama. Angka Levene
Statistic menunjukkan semakin kecil nilainya maka semakin besar homogenitasnya.
df1 = jumlah kelompok data-1 atau 3-1=2 sedangkan df2 = jumlah data – jumlah
kelompok data atau 20-3=17.
UJI LINIERITAS
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
Masuk program SPSS
Klik variable view pada SPSS data editor
Pada kolom Name ketik x, untuk kolom Name baris kedua ketik y
Pada kolom Decimals angka ganti menjadi 0 untuk variabel x dan y
Untuk kolom Label ketik Kecemasan, untuk kolom Label pada baris kedua ketik
Optimisme.
Kolom lainnya boleh dihiraukan (isian default)
Buka data view pada SPSS data editor
Terlihat kolom x dan y, x adalah variabel kecemasan dan y adalah variabel
optimisme, ketikkan data sesuai dengan variabelnya.
Klik Analyze - Compare Means - Means
Klik variabel Optimisme dan masukkan ke kotak Dependent List, kemudian klik
variabel Kecemasan dan masukkan ke Independent List.
Klik Options, pada Statistics for First Layer klik Test for Linearity, kemudian klik
Continue
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.
ANALISIS REGRESI LINIER BERGANDA
Analisis regresi linier berganda adalah hubungan secara linear antara dua
atau lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis
ini untuk mengetahui arah hubungan antara variabel independen dengan variabel
dependen apakah masing-masing variabel independen berhubungan positif atau
negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel
independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya
berskala interval atau rasio.
Persamaan regresi linear berganda sebagai berikut:
Y’ = a + b1X1+ b2X2+…..+ bnXn
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X1 dan X2 = Variabel independen
a = Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
Contoh kasus:
Kita mengambil contoh kasus pada uji normalitas, yaitu sebagai berikut:
Seorang mahasiswa bernama Bambang melakukan penelitian tentang faktor-faktor
yang mempengaruhi kinerja guru pada perusahaan di BEJ. Bambang dalam
penelitiannya ingin mengetahui hubungan antara rasio keuangan PER dan ROI
terhadap kinerja guru . Dengan ini Bambang menganalisis dengan bantuan program
SPSS dengan alat analisis regresi linear berganda. Dari uraian di atas maka didapat
variabel dependen (Y) adalah kinerja guru , sedangkan variabel independen (X1 dan
X2) adalah PER dan ROI.
Data-data yang di dapat berupa data rasio dan ditabulasikan sebagai
berikut:
Tabel. Tabulasi Data (Data Fiktif)
Tahun Kinerja guru (Rp) PER (%) ROI (%)
1990 8300 4.90 6.47
1991 7500 3.28 3.14
1992 8950 5.05 5.00
1993 8250 4.00 4.75
1994 9000 5.97 6.23
1995 8750 4.24 6.03
1996 10000 8.00 8.75
1997 8200 7.45 7.72
1998 8300 7.47 8.00
1999 10900 12.68 10.40
2000 12800 14.45 12.42
2001 9450 10.50 8.62
2002 13000 17.24 12.07
2003 8000 15.56 5.83
2004 6500 10.85 5.20
2005 9000 16.56 8.53
2006 7600 13.24 7.37
2007 10200 16.98 9.38
Langkah-langkah pada program SPSS
Masuk program SPSS
Klik variable view pada SPSS data editor
Pada kolom Name ketik y, kolom Name pada baris kedua ketik x1, kemudian
untuk baris kedua ketik x2.
Pada kolom Label, untuk kolom pada baris pertama ketik Kinerja guru , untuk
kolom pada baris kedua ketik PER, kemudian pada baris ketiga ketik ROI.
Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Buka data view pada SPSS data editor, maka didapat kolom variabel y, x1, dan
x2.
Ketikkan data sesuai dengan variabelnya
Klik Analyze - Regression - Linear
Klik variabel Kinerja guru dan masukkan ke kotak Dependent, kemudian klik
variabel PER dan ROI kemudian masukkan ke kotak Independent.
Klik Statistics, klik Casewise diagnostics, klik All cases. Klik Continue
Klik OK, maka hasil output yang didapat pada kolom Coefficients dan Casewise
diagnostics adalah sebagai berikut:
Tabel. Hasil Analisis Regresi Linear Berganda
Persamaan regresinya sebagai berikut:
Y’ = a + b1X1+ b2X2
Y’ = 4662,491 + (-74,482)X1 + 692,107X2
Y’ = 4662,491 - 74,482X1 + 692,107X2
Keterangan:
Y’ = Kinerja guru yang diprediksi (Rp)
a = konstanta
b1,b2 = koefisien regresi
X1 = PER (%)
X2 = ROI (%)
Persamaan regresi di atas dapat dijelaskan sebagai berikut:
- Konstanta sebesar 4662,491; artinya jika PER (X1) dan ROI (X2) nilainya adalah 0,
maka kinerja guru (Y’) nilainya adalah Rp.4662,491.
- Koefisien regresi variabel (X1) sebesar -74,482; artinya jika variabel independen lain
nilainya tetap dan PER mengalami kenaikan 1%, maka kinerja guru (Y’) akan
mengalami penurunan sebesar Rp.74,482. Koefisien bernilai negatif artinya terjadi
hubungan negatif antara PER dengan kinerja guru , semakin naik PER maka semakin
turun kinerja guru .
- Koefisien regresi variabel ROI (X2) sebesar 692,107; artinya jika variabel
independen lain nilainya tetap dan ROI mengalami kenaikan 1%, maka kinerja guru
(Y’) akan mengalami peningkatan sebesar Rp.692,107. Koefisien bernilai positif
artinya terjadi hubungan positif antara ROI dengan kinerja guru , semakin naik ROI
maka semakin meningkat kinerja guru .
Nilai kinerja guru yang diprediksi (Y’) dapat dilihat pada tabel Casewise
Diagnostics (kolom Predicted Value). Sedangkan Residual (unstandardized residual)
adalah selisih antara kinerja guru dengan Predicted Value, dan Std. Residual
(standardized residual) adalah nilai residual yang telah terstandarisasi (nilai semakin
mendekati 0 maka model regresi semakin baik dalam melakukan prediksi, sebaliknya
semakin menjauhi 0 atau lebih dari 1 atau -1 maka semakin tidak baik model regresi
dalam melakukan prediksi).
A. Analisis Korelasi Ganda (R)
Analisis ini digunakan untuk mengetahui hubungan antara dua atau lebih
variabel independen (X1, X2,…Xn) terhadap variabel dependen (Y) secara serentak.
Koefisien ini menunjukkan seberapa besar hubungan yang terjadi antara variabel
independen (X1, X2,……Xn) secara serentak terhadap variabel dependen (Y). nilai R
berkisar antara 0 sampai 1, nilai semakin mendekati 1 berarti hubungan yang terjadi
semakin kuat, sebaliknya nilai semakin mendekati 0 maka hubungan yang terjadi
semakin lemah.
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien
korelasi sebagai berikut:
0,00 - 0,199 = sangat rendah
0,20 - 0,399 = rendah
0,40 - 0,599 = sedang
0,60 - 0,799 = kuat
0,80 - 1,000 = sangat kuat
Dari hasil analisis regresi, lihat pada output moddel summary dan disajikan sebagai
berikut:
Tabel. Hasil analisis korelasi ganda
Berdasarkan tabel di atas diperoleh angka R sebesar 0,879. Hal ini
menunjukkan bahwa terjadi hubungan yang sangat kuat antara PER dan ROI
terhadap kinerja guru .
B. Analisis Determinasi (R2)
Analisis determinasi dalam regresi linear berganda digunakan untuk
mengetahui prosentase sumbangan pengaruh variabel independen (X1, X2,……Xn)
secara serentak terhadap variabel dependen (Y). Koefisien ini menunjukkan
seberapa besar prosentase variasi variabel independen yang digunakan dalam model
mampu menjelaskan variasi variabel dependen. R2sama dengan 0, maka tidak ada
sedikitpun prosentase sumbangan pengaruh yang diberikan variabel independen
terhadap variabel dependen, atau variasi variabel independen yang digunakan dalam
model tidak menjelaskan sedikitpun variasi variabel dependen. Sebaliknya R2 sama
dengan 1, maka prosentase sumbangan pengaruh yang diberikan variabel
independen terhadap variabel dependen adalah sempurna, atau variasi variabel
independen yang digunakan dalam model menjelaskan 100% variasi variabel
dependen.
Dari hasil analisis regresi, lihat pada output moddel summary dan disajikan sebagai
berikut:
Tabel. Hasil analisis determinasi
Berdasarkan tabel di atas diperoleh angka R2 (R Square) sebesar 0,772 atau
(77,2%). Hal ini menunjukkan bahwa prosentase sumbangan pengaruh variabel
independen (PER dan ROI) terhadap variabel dependen (kinerja guru ) sebesar
77,2%. Atau variasi variabel independen yang digunakan dalam model (PER dan
ROI) mampu menjelaskan sebesar 77,2% variasi variabel dependen (kinerja guru ).
Sedangkan sisanya sebesar 22,8% dipengaruhi atau dijelaskan oleh variabel lain
yang tidak dimasukkan dalam model penelitian ini.
Adjusted R Square adalah nilai R Square yang telah disesuaikan, nilai ini selalu
lebih kecil dari R Square dan angka ini bisa memiliki harga negatif. Menurut Santoso
(2001) bahwa untuk regresi dengan lebih dari dua variabel bebas digunakan
Adjusted R2 sebagai koefisien determinasi.
Standard Error of the Estimate adalah suatu ukuran banyaknya kesalahan
model regresi dalam memprediksikan nilai Y. Dari hasil regresi di dapat nilai 870,80
atau Rp.870,80 (satuan kinerja guru ), hal ini berarti banyaknya kesalahan dalam
prediksi kinerja guru sebesar Rp.870,80. Sebagai pedoman jika Standard error of
the estimate kurang dari standar deviasi Y, maka model regresi semakin baik dalam
memprediksi nilai Y.
C. Uji Koefisien Regresi Secara Bersama-sama (Uji F)
Uji ini digunakan untuk mengetahui apakah variabel independen (X1,X2….Xn)
secara bersama-sama berpengaruh secara signifikan terhadap variabel dependen
(Y). Atau untuk mengetahui apakah model regresi dapat digunakan untuk
memprediksi variabel dependen atau tidak. Signifikan berarti hubungan yang terjadi
dapat berlaku untuk populasi (dapat digeneralisasikan), misalnya dari kasus di atas
populasinya adalah 50 perusahaan dan sampel yang diambil dari kasus di atas 18
perusahaan, jadi apakah pengaruh yang terjadi atau kesimpulan yang didapat
berlaku untuk populasi yang berjumlah 50 perusahaan.
Dari hasil output analisis regresi dapat diketahui nilai F seperti pada tabel 2
berikut ini.
Tabel. Hasil Uji F
Tahap-tahap untuk melakukan uji F adalah sebagai berikut:
1. Merumuskan Hipotesis
Ho : Tidak ada pengaruh secara signifikan antara PER dan ROI secara
bersama-sama terhadap kinerja guru .
Ha : Ada pengaruh secara signifikan antara PER dan ROI secara bersama-
sama terhadap kinerja guru .
2. Menentukan tingkat signifikansi
Tingkat signifikansi menggunakan = 5% (signifikansi 5% atau 0,05 adalah
ukuran standar yang sering digunakan dalam penelitian)
3. Menentukan F hitung
Berdasarkan tabel diperoleh F hitung sebesar 25,465
4. Menentukan F tabel
Dengan menggunakan tingkat keyakinan 95%, = 5%, df 1 (jumlah
variabel–1) = 2, dan df 2 (n-k-1) atau 18-2-1 = 15 (n adalah jumlah kasus
dan k adalah jumlah variabel independen), hasil diperoleh untuk F tabel
sebesar 3,683 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan
cara pada cell kosong ketik =finv(0.05,2,15) lalu enter.
5. Kriteria pengujian
Ho diterima bila F hitung < F tabel
Ho ditolak bila F hitung > F tabel
6. Membandingkan F hitung dengan F tabel.
Nilai F hitung > F tabel (25,465 > 3,683), maka Ho ditolak.
7. Kesimpulan
Karena F hitung > F tabel (25,465 > 3,683), maka Ho ditolak, artinya ada
pengaruh secara signifikan antara price earning ratio (PER) dan return on
investmen (ROI) secara bersama-sama terhadap terhadap kinerja guru . Jadi
dari kasus ini dapat disimpulkan bahwa PER dan ROI secara bersama-sama
berpengaruh terhadap kinerja guru pada perusahaan di BEJ.
D. Uji Koefisien Regresi Secara Parsial (Uji t)
Uji ini digunakan untuk mengetahui apakah dalam model regresi variabel
independen (X1, X2,…..Xn) secara parsial berpengaruh signifikan terhadap variabel
dependen (Y).
Dari hasil analisis regresi output dapat disajikan sebagai berikut:
Tabel. Uji t
Langkah-langkah pengujian sebagai berikut:
Pengujian koefisien regresi variabel Supervisi Kepala Sekolah
1. Menentukan Hipotesis
Ho : Secara parsial tidak ada pengaruh signifikan antara supervisi kepala sekolah
dengan kinerja guru .
Ha : Secara parsial ada pengaruh signifikan antara supervisi kepala sekolah
dengan kinerja guru
2. Menentukan tingkat signifikansi
Tingkat signifikansi menggunakan = 5%
3. Menentukan t hitung
Berdasarkan tabel diperoleh t hitung sebesar -1,259
4. Menentukan t tabel
Tabel distribusi t dicari pada = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat
kebebasan (df) n-k-1 atau 17-2-1 = 14 (n adalah jumlah kasus dan k adalah
jumlah variabel independen). Dengan pengujian 2 sisi (signifikansi =
0,025) hasil diperoleh untuk t tabel sebesar 2,131 (Lihat pada lampiran) atau
dapat dicari di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05,15) lalu
enter.
5. Kriteria Pengujian
Ho diterima jika -t tabel < t hitung < t tabel
Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel
6. Membandingkan t hitung dengan t tabel
Nilai -t hitung > -t tabel (-1,259 > -2,131) maka Ho diterima
7. Kesimpulan
Oleh karena nilai -t hitung > -t tabel (-1,259 > -2,131) maka Ho diterima, artinya
secara parsial tidak ada pengaruh signifikan antara PER dengan kinerja guru .
Jadi dari kasus ini dapat disimpulkan bahwa secara parsial PER tidak
berpengaruh terhadap kinerja guru pada perusahaan di BEJ.
Pengujian koefisien regresi variabel ROI
1. Menentukan Hipotesis
Ho : Secara parsial tidak ada pengaruh signifikan antara motivasi kerja guru
dengan kinerja guru
Ha : Secara parsial ada pengaruh signifikan antara motivasi kerja guru dengan
kinerja guru
2. Menentukan tingkat signifikansi
Tingkat signifikansi menggunakan = 5%.
3. Menentukan t hitung
Berdasarkan tabel diperoleh t hitung sebesar 5,964
4. Menentukan t tabel
Tabel distribusi t dicari pada = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat
kebebasan (df) n-k-1 atau 18-2-1 = 15 (n adalah jumlah kasus dan k adalah
jumlah variabel independen). Dengan pengujian 2 sisi (signifikansi =
0,025) hasil diperoleh untuk t tabel sebesar 2,131.
5. Kriteria Pengujian
Ho diterima jika -t tabel t hitung t tabel
Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel
6. Membandingkan thitung dengan t tabel
Nilai t hitung > t tabel (5,964 > 2,131) maka Ho ditolak
7. Kesimpulan
Oleh karena nilai t hitung > t tabel (5,964 > 2,131) maka Ho ditolak, artinya
secara parsial ada pengaruh signifikan antara ROI dengan kinerja guru . Jadi dari
kasus ini dapat disimpulkan bahwa secara parsial ROI berpengaruh positif
terhadap kinerja guru pada perusahaan di BEJ.