5. Box independent isikan : variabel bebasnya ( X1 = finansial, X2 = nonfinansial). 6. Klik method, pilih enter. 7. Klik tombol statistic, akan muncul linier regression statistic : Nonaktifkan : estimates dan model fit Aktifkan : covariance matrix dan collinieritas diagnotics. 8. Klik continue. 9. Klik ok (muncul output SPSS) Contoh soal : pengaruh variabel bebas (finansial = X1 dan non finansial = X2) terhadap variabel terikat (Kepuasan kerja =Y) denagn data berupa skor kuesioner sebagai berikut : Resp 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Finansial 4,5 4 3,4 3,4 4,1 2,6 3,8 3,2 4,4 4,3 4,7 3,2 3.4 1,0 3,5 3,7 2,4 2,6 3,4 3,9 Nonfinansial 2,5 4,5 3 3,5 1,6 2,4 4,3 3,4 2,6 2,6 3,5 4,3 3,2 2,3 3,7 4,4 4,3 4,6 3,5 2,5 Kepuasan 3 4,3 4,5 2,3 4,3 3,7 3 3,4 2,7 4,6 4,8 3,4 3 4 2,4 3 2 4 3,5 2,5 Resp 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 Finansial 4,3 2,2 2,3 3,4 4,2 4,5 3,6 4,6 3,2 1,6 3,2 4,8 3,6 4,5 3,6 3,4 4,3 4,6 2,3 4,3 Nonfinasial 3,9 3,6 4,5 4,3 2,7 4 4,7 3 4 3,4 2,5 4,3 4,6 3,3 3,4 2,6 2,7 3,5 4,5 4 Kepuasan 3,2 3,4 3,6 4,2 3,2 3,3 3,7 3,4 2,7 1,9 4,3 2 3 4,3 3,4 2,5 4,1 2 3,6 3,4
Regression
Variables Entered/Removed Model 1 Variables Entered Motivasi nonfinansial, Motivasi finansial a.
a
b Method
Coefficientsa Collinearity Statistics Model 1 Motivasi finansial Motivasi nonfinansial a. Dependent Variable: kepuasan kerja Tolerance .980 .980 VIF 1.021 1.021
Coefficient Correlationsa Motivasi Model 1 Correlations Motivasi nonfinansial motivasifinansial Covariances Motivasi nonfinansial Motivasi finansial a. Dependent Variable: kepuasan kerja nonfinansial 1.000 .142 .025 .003 Motivasi finansial .142 1.000 .003 .023
Collinearity Diagnosticsa Variance Proportions Motivasi Model 1 Dimension 1 2 3 Eigenvalue 2.927 .058 .015 Condition Index 1.000 7.056 14.003 (Constant) .00 .00 1.00 Motivasi finansial .01 .46 .54 nonfinansial .01 .40 .59
7. Klik continue 8. Klik OK, muncul output SPSS Contoh soal : sama dengan diatas
Residuals Statisticsa Minimum Predicted Value Std. Predicted Value Standard Error of Predicted Value Adjusted Predicted Value Residual Std. Residual Stud. Residual Deleted Residual Stud. Deleted Residual Mahal. Distance Cook's Distance Centered Leverage Value a. Dependent Variable: kepuasan kerja 3.0411 -1.3935 3.1314 -1.586 .12659 .35559 3.5870 1.4015 1.778 1.847 1.5123 1.912 6.965 .236 .179 .20961 3.3379 .0000 .000 .001 .0021 -.002 1.950 .031 .050 .05211 .14664 .76763 .974 1.017 .83732 1.033 1.512 .045 .039 Maximum 3.6474 2.336 Mean 3.3400 .000 Std. Deviation .13157 1.000 N 40 40
40
40 40 40 40 40 40 40 40 40
-1.768
-1.886
Analisis hasil output SPSS (gambar scatterplot) diatas didaptkan titik-titik dibawah dan diatass sumbu Y, dan tidak mempunyai pola yang teratur, jadi kesimpulannya variabel bebas di ats tidak terjadi heteroskedastisitas tatu bersifat homoskedastisitas.
1.
Cara Statistik
Dalam menguji data variabel bebas dan data variabel terikatberdistribusi normal atau tidak pada cara statistic ini melalui nilai kemiringan kurva (skewness = 3) atau nilai keruncingan kurva (kurtosis = 4) diperbandingkan dengan nilai Z table Rumus nilai Z untuk kemiringan kurva (skewness) Z skewness = skewness / 6/N atau Z3 = 3/v6/N Rumus nilai Z untuk keruncingan kurva (kurtosis) Z kurtosisi = kurtosis / 24/N atau Z4 = 4/24/N Dimana N = banyak data Ketentuan analisis: a) Variabel (bebas atau terikat) berdistribusi normal jika Z hitung (Z3 atau Z4) < Z tabel Misal diketahui Z5% = 1,96 (Z tabel) lebih besar dari Z hitung atau dengan kata lain Z hitung lebih kecil dari Z tabel (1,96), dapat dituliskan Z hitung < 1,96 b) Variabel berdistribusi tidak normal jika Z hitung (Z3 atau Z4) > Z tabel. Misal nomor (a), dapat ditulis Z hitung >1,96 Adapun langkah pengujian asumsi klasik normalitas dapat dilakukan semi manual, maksudnya kita dalam mecari nilai skewness (3) dan nilai kurtosis (4) dari data variabel bebas (X) maupun data variabel terikat (Y)menghitung denga rumus yang ada dalam buku statiska deskriptif, baru setelah ketemu nilainy, kemudian dicari Z3 dan Z4 rumus diatas. Atau dapat pula melalui perhitungan computer program SPSS untuk mencari nilai skewness (3) dan nilai kurtosis (4) dengan langkah sebagai berikut: a. c. d. e. f. g. Buka file yang berisi variabel bebas dan variabel bebas terikat. Klik frequencies Kemudian masukkan data variabel (bebas atau terikat, hanya satu variabel dulu diolah) Klik tombol statistic, tandai pada skewness atau kurtosis Klik continue, kemudian tekan OK muncul output SPSS b. Klik menu statistic/analyze, pilih descriptive statistic
Frequencies
Statistics Motivasi finansial N Valid Missing Skewness Std. Error of Skewness Kurtosis Std. Error of Kurtosis 40 0 -.491 .374 .618 .733
motivasifinansial Cumulative Frequency Valid 1.6 1.9 2.2 2.3 2.4 2.6 3.2 3.4 3.5 3.6 3.7 3.8 3.9 4.0 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 Total 1 1 1 2 1 3 4 6 1 2 1 1 1 1 1 1 4 1 3 2 1 1 40 Percent 2.5 2.5 2.5 5.0 2.5 7.5 10.0 15.0 2.5 5.0 2.5 2.5 2.5 2.5 2.5 2.5 10.0 2.5 7.5 5.0 2.5 2.5 100.0 Valid Percent 2.5 2.5 2.5 5.0 2.5 7.5 10.0 15.0 2.5 5.0 2.5 2.5 2.5 2.5 2.5 2.5 10.0 2.5 7.5 5.0 2.5 2.5 100.0 Percent 2.5 5.0 7.5 12.5 15.0 22.5 32.5 47.5 50.0 55.0 57.5 60.0 62.5 65.0 67.5 70.0 80.0 82.5 90.0 95.0 97.5 100.0
Frequencies
Statistics motivasinonfinansial N Valid Missing Skewness Std. Error of Skewness Kurtosis Std. Error of Kurtosis 40 0 -.290 .374 -.893 .733
motivasinonfinansial Frequency Valid 1.6 2.3 2.4 2.5 2.6 2.7 3.0 3.2 3.3 3.4 3.5 3.6 3.7 3.9 4.0 4.3 4.4 4.5 4.6 4.7 Total 1 1 1 3 3 2 2 1 1 3 4 1 1 1 3 5 1 3 2 1 40 Percent 2.5 2.5 2.5 7.5 7.5 5.0 5.0 2.5 2.5 7.5 10.0 2.5 2.5 2.5 7.5 12.5 2.5 7.5 5.0 2.5 100.0 Valid Percent 2.5 2.5 2.5 7.5 7.5 5.0 5.0 2.5 2.5 7.5 10.0 2.5 2.5 2.5 7.5 12.5 2.5 7.5 5.0 2.5 100.0 Cumulative Percent 2.5 5.0 7.5 15.0 22.5 27.5 32.5 35.0 37.5 45.0 55.0 57.5 60.0 62.5 70.0 82.5 85.0 92.5 97.5 100.0
Frequencies
10
Statistics kepuasankerja N Valid Missing Skewness Std. Error of Skewness Kurtosis Std. Error of Kurtosis 40 0 -.119 .374 -.734 .733
kepuasankerja Frequency Valid 1.9 2.0 2.3 2.4 2.5 2.7 3.0 3.2 3.3 3.4 3.5 3.6 3.7 4.0 4.1 4.2 4.3 4.5 4.6 4.8 Total 1 3 1 1 2 2 5 2 1 6 1 2 2 2 1 1 4 1 1 1 40 Percent 2.5 7.5 2.5 2.5 5.0 5.0 12.5 5.0 2.5 15.0 2.5 5.0 5.0 5.0 2.5 2.5 10.0 2.5 2.5 2.5 100.0 Valid Percent 2.5 7.5 2.5 2.5 5.0 5.0 12.5 5.0 2.5 15.0 2.5 5.0 5.0 5.0 2.5 2.5 10.0 2.5 2.5 2.5 100.0 Cumulative Percent 2.5 10.0 12.5 15.0 20.0 25.0 37.5 42.5 45.0 60.0 62.5 67.5 72.5 77.5 80.0 82.5 92.5 95.0 97.5 100.0
ANALISIS:
11
Dari output hasil SPSS pengolahan di atas, kita temui nilai skewness dan nilai kurtosis. Dari sini kita secara manual menghitung Z hitung (Z3 dan Z4) sebagai berikut: Variabel Finansial: Z3 = = = 1,269, dan Z4= = = -0,798
Misalkan kita gunakan alpha = 5%, didapat Z tabel = 1,96 dibandingkan dengan Z3 dan Z4 dari variabel financial, nonfinansial dan kepuasan kerja disimpulkan variabel diatas berdistribusi normal.
2.
Cara Grafik Histogram dan Normal Probability Plots Cara grafik histogram dalam menentukan suatu data berdistribusi normal atau tidak, cukup
membandingkan antara riil/nyata dengan garis kurva yang terbentuk, apakah mendekati normal atu memang normal sama sekali. Jika data riil membentuk garis kurva cenderungtidak simetri terhadap mean, maka dapat dikatakan data berdistribusi tidak normal dan sebaliknya. Cara grafik histogram lebih sesuai untuk data yang relative banyak, dan tidak cocok untuk banyak data yang sedikit, karena interpretasinya dapat menyesatkan. Cara normal probability plot lebih handal daripada cara grafik histogram, karena cara ini membandingkan data riil dengan data distribusi normal (otomatis oleh computer) secara kumulatif. Suatu data dikatakan berdistribusi normal jika garis riil mengikuti garis diagonal. Langkah pengujian cara grafik histogram dan normal probability plot sebagai berikut: a) Buka file data yang mau di uji. b) Klik menu statistic/analyze, pilih regression: linier c) Muncul dialog linier regression d) Box dependent isikan : variabel terikatnya (Y) e) Box independent isikan : variabel bebasnya (X) f) h) i) j) Klik plots, muncul linier regression plots Klik normal probability plots Klik continue,klik OK. Muncul output SPSS grafik histogram dan normal probability plots. 12 g) Klik histogram
13
Dari hasil grafik histogram didapatkan garis kurva normal, berarti data yang diteliti di atas berdistribusi normal, demikian juga dari normal probability plots menunjukkan berdistribusi normal, karena garis (titik-titik) mengikuti garis diagonal.
14
Langkah pengujian Durbin-Watson: a) Buka file data b) Klik menu statistic/analyze, pilih regression: pilih linier c) Box dependent isikan : variabel terikatnya (Y) d) Box independent isikan : variabel bebasnya (X) e) Case labels isikan : periode waktunya f) g) h) Klik tombol statistic Aktifkan Durbin-Watson Tekan continue,klik OK.
b. Dependent Variable: kepuasan kerja Analisis : Dari hasil olah di atas, ditemukan Durbin-Watson test = 2,397 dan DW > 2 disimpulkan data di atas terjadi autokorelasi negatif.
15