Analisis Data Kuantitatif

Oleh:Dr. Tony Wijaya.,SE.,MM dan Dr. Santi Budiman.,SE.,MM@Penerbit POHON CAHAYA (Anggota IKAPI)Jl. S.O.1 maret (Jl. Bantul). No 55-57Yogyakarta 55142Website: www.pohoncahaya.com

Cetakan Pertama : Desember 2017Desain Cover : Sigit SupradahLayout : fx16Vi+186 hlm; 17x25 cmISBN: 978-602-5474-36-1

Hak cipta dilindungi Undang-UndangDilarang mengutip dan mempublikasikanSebagian atau seluruh isi buku tanpa izin dari Penerbit

Dicetak oleh:Percetakan Pohon Cahaya

KATA PENGANTAR

Puji syukur penulis ucapkan kepada Tuhan Yang Maha Esa atas selesainya buku ini. Statistikmerupakan alat yang digunakan dalam analisis data kuantitatif. Di dalam riset-riset kuantitatif,statistik menjadi komponen yang essensial untuk mendukung kaidah-kaidah ilmiah atausebagai alat pembuktian dan alat bantu dalam pengambilan keputusan. Dalam penelitian yangbersifat kuantitatif, statistik hampir mutlak diperlukan terutama dalam penelitian yangberbentuk survei dan eksperimental. Metode dan analisis yang digunakan dalam statistik jugaberbeda, tergantung pada sifat data, jumlah variabel, permasalahan dan tujuan. Oleh karenaitulah, diperlukan manajemen data dan alat bantu program statistik. Statistik banyak diterapkandalam berbagai disiplin ilmu baik ilmu-ilmu pasti seperti kedokteran, maupun ilmu-ilmuseperti ekonomi dan psikologi. Statistik juga digunakan dalam pemerintahan maupun politikuntuk berbagai macam tujuan, seperti survei pendapat dari pemilih untuk kandidat tertentu. Dibidang komputasi, statistik dapat pula diterapkan dalam pengenalan pola maupun kecerdasanbuatan.Saat ini terdapat berbagai alat statistik yang tersedia gratis (free dan dapat diunduh melaluiinternet) maupun yang harus menggunakan lisensi seperti SPSS, IBM SPSS-AMOS, Eviews,SPS, Lisrel, dan sebagainya. Setiap program tergantung pada familiaritas penggunaan.Program SPSS memiliki keunggulan karena dirancang secara interface friendly.Buku ini disusun dengan memberikan pemahaman dana analisis data kuantitatif menggunakanprogram SPSS, interpretasi output disertai contoh aplikasi dalam penelitian. Buku ini tersusunjuga berkat dorongan semangat dari keluarga penulis yang telah mendorong penulis untukterus menuangkan ide dan pengetahuan yang semoga bermanfaat bagi kalangan akademismaupun praktisi. Buku ini tidak terlepas dari kekurangan-kekurangan, kritik dan saranbermanfaat bagi pengembangan buku ini.

Penulis.

DAFTAR ISI

PENGANTAR……………………………………………………………………………................... iiiDAFTAR ISI……………………………………………………………………………................... ivBAB I PENDAHULUAN…………………………………………………………………………......... 1

Tipe Skala Pengukuran …………………………………………………………………… 2Variabel…………………………………………………………………………………………. 4Variabel Bebas dan Terikat (Independent & Dependent Variable) …… 4Istilah-istilah Statistik ………………………………………………………………………. 4Analisis Statistik………………………………………………………………………………. 5

Statistik……………………………………………………………………… 6BAB 2 PENGENALAN PROGRAM ANALISIS…………………………………………………… 7

Mengaktifkan IBM SPSS…………………………………………………………………… 7Menu Utama IBM SPSS …………………………………………………………………… 9Layar Kerja IBM SPSS ……………………………………………………………………… 10

BAB 3 MENGELOLA FILE …………………………………………………………………………..… 17Membuat File Baru ……………………………………………………………………….. 23Mendefinisikan Variabel ………………………………………………………………… 25Menyimpan Data ……………………………………………………………………….… 28Menghapus Data…………………………………………………………………………… 28 Menghapus Isi Suatu Sel Tertentu………………………………………… 28 Menghapus Isi Sel pada kolom (Variabel) ………………………………… 28 Menghapus Isi Sel dalam Satu Baris (Variabel) ………………….. 28Meng-copy Data …………………………………………………………………………. 28 Meng-copy Isi Suatu Sel Tertentu…………………………………………… 28 Meng-copy Isi Sel dalam satu kolom (Variabel) ……………………… 28 Meng-copy Case …………………………………………………………………… 29Menyisipkan Data ………………………………………………………………………. 29 Menyisipkan Variabel …………………………………………………………… 29 Menyisipkan Case…………………………………………………………………… 29Pengurutan (Sort Cases) …………………………………………………………………… 29

BAB 4 TRANSFORMASI DATA………………………………………………………………………… 31Compute Variable………………………………………………………………………….. 31 Calculator Pad………………………………………………………………………… 31 Fungsi If……………………………………………………………………………….. 32

BAB 5 ANALISIS DESKRIPTIF …………………………………………………………………………. 37Frequencies …………………………………………………………………………………… 38Descriptive…………………………………………………………………………………..… 42Explore ………………………………………………………………………………………..… 44Crosstabs………………………………………………………………………………………. 48

BAB 6 DIAGRAM KARTESIUS…………………………………………………………………… 51Diagram Kartesius………………………………………………………………………..… 51Output Diagram Kartesius………………………………………………………………… 59

BAB 7 ANALISIS COMPARE MEAN ……………………………………………………………… 61One-Sample T-test………………………………………………………………………. 61

Independent Sample T-test……………………………………………………………… 63Paired Sample T-test………………………………………………………………………. 66Anova…………………………………………………………………………………………… 69Two Way Anova………………………………………………………………………….… 73

BAB 8 ANALISIS KORELASI …………………………………………………………………….……… 79Bivariate Correlation ……………………………………………………………………… 80 Test of Significant…………………………………………………………………… 80Partial Correlation ………………………………………………………………………… 84

BAB 9 ANALISIS REGRESI………………………………………………………………………….… 87Regresi Linier Sederhana …………………………………………………………………… 88Regresi Linier Berganda…………………………………………………………………… 93Chow Test……………………………………………………………………………………… 95

BAB 10 UJI VALIDITAS & RELIABILITAS …………………………………………………………… 101Uji Validitas……………………………………………………………………………………. 101Uji Reliabilitas ………………………………………………………………………………….. 107

BAB 11 UJI ASUMSI …………………………………………………………………………………….. 111Uji Multikolinieritas ………………………………………………………………..……… 111Uji Autokorelasi………………………………………………………………………………… 113Uji Durbin-Watson………………………………………………………………………..…… 113UJi Heterokedastisitas …………………………………………………………….………… 115Uji Normalitas……………………………………………………………………………….… 117Uji Linieritas……………………………………………………………………………………… 124

BAB 12 ANALISIS VARIABEL MODERASI DAN MEDIASI …………………………………… 127Variabel Moderasi (Moderating Variable) ………………………………………… 127Uji Interaksi ………………………………………………………………………………….… 129Uji Nilai Selisih Mutlak …………………………………………………………………… 132Variabel Mediasi (Intervening Variable) ……………………………………………… 135

BAB 13 STATISTIK NONPARAMETRIK……………………………………………………………… 143Uji untuk Satu Sampel ……………………………………………………………….……… 144 Uji Binomial ……………………………………………………………………………..… 144Run Test……………………………………………………………………………………….…… 145Uji Chi-square …………………………………………………………………………………… 147Uji Data 2 Sampel Berhubungan (Dependent) …………………………………… 149 Uji Peringkat- Bertanda Wilcoxon………………………………………………… 149Uji Data 2 Sampel Tidak Berhubungan (Independent) …………………………… 151 Uji Mann- Whitney (Contoh Kasus) ………………………………………………… 151

BAB 14 DIRECT MARKETING: RFM ANALYSIS…………………………………………………… 155

CONTOH PENELITIAN ………………………………………………………………………..………… 165REFERENSI

BAB 1 PENDAHULUAN

Awalnya_statistika_mulai_dikenal_dalam_bidang-bidang_dalam matematika, terutamakonsep probabilitas. Cabang statistika yang saat ini banyak digunakan untuk mendukungmetode ilmiah, dan statistika inferensial dikembangkan pada paruh abad ke-19 dan awal abadke-20 oleh Ronald Fisher (peletak dasar statistika inferensial), Karl Pearson (metode regresilinear), dan William Sealey Gosset (meneliti problem sampel berukuran kecil). Penggunaanstatistik pada masa ini telah menjangkau semua bidang ilmu pengetahuan, mulai dari ilmu pastiseperti astronomi hingga linguistik. Metodologi kajian bidang ekonomi, biologi, dan cabang-cabang terapannya, serta psikologi, banyak dipengaruhi oleh statistika. Perpaduan dariberbagai ilmu seperti statistika dan matematika menghasilkan ilmu-ilmu paduan sepertiekonometrika, biometrika (atau biostatistika), dan psikometrika.

Penggunaan istilah statistika berakar dari istilah-istilah dalam bahasa Latin modernstatisticum collegium (‘dewan negara’) dan bahasa Italia statista (‘negarawan’ atau‘politikus’). Akan tetapi, statistika banyak diterapkan dalam berbagai disiplin ilmu, baik ilmu-ilmu alam (misalnya astronomi dan biologi), ilmu-ilmu sosial (termasuk sosiologi danpsikologi), maupun di bidang bisnis (ekonomi dan industri). Statistika juga digunakan dalampemerintahan untuk berbagai macam tujuan; seperti sensus penduduk, dalam bidang politikseperti pooling pendapat atau kandidat yang diusung partai politik tertentu. Aplikasi statistikalainnya yang sekarang populer adalah prosedur jajak pendapat atau polling (misalnyadilakukan sebelum pemilihan umum), serta jajak cepat (perhitungan cepat hasil pemilu) atauquick count. Di bidang komputasi, statistika dapat pula diterapkan dalam pengenalan polamaupun kecerdasan buatan

Statistik merupakan bagian terpenting dalam metode penelitian. Penelitian yangbersifat kuantitatif membutuhkan statistik sebagai alat bantu dalam analisis data. Statistikberfungsi sebagai deskriptif maupun alat pembukti hipotesis atau yang sering disebut sebagaiverifikator baik pada penelitian yang bersifat asosiasi (hubungan) maupun perbedaan.Fenomena statistik dalam penelitian sosial didominasi dengan sifat asosiasi (hubungan) dandiikuti dengan perbedaan.

Statistik memproses angka dan menghasilkan output yang juga berupa angka.

INPUT PROSES OUTPUT(Angka) Kalkulasi (Angka)

Dalam statistik, segala bentuk fenomena yang akan dianalisis diangkakan terlebih dahulu(diwakili oleh angka, baik yang bernilai mutlak atau tidak), sehingga penelitian yangmenggunakan statistik membutuhkan skala pengukuran.

TIPE SKALA PENGUKURAN

Ada empat tipe skala pengukuran dalam penelitian, yaitu nominal, ordinal, interval, dan rasio.Skala tersebut dikelompokkan sebagai data kuantitatif (interval-rasio) dan kualitatif (nominal-ordinal).1. Skala nominal: skala pengukuran yang menyatakan kategori kelompok atau klasifikasi dari

construct yang diukur dalam bentuk variabel. Skala nominal hanya berperan sebagaisimbol. Skala nominal tidak dapat dikuantitatifkan secara langsung atau memiliki nilai,tetapi hanya sebagai kategori saja. Skala pengukuran nominal digunakan untukmengklasifikasi objek, individual, atau kelompok; sebagai contoh mengklasifikasi jeniskelamin, yaitu pria=0 wanita=1, agama, pekerjaan, area geografis, dan sebagainya. Sebagaicontoh, tidak berarti pria + wanita = 0 + 1 = 1 atau 0+1 = pria+wanita (hal yang keliru).

2. Skala ordinal: skala pengukuran yang tidak hanya menyatakan kategori, tetapi jugamenyatakan peringkat construct yang diukur. Skala pengukuran ordinal memberikaninformasi tentang jumlah relatif karakteristik berbeda yang dimiliki oleh objek atauindividu tertentu. Tingkat pengukuran ini mempunyai informasi skala nominal ditambahdengan memberikan informasi apakah suatu objek memiliki karakteristik yang lebih ataukurang tetapi bukan berapa banyak kekurangan dan kelebihannya.

Contoh:Jawaban pertanyaan berupa peringkat misalnya: sangat tidak setuju, tidak setuju, netral,setuju, dan sangat setuju dapat diberi simbol angka 1, 2, 3, 4, dan 5. Angka-angka ini hanyamerupakan simbol peringkat, tidak mengekspresikan jumlah dan tidak harus berurut. SkalaLikert merupakan jenis skala ordinal, meskipun demikian Skala Likert dalam beberapapenelitian juga disamakan sebagai data interval (mewakili jarak penilaian individu terhadapsuatu objek). Masalah ini masih sering diperdebatkan oleh beberapa ahli. Berdasarkan ilmupengukuran, skala Likert dikategorikan sebagai skala ordinal sehingga beberapa ahlimenyarankan perlunya konversi data-data skala sikap yang bersifat ordinal ke intervalmelalui Method of Successive Interval/MSI. Pendapat ini juga disanggah oleh beberapapendapat ahli yang membuktikan bahwa data awal dan data yang telah diubah/dikonversimemiliki hasil yang sama dalam berbagai uji statistik.

3. Skala interval: merupakan skala pengukuran yang menyatakan kategori, peringkat, danjarak construct. Skala interval mempunyai karakteristik seperti skala nominal dan ordinaldengan ditambah karakteristik lain, yaitu berupa adanya interval (jarak) yang tetap. Dengandemikian, peneliti dapat melihat besarnya perbedaan karakteristik antara satu individu atauobjek dengan lainnya. Skala pengukuran interval merupakan angka. Angka-angka yangdigunakan dapat dipergunakan untuk operasi aritmatika, misalnya dijumlahkan ataudikalikan. Untuk melakukan analisis, skala pengukuran ini menggunakan statistikparametrik.

Contoh:

Jawaban pertanyaan menyangkut frekuensi dalam pertanyaan, misalnya: Berapa kali Andamelakukan kunjungan ke luar negeri dalam satu bulan? Jawaban: 1 kali, 3 kali, dan 5 kali.Maka angka-angka 1,3, dan 5 merupakan angka sebenarnya dengan menggunakan interval.

4. Skala rasio: merupakan skala perbandingan yang menunjukkan kategori, peringkat, jarak,dan perbandingan construct yang diukur.Ada empat tipe skala pengukuran dalam penelitian, yaitu nominal, ordinal, interval, danrasio. Skala pengukuran rasio mempunyai semua karakteristik yang dipunyai oleh skalanominal, ordinal, dan interval dengan kelebihan skala ini mempunyai nilai 0 (nol) empirisabsolut. Nilai absolut nol tersebut terjadi pada saat ketidakhadirannya suatu karakteristikyang sedang diukur. Pengukuran rasio biasanya dalam bentuk perbandingan antara satuindividu atau objek tertentu dengan objek lainnya.

Contoh:Kecepatan kendaraan bermotor yaitu 120 km/jam. Data ini menunjukkan rasio jaraktempuh dengan waktu.Cheetah memiliki kecepatan lari 2 kali lebih cepat daripada rusa

Data Penelitian1. Kuantitatif menunjukkan jumlah atau banyaknya suatu unit2. Kualitatif merupakan data yang dikategorikan tetapi tidak dapat dikuantitatifkan atau

dioperasikan dalam berbagai hitungan

VARIABELMenurut Kerlinger (2006), variabel adalah simbol atau lambang yang melekat pada

bilangan atau nilai. Nilai dapat bersifat dikotomi dan politomi. Dikotomi misalnya variabeljenis kelamin yaitu pria-wanita yang diberi simbol 0-1. Politomi misalnya anutan agama yaituKristen, Islam, Hindu, dan sebagainya.

Di dalam proses aplikasi SPSS, data-data selalu dikelompokkan ke dalam kelompokvariabel-variabel yang sangat menentukan dalam proses penarikan kesimpulan (inferensi) hasiluji statistik. Kolom-kolom pada layar SPSS terbagi dalam kolom-kolom variabel.

VARIABEL BEBAS DAN TERIKAT(Independent & Dependent Variable)

Dalam aplikasi statistik praktis pada SPSS, nantinya akan banyak digunakan istilahvariabel bebas dan terikat (tergantung).Yang dimaksud dengan variabel bebas (independent variable) yakni suatu variabel yangfungsinya menerangkan (memengaruhi) variabel lainnya. Variabel ini dalam notasinyaseringkali diberi notasi X (bisa X1, X2, X3, dan seterusnya).

Sedangkan variabel terikat (dependent variable) ialah suatu variabel yang dikenaipengaruh (diterangkan) oleh variabel lain. Variabel ini dalam notasinya sering ditulis denganY.Demikianlah selintas konsep-konsep dasar statistik yang nantinya banyak terkait denganaplikasi uji statistik melalui SPSS.

ISTILAH-ISTILAH STATISTIK

Ada beberapa istilah yang berkaitan erat dengan cara pengambilan data penelitian, diantaranyayaitu:

1. Populasi: populasi didefinisikan sebagai totalitas unit analisis yang sedang diteliti ataukeseluruhan unit analisis;

2. Sampel: merupakan bagian dari populasi atau bagian yang dipilih secara sengaja atautidak, dan dianggap mewakili populasi dan memiliki karakteristik yang sama denganpopulasi;

3. Subjek: unit dari sampel;4. Construct (konstruk) disamakan dengan faktor yang akan diukur atau dianalisis;5. Kerangka Sampling: kerangka sampling merupakan representasi fisik objek, individu,

atau kelompok yang penting bagi pengembangan sampel akhir yang dipelajari, danmerupakan daftar sesungguhnya unit-unit sampling pada berbagai tahap dalamprosedur seleksi;

6. Parameter dan Statistik: parameter berkaitan dengan gambaran singkat suatu variabelyang dipilih dalam suatu populasi, sedang statistik adalah gambaran singkat darivariabel yang dipilih dalam sampel. Statistik merupakan ukuran yang digunakan untukmenggambarkan suatu populasi, contohnya: frekuensi, koefisien korelasi populasi,varians;

7. Kesalahan pengambilan sampel: kesalahan pengambilan sampel berkaitan dengankesalahan prosedur dalam mengambil sampel dan ketidaktepatan dalam hubungannyadengan penggunaan statistik dalam mengestimasi parameter. Dalam penelitian sosial,nilai yang ditoleransi berkisar dari 1%-15% tergantung kebijakan peneliti, karenaesensinya pada keakuratan hasil penelitian;

8. Efisiensi Statistik dan Efisiensi Sampel: efisiensi statistik merupakan ukuran dalammembandingkan antara desain-desain sampel berukuran sama untuk menentukandesain mana yang dapat menghasilkan tingkat kesalahan standar estimasi yang lebihkecil. Efisiensi sampel menunjuk pada suatu karakteristik dalam pengambilan sampelyang menekankan adanya ketepatan tinggi dan biaya rendah per unit untukmendapatkan setiap unit presisi yang tetap;

9. Perencanaan Sampling: perencanaan sampling adalah spesifikasi formal metode danprosedur yang akan digunakan untuk mengidentifikasi sampel yang dipilih, untuktujuan studi. Perencanaan sampling bertujuan mengidentifikasi sampel sebaik-baiknyaagar sampel benar-benar mampu mewakili populasi dengan tingkat toleransi kesalahantertentu.

Analisis StatistikAnalisis statistik merupakan suatu aktivitas yang dilakukan untuk mengolah data penelitiandengan menggunakan metode statistik untuk menghasilkan suatu informasi yang berguna daninterpretasi hasil (output) yang digunakan sebagai bahan pertimbangan dalam pengambilankeputusan.

StatistikStatistik diklasifikasikan menjadi dua bidang yaitu:1. Statistik Deskriptif

Statistik deskriptif merupakan proses transformasi data penelitian dalam bentuk tabulasisehingga mudah dipahami dan diinterpretasikan. Deskriptif sifatnya menggambarkan ataumendeskripsikan suatu kondisi. Statistik deskriptif berfungsi mempelajari tata carapengumpulan, pencatatan, penyusunan, dan penyajian data penelitian dalam bentuk tabelfrekuensi atau grafik, dan selanjutnya dilakukan pengukuran nilai-nilai statistiknya sepertimean/rerata.

2. Statistik Induktif atau Statistik InferensialIlmu pengetahuan statistik yang bertugas mempelajari tata cara penarikan kesimpulanmengenai keseluruhan populasi berdasarkan data hasil penelitian pada sampel (bagian daripopulasi).Berdasarkan asumsi yang mendasarinya, statistik induktif dibedakan menjadi dua yaitu:a. Statistik Parametrik. Pendugaan dan uji hipotesis dari parameter populasi didasarkan

anggapan bahwa skor-skor yang dianalisis telah ditarik dari suatu populasi dengandistribusi tertentu. Skala pengukuran yang digunakan adalah skala interval ataupunratio, serta harus berdistribusi normal.

b. Statistik Nonparametrik. Pendugaan dan uji hipotesis dari parameter populasididasarkan anggapan bahwa skor-skor yang dianalisis telah ditarik dari suatu populasidengan bebas sebaran (tidak mengikuti distribusi tertentu). Skala pengukuran yangdigunakan adalah nominal dan ordinal, serta tidak harus berdistribusi normal.

BAB 2 PENGENALANPROGRAM ANALISIS

SPSS mulai dikembangkan pada tahun 1960 sebagai salah satu perangkat lunak untukalat bantu penghitungan secara statistik oleh Norman H. Nie, C. Hadlay serta Date Bent dariStanford University. Kemudian, pada tahun 1984 dikenalkan SPSS/PC+ untuk PersonalComputer (PC). Versi window baru di-release pada tahun 1992 sampai sekarang. SPSSmengalami perkembangan dari versi 6.0 hingga versi terbaru sampai saat ini SPSS versi 20.0yang baru beredar di Indonesia milik IBM, dan kemungkinan akan terus berkembang dalamversi-versi berikutnya. Pada dasarnya pengoperasian SPSS memiliki kesamaan dalam berbagaiversi, perbedaan hanya pada fasilitas tambahan yang ditawarkan. Banyak program statistikyang ditawarkan baik secara gratis (free) ataupun harus membayar yang berlisensi. SPSSdirancang secara user friendly sehingga mudah digunakan dibandingkan software-softwarelainnya yang kebanyakan menggunakan bahasa program.BEDA VERSI IBM SPSSDalam versi IBM SPSS baru dapat dilihat hasil analisis secara geografis dengan templatepeta (maps) yang tersedia melalui Chooser Template Graphboard. IBM SPSS (dalam contohini menggunakan versi 20) menambahkan kemampuan dimensi geografis dalam analisis danpelaporan yang menyajikan informasi penting dalam format yang mudah dipahami danmemungkinkan para pengambil keputusan bisnis untuk lebih mudah dalam menentukan target,perkiraan, dan rencana berdasarkan wilayah geografis. IBM SPSS juga dilengkapi denganMap Conversion Utility dalam menu Utilities untuk mengkonversi file ESRI untuk analisispemetaan. IBM SPSS juga memiliki kelebihan lain yaitu lebih cepat membuat/mengubahtabel pivot dengan didukung oleh daya proses yang lebih cepat dari versi sebelumnya.

Fungsi pemetaan dengan Graphs IBM SPSS

Ada beberapa perbedaan lain dalam tipe windows in IBM® SPSS® Statistics (dengan tipe nonIBM sebelumnya) yaitu:Data Editor. Data Editor menampilkan isi dari file data. Dengan fasilitas ini dapat membuatfile data baru atau memodifikasi file data yang ada.Viewer. Semua hasil statistik, tabel, dan grafik ditampilkan dalam Viewer. Output dapat dieditdan disimpan untuk penggunaan berikutnya. Jendela Viewer terbuka secara otomatis saatpertama kali menjalankan prosedur mengeluarkan output.Pivot Table Editor. Output yang tampil dalam tabel pivot dapat dimodifikasi dengan berbagaicara melalui Pivot Table Editor. Melalui Pivot Table Editor dapat mengedit teks, bertukarandata dalam baris dan kolom, menambah warna, membuat tabel multidimensional, sertamenyembunyikan dan menampilkan hasil.Chart Editor. Melalui Chart Editor dapat memodifikasi grafik dan gambar beresolusi tinggidalam jendela grafik (chart windows). Selain itu, juga dapat mengubah warna, memilih tipedan ukuran huruf yang berbeda, memindahkan sumbu horizontal dan vertikal, merotasi 3-Dscatterplots, dan mengubah tipe grafik.Text Output Editor. Output teks yang tidak tampil di tabel pivot (pivot tables) dapatdimodifikasi dengan Text Output Editor. Melalui Text Output Editor dapat mengedit outputdan mengubah karakteristik huruf (jenis, gaya, warna, ukuran).Syntax Editor. Fasilitas ini memudahkan dalam memindahkan pilihan kotak dialog (dialogbox choices) dalam jendela syntax, dan mengedit perintah syntax untuk menggunakan fiturkhusus yang tidak tersedia dalam kotak dialog (dialog boxes). Selain itu, juga dapatmenyimpan perintah tersebut dalam file untuk digunakan dalam sesi lainnya.

MENGAKTIFKAN IBM SPSSCara mengaktifkan IBM SPSS dapat dilakukan dengan tahapan sebagai berikut.1. Klik menu Start2. Klik All Programs3. Klik IBM SPSS Statistics4. Klik program IBM SPSS Statistics (sesuai versi yang ter-install)5. Kemudian akan muncul tampilan:

Kotak dialog awal IBM SPSS

Kotak dialog awal IBM SPSS

Pada kotak dialog awal SPSS disediakan beberapa menu pilihan yang dapat digunakanantara lain: Run the tutorial, Type in data, Run an existing query, Create new query usingDatabase Wizard, dan Open an existing data source. Dalam keadaan default, pilihannyaadalah Open an existing data source untuk membuka data yang sudah ada, Open anothertype of file untuk membuka file dalam bentuk lain, atau mengeklik Cancel jika inginmembuat data baru. Kotak dialog ini tidak jauh berbeda dengan IBM SPSS Statistics vesisebelumnya.

MENU UTAMA SPSSMenu utama IBM SPSS Statistics (dalam hal ini SPSS ver 20) nampak pada gambar berikutini.

Menu utama IBM SPSS

Setelah tampak bagian ini, SPSS siap digunakan untuk melakukan analisis atau penginputandata baru.

Bagian-bagian dari Menu Utama SPSS

Pada bagian atas terdapat menu utama SPSS yang terdiri dari menu File, Edit, View, Data,Transform, Analyze, Direct Marketing, Graphs, Utilities, Add-ons, Window, dan Help.

Menu Bar IBM SPSS

Setiap menu terdiri dari beberapa submenu:1. Menu File

Submenu File

Menu File terdiri dari beberapa submenu, diantaranya submenu untuk membuat filebaru (New), membuka file yang sudah ada (Open, Open Database, Read Text Data,Recently Used Data, Recently Used Files), menyimpan file (Save, Save As, Save All Data),meng-copy data (Export to Database, Mark File Read Only), fungsi melakukan koneksi(Rename Dataset, Display Data File Information, Cache Data, Switch Server,Repository), mencetak (Print Preview, Print), serta submenu untuk keluar dari SPSS (Exit).2. Menu Edit

Submenu EditMenu Edit terdiri dari beberapa submenu yang berguna untuk proses editing

(menangani segala sesuatu yang berkaitan dengan memperbaiki atau mengubah data) secarateknis dan digunakan waktu input data.

3. Menu View

Submenu ViewSubmenu yang ada dalam menu View digunakan untuk mengatur toolbar

4. Menu Data

Submenu DataMenu ini terdiri dari beberapa submenu yang berfungsi untuk membuat perubahan data

SPSS secara keseluruhan untuk keperluan pengolahan data.

5. Menu Transform

Submenu TransformMenu Transform terdiri dari beberapa submenu yang berfungsi untuk membuat perubahan

variabel dengan kriteria tertentu.6. Menu Analyze

Submenu Analyze

Menu ini terdiri dari beberapa submenu yang berfungsi untuk melakukan pengolahanstatistik.

6. Direct Marketing

Menu Direct MarketingMenu ini berfungsi sebagai aplikasi pemasaran dengan berbagai teknik seperti membantuidentifikasi demografi konsumen, pembelian, segmentasi konsumen dalam berbagai cluster,dan sebagainya. Ada berbagai teknik yang disediakan dalam “choose technique” yaitu sebagaiberikut.RFM Analysis yang berfungsi mengidentifikasi pelanggan yang sudah ada dan yangberpotensi menanggapi tawaran baru (produk dan sebagainya) dari perusahaan. Teknik akandiulas tersendiri dalam buku ini.Cluster Analysis sebagai alat eksplorasi yang dirancang untuk mengungkapkanpengelompokan secara alami (atau cluster) dalam data peneliti. Sebagai contoh, dapatmengidentifikasi berbagai kelompok pelanggan berdasarkan demografi dan karakteristikberbagai pembelian lainnya.

Prospect Profiles menggunakan hasil atau percobaan dari kampanye sebelumnya dalammembuat profil deskriptif. Peneliti dapat menggunakan profil untuk menargetkan kelompoktertentu dari kontak yang ada dalam kampanye mendatangPostal Code Response Rates menggunakan hasil dari kampanye sebelumnya untukmenghitung tingkat respon jangkauan wilayah berdasarkan kode pos.Propensity to Purchase Teknik ini menggunakan hasil dari tes surat menyurat atau kampanyesebelumnya, untuk menghasilkan skor kecenderungan. Nilai tersebut menunjukkan kontakyang paling berpotensi untuk merespon stimulus (kampanye) dari perusahaan.Control Package Test Teknik ini membandingkan kampanye pemasaran untuk melihatapakah ada perbedaan yang signifikan dari efektivitas paket atau penawaran yang berbeda.

7. Menu Graphs

Submenu GraphsMenu ini terdiri dari beberapa submenu yang digunakan untuk membuat atau

menggambarkan grafik yang akan dianalisis.8. Menu Utilities

Submenu Utilities

Menu ini terdiri dari beberapa submenu yang digunakan sebagai perlengkapan dalammelakukan analisis. IBM SPSS dilengkapi dengan Map Conversion Utility yang berfungsimerancang tipe yang berbeda dari visualisasi peta seperti peta warna, dan peta dengan grafikyang mini.9. Menu Add-ons

Submenu Add-onsMenu ini terdiri dari beberapa submenu yang berfungsi untuk melakukan pengolahan

statistik dengan terhubung pada fungsi lain seperti program statistik lainnya, bantuan tutorial,dan sebagainya.9. Menu Window

Submenu Window

Menu Window berfungsi untuk mengatur window yang ditampilkan.

10. Menu Help

Submenu Help

Menu Help terdiri dari beberapa submenu yang dapat dimanfaatkan untuk membantumemberi penjelasan apabila terdapat masalah dalam pengoperasian SPSS.

LAYAR KERJA SPSS

Layar kerja SPSS dalam aplikasi buku ini menggunakan IBM SPSS. Jika Anda klik OKatau Cancel pada kotak awal dialog SPSS, maka akan muncul layar kerja untuk memasukkandata dan layar kerja untuk mendefinisikan variabel. Bentuk layar kerja tersebut dapat dilihatpada tampilan berikut ini.

1. Layar Kerja Pengisian Data

Menu Utama

Penunjuk sel(kursor aktif)

Nomor kasus

Layar Kerja IBM SPSS Statistics Data Editor

Window (tampilan layar) di atas disebut IBM SPSS Statistics Data Editor, yangselalu muncul setiap kali SPSS dibuka dan merupakan window utama pada SPSS.2. Layar Kerja Pendefinisian Variabel

Variable View Aktif

SPSS Statistics Data Editor mempunyai dua bagian, yaitu:◊ Data View : tempat untuk menginput data statistik yang akan diolah (sudah dalam

bentuk angka skala).◊ Variable View : tempat untuk menginput nama variabel statistik.

Sebelum menginput data statistik pada Data View, terlebih dulu kita masukkan variabelpada Variable View. (Klik Variable View)

Keterangan:

Variable View aktif

◊ Name: nama variabel. Penulisan nama variabel tidak dapat menggunakan spasi tetapi harussaling berhubungan dan tanda hubungan dapat menggunakan notasi ( __ ).

◊ Type: tipe dari data yang dimasukkan.

Mengoperasikan Type

Jika kotak di bawah Type diklik maka muncul kotak dialog sebagai berikut.

Kotak Dialog Variable Type

Numeric : data bersifat angkaComma : data yang sifatnya pemisah desimal dengan tanda koma misalnya 2,333…

3,444… dan lain-lainDot : data yang hampir sama dengan comma sebagai pemisah namun dengan tanda

titikDate : data yang dimasukkan berupa tanggal, dan seterusnyaDollar : data berupa mata uang DolarScientific notation : data berupa notasi ilmiah eksponen misalnya 1.24E3Custom currency : data yang telah diformat dalam bentuk mata uang lain atau nilai tukarmata kuliah selain Dolar

Klik kotak

String : data berupa nama, contoh: nama perusahaan

◊ Width : digunakan untuk mengatur lebar kolom tempat data dimasukkan.◊ Decimals : digunakan jika data ingin dimasukkan dengan keakuratan desimal. Jika tipe

data diisi string, maka otomatis tidak ada desimal. Hal ini terlihat dari tampilan desimalyang tidak aktif (warna buram).

◊ Label : keterangan dari variabel (definisi operasional variabel secara singkat). Labelyang tidak diisi tidak memengaruhi proses data.

◊ Values : digunakan jika datanya menggunakan skala nominalContoh : Gender terdiri dari dua, yaitu wanita dan pria.

Kemudian dikuantifikasikan → wanita = 1pria = 2

Cara : Klik kotak yang muncul di bawah kolom Values dan isikan data berikut.Value : 1Label : Wanita → Klik Add.

Value : 2Label : Pria → Klik Add OK.

Tampilan value jika diklik adalah sebagai berikut.

Kotak dialog Value Labels

◊ Missing: digunakan untuk menjelaskan tentang data yang hilang atau tidak ada isinya,seperti responden yang mungkin belum punya nama, maka datanya missing. Dianggapsemua responden punya nama, maka abaikan bagian ini.

◊ Columns: berfungsi untuk mengatur lebar kolom. Column hampir sama dengan Width,berfungsi menyediakan lebar kolom yang diperlukan untuk pemasukan data. Oleh karenadata string, maka batas maksimal adalah 255 digit. Untuk keseragaman, ketik 20.

◊ Align: berfungsi untuk mengatur letak pengisian data (rata kiri, rata kanan, atau di tengah).◊ Measure: Measure penting di SPSS karena menyangkut tipe variabel yang nantinya

menentukan jenis analisis yang digunakan. Untuk data string (karakter), ada dua pilihanyaitu data adalah nominal atau ordinal. Oleh karena itu, variabel string nama bersifat setaradan unik (dianggap tidak mungkin nama responden sama persis), maka klik mouse pada seltersebut, buka kotak combo, dan pilih nominal.

BAB 3 MENGELOLA DATA

Ada beberapa cara pengelolaan data dari menyusun file hingga menata data sedemikian rupasehingga memudahkan peneliti dalam mengolah data.

MEMBUAT FILE BARUFile baru dapat dibuat dengan cara mengaktifkan program SPSS yang dilakukan dengantahapan sebagai berikut.1. Klik menu Start2. Klik All Programs3. Klik IBM SPSS Statistics4. Klik program IBM SPSS (sesuai versi yang ter-install)5. Kemudian akan muncul tampilan kotak dialog IBM SPSS.

Kotak dialog IBM SPSS Statistics 20

Setelah muncul kotak dialog awal, klik Cancel.

Sebagai contoh, kita akan input data untuk kasus Komitmen dan Prestasi Kerja. Prosespengisian datanya adalah sebagai berikut.

◊ Level Pendidikan yang diukur dengan skala kategoriPendidikan SMU dikuantifikasikan dengan nilai 1Pendidikan D3 dikuantifikasikan dengan nilai 2Pendidikan S1 dikuantifikasikan dengan nilai 3

◊ Variabel Gender diukur dengan menggunakan skala kategoriWanita dikuantifikasikan dengan nilai 1

Pria dikuantifikasikan dengan nilai 2

◊ Variabel Komitmen diukur dengan 6 butir pertanyaan dengan menggunakan skala Likert1 sampai dengan 5.

Angka 1 menunjukkan komitmen yang sangat rendahAngka 2 menunjukkan komitmen yang rendahAngka 3 menunjukkan komitmen yang sedangAngka 4 menunjukkan komitmen yang tinggiAngka 5 menunjukkan komitmen yang sangat tinggi

◊ Variabel Prestasi diukur dengan 4 butir pertanyaan dengan menggunakan skala Likert 1sampai dengan 5.

Angka 1 menunjukkan prestasi yang sangat rendahAngka 2 menunjukkan prestasi yang rendahAngka 3 menunjukkan prestasi yang sedangAngka 4 menunjukkan prestasi yang tinggiAngka 5 menunjukkan prestasi yang sangat tinggi

Data Komitmen dan Prestasi Kerja dengan data 20 responden.

Tabel: Data Komitmen dan Prestasi KerjaRes Pend. Gender Komitmen Prestasi

K1 K2 K3 K4 K5 K6 K P1 P2 P3 P4 P

1 SMU Wanita 4 5 4 4 4 5 26 5 4 5 5 19

2 SMU Wanita 4 5 4 3 5 4 25 4 4 4 4 16

3 SMU Pria 4 3 3 5 4 3 22 5 3 4 4 16

4 SMU Pria 5 4 4 4 5 4 26 5 4 3 5 17

5 SMU Wanita 3 4 5 4 5 5 26 3 5 4 3 15

6 SMU Wanita 4 4 4 4 4 4 24 4 4 5 4 17

7 D3 Wanita 4 4 5 3 4 4 24 3 3 4 4 14

8 D3 Wanita 3 5 5 4 3 5 25 4 4 2 3 13

9 D3 Pria 5 3 4 4 5 3 24 4 4 4 3 15

10 D3 Wanita 5 4 3 4 5 4 25 3 4 4 4 15

11 D3 Wanita 4 4 5 4 4 4 25 3 5 4 4 16

12 D3 Pria 3 4 4 4 3 4 22 4 3 4 4 15

13 D3 Wanita 4 4 3 5 4 4 24 5 5 4 4 18

14 D3 Wanita 4 4 5 5 4 4 26 3 4 5 4 16

15 D3 Wanita 5 5 4 4 5 5 28 4 4 3 4 15

16 S1 Pria 3 5 4 3 3 5 23 5 4 5 5 19

17 S1 Pria 5 4 4 5 5 4 27 5 4 5 5 19

18 S1 Wanita 4 4 5 5 4 4 26 5 5 4 5 19

19 S1 Pria 4 5 4 5 4 5 27 5 5 5 5 20

20 S1 Pria 5 5 4 3 5 5 27 5 5 4 4 18

MENDEFINISIKAN VARIABEL

Tahapan Pemasukan Data Variabel1. Mengaktifkan tampilan Variable View

Layar kerja baru selalu dibuka jika ada pemasukan variabel yang baru. Klik Variable Viewpada sisi kiri bawah untuk mengaktifkan tampilan Variable View.

Variable View aktif2. Isikan informasi variabel seperti tampilan di bawah ini

Mengisi Data

◊ Pengisian kolom Values menggunakan tahapan sebagai berikut.

* Klik box/kotak yang ada pada kolom Values sehingga muncul tampilan Value Labels.* Isikan pada Value Labels

Value : 1Label : SMU lalu klik AddValue : 2Label : D3 lalu klik AddValue : 3Label : S1 lalu klik AddTerakhir, klik OK.

Pengisian kolom Values

Lanjutkan untuk variabel Gender dengan cara yang sama.

Setelah mengisi data dalam Value Labels, klik Menu View pada Menu Utama SPSS,kemudian klik mouse pada submenu Value Labels (terlihat Value Label aktif denganadanya tanda √ di sebelah kiri submenu tersebut). Sehingga pada kolom Pendidikan dapatkonversi angka 1, 2, 3 dalam bentuk keterangan SMU, D3, S1. Begitu pula dengan kolomGender.

Contoh Data yang Sudah Dimasukkan

MENYIMPAN DATA

Jika pendefinisian variabel dan input data selesai maka simpan data dengan nama file:Komitmen dan Prestasi. Cara penyimpanan data adalah sebagai berikut.

Klik menu File, lalu pilih Save. Setelah muncul tampilan Save isikan nama file difolder yang dikehendaki dengan nama Komitmen dan Prestasi.

MENGHAPUS DATAMenghapus Isi Suatu Sel Tertentu

◊ Kursor diarahkan pada sel yang akan dihapus◊ Klik Edit◊ Klik Cut/Clear

Menghapus Isi Sel pada Kolom (Variabel):◊ Klik pada heading kolom (nama variabel) yang isinya akan dihapus◊ Klik Edit◊ Klik Cut/Clear

Menghapus Isi Sel dalam Satu Baris:◊ Klik pada nomor cases yang isinya akan dihapus◊ Klik Edit◊ Klik Cut/Clear

MENG-COPYDATAMeng-copy Isi Suatu Sel:

◊ Pilih sel (satu/beberapa sel) yang akan di-copy◊ Klik Edit

◊ Klik Copy◊ Pindahkan pointer pada sel yang akan dituju◊ Klik Edit◊ Klik Paste

Meng-copy Isi Sel dalam Satu Kolom:◊ Pilih heading kolom (variabel) yang isinya akan di-copy◊ Klik Edit◊ Klik Copy◊ Pindahkan pointer pada heading kolom yang akan dituju◊ Klik Edit◊ Klik Paste

Meng-copy Case:◊ Pilih nomor case yang isinya akan di-copy◊ Klik Edit◊ Klik Copy◊ Pindahkan pointer pada nomor case yang akan dituju◊ Klik Edit◊ Klik Paste

MENYISIPKAN DATAMenyisipkan Variable

◊ Pindahkan pointer pada kolom yang akan disisipi◊ Klik Data◊ Klik Merge Files Add Variable

Menyisipkan Case◊ Pindahkan pointer pada baris yang akan disisipi◊ Klik Data◊ Klik Merge FilesAdd Case

PENGURUTAN (SORT CASES)Sort Cases digunakan untuk melakukan pengurutan data. Proses pengurutan data adalahsebagai berikut.

◊ Buka data Komitmen dan Prestasi◊ Klik Data, dan pilih Sort Cases, masukkan Gender ke Sort by dan pilih Sort Order

dengan mengeklik Ascending (diurutkan mulai angka terkecil ke terbesar). Tampilanadalah sebagai berikut.

Kotak Dialog Sort Cases

Gender Belum Diurutkan (kiri)Gender Telah Diurutkan (kanan)

BAB 4 TRANSFORMASI DATA

Salah satu menu utama dari SPSS adalah menu Transform (transformasi). MenuTransform pada prinsipnya berfungsi mentransformasi atau mengubah data untuk keperluan-keperluan yang khusus.

COMPUTE VARIABLECompute digunakan untuk menghitung value-value suatu variabel baru atau dari

variabel yang sudah ada pada file kerja. Proses penghitungan dapat dilakukan terhadap semuacase, juga terhadap case-case tertentu yang memenuhi fungsi logika.

* Kotak Target Variable (pada kiri atas) digunakan untuk mengisikan nama variabel target.Nama untuk variabel target bisa nama variabel baru atau nama variabel yang sudah ada.Jika diisi dengan nama variabel baru, tentu hasilnya akan merupakan variabel baru.Variabel baru tersebut, dalam keadaan default, memiliki tipe numerik dan tanpa label.Untuk mengubahnya, dapat dengan menekan tombol Type & Label. Jika diisikan namavariabel yang sudah ada ke dalam kotak target, maka SPSS hanya akan memodifikasi valuedari variabel yang dimasukkan tadi.

* Kotak Numeric Expression berguna untuk menyusun ekspresi yang akan diterapkan dalammelakukan transformasi variabel target. Ekspresi tersebut bisa berupa kombinasi Aritmatik,Konstanta, Variabel, dan fungsi-fungsi lain. Guna menyusun ekspresi tersebut, lakukanpemindahan variabel, menentukan angka dan melakukan operasi melalui Calculator Pad,mengaplikasikan fungsi-fungsi yang dibutuhkan melalui kotak listing fungsi, atau dapatpula melakukan pengetikan langsung pada kotak Numeric Expression.

CALCULATOR PADCalculator Pad berfungsi melakukan berbagai perhitungan. SPSS menyediakan secara

lengkap angka-angka operator aritmatika, operator relasi, dan juga operator logika, sepertihalnya yang terdapat pada kalkulator.

OperatorAritmatika

Operator Relasi OperatorLogika

+ penjumlahan < lebih kecil dari & dan- pengurangan > lebih besar dari | atau* perkalian <= lebih kecil/sama dengan ~ tidak/ pembagian >= lebih besar/sama dengan

** perpangkatan = sama dengan0 tingkat operasi ~= tidak sama dengan

FUNCTIONS AND SPECIAL VARIABLESFunctions and Special Variables merupakan sub dari Function group yang terdiri dari

fungsi Arithmetic, Statistical, Distribusi, Logika, Current Date/ Time, Missing Values, Cross-case, dan String. Anda tinggal memilih fungsi yang dikehendaki.

Perintah Transform Compute berguna jika akan membuat variabel baru yang adakaitannya dengan variabel lama, seperti menghitung besar pajak penghasilan dengan kriteriatertentu, persentase diskon untuk pembelian tertentu, dan sebagainya.

FUNGSI IFTombol If... digunakan untuk menentukan aturan logika tertentu, jika memang data-data padavariabel membutuhkan fungsi logika. Untuk memunculkan kotak dialog If..., maka Andayakinkan bahwa editor SPSS aktif (bisa dengan membuka file data yang ada), lalu klikTransform Compute Variable, klik tombol If....

Contoh Kasus yang akan dibahasPerusahaan akan merekrut karyawan baru dengan persyaratan tinggi di atas 150 cm.

Gender Berat (cm) Tinggi (cm)1 pria 75 1802 pria 65 1653 wanita 45 1514 wanita 42 1455 wanita 50 1486 pria 68 1677 wanita 55 1608 wanita 40 1559 pria 60 160

10 wanita 54 158

Proses olah data (Penjumlahan)1. Masukkan data pada Data View dan definisi variabel pada Variable View.2. Klik Transform, klik Compute Variable3. Pada Target Variable tulis Berat_tinggi4. Pada Function group klik All, pada Functions and Special Variables klik Sum, sehingga

muncul kotak Numeric Expression, kemudian masukkan Sum (Berat,Tinggi), sepertitampak pada layar berikut.

Proses Olah Data pada Compute Variable5. Klik OK

Hasil:

Hasil Olah Data

Proses olah data (if)1. Masukkan data pada Data View dan definisi variabel pada Variable View.2. Klik Transform, klik Compute Variable3. Pada Target Variables tulis Berat_Ideal4. Pada kotak Numeric Expression tulis Tinggi-110

Proses Olah Data If…

5. Klik If, sehingga muncul layar seperti berikut.

Kotak Dialog Compute Variable: If Cases

6. Klik Include if case satisfies condition dan tuliskan Tinggi>1507. Klik Continue OK

Hasil:

Hasil Olah Data If…

Analisis:◊ Pada responden 4 & 5 tidak muncul berat_ideal karena tidak sesuai dari persyaratan yaitu

tinggi>150.◊ Berat_ideal merupakan hasil dari tinggi-110. Pada responden 1 berat ideal 70 = 180-110.

BAB 5 STATISTIK DESKRIPTIF

Statistik Deskriptif merupakan bidang ilmu statistik yang mempelajari cara-carapengumpulan, penyusunan, dan penyajian ringkasan data penelitian. Data-data tersebut harusdiringkas dengan baik dan teratur, baik dalam bentuk tabel atau presentasi grafik, sebagai dasaruntuk berbagai pengambilan keputusan. Dalam SPSS, metode pengolahan data untuk statistikdeskriptif dapat dilakukan dengan menu Analyze-Descriptive Statistics, yang terdiri atas:

1. Frequenciesmenginformasikan Mean, Median, Kuartil, Persentil, dan Standar Deviasi. Menu inidapat digunakan untuk menampilkan dan mendeskripsikan data yang terdiri atas satuvariabel saja.

2. Descriptivemenginformasikan nilai minimum, maksimum, mean, standar deviasi, dan mengujiapakah data berdistribusi normal atau tidak. Menu ini tidak menampilkan tabulasifrekuensi, tetapi menampilkan besaran statistik yang akan dideskripsikan pada sebuahvariabel.

3. Exploremenguji lebih teliti sekelompok data untuk mengetahui apakah data berdistribusinormal atau tidak.

4. Crosstabsmenyajikan deskripsi data dalam bentuk tabel silang.

5. Ratiomenghitung rasio sesuai dengan keinginan peneliti.

6. PP-PlotMenyajikan data deskriptif dengan grafik PP-Plot.

7. QQ-PlotMenyajikan data deskriptif dengan grafik QQ-Plot.

ContohBerikut ini adalah data jenis usaha Koperasi dan UKM tentang Biaya Produksi dan

Penjualan per bulan.

No. Jenis Usaha Biaya produksi(Rp)

Penjualan(Rp)

1 Koperasi 550.000 1.250.0002 Koperasi 600.000 1.350.0003 Koperasi 500.000 1.200.0004 Koperasi 450.000 1.100.0005 Koperasi 550.000 1.405.0006 Koperasi 555.000 1.250.0007 Koperasi 505.000 1.350.0008 Koperasi 455.000 1.000.0009 Koperasi 555.000 1.250.000

10 Koperasi 500.000 1.450.00011 UKM 700.000 1.700.00012 UKM 850.000 1.750.00013 UKM 900.000 1.850.00014 UKM 800.000 1.800.00015 UKM 750.000 1.750.00016 UKM 700.000 1.800.00017 UKM 855.000 1.900.00018 UKM 950.000 1.855.00019 UKM 900.000 1.850.00020 UKM 955.000 2.000.000

Buatlah data tersebut dan simpan dengan nama Koperasi dan UKM.

FREQUENCIESProses pengolahan data adalah sebagai berikut.

1. Masukkan data kasus tersebut lalu simpan dengan nama Koperasi dan UKM.2. Klik Analyze lalu pilih Descriptive Statistics Frequencies3. Masukkan variabel Penjualan ke Variable(s)

Kotak Dialog Frequencies

4. Klik Statistics sehingga muncul kotak dialog berikut.

Kotak Dialog Frequencies: Statistics

Pada Kolom Percentile ValuesCentang Percentile, isikan 10 lalu klik Add, setelah itu isikan kembali 90 klik Add.Pada Kolom Dispersion dan DistributionKlik semua tawaran yang diberikan pada menu Dispersion dan Distribution.Pada Kolom Central TendencyCentang Mean dan MedianKemudian klik Continue.

5. Kembali pada kotak dialog Frequencies, klik Charts, lalu pilih Histograms dancentang Show normal curve on histogram, lalu klik Continue.

Kotak Dialog Frequencies: Charts

Hasil SPSS dan Analisis

FrequenciesStatistics

PenjualanN Valid 20

Missing 0Mean 1543000.00Std. Error of Mean 69454.074Median 1575000.00Std. Deviation 310608.062Variance 9.648E10Skewness -.187Std. Error of Skewness .512Kurtosis -1.485Std. Error of Kurtosis .992Range 1000000Minimum 1000000Maximum 2000000Percentiles 10 1110000.00

90 1895500.00

◊ N menunjukkan jumlah data◊ Mean adalah rata-rata penjualan yaitu 1543000 dengan standar error of mean 69454,074.◊ Median adalah titik tengah data jika semua data diurutkan dan dibagi dua sama besar.

Median 1575000 berarti bahwa penjualan di atas 1575000 ada 50%, dan di bawah 1575000ada 50%.

◊ Standar deviasi 310608,062 dan varians adalah 2 kali standar deviasi.◊ Ukuran Skewness adalah -0,187. Rasio Skewness adalah -0,187/0,512 = -0,365. Jika rasio

Skewness berada di antara -2 sampai dengan 2 maka data berdistribusi normal.◊ Ukuran kurtosis -1,485. Rasio Kurtosis adalah -1,485/0,992 = -1,497. Jika rasio kurtosis

berada di antara -2 sampai dengan 2 maka data berdistribusi normal.

◊ Range adalah selisih antara 2000000 (nilai maksimum)- 1000000 (nilai minimum) =1000000.

Penjualan

Frequency Percent Valid PercentCumulative

PercentValid 1000000 1 5.0 5.0 5.0

1100000 1 5.0 5.0 10.0

1200000 1 5.0 5.0 15.0

1250000 3 15.0 15.0 30.0

1350000 2 10.0 10.0 40.0

1405000 1 5.0 5.0 45.0

1450000 1 5.0 5.0 50.0

1700000 1 5.0 5.0 55.0

1750000 2 10.0 10.0 65.0

1800000 2 10.0 10.0 75.0

1850000 2 10.0 10.0 85.0

1855000 1 5.0 5.0 90.0

1900000 1 5.0 5.0 95.0

2000000 1 5.0 5.0 100.0

Total 20 100.0 100.0

Gambaran frekuensi penjualan. Contoh: penjualan 1250000 ada 3 atau 15%, penjualan

1750000 ada 2 atau 10%.

DESCRIPTIVEPerintah Descriptive digunakan untuk menampilkan deskripsi statistik univariat dari variabelnumerik yang didaftar.Proses pengolahan data adalah sebagai berikut.

1. Buka data Komitmen dan Prestasi.2. Klik Analyze, pilih Descriptive Statistic, lalu Descriptives.3. Masukkan variabel Pendidikan, Total komitmen, dan Total prestasi ke Variable(s).

Kotak Dialog Descriptives

4. Klik Options... sehingga muncul kotak dialog seperti berikut.

Kotak Dialog Descriptives: Options

5. Pada Descriptives: Options, pilih MeanPada Dispersion pilih Std. deviation, Minimum, Maximum, dan Variance, sepertiterlihat pada gambar di atas.

6. Klik Continue OK

Hasil SPSS dan AnalisisOutput 1

Descriptive Statistics

N Minimum Maximum Sum MeanStd.

Deviation Variance

Total Komitmen 20 22 28 502 25.10 1.651 2.726

Total Prestasi 20 13 20 332 16.60 1.957 3.832

Valid N (listwise) 20

◊ Total komitmen sebanyak 20 responden mempunyai hasil minimum 22; maksimum 28;jumlah 502; rata-rata 25,10; standar deviasi 1,651; dan variance 2,726.

◊ Total prestasi sebanyak 20 responden mempunyai hasil minimum 13; maksimum 20;jumlah 332; rata-rata 16,60; standar deviasi 1,957; dan variance 3,832.

EXPLORE

Proses pengolahan data adalah sebagai berikut.1. Buka data Koperasi dan UKM.2. Pilih menu AnalyzeDescriptive Statistic, kemudian pilih Explore. Akan muncul

kotak dialog seperti berikut.

Kotak Dialog Explore

3. Klik Statistics, pilih M-estimators dan Outliers, lalu klik Continue. Tampilan yangtampak adalah sebagai berikut.

Kotak Dialog Explore: Statistics

4. Kemudian klik Plots. Pada kolom Boxplots klik Factor levels together dan padakolom Descriptive Stem-and-leaf, diakhiri dengan klik Continue.

Kotak Dialog Explore: Plots

5. Pada bagian Displays pilih Both lalu klik OK.

Hasil SPSS dan Analisis

Jenis_UsahaCase Processing Summary

Jenis_Usaha

Cases

Valid Missing Total

N Percent N Percent N Percent

Penjualan Koperasi 10 100.0% 0 .0% 10 100.0%

UKM 10 100.0% 0 .0% 10 100.0%

Data penjualan Koperasi ada 10 dan UKM ada 10. Seluruh data dapat diproses.

DescriptivesJenis_Usaha Statistic Std. Error

Penjualan Koperasi Mean 1260500.00 43515.323

95% Confidence Interval forMean

Lower Bound 1162061.50

Upper Bound 1358938.50

5% Trimmed Mean 1264444.44

Median 1250000.00

Variance 1.894E10

Std. Deviation 137607.534

Minimum 1000000

Maximum 1450000

Range 450000

Interquartile Range 188750

Skewness -.575 .687

Kurtosis .004 1.334

UKM Mean 1825500.00 27187.109

95% Confidence Interval forMean

Lower Bound 1763998.49

Upper Bound 1887001.51

5% Trimmed Mean 1822777.78

Median 1825000.00

Variance 7.391E9

Std. Deviation 85973.187

Minimum 1700000

Maximum 2000000

Range 300000

Interquartile Range 116250

Skewness .636 .687

Kurtosis .748 1.334

◊ Rata-rata penjualan 1260500 dengan range berkisar 1162061,50 sampai dengan

1358938,50.

◊ 5% Trimmed Mean. Hasil ini diperoleh dengan cara mengurutkan data dari yang terkecil

sampai dengan yang terbesar, kemudian 5% dari data terkecil dan 5% data terbesar

dieliminasi. Tujuan eliminasi adalah untuk menghilangkan data yang

unusual/menyimpang, dari hasil ini kemudian dicari mean, dan mean-nya 126444,44.

◊ Interquartile Range. Ukuran ini menunjukkan selisih antara nilai persentil yang ke 25 dan

persentil yang ke 75. Dari output didapat 188750, yang berarti pada 50% data penjualan.

◊ Rasio Skewness = -0,575/0,687 = -0,837. Artinya data berdistribusi normal.

◊ Rasio Kurtosis = 0,004/1,334 = 0,0029. Artinya data berdistribusi normal.

Extreme Values

Jenis_Usaha Case Number Value

Penjualan Koperasi Highest 1 10 1450000

2 5 1405000

3 2 1350000

4 7 1350000

5 1 1250000a

Lowest 1 8 1000000

2 4 1100000

3 3 1200000

4 9 1250000

5 6 1250000b

UKM Highest 1 20 2000000

2 17 1900000

3 18 1855000

4 13 1850000

5 19 1850000

Lowest 1 11 1700000

2 15 1750000

3 12 1750000

4 16 1800000

5 14 1800000a. Only a partial list of cases with the value 1250000 are shown in the table ofupper extremes.

M-Estimators

Jenis_

Usaha

Huber's M-

Estimatora

Tukey's

BiweightbHampel's M-

Estimatorc

Andrews'

Waved

Penjualan Koperasi 1272243.47 1271278.95 1268866.41 1271163.76

UKM 1820408.21 1817799.20 1820121.42 1817812.50

a. The weighting constant is 1,339.

b. The weighting constant is 4,685.

c. The weighting constants are 1,700, 3,400, and 8,500

d. The weighting constant is 1,340*pi.

Extreme Values

Jenis_Usaha Case Number Value

Penjualan Koperasi Highest 1 10 1450000

2 5 1405000

3 2 1350000

4 7 1350000

5 1 1250000a

Lowest 1 8 1000000

2 4 1100000

3 3 1200000

4 9 1250000

5 6 1250000b

UKM Highest 1 20 2000000

2 17 1900000

3 18 1855000

4 13 1850000

5 19 1850000

Lowest 1 11 1700000

2 15 1750000

3 12 1750000

4 16 1800000

5 14 1800000a. Only a partial list of cases with the value 1250000 are shown in the table ofupper extremes.b. Only a partial list of cases with the value 1250000 are shown in the table oflower extremes.

Penjualan Stem-and-Leaf Plot forJenis_Usaha= Koperasi

Frequency Stem & Leaf

1,00 10 . 01,00 11 . 04,00 12 . 05552,00 13 . 552,00 14 . 05

Stem width: 100000Each leaf: 1 case(s)

Jika terdapat data di luar Persentil, disarankan data tersebut dieliminisasi ketika melakukanstatistik inferensial, karena data tersebut outlier.

CROSSTABSCrosstabs digunakan untuk menampilkan tabulasi silang yang menunjukkan suatu

distribusi bersama, deskripsi statistik, dan pengujian terhadap dua varaiabel atau lebih.Crosstabs digunakan untuk data berskala nominal (kategori).Kasus yang akan dibahasSeorang peneliti ingin mengetahui gender berdasarkan tingkat pendidikan dengan data sebagaiberikut.

Proses pengolahan data adalah sebagai berikut.1. Buka data Komitmen dan Prestasi.2. Pilih menu AnalyzeDescriptive StatisticsCrosstabs3. Pindahkan Pendidikan ke kotak Row(s) dan Jenis Kelamin ke kotak Column(s) dengan

memblok Pendidikan pada kolom kiri, lalu mengeklik simbol tanda panah di sampingkotak Row(s). Maka akan nampak seperti pada gambar berikut.

Persentile (25)

Persentile (50)Persentile (75)

Kotak Dialog Crosstabs

4. Klik OK

Hasil dan AnalisisCrosstabsOutput 1

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Pendidikan *Jenis Kelamin

20 100.0% 0 .0% 20 100.0%

Output bagian pertama menyatakan bahwa seluruh data valid untuk dilakukan proses crosstab,sehingga tidak ada data yang hilang (missing)

Output 2

Pendidikan * Jenis Kelamin CrosstabulationCount

Jenis Kelamin

Totalwanita pria

Pendidikan SMU 4 2 6

D3 7 2 9

S1 1 4 5Total 12 8 20

Ouput bagian kedua menyatakan karyawan berpendidikan sarjana SMU berjumlah 6orang, yakni wanita 4 orang dan pria 2 orang; berpendidikan D3 berjumlah 9 orang, yakniwanita 7 orang dan pria 2 orang; dan berpendidikan S1 berjumlah 5 orang, yakni wanita 1orang dan pria 4 orang.

BAB 6 DIAGRAM KARTESIUS

DIAGRAM KARTESIUSDiagram kartesius berfungsi melihat posisi atau titik pertemuan antara dua aspek yang salingmendukung, biasanya digunakan untuk melihat perbandingan antara harapan konsumendengan realita atau kenyataan yang dialami konsumen, hasil ini merupakan kesimpulan darikepuasan konsumen dalam riset bisnis.

Sebagai contoh, peneliti ingin melihat kepuasan konsumen terhadap pelayanan rumah sakit.Responden dalam penelitian ini berjumlah 10 orang dengan dimensi pertanyaan sebagaiberikut.

A. HarapanNo Pertanyaan Harapan

STS TS S SSA Peralatan medis di rumah sakit ini seharusnya lengkapB Pelayanan medis di rumah sakit ini seharusnya cepatC Ruang tunggu di rumah sakit ini seharusnya nyamanD Biaya berobat di rumah sakit ini seharusnya terjangkau

B. RealitaNo Pertanyaan Kenyataan

STS TS S SSA Peralatan medis di rumah sakit ini lengkapB Pelayanan medis di rumah sakit ini cepatC Ruang tunggu di rumah sakit ini nyamanD Biaya berobat di rumah sakit ini terjangkau

Hasil jawaban responden kemudian ditabulasi sebagai berikut.

No Harapan KenyataanA B C D A B C D

1 2 3 3 3 3 3 3 42 4 3 4 4 2 2 3 43 3 2 3 4 2 3 2 44 3 3 3 3 1 4 3 45 2 3 2 2 3 4 3 46 4 3 2 2 2 3 3 37 4 3 4 3 2 3 3 48 4 2 4 3 2 3 3 49 4 2 4 4 2 3 3 410 3 3 4 4 2 2 3 4Rerata 3.3 2.7 3.3 3.2 2.1 3 2.9 3.9

Proses pengolahan data adalah sebagai berikut.1. Buatlah data hasil jawaban responden dan disimpan dengan nama Kartesius.

Data Hasil Jawaban Responden

2. Pilih menu Graph Legacy Dialogs Scatter/Dot, pilih Simple Scatter Define.

Memilih Scatter Dot

Kotak Dialog Scatter/Dot

3. Pindahkan variabel Harapan ke kotak Y Axis dan Kenyataan ke kotak X Axis, kemudianDimensi kepuasan ke kotak Label Cases By, dan klik OK, seperti di tampak di layarsebagai berikut.

Kotak Dialog Simple Scatterplot

4. Output dari grafik diklik 2X sehingga muncul Chart Editor.

Kotak Dialog Chart Editor5. Pada Chart Editor, klik menu Option, klik X Axis Reference Line sehingga muncul

Properties. Klik Reference Line, isikan Mean pada kotak Set to, klik Apply dan Close.Pada bagian chart editor akan tampil garis vertikal sebagai berikut.

Kotak Dialog Properties

Kotak Dialog Chart Editor6. Langkah yang sama pada Chart Editor, klik menu Option, klik Y Axis Reference

Line sehingga muncul Properties. Klik Reference Line, isikan Mean pada kotak Setto, klik Apply dan Close.

Kotak Dialog Properties

Pada bagian chart editor akan tampil garis vertikal sebagai berikut.

Kotak Dialog Chart Editor

7. Pada Chart Editor klik salah satu titik yang ada dalam grafik, kemudian klik menuElements, dan pilih Show Data Labels.

Kotak Dialog Chart Editor

Klik

Memilih Show Data Labels

Output Diagram Kartesius

Kuadran 1 menunjukkan peralatan medis dan ruang tunggu yang memiliki harapan yangtinggi dari konsumen namun dalam kenyataannya rendah atau tidak sesuai harapan konsumensehingga perlu mendapat perhatian pengelola rumah sakit dalam meningkatkan kepuasankonsumen

Kuadran 2 menunjukkan biaya berobat yang memiliki harapan yang sesuai kenyataansehingga dimensi ini perlu dipertahankan oleh pengelola rumah sakit dalam melayanikonsumenKuadran 3 kosong yang berarti tidak ada dimensi yang diharapkan rendah serta kenyataannyajuga rendahKuadran 4 menunjukkan pelayanan medis yang memiliki harapan rendah atau kurang pentingbagi konsumen namun pada kenyataan dimensi tinggi sehingga sangat memuaskan konsumen.

BAB 7 ANALISIS COMPARE MEAN

Compare Mean merupakan analisis yang digunakan untuk membandingkan rata-rata duapopulasi atau lebih. Penggunaan analisis ini bertujuan menguji perbedaan berdasarkan kategorisubjek maupun dampak dari suatu perlakuan.

ONE-SAMPLE T TESTOne-Sample T Test digunakan untuk membandingkan mean sample yang diuji dengan

rata-rata yang sudah ada (standar). Misalnya: seorang peneliti ingin mengetahui apakahterdapat perbedaan penjualan pada UKM yang baru berdiri dengan rerata penjualan padaindustri yang sama.

Kasus yang akan dibahasIngin diketahui apakah ada perbedaan mean penjualan UKM yang baru berdiri dengan denganrerata penjualan pada industri yang sama.

Langkah Pengolahan1. Buka data Koperasi dan UKM2. Dari Menu SPSS pilih menu Analyze kemudian pilih submenu Compare Means

One-Sample T Test. Maka akan muncul kotak dialog seperti berikut

Kotak Dialog One-Sample T Test

3. Isikan kolom Test Variable(s) dengan Penjualan (data yang akan diuji).4. Nilai Test Value merupakan nilai rata-rata yang menjadi perbandingan atau patokan

dalam pengujian. Contohnya rata-rata penjualan industri untuk UKM sebesar 1.500.000sehingga, isikan 1500000 pada Test Value.

5. Setelah itu, klik OK.

Output SPSS dan Analisis One Sample T-test

Output 1

One-Sample Statistics

N Mean Std. Deviation Std. Error Mean

Penjualan 20 1543000.00 310608.062 69454.074

Analisis:

◊ Jumlah data UKM sebanyak 20 UKM.◊ Rata-rata penjualan UKM adalah 1.543.000. Dengan besarnya perbedaan antar UKM

sebesar 310.608 dan penyimpangan dari rata-rata sebesar 69.454,074

Output 2

One-Sample Test

Test Value = 1500000

t df Sig. (2-tailed) Mean Difference

95% Confidence Interval

of the Difference

Lower Upper

Penjualan .619 19 .543 43000.000 -102369.05 188369.05

Analisis:HipotesisH0 : Nilai rata-rata penjualan UKM yang baru berdiri sama dengan nilai penjualan rata-rata

industri (1.500.000)H1 : Nilai rata-rata penjualan UKM yang baru berdiri berbeda dengan nilai penjualan rata-rata

industri (1.500.000)

Hasilt-hitung untuk penjualan adalah sebesar 0,619 dengan P value 0,543.

KesimpulanH0 diterima karena P value 0,543 > dari 0,05 (α ) artinya secara statistik nilai rata-ratapenjualan UKM yang baru berdiri sama dengan nilai penjualan rata-rata industri.

INDEPENDENT-SAMPLES T TESTIndependent Samples T Test digunakan untuk menguji signifikansi perbedaan mean antardua kelompok yang saling independen secara signifikan.

Kasus yang akan dibahasIngin diketahui apakah ada perbedaan mean komitmen berdasarkan kategori gender.Langkah Pengolahan

1. Buka data Komitmen dan Prestasi.2. Dari Menu SPSS pilih menu Analyze kemudian pilih submenu Compare Means

Independent Samples T Test. Maka akan muncul kotak dialog seperti gambar berikut.

Kotak Dialog Independent- Samples T Test

3. Isikan Variabel K (Total Komitmen) pada Test Variable(s) dan pada GroupingVariable masukkan variabel Gender.

4. Klik Define Groups... dan group 1 dengan 1 dan group 2 dengan 2 seperti tampilanberikut ini. Fungsinya untuk mengkategorisasikan 2 kelompok yang akan diuji beda.

Kotak Dialog Define Groups

5. Klik Continue, kemudian OK

Output SPSS dan Analisis Independent Samples T TestOutput 1T-Test

Group Statistics

Jenis

Kelamin N Mean

Std.

Deviation

Std. Error

Mean

Total Komitmen wanita 12 24.25 1.357 .392

pria 8 26.38 1.188 .420

Analisis:

◊ Jumlah karyawan wanita 12 orang dan karyawan pria 8 orang.◊ Rata-rata karyawan wanita adalah 24, 25 dan pria 26,38. Dengan demikian komitmen

karyawan pria lebih tinggi dibandingkan wanita.◊ Dari hasil output 1 kemudian ingin diketahui apakah mean Komitmen wanita berbeda

secara statistik dengan mean Komitmen pria.

Analisis hasil output Independent Samples T-Test dilakukan secara bertahap untukmengetahui apakah hipotesis alternatif berhasil didukung atau tidak.

Output 2

Independent Samples T TestLevene'sTest for

Equality ofVariances t-test for Equality of Means

95% ConfidenceInterval of the

Difference

F Sig. t df

Sig.(2-

tailed)

MeanDifferen

ceStd. ErrorDifference Lower Upper

Total

Komit

men

Equal

variances

assumed

.378 .546 -3.599 18 .002 -2.125 .590 -3.366E0 -8.844E-1

Equal

variances

not

assumed

-3.701 1.652E1

.002 -2.125 .574 -3.339E0 -9.108E-1

Tahap I hasil Levene’s TestLevene’s Test bertujuan menguji apakah ada perbedaan varians komitmen antara karyawanpria dengan wanita.

HipotesisH0 : Variansi komitmen karyawan wanita identik dengan variansi komitmen karyawan pria.H1 : Variansi komitmen karyawan wanita tidak identik dengan variansi komitmen karyawan

pria.

HasilF hitung untuk komitmen dengan equal variances assumed adalah 0,378 dengan P value 0,546.KesimpulanH0 diterima karena P value 0,546 > 0,05 (α) artinya variansi komitmen karyawan wanitaidentik dengan variansi komitmen karyawan pria.

Tahap 2 T Test dengan asumsi equal variance assumsedHasil Levene’s Test menunjukkan bahwa variansi kedua kelompok sama, maka analisis T Testmenggunakan asumsi equal variance yaitu dengan melihat t hitung atau P value.HipotesisH0 : Mean komitmen karyawan wanita sama dengan mean komitmen karyawan priaH1 : Mean komitmen karyawan wanita tidak sama dengan mean komitmen karyawan priaH0 → µ1 = µ2

H1 → µ1 ≠ µ2

HasilHasil t hitung menunjukkan -3.599 dengan P value 0,002 < 0,05 (α).KesimpulanH1 diterima karena P value 0,002 < 0,05 (α), artinya mean komitmen karyawan wanita tidaksama dengan mean komitmen karyawan pria.

PAIRED-SAMPLES T TEST(Uji-t untuk dua sampel yang berpasangan)

Paired-Samples T Test digunakan untuk uji beda pada sampel yang berpasangan. Pengujian inisering dilakukan pada penelitian-penelitian event study atau eksperimen dengan perlakuantertentu, misalnya penjualan sebelum iklan dan sesudah iklan, nilai harga saham sebelumpengumuman laporan keuangan dan sesudah pengumuman.Kasus yang akan dibahasSeorang peneliti ingin mengetahui apakah ada perbedaan penjualan sebelum dan sesudah iklan.Data yang digunakan sebagai berikut.

Produk Penjualan sebelum iklan (Rp) Penjualan setelah iklan (Rp)A 1.050.000 1.250.000B 1.000.000 1.350.000C 1.100.000 1.200.000D 1.450.000 1.100.000E 1.150.000 1.405.000F 1.155.000 1.250.000G 1.305.000 1.350.000H 1.055.000 1.000.000I 1.210.000 1.250.000J 1.100.000 1.450.000

Proses olah data dengan tahapan sebagai berikut.1. Isikan data di atas dan simpan dengan nama Penjualan.2. Klik Analyze, lalu pilih Compare Mean Paired-Samples T Test.3. Blok variabel Penjualan sebelum iklan dan Penjualan setelah iklan yang

menginformasikan penjualan setelah dilakukan promosi/iklan. Setelah keduanyadiblok, masukkan ke kotak Paired Variables.

Kotak Dialog Paired-Samples T Test

4. Klik Options..., tetap pilih interval 95%, lalu klik Continue, dan OK.

Kotak Dialog Paired- Samples T Test: Options...

Hasil dan analisis Paired-Samples T Test

Output 1

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

Pair 1 Penjualan sebelum iklan 1157500.0000 10 134830.14005 42637.03398

Penjualan setelah iklan 1260500.0000 10 137607.53371 43515.32297

Analisis◊ Mean penjualan sebelum iklan adalah 1157500◊ Mean penjualan setelah iklan adalah 1260500

Output 2

Paired Samples Correlations

N Correlation Sig.

Pair 1 Penjualan sebelum iklan &

Penjualan setelah iklan

10 -.174 .631

Analisis

◊ Hasil Paired Samples Correlations menunjukkan hasil korelasi antara penjualan sebelumiklan dan penjualan setelah iklan.

◊ Koefisien korelasi -0,174 dengan nilai signifikan 0,631 artinya tidak terdapat hubunganyang signifikan antara penjualan dengan iklan.

Output 3Paired Samples Test

Paired Differences

t df

Sig. (2-

tailed)Mean

Std.

Deviation

Std. Error

Mean

95% Confidence

Interval of the

Difference

Lower Upper

Pair 1 Penjualan

sebelum

iklan -

Penjualan

setelah

iklan

-

103000.0

0000

208728.95

769

66005.8919

9

-

252315.70

136

46315.701

36

-1.560 9 .153

Analisis

HipotesisH0 : Mean penjualan sebelum iklan sama dengan mean penjualan setelah iklan.H1 : Mean penjualan sebelum iklan berbeda dengan mean penjualan setelah iklan.H0 → µ1 = µ2

H1 → µ1 ≠ µ2

HasilHasil t-hitung menunjukkan -1,560 dengan P value 0,153 > 0,05 (α), artinya mean penjualansebelum iklan sama dengan penjualan setelah iklan. Nilai negatif pada t-hitung menunjukkannilai awal lebih rendah dari nilai berikutnya. Sewaktu input data, yang diinput terlebih dahulunilai penjualan sebelum iklan, sehingga dapat disimpulkan nilai penjualan sebelum iklan lebihrendah dibandingkan sesudah iklan.

ANOVA

Prosedur One-Way ANOVA merupakan alat uji statistik yang digunakan untuk mengujiapakah 2 populasi atau lebih yang independen, memiliki rata-rata yang berbeda atau sama.

Asumsi ANOVA1. Homogeneity of variance: variabel dependen memiliki variansi yang sama dalam setiap

kategori variable independent. Asumsi variansi sama tidak dipenuhi oleh Box (1954) danbeliau menyatakan bahwa Anova masih dapat dipakai karena Anova robust diterima secaraumum untuk penyimpangan yang kecil dan moderat dari homogeneity of variance.Perhitungan kasarnya, rasio terbesar ke terkecil dari group varians harus 3 atau kurang daritiga.

2. Random sampling: untuk ujian signifikansi, maka subjek di dalam setiap group diambilsecara random.

3. Multivariate Normality: untuk uji signifikansi data berdistribusi normal atau tidak, SPSSmemberikan uji Boxplot test of normality assumtion.

Kasus yang akan dibahasDengan menggunakan data Komitmen dan Prestasi, peneliti ingin mengetahui apakah tingkatprestasi berbeda ataukah sama untuk karyawan dengan pendidikan akhir SMU, D3, dan S1.

Prosedur olah data1. Aktifkan data Komitmen dan Prestasi.2. Pilih menu Analyze kemudian pilih submenu Compare Means One-Way ANOVA.3. Isikan Dependent list dengan variabel Total prestasi dan Factor dengan variabel

Pendidikan, maka akan tampil kotak dialog seperti berikut.

Kotak Dialog One-Way ANOVA

4. Klik Post Hoc..., pilih Bonferroni dan Tukey, lalu klik Continue.5. Klik Options…, pilih Descriptive dan Homogeneity of variance test, lalu klik Continue.6. Klik OK.

Hasil dan PembahasanOutput 1

Descriptives

Total Prestasi

N MeanStd.

DeviationStd.Error

95% ConfidenceInterval for Mean

Minimum

Maximum

LowerBound

UpperBound

SMU 6 16.67 1.366 .558 15.23 18.10 15 19D3 9 15.22 1.394 .465 14.15 16.29 13 18S1 5 19.00 .707 .316 18.12 19.88 18 20Total 20 16.60 1.957 .438 15.68 17.52 13 20

Analisis◊ Mean prestasi dengan pendidikan SMU sebesar 16,67 dengan skor prestasi minimum 15

dan maksimum 19.◊ Mean prestasi dengan pendidikan D3 sebesar 15,22 dengan skor prestasi minimum 13 dan

maksimum 18.◊ Mean prestasi dengan pendidikan S1 sebesar 19,00 dengan skor prestasi minimum 18 dan

maksimum 20.Kesimpulannya prestasi karyawan dengan pendidikan S1 paling tinggi sedangkan terendah

prestasi karyawan dengan pendidikan D3.

Output 2

Test of Homogeneity of Variances

Total Prestasi

Levene Statistic df1 df2 Sig.

.910 2 17 .421

AnalisisHipotesis:H0 : Tidak ada perbedaan variansi prestasi berdasarkan pendidikanH1 : Ada perbedaan variansi prestasi berdasarkan pendidikanHasil:Uji Levene menunjukkan nilai F test sebesar 0,910 dan P value 0,421 > 0,05 (α).Kesimpulan:H0 diterima karena P value 0,421 > 0,05 (α), artinya tidak ada perbedaan variansi prestasi

berdasarkan pendidikan.Dari hasil uji homogeneity of variance terlihat bahwa asumsi uji One-Way ANOVA terpenuhi.Output 3

ANOVATotal Prestasi

Sum of Squares dfMean

Square F Sig.

Between Groups 45.911 2 22.956 14.513 .000Within Groups 26.889 17 1.582

Total 72.800 19

AnalisisHasil:ANOVA menunjukkan nilai F test sebesar 14,513 dan P value 0,000 < 0,05 (α).Kesimpulan:H1 diterima karena P value 0,000 < 0,05 (α), artinya ada perbedaan mean prestasi berdasarkan

pendidikan.

Output 4Post Hoc Tests

Multiple ComparisonsDependent Variable:Total Prestasi

(I)Pendidikan

(J)Pendidikan

MeanDifference

(I-J)Std.Error Sig.

95% ConfidenceInterval

LowerBound

UpperBound

Tukey HSD SMU D3 1.444 .663 .104 -.26 3.14

S1 -2.333* .762 .018 -4.29 -.38

D3 SMU -1.444 .663 .104 -3.14 .26

S1 -3.778* .701 .000 -5.58 -1.98

S1 SMU 2.333* .762 .018 .38 4.29

D3 3.778* .701 .000 1.98 5.58Bonferroni SMU D3 1.444 .663 .131 -.32 3.20

S1 -2.333* .762 .021 -4.36 -.31D3 SMU -1.444 .663 .131 -3.20 .32

S1 -3.778* .701 .000 -5.64 -1.92S1 SMU 2.333* .762 .021 .31 4.36

D3 3.778* .701 .000 1.92 5.64

Multiple ComparisonsDependent Variable:Total Prestasi

(I)Pendidikan

(J)Pendidikan

MeanDifference

(I-J)Std.Error Sig.

95% ConfidenceInterval

LowerBound

UpperBound

Tukey HSD SMU D3 1.444 .663 .104 -.26 3.14

S1 -2.333* .762 .018 -4.29 -.38

D3 SMU -1.444 .663 .104 -3.14 .26

S1 -3.778* .701 .000 -5.58 -1.98

S1 SMU 2.333* .762 .018 .38 4.29

D3 3.778* .701 .000 1.98 5.58Bonferroni SMU D3 1.444 .663 .131 -.32 3.20

S1 -2.333* .762 .021 -4.36 -.31D3 SMU -1.444 .663 .131 -3.20 .32

S1 -3.778* .701 .000 -5.64 -1.92S1 SMU 2.333* .762 .021 .31 4.36

D3 3.778* .701 .000 1.92 5.64*. The mean difference is significant at the 0.05 level.AnalisisHasil Tukey HSD dan Bonferroni menunjukkan bahwa:◊ Tidak ada perbedaan mean prestasi antara karyawan pendidikan SMU dengan pendidikan

D3.◊ Ada perbedaan mean prestasi antara karyawan pendidikan SMU dengan pendidikan S1.◊ Ada perbedaan mean prestasi antara karyawan pendidikan D3 dengan pendidikan S1.

Output 5Homogeneous Subsets

Total Prestasi

Pendidikan N

Subset for alpha = 0.05

1 2

Tukey HSDa,,b D3 9 15.22

SMU 6 16.67

S1 5 19.00

Sig. .134 1.000

Means for groups in homogeneous subsets are displayed.a. Uses Harmonic Mean Sample Size = 6,279.b. The group sizes are unequal. The harmonic mean of the groupsizes is used. Type I error levels are not guaranteed.

Analisis◊ Rata-rata prestasi karyawan berpendidikan D3 dan SMU (dalam kelompok 1 yaitu 15,22

dan 16,67) berbeda dengan prestasi karyawan berpendidikan S1 (dalam kelompok 2 yaitu19,00)

◊ Mean prestasi karyawan berpendidikan D3 sama dengan mean prestasi karyawanberpendidikan SMU, terlihat dari P value 0,134 > 0,05 (α).

TWO-WAY ANOVA

Two-Way ANOVA digunakan sebagai alat analisis untuk menguji apakah terjadi perbedaanmean suatu variabel tertentu dengan menggunakan dua faktor pembeda.

Kasus yang akan dibahasPeneliti ingin mengetahui apakah terjadi perbedaan mean Komitmen dilihat dari kategorigender dan tingkat pendidikan, dan adakah interaksi antara kategori gender dengan tingkatpendidikan berpengaruh terhadap komitmen kerja.

Prosedur olah data1. Buka file data Komitmen dan Prestasi.2. Dari Menu SPSS pilih menu Analyze kemudian pilih submenu General Linear Model

Univariate.3. Pada kotak Dependent Variable isikan Komitmen, dan isikan Pendidikan dan Gender

pada Fixed Factors(s). Maka akan muncul tampilan seperti berikut.

Kotak Dialog Univariate

4. Klik Model, lalu pilih Custom.

5. Blok dan pindahkan variabel Pendidikan dan Gender ke kotak Model secara terpisah.Maka akan muncul tampilan seperti berikut.

Kotak Dialog Univariate: Model

6. Klik Continue.7. Kemudian klik Options dan pilih Homogeneity tests lalu klik Continue. Tampilannya

sebagai berikut.

Kotak Dialog Univariate: Options

8. Klik Post Hoc... dan pindahkan variabel Pendidikan dan Gender ke kolom Post HocTests for.

9. Pilih Bonferroni dan Tukey.10. Klik Continue lalu OK.

Kotak Dialog Univariate: Post Hoc

Hasil dan Pembahasan

Output 1Univariate Analysis of Variance

Warnings

Post hoc tests are not performed for Jenis Kelamin because there are fewer than

three groups.

AnalisisHasil Univariate Analysis of Variance memberikan peringatan bahwa Post Hoc T Tests tidakdilakukan pada variabel Gender karena pengelompokan variabel Gender kurang dari tigakategori.

Output 2

Between-Subjects Factors

Value Label N

Pendidikan 1 SMU 6

2 D3 9

3 S1 5Jenis Kelamin 1 wanita 12

2 pria 8

AnalisisJumlah responden yang berpendidikan SMU ada 6 orang, yang berpendidikan D3 ada 9 orang,dan yang berpendidikan S1 ada 5 orang. Keseluruhan responden wanita ada 12 orang dan priaada 8 orang.

Output 3

Levene's Test of Equality of Error Variancesa

Dependent Variable:Total Komitmen

F df1 df2 Sig.1.247 5 14 .340

Tests the null hypothesis that the error variance of the dependentvariable is equal across groups.a. Design: Intercept + Pendidikan + Gender + Pendidikan * Gender

AnalisisHasil Levene’s test menunjukkan tidak ada perbedaan variansi karena F hitung 1,247 secarastatistik signifikansi pada alpha 5% (P value 0,340 > 0,05 (α)), yang berarti hipotesis alternatifditolak.

Output 4

Tests of Between-Subjects EffectsDependent Variable:Total Komitmen

SourceType III Sum of

Squares dfMean

Square F Sig.

Corrected Model 29.443a 5 5.889 3.687 .024Intercept 8586.643 1 8586.643 5.377E3 .000Pendidikan 1.745 2 .873 .546 .591Gender 17.792 1 17.792 11.141 .005Pendidikan * Gender 7.633 2 3.816 2.390 .128Error 22.357 14 1.597

Total 12652.000 20

Corrected Total 51.800 19

a. R Squared = ,568 (Adjusted R Squared = ,414)

AnalisisHasil uji ANOVA menunjukkan bahwa:◊ Tidak terdapat pengaruh langsung variable independent tingkat pendidikan, artinya tidak

ada perbedaan mean komitmen kerja antar kategori tingkat pendidikan. Hal tersebut terlihatdari nilai sig 0,591 > 0,05 (α).

◊ Terdapat pengaruh langsung variabel gender terhadap komitmen kerja, artinya meankomitmen berbeda berdasarkan pengelompokan pria dan wanita. Perbedaan itu terlihat darinilai sig 0,005 < 0,05 (α).

◊ Joint effect antara pendidikan dengan gender tidak berpengaruh terhadap mean komitmenkerja. Tidak adanya perbedaan tersebut dilihat dari nilai sig 0,128 > 0,05 (α).

Output 5

Post Hoc TestsMultiple Comparisons

Dependent Variable:Total Komitmen

(I)Pendidikan

(J)Pendidikan

MeanDifferenc

e (I-J)Std.Error Sig.

95% ConfidenceInterval

LowerBound

UpperBound

Tukey HSD SMU D3 .06 .666 .996 -1.69 1.80

S1 -1.17 .765 .310 -3.17 .84

D3 SMU -.06 .666 .996 -1.80 1.69

S1 -1.22 .705 .228 -3.07 .62

S1 SMU 1.17 .765 .310 -.84 3.17

D3 1.22 .705 .228 -.62 3.07Bonferroni SMU D3 .06 .666 1.000 -1.75 1.87

S1 -1.17 .765 .449 -3.25 .91D3 SMU -.06 .666 1.000 -1.87 1.75

S1 -1.22 .705 .315 -3.14 .69S1 SMU 1.17 .765 .449 -.91 3.25

D3 1.22 .705 .315 -.69 3.14Based on observed means.The error term is Mean Square(Error) = 1,597.

AnalisisHasil Tukey HSD dan Bonferroni menunjukkan bahwa:◊ Tidak terdapat perbedaan mean komitmen antara karyawan berpendidikan SMU dengan

D3 pada α = 5%;◊ Tidak terdapat perbedaan mean komitmen antara karyawan berpendidikan SMU dengan S1

pada α = 5%;◊ Tidak terdapat perbedaan mean komitmen antara karyawan berpendidikan S1 dengan D3

pada α = 5%.

Output 6

Homogeneous SubsetsTotal Komitmen

Pendidikan N

Subset

1

Tukey HSDa,,b,,c D3 9 24.78

SMU 6 24.83

S1 5 26.00

Sig. .235

Means for groups in homogeneous subsets are displayed.Based on observed means.The error term is Mean Square(Error) = 1,597.

a. Uses Harmonic Mean Sample Size = 6,279.b. The group sizes are unequal. The harmonic mean of thegroup sizes is used. Type I error levels are not guaranteed.c. Alpha = ,05.

Analisis◊ Subset menunjukkan pengelompokkan faktor, dalam output ini D3, SMU, S1

mengelompok menjadi 1 kelompok. Rata-rata komitmen karyawan berpendidikan D3,SMU, dan S1 adalah sama dalam 1 kelompok yaitu 24,78; 24,83; dan 26,00.

◊ Mean komitmen karyawan berpendidikan SMU, D3, dan S1 tidak terdapat perbedaan,terlihat dari P value 0,235 > 0,05 (α).

BAB 8 ANALISIS KORELASI

Analisis_korelasi_bersifat_asosiatif_dan_digunakan_untuk menguji tentang ada tidaknyahubungan_antara_variabel_satu_dengan_yang_lain. Pada analisis korelasi belum dapatdiketahui variabel penyebab dan variabel akibat. Dalam analisis korelasi, yang diperhatikanadalah arah (positif atau negatif) dan_besarnya_hubungan_(kekuatan). Koefisien korelasimempunyai harga –1 hingga +1 (bergerak_dari_nol_hingga_1_dan_memiliki_nilai_positif ataunegatif). Semakin mendekati nilai 1 maka_semakin_besar_atau_kuat_hubungan_variabel_atausempurna = 1, sebaliknya semakin mendekati 0 maka semakin lemah atau kecil hubungannya.Nilai korelasi_apabila_dikuadratkan_akan_menghasilkan_nilai_koefisien determinasi (R2). UjiKorelasi sederhana (Bivariate Correlation) dan korelasi parsial (Partial Correlation) dariPearson. Rumus koefisien korelasi Product Moment Pearson adalah sebagai berikut.

Keterangan :

rxy: koefisien korelasi sederhana antara skor butir (X) dengan skor butir (Y)N : jumlah responden uji cobaΣX: jumlah skor butir (X)ΣY: jumlah skor variabel (Y)ΣX2: jumlah skor butir (X) kuadratΣY2: jumlah skor variabel (Y) kuadratΣYX: jumlah perkalian skor butir (X) dan skor variabel (Y)

Coefficient correlation ada 3 yaitu:1. Pearson digunakan untuk menguji korelasi dengan menggunakan Product Moment

Pearson.2. Kendall’s tau-b digunakan untuk melakukan analisis korelasi non-parametrik dari

metode Kendall, yaitu ukuran asosiasi dari variabel yang bersifat ordinal.3. Spearman digunakan untuk menganalisis korelasi non-parametrik yang variabelnya

bersifat ordinal.

BIVARIATE CORRELATION

Bivariate correlation yang sering disebut dengan korelasi Product Moment Pearson bergunauntuk menganalisis korelasi antar dua variabel. Di dalam melakukan uji korelasi perludiperhatikan Test of Significance.

2222 YYNXXN

YXXYNrxy

Test of Significance◊ Two-tailed (uji dua sisi). Digunakan untuk menguji Test of Significance dengan 2 sisi. Cara

ini digunakan dalam kondisi belum diketahui bentuk hubungan antar variabel.◊ One-tailed (uji satu sisi). Digunakan untuk menguji Test of Significance dari 2 variabel,

tetapi telah diketahui adanya arah kecenderungan hubungan negatif atau positif antara duavariabel yang berhubungan.

Kasus yang akan dibahasPenelitian yang dilakukan bertujuan menganalisis hubungan stres kerja dengan kepuasan kerja.Hubungan yang diharapkan dalam pengujian ini adalah hubungan negatif yang berarti semakintinggi stres kerja maka semakin rendah kepuasan kerja atau sebaliknya.

Contoh Kuesioner

Jenis kelamin : ( ) Pria Wanita ( )

A Stress Kerja STS TS N S SS1. Saya merasa tertekan dengan

pekerjaan saat ini.2. Saya merasa terpaksa menjalani

pekerjaan saat ini.3. Saya sering merasa cemas dengan

pekerjaan saat ini.4. Saya merasa sulit untuk

bersosialisasi selama bekerja.5. Saya merasa depresi dengan

pekerjaan saat ini.B Kepuasan Kerja STS TS N S SS1. Saya puas dengan gaji yang saya

terima untuk pekerjaan saya.2. Saya puas dengan jaminan

pekerjaan yang disediakan.3. Secara umum, saya puas dengan

pekerjaan saya.4. Jika saya memilih pekerjaan lagi,

saya akan memilih karier di luarbidang sekarang ini.

5. Saya puas dengan prestasi kerjasaya.

Dari data tabulasi 15 responden di atas, peneliti ingin mengetahui hubungan stres kerja dankepuasan kerja.Data yang akan diinput dalam program SPSS merupakan nilai total atau nilai rata-rata darimasing-masing variabel.

Hasil tabulasi dari 15 responden sebagai berikut.

Resp Gender Stres Kerja Kepuasan Kerja1 2 3 4 5 Total 1 2 3 4 5 Total

1 wanita 4 3 2 4 3 16 5 3 4 4 4 202 pria 4 4 4 2 4 18 5 5 5 4 5 243 pria 3 4 3 4 4 18 3 5 3 5 5 214 pria 4 3 4 4 3 18 5 3 5 3 3 195 wanita 4 3 2 3 4 16 5 3 3 5 5 216 pria 4 4 4 4 4 20 2 2 2 3 2 117 wanita 2 4 4 3 2 15 3 5 5 3 3 198 wanita 3 4 2 4 1 14 4 5 4 5 4 229 wanita 4 3 3 3 2 15 5 3 3 5 4 20

10 pria 3 3 4 3 2 15 3 3 5 5 3 1911 pria 3 4 4 2 3 16 4 4 5 4 4 2112 wanita 3 3 3 3 3 15 4 4 4 3 4 1913 pria 4 3 4 3 4 18 5 3 5 5 5 2314 pria 4 4 4 4 4 20 2 3 2 2 2 1115 pria 3 3 4 4 3 17 3 3 5 3 3 17

Prosedur pengolahan data1. Masukkan data pada Data View dan isi Variable View sesuai variabel yang ada.

Simpan dengan nama Stres dan Kepuasan Kerja.2. Klik Analyze, pilih CorrelateBivariate

Kotak Dialog Bivariate Correlations

3. Masukkan variabel Stres kerja dan Kepuasan kerja ke dalam kotak Variables.4. Pada kolom Correlation Coefficients pilih Pearson, dan pada Test of Significance pilih

Two-tailed karena belum ditentukan arah hubungan dari variabel stres kerja dankepuasan kerja.

5. Klik Options, klik Means and standard deviations lalu Continue, akhiri dengan OK.

Kotak Dialog Bivariate Correlations: OptionsHasil dan Analisis Bivariate CorrelationsOutput 1

Descriptive Statistics

Mean Std. Deviation N

Stress Kerja 16.73 1.870 15

Kepuasan Kerja 19.13 3.739 15

Analisis◊ Rata-rata stres kerja adalah sebesar 16,73 dengan standar deviasi 1,870.◊ Rata-rata kepuasan kerja adalah sebesar 19,13 dengan standar deviasi 3,739.Output 2

Correlations

Stress kerja Kepuasan kerja

Stress kerja Pearson Correlation 1 -.536*

Sig. (2-tailed) .039

N 15 15

Kepuasan kerja Pearson Correlation -.536*1

Sig. (2-tailed) .039

N 15 15*. Correlation is significant at the 0.05 level (2-tailed).Hipotesis:H0 : Ada hubungan stres kerja dengan kepuasan kerjaH1 : Tidak ada hubungan stres kerja dengan kepuasan kerja

Catatan: Penggunaan significance level 2-tailed (two-tailed) atau 1-tailed (one-tailed)tergantung pada pengujian hipotesis. Apabila dalam hipotesis telah dinyatakan arah

misalnya ada hubungan positif atau ada hubungan negatif maka pengujian dengan 1-tailed (one tailed).

Analisis◊ Terdapat hubungan stres kerja dengan kepuasan kerja. Besarnya nilai hubungan tersebut

sebesar negatif 0,536. Sifat korelasi negatif menunjukkan semakin tinggi stres kerja makasemakin rendah kepuasan kerja, sebaliknya semakin rendah stres kerja maka semakintinggi kepuasan kerja.

◊ Nilai signifikansi r-hitung sebesar 0,039 berarti hubungan tersebut signifikan atau diterimapada probabilitas 5%.

PARTIAL CORRELATION

Korelasi parsial digunakan untuk menganalisis korelasi dengan mempertimbangkanefek dari variabel lain, atau dengan kata lain korelasi parsial mengukur korelasi antar duavariabel dengan mengeluarkan pengaruh dari satu atau lebih variabel lain yang sering disebutdengan variabel kontrol.

Kasus yang akan dibahasDengan menggunakan data stres dan kepuasan kerja, ingin diketahui korelasi parsial antarastres kerja dengan kepuasan kerja dan variabel gender sebagai Control Variable.

Prosedur pengolahan data1. Buka data file Stres dan Kepuasan Kerja.2. Klik Analyze, pilih CorrelatePartial.

Kotak Dialog Partial Correlations

3. Masukkan variabel Stres kerja dan Kepuasan kerja ke kolom Variables.4. Masukkan variabel Gender ke Controlling for.5. Kemudian klik Options dan pilih Zero-order correlations dan Exclude cases listwise. Lalu

klik ContinueOK.

Kotak Dialog: Partial Correlations: Options

Hasil dan Pembahasan

Partial CorrCorrelations

Control VariablesStresskerja

Kepuasankerja Jenis kelamin

-none-a Stress kerja Correlation 1.000 -.536 .708

Significance (2-tailed) . .039 .003

df 0 13 13

Kepuasan kerja Correlation -.536 1.000 -.234

Significance (2-tailed) .039 . .402

df 13 0 13

Jenis kelamin Correlation .708 -.234 1.000

Significance (2-tailed) .003 .402 .

df 13 13 0Jeniskelamin

Stress kerja Correlation 1.000 -.540Significance (2-tailed) . .046df 0 12

Kepuasan kerja Correlation -.540 1.000Significance (2-tailed) .046 .df 12 0

a. Cells contain zero-order (Pearson) correlations.

Analisis◊ Koefisien korelasi antara stres kerja dan kepuasan kerja tanpa mempertimbangkan variabel

kontrol gender adalah -0,536 dan signifikan pada alfa 5%.◊ Koefisien korelasi antara stres kerja dan kepuasan kerja setelah mempertimbangkan

pengaruh variabel kontrol gender adalah -0,540 dan signifikan pada alfa 5%.