MODUL PRAKTIKUM STATISTIC FOR ECONOMICS 2: ANALISIS DATA DENGAN PROGRAM SPSS DAN LISREL

UNTUK PENELITIAN MANAJEMAN

PENYUSUN

NOVI PERMATA INDAH

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS SINGAPERBANGSA KARAWANG

KARAWANG

2018

BAB I

UJI VALIDITAS DAN RELIABILITAS DATA PRIMER

1.1 Uji Validitas

Validitas berasal dari kata validity yang mempunyai arti sejauh mana

ketepatan dan kecermatan suatu alat ukur dalam melakukam fungsi ukurannya

(Azwar 1986). Selain itu validitas adalah suatu ukuran yang menunjukkan bahwa

variabel yang diukur memang benar-benar variabel yang hendak diteliti oleh

peneliti (Cooper dan Schindler, dalam Zulganef, 2006).

Sedangkan menurut Sugiharto dan Sitinjak (2006), validitas berhubungan dengan

suatu peubah mengukur apa yang seharusnya diukur. Ghozali (2009) menyatakan

bahwa uji validitas digunakan untuk mengukur sah,  atau valid tidaknya suatu

kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner

mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut.

Dalam pengujian validitas terhadap kuesioner, dibedakan menjadi 2, yaitu

validitas faktor dan validitas item. Validitas faktor diukur bila item yang disusun

menggunakan lebih dari satu faktor (antara faktor satu dengan yang lain ada

kesamaan). Pengukuran validitas faktor ini dengan cara mengkorelasikan antara

skor faktor (penjumlahan item dalam satu faktor) dengan skor total faktor (total

keseluruhan faktor).

Validitas item ditunjukkan dengan adanya korelasi atau dukungan terhadap

item total (skor total), perhitungan dilakukan dengan cara mengkorelasikan antara

skor item dengan skor total item. Bila kita menggunakan lebih dari satu faktor

berarti pengujian validitas item dengan cara mengkorelasikan antara skor item

dengan skor faktor, kemudian dilanjutkan mengkorelasikan antara skor item

dengan skor total faktor (penjumlahan dari beberapa faktor).

Dari hasil perhitungan korelasi akan didapat suatu koefisien korelasi yang

digunakan untuk mengukur tingkat validitas suatu item dan untuk menentukan

apakah suatu item layak digunakan atau tidak. Dalam penentuan layak atau

tidaknya suatu item yang akan digunakan, biasanya dilakukan uji signifikansi

koefisien korelasi pada taraf signifikansi 0,05, artinya suatu item dianggap valid

jika berkorelasi signifikan terhadap skor total.

Untuk melakukan uji validitas ini menggunakan program SPSS.  Teknik

pengujian yang sering digunakan para peneliti untuk uji validitas adalah

menggunakan korelasi Bivariate Pearson (Produk Momen Pearson). Analisis ini

dengan cara mengkorelasikan masing-masing skor item dengan skor total. Skor

total adalah penjumlahan dari keseluruhan item. Item-item pertanyaan yang

berkorelasi signifikan dengan skor total menunjukkan item-item tersebut mampu

memberikan dukungan dalam mengungkap apa yang ingin diungkap à Valid. Jika

r hitung ≥ r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-item

pertanyaan berkorelasi signifikan terhadap skor total (dinyatakan valid).

1.2 Uji Reliabilitas

Reliabilitas berasal dari kata reliability. Pengertian dari reliability

(rliabilitas) adalah keajegan pengukuran (Walizer, 1987). Sugiharto dan Situnjak

(2006) menyatakan bahwa reliabilitas menunjuk pada suatu pengertian bahwa

instrumen yang digunakan dalam penelitian untuk memperoleh informasi yang

digunakan dapat dipercaya sebagai alat pengumpulan data dan mampu

mengungkap informasi yang sebenarnya dilapangan. Ghozali (2009) menyatakan

bahwa reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan

indikator dari peubah atau konstruk. Suatu kuesioner dikatakan reliabel atau

handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil

dari waktu ke waktu. Reliabilitas suatu test merujuk pada derajat stabilitas,

konsistensi, daya prediksi, dan akurasi. Pengukuran yang memiliki reliabilitas

yang tinggi adalah pengukuran yang dapat menghasilkan data yang reliabel

Menurut Masri Singarimbun, realibilitas adalah indeks yang menunjukkan

sejauh mana suatu alat ukur dapat dipercaya atau dapat diandalkan. Bila suatu alat

pengukur dipakai dua kali untuk mengukur gejala yang sama dan hasil

pengukuran yang diperoleh relative konsisten, maka alat pengukur tersebut

reliable. Dengan kata lain, realibitas menunjukkan konsistensi suatu alat pengukur

di dalam pengukur gejala yang sama.

Menurut Sumadi Suryabrata (2004: 28) reliabilitas menunjukkan

sejauhmana hasil pengukuran dengan alat tersebut dapat dipercaya. Hasil

pengukuran harus reliabel dalam artian harus memiliki tingkat konsistensi dan

kemantapan.

Reliabilitas, atau keandalan, adalah konsistensi dari serangkaian pengukuran

atau serangkaian alat ukur. Hal tersebut bisa berupa pengukuran dari alat ukur

yang sama (tes dengan tes ulang) akan memberikan hasil yang sama, atau untuk

pengukuran yang lebih subjektif, apakah dua orang penilai memberikan skor yang

mirip (reliabilitas antar penilai). Reliabilitas tidak sama dengan validitas. Artinya

pengukuran yang dapat diandalkan akan mengukur secara konsisten, tapi belum

tentu mengukur apa yang seharusnya diukur. Dalam penelitian, reliabilitas adalah

sejauh mana pengukuran dari suatu tes tetap konsisten setelah dilakukan berulang-

ulang terhadap subjek dan dalam kondisi yang sama. Penelitian dianggap dapat

diandalkan bila memberikan hasil yang konsisten untuk pengukuran yang sama.

Tidak bisa diandalkan bila pengukuran yang berulang itu memberikan hasil yang

berbeda-beda.

Tinggi rendahnya reliabilitas, secara empirik ditunjukan oleh suatu angka

yang disebut nilai koefisien reliabilitas. Reliabilitas yang tinggi ditunjukan dengan

nilai rxx mendekati angka 1. Kesepakatan secara umum reliabilitas yang dianggap

sudah cukup memuaskan jika ≥ 0.600.

Pengujian reliabilitas instrumen dengan menggunakan rumus Alpha

Cronbach karena instrumen penelitian ini berbentuk angket dan skala bertingkat.

Rumus Alpha Cronbach sevagai berikut :

r11=n

n−11−∑ σ t

2

σ t2

Keterangan :

r11 :=reliabilitas yang dicarin :=jumlah item pertanyaan yang diuji

∑ σ t2

:=jumlah varians skor tiap-tiap item

σ t2

:= varians total

Jika nilai alpha > 0.6 artinya reliabilitas mencukupi (sufficient reliability)

sementara jika alpha > 0.80 ini mensugestikan seluruh item reliabel dan seluruh

tes secara konsisten memiliki reliabilitas yang kuat. Atau, ada pula yang

memaknakannya sebagai berikut:Jika alpha > 0.90 maka reliabilitas sempurna.

Jika alpha antara 0.70 – 0.90 maka reliabilitas tinggi. Jika alpha 0.50 – 0.70 maka

reliabilitas moderat. Jika alpha < 0.50 maka reliabilitas rendah. Jika alpha rendah,

kemungkinan satu atau beberapa item tidak reliabel.

1.3 Studi Kasus

Suatu penelitian pada bidang manajemen pemasaran yang berjudul

“Pengaruh Iklan Media Cetak dan Word of Mouth Terhadap Keputusan

Berkunjung Fitness Center (Studi Kasus Pada Helios Fitness Technomart

Karawang)”. Berdasarkan hal ini maka akan dilakukan uji vaiditas dan reliabilitas

dari setiap pertanyan pada masing-masing variabel penelitian yaitu iklan media

cetak (IMC), word of mouth (WOM), dan keputusan berkunjung (KB). Data

terdapat pada lampiran 1.

Langkah-langkah uji validitas dengan SPSS

1. Input data ke dalam SPSS

2. Pada menu utama klik Analyze, correlate dan klik Bivariat.

3. Patikan seluruh pertanyaan dan variabel berada pada kotak variables. Pilih

correlation coefficients Person dan test of significance two-tailed dan pilih

ok.

4. Hasil Dan Pembahsan

Hasil uji validitas tiap item pertanyaan pada setiap variabel dapat dilihat dari nilai

Sig(2-tailed). Jika seluruh item pertanyaan memiliki nilai Sig(2-tailed) <

signifikansi error atau tingkat kesalahan yang ditetapkan maka uji validitas

terpenuhi. Artinya setiap pertanyaan pada variabel tersebut dapat dinyatakan

valid.

Langkah-langkah uji reliabilitas dengan SPSS

1. Input data ke dalam SPSS

2. Pada menu utama klik Analyze, scale dan pilih reliability analysis.

3. Patikan seluruh pertanyaan dan variabel berada pada kotak items. Pilih

pilih model alpha dan klik ok.

4. Hasil Dan Pembahsan

Hasil uji reliabilitas tiap item pertanyaan pada setiap variabel dapat dilihat dari

nilai cronbach’s alpha. Jika seluruh item pertanyaan memiliki nilai cronbach’s

alpha < 0,6 maka uji reliabilitas terpenuhi. Artinya setiap pertanyaan pada

variabel tersebut dapat dinyatakan reliabel. 0,6 merupakan angka ketetapan yang

merujuk pada buku metodologi penelitian Sugiono.

BAB II

ANALISIS KORELASI

Studi Kasus

Suatu penelitian pada bidang manajemen pemasaran yang berjudul

“Pengaruh Iklan Media Cetak dan Word of Mouth Terhadap Keputusan

Berkunjung Fitness Center (Studi Kasus Pada Helios Fitness Technomart

Karawang)”. Berdasarkan hal ini maka akan diihat kekuatan hubungan dari tiap

varibel yaitu iklan media cetak (IMC) dan word of mouth (WOM) dengan

keputusan berkunjung (KB). Selain itu juga akan di tentukan signifikansi

koefisien korelasi dari tiap variabel.

Langkah-langkah menentukan koefisien korelasi dan signifikansi koefisien

korelasi dengan SPSS

1. Input data ke dalam SPSS

2. Pada menu utama klik Analyze, correlate dan klik Bivariat.

3. Patikan seluruh variabel berada pada kotak variables. Pilih correlation

coefficients Person dan test of significance two-tailed dan pilih ok.

4. Hasil Dan Pembahsan

Hasil dari output SPSS memeperlihatkan bahwa nilai korelasi antara IMC dengan

WOM sebesar +0,748, IMC dengan KB +0,571 sedangkan koefisien korelasi

antara WOM dengan KB adalah +0,524. Signifikansi dari tiap-tiap nilai koefisien

korelasi data dilihat dari nilai Sig( 2-tailed) dimana hasil olah data pada kasus ini

menunjukan bahawa seluruh nilai Sig( 2-tailed) lebih kecil dari nilai signifikansi

error yang ditetapkan. Dapat disimpulkan bahwa koefisien korelasi anatar variebl

dalan kasus ini memiliki nilai yang signifikan.

BAB III

ANALISIS REGRESI LINIER

3.1 Studi Kasus 1 Data SekunderDesa Sragen Wetan adalah sentra produksi tahu di kabupaten Sragen,

permintaan akan tahu cukup tinggi tetapi produksi tahu di desa ini tidak mampu

menyukupinya dan produksinya tidak dapat berkembang pesat. Oleh karena itu

ingin diketahui faktor-faktor produksi yang mempengaruhi produksi tahu di Desa

Sragen Wetan. Faktor-faktor produksi yang digunakan dalam industri tahu yaitu :

kedelai, tenaga kerja, solar, sekam, air dan laru. Besarnya produksi dalam industri

tahu ditentukan oleh faktor-faktor produksi tersebut.

Kedelai (X1) merupakan bahan baku utama dalam membuat tahu. Jumlah

kedelai yang digunakan sebagai input produksi diukur dalam satuan kilogram

(kg) dan dihitung selama satu bulan.

Tenaga kerja (X2) adalah tenaga kerja yang digunakan dalam proses produksi

yang meliputi kegiatan penyortiran, pencucian, perendaman, pengupasan,

penggilingan, pendidihan, penyaringan, penggumpalan, pencetakan dan

perebusan. Faktor produksi tenaga kerja menggunakan jumlah jam kerja per

gilingan selama satu bulan.

Solar (X3) diperlukan sebagai bahan bakar untuk menggiling kedelai agar

menjadi bubur. Satuan solar diukur dalam liter dan dihitung selama satu

bulan.

Sekam (X4) merupakan bahan bakar yang digunakan untuk memanaskan air

yang uapnya akan digunakan untuk merebus tahu. Satuan sekam diukur

dalam karung dan dihitung selama satu bulan.

Air (X5) diperlukan dalam proses produksi tahu antara lain untuk pencucian

dan perendaman kedelai. Satuan air diukur dalam liter dan dihitung selama

satu bulan.

Laru atau bibit tahu (X6) dipakai sebagai campuran sari kedelai, agar dapat

menggumpal menjadi tahu. Satuan laru dihitung dalam liter dan dihitung

selama satu bulan.

Produksi (Y) yang dihasilkan dipengaruhi oleh kombinasi faktor-faktor

produksi yang digunakan. Produksi yang dihasilkan dinyatakan dalam satuan

kotak (tempat tahu yang terbuat dari kayu) dan dihitung selama satu bulan.

Data

Daftar produksi dan faktor-faktor produksi responden

n

o

produk

si

kedel

ai

tenaga

kerjasolar sekam

air

(liter)

laru

(liter)kotak (kg) (jam)

(liter

)

(karun

g)

1 1080 1500 240 90 300 42000 4200

2 900 1500 180 120 450 44100 5250

3 1410 2400 600 60 450 72600 6600

4 1200 2400 240 120 450 82500 7920

5 1290 2400 240 150 450 79200 7590

6 1320 2400 360 120 440 82500 7320

7 1550 3000 420 150 750

10500

0 9240

8 1600 3000 450 150 900

10080

0

1050

0

9 1600 3000 420 150 480

10290

0 8820

1

0 1550 3000 450 180 450 96600 9660

1

1 1560 3000 540 150 750 98700

1050

0

1

2 1530 3000 420 150 450 96600 9240

1

3 1570 3000 450 150 480 98700 9660

1

4 1535 3000 540 180 450 96600 8820

1 1650 3000 420 150 750 10290 9660

5 0

1

6 1700 3000 540 180 480 98700 9240

1

7 1600 3000 420 180 450 98700 9240

1

8 1550 3000 420 180 480

10290

0 9660

1

9 1950 3750 480 150 750

13500

0

1080

0

2

0 2260 4500 540 150 900

13860

0

1323

0

2

1 2200 4500 540 300 900

15750

0

1575

0

2

2 2160 4500 510 180 600

14175

0

1512

0

2

3 2160 4500 540 180 450

15372

0

1386

0

2

4 2400 4500 600 150 750

14679

0

1134

0

2

5 2300 4500 540 180 900

14679

0

1323

0

2

6 2200 4500 540 180 900

14175

0

1575

0

2

7 2225 4500 570 150 750

15435

0

1197

0

2

8 2325 4500 540 300 750

15750

0

1386

0

2

9 2350 4500 540 300 750

14175

0

1386

0

3

0 2190 4500 510 150 600

15372

0

1512

0

3 2300 4500 570 180 600 14679 1386

1 0 0

3

2 2215 4500 540 180 750

15372

0

1197

0

3

3 2700 6000 630 210 600

19572

0

2100

0

3

4 2500 6000 600 210 750

20412

0

1932

0

3

5 2800 6000 660 210 600

20328

0

1764

0

3

6 2750 6000 600 180 750

20328

0

1932

0

3

7 2800 6000 630 180 800

20412

0

1764

0

Langkah-langkah dengan SPSS

1. Input data ke dalam SPSS

2. Pada menu utama klik Analyze, pilih Regression dan klik Linear

3. Akan tampil dilayar sebagai berikut. Isikan variabel Y ke Dependent dan

X1-X6 ke Independent(s). Selanjutnya klik Statistics

4. Pilih Estimate, Model Fit, R square change, Descriptive, Part and Partial

correlation, Collinearity diagnostics dan Durbin-Watson. Kemudian klik

Continue

Kemudian klik Plots, isikan *RESID ke Y: dan *ZPRED ke X:, klik

Continue

Selanjutnya klik Save, pada kolom Residuals pilih Unstandardize, klik

Continue, klik OK

5. Uji Kenormalan Residual dengan mengunkan uji Kolmogorov Smirnov.

Dengan cara sebagai berikut:

Nilai residual telah diperoleh dari tahapan ke-4, selanjutnya klik Analyze,

Non Parametric Test, Legacy Dialogs, 1-Sample K-S

Akan tampil dilayar seperti berikut, isikan Unstadardizes Residuals ke

Test Variable List, pada kolom Test Distibution, pilih Normal, klik OK

Hasil dan pembahasan

Uji Asumsi

1. Linieritas (korelasi)

Hipotesis:

H0: ρ=0 (tidak ada hubungan linier antara x dan y)

H1: ρ≠0 (ada hubungan linier antara x dan y)Correlations

Y X1 X2 X3 X4 X5 X6

Pearson Correlation Y 1.000 .984 .842 .579 .607 .974 .929

X1 .984 1.000 .814 .565 .574 .993 .966

X2 .842 .814 1.000 .431 .515 .799 .751

X3 .579 .565 .431 1.000 .420 .575 .602

X4 .607 .574 .515 .420 1.000 .576 .561

X5 .974 .993 .799 .575 .576 1.000 .956

X6 .929 .966 .751 .602 .561 .956 1.000

Sig. (1-tailed) Y . .000 .000 .000 .000 .000 .000

X1 .000 . .000 .000 .000 .000 .000

X2 .000 .000 . .004 .001 .000 .000

X3 .000 .000 .004 . .005 .000 .000

X4 .000 .000 .001 .005 . .000 .000

X5 .000 .000 .000 .000 .000 . .000

X6 .000 .000 .000 .000 .000 .000 .

Berdasarkan output SPSS, korelasi antara variabel penjelas dan variabel

respon, masing-masing memiliki P-value (kolom ketiga) < 0.05. sehingga

keputusan tolak H0, artinya dengan kepercayaan 95% setiap variabel

penjelas memiliki hubungan linier (korelasi) yang nyata terhadap variabel

respon. Diikuti dengan nilai korelasi yang cukup tinggi.

variabel penjelas dan variabel respon, menunjukkan bahwa variabel

penjelas memiliki hubungan linier positif dengan variabel respon. Dengan

terpenuhinya hubungan linier, maka data ini dapat dianalisis dengan

regresi linier berganda.

2. Kenormalan

Hipotesis:

H0 : residula berdistribusi normal

H1 : residula tidak berdistribusi normal

uji kenormalan kolmogorof-SmirnovOne-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual

N 37

Normal Parametersa,b Mean .0000000

Std. Deviation 62.99251845

Most Extreme Differences Absolute .113

Positive .087

Negative -.113

Kolmogorov-Smirnov Z .687

Asymp. Sig. (2-tailed) .733

Dengan menggunakan uji kenormalan Kolmogorov-Smirnov P-value pada uji

kenormalan KS sebesar 0.733 > 0,05. Sehingga keputusan terima H0, dapat

disimpulkan bahwa residual menyebar normal.

3. Homosketdastisitas

Metode ini digunakan dengan cara melihat grafik scatter plot antara

fitted value dengan residual. Ada tidaknya pola tertentu pada grafik scatter

plot dimana sumbu Y adalah nilai Y yang telah diprediksi dan sumbu X

adalah residual (Y –Y).

Berdasarkan grafik di residual menyebar secara acak, tidak

mengikuti pola tertentu, sehingga dapat disimpulkan bahwa galat

mempunyai ragam yang sama. Dengan demikian, asumsi

Homoskedastisitas terpenuhi.

4. Non autokorelasi

Hipotesis

H0: ρ=0 (tidak terdapat autokorelasi)

H1: ρ≠0 (terdapat autokorelasi)

Model Summaryb

Model R

R

Square

Adjusted

R Square

Std. Error

of the

Estimate

Change Statistics

Durbin-

Watson

R

Square

Change

F

Change df1 df2

Sig. F

Change

1 .992a .985 .982 69.00485 .985 322.791 6 30 .000 2.039

Tabel Durbin Watson k=6, n=37, alfa=0,05 : dL=1.130 du=1.87

Jika d > du maka tidak tolak H0. Jadi, dari uji Durbin Watson dapat

disimpulkan bahwa tidak terjadi autokorelasi, asumsi non autokorelasi

terpenuhi.

5. Non Multikolinieritas

Output SPSS untuk VIFCoefficientsa

Model

Unstandardized

Coefficients

Standardize

d

Coefficients

t Sig.

Correlations

Collinearity

Statistics

B

Std.

Error Beta

Zero

-

orde

r

Partia

l Part

Toleranc

e VIF

1 (Constant

)

204.16

2

60.19

9

3.39

1

.00

2

X1 .648 .097 1.594 6.66

1

.00

0

.984 .772 .15

0

.009 112.67

2

X2 .307 .178 .070 1.72

0

.09

6

.842 .300 .03

9

.304 3.289

X3 .693 .300 .067 2.31

2

.02

8

.579 .389 .05

2

.602 1.661

X4 .163 .083 .055 1.97

1

.05

8

.607 .339 .04

4

.646 1.549

X5 -.005 .002 -.392 -

1.95

9

.05

9

.974 -.337 -.04

4

.013 78.547

X6 -.046 .012 -.361 -

3.83

8

.00

1

.929 -.574 -.08

7

.058 17.353

Pada data tersebut terdapat multikolinieritas pada pada peubah penjelas

kedelai, air dan laru dengan VIF1=112,7; VIF5=78,5 dan VIF5=17,4 lebih

dari 10. Tidak terpenuhinya asumsi ini dapat dapat mengakibatkan:

- Koefisien regresi yang dihasilkan oleh analisis regresi berganda

menjadi sangat lemah atau tidak dapat memberikan hasil analisis

yang mewakili sifat atau pengaruh dari variabel bebas yang

bersangkutan

- Dalam banyak hal, masalah Multikolinearitas dapat menyebabkan uji

t menjadi tidak signifikan padahal jika masing-masing variabel bebas

diregresikan secara terpisah dengan variabel tak bebas (simple

regression) uji t menunjukkan hasil yang signifikan.

Salah satu cara untuk itu menyelesaikan permasalahan multikolinieritas

adalah dengan regresi komponen utama.

Interpretasi Model

1. Uji simultan

Hipotesis:

H0: peubah X tidak mempengaruhi Y secara bersama-sama

H1: minimal ada satu peubah X yang mempengaruhi Y

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 9222152.637 6 1537025.439 322.791 .000a

Residual 142850.066 30 4761.669

Total 9365002.703 36

Pengujian secara simultan dilakukkan dengan uji statistik F,

berdasarkan output SPSS didapatkan P-value 0.000< 0.05, sehingga

keputusan tolak H0. Artinya, minimal ada satu peubah penjelas x

mempengaruhi peubah respon Y.

2. Uji parsial

Hipotesis:

H0: βj = 0 (variabel Xj tidak berpengaruh nyata)

H1: βj ≠ 0 (variabel Xj berpengaruh nyata) j= 0, 1, 2,. . ., p; p= banyak

parameter

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.B

Std.

Error Beta

1 (Constant) 204.162 60.199 3.391 .002

X1 .648 .097 1.594 6.661 .000

X2 .307 .178 .070 1.720 .096

X3 .693 .300 .067 2.312 .028

X4 .163 .083 .055 1.971 .058

X5 -.005 .002 -.392 -1.959 .059

X6 -.046 .012 -.361 -3.838 .001

Dengan menggunakan statistik uji t. Berdasarkan output SPSS, diperoleh P

value pada variabel X2, X4, dan X6 lebih besar dari 0.05, sehingga keputusan

terima H0, sehinga faktor tenaga kerja, sekam dan laru atau bibit tahu tidak

mempengaruhi produksi tahu secara nyata. Sedangkan variabel X1, X3, dan

X5 mimiliki P-value kurang dari 0.05, sehingga keputusan tolak H0. Jadi

dapat disimpulkan bahwa yang mempengaruhi produksi tahu secara

signifikan atau nyata pada sentra produksi tahu di Sragen adalah kedelai,

solar, dan air.

3. Koefisien determinasi

Koefisien Determinasi (R-Square) merupakan suatu proporsi

keragaman y yang dapat dijelaskan oleh peubah prediktor x dan Adjusted R-

Square (pada regresi linier sederhana) merupakan suatu proporsi keragaman y

yang dapat dijelaskan oleh variable regressor x apabila jumlah observasi

variable regressor x mengalami perubahan. Adapun Adjusted R-Square (pada

regresi linier sederhana berganda) merupakan suatu proporsi keragaman y

yang dapat dijelaskan oleh peubah prediktor x apabila jumlah variable

regressor x mengalami perubahan.

Model Summaryb

Model R

R

Square

Adjusted

R

Square

Std. Error

of the

Estimate

Change Statistics

Durbin-

Watson

R

Square

Change

F

Change df1 df2

Sig. F

Change

1 .992a .985 .982 69.00485 .985 322.791 6 30 .000 2.039

Berdasarkan output SPSS, nilai R2 sebesar 0.985 artinya 98.5% keragaman

jumlah produksi tahu (Y) dapat dijelaskan oleh faktor-faktor dalam model

(X). Sisanya dijelakan faktor lain yang tidak masuk dalam model.

3.2 Studi Kasus 2 Data Primer

Suatu penelitian pada bidang manajemen pemasaran ingin melihat pengaruh iklan

media cetak, dan promosi dengan cara menyebarkan berita dari mulut ke mulut

atau dikenal dengan istilah word of mouth yang dilakukan oleh Helios Fitness di

kota Karawang.

Berdasarkan hal ini maka akan dilakukan penelitia mengenai iklan media cetak,

word of mouth dan keputusan berkunjung dengan judul penelitian

“Pengaruh Iklan Media Cetak dan Word of Mouth Terhadap Keputusan

Berkunjung Fitness Center (Studi Kasus Pada Helios Fitness Technomart

Karawang)”. Data terlampir.

Hasil dan pembahasanUji Asumsi

1. Linieritas

Hipotesis:

H0: ρ=0 (tidak ada hubungan linier antara x dan y)

H1: ρ≠0 (ada hubungan linier antara x dan y)

• P-value< 0.05. sehingga keputusan tolak H0, artinya dengan kepercayaan

95% setiap variabel bebas memiliki hubungan linier (korelasi) yang nyata

terhadap variabel respon. Diikuti dengan nilai korelasi yang cukup tinggi.

Korelasi antara variabel IMC dan WOM terhadap KB sebesar 0,571 dan

0,524.

• Kesimplan: uji asumsi linieritas dipenuhi.

2. Normalitas

Hipotesis:

H0 : galat/error berdistribusi normal

H1 : galat/error tidak berdistribusi normal

Uji kenormalan kolmogorof-Smirnov

P-value pada uji kenormalan KS sebesar 0.116 > 0,05. Sehingga keputusan

terima H0, dapat disimpulkan bahwa residual/galat/error menyebar normal

atau asumsi normalitas dipenuhi.

Berdasarkan normal P-P plot dapat dilihat bahwa standardized residual

menyebat disekitar garis normal, sehingga dapat disimpulkan bahwa residual

memiliki sebaran yang normal. Dengan demikian, asumsi noralitas terpenuhi.

3. Homoskedasitas

rafik scatter plot antara fitted value dengan residual. Ada tidaknya pola

tertentu pada grafik scatter plot dimana sumbu Y adalah nilai Y yang telah

diprediksi dan sumbu X adalah residual (Y –Y).

Berdasarkan grafik di residual menyebar secara acak, tidak mengikuti pola

tertentu, sehingga dapat disimpulkan bahwa galat mempunyai ragam yang

sama. Dengan demikian, asumsi Homoskedastisitas terpenuhi.

4. Non Autokorelasi

Hipotesis

H0: ρ=0 (tidak terdapat autokorelasi)

H1: ρ≠0 (terdapat autokorelasi)

Tabel Durbin Watson k=2, n=119, alfa=0,05 : dL=1,6669 du=1,7352

Jika dw > du maka tidak tolak H0. Jadi, dari uji Durbin Watson dapat

disimpulkan bahwa tidak terjadi autokorelasi, asumsi non autokorelasi

terpenuhi.

5. Non Multikolinieritas

Nilai VIF dari variabel IMC dan WOM lebih kecil dari 10, hal ini memperlihatkan

bahwa tidak terjadi multikolonieritas pada model regresi.

Interpretasi Model

1. Uji simultan

Hipotesis:

H0: peubah X tidak mempengaruhi Y secara bersama-sama

H1: peubah X yang mempengaruhi Y secara bersama-sama

Pengujian secara simultan dilakukkan dengan uji statistik F, berdasarkan

output SPSS didapatkan P-value 0.000< 0.05, sehingga keputusan tolak H0.

Artinya, peubah penjelas X mempengaruhi peubah respon Y secara bersama-

sama. Atau dapat disimpulkan bahwa IMC dan WOM mempengaruhi KB

secara bersama-sama/simultan.

2. Uji parsial

Hipotesis:

H0: βj = 0 (variabel Xj tidak berpengaruh nyata)

H1: βj ≠ 0 (variabel Xj berpengaruh nyata) j= 0, 1, 2,. . ., p; p= banyak

parameter

•

P value pada variabel X2 lebih besar dari 0.05, sehingga keputusan terima

H0, sehinga WOM tidak berpengaruh signifikan terhadap KB .

•

Variabel X1 mimiliki P-value kurang dari 0.05, sehingga keputusan tolak

H0. Jadi dapat disimpulkan bahwa IMC berpengaruh signifikan terhadap

KB.

3. Koefisien determinasi

Berdasarkan output SPSS, nilai R2 sebesar 0,348 artinya 34,8%

keragaman jumlah KB (Y) dapat dijelaskan oleh faktor-faktor dalam model

yaitu IMC (X1) dan WOM (X2). Sisanya dijelakan faktor lain yang tidak

masuk dalam model atau variabel lain yang tidak termasuk dalam variabel

penelitian.

BAB IV

ANALISIS VARIANSI

1. Anova 1 arah

Studi Kasus

Maskapai-maskapai berikut telah mengurangi layanan makana berat dan ringan

selama penerbangan dan memulai menetapkan beberapa layanan tambahan seperti

menampung bagasi yang terlalu berat, pergatian penerbagan pada menit terakhir

dan perjalanan hewan peliharaan didalam kabin. Akan tetapi mereka masih fokus

mengenai layanannya. Akhir-akhir ini sebuah kelompok yang terdiri atas empat

perusahaan penerbangan merekrut Brunner Marketing Research. Untuk

mensurvei parapenumpang megenai tingkat kepuasannya dengan penerbangan

terkini. Survey meliputi pertanyaan mengenai tiket, keberangkatan, layanan

peerbangan, penanganan bagasi, komunikasi pilot dan sebagainya. 25 pertanyaan

akan dijawab penumpang dengan luar buiasa, bagus, cukup atau buruk. Jawaban

jawaban tersebut kemudian dijumlahkan sehingga total skornya perupakan

penanda kepuasan penerbangan. Semakin besar skornya penanda semakin tinggi

tingkat kepuasan layanannya. Skor paling tinggi yang paling mungkin adlah 100.

Brunner Marketing Research secara acak memilih dan mensurvei para

penumpang dari 4 maskapai. Dengan taraf nyata atau tigkat signifikansi 5%,

apakah terdapat perbedaan rata-rata tigkat kepuasan antara keempat maskapai?.

Berikut diperoleh hasil jawaban responden yang menjadi sampel.

Tabel 4.1 Hasil jawaban responden masing-masing maskapai

Northern WTA Pocono Branson94 75 70 6890 68 73 7085 77 76 7280 83 78 65

88 80 7468 6585

Hipotesis yang diuji:

H0 : μ1=μ2=μ3=μ4 (rata-rata skorya sama untuk keempat maskapai)

H 0 : μ1≠μ2≠μ3≠μ4 (rata-rata skorya tidak sama untuk keempat maskapai)

Langkah-langkah SPSS

1. Buka program SPSS sampai muncul worksheet area kerja seperti pada gambar berikut:

2. Sebelah kiri bawah ada dua pilihan yaitu: Data view dan Variabel view

3. Lalu klick variabel view untuk menentukan variabel dari data

4. Baris pertama pada kolom name ketik nilai, pada label ketik layanan.

5. Baris ke dua pada kolom name ketik maskapai, pada label ketik brand, pada

kolom values posisikan mouse pada sudut kotak None lalu klik sampai muncul

kotak Value Labels seperti pada gambar berikut:

6. Ketik 1 pada kolom Value dan ketik Nothern pada kolom Label, lalu klik add,

ketik lagi 2 pada kolom value dan ketik WTA pada kolom label, lalu klik add,

ketik lagi 3 pada kolom value dan ketik Pocono pada kolom label, lalu klik

add, ketik lagi 4 pada kolom value dan ketik Branson pada kolom label, lalu

klik add jika sudah di isi kemudian ok, terlihat seperti gambar beriktut:

7. Selanjutnya klik data view sebelah kiri variabel view lalu isi nilaia skor pada

kolom nilai, pada kolom maskapai nomor urut 1-14 isi 1, nomor urut 5-9 isi 2,

dan nomor urut 10-16 isi 3 dan 17-22 isi 4. seperti terlihat pada gambar

berikut:

Sebelum dilakukan uji Anova terlebih dahulu melakukan uji prasyarat Anova

yaitu uji normalitas dan homogenitas variansi.

1. Uji Normalitas

Hopotesis

Ho: Populasi berdistribusi normal  

H1: Populasi tidak berdistribusi normal

Lakukan analisis dengan menggunakan menu Analyze, Nonparametric Tests,

Legacy Dialogs, 1-Sample K-S sehingga akan muncul kotak dialog One-Sample

Kolmogorov-Smirnov Test 

Sehingga akan muncul kotak dialog One Sample Kolmogorov Smirnov Test

seperti gambar berikut.

Masukkan variabel layanan [nilai] kedalam kolom Test Variable List, kemudian

pilih Normal pada Test Distribution, selanjutnya klik OK dan akan muncul output

seperti tabel berikut.

berdasarkan Tabel one sampel Kolmogorov-Semirnov test, nilai Asymp. Sig. (2-

tailed) layanan bernilai lebih besar dari nilai α=5%, maka dapat disimpulkan

bahwa populasi berdistribusi normal.

2. Uji Homogenitas variansi dan analisis variansi satu arah

Lakukan analisis dengan menggunakan menu analyze → Compare Means →

One-Way ANOVA, sehingga akan muncul kotak dialog One-Way

ANOVA seperti pada Gambar berikut.

Masukkan variabel layanan [nilai] ke dalam Dependent List, kemudian

variabelbrand [maskapai]  kedalam Factor. Klik Options kemudian akan muncul

kotak dialog One-Way ANOVA.

Pilih Descriptives dan Homogeneity of variance test pada Statistics kemudian klik

continue dan Ok, maka akan muncul output sebagai berikut.

Berdasarkan Output pada tabel test of homogeneity of variances tersebut,

diperoleh nilai Sig. = 0,432 lebih besar dari nilai α=5%, maka dapat disimpulkan

bahwa populasi data mempunyai variansi yang sama (homogen).

Berdasarkan tabel Anova layanan yaitu tabel Anova 1 arah diperoleh nilai F=

8,991 dan sig 0,001. Nilai F dari output SPSS lebih besar dari F tabel dengan

α=5%, derajat kebebasan pembilang 3 dan derajat kebebebasan penyebut 18 yaitu

3,16. Hal ini berarti bahwa H0 ditolak. Dapat disimpulkan bahwa rata-rata tingkat

kepuasan antar keempat maskapai tidak sama atau berbeda. Selain dari F ouput

SPSS hal ini juga dapat dilihat dari nilai Sig 0,001 yang lebih kecil dari α=5%.

2. Anova 2 arah dengan interaksi

Studi Kasus seperti pada materi Anova 2 arah dengan interaksi pada bab 2.

Hipotesis yang akan diuji adalah

1. H0: Tidak terdapat interaksi antara pengmudi denagn rute

H1: Terdapat interaksi antara pengmudi denagn rute

2. H0: Rata-rata waktu tempuh pengemudi sama

H0: Rata-rata waktu tempuh pengemudi tidk sama

3. H0: Rata-rat waktu tempuh keempat rute sama

H0: Rata-rat waktu tempuh keempat rute tidak sama

Langkah-langkah SPSS

1. Pastikan data sudah pada SPSS seperti gambar berikut

2. Bila data sudah berdistribusi normal, langkah selanjutnya kita lanjut uji

two way anova yaitu: silahkan klik menu Analyze ---> General Linear

Model ---> Univariate.Jika benar terlihat seperti pada gambar berikut:

3. Masukkan waktu kedalam kotak Dependent Variabel, sedangkan rute dan

pengemudi masukkan kedalam kotak Fixed Factor(s)

4. Kemudian klik Plots, maka muncul kotak Univariate: Profile Plots seperti

gambar dibawah, lalu masukkan variabel rute kedalam kotak Horizontal

Axis, sedangkan pengemudi Sekolah masukkan kedalam kotak Separate

Lines. 

5. Selanjutnya klik Add, maka akan muncul di dalam kotak Plots

"rute*pengemudi" seperti pada gambar berikut:

6. Selanjutnya klik Continue. Selanjutnya klik Options.

7. Masukkan Variabel rute, pengemudi, rute*pengemudi kedalam kotak

Display Means for. pada kotak Display, centang Descriptive statistics dan

Homogeneity test, lalu perhatikan kotak Significance level 0.05.

Selanjutnya klik Continue, lalu klik OK.

Hasil dan analisis

Asumsi Homoskedasitas: Levene Test

Di bawah ini adalah Tabel Levene’s Test. Digunakan untuk

menilai homoskedasitas data.

Levene's Test of Equality of Error Variancesa

Dependent Variable:Waktu

F df1 df2 Sig.

1.173 19 40 .325

Tests the null hypothesis that the error variance

of the dependent variable is equal across groups.

a. Design: Intercept + Rute + Pengemudi + Rute

* Pengemudi

Tabel di atas menunjukkan nilai (Signifikansi) Sig. 0,325 > 0,05 sehingga bisa

dikatakan asumsi homoskedasitas terpenuhi.

Asumsi NormalitasOne-Sample Kolmogorov-Smirnov Test

Waktu

N 60

Normal Parametersa,b Mean 22.8000

Std. Deviation 3.81700

Most Extreme Differences Absolute .090

Positive .082

Negative -.090

Kolmogorov-Smirnov Z .698

Asymp. Sig. (2-tailed) .715

a. Test distribution is Normal.

b. Calculated from data.berdasarkan Tabel one sampel Kolmogorov-Semirnov test, nilai Asymp. Sig. (2-

tailed) 0.715>α=5%, maka dapat disimpulkan bahwa populasi berdistribusi

normal.

Tests of Between-Subjects Effects

Dependent Variable:Waktu

Source Type III Sum of

Squares df Mean Square F Sig.

Corrected Model 687.600a 19 36.189 8.416 .000

Intercept 31190.400 1 31190.400 7253.581 .000

Rute 218.400 3 72.800 16.930 .000

Pengemudi 359.100 4 89.775 20.878 .000

Rute * Pengemudi 110.100 12 9.175 2.134 .036

Error 172.000 40 4.300

Total 32050.000 60

Corrected Total 859.600 59

a. R Squared = .800 (Adjusted R Squared = .705)

Berdasarkan tabel test of between-subjects effects baik hipotesis 1,2 ataupun 3

semunya menolak H0. Hal ini dapat dibuktikan dari nilai F hitung pada tebel yang

dibandngkan dengan F tabel dimana untuk rute 2,84, penegmudi 2,61 dan

interaksi Rute*penegmudi 2,00 menunjukan H0 ditolak. Selain itu dapat pula

dilihat dari nilai Sig yang kesemuanya >5%. Dapat disimpulkan bahwa

1. Terdapat interaksi antara pengemudi dan rute

2. Rata-rata waktu tempuh pengemudinya tidak sama

3. Rata-rata waktu tempuh rytenya tidak sama.

Post Hoc Test

Dalam rangka Interprestasi Output Two Way ANOVA dengan SPSS, maka anda

harus pahami tentang uji post hoc berikut. Sedikit review saja, bahwa uji post hoc

adalah uji lanjut atau uji yang menilai adanya perbedaan signifikan antar

kelompok.

Tabel Tukey Post Hoc

Tabel di bawah ini adalah Tabel Tukey Post Hoc digunakan untuk menilai

kategori manakah dari waktu yang memiliki perbedaan signifikan:

Multiple Comparisons

Waktu

Tukey HSD

(I) Rute (J) Rute Mean Difference

(I-J) Std. Error Sig.

95% Confidence Interval

Lower Bound Upper Bound

di

m

en

si

on

2

Rute1dim

ens

ion

3

Rute2 -.80000 1.23558 .916 -4.0717 2.4717

Rute3 -4.80000* 1.23558 .002 -8.0717 -1.5283

Rute4 -3.20000 1.23558 .057 -6.4717 .0717

Rute2dim

ens

ion

3

Rute1 .80000 1.23558 .916 -2.4717 4.0717

Rute3 -4.00000* 1.23558 .011 -7.2717 -.7283

Rute4 -2.40000 1.23558 .222 -5.6717 .8717

Rute3dim

ens

ion

3

Rute1 4.80000* 1.23558 .002 1.5283 8.0717

Rute2 4.00000* 1.23558 .011 .7283 7.2717

Rute4 1.60000 1.23558 .570 -1.6717 4.8717

Rute4dim

ens

ion

3

Rute1 3.20000 1.23558 .057 -.0717 6.4717

Rute2 2.40000 1.23558 .222 -.8717 5.6717

Rute3 -1.60000 1.23558 .570 -4.8717 1.6717

*. The mean difference is significant at the 0.05 level.

Yang ada perbedaan signifikan ditandai dengan tanda bintang (*).

BAB V

ANALISIS JALUR (PATH ANALYSIS)

Studi Kasus

Suatu penelitian asosiatif yang bertujuan mempelajari pengaruh variable

Remunerasi (X1), Motivasi Kerja (X2), dan Suasana Kerja (X3) terhadap Kinerja

Pegawai (Y). Berikut data penelitian.

Data:

no 1 2 3 4 5 6 7 8 9 10

1

1 12

1

3 14 15

1

6 17

1

8 19 20

X1 70

4

9 33

5

1 67

4

1 71 60

5

9 31

7

5 43

4

6 43 33

5

1 60

5

9 31 56

X2 69

4

8 29

4

8 59

3

3 70 54

6

1 34

7

6 43

5

6 42 29

4

8 54

6

1 34 58

X3 69

5

0 30

4

0 60

3

1 70 55

5

8 26

7

8 45

4

7 34 40

4

0 55

5

8 26 57

Y 68

4

7 34

5

0 56

3

6 71 60

6

1 29

7

7 46

5

0 39 34

5

0 60

6

1 29 56

Hipotesis penelitian:

• Ho: tidak ada pengaruh yang signifikan dalam variabel

• H1: remunerasi berpengaruh signifikan terhadap motivasi kerja

• H2: remunerasi berpengaruh signifikan terhadap suasana kerja

• H3: motivasi kerja berpengaruh signifikan terhadap suasana kerja

• H4: remunerasi berpengaruh signifikan terhadap kinerja pegawai

• H5: motivasi kerja berpengaruh signifikan terhadap kinerja pegawai

• H6: suasana kerja berpengaruh signifikan terhadap kinerja pegawai

Berikut ini merupakan diagram jalur yang akan diuji

Langkah-Langkah dengan Lisrel

1. Simpan data dalam SPSS

2. Double klik icon LISREL 9.2 Student, sehingga akan tampil

3. Klik File pilih New

4. Maka akan muncul tampilan berikut ini, pilih LISREL Data klik OK

5. Kemabali ke menu utama, klik File pilih Import Data

6. cari tempat menyimpan data (data disimpan dalam SPSS). Pilih SPSS

Data File (*sav),

7. pilih data yang akan digunakan (PATH Lisrel.sav), klik Open

8. Beri nama untuk LISREL Data, nama yang digunakan boleh sama atau

berbeda dengan SPSS, klik Save

Akan tampil seebagai berikut

9. Pada menu utama klik File, klik New, pilih SIMPLIS Project, klik OK

Isikan nama ke File Name (missal, “data simplis path”), klik Save

sehingga muncul

10. Kembali ke menu utama, pilih Setup, plih Variables

Sehingga akan muncul

11. Klik Add/Read variables, sehingga muncul tampilan berikut

Pada Read from file isikan LISREL System File. Klik Browse dan isikan

“data simplis path”, klik OK

12. Klik Next, pada Number of Observation isikan jumlah observasi yaitu

“20”, lalu klik OK

13. Kembali ke menu utama, kotak SIMPLIS kosong seperti berikut

14. Pada menu utama pilih Output, pilih LISREL Output dan klik Selection

Pilih Total Effects and Inderect Effects dan CompletelyStandardized

Solution. Selanjutnya klik OK

Maka muncul gambar berikut

Selanjutnya membuat persamaan yang mengaitkan hubungan antara

variable, setelah baris relationships

Klik Run sehingga diperoleh koefisien jalur dalam bentuk

Standardized Solution seperti berikut

Gambar di atas dapat di atur kembali, dengan cara menggeser letak

variable dan garis penghubung antara variable, sehingga menjadi seperti

berikut

Selanjutnya diagram jalur setelah uji signifikansi dengan uji statistik uji-t

sebagai berikut

Dari diagram jalur di atas terlihat bahwa tidak terdapat jalur yang berwana

merah. Hal tersebut menunjukkan bahwa semua koefisien jalur signifikan.

15. Interpretasi Output

Warna biru menunjukkan Koefisien regresi dan warna kuning

menunjukkan nilai statistic Z dan p-Value.

Pada regresi X2 terhadap X1. Hasil uji statistik menunjukkan

bahwa nilai P-value 0.000 kurang dari 0.05 sehingga tolak H0,

terima H1. Jadi dapat disimpulkan bahwa peningkatan remunerasi

memberikan pengaruh yang signifikan terhadap peningkatan

motivasi kerja pegawai. Peningkatan satu satuan remunerasi (X1)

akan meningkatkan 96.3% motivasi kerja (X2).

Nilai R2 (koefisien determinasi) sebesar 90.4%. Artinya 90.4%

keragaman motivasi kerja(X2) mampu dijelaskan oleh variabel

remunerasi (X1) sisanya 9.6% dijelaskan oleh variable lain.

LISREL Estimates (Maximum Likelihood)

Structural Equations

X2 = 0.963*X1, Errorvar.= 18.607, R² = 0.904

Standerr (0.0718) (6.037)

Z-values 13.407 3.082

P-values 0.000 0.002

Pada regresi X3 terhadap X1 dan X2. Hasil uji statistika

menunjukkan bahwa nilai P-value untuk variable X1 0.019 dan X2

0.04 keduanya kurang dari 0.05 sehingga tolak H0, terima H2 dan

H3. Jadi dapat disimpulkan bahwa remunerasi dan motivasi kerja

masing-masing berbengaruh signifikan terhadap suasana kerja.

Peningkatan satu satuan remunerasi akan meningkatkan 56.4%

suasana kerja. Peningkatan motivasi kerja akan meningkatkan

48.8% suasana kerja.

Nilai R2 (koefisien determinasi) sebesar 91.2%. Artinya 91.2%

keragaman suasana kerja(X3) mampu dijelaskan oleh variabel

remunerasi (X1) dan motivasi kerja(X2), sisanya 8.8% dijelaskan

oleh variable lain.

X3 = 0.488*X2 + 0.564*X1, Errorvar.= 20.076, R² = 0.912

Standerr (0.238) (0.241) (6.514)

Z-values 2.049 2.339 3.082

P-values 0.040 0.019 0.002

Pada regresi Y terhadap X1, X2 dan X3. Hasil uji statistiak

meninjukkan bahwa nilai P-value unruk ketiga variable tersebut

adalah 0.005, 0.035, 0.031 ketiganya memiliki nilai kurang dari

0.05 sehingga tolak H0. Jadi dapat disimpulkan bahwa remunerasi,

motivasi kerja dan suasana kerja masing-masing berpengaruh

signifikan terhadap kinerja pegawai. Setiap peningkatan

remunerasi akan meningkatkan 42% kinerja pegawai, setiap

peningkatan motivasi kerja akan meningkatkan 30.2% kinerja

pegawai dan setiap peningkatan suasana kerja akan meningkatkan

26.9% kinerja pegawai.

Nilai R2 (koefisien determinasi) sebesar 97%. Artinya 97%

keragaman Kinerja pegawai (Y) mampu dijelaskan oleh variabel

remunerasi (X1), motivasi kerja(X2) dan suasana kerja(X3),

sisanya 3% dijelaskan oleh variable lain.

Y = 0.302*X2 + 0.269*X3 + 0.420*X1, Errorvar.= 5.962 , R² = 0.970

Standerr (0.143) (0.125) (0.149) (1.934)

Z-values 2.105 2.152 2.812 3.082

P-values 0.035 0.031 0.005 0.002

16. Koefisien jalur Pengaruh langsung dan Pengaruh Total

Pada menu utama klik Setup, pilih Build LISREL Syntax

Klik Output, pilih LISREL Output, pilih selection, Pilih Total Effects

and Inderect Effects dan Completely Standardized Solution. Selanjutnya

klik OK

Klik Run sehingga diperoleh hasil sebagai berikut

Koefisien Jalur (Standardized Solution)

Beta

P32 = 0.364 adalah koefisien jalur X2 terhadap endogen X3

PY2 = 0.369 adalah koefisien jalur X2 terhadap endogen Y

PY3 = 0.044 adalah koefisien jalur X3 terhadap endogen YStandardized Solution

BETA

X2 X3 Y

-------- -------- --------

X2 - - - - - -

X3 0.364 - - - -

Y 0.369 0.044 - -

Gamma

P21 = 0.925 adalah koefisien jalur eksogen X1 terhadap endogen

X2

P31 = 0.627 adalah koefisien jalur eksogen X1 terhadap endogen

X3

PY1 = 0.592 adalah koefisien jalur eksogen X1 terhadap endogen Y

GAMMA

X1

--------

X2 0.925

X3 0.627

Y 0.592

Total and Indirect Effect

Pengaruh total eksogen dan endogen

Pengaruh total X1 terhadap X2 = 0.952

Pengaruh total X1 terhadap X3 = P31 + P21P32 = 0.627 + (0.925)

(0.364) = 0.963

Pengaruh total X1 terhadap Y = Py1 + P21PY2 + P31PY3 + P21P32PY3

=0.592+(0.925)(0.369)+(0.627)(0.044)+(0.925)(0.364)(0.044)

=0.976Standardized Total Effects of X on Y

X1

--------

X2 0.925

X3 0.963

Y 0.976

Pengaruh tidak langsung eksogen dan endogen

Pengaruh tidak langsung X1 terhadap X3 = P21P32 = (0.925)(0.364)

= 0.336

Pengaruh tidak langsung X1 Terhadap Y = P21PY2 + P31PY3 +

P21P32PY3 = (0.925)(0.369)+(0.627)(0.044)+(0.925)(0.364)(0.044) =

0.384 Standardized Indirect Effects of X on Y

X1

--------

X2 - -

X3 0.336

Y 0.384

Pengaruh total endogen dan endogen

Pengaruh total X2 terhadap X3 = P32 = 0.364

Pengaruh total X2 terhadap Y = PY2 + P32PY3 = 0.369 + (0.364)

(0.044) = 0.386

Pengaruh total X3 terhadap Y = PY3 = 0.044 Standardized Total Effects of Y on Y

X2 X3 Y

-------- -------- --------

X2 - - - - - -

X3 0.364 - - - -

Y 0.386 0.044 - -

Pengaruh tidak langsung endogen dan endogen

Pengaruh tidak langsung X2 terhadap Y = (0.364)(0.044) = 0.016

Standardized Indirect Effects of Y on Y

X2 X3 Y

-------- -------- --------

X2 - - - - - -

X3 - - - - - -

Y 0.016 - - - -

Daftar Pustaka

1. Satistical Techniques in Business and Economics by Douglas A. lind, William

G. Marchal and Samuel A. Wathen. Penerbit: MC Graw-Hill Irwin. Edisi

ketujuh

2. Statistika untuk Ekonomi dan Keuangan Modern. Edisi 3 buku 2 by Suharyadi

dan Purwanto S.K. Penerbit: Salemba Empat.

3.

LAMPIAN 1. Data praktikum bab 1-3

Data Ordinal Variabel Iklan Media Cetak (IMC)

No. Responden 1 2 3 4 5 6 7 8 9 IMC

1 4 4 4 4 4 4 4 4 2 342 4 4 4 3 4 4 4 4 4 353 2 3 2 4 4 4 3 3 4 294 4 4 4 4 4 4 4 4 3 355 4 4 4 5 4 4 5 4 5 396 5 4 4 4 5 5 4 5 5 417 4 4 3 4 4 3 4 4 5 358 3 2 4 4 5 5 4 4 4 359 4 4 4 1 3 3 3 3 3 28

10 5 5 5 5 5 5 5 4 5 4411 4 4 4 4 4 4 4 5 4 3712 5 5 5 3 4 4 4 3 3 3613 5 5 5 5 5 5 5 3 3 4114 4 4 4 4 4 4 4 5 4 3715 4 4 4 4 4 4 4 4 4 3616 4 5 4 5 4 5 5 4 5 4117 4 5 4 2 4 4 4 4 4 3518 4 3 4 2 4 4 5 4 4 3419 4 5 5 3 4 3 4 5 5 3820 5 5 5 5 5 4 4 5 5 4321 4 4 4 4 4 5 4 4 4 3722 5 4 4 4 4 4 4 4 4 3723 4 4 4 2 4 4 4 4 4 3424 4 3 3 2 2 4 4 3 3 2825 3 2 3 3 3 3 4 3 3 2726 3 4 4 3 4 3 4 4 3 3227 2 3 3 4 3 3 4 3 3 2828 5 4 4 4 4 4 5 4 3 3729 4 4 4 4 3 3 5 2 2 3130 5 5 4 4 4 5 5 3 4 3931 4 4 4 3 4 4 2 4 4 3332 2 4 2 2 4 4 4 4 4 3033 4 4 4 4 4 4 4 4 4 3634 4 4 4 4 4 4 4 4 4 3635 4 4 4 4 4 4 4 4 4 3636 5 4 4 4 5 4 4 4 4 3837 4 4 4 4 4 4 4 4 4 3638 5 5 5 5 5 5 5 4 4 43

39 4 4 4 2 4 2 5 4 4 3340 4 4 5 2 4 4 4 5 4 3641 5 3 3 3 3 3 3 3 3 2942 4 4 4 4 3 3 3 4 3 3243 5 5 5 5 5 5 5 5 5 4544 4 4 4 4 4 4 4 4 5 3745 5 2 2 2 4 2 2 2 2 2346 4 3 4 4 3 4 4 4 4 3447 5 5 5 5 5 5 5 5 5 4548 4 4 4 4 4 5 4 5 4 3849 5 5 5 5 5 5 5 5 5 4550 3 4 4 5 4 5 4 5 3 3751 5 4 4 5 5 3 3 5 3 3752 4 5 5 4 5 3 4 5 4 3953 4 4 5 4 5 5 4 4 5 4054 4 4 5 4 5 4 4 4 4 3855 5 4 4 4 5 5 5 5 4 4156 4 5 5 4 5 4 4 4 4 3957 3 5 4 4 4 4 4 4 3 3558 4 5 5 4 5 4 4 4 4 3959 4 4 3 4 4 5 2 4 3 3360 5 5 4 4 4 5 3 4 3 3761 5 4 4 4 5 5 5 5 4 4162 4 4 4 5 4 4 4 4 4 3763 4 4 3 3 4 4 3 4 5 3464 5 5 5 4 3 5 4 3 3 3765 4 4 4 4 4 5 5 4 5 3966 4 4 5 5 5 5 4 5 4 4167 3 4 4 4 4 4 4 5 4 3668 4 4 4 4 4 5 4 5 4 3869 4 4 5 4 4 5 5 5 4 4070 4 4 5 5 4 5 4 5 5 4171 4 3 4 4 4 4 4 5 4 3672 3 5 5 4 5 4 4 4 4 3873 4 3 4 2 4 4 4 4 3 3274 3 4 5 4 4 4 3 4 4 3575 4 4 4 4 4 4 3 3 4 3476 2 3 3 2 4 4 4 3 3 2877 4 4 5 4 4 4 4 4 4 3778 5 4 4 4 5 5 5 5 4 4179 5 4 5 4 4 5 4 5 4 4080 4 4 4 4 4 4 4 4 3 3581 4 4 4 4 4 5 4 4 5 3882 5 4 5 4 4 5 4 5 4 40

83 5 4 5 4 4 5 4 5 4 4084 5 4 5 4 5 5 5 4 5 4285 4 4 4 4 4 4 4 5 4 3786 4 4 5 4 4 4 5 5 4 3987 5 5 5 4 5 4 4 5 4 4188 4 4 4 4 4 5 4 4 4 3789 3 4 4 4 5 5 5 3 4 3790 4 4 4 4 3 4 4 4 4 3591 5 5 5 5 5 5 5 5 5 4592 4 4 5 5 4 4 4 5 5 4093 4 4 4 4 4 4 3 3 4 3494 5 4 4 5 4 4 4 5 4 3995 4 4 4 4 3 5 3 4 3 3496 4 3 2 2 3 4 4 4 4 3097 5 5 5 5 4 5 4 5 5 4398 4 4 5 4 4 5 4 5 4 3999 4 4 4 4 4 4 4 4 4 36

100 4 4 4 4 5 4 4 5 4 38101 5 5 5 5 5 5 5 5 5 45102 5 4 4 4 5 3 3 4 4 36103 4 4 5 4 4 3 4 3 4 35104 4 3 4 4 4 4 4 5 4 36105 4 3 4 4 4 4 4 4 4 35106 5 4 4 4 4 5 5 4 4 39107 4 4 4 2 4 4 2 2 4 30108 4 4 4 2 4 4 2 4 4 32109 4 4 4 4 4 4 4 4 4 36110 4 4 4 4 5 4 4 4 5 38111 4 4 4 2 4 4 4 4 4 34112 4 4 4 4 4 4 4 5 5 38113 5 5 5 4 5 5 5 5 5 44114 4 5 4 4 3 5 4 5 4 38115 5 5 5 4 5 5 5 4 5 43116 4 4 4 3 4 4 3 3 4 33117 4 4 4 4 4 5 4 4 5 38118 4 4 4 4 5 5 4 5 4 39119 5 5 4 4 4 4 4 4 3 37