mengolah data dengan spss · 2017. 1. 8. · uji t cara mengolah data menggunakan spss dan cara b....

Mengolah Data Dengan SPSSHikmah Agustin, SP.,MM

MATERI

MATERI KETERANGAN

1. Uji KuesionerCara mengatasi data yg tidak Valid

dan/atau tidak Reliabela. Uji Validitas

b. Uji Reliabilitas

2. Uji Asumsi Klasik

a. Uji NormalitasPerbedaan penggunaan uji (misal perbedaan

normalitas menggunakan grafik dan uji Glejser)b. Uji Heteroskedastisitas

c. Uji Multikolinearitas

3. Uji Hipotesis

a. Uji TCara mengolah data menggunakan SPSS dan cara

menganalisa hasil output SPSSb. Uji F

4. Koefisien Determinasi

MATERI 1

Uji Kuesioner

1. UJI VALIDITAS

Secara umum uji validitas adalah untuk melihat apakah

item pertanyaan yang dipergunakan mampu mengukur

apa yang ingin diukur.

contoh:

Besarnya gaji valid dipergunakan untuk mengukur

kekayaan seseorang; atau jumlah anak tidak valid

dipergunakan untuk mengukur kekayaan seseorang.

Artinya gaji berkorelasi dengan tingkat kekayaan

seseorang, tetapi jumlah anak tidak berkorelasi dengan

tingkat kekayaan seseorang.

Uji Validitas Product Moment Pearson

1. Korelasi Product Moment

Item butir dinyatakan valid jika mempunyai

korelasi dengan skor total

ButirNilai Correlation Sig. Status

1 0,741 0,000 Valid

2 0,6360,000

Valid

3 0,8060,000

Valid

4 0,6590,000

Valid

5 0,5390,000

Valid

6 0,626 0,000 Valid

Tabel xxx

Uji Validitas Variabel Kompensasi

Sumber : Data Primer (diolah),th..

Uji Validitas dengan Corrected Item to Total Correlation

Adalah dengan mengkoreksi nilai r hitung karena adanyaspurious overlap. Perhitungan dengan SPSS menggunakan :

Analyze --> Scale --> Reliability Analysis, pindahkanjawaban responden pada masing-masing butir (tanpa skortotal) dari kiri ke kanan --> Pilih Statistic è Klik pada Scale ifitem deleted --> OK.

Nilai yang dipergunakan pada kolom Corrected item-totalcorrelation.

Analisa hasil

Lantas, mana item-item yang lolos seleksi? Pilihlah item-itemyang mempunyai koefisien korelasi item-total dengan koreksi(corrected item-total correlation) di atas 0.30 pada kolomcorrected item-total correlation.

Mengapa 0.30?

Menurut Azwar (1999:65), pada prinsipnya adalah semakinmendekati angka 1.00 pada koefisien korelasinya, berarti itemitu makin bagus. Namun, nilai koefisien korelasi yang tinggimemang ikut meningkatkan reliabilitas skala; tetapi, tidakselalu meningkatkan validitas skala. Nilai koefisien korelasiitem-total itu menunjukkan daya beda item.

2. Reliabilitas

Uji reliabilitas adalah untuk melihat apakahrangkaian kuesioner yang dipergunakan untukmengukur suatu konstruk tidak mempunyaikecenderungan tertentu. Nilai yang lazim dipakaiadalah 0,6.

Reliabilitas statistik diperlukan untuk memastikanvaliditas dan ketepatan analisis statistik. Ia mengacupada kemampuan untuk mereproduksi hasil lagi danlagi sesuai kebutuhan. Hal ini penting karena akanmembangun tingkat kepercayaan dalam analisisstatistik dan hasil yang diperoleh.

Pertanyaan yang sering muncul

1. Bagaimana perlakuan terhadap butir pertanyaanyang tidak valid?

Jawab:

Butir yang tidak valid berarti tidak mampu mengukursuatu konstruk yang akan diukur, sehingga sebaiknyadikeluarkan dari model penelitian.

Lanjutan…

2. Butir-butir pertanyaan sudah valid semua, tetapimengapa tidak reliabel?

Jawab:

Meskipun ada kecenderungan bahwa jika semua butirsudah valid akan reliabel, akan tetapi hal tersebuttidak merupakan suatu jaminan. Upaya yang dapatdilakukan agar menjadi reliabel adalah denganmemodifikasi indikator yang dipergunakan.

Lanjutan..

3. Kuesioner sudah valid dan reliabel, tetapi mengapahipotesis tidak diterima?

Jawab:

Tidak ada hubungan antara uji validitas dan reliabilitasdengan penerimaan hipotesis. Uji validitas danreliabilitas hanya untuk melihat apakah alat ukur yangdipergunakan (kuesioner) sudah layak dipergunakanatau belum.

4. Metode pengujian mana yang paling tepat?

Jawab:

Tidak ada ketentuan yang pasti dan tergantung

dari model yang dipergunakan dalam penelitian.

MATERI 2

Uji Asumsi Klasik

Uji Asumsi Klasik

Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi padaanalisis regresi linear berganda.

Setidaknya ada lima uji asumsi klasik, yaitu :

uji multikolinearitas,

uji heteroskedastisitas,

uji normalitas,

uji autokorelasi dan

uji linearitas.

Tidak ada ketentuan yang pasti tentang urutan uji mana dulu yang harusdipenuhi. Analisis dapat dilakukan tergantung pada data yang ada. Sebagaicontoh, dilakukan analisis terhadap semua uji asumsi klasik, lalu dilihat manayang tidak memenuhi persyaratan. Kemudian dilakukan perbaikan pada ujitersebut, dan setelah memenuhi persyaratan, dilakukan pengujian pada ujiyang lain.

Tapi ada 2 uji asumsi yang sangat jarang digunakan yaitu autokorelasi (khususdata keuangan/time series) dan linieritas (byk penulis tdk menggunakan uji ini)

1. UJI NORMALITAS

Uji normalitas adalah uji yang dilakukan untuk mengecek

apakah data penelitian kita berasal dari populasi yang

sebarannya normal. Uji ini perlu dilakukan karena semua

perhitungan statistik parametrik memiliki asumsi normalitas

sebaran.

Uji normalitas digunakan untuk mengetahui apakah dalam

sebuah model regresi, variabel bebas dan variabel terikat

atau keduanya mempunyai distribusi normal atau tidak. Model

yang baik adalah mempunyai distribusi data normal atau

mendekati normal.

METODE GRAFIK

Data yang normal apabila didalam hasil analisis ditunjukkan data-

data atau grafik dimana titik berada disekitar garis vertikal atau

didekat garis. Sehingga jika data atau titik tersebut didalam garis

atau disekitar garis maka data tersebut dianggap normal.

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: Kepercayaan Guru

Observed Cum Prob

1.00.75.50.250.00

Exp

ecte

d C

um P

rob

1.00

.75

.50

.25

0.00

METODE Kolmogorov Smirnov

Uji normalitas dapat digunakan uji

Kolmogorov Smirnov (Alhusin, 2001:262),

kriterianya adalah :

Jika probabilitas > 0.05, maka distribusi data

normal

Jika probabilitas < 0.05, maka distribusi data

tidak normal

Hasilnya>>

One-Sample Kolmogorov-Smirnov Test

kompensasi kepemimpinan semangat kerja Prestasi Kerja

N47 47 47 47

Normal Parametersa Mean19.0638 25.2766 24.277 25.0426

Std. Deviation3.54722 2.64330 2.5255 1.87614

Most Extreme Differences Absolute.115 .161 .180 .179

Positive.094 .088 .139 .179

Negative-.115 -.161 -.180 -.119

Kolmogorov-Smirnov Z.786 1.104 1.233 1.226

Asymp. Sig. (2-tailed).566 .175 .096 .099

a. Test distribution is Normal.

Variabel Tingkat Signifikansi

Keterangan

Prestasi Kerja (Y2) 0,099 Valid

Semangat Kerja (Y1) 0,096 Valid

Kepemimpinan (X2) 0,175 Valid

Kompensasi (X1) 0,566 Valid

Tabel xxx

Hasil Uji Normalitas

Sumber : Data Primer Diolah

2.MULTIKOLINEARITAS

Uji multikolinearitas adalah untuk melihat adaatau tidaknya korelasi yang tinggi antaravariabel-variabel bebas dalam suatu modelregresi linear berganda.

Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antaravariabel bebas terhadap variabel terikatnyamenjadi terganggu.

Multikolinieritas

Sebagai ilustrasi, adalah model regresi denganvariabel bebasnya motivasi, kepemimpinan dankepuasan kerja dengan variabel terikatnya adalahkinerja.

Logika sederhananya adalah bahwa model tersebutuntuk mencari pengaruh antara motivasi,kepemimpinan dan kepuasan kerja terhadap kinerja.

Jadi tidak boleh ada korelasi yang tinggi antaramotivasi dengan kepemimpinan, motivasi dengankepuasan kerja atau antara kepemimpinan dengankepuasan kerja.

Alat statistik yang seringdipergunakan untuk mengujigangguan multikolinearitasadalah dengan variance inflationfactor (VIF), korelasi pearsonantara variabel-variabel bebas.

Menggunakan VIF

Kreteria yang dipakai jika VIF > 5, makavariabel tersebut mempunyai persoalanmultikolinieritas dengan variabel bebaslainnya dan jika VIF 5 berarti tidak terjadimultikolinieritas antar variabel.

Menggunakan Korelasi Pearson

Hasil

Correlations

kompensasi kepemimpinan

kompensasi Pearson Correlation1 .244

Sig. (2-tailed).099

N47 47

kepemimpinan Pearson Correlation.244 1

Sig. (2-tailed).099

N47 47

3. Uji Heteroskedastisitas

Uji heterokesdastisitas adalah untuk melihat apakah

terdapat ketidaksamaan varians dari residual satu

ke pengamatan ke pengamatan yang lain.

Model regresi yang memenuhi persyaratan adalah

di mana terdapat kesamaan varians dari residual

satu pengamatan ke pengamatan yang lain tetap

atau disebut homokesdastisitas.

Metode scatter plot

Deteksi heteroskedastisitas dapat dilakukan denganmetode scatter plot dengan memplotkan nilai ZPRED(nilai prediksi) dengan SRESID (nilai residualnya).

Model yang baik didapatkan jika tidak terdapat polatertentu pada grafik, seperti mengumpul di tengah,menyempit kemudian melebar atau sebaliknya melebarkemudian menyempit.

Uji statistik yang dapat digunakan adalah uji Glejser

Cara 1 Uji Glejser

Hasilnya…

Correlations

kompensasi

kepemimpina

n

Unstandardiz

ed Residual

Spearman's rho kompensasi Correlation

Coefficient1.000 .191 -.002

Sig. (2-tailed). .198 .992

N47 47 47

kepemimpinan Correlation

Coefficient.191 1.000 -.035

Sig. (2-tailed).198 . .817

N47 47 47

Unstandardized

Residual

Correlation

Coefficient-.002 -.035 1.000

Sig. (2-tailed).992 .817 .

N47 47 47

Variabel Nilai Korelasi Sig. Ket.

Kompensasi (X1) -,002 0,992 Bebas Hetero

Kepemimpinan (X2) -,035 0,817 Bebas Hetero

Tabel xxx

Hasil Uji Heteroskedastisitas Model Regresi I


Cara Grafik

Hasilnya..

MATERI 3

Uji Hipotesis

Hipotesis

1. Ada pengaruh secara parsial dari

kompensasi kepemimpinan dan semangat

kerja terhadap Kinerja.

2. Ada pengaruh secara simultan dari

kompensasi kepemimpinan dan semangat

kerja.

ANALISIS REGRESI

Hasilnya..

Coefficientsa

Model

UnstandardizedCoefficients

Standardized Coefficients

t Sig.B Std. Error Beta

1 (Constant)5.013 2.459 2.039 .048

kompensasi.266 .071 .374 3.768 .000

kepemimpinan.561 .095 .587 5.918 .000

a. Dependent Variable: semangat kerja

Persamaan Regresi

Y = A + bXi

Y = 5,013 + 0,266X1 + 0,561X2 Berdasarkan persamaan tersebut, maka dapat dijabarkan sebagai berikut:

Konstanta = 5,013 yang menunjukkan bahwa tanpa adanya perubahan terhadap

kompensasi dan kepemimpinan, maka semangat kerja tetap sebesar 5,013.

Kompensasi (X1) = 0,266, ini menunjukkan bahwa kompensasi mempunyai

pengaruh yang positif terhadap semangat kerja. Jika nilai kompensasi naik 1

point sementara variabel lain tetap, maka semangat kerja akan naik sebesar

0,266.

Kepemimpinan (X2) = 0,561, ini menunjukkan bahwa kepemimpinan mempunyai

pengaruh yang positif terhadap semangat kerja. Jika nilai kepemimpinan naik 1

point sementara variabel lain tetap, maka semangat kerja akan naik sebesar

0,561.

Koefisien Determinasi

Model Summaryb

Model R R Square Adjusted R SquareStd. Error of the

Estimate

1 .770a .592 .574 1.6491

a. Predictors: (Constant), kepemimpinan, kompensasi

b. Dependent Variable: semangat kerja

R = Korelasi Ganda

R Square = Koefisien Determinasi

Artinya..

R Square : 0,592

Dari analisis diperoleh nilai koefisien determinasi

(R2) sebesar 0,592 atau 59,2%. Ini menunjukkan

bahwa kompensasi dan kepemimpinan dapat

menjelaskan pengaruhnya terhadap semangat

kerja sebesar 59,2%. Sedangkan sisanya sebesar

40,8% dipengaruhi variabel lainnya.

Uji F / Uji Simultan/Uji anova

ANOVAb

ModelSum of

Squares df Mean Square F Sig.

1 Regression 173.741 2 86.871 31.942 .000a

Residual 119.663 44 2.720

Total 293.404 46

a. Predictors: (Constant), kepemimpinan, kompensasi

b. Dependent Variable: semangat kerja

F = 31,942 Sig = 0,000

Dengan nilai uji F sebesar 31,942 dengan tingkatsignifikan 0,000 menunjukkan bahwa kompensasi (X1)dan kepemimpinan (X2) secara bersama-samaberpengaruh signifikan terhadap semangat kerja

Uji T / Uji parsial /Uji Sendiri-sendiri

Coefficientsa

Model

Unstandardized CoefficientsStandardized Coefficients


1 (Constant) 5.013 2.459 2.039 .048

kompensasi .266 .071 .374 3.768 .000

kepemimpinan .561 .095 .587 5.918 .000


Analisis Uji T

Dari hasil analisis di atas diketahui bahwa variabel kompensasi

(X1) mempunyai nilai t sebesar 3,768 dengan tingkat signifikan

0,000. Hasil ini menyatakan bahwa kompensasi (X1) mempunyai

pengaruh yang signifikan terhadap semangat kerja (Y).

Dari hasil analisis di atas diketahui bahwa variabel

kepemimpinan (X2) mempunyai nilai t sebesar 5,918 dengan

tingkat signifikan 0,000. Hasil ini menyatakan bahwa

kepemimpinan (X2) mempunyai pengaruh yang signifikan

terhadap semangat kerja (Y).

Uji Dominan/STEPWISE

Hasilnya ..

Coefficientsa

Model




1 (Constant)7.887 2.658 2.967 .005

kepemimpinan

.648 .105 .679 6.198 .000

2 (Constant)5.013 2.459 2.039 .048

kepemimpinan

.561 .095 .587 5.918 .000

kompensasi.266 .071 .374 3.768 .000



Coefficientsa

Model




1 (Constant)5.013 2.459 2.039 .048

kompensasi.266 .071 .374 3.768 .000

kepemimpinan.561 .095 .587 5.918 .000


Dari hasil olah data pada Standardized Coefficients

pada nilai Beta diperoleh nilai terbesar pada

variabel kepemimpinan yaitu 0,587, sehingga

dapat disimpulkan bahwa kepemimpinan adalah

variabel yang dominan mempengaruhi semangat

kerja (Y).

ANALISIS DESKRIPTIF

Deskriptif Variabel Kompensasi

Variabel kompensasi mempunyai 6 butir pernyataan,dengan demikian skor total maksimum adalah 30 dantotal skor minimum adalah 6. Sehingga diperolehinterval sebagai berikut :

Interval = (Skor tertinggi – Skor terendah) / JumlahKatagori

= (30 – 6) / 5

= 4,8

(Sri Mulyono, 1991:9)

Skor Kategori Jumlah Porsentase

6 - 10,8 Sangat Tidak Sesuai 0 0

>10,8 – 15,6 Tidak Sesuai 8 17

>15,6 – 20,4 Biasa Saja 21 45

>20,4 – 25,2 Sudah Sesuai 17 36

> 25,2 - 30 Sangat Sesuai 1 2

Jumlah 47 100

Tabel xxx

Hasil Penilaian Variabel Kompensasi (X1)


Dari hasil analisis di atas diketahui kategori terbesar adalah

biasa saja yaitu sebanyak 21 responden atau 45%, kategori

sudah sesuai 17 responden atau 36%, kategori tidak sesuai

ada 8 responden atau 17% dan kategori sangat sesuai ada 1

responden atau 2%.

Dari hasil ini menunjukkan bahwa kompensasi yang diberikan

dipersepsikan oleh sebagian besar responden dalam kategori

biasa saja dan sudah sesuai. Karena tidak adanya dominasi

yang terbesar dari kategori jadi dapat dikatakan bahwa dari

segi kesesuaian besarnya kompensai dengan besarnya

tanggungjawab, kesesuaian dengan prestasi, kesesuaian masa

kerja, kesesuaian kebutuhan hidup sehari-hari dan ada

kenaikan yang berkala dianggap oleh masing-masing

responden beragam.

Latihan ….

Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 9.561 1.756 5.445 .000

kompensasi -.068 .055 -.128 -1.217 .230

kepemimpinan .379 .087 .534 4.370 .000

semangat kerja .296 .103 .398 2.874 .006

a. Dependent Variable: kinerja

Terima Kasih

mengolah data dengan spss · 2017. 1. 8. · uji t cara mengolah data menggunakan spss dan cara b....

Documents