Modul Pengolaan Data SPSS

Metode Penelitian Dan Pengolahan Data Penelitian (Pendekatan Praktis) Oleh: Hanif Mauludin@gmail.com

Publish: September 24

2010

Modul Praktikum Statistik

Bismillaahirrahmaanirrahiim, Wabihii nastainu Subhaanaka laa ilmalana illaa maa allamtana innaka antal aliimul hakiim. Allahumma shalli alaa sayyidina Muhammad wa alaa alihi washahbihi. Pendahuluan .. Dalam suatu ujian skripsi, tujuh peserta ujian ditanya oleh penguji. Apa alasan anda memilih regresi berganda sebagai alat analisa ?.., peserta 1, 2 dan 3 menja ab, dengan senyuman alias nggak ngerti, peserta ! menja ab ikut skripsi yang lalu, peserta " dan # menja ab atas saran dosen pembimbing, peserta $ menja ab karena pertimbangan masalah dan tujuan penelitian serta %ormulasi model penelitian. .. mana kira&kira ja aban yang terbaik.. ' Berdasarkan pengalaman penulis dalam membimbing dan menguji skripsi selama ini, masih ada beberapa mahasiswa yang telah lupa atau belum faham mengenai apa dan bagaimana proses analisis data itu dilakukan sebagai alat bantu pembuatan kesimpulan penelitian. Suplemen ini merupakan pelengkap modul mata kuliah metode penelitian yang biasa digunakan oleh penulis dalam memberikan materi perkuliahan di kelas. Lebih lanjut, suplemen ini disusun atas dasar keinginan penulis untuk membantu mahasiswa STIEM ! yang sedang menyusun tugas akhir dan berkeinginan mengolah data se"ara mandiri. Menurut pengamatan penulis, terdapat beberapa alat analisa yang umum digunakan mahasiswa S# dalam menjawab permasalahan, tujuan serta hipotesis penelitian. lat analisa tersebut antara lain analisis regresi berganda, analisis jalur, uji beda, analisis fa"tor, analisis "luster dan diskriminan. $alam buku ke"il ini terdapat petunjuk praktis proses pengolahan data dengan menggunakan regresi berganda, analisis jalur, uji beda dan analisis faktor. %ntuk analisis "luster dan diskriminan Insya llah akan menyusul dalam modul berikutnya. &endekatan praktis yang dimaksud adalah lebih menitikberatkan pada proses pengolahannya serta pemba"aan hasil analisnya. &enggunakan beberapa pro'y juga ditekankan untuk membantu mahasiswa didalam menafsirkan temuan penelitiannya se"ara statisti". $engan disertai disket yang berisi data S&SS akan sangat membantu mahasiswa dalam berlatih dan melakukan berberapa simulasi pengolahan data yang akan dipandu se"ara sistematis.

Bagian Satu Analisa egresi Berganda

Penggunaan Regresi Berganda !egresi Berganda adalah bagian dari analisis multi(ariate. Tujuan utama analisis regresi berganda adalah untuk menduga besarnya koefisien regresi. Selanjutnya, koefisien regresi inilah yang akan menunjukkan besarnya pengaruh peubah bebas (independent )ariable*+, terhadap peubah tak bebas (dependent )ariable*-,. .ata /berganda0 diambil sebagai penjelas untuk menunjukkan bahwa peneliti dalam penelitiannya menggunakan lebih dari satu )ariabel bebas (di kampus ter)inta ini (ariabel diistilahkan dengan kata peubah, pengertian keduanya mempunyai arti yang sama*. &emborosan yang sering dilakukan oleh mahasiswa dalam skripsinya ialah ia menyajikan semua analisa seperti regresi sederhana, korelasi sedehana, regresi berganda, korelasi berganda yang pada akhirnya mahasiswa bingung sendiri, figure statistik mana yang dipakai 1. Seiring kemajuan teknologi software, semua tujuan untuk uji hubungan maupun pengaruh baik se"ara bersama2sama maupun se"ara parsial dapat diselesaikan hanya dengan satu /"li"k0 yaitu /regression0. Semua tindakan olah data itu dapat dilakukan bahkan berulang2ulang dengan beberapa perbaikan yang dimungkinkan hanya dalam hitungan menit. Bersyukurlah kita karena sudah ada software pengolah data yang saudara kenal dengan sebutan S&SS for windows. 3angan bayangkan statisti" berwajah rumus yang /jlimet0 dan seabrek perhitungan lain, disini statistik sebagai alat dan sebagai alat ia telah mengalamai metamorfosis, ibarat mengitung perkalian 4567685 ' 85958:;87, dengan manual 11111, tetapi dengan "al"ulator /no problem0. $emikian juga regresi berganda, dengan manual 111111, tetapi dengan S&SS /smile dan menantang0. -ang terpenting dari semua aspek teknis itu saudara bisa memba"a hasil output S&SS tersebut untuk pengambilan kesimpulan atas masalah dan tujuan penelitian, misal untuk apa mengetahui nilai !, ! s<uare, nilai =, nilai b, nilai t, nilai Sig dan beberapa figure atau parameter lain yang diperlukan untuk pengujian hipotesis dan menjawab permasalahan penelitian. Nah saudaraku mari kita santai sejenak dan perhatikan hiburan berikut ini. Ibarat anda sakit batuk dan tentu anda beli obat batuk, yang penting adalah anda mengerti aturan*"ara minum, kontra indikasi serta pantangannya. nda tidak perlu tahu bagaimana unsur2unsur kimia itu diproses dan bagaimana komposisi >at itu dihitung takarannya. Sebab itu sudah menjadi tanggung jawab ahli2ahli kimia dan kedokteran dan tentunya telah melalui proses +uality )ontrol yang ketat sebelum dijual. nalisis regresi dengan bantuan software S&SS layaknya seperti ilustrasi tersebut. .etahui saja bagimana persyaratan2persyaratan sebelum proses input data dan outputnya sebagai bahan untuk pengambilan kesimpulan, jelaskan temuan angka2 angka atau figure statistik itu dengan bersandar pada teori dan empiris, jangan sibuk belajar dari mana asal muasal angka !, ! s<uare, t, beta, dsb apalagi sampai dibuktikan se"ara manual, akhirnya energi saudara habis untuk urusan hitung

menghitung yang sebenarnya bukan tujuan utama saudara. kibatnya pembahasan thesis, anti2thesis dan sintesa antara kajian teori dan temuan empiris menjadi tidak tajam karena anda lebih mengutamakan belajar darimana angka2angka tersebut tapi bukan belajar apa arti angka2angka tersebut. =enomena ini sering penulis temui ketika menjelang ujian skripsi mahasiswa sibuk dan stress gara2gara rumus. Bukan sibuk mempersiapkan penjelasan yang logis atas temuan penelitiannya. Mohon direnungkan?? Persiapan mengolah data penelitian. Sebagai misal peneliti ingin mengetahui apakah ada pengaruh antara gaji karyawan dan .edisiplinan kerja karyawan terhadap &restasi kerja karyawan. Lihat model teori penelitian berikut:1

Ga i karya!an

Prestasi ker a karya!an "edisiplinan ker a karya!an

didalam akhir bab II, gambar ini biasanya disajikan kerangka/ model teori penelitan

,ased on this model, dapat kita mengerti bahwa terdapat dua peubah bebas ('# dan '4, dan satu peubah terikat (-,, yang selanjutnya ingin diketahui bagaimana bentuk hubungan dan pengaruhnya, tentunya dengan menggunakan analisis regresi berganda. pa yang perlu dipersiapkan 1 Setelah bangunan teori di susun dengan menyajikan argumen yang kuat dan rele)an. Berikutnya perumusan hipotesis dilakukan sebagai dasar pengujian. $alam "ontoh diatas peneliti mempunyai fokus pada peubah gaji karyawan ('#, dan .edisiplinan karyawan ('4, keduanya sebagai peubah bebas yang berpengaruh pada prestasi kerja karyawan (-, (lihat model hal #,. Selanjutnya peneliti harus menyusun pengukuran
1

Model penelitian dimaksudkan untuk membuat penyederhanaan permasalahan, sehingga pembaca dapat mengetahui alur atau arah cerita penelitian yang dilakukan.

dari peubah2peubah tersebut. (dalam skripsi saudara, perbin"angan ini masuk pada bab III, Peubah dan Pengukuran,. %ntuk mempermudah penguasan peubah dan pengukuran, saudara lebih baik membuat tabel yang berisikan penjelasan atas peubah dan pengukuran tersebut, lihat "ontoh berikut@ Tabel #. &eubah dan pengukuran &eubah &enelitian Indikator peubah Aaji karyawan (+#, #. jumlah gaji 2. kesesuaian dengan beban kerja 6. unsur keadilan .edisiplinan karyawan ('4, #. taat pada aturan 4. absensi 3. pemanfaatan fasilitas kerja &restasi .erja karyawan (-, #. kuantitas hasil kerja 4. kesesuaian dengan standart 6. ketepatan waktu Skala pengukuran 1. ordinal2inter)al 4. ordinal2inter)al 6. ordinal2inter)al #. ordinal2inter)al 4. ordinal2inter)al 6. ordinal2inter)al #. ordinal2inter)al 4. ordinal2inter)al 6. ordinal2inter)al

Setelah peubah dan pengukuran tersebut dikonsultasikan dengan pembimbing dan dinilai sudah tepat artinya sesuai dengan tujuan penelitian dan kondisi empiris*lapangan, maka indikator2indikator tersebut untuk selanjutnya digunakan sebagai bahan penyusunan kuesioner dalam bentuk pertanyaan2pertanyaan. Selanjutnya kuesioner dibagikan kepada responden, dan jawaban2jawaban responden yang telah terdokumentasi didalam kuesioner dimasukkan kedalam S&SS editor dengan langkah2langkah sebagai berikut@ Langkah awal. Susun terlebih dahulu peubah dan pengukurannya sebelum di input kedalam S&SS editor sbb. (lihat tabel hal 6, Peubah Gaji karyawan (x1 ! Indikatornya@ '#.# 3umlah gaji +#.4 kesesuaian dengan beban kerja +#.6 unsur keadilan

Pen elasan mengenai skala pengukuran dan teknik prosedur penyusunan instrument penelitian baca dii modul metpen yang atau konsultasikan pada #osen pembimbing yang terhormat

-ontoh pertanyaan didalam kuisioner. #. Bagaimana pendapat bpk*ibu*sdr tentang jumlah gaji yang diterima perbulan dari perusahaan. a. sangat memadai 3awaban a dinilai 7, b nilai 5, dst, e nilai # b. memadai Lihat panduan penyusunan skala likert , semantik ". "ukup diferensial dan skala guttman. (modul metpen, d. kurang e. sangat tidak memadai in%ormasi lain @ ?? ?????????????????????? ??. ?????????????????????? Terkadang didalam kuesioner perlu diberikan pertanyaan terbuka untuk memperoleh informasi lain yang mungkin diperlukan dan berguna pada saat memperkuat penjelasan "ntuk Peubah kedisiplinan karyawan (x# ! sbb: Indikatornya@ +4.# Taat pada aturan +4.4 absensi +4.6 pemanfaatan fasiltas "ntuk Peubah Prestasi kerja $aryawan (% ! sbb: Indikatornya@ -.# kuantitas hasil kerja -.4 kesesuaian dengan standart -.6 .etepatan waktu ('#.#B '#.4 dst hanyalah pemberian istilah saja untuk mempermudah mengenali )ariabel beserta indikatornya. +#.# artinya indikator ke # dari )ariable ke #, '4.4 artinya indikator ke dua dari )ariable ke 4, dst, &enjalankan 'P''. 1. Buka S&SS , bisa open lewat program, windows e'plorer atau klik dua kali i"on S&SS. Casilnya akan nampak seperti ini@

setelah media spss editor dalam posisi ready, selanjutnya tinggal ketik nama2nama )ariable beserta masing2masing indikatornya dengan "ara sbb@ (untuk memulai memberi nama )ariable, klik )ariable )iew pada bagian paling bawah sebelah kiri, Casilnya akan tampak sbb@

berikutnya entry data bisa dimulai dengan kesabaran dan ketelitian. Sekali lagi proses ini sangat mudah sekali tinggal klik sana klik sini dan langsung jadi. Casilnya lihat dibawah ini.

$ata diatas berjumlah nD6E namun hanya tampak nD#4 Setelah data lengkap disajikan didalam spss editor selanjutnya akan dilakukan analisis regresi, dengan tahapan sebagai berikut. (ahap )wal. Lakukan uji Faliditas dan !eliabilitas seperti petunjuk di bawah ini rahkan pointer saudara pada menu naly>e &ilih S"ale, selanjutnya pilih !eliability nalysis,,,,, (lihat kotak , berikutnya akan tampak kotak sbb@

Masukkan tiap peubah dan indikator ke dalam kotak item (pakai tanda untuk memasukkan dan mengeluarkan tiap peubah beserta indikatornya, sesuai dengan kelompoknya masing2masing, Aambar diatas adalah proses untuk menguji )aliditas dan reliabilitas untuk indikator2indikator +#, lakukan hal yang sama untuk '4 dan lakukan sesuai kelompoknya (lihat hal 7 , .lik Gk dan hasilnya adalah
Reliability ****** Method 1 (space saver) will be used for this analysis ****** R E L I A B I L I ! A " A L ! # I # $ # % A L E (A L & ' A) Mean 1) /) +) 3) *1)1 *1)/ *1)+ *1 4 AL +),--. +)0+++ +)0+++ 11)3111 #td (ev )./.0 ),2++ )-01, 1)1+./ %ases +1)1 +1)1 +1)1 +1)1

Ite5$total #tatistics #cale Mean if Ite5 (eleted *1)1 *1)/ *1)+ *1 4 AL 10)/--. 12)0111 12)0111 11)3+++ #cale 6ariance if Ite5 (eleted /)0-10 +)31+3 +),313 1)121Corrected ItemTotal Correlation ),1,. ),300 )-11. )..3Alpha if Ite5 (eleted ),313 ),21)-.,2 ).-02

Reliability Coefficients " of %ases 7 Alpha = .7784 +1)1 " of Ite5s 7 3

*nterpretasi hasil uji +aliditas dan reliabilitas. Se"ara statistik, Instrumen penelitian dikatakan mempunyai tingkat )aliditas yang baik jika Hilai c rrected item!t tal c rrelati n dibandingkan dengan nila r kritik pada tabel harus lebih besar. Instrumen penelitian dikatakan mempunyai tingkat reliabilitas yang tinggi jika nilai )lpha lebih besar dari E,8. 3adi instrument penelitian untuk merespon peubah gaji sudah /)alid dan reliable0, lakukan interpretasi yang sama untuk '4 dan - dengan bersandar pada ketentuan diatas. Setelah melakukan uji )aliditas dan reliabilitas, berikutnya lakukan pengujian asumsi klasik# (untuk uji asumsi klasik akan dijelaskan pada bagian akhir,. Setelah semua asumsi dipenuhi ( multikolieritas, autokorelasi, heteroskedastisitas dan normalitas, &roses uji asumsi klasik bisa dilakukan se"ara bersama dengan analisi regresi berganda. $engan tahapan sebagai berikut@ &ilih menu naly>e, pilih !egression, pilih linear, tampilannya akan tampak sebagai berikut.

.lik linear maka akan tampak kotak perintah sbb@ ikuti langkah berikut@

lihat pen elasannya pada halaman 1$.

Masukkan peubah bebas (hanya nilai total saja, '#, '4 , pada kotak independent Masukkan peubah terikat (hanya nilai total -, pada kotak dependent Berikutnya klik i"on /statisti"s?.0 .emudian beri tanda "he"k ( , pada kotak yang telah disediakan, sesuaikan dengan "ontoh

Setelah

Selanjutnya klik "ontinue dan klik Gk, maka spss sedang running? tunggu beberapa saat dan hasil analisis regresi berganda sudah bisa dilihat seperti tampilan berikut ini. Regression
b ,ariables -ntered.Remo+ed

Model #

Fariables Entered kedisiplina n, gaji a karyawan

Fariables !emo)ed .

Method Enter

a.

ll re<uested )ariables entered.

b. $ependent Fariable@ prestasi kerja

b &odel 'ummary

Ihange Statisti"s Model # ! ! S<uare .96;a .755 djusted Std. Error of ! S<uare ! S<uare the Estimate Ihange = Ihange .7#E .:E88 .755 #8.#E6 df# 4 df4 Sig. = Ihange 49 .EEE $urbin2J atson 4.EE4

a. &redi"tors@ (Ionstant,, kedisiplinan, gaji karyawan b. $ependent Fariable@ prestasi kerja

)/0,)b Model # Sum of S<uares 48.596 44.#:5 5;.889 df 4 49 4: Mean S<uare #6.469 .;44 = #8.#E6 Sig. .EEEa

!egression !esidual Total

a. &redi"tors@ (Ionstant,, kedisiplinan, gaji karyawan b. $ependent Fariable@ prestasi kerja

1oe22i3ientsa Standardi >ed %nstandardi>ed Ioeffi"ien Ioeffi"ients ts Model B Std. Error Beta # (Ionstant, 25.67E2E5 4.#;# gaji karyawan .7;; .#9: .59# kedisiplinan .7#4 .#;6 .5E4 a. $ependent Fariable@ prestasi kerja

t .EEE 6.49: 4.9::

Sig. Kero2order #.EEE .EE6 .854 .EE: .8E4

Iorrelations &artial .765 .595

&art .548 .685

Iollinearity Statisti"s Toleran"e FI= .;#: .;#: #.44E #.44E

Berikutnya adalah melakukan interpretasi atas hasil analisis regresi. $alam memba"a print out S&SS tersebut, saudara harus bersandar pada rumusan masalah, tujuan dan hipotesis penelitian. rtinya tidak semua angka2angka*parameter diinterpretasikan. $alam "ontoh ini telah disebutkan bahwa peneliti ingin mengetahui dan menguji@ pakah ada pengaruh antara gaji karyawan ('#, dan kedisiplinan ('4, terhadap prestasi kerja (-, se"ara bersama2sama mapun se"ara parsial $engan demikian hipotesis penelitian akan dinyatakan @ da pengaruh yang signifikan antara gaji karyawan ('#, dan kedisiplinan ('4, terhadap prestasi kerja (-, se"ara bersama2sama mapun se"ara parsial. tau bisa disusun se"ara terpisah, sbb. da pengaruh yang signifikan antara gaji karyawan ('#, dan kedisiplinan ('4, terhadap prestasi kerja se"ara bersama2sama. da pengaruh yang signifikan antara gaji karyawan ('#, terhadap prestasi kerja (-, (parsial, da pengaruh yang signifikan antara kedisiplinan ('4, terhadap prestasi kerja (y, (parsial, 3ika dimungkinkan, saudara juga diperbolehkan menduga bahwa salah satu )ariabel mempunyai pengaruh paling dominan, asalkan saudara mempunyai argumen yang kuat berdasarkan teori maupun penelitian terdahulu, ingat harus punya argumen tidak sekedar menduga tanpa dasar. Misalnya, $iduga gaji karyawan ('#, mempunyai pengaruh yang paling dominant terhadap prestasi kerja (-,, hal ini tentunya harus didukung dengan alasan yang kuat bukan sekedar ikut kebiasaan selama ini. Sekarang marilah kita mulai dengan belajar memba"a print out spss regresi berganda. Pengujian hipotesis! da pengaruh yang signifikan antara gaji karyawan ('#, dan kedisiplinan ('4, terhadap prestasi kerja (-, se"ara bersama2sama. %ntuk pengujian penelitian, se"ara statistik biasanya ada prosedur sbb 1. lihat nilai ! (koefisien korelasi berganda, gunanya untuk mengetahui keeratan hubungan antara peubah '# dan '4 (se"ara sumultan, terhadap peubah terikat (y,. Hilai korelasi bisa bernotasi negati)e maupun positif, notasi ini mengindikasikan bentuk atau arah hunungan yang terjadi. &erhatikan .riteria nilai korelasi pada tabel berikut@ Hilai ! (korelasi, E E L E,7 E,7 L E,; E,; L # # .riteria hubungan Tidak ada hubungan .orelasi lemah .orelasi sedang*"ukup kuat .orelasi kuat .orelasi sempurna

Casil analisis menunjukkan nilai !D E.96;, hal ini menunjukkan bahwa terdapat hubungan yang "ukup kuat antara gaji karyawan ('#, dan kedisipliinan ('4, se"ara

2.

bersama2sama terhadap prestasi kerja (-,. rtinya jika '# dan '4 meningkat maka - juga akan meningkat (korelasi positif,. (lihat tabel Model Summary hal #6, Lihat nilai ! s<uare (!4, juga disebut sebagai koefisien determinasi gunanya untuk mengetahui besarnya kontribusi peubah bebas (', se"ara serempak didalam menjelaskan peubah terikat (-,. ! S<uare juga dapat menunjukkan ragam naik atau turunnya peubah terikat (-, yang diterangkan oleh pengaruh linier peubah bebas (+,. %kuran nilai ! S<uare adalah E !4 ( #, artinya semakin mendekati angka satu berarti garis regresi yang terbentuk dapat meramalkan peubah terikat (-, se"ara lebih baik menuju kesempurnaan (model fit, $alam tabel model summary (hal #6, kita lihat nilai !4 sebesar E,755. Cal ini diartikan bahwa peubah bebas dalam hal ini gaji dan kedisiplinan se"ara bersama2 sama menjelaskan peubah prestasi kerja sebesar 75,5 M, sedangkan sisanya 57,8 M dijelaskan oleh peubah lain yang tidak diteliti dalam penelitian ini atau model penelitian. Semakin besar nilai !4 semakin menunjukkan ketepatan model yang telah disusun (model yang dimaksud adalah model teori penelitian ini,.

3. Lihat Hilai = statisti" (biasa disebut %ji =, dan Hilai Sig. (lihat table HGF , hal #6,
HIlai = statisti" dapat digunakan untuk mengetahui tingkat signifikansi kontribusi peubah bebas (se"ara bersama2sama, dalam menjelaskan peubah terikat. rtinya apakah pengaruhnya nyata atau bermakna. $engan membandingkan nilai = statisti" dengan nilai = table dapat diketahui tingkat signifikansinya. .ita lihat dari table HGF bahwa nilai = stat sebesar #8.E6 sedangkan = table dapat di tentukan dengan "ara sebagai berikut@ Lihat df (degree of freedom, atau derajat bebas (db, rumusnya k, n2k2# atau langsung lihat di table ano)a, df nya adalah 4 (jumlah peubah bebas, , dan 49 (jumlah responden L peubah bebas 2# jadi 6E242#D49, setelah diketahui df nya berikutnya lihat table = yang tersedia di setiap buku statisti". Iara ba"a tabelnya adalah sebagai berikut Lihat angka 4 pada kolom db pembilang dan lihat angka 49 pada kolom db penyebut dan hubungkan perpotongan keduanya pada tingkat alpha (misal E,E7, maka akan terlihat angka sebesar 6,67. 3ika kita bandingkan antara = stat dengan = table maka #8,E6> 6.67, jadi keputusannya adalah menerima hipotesis yang menyatakan bahwa terdapat pengaruh yang signifikan antara gaji karyawan ('#, dan .edisiplinan karyawan ('4, se"ara bersama2sama terhadap prestasi kerja karyawan (-, 1ara lain untuk melihat tingkat signi2ikansi. Iara menarik kesimpulan untuk menerima atau menolak hipotesis dapat juga dilakukan dengan melihat nilai signifikansi atau nilai Sig pada table ano)a. Iara ini lebih mudah dan praktis yaitu "ukup membandingkan antara nilai Sig tersebut dengan standar kesalahan atau alpha yang telah ditetapkan oleh peneliti. Biasanya peneliti menetapkan alpha 7 persen atau E,E7 walaupun untuk penelitian sosial alpha #E persen pun masih ditoleransi. $alam table ano)a terlihat nilai Sig sebesar E.EEE yang masih dibawah alpha sebesar E,E7, artinya semua obyek yang diamati (6E responden, sesuai dengan model yang ditetapkan. 3adi 6E karyawan yang menjadi obyek amatan menjelaskan bahwa se"ara bersama2sama antara gaji dan disiplin mempengaruhi

prestasi kerja. $ua "ara tersebut, yaitu membandingkan antara = stat dengan = table atau membandingkan Hilai Sig dengan lpha, silahkan saudara pilih mana yang lebih mudah. Setelah mengetahui pengaruh se"ara bersama2sama, selanjutnya kita akan analisis bagaimana pengaruhnya se"ara parsial (pengaruh se"ara sendiri2sendiri, artinya bagiamana pengaruh +# thd - dalam kondisi +4 dikontrol*tetap*"ateris paribus,. dapun manfaat lain mengetahui pengaruh se"ara parsial adalah untuk men"ari informasi dari keseluruhan peubah bebas, peubah mana yang pengaruhnya paling dominan atau paling besar. %ntuk tujuan itu kita bisa lihat dari table "oeffi"ient berikut ini (sumber pada hal #6.,
1oe22i3ientsa Standardi >ed Ioeffi"ien ts Beta .59# .5E4

Model #

(Ionstant, gaji karyawan kedisiplinan

%nstandardi>ed Ioeffi"ients B Std. Error 25.67E2E5 4.#;# .7;; .#9: .7#4 .#;6

t .EEE 6.49: 4.9::

Sig. #.EEE .EE6 .EE:

Kero2order .854 .8E4

Iorrelations &artial .765 .595

&art .548 .685

Iollinearity Statisti"s Toleran"e FI= .;#: .;#: #.44E #.44E

a. $ependent Fariable@ prestasi kerja

Se"ara parsial semua peubah bebas mempunyai pengaruh yang signifikan hal ini bisa dilihat dari nilai t stat maupun Sig, dimana nilai t stat lebih besar dari t table sedangkan nilai Sig masih dibawah lpha E,E7 &eubah gaji karyawan pengaruhnya signifikan terhadap prestasi kerja (t stat D6.49: N t tableD4,E78,. $emikian juga nilai SigDE.EE6 O E,E7 dengan koefisien regresi sebesar E.7;;. Cal ini menyimpulkan bahwa hipotesis diterima. $emikian juga dengan peubah kedisiplinan, dengan melihat nilai yang sama seperti diatas dapat disimpulkan bahwa, kedisiplinan mempunyai pengaruh signifikan terhadap prestasi kerja. Cal ini menyimpulkan bahwa hipotesis diterima. $ari kedua peubah tersebut, dapat disimpulkan bahwa peubah gaji karyawan mempunyai pengaruh yang paling dominant, hal ini ditunjukkan oleh nilai B maupun nilai beta dan t yang lebih besar dan Sig yang lebih ke"il dibandingkan dengan peubah kedisiplinan.

Rekapitulasi hasil analisis regresi berganda Ga i karya!an %&1' ()0,*++ t),,2-$ Sig)0,00,

! D E,96; !4 D E,755 = D#8,E6 Sig D E,EE

Prestasi ker a karya!an %.'.

"edisiplinan ker a karya!an %&2' ()0,*12 t)2,-$$ Sig)0,00$

Semua Cipotesis diterima, pada @ = tabel D 6,67 t table D 4,E78 lpha D E,E7

3adi untuk tujuan penelitian ini beberapa parameter yang harus saudara ketahui ialah@ Hilai !, ! s<uare, Hilai =(uji =,, Hilai koefisien b atau beta, Hilai t (uji t,, Hilai Sig .etika saudara mengartikan beberapa nilai statistik berdasarkan tabel2tabel pada halaman #6, itu berarti saudara sudah melakukan interpretasi se"ara statistik. &ekerjaan saudara selanjutnya adalah menjelaskan atau interpretasi se"ara teoritis dan empiris. rtinya se"ara statistik terbukti ada pengaruh nyata (berdasarkan pada parameter2parameter tsb,, berikutnya perlu penjelasan se"ara teori mengapa dan bagaimana itu terjadi, untuk itu kuasai landasan teori dan pertajam hasil obser)asi empiris. Gh ya hampir lupa, terkadang pembimbing menghendaki ada asumsi klasik dalam analisi regresi sebagai syarat, untuk urusan yang satu ini disarankan saudara berdiskusi se"ara langsung dengan dosen statisti" yang ada atau berdiskusi dengan dosen pembimbing yang terhormat atau ke penulis.

Bagian Dua Path Anal!sis (Analisa "alur)#

Prinsip dan keterbatasan &ath nalysis (analis jalur, pada dasarnya merupakan "abang dari multiple regression. $alam analisis jalur terdapat suatu set )ariabel yang merupakan kumpulan atau rangkaian dari beberapa hubungan antar )ariabel yang telah membentuk sebuah model penelitian yang kita yakini )ariabel2)ariabel tersebut saling berpengaruh satu dengan yang lainnya. Tujuan path analysis adalah memberikan estimasi terhadap hubungan sebab akibat antara )ariabel2)ariabel yang diteliti. $isamping mengetahui hubungan, dengan path analysis peneliti akan mengetahui pengaruh se"ara langsung maupun pengaruh se"ara tidak langsung antar )ariabel tersebut. Seperti halnya alat analisa yang lain, path analysis juga mempunyai keterbatasan. .eterbatasannya adalah @ (#, tidak bisa digunakan untuk menguji pola hubungan timbal balik (feed ba"k,. 3adi gerak hubungan hanya dimungkinkan untuk lurus atau turun artinya satu tujuan. (4, setiap ada inter)ening )ariable, maka ia dianggap sebagai dependent )ariable. (6, skala pengukuran hanyalah inter)al atau rasio. Sedangkan untuk skala nominal, ordinal atau di"hotomies tidak mungkin dilakukan. Penggunaan Sebagai "ontoh perhatikan figure #5 yang menjelaskan sebuah set )ariabel yang saling berhubungan dengan sur)ey tentang kepuasan kerja. $iagram Input
Masa ker a "epuasan ker a

otonomi

income

3 4

&rosedur analisis jalur sama dengan regresi berganda yang telah dibahas pada bagian #. Model ini dikutip dari Bryman, . P Iramer,$.(#::E,. Quantitati)e data analysis for so"ial s"ientists, pp.458247#,

Tujuan penelitian adalah untuk menjelaskan bahwa peneliti ingin mengetahui bagaimana pengaruh masa kerja, otonomi dan in"ome se"ara langsung maupun tidak langsung terhadap kepuasan kerja %ntuk mengetahui tujuan itu, kita harus menghitung path c e""icients. &ath "oeffi"ients ini bisa kita peroleh dari nilai standardi>ed regression "oeffi"ient atau beta. &ada bahasan regresi berganda nilai beta terdapat pada table "oeffi"ient (misal hal #9,. Selanjutnya merumuskan persamaan dasar berdasarkan figure # sebagai berikut@

1. kepuasan kerja = 11masa kerja + 12 otonomi + 13income + e1 2. Income = 21masa kerja + 22otonomi + e2 3. Otonomi = 31masa kerja + e2
.eterangan@ adalah path "oeffi"ient, yang diperoleh dari nilai beta. e#, e4, e6 adalah error atau une'plained )arian"e. 3ika diperlukan nilai e#, e4, e6, diperoleh dari #2!4 (note@ bukan #2!4 adj, =ormulasi persamaan ini pada dasarnya sama dengan regresi berganda, namun nilai konstanta (a, tidak diperlukan. (bryman, . P Iramer, $@#::E@458247#, (ahapan pengoalahan data. Berdasarkan figure # maka, proses pengolahan untuk men"ari nilai Lnilai yang diperlukan seperti nilai , !4 dan e akan dilakukan se"ara bertahap. Lakukan analisis regresi dengan formulasi sbbB *ndenti2ikasi +ariabel dan 2ormulasi persamaan regresi Tahap Fariabel independent Fariable dependent &ersamaan # masa kerja R #4otonomi ## Masa kerja ('##, .epuasan kerja (-#, R #6in"ome R e# Gtonomi ('#4, (regresi berganda, In"ome ('#6, 4 4#masa kerja R 44otonomi Masa kerja ('4#, In"ome(-4, R e4 Gtonomi ('44, (regresi berganda, 6 6#masa kerja R e4 Masa kerja ('6#, Gtonomi (-6, (regresi sederhana, 5 masa kerja R e# Masa kerja (', .epuasan kerja (-, (regresi sederhana,

Setelah diolah dengan spss, masukkan setiap nilai beta pada garis panah yang menghubungkan antar )ariable untuk mempermudah pemba"aan hasil dan interpretasi hasil analisis. Sebagai misal lihat diagram output berikut@ $iagram output ( pOE.E7,
Masa ker a

- 0.08

"epuasan ker a

0.28

otonomi

0.58

0.22 0.57
income

0.47

Berdasarkan diagram output kita bisa menarik kesimpulan se"ara statisti" sebagai berikut.

1. &engaruh se"ara langsung antara masa kerja dengan kepuasan adalah 2E.E;
(pola hubungan negati)e,

2. &engaruh se"ara tidak langsung antara masa kerja dengan kepuasan kerja dapat
dihitung sebagai berikut@ masa kerja in"ome kepuasan kerja masa kerja otonomi kepuasan kerja masa kerjaotonomi in"ome kepuasan kerja Total pengaruh tidak langsung Total pengaruh adalah 2E.E; R E.57 D E.69 *nterpretasi Casil ini menjelaskan bahwa se"ara uji statistik pengaruh langsung antara masa kerja dengan kepuasan adalah ke"il dan negati)e (2E.E;,, sedangkan pengaruh se"ara tidak langsung adalah positif dan lebih besar (E.69,. Berikutnya peneliti menjelaskan se"ara teoritis dan empiris mengapa hal itu terjadi. Menurut logika penulis hal ini sangat dimungkinkan sebab semakin lama masa kerja jika tidak diikuti oleh peningkatan peran akan menyebabkan pegawai merasa jenuh, kondisi ini mungkin menyebabkan pegawai merasa dirinya sudah tidak bisa lagi ikut berperan dalam dinamika organisasi sehingga kepuasan kerjanya menjadi menurun. Lain halnya jika masa kerja yang lama dibarengi juga dengan D E.79 ' E.59 D E.48 D E.4; ' E.7; D E.#8 D E.4; ' E.44 ' E.59 D E.E6 D E.57

peningkatan wewenang untuk mengatur akti)itasnya (otonomi,, perbaikan pendapatan atau pergharaan lain (in"ome,, maka kepuasan kerja akan meningkat sebab pegawai merasa semakain dihargai senioritas dan pengabdiannya. Tentunya pendapat yang disampaikan akan lebih kuat jika didukung oleh teori maupun hasil penelitian terdahulu. $emikian &ath nalysis, dengan kelebihannya dapat mengungkap pengaruh se"ara langsung maupun pengaruh se"ara tidak langsung yang mungkin diperlukan dan berguna bagi peneliti dalam menjelaskan temuannya.

Analisa Paired $ Sam%les t tests dan &nde%endent Sam%les t tests ('(i Beda 'ntuk Sam%el Ber%asangan dan )idak Ber%asangan)
1. )nalisa uji beda untuk sample berpasangan (Paired 4 'amples t tests Terkadang tujuan penelitian menyebutkan ingin mengetahui perbedaan antara dua kelompok yang diamati. Misalkan &eneliti ingin mengetahui apakah ada perbedaan rasa kopi antara merek dan merek B. %ntuk tujuan ini bisa digunakan %ji t atau uji beda untuk sample yang berpasangan. &erhatikan "ontoh berikut@ -ontoh 1 Misal, peneliti ingin mengetahui apakah ada perbedaan antara rasa kopi merek dan merek B. %ntuk tujuan tersebut peneliti telah menyiapkan #E orang relawan yang suka kopi untuk men"oba rasa kopi merek dan merek B. kemudian diminta memberikan nilai dengan skala # sampai dengan ; seperti berikut. Skala pengukuran (semanti) di%%erential, Tidak Enak Iukup Sangat Enak # 4 6 5 7 8 9 ; Casil dari kuesioner ditampilkan dalam tabel sbb. !elawan # 4 6 5 7 8 9 ; : #E .opi ; ; 8 9 8 ; ; 7 ; 8 .opi B 8 9 9 7 7 9 ; 8 9 7

Bagian Tiga

Berikutnya untuk menjawab tujuan penelitian, data tersebut kita siapkan di S&SS editor dengan langkah sebagai berikut@

Selanjutnya analisa dapat dimulai dengan langkah sbb@ .lik naly>e pilih Iompare Means pilih &aired Samples T Test. Maka akan tampil BG+ seperti berikut@ Selanjutnya klik merek a (a, dan merek b (b, kemudian klik tanda panah maka merek a dan merek b yang dibandingkan masuk dalam kotak &aired Fariables, .emudian G.,

Casil pengolahan dengan menggunakan S&SS dapat dilihat pada output dibawah ini. (5(est

Paired 'amples 'tatisti3s Mean 9.EEEE 8.6EEE H #E #E Std. $e)iation #.#759 #.E7:6 Std. Error Mean .687# .667E

&air #

merek a merek b

Paired 'amples 1orrelations H &air # merek a P merek b #E Iorrelation .757 Sig. .#E6

Paired 'amples (est &aired $ifferen"es :7M Ionfiden"e Inter)al of the $ifferen"e Lower %pper 27.9;E2E4 #.579;

&air #

merek a 2 merek b

Mean Std. $e)iation .9EEE #.E7:6

Std. Error Mean .667E

t 4.E:E

df :

Sig. (42tailed, .E88

$ari hasil diatas dapat ditarik kesimpulan sebagai berikut@ 6ipotesisnya Co@ Sa2Sb D E, artinya antara merek a dan merek b tidak ada perbedaan rasa Ca@ Sa2Sb T E, artinya antara merek a dan merek b ada perbedaan yang signifi"ant tingkat signifikan menggunakan E.E7 $ari uji &aired 2 samples t test yang digunakan untuk menguji hipotesis menyatakan bahwa ada perbedaan nilai rata2rata, merek a dengan mean D9 merek b dengan meanD8.6, tetapi perbedaan tersebut tidak signifi"ant dimana tD4.E: dan pOE.E88( pada signifi"ant le)el E.E7,. Informasi lainnya adalah terdapat korelasi yang positif antara merek a dan merek b artinya peningkatan kepuasan merek a akan juga diikuti peningkatan kepuasan merek b, hal ini mengindikasikan antara merek a dan merek b mempunyai daya saing yang relati)e sama dari segi rasa. tau bisa dikatakan diantara keduanya terdapat posisi market leader dan market "halanger.

-ontoh 2. Misal peneliti ingin mengetahui apakah B&HH selaku badan penyehatan perbankan berhasil meningkatkan kinerja Bank yang menjadi pasiennya. %ntuk tujuan itu diperlukan indikator untuk menilai kinerja bank tsb, misalnya I !. ndaikan ada #E bank yang telah diperbaiki dengan nilai I ! sebelum dan sesudah ditangani B&&H selengkapnya disajikan dalam tabel berikut. Bank I ! (M, Sebelum Sesudah Masuk Masuk B&&H B&&H 24 6,7 # 5,8 E,7 6,9 25 4,# 25 #,4 26 4 E,7 6,; 4 8,8 #,6 5.; 2# 6

B I $ E = A C I 3

.riteria Cipotesis yang diajukan. Co@ Sa2Sb D E maka usaha B&&H untuk meningkatkan nilai I ! Bank yang sakit, tidak berarti Ca@ Sa2Sb E maka usaha B&&H untuk meningkatkan I ! yang sakit, berarti. Tingkat signifikansi adalah E.E7 $engan tahapan analisis seperti pada "ontoh satu maka didapat output spss sebagai berikut@ T2Test
Paired 'amples 'tatisti3s Mean 2.;9EE 6.76EE H #E #E Std. $e)iation 4.47#5 #.799E Std. Error Mean .9#4E .5:;9

&air #

SEBEL%M SES%$ C

Paired 'a mples 1orre la tions H &air # SEBEL%M P SES%$ C #E Iorrelation .:#9 Sig. .EEE

Paired 'amples (est &aired $ifferen"es :7M Ionfiden"e Inter)al of the $ifferen"e Lower %pper 27.#6## 26.88;:

&air #

SEBEL%M 2 SES%$ C

Mean 25.5EEE

Std. $e)iation #.E44E

Std. Error Mean .6464

t 2#6.8#7

df :

Sig. (42tailed, .EEE

$ari output diatas dapat ditarik suatu kesimpulan sebagai berikut@ $ilihat dari nilai rata2rata, ternyata ada perbedaan kinerja bank (I !, antara sebelum (meanD2E.;9, dan sesudah di tangani B&&H (meanD6.67,. &erbedaan tersebut singnifi"ant dengan tD2#6.8#7 dan pNE.EEE. Sehingga B&&H patut mendapat pujian karena mampu meningkatkan nilai I ! bank sakit yang ditangani. 3adi Ca diterima. Informasi lainnya adalah dari nilai korelasi positif , sangat kuat dan signifi"ant (rDE.:#9B sigOp, artinya bank dengan posisi I ! baik(positif, "enderung akan semakin meningkat kinerjanya setelah ditangani B&&H. tau bisa diartikan %saha B&&H ditunjang juga oleh kinerja Bank yang ditangani sebelumnya. $emikian mengenai %ji beda untuk sample yang berpasangan. $ua kasus tersebut hanyalah "ontoh, dan masih bisa dikembangkan untuk menjawab permasalahan penelitan yang lain.

2. "ji beda untuk uji satu kelompok (one samples t test

Hah?Sekarang mari kembali pada "ontoh kasus 4, dimana peneliti ingin mengetahui apakah target B&&H untuk menyehatkan bank sakit mampu memiliki I ! sebesar 6M dapat dikatakan ter"apai se"ara keseluruhan. $engan demikian maka hipotesis dapat dirumuskan sebagai berikut@ CoD bank D 6M CaD bank T 6M Tingkat signifikan menggunakan E.E7 Selanjutnya mari kita uji hipotesis tersebut, dengan langkah2langkah pengolahan sebagai berikut. &ilih Iompare mean, pilih one samples t test

&ilih /)ariable sesudah0 untuk dianalisa, dengan test )alue 6. dan "onfiden"e inter)al :7M. .lik G., tunggu data sedang diolah .

Casil pengolahan akan nampak sebagai berikut@

(5(est
0ne5'ample 'tatisti3s H SES%$ C #E Mean 6.76EE Std. $e)iation #.799E Std. Error Mean .5:;9

0ne5'ample (est Test Falue D 6 :7M Ionfiden"e Inter)al of the $ifferen"e Lower %pper 2.7:;# #.87;#

SES%$ C

t #.E86

df :

Sig. (42tailed, .6#8

Mean $ifferen"e .76EE

.esimpulan yang dapat ditarik dari print out tersebut adalah@ Se"ara keseluruhan nilai I ! bank yang ditangani oleh B&&H dengan batas ambang I ! sebesar 6M terpenuhi. Cal ini ditunjukkan oleh Hilai tD#.E86 dengan pOE.6#8 dengan meanD 6.7 yang artinya tidak ada perbedaan signifikan sehingga CE diterima.

Latihan Sebuah industri Bola lampu ingin menguji apakah produknya mempunyai daya nyala selama #EEE jam nonstop. %ntuk keperluan pengujian, telah diambil #E bola lampu se"ara a"ak dari 4 lini produk masing2masing 7 unit dan dinyalakan se"ara bersama2 sama dan daya tahan lampu tersebut didokumentasikan seperti dalam table berikut. lampu # 4 6 5 7 8 9 ; : #E $aya tahan (jam, ::; #E7E #E47 #E8; ::; #EE: #E#8 :67 #EE7 ::9

$engan langkah yang sama maka hasil disajikan sebagai berikut (5(est
0ne5'ample 'tatisti3s H J .T% #E Mean #E#E.#EEE Std. $e)iation 67.5;75 Std. Error Mean ##.44#7

0ne5'ample (est Test Falue D #EEE :7M Ionfiden"e Inter)al of the $ifferen"e Lower %pper 2#7.4;59 67.5;59

t J .T% .:EE

df :

Sig. (42tailed, .6:4

Mean $ifferen"e #E.#EEE

Berdasarkan hasil perhitungan tersebut, apa kesimpulan saudara 1.

Bagian *m%at Analisis +aktor

1. $asar pemikiran
Terkadang dalam suatu penelitian kita dihadapkan pada beragam fa"tor atau )ariable yang diduga mempunyai kaitan dengan suatu permasalahan yang ingin kita "ari tahu jawabannya. Banyaknya fa"tor atau )ariable ini terkadang bisa membuat bias dalam perumusan*formulasi permsalahan atau terkadang akan merepotkan peneliti karena harus mengendalikan banyaknya )ariable atau fa"tor tersebut yang se"ara bangunan teori terkadang kurang kuat. Berdasar pada situasi tersebut maka timbul pemikiran untuk mereduksi atau meringkas beragam fa"tor atau )ariable tersebut menjadi suatu bentuk*model teori yang baru dengan harapan model tersebut nantinya akan dapat menjelaskan se"ara optimal tentang permasalahan yang ingin kita "ari tahu jawabannya. $engan demikian, merujuk pada pendapat Malhotra (#::6,, analisis fa"tor adalah merupakan sekelompok prosedur untuk mengurangi dan meringkas data. $engan model matematisnya adalah @

7i 8 )i191 , )i#9# , )i:9: , ;;;;. , )im9m , ,i"i

$et: +i
ij

= Fi %i m

@)ariable standar ke2i @koefisien loading dari )ariable I pada fa"tor umum j @fa"tor umum @koefisien standarti>ed loading dari )ariable I pada fa"tor khusus I @ fa"tor khusus bagi )ariable I @jumlah dari fa"tor umum

Sedangkan faktor2faktor umum dapat dinyatakan sebagai berikut@

91 $et: =# Ji k

8 <i17i1=<i#7i#=<i:7i:=;;;;=<ik7ik @estimasi fa"tor loading ke2# @bobot atau koefisien nilai fa"tor @jumlah )ariabel

4. kurasi Model =aktor gar terdapat kesesuaian antara permasalahan yang akan dijawab beserta data yang diperoleh dengan alat analisis yang akan digunakan maka perlu dilakukan telaah akurasi model fa"tor. &rosedur dalam analisis fa"tor adalah mengikuti beberapa tahapan sebagai berikut@

Memformulasikan permasalahan

Membuat matrik korelasi

Menentukan jumlah fa"tor*komponen

!otasi faktor

Interpretasi fa"tor2faktor

Menghitung skor faktor

Memilih )ariable pengganti

Menentukan Model =it

Aambar #. &rosedur analisis faktor. (Malhotra@#::8,

&enjelasan Aambar #. #. Memformulasikan permasalahan Beberapa yang perlu diperhatikan dalam memformulasikan permasalahan yaitu@ Mengidentifikasi tujuan analisis faktor Fariabel2)ariabel yang akan dimasukkan dalam analisis faktor berdasarkan pada penelitian terdahulu, teori dan keputusan peneliti. .esesuaian antara instrumen penelitian dengan sampel penelitian. 4. Membentuk matrik korelasi. &roses analisis berdasarkan pada matriks korelasi antar )ariable2)ariabel yang diteliti. gar analisis faktor dapat dilakukan )ariabel2)ariabel tersebut harus berkorelasi. 3ika korelasi antar )ariabel ke"il maka analisis faktor tidak dapat dilakukan. &engujian korelasi antar )ariabel tersebut merupakan langkah pendahuluan sekaligus sebagai tindakan koreksi seperlunya. Selanjutnya diteruskan dengan penentuan metode yang "o"ok dalam analisis faktor. Metode yang la>im digunakan jika fokus tujuannya adalah untuk menentukan jumlah faktor minimum dari berbagai faktor yang ada yaitu@ &rin"ipal Iomponent analysis (&I , 6. Menentukan jumlah fa"tor $alam tahap ini informasi2informasi dalam )ariable2)ariabel awal diekstraksi menjadi fa"tor2faktor yang lebih ke"il. $engan menggunakan "riteria eigen)alues dimana dalam pendekatan ini, hanya fa"tor yang mempunyai eigen)alues lebih besar dari # akan dipilih sedangkan yang laiinya tidak disertakan dalam model. 5. !otasi fa"tor. Casil penyederhanaan dalam matrik fa"tor memperlihatkan hubungan antara fa"tor dengan )ariable indi)idual. Tetapi dengan banyaknya )ariable yang saling berkorelasi sehingga sulit untuk diinterpretasikan. %ntuk itu harus dilakukan rotasi fa"tor matrik yang hasilnya lebih sederhana sehingga mudah diba"a. $alam rotasi matrik fa"tor ini metode yang digunakan adalah Farima' yaitu metode rotasi orthogonal untuk meminimumkan jumlah )ariable dengan berpedoman pada nilai loading tertinggi. 7. Interprestasi faktor2faktor. Interprestasi fa"tor dapat dilakukan dengan mengelompokkan )ariable yang mempunyai fa"tor loading tertinggi kedalam fa"tor tersebut. %ntuk interpretasi hasil perilaku ini, fa"tor loading dengan nilai N E,7 sedangkan yang O E,7 dikeluarkan dari model. 8. Menentukan Model =it Tahap akhir dalam analisis fa"tor adalah menentukan model fit yaitu untuk mengetahui apakah model mampu menjelaskan data dengan baik.

Beberapa .etentuan -ang Carus $iketahui $alam = #. %ji Bartlett -aitu uji tingkat independen dari )ariable2)ariabel. Casil Bartlett test of spheri"ity dengan melihat tingkat signifikansi kesalahan untuk mengindikasikan sejauhmana antar )ariable tersebut berkorelasi. 4. Hilai .MG (kaiser2meyer2olkin, %ntuk mengetahui ketepatan dari analisis fa"tor. Hilai .MG N E,7 dianggap mempunyai ketepatan. Tabel #. %kuran ketepatan .MG %kuran .MG NE.: NE.; NE.9 NE.8 NE.7 OE.7 !ekomendasi Baik sekali Baik Sedang*agak baik Iukup .urang $itolak

6. &enentuan jumlah fa"tor. %ntuk menentukan jumlah fa"tor biasanya digunakan ukuran sbb@ Eigen)alue N # (menurut pendapat kaiser, atau N E,7 (menurut pendapat lawley and ma'well, &ersentase kumulatif N 8EM atau men"apai ;7M 5. Model =IT nalisis ini sebenarnya untuk seberapa besar residual antara korelasi yang diamati dengan korelasi yang direproduksi. Sebagai ukuran jika terdapat banyak nilai residual melebihi nilai absolut E.E7 maka model tidak dapat diterima. &etunjuk praktis teknis nalisis =aktor dengan S&SS. %tk pemula =ollow this dire"tion Gpen S&SS Siapkan data yang akan diolah .lik menu analy>e, pilih $ata !edu"tion, pilih fa"tor. Mun"ul bo' menu berisikan@ .otak )ariables (sebelah kiri berisikan )ariable, kanan kosong, Masukkan )ariable yang akan difaktorisasi (kolom sebelah kiri, kedalam kolom sebelah kanan, dengan menekan tanda U.

$es"ripti)es (pada menu bo', pilih "oeffi"ient dan .MG and Bartlett test atau klik semua pilihan,, "ontinue E'tra"tion ( pada menu bo', pilih metode prin"ipal "omponent, eigen)alue # atau E,7. "ontinue !otation (pada menu bo' pilih method )arima' ,"ontinue S"ores Gption Tekan G., output akan nampak seperti dibawah ini@ Mudah kanV Selamat men"oba dirumah.

Iontoh &rint out fa"tor analysis dari S&SS .MG and BartlettWs Test .aiser2Meyer2Glkin Measure of Sampling de<ua"y. BartlettWs Test of Spheri"ity ,855 ppro'. Ihi2 S<uare df Sig. 784,;E: #76 ,EEE

Iara memba"a table@ %ji BartlettWs Test of Spheri"ity menyatakan sebesar 784,;E: dengan Sig. E,EEE. artinya peluang terjadi kesalahan untuk )ariable saling tidak independent sebesar EM dengan demikian antar )ariable memiliki korelasi. (lihat penjelasan pada hal 6 tentang point 4, Hilai .aiser2meyer2olkin * .MG measure of sampling ade<ua"y sebesar E,855 melebihi nilai baku E,7 maka analisis fa"tor memiliki ketepatan untuk digunakan.

Total Farian"e E'plained Initial Eigen)alues

!otation Sums of S<uared Loadings Total 4,748 4,6E9 4,496 #,::5 #,847 #,4;E #,#84 #,#77 #,E86 M of Farian"e Iumulati)e M #5,E64 #4,;#9 #4,848 ##,E9: :,E48 9,#E: 8,578 8,5#8 7,:E7 #5,E64 48,;5: 6:,597 7E,775 7:,7;E 88,8;: 96,#57 9:,78# ;7,588

Iomponen Total M of Farian"e Iumulati)e t M # 6,:4E 4#,99: 4#,99: 4 4,9EE #7,EE4 68,9;# 6 4,49: #4,884 5:,555 5 #,:E: #E,8E5 8E,E5; 7 #,6;4 9,89; 89,948 8 ,:;E 7,559 96,#96 9 ,:E9 7,E5E 9;,4#6 ; ,9E; 6,:64 ;4,#57 : ,7:; 6,64# ;7,588 #E ,5;: 4,9#: ;;,#;7 ## ,6:9 4,4E5 :E,6;; #4 ,667 #,;86 :4,47# #6 ,649 #,;#9 :5,E8: #5 ,4:6 #,86E :7,8:: #7 ,488 #,5;E :9,#9: #8 ,4#: #,4#: :;,6:; #9 ,#88 ,:45 ::,646 #; ,#44 ,899 #EE,EEE E'tra"tion Method@ &rin"ipal Iomponent nalysis.

Iara memba"a table@ $engan menggunakan metode prin"iple "omponent diperoleh : faktor dari #; faktor yang telah diajukan. Casil tersebut diperoleh dengan melihat nilai eigen)alue yang lebih besar dari E,7. (ketika mengolah penulis menetapkan eigen)alueDE,7, namun jika yang ditetapkan sebesar # maka hanya terdapat 7 faktor yang akan membentuk model,. : faktor tersebut memiliki Iumulati)e M sebesar ;7,588 M. $engan demikian asumsi kedua telah terpenuhi yaitu menetapkan eigen)alue sebesar E,7 dengan perolehan M kumulatif )arian"e sebesar N ;7,588M. (lihat penjelasan hal 5 point 6,

!eprodu"ed Iorrelations +# +4 +6 +5 +7 +8 +9 +; +: +#E +##+#4+#6+#5 +#7+#8 +#9+#; !e +# , ,9;8 , , , 2 2 4,:66 , 2,#8E 2 5,8 , , 2 7,4 ,#48 , pro ;6: 849 658 667 5,644E2 8,9;#E2 E2E4 6#6 9,9E5E246E #69 #47 7,#E9E2:4E 486 du" E6 E4 E4 2E4 E4 2E4 ed Ior rela tion +4 , ,;5# , , , 4,86;E2 2 8,878 , :,#77 ,#;6 , , :,4 2 , ,#66 , 9;8 85# 65; 69; E4 :,478E2 E2E4 4:5 E2E4 4:6 #977#E 6,6:9E2 ##E 67: E4 2E4 E4 +6 , ,85# , , , 2 ;,:::E2 6,548 , 4,#:8 ;,E67E2 , , , 2 5,8 ,4#: , 849 9:5 796 854 4,E7EE2 E6 E2E4 #:8 E2E4 E4 45; 45# #46 4,47:E244E #E6 E4 E4 2E4 +5 , ,65; , , , 2 2 ,4#E , 2 2 , , :,7 ,#:9 , ,44; , 658 796 :#4 5;6 4,E48E2 9,##:E2 675 :,59E :,;55E2 45E #9:57E 445 4## E4 E4 E2E4 E4 2E4 +7 , ,69; , , , 2 ,#7# ,#97 , 2 2 :,9 , 2 2,#452,#5 8,EE7 , 667 854 5;6 ;:8 #,:E#E2 #66 4,#E9 9,##5E2;5E 6#; 6,: 5 E2E4 6#E E4 E2E4 E6 2E4 8:E 2E4 +8 2 4,86; 2 2 2 ,98E ,87: ,88; , ,4:E ,#:4 , 6,: , 2 2 8,69; 2 5,6 E2E4 4,E 4,E #,: 67E #69 9#E 4#4 #,447E2 ;,4 E2E4 9,9 44E 7EE48EE#E 2E4 E6#8E 45E 2E6 2E4 2E4 2E4 2E6 2E4 +9 2 2 ;,: 2 , ,87: ,;55 ,7E# , ,#988,984E2 4,4 , , 7,494E2 2,#E ,449 2 8,9 :,478::E 9,# #7# 564 E457E #9# 66# E4 E 4,E ;#E E2E4 2E6#:E 2E4 7:E 2E4 2E4 2E4 +; 4,: 8,878 6,5 , , ,88; ,7E# ,;9# , ;,85# 8,89;E2 6,5 , ;,5 ,#48 , 6,968 , 66E E2E448E 4#E #97 477 E2E4 E4:8E #5;86E #78 E2E4 #8; 2E4 2E4 2E4 2E4

+:

, ,4:5 , , , 6#6 #:8 675 #66

,67E

+#E2,#8 :,#77 4,# 2 2 E E2E4:8E :,5 4,# 2E49EEE9E 2E4 2E4 +## 2 ,#;6 ;,E 2 2 9,9 67E :,; 9,# E5E 2E455E#5E 2E4 2E4 2E6 +#4 5,8 ,4:6 , , :,9 46E 45; 45E;5E 2E4 2E4 +#6 , ,#97 , , , 6,:9#E2 #69 45# #9: 6#; E4

, 6,959 2 , 2 , 8,78:E2 2 ,4#; , ;:8 E2E4 7,#E;E2 #86 5,8 #77 E4 5,7 55E E4 55E 48E 2E4 2E4 ,4:E ,#98 ;,85# 6,9 ,;5# ,8:6 , , , 2,#E; 2 2 2 E2E459E 9## #99 4#8 4,; #,85E 4,; 2E4 94E E2E4 E4E 2E4 2E4 ,#:4 8,984E2 8,89; 2 ,8:6 ,;5# , 7,7 2 ,466 , ,4:9 4,# E4 E2E4 7,# 8:8 7#E 4,: 64: 55E E;E 2E755E 2E4 2E4 2E4 ,#69 4,457E2 6,5:8 , ,9## ,8:8 , , , ,#85 , ,47# , E4 E2E4 #86 ;E7 #:# #:; 476 #65 ,#9# ,#5;

,564 ,477

2 ,#997,77#E2 , , , :,E:#E2 9,9 ,### , 5,8 E7 #:# ;5# 8;# E499E 455 55E 2E4 2E4 +#5 , :,47# , :,7 2 ,4#4 ,66# ;,586 , ,4#8 2 , , , ,#4# 9,# ,4## 2 #47 E2E4 #4657E 6,: E2E4 #77 4,:55E2 #:; 8;# ;88 7EE 6,4 2E48:E E4 2E4 9EE 2E4 2E4 +#7 2 2 2 , 2,#4 2 7,494E2 ,#48 8,7 2,#E; ,466 , :,E , ,;;7 , ,994 , 7,# 6,6:9 4,4 #:9 5 #,447E2 E4 8:E #85 :#E #4# ;46 #78 E9E E2E47:E E6 2E4 2E4 2E4 2E4 +#8 7,4 ,##E 5,8 , 2,#5 2 2,#EE ,#78 2 2 ,64: , 9,9 9,# ,;46 , ,89; , :4E 44E 445 5 ;,4#8E2 5,7 4,;94 476 99E7EE ;8E #47 2E4 2E4 E6 48E E2E4 2E4 2E4 2E4 +#9 , ,#66 , , 8,E 8,69;E2 ,449 6,968 , 2 ,4:9 , , , ,994 , ,;79 ;,E #48 4#: 44;E7E E4 E2E4 4#; #,85E 47# ### 4## 89; ;5E

2E4 E2E4 2E4 , ,67: , , , 2 2 ,#8; , 2 4,#55E2 , , 2 ,#78 , ;,E;5 , 486 #E6 4## 6#E 9,945E2 4,E7:E2 55E 4,;E4 E4 #65 455 6,4 #47 E2E4 :67 E4 E4 E2E4 9EE 2E4 !es +# 2,##: 2 6,5 #,: 8,E47E2 #,677E2 2 2 4,9:E #,9#;E2 #,6 2 2 4,4E5E2 2 2 :,6 idu 8,849E98E E6 E4 #,6#4 6,# E2E4 E454E #,E #,4 E4 4,6 4,;64 85E al 5:E 2E4 2E4 E2E458E 2E4 7#E5EE E7E E2E6 2E6 2E4 2E4 2E6 2E4 2E4 +42,## 2 :,: 2 2 4,59#E2 #,#6# 4,: 2 2 4,6 :,E 2 2 2 4,5;: 2 : 5,6E9E 4,4 6,##8E2 E4 E2E479E #,8E6 4,884E2;7E 7EE 9,9 #,48:E2 9,E E2E4 6,# 49E 2E6#5E E4 2E6 E2E4 E4 2E6 2E6E9E E4E;E 57E 2E4 2E6 2E6 2E6 2E4 +6 2 2 2 2 2 5,9;7E2 #,;46 #,; 6,8;8 2 2 2 2 #,#8;E2 6,; 2 5,4 8,8 5,649 7,; 9,; #,847E2 E6 E2E4::E E2E4 6,#9:E2 4,; 9,: 7,6 E489E 5,66: :8E 5:E E2E4 :6E46E E4 2E4 E49#E 78E75E 2E4 E2E4 2E4 2E4 2E4 2E4 2E4 2E6 2E6 +5 6,5 :,:E9 2 2 #,7:#E2 5,:5#E2 2 2 #,976 5,:#7E2 2 6,5 2 2 2 #,5;: 4,8 49E E2E6 7,; 4,4 E4 E4 5,5;; 7,4 E2E4 E4 7,: 88E ;,# #,8E4E2 #,8 E2E4 6#E 2E4 :6E 95E E2E48;E :7E 2E6#4E E4#4E 2E4 2E4 2E4 2E4 2E4 2E6 2E4 +7 #,: 2 2 2 5,E44E2 2 2 4,E 2 ;,445E2 4,5 2 8,7 #,4;;E2 4,5 2 2 98E 4,4#5 9,; 4,4 E4 7,48:E2 #,8:#4#E 4,;:9 E685E 5,;:5E E47;E 4,897 4,4 2E4 E2E646E95E E4 E2E4 2E4 E2E4 2E4 57E 2E4 2E4 E2E4 78E 2E4 2E4 2E4 2E4 +8 8,E 2 2 #,7 5,E 2 2,#54 2 2 4,6:EE2 #,5 5,E 2 5,877E2 2 2 4,9 47E 6,##8 #,8:#E44E :,4;:E2 #,8 9,E95 E476E #7E #,8 E4 4,; #,:E: ;9E 2E6 E2E447E 2E4 2E4 E4 4:E E2E4 2E4 2E46:E 48E E2E4 2E4 2E4 2E4 2E4 2E4 +9 #,6 4,59# 5,9 5,: 2 2 2 2 6,8E: 2 9,; 2 2 2 7,; 2 6,# 77E E2E4;7E5#E 7,4 :,4;:E2 9,;85 8,9 E2E4 6,446E254E 6,7 #,E 4,9#7E2;:E 5,#9E 5#E 2E4 2E6 2E48:E E4 E2E678E E4 2E6 98E9;E E4 2E4 E2E4 2E4 2E4 2E4 2E4 2E4 +#;

2 #,#6# #,; 2 2 2,#54 2 6,E 4,:97 2 #,7 2 #,6 2 2 8,#46 2 #,6 E2E446E 5,5 #,8 9,;85E2 9EE E2E4 4,795E2;;E #,994E 4,9:;E2 4,9 E2E4 4,: #4E 2E4;;E:#E E6 2E4 E4 2E4 5EE 2E4 E45;E 45E 2E4 2E4 2E4 2E4 2E4 2E4 +: 2 4,:79 #,; 2 4,E 2 2 6,E9E 2 6,:95E2 2 8,5 2 #,9E:E2 8,# 2 2 6,# E2E6::E 7,44#E #,84:E2 8,978E2 E2E4 4,6#5 E4 4,# 7#E 4,4 E468E 4,#:# 8,5 58E 2E48;E 2E4 E4 E4 E2E4 #5E 2E467E 2E6 E2E4 84E 2E4 2E4 2E4 2E4 2E4 +#E 4,9 2 6,8 #,9 2 2 6,8E:E2 4,:97 2 2 2 2 2 9,:48E2 #,9 #,;86 4,6 :EE #,8E6;8E76E 4,; 9,E95E2 E4 E2E4 4,6 7,7;;E2 :,6 6,7 5,5 E6:9E E2E4 89E 2E4 E2E4 2E4 2E4:9E E4 #5E E4:EE 7EE4:E 2E4 2E4 2E4 2E4 2E4 2E4 2E6 +## #,9 2 2 5,: ;,4 4,6:EE2 2 2 6,: 2 2 6,4 4,7 2 2 2 2 #;E 4,884 6,##7E45E E4 6,446E2 4,79595E 7,7;; :,4 EEEE5E 7,8#:E2 #,9 4,789 #,# 2E4 E2E49:E 2E4 2E6 E4 E2E4 2E4 E2E4 5;E 2E4 2E4 E6#7E E2E4 ;8E 2E4 2E4 2E4 2E4 +#4 #,6 4,6;7 2 2 4,5 #,576E2 9,;54E2 #,7;; 2 2 2 2 2 7,#88E2 2 9,4EE 2 54E E2E6 4,; 7,:85E E4 E6 E2E4 4,# :,6:E :,45;E2 8,; 4,E E6 #,5 E2E6 #,8 2E4 9#E:7E 2E4 #5E E2E4 E4 88E69E 67E 56E 2E4 2E4 2E4 2E5 2E4 2E4 2E4 +#6 2 :,E7E 2 6,5 2 5,E#7E2 2 2 8,5 2 6,4EEE2 2 2,#6 4,787E2 2 4,E54 2 #,E E2E6 9,:88E 5,; E4 6,798E2 #,95E7#E 6,77E E4 8,; E E4 7,8 E2E4 7,; 7#E 78E 2E657E E4 E2E4 2E4 E2E4 88E EEE #6E 2E6 2E6 2E4 2E5 2E4 2E4 +#5 2 2 2 2 8,7 2 2 #,694 2 2 4,7E5E2 2 2,#6 2 5,5 2 6,5 #,4 9,9E9 7,6 ;,#:5E #,86:E2 #,E9;E2 E2E4 4,4 5,54: E4 4,E E 4,56;E25EE 4,5#5 5EE 5EE E2E675E#4E 2E4 E4 E4 67E E2E6 69E E4 2E4 E2E4 2E4 2E4 2E6 2E6 2E4 2E4 +#7 4,4 2 #,# 2 #,4 5,877E2 2 2 #,9 9,:48 2 7,# 4,7 2 2 2 2 E5E #,48:8;E #,8;;E E4 4,9#7E2 4,9:;E:E E2E6 7,8#:E288E 87E 4,5 7,# 7,959 #,; 2E4 E2E4 2E4E4E 2E4 E4 E2E4 2E4 E6 2E6 2E46;E ;8E E2E4 4EE 2E4 2E4 2E4 2E4 +#8 2 2 6,; 2 4,5 27,;;:E2 2 8,# #,9:9 2 2 2 5,5 2 2 #,9

+;

4,6 9,EE;89E #,87;E 4,;48E2 E4 4,95;68E E2E4#,9#7E2 #,5 7,85EE 7,#;8E2 9,75# #6E E7E E2E6 2E4#4E 2E4 E4 E2E4 2E6 E467E EEE 2E4 E4 E2E4 2E4 2E4 2E4 2E4 2E4 +#9 2 4,5;: 2 #,5 2 2 2 8,#46 2 #,;86 2 9,4 4,E 2 2 2 2 4,; E2E4 5,6;:E 4,8 #,:E:E2 5,#9EE2 E2E4 4,# E2E4 4,789E2EEE 54E 4,5 7,959E2 9,7 5,6 64E 6:E 2E497E E4 E4 :#E E4 2E6 2E4#5E E45#E 68E 2E6 2E4 2E4 2E4 2E4 2E4 2E5 +#; :,6 2 5,4 4,8 2 4,9;9E2 6,#5#E2 2 2 4,689 2 2 2 6,5 2 #,9 2 85E 6,#57:8E6#E 4,4 E4 E4 4,:45 8,5 E2E4 #,#;8E2 #,8 7,;5EE #,;4EE2#6E 5,668 2E6 E2E4 2E4 2E478E E2E484E E456E #6E 2E4 E4 2E4 E2E5 2E4 2E4 2E4 2E4 E'tra"tion Method@ &rin"ipal Iomponent nalysis. a !esiduals are "omputed between obser)ed and reprodu"ed "orrelations. There are 47 (#8,EM, nonredundant residuals with absolute )alues N E.E7. b !eprodu"ed "ommunalities

Iara memba"a table@ &ada tahap ini bertujuan untuk menetapkan Model =it. $ari hasil perhitungan diatas disimpulkan sbb@ There are 47 (#8,EM, nonredundant residuals with absolute )alues N E.E7. artinya nilai residual dari korelasi obser)asi dengan korelasi reproduksi yang mempunyai korelasi dengan nilai N E,7 sangat sedikit yaitu sebesar #8 M sedangkan sisanya ;5 M mempunyai korelasi O E,E7. !otated Iomponent Matri' Iomponent =a"tor # 4 6 5 7 8 9 ; : +# 2,##; ,;:# +4 ,#9: ,;8; ,#E9 ,#;: +6 ,85; ,#E4 ,7E# 2,##7 ,4;; +5 ,#;E ,49E ,4;9 ,#64 ,;68 +7 ,496 ,;79 ,#9# ,#:; +8 ,#9: ,;E: ,4#9 2,##; +9 2,#49 ,876 ,449 ,46# ,58: 2,##8 2,456 +; ,;:# ,#94 ,#98 +: ,44: ,484 ,;E: ,4;# ,#:; +#E 2,#55 ,;98 ,#6# ,#8E +## ,487 ,;56 2,#4# 2,#85 +#4 ,#7# ,;6; ,##: ,##; ,4E6 +#6 ,;69 ,465 2,#8E ,#:: +#5 ,#E5 ,;;# 2,##6 ,#9; 2,#46 +#7 ,:47 +#8 ,;89 ,#4# 2,#7# 2,#:7 ,#67 +#9 ,;78 ,#E6 ,#EE ,#74 ,474 +#; ,#;E ,##; ,#87 ,:4# E'tra"tion Method@ &rin"ipal Iomponent nalysis. !otation Method@ Farima' with .aiser Hormali>ation. a !otation "on)erged in : iterations. Iara memba"a tabel@ Tabel diatas merupakan inti analisa fa"tor yaitu menentukan ke sembilan fa"tor yang telah teridentifikasi melalui beberapa tahapan diatas. Iara menentukan fa"tor adalah sbb@ $alam tabel terdapat : komponen (lihat kolom,, artinya ada : faktor yang akan direkomendasi menuju analisa lebih lanjut misal "orrel atau regress &rosedur menentukan fa"tor@ #. &ilih koefisien tertinggi pada masing2masing kolom (hanya nilai tertinggi, 4. Setelah semua kolom terpilih nilai tertingginya. Cubungkan nilai2nilai tersebut dengan kolom fa"tor.( kolom paling kiri,.

Sebagai "ontoh &ada kolom komponen # nilai tertinggi adalah ,:47 nama fa"tor atau )ariable adalah +#7 &ada kolom komponen : nilai tertinggi adalah ,;68 nama fa"tor atau )ariable adalah +5 $emikian seterusnya.

&enutup Seperti pesan Imam s Syafii kepada para santrinya !aXyuna shawab yahtamil al khataX Ja raXyuna ghairina khataX yahtamil al shawab

Bersandar pada pendapat ini, masihkan kita saling bertahan dengan pendapat pribadi dengan mengabaikan pendapat orang lain yang kemungkinan mengandung kebenaran dan membawa pen"erahan?.. &enulis yang masih kurang dalam segala hal sangat mengharapkan saran koreksi dari pemba"a untuk perbaikan. Semoga ada manfaatnya, Bagi adik2adik mahasiswa diberikan kesempatan seluas2 luasnya untuk berdiskusi dengan penulis jika terdapat ketidakjelasan atau perbedaan pendapat. JallaahuaXlam bisshawab Singosari, 49 !ajab 4EE6, Canif Mauludin, e2mail@ hanif@stie-mce.ac.id. Jeb@ www.stie2m"e.a".id*Yhanif phone@ STIE LMIE. 5:#;#6 e't #4: (ruang m"e internet 325, Segera terbit suplemen tambahan untuk edisi mahasiswa BM, analisis kluster dan diskriminan !E=E!EHIE #. E)eritt, B.S, P $unn, A. (#::#,. pplied multi)ariate data analysis. London@ Edward rnold. 2. Bryman, P Iramer, $. (#::E,. Quantitati)e data analysis for so"ial s"ientists. pp. 458247# 6. !iet)eld P Sunaryanto, (#::5,. ;9 masalah pokok dalam regresi berganda 5. Sugiarto. (#::4,. Tahap awal dan plikasi analisis !egresi

5. htt !""###.e$eter.ac.%k"&'()*ea"m%+t,ar2