Modul Praktikum Spss 12

Modul Praktikum Statistik dengan SPSS Versi 12.
0 (Edisi Revisi)
PENGENALAN SPSS Versi 12.0

1. Program SPSS SPSS merupakan software khusus statistik yang populer dan paling banyak pemakainya di seluruh dunia. SPSS awalnya diperuntukkan bagi pengolahan data statistik untuk ilmu sosial (saat itu SPSS adalah singkatan dari Statistical Package for Social Science), sekarang diperluas untuk melayani berbagai jenis user, sehingga saat ini SPSS adalah singkatan dari Statistical Product and Service Solution. 2. Cara Kerja SPSS Untuk memahami cara kerja software SPSS, berikut dikemukakan kaitan antara cara kerja SPSS dengan Statistik dalam mengolah data.
Statistik Input data PROSES STATISTIK Output Data
SPSS Input data (Data Editor) PROSES STATISTIK (Data Editor) Output Data (Viewer)
Penjelasan cara kerja SPSS adalah sebagai berikut: 1. Data yang akan diproses dimasukkan (entry) lewat window Data Editor yang otomatis aktif saat SPSS dijalankan. 2. Data yang telah diinput kemudian diproses, juga lewat window Data Editor. 3. Hasil pengolahan data tampil di layar tersendiri yaitu window Viewer (Output).
3. Memulai SPSS Untuk menjalankan program SPSS for Windows Versi 12.0, langkah-langkahnya adalah sebagai berikut: 1. Klik Start, arahkan pointer mouse ke Program, kemudian jendela Program akan muncul, SPSS for Windows dan klik menu SPSS 12.0 For Windows
Endi Sarwoko, SE.,MM________________________________________________________________
Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)
2. Maka akan tampil windows SPSS di layar, dan otomatis aktif pada window DATA EDITOR. Nomor Kasus v Nama Variabel Data Editing Menu Icon
Cell
Data editor merupakan worksheet atau lembar kerja untuk memasukkan data yang terdiri dari baris dan kolom. Koordinat antara baris dan kolom disebut dengan Cell. 1. Baris Baris yang terdiri dari angka 1, 2, 3 dan seterusnya menunjukkan nomor kasus atau banyaknya data. 2. Kolom Kolom yang berisi VAR menunjukkan variabel. Jika user belum memberi nama variabel, pada saat pertama kali data dimasukkan, maka secara otomatis SPSS akan memberi nama variabel dengan VAR0001, VAR0002 dan seterusnya, nama ini akan berubah jika user telah memberi nama variabel, melalui window Variabel View.
Window SPSS seperti pada gambar di atas disebut dengan window DATA EDITOR (lihat nama di kiri atas layar), teks awal menunjukkan Nama File SPSS, karena belum diberi nama maka SPSS secara default akan memberi nama Untitled, tetapi jika user telah menyimpan data (dan memberi nama) maka kata Untitled akan berubah dengan nama file yang diberi user. Data editor mempunyai dua fungsi utama yaitu: 1. Input data yang akan diolah SPSS 2. Proses data yang telah diinput sesuai dengan prosedur statistik yang diinginkan.
MENU PADA SPSS

Pada software SPSS versi 10.0 terdapat beberapa windows yang bisa tampil sekaligus jika memang akan dilakukan berbagai proses, namun yang pasti selalu digunakan adalah window Data Editor sebagai bagian input data, serta window Viewer sebagai output hasil pengolahan data.
A. Data Editor Window ini terbuka secara otomatis setiap kali program SPSS dijalankan dan berfungsi untuk input dan pengolahan data dengan SPSS:
Menu yang ada pada Data Editor: 1. File Menu File berfungsi untuk menangani perintah yang berhubungan dengan file data seperti membuat file baru, menyimpan file, membuka file, mengambil data dari program lain, mencetak data, dan sebagainya. 2. Edit Menu Edit berfungsi menangani perintah yang berhubungan dengan perbaikan dan perubahan data (copy, edit, paste, clear). 3. View Menu View berfungsi mengatur tampilan layar, seperti huruf, tollbar, atau menampilkan variabel, dan sebagainya 4. Data Menu data berfungsi membuat perubahan data SPSS secara keseluruhan, seperti menyisipkan data, menyisipkan variabel, mengurutkan data, menggabungkan data, dan sebagainya. 5. Transform Menu Transform berfungsi untuk melakukan transformasi terhadap data seperti perhitungan (penjumlahan, pengurangan, perkalian, dll), pengkodean, pengkategorian, ranking, dan sebagainya.
6. Analyze Menu Analyze merupakan menu yang digunakan untuk melakukan analisis data, seperti statistik deskriptif, korelasi, regresi, uji beda dan sebagainya. 7. Graph Sesuai dengan namanya, menu Graph berfungsi untuk membuat grafik dari data yang diinput. 8. Utilities Menu Utilities merupakan menu tambahan yang mendukung program SPSS seperti informasi tentang variabel, informasi tentang file, mengatur tampilan menu, dan sebagainya. 9. Add-on Menu add-on merupakan menu tambahan yang memungkinkan menambah fasilitasfasilitas lain diluar paket standar dari SPSS. 10. Window Menu Window berfungsi untuk berpindah di antara menu-menu yang lain di SPSS, misalnya dari menu Viewer ke Data Editor atau sebaliknya. 11. Help Berfungsi sebagai bantuan informasi mengenai program SPSS.
Selain menu-menu tersebut, pada window data editor terdapat 2 jenis window lagi berkenaan dengan data yaitu Data View dan Variabel View 1. Data view Window ini aktif menampilkan worksheet untuk memasukkan data dan otomatis aktif saat SPSS menampilkan window Data Editor. 2. Variabel View Window ini digunakan untuk pengaturan variabel, seperti memberi nama variabel, menentukan tipe data yang akan dimasukkan, pemberian label variabel, pengaturan kolom dan lain-lain. Pemberian nama variabel bisa dilakukan setelah data dimasukkan atau sebelum data dimasukkan.
B. Viewer Window Viewer berfungsi untuk menampilkan hasil (output) analisis, yang akan terbuka jika dilakukan proses analisis (analyze).
Window Viewer terbagi menjadi dua bagian, windows sebelah kiri berfungsi sebagai explorer (daftar isi dari output), sedangkan window sebelah kanan merupakan output dari analisis. Jika user ingin melihat hasil output tertentu, tinggal klik daftar pada window sebelah kiri, maka layar akan aktif pada output yang dipilih.
Menu yang ada pada Viewer sebenarnya memiliki fungsi yang hampir sama dengan menu pada Data Editor, jika menu Data Editor berkenaan dengan data, maka Viewer berkenaan dengan output SPSS atau hasil analisis. Untuk kembali ke Data Editor bisa dilakukan dengan klik menu Window dan pilih Data Editor. Pada window Viewer terdapat pula window untuk mengedit table output (Pivot Table) maupun grafik (Graph Editor). 1. Pivot Table Merupakan window yang berfungsi untuk mengedit tampilan tabel hasil output analisis, seperti mengatur lebar kolom, mengatur huruf, mengatur perataan data pada tabel (Align), merubah tampilan tabel dari kolom menjadi baris atau sebaliknya dan sebagainya. Untuk menampilkan Pivot Table Object tempatkan pointer mouse pada tabel yang akan diedit, klik kanan tombol mouse, pilih menu SPSS Pivot Table Object Open.
2. Graph Editor Graph editor merupakan window yang digunakan untuk mengedit tampilan grafik hasil analisis, seperti memberi Title (judul) grafik, mengatur warna grafik, menampilkan Legend dan lain-lain. Untuk menampilkan Graph Editor tempatkan pointer mouse pada grafik yang akan diedit, klik kanan tombol mouse, pilih menu SPSS Chart Object Open.
PENGOPERASIAN SPSS
SPSS menganggap setiap data yang dimasukkan pada Data Editor sebagai variabel, artinya apabila user memasukan dua jenis data misalnya jenis kelamin dan usia, maka akan terdapat 2 variabel yaitu variabel jenis kelamin dan variabel usia. A. Input Data Pada saat window Data Editor aktif, maka proses pemasukan data dapat langsung dilakukan, data pertama dimulai dari Cell baris 1 variabel pertama, urut ke bawah sebanyak data yang dimiliki. Jika data sudah dimasukkan maka kolom VAR otomatis akan berubah nama menjadi VAR00001 artinya SPSS memberi nama variabel VAR00001. Apabila user akan memasukkan data lain, klik pada Cell baris 2 variabel kedua, urut ke bawah, demikian seterusnya sampai seluruh jenis data dimasukkan pada cell. Akan tetapi proses pemasukan data akan lebih mudah jika diawali dengan pemberian nama variabel, termasuk penentuan tipe data.
B. Variabel Beberapa hal penting berkaitan dengan pengaturan variabel antara lain: 1. Memberi nama variabel (Name) Pemberian nama variabel hendaknya disesuaikan dengan macam data yang dimasukkan. Untuk memberi nama variabel klik menu: Variabel View di kiri bawah layar, setelah masuk ke window Variabel View, tempatkan pointer pada nama variabel yang akan diberi nama dan ketik nama variabel yang dikehendaki, akhiri dengan tombol Enter.
Aturan dalam pemberian nama variabel adalah tidak boleh menggunakan spasi, titik, koma, /, , +, -, , ?.
2. Menentukan Tipe Variabel (Type) Secara default, SPSS menampilkan tipe variabel Numeric artinya jenis datanya angka. Apabila data yang dimasukkan bukan angka (misalnya jenis kelamin, pendidikan, dll), maka tipe data harus dirubah menjadi STRING dengan cara: Klik Cell pada menu Type, lalu klik tanda selanjutnya akan muncul pilih tipe variabel yang bisa dipilih, misalnya pilih STRING. Catatan: apabila jenis data String, maka tidak dapat dilakukan analisis kuantitatif seperti Correlation, Regression, Compare Mean dll. Oleh karena itu apabila data kualitatif akan dianalisis secara kuantitatif maka dilakukan pengkategorian (pemberian nilai pada data kualitatif) dengan menggunakan menu Value (lihat penjelasan no 6). 3. Width dan Coloums Digunakan untuk mengatur panjang karakter atau angka serta lebar kolom variabel pada Data Editor. 4. Pengaturan Desimal (Decimal) Pengaturan terhadap angka desimal yang digunakan dapat diatur melalui menu Decimal. 5. Label Label merupakan nama kepanjangan dari nama variabel. Fungsi label adalah untuk mendefinisikan nama variabel secara lebih terperinci, karena pemberian label bisa panjang, boleh spasi dan tanda baca. Selain itu dengan memberi label pada nama variabel hasil output akan lebih mudah dibaca karena yang ditampilkan adalah Label bukan Name variabel. 6. Values Values digunakan jika user menginginkan data kualitatif (seperti jenis kelamin, pendidikan) dikuantitatifkan dengan cara pemberian nilai (kategori), misalnya: 1 untuk kategori Laki-laki 2 untuk kategori Perempuan. 7. Align Mengatur perataan data pada kolom variabel, ada tiga pilihan yaitu Left (rata kiri), Center (rata tengah), dan Right (rata kanan). 8. Measure Pengaturan skala ukur dari data yang diinput, SPSS secara otomatis akan memilih skala yang digunakan sesuai dengan tipe data yang dimasukkan, jika dikehendaki user dapat menentukan jenis skala yang digunakan, terdiri dari: Scale untuk skala interval dan rasio Ordinal untuk skala ordinal
Nominal untuk skala nominal C. Menyimpan Data Untuk menyimpan data yang telah dimasukkan dilakukan dengan menekan menu: File Save As nama file Bisa juga langsung menekan tombol keyboard Ctrl + S atau menekan icon Secara default SPSS akan menyimpan file data pada direktori SPSS, sehingga jika ingin disimpan pada direktori tersendiri maka pindah dahulu menu Save in pada direktori yang dikehendaki. Perhatikan pada Save as type diikuti dengan SPSS (*.SAV) menandakan bahwa data akan disimpan sebagai file SPSS. Ketikkan Nama File dan akhiri dengan klik Save, maka file data SPSS akan tersimpan pada folder yang telah ditentukan (Nama file dan folder harus diingat, untuk memudahkan mencari dan membuka file data yang telah dibuat)
D. Membuka Data Apabila user ingin membuka file data SPSS yang telah tersimpan dilakukan dengan cara: File Open Data pilih nama file Bisa juga langsung menekan tombol keyboard Ctrl + O atau menekan icon Selanjutnya pada window Open File klik ganda file SPSS yang akan dibuka.
E. Mencetak Data Jika diinginkan user bisa mencetak data yang telah dimasukkan dengan cara: File Print Bisa juga langsung menekan tombol keyboard Ctrl + P atau menekan icon lakukan pengaturan seperti jenis printer, halaman berapa yang akan dicetak, akhiri dengan klik OK.
Endi Sarwoko, SE.,MM________________________________________________________________ 10
F. Mengimpor Data dari Excel Ada kalanya data yang dimiliki adalah data program lain misalnya program Excel, dalam hal ini SPSS dapat mengambil data dari Excel, dengan 2 cara: 1. Cara 1 : Langsung memanggil data Excel dari menu SPSS File Open Data File of Type pilih Excel (*.XLS) pilih nama file
Selanjutnya SPSS akan menampilkan Sheet pada Worksheet Excel, apabila seluruh data Excel (dalam satu sheet) akan diimpor seluruhnya, klik OK, tetapi apabila hanya ingin diambil beberapa kolom saja (data tertentu) maka isikan alamat Cell pada kolom Range, misal: Cell A1:B4 berarti yang akan diimpor adalah data pada cell A1 sampai dengan data pada cell B4. 2. Cara 2 Melakukan Copy data dari Excel untuk di Paste pada SPSS. Untuk melakukan cara 2 ini, kedua program (Excel dan SPSS) harus aktif. Buka data (file) di Excel, lalu blok data yang akan di Copy, selanjutnya masuk ke lembar kerja SPSS, lakukan Paste, maka data dari Excel akan tercopu ke SPSS.
G. Menyisipkan data dan menyisipkan variabel Apabila data sudah dimasukkan ke worksheet tetapi user ingin menyisipkan satu data (satu kasus) hal ini disebut dengan Insert Case, sedangkan menyisipkan variabel disebut Insert Variable 1. Menyisipkan Data (kasus) Langkah-langkahnya: a. Tempatkan pointer mouse pada baris data yang akan disisipi. b. Klik menu Data Insert Cases
Cara lain untuk menyisipkan data adalah dengan cara: a. Klik kanan mouse pada nomor baris data yang akan disisipi. b. Klik Insert Case
2. Menyisipkan variabel Langkah-langkahnya: a. Tempatkan pointer mouse pada nama variabel yang akan. b. Insert Variable Atau melalui menu Data Insert Variable
H. Menghapus data atau variabel Caranya hampir sama dengan menyisipkan data atau variabel, klik kanan mouse pada baris atau nama variabel yang akan dihapus, selanjutnya pilih Clear, maka data atau variabel
yang dipilih akan terhapus. Untuk membatalkan penghapusan klik menu Edit Undo I. Merubah Data Untuk merubah data dengan cara klik pada Cell yang akan diubah, ketik data baru yang diinginkan, akhiri dengan Enter J. Transform Menu transformasi pada SPSS dapat digunakan untuk melakukan proses penghitungan terhadap variabel yang ada seperti menghitung rata-rata dua atau lebih variabel, penjumlahan, pembagian dan sebagainya, selain itu dapat pula digunakan untuk melakukan transformasi seperti transformasi Log, Ln, Absolut, Pembulatan dan sebagainya. Misalnya ingin dilakukan transformasi Logaritma terhadap variabel Modal dan Keuntungan. Langkah-langkah dalam melakukan tranformasi: 1. Klik menu Transform Compute
2. Isi dialog Target Variabel dengan nama Variabel baru sebagai hasil transformasi, misalnya Log_X sebagai variabel baru hasil transformasi dari variabel Modal. 3. Pada kotak dialog Function cari perintah untuk logaritma, lalu klik ganda pada Lg10(numexpr) agar perintah Lg10 masuk ke dialog Numeric Expression 4. Perhatikan di dalam tanda kurung Lg10(?) merupakan nilai yang akan ditransformasi, dalam hal ini variabel Modal, oleh karena itu klik ganda variabel Modal 5. Akhiri dengan klik OK 6. Maka di layar Data Editor akan muncul variabel baru hasil transformasi Log dengan nama Log_X
J. Mengedit Output Tabel atau Graph

Adakalanya user ingin mengedit tampilan output agar lebih menarik serta lebih komunikatif, misalnya mengatur lebar kolom pada tabel, merubah kolom jadi baris atau sebaliknya, memberi warna/arsiran, merubah font, hal ini bisa dilakukan melalui window
Pivot able dengan cara klik kanan pada tabel atau grafik yang akan diedit, lalu klik menu SPSS Pivot Table Object lalu pilih sub menu Edit atau Open, jika memilih Open maka akan terbuka window tersendiri, sedangkan Edit perubahan dilakukan tetap pada window Output.
K. Menyimpan Output Hasil analisis (output) SPPS dapat disimpan tersendiri sebagai file Viewer dengan extensi SPO (*.SPO), untuk melakukan penyimpanan output saat aktif pada window Viewer melalui menu File Save atau File Save As dan beri nama sesuai dengan output dari analisis.
L. Mencetak Output Untuk mencetak output SPSS pada prinsipnya sama dengan mencetak data, yaitu dari window Viewer pilih menu File Print Agar diperoleh hasil cetak yang baik maka perlu dilakukan pengaturan halaman dengan cara: 1. Klik menu File Page Setup
2. Pengaturan dapat dilakukan terhadap: a. Paper Menentukan jenis kertas yang akan digunakan untuk mencetak. b. Orientation Menentukan arah percetakan pada kertas Portrait : mencetak posisi horisontal pada kertas Landscape : mencetak posisi vertikal pada kertas c. Margin Mengatur batas atau jarak teks dengan tepi kertas, terdiri dari yaitu Left (batas kiri), right (batas kanan), Top (batas atas), dan bottom (batas bawah), 3. Printer Digunakan untuk memilih jenis printer yang digunakan 4. Option Digunakan untuk memberi Header atau Footer pada halaman yang dicetak, serta pemberian halaman jika diinginkan. 5. Jika pengaturan sudah dilakukan maka proses pencetakan dapat dimulai dengan menekan tombol OK.
Proses pencetakan hasil output selain cara langsung dari SPSS juga dapat dicetak melalui program Microsoft Word dengan cara sebagai berikut: 1. Pada window Output klik menu Edit Select All, maka seluruh hasil output akan aktif ditunjukkan oleh garis kotak mengelilingi tabel atau grafik output.
2. Klik menu Copy Object 3. Buka program Microsoft Word 4. Klik menu Edit Paste, maka output SPSS akan tercopy pada layar Microsoft Word 5. Lakukan pengaturan halaman melalui menu File - Page Setup 6. Lakukan pencetakan melalui menu File Print
STATISTIK DESKRIPTIF A. Descriptive Statistics

Statistik deskriptif berhubungan dengan pengumpulan dan peringkasan data, serta penyajian data sehingga lebih mudah dibaca dan dipahami. Data hasil penelitian biasanya masih bersifat mentah dan belum terorganisir dengan baik. Oleh karena itu agar lebih informatif maka data harus diringkas dengan baik dan teratur dalam bentuk tabel atau persentase (Frekuensi) maupun grafis sebagai dasar untuk berbagai pengambilan keputusan (Statistik Inferensi). Untuk melakukan analisis deskriptif (Desctriptive Statistic) melalui menu: Analyze Descriptive Statistics
Untuk memudahkan pemahaman proses analisis sebagai contoh masukkan data nilai ujian akhir semester mata kuliah Statistik sebagai berikut: Jenis Kelamin Laki-laki Perempuan Laki-laki Perempuan Perempuan Laki-laki Perempuan Laki-laki Laki-laki Laki-laki Laki-laki Perempuan Perempuan Perempuan Perempuan Laki-laki Perempuan Laki-laki Laki-laki Laki-laki Nilai UAS 71.00 75.00 57.00 88.00 64.00 80.00 75.00 75.00 80.00 82.00 89.00 68.00 89.00 88.00 71.00 75.00 71.00 75.00 71.00 81.00
Langkah-langkahnya: 1. Dari Data Editor masuk ke Variabel View untuk mengatur variabel yang akan dibuat.
2. Pada kolom Name, beri nama variabel untuk jenis kelamin dengan nama JK, dan variabel nilai UAS dengan nama Nilai. 3. Karena jumlah karakter jenis kelamin lebih dari 8, maka ubah nilai Width untuk variabel JK menjadi 10 dan ubah pula nilai Columns menjadi 10. 4. Lakukan pengkodean (skoring) terhadap variabel jenis kelamin: Kode 1 untuk value label Laki-laki Kode 2 untuk value label perempuan Hal ini dilakukan agar variabel Jenis Kelamin dapat digunakan untuk analisis lebih lanjut, karena jenis kelamin adalah bukan Numeric. Klik tanda pada kolom Value lalu isi 1 pada isian Value dan isi Laki-Laki pada isian Value Label lalu klik tombol Add, lanjutkan dengan kode 2 pada isian Value dan isi Perempuan pada isian Value Label lalu klik tombol Add, akhiri dengan OK
5. Beri label untuk masing-masing variabel, variabel JK diberi label Jenis Kelamin, sedangkan variabel Nilai diberi label Nilai UAS (efek pemberian label pada variabel akan tampak pada output analisis). Pemberian Label sifatnya bebas tidak seperti Name karena bisa menggunakan spasi, panjang karakter lebih dari 8, bisa menggunakan tanda baca, dan sebagainya. 6. Kembali ke Data View dan masukkan data untuk masing-masing variabel. Untuk jenis kelamin, yang dimasukkan adalah Value atau kategorinya, yaitu ketik 1 untuk laki-laki dan 2 untuk perempuan)
Tampilan data yang sudah dimasukkan adalah sebagai berikut:
Untuk merubah tampilan variabel Jenis Kelamin (JK) seperti pada gambar di atas klik icon 7. Simpan data dengan nama Nilai UAS.
Analisis Statistik Deskriptif (Descriptive Statistics) bisa dilakukan dengan 2 cara yaitu: 1. Frequencies Frequencies merupakan analisis data untuk penyajian data dalam bentuk tabel atau persentase (distribusi frekuensi). Langkah-langkahnya: a. Pilih menu Analyze Desctriptive Statistics Frequencies b. Pada menu Frequencies, pilih variabel Jenis Kelamin (JK) dan Nilai (Nilasi UAS) lalu klik icon panah sehingga jenis kelamin dan nilai UAS pindah ke kolom Variabel(s),
berarti variabel yang akan dianalisis adalah Jenis Kelamin dan Nilai UAS.
c.
Pada menu Frequencies juga dapat dilengkapi dengan ukuran-ukuran statistik deskriptif, pilih menu Statistics, lalu beri tanda pada beberapa ukuran seperti Mean, Median, Std. Deviation, Variance, Minimum dan Maximum, klik menu Continue.
d. Maka SPSS akan mengaktifkan window Viewer sebagai output dari analisis tabel Frekuensi. e. Output hasil analisis sebagai berikut.
Penjelasan Hasil Output SPSS Output Bagian Pertama (Statistics)

Statistics Jenis Kelamin 20 0 1.4500 1.0000 .51042 .26053 1.00 2.00
N Mean Median Std. Deviation Variance Minimum Maximum
Valid Missing
Nilai UAS 20 0 76.2500 75.0000 8.55862 73.25000 57.00 89.00

N atau jumlah data yang valid (sah untuk diproses) adalah 20 data sedangkan yang hilang (missing) adalah nol, berarti semua data siap diproses. Mean atau rata-rata Nilai UAS dari 20 mahasiswa adalah sebesar 76,2500 dengan Standar Deviasi sebesar 8,55862. Penggunaan Standar deviasi adalah untuk menilai dispersi atau penyimpangan rata-rata dari sampel, atau menunjukkan besarnya penyimpangan data dengan rata-ratanya.
Nilai Median sebesar 75 artinya nilai tengah dari data nilai UAS adalah sebesar 75.

Variance juga ukuran dispersi atau penyimpangan diperoleh dari nilai standar deviasi kuadrat. Minimum dan Maximum merupakan nilai terkecil dan terbesar dari data. Output Bagian Kedua (Frequency Table) untuk variabel Jenis Kelamin
Jenis Kelamin Cumulative Percent 55.0 100.0
Valid
Laki-laki Perempuan Total
Frequency 11 9 20
Percent 55.0 45.0 100.0
Valid Percent 55.0 45.0 100.0
Kolom Frequency tercatat sebanyak 11 orang laki-laki atau 55% dari total, dan 9 orang perempuan atau 45% dari total. Karena seluruh data valid maka kolom Valid Percent nilainya sama dengan Percent.
Kolom Cumulative percent menunjukkan nilai persentase kumulatif dari data, misalnya Laki-laki sebesar 55% dari keseluruhan data sedangkan untuk perempuan kumulatifnya menjadi 55% + 45% atau menjadi 100%.
Output Bagian Kedua (Frequency Table) untuk variabel Nilai UAS cara membacanya sama dengan Jenis Kelamin.
2. Grafik SPSS juga mampu mengolah data menjadi grafik. Ada beberapa macam grafik yang disajikan oleh SPSS guna mempermudah dalam penyajian data di antaranya: Bar, Line, Pie, Histogram, Area, Pareto, dll. Untuk menyajikan grafik pada SPSS dapat dilakukan dengan dua cara: 1. Melalui menu Graph lalu pilih grafik yang akan dibuat. 2. Melalui menu Analyze Descriptive Statistics - Frequency Misalnya dengan menggunakan data sebelumya, ingin disajikan grafik Jenis Kelamin dan Nilai UAS, langkah-langkahnya adalah sebagai berikut: a. Pilih menu Analyze Desctriptive Statistics Frequencies b. Pada menu Frequencies, pilih variabel Jenis Kelamin (JK) dan Nilai (Nilasi UAS) lalu klik icon panah sehingga jenis kelamin dan nilai UAS pindah ke kolom Variabel(s),
berarti variabel yang akan dianalisis adalah Jenis Kelamin dan Nilai UAS. d. Untuk menampilkan grafik, klik menu Charts lalu pilih jenis grafik yang akan dibuat (Bar, Pie, Histogram), akhiri dengan klik tombol Continue e. Setelah kembali ke menu semula, klik OK maka di bawah tabel Distribusi Frekuensi akan disajikan pula grafik batang (Bar).
3. Descriptives Pada dasarnya menu Descriptives hampir sama dengan sub menu Statistics pada menu Frequencies, perbedaannya pada menu Descriptives terdapat fasilitas untuk menyimpan variabel baru sebagai hasil transformasi Z, tetapi pada menu Descriptive tidak ada fasilitas untuk menampilkan grafik. a. Pada window Descriptive pilih variabel Jenis Kelamin dan Nilai UAS dilanjutkan tombol panah, sehingga variabel Jenis Kelamin dan Nilai UAS pindah ke kolom Variabel(s), artinya variabel yang akan dianalisis adalah Jenis Kelamin dan Nilai UAS.
b. Klik tombol Option, lalu beri tanda pada beberapa ukuran seperti Mean, Std. Deviation, Variance, Minimum dan Maximum, lalu klik Continue.
c.
Setelah kembali ke menu semula, Klik OK
d. Maka SPSS akan mengaktifkan window Viewer sebagai output dari analisis Descriptives.
Penjelasan Hasil Output SPSS

Descriptive Statistics N Jenis Kelamin Nilai UAS Valid N (listwise) 20 20 20 Minimum 1.00 57.00 Maximum 2.00 89.00 Mean 1.4500 76.2500 Std. Deviation .51042 8.55862

N atau jumlah data yang valid (sah untuk diproses) adalah 20 data sedangkan yang hilang (missing) adalah nol, berarti semua data siap diproses. Nilai Minimum untuk Nilai UAS menunjukkan bahwa dari 20 mahasiswa yang diamati nilai terendah UAS adalah 57 sedangkan nilai tertinggi ditunjukkan dari nilai Max yaitu sebesar 89, sehingga diperoleh rata-rata (Mean) sebesar 76,2500 dengan Standar Deviasi sebesar 8,55862.
4. Reports Selain melalui menu Frequencies dan Descriptives, analisis deskriptif terhadap dapat dapat dilakukan melalui menu Reports Case Summaries.
Langkah-langkahnya: a. Analyze Reports Case Summaries b. Pilih variabel yang akan dianalisis, dan klik tanda panah c. Klik Statistics untuk menentukan ukuran-ukuran statistik yang ingin dianalisis, akhiri dengan tanda panah sehingga ukuran-ukuran yang dipilih pindah ke kolom Cell Statistics. d. Continue e. Kembali ke window Case Summaries, akhiri dengan OK f. Tampil window Viewer atau output dari Case Summaries.
Penjelasan Output SPSS Output Bagian Pertama (Tabel Processing Summary) Bagian ini menyajikan jumlah data yang dapat dianalisis (includes) dan data yang tidak dapat dianalisis (excludes), dalam hal ini kesemua data yaitu 20 semuanya dapat dianalisis sehingga excludes = 0. Output Bagian Kedua (Case Summary) Menyajikan detail data pada masing-masing kasus, misalnya data pertama jenis kelamin laki-laki dengan nilai UAS 71, sampai dengan data terakhir jenis kelamin laki-laki dengan nilai UAS 81.
5. Crosstabs Crosstab merupakan analisis berupa tabulasi silang untuk penggunaan data berskala Nominal atau untuk analisis Contingency. Data berskala nominal adalah data yang diperoleh dari hasil penghitungan bukan pengukuran, seperti jenis kelamin, tingkat pendidikan, jenis pekerjaan dan lain-lain. Sebagai contoh: ingin diuji apakah ada perbedaan antara tingkat pendidikan dengan jenis pekerjaan yang dimiliki seseorang dengan data sebagai berikut: Tingkat Pendidikan dan Jenis Pekerjaan No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Tingkat Pendidikan Sarjana Sarjana SMU SMU Sarjana SMU Sarjana SMU Sarjana SMU SMU Akademi Sarjana Akademi Pekerjaan Pengusaha Karyawan Petani Karyawan Karyawan Pengusaha Karyawan Pengusaha Pengusaha Petani Pedagang Karyawan Pedagang Karyawan
No. 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Tingkat Pendidikan Akademi Sarjana Sarjana Sarjana Akademi Sarjana Sarjana Sarjana Sarjana Akademi Sarjana Sarjana SMU SMU Akademi Sarjana
Pekerjaan Pedagang Karyawan Karyawan Pengusaha Karyawan Karyawan Karyawan Karyawan Pengusaha Karyawan Karyawan Pengusaha Petani Pedagang Karyawan Pedagang
Memasukkan Data, langkah-langkahnya adalah sebagai berikut: a. Aktifkan window Variabel View untuk mengatur variabel yang akan dimasukkan, dengan cara klik menu Variabel View. b. Pada kolom Name dan baris pertama beri nama variabel Didik untuk Tingkat Pendidikan, dan Kerja untuk Jenis Pekerjaan c. Pada kolom Type ubah menjadi String (tingkat pendidikan dan jenis pekerjaan adalah data berskala nominal atau data kualitatif sehingga tipenya bukan Numeric). Perhatikan jika Type data String otomatis SPSS akan merubah kolom Measure menjadi Nominal. d. Untuk keseragaman kolom Width dan Columns isi dengan 11. e. Pada kolom Label isi Tingkat Pendidikan untuk variabel Didik, dan Jenis Pekerjaan untuk variabel Kerja. f. Kembali ke Data Editor dengan klik menu Data View.
g. Masukkan data untuk masing-masing variabel.
Adapun langkah-langkah analisis Crosstab adalah sebagai berikut: a. Klik menu Analyze Descriptive Statistics - Crosstabs
b. Klik variabel Pendidikan lalu tekan tanda panah, sehingga variabel Pendidikan masuk ke kolom Row(s) c. Klik variabel Pekerjaan lalu tekan tanda panah, sehingga variabel Pekerjaan masuk ke kolom Column (s) d. Jika ingin ditampilkan grafik beri tanda pada Display Clustered Bar Charts e. Klik menu Statistics untuk mengatur jenis analisis yang akan dilakukan, beri tanda pada option Chi-Square dan pada menu Nominal aktifkan pilihan Contingency Coefficient, akhiri dengan klik Continue.
f.
Klik tombol OK untuk memulai analisis, hasil output Crosstab adalah sebagai berikut:
Penjelasan Output SPSS Output Bagian Pertama (Case Processing Summary), menyajikan ringkasan data atau kasus yang dianalisis, dalam hal ini terdapat 30 kasus (N = 30) dan semuanya valid (dapat dianalisis). Output Bagian Kedua:
Pendidikan * Pekerjaan Crosstabulation Count Karyawan 5 1 9 15 Pekerjaan Pedagang Pengusaha 1 2 2 2 5 5 7 Petani 3 3 Total 6 8 16 30
Pendidikan
Akademi SMU Sarjana
Total
Output Bagian Kedua: Menyajikan hasil tabulasi silang (Crosstab) antara pendidikan dengan pekerjaan, cara membaca bisa dimulai dari baris atau dimulai dari kolom. Misalnya untuk baris pertama pendidikan terdapat 6 orang (lihat Total) yang berpendidikan Akademi, dari jumlah 6 orang tersebut yang bekerja sebagai karyawan sebanyak 5 orang dan 1 orang sebagai pedagang. Jika membaca tabel dimulai dari kolom, misalnya untuk terdapat 15 orang yang bekerja sebagai karyawan, dari 15 orangt tersebut 5 orang berpendidikan Akademi, 1 orang berpendidikan SMU, dan 9 orang berpendidikan Sarjana. Intepretasi bisa dilanjutkan dengan mengamati bahwa tidak ada seorangpun Sarjana yang bekerja sebagai petani, dan tidak ada seorangpun lulusan Akademi yang bekerja sebagai pengusaha maupun petani. Sebagian besar lulusan Sarjana memilih bekerja sebagai karyawan dan pengusaha.
B. Analisis Trend Linier

Analisis Trend Linier digunakan untuk meramalkan (estimasi) nilai suatu variabel pada masa yang akan datang, ramalan (estimasi) dilakukan berdasarkan data masa lampau. Misalnya ingin dihitung (diramalkan) kebutuhan produksi perusahaan pada tahun yang akan datang (2005) berdasarkan data tahun 2000 2004 sebagai berikut: Tahun Produksi (unit) 2000 83 2001 89 2002 80 2003 92 2004 98 Produksi merupakan variabel yang diramalkan (variabel Y) berdasarkan data tahunan (sebagai koding) sebagai variabel X atau t. Aturan dalam pemberian Koding, jika jumlah data ganjil maka nilai kodingnya adalah bilangan .-3, -2, -1, 0, 1, 2, 3., sedangkan jika jumlah data genap pemberian koding dengan bilangan: . -3, -1, 1, 3. Langkah-langkah analisis Trend Linier sebagai berikut: a. Dari window Data Editor klik menu Variable View b. Lakukan pemberian nama variabel Produksi dan Koding
Produksi diberi Name = Y Koding diberi Name = t c. Kembali ke menu Data View untuk kembali ke Data Editor, masukkan data Produksi dan Koding (ingat aturan dalam penentuan koding). d. Klik menu Analyze Regression Linear
e. Klik variabel Y lanjutkan dengan klik Panah, sehingga dialog Dependent terisi dengan variabel Y artinya variabel Y bertindak sebagai Variabel Terikat (Dependent). f. Variabel Bebas adalah koding dengan notasi t, sehingga klik variabel t dan lanjutkan dengan klik Panah. g. Pilih menu Save dan pada option Predicted Value aktifkan pilihan Unstandardized lanjutkan dengan Continue h. Akhiri dengan tombol OK h. Maka akan disajikan output persamaan Trend Linier beserta nilai Ramalan sebagai berikut:
Penjelasan Output SPSS Untuk melihat persamaan Trend hanya perlu dilihat Output Coefficient sebagai berikut:
Coefficientsa Unstandardized Coefficients B Std. Error 88.400 2.449 2.400 1.225 Standardized Coefficients Beta .749
Model 1
(Constant) T
t 36.089 1.960
Sig. .000 .145
a. Dependent Variable: Y
Berdasarkan output tersebut diperoleh persamaan Trend Linier sbb: Y = 88,400 + 2,4 t Selanjutnya nilai t dapat diisi dengan tahun (koding) sesuai dengan tahun keberapa yang akan diestimasi. Misalnya akan diestimasi besarnya Produksi tahun 2005, berarti t (koding) = 5 sehingga diperoleh: Y = 88,400 + 2,4 (5) = 100,4 unit
UJI BEDA
A. Compare Means (Uji Beda)

Compare means merupakan analisis terhadap rata-rata sampel atau dikenal dengan Uji Beda. Adapun jenis analisis uji beda yang sering digunakan dalam penelitian adalah Paired-Samples T Test (Uji t untuk dua sampel berhubungan/berpasangan) Independent-Sampels T test (Uji t untuk dua sampel tidak berhubungan/berpasangan)
1. Uji t untuk Sampel Berpasangan (Paired-Samples T Test) Digunakan untuk analisis ada tidaknya perbedaan rata-rata untuk dua sampel berpasangan atau sampel berhubungan. Dua sampel berpasangan diartikan sebagai sebuah sampel dengan subyek yang sama namun mengalami dua perlakuan atau pengukuran yang berbeda, misalnya hasil produksi karyawan sebelum dan sesudah training. Contoh: Berikut ini disajikan data hasil produksi selama satu minggu dari 15 karyawan Linting pada sebuah perusahaan rokok sebelum dan sesudah ditraining. Tabel 1. Data Hasil Produksi Selama Satu Minggu Sebelum dan Sesudah Training No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Sebelum 1150 1225 1325 1350 1300 1275 1250 1150 1225 1200 1225 1225 1275 1250 1150 Sesudah 1321 1409 1396 1471 1565 1387 1682 1435 1615 1541 1412 1625 1387 1682 1435
Langkah-langkahnya adalah sebagai berikut: a. Pada window Data Editor klik menu Variabel View untuk memberi nama variabel dan pengaturan lainnya.
Endi Sarwoko, SE.,MM______________________________________________________________
29
b. Beri nama variabel pertama dengan Name Sebelum dan variabel kedua dengan Name Sesudah c. Ubah Decimal menjadi 0 d. Kembali ke window Data View e. Masukkan data hasil produksi pada tabel di atas f. Proses analisis dilakukan dengan klik menu Analyze Compare Means Paired Samples T test g. Klik variabel Sebelum dan lanjutkan dengan klik vaiabel Sesudah sehingga pada option Current Selection muncul: Variabel 1 : Sebelum Variabel 2 : Sesudah
h. Klik tombol panah, sehingga variabel Sebelum dan Sesudah akan berpindah ke kolom Paired Variables. i. Akhiri dengan tombol OK untuk memulai analisis. Output analisis uji t berpasangan adalah sebagai berikut:
30
Penjelasan Output SPSS: Output Bagian Pertama

Paired Samples Statistics Mean SEBELUM 1238.3333 SESUDAH 1490.8667 N 15 15 Std. Deviation 61.13996 117.55355 Std. Error Mean 15.78627 30.35220
Pair 1
Menyajikan ringkasan statistik untuk masing-masing sampel. Untuk hasil produksi sebelum training rata-rata sebesar 1238,333 batang dengan standar deviasi 61,13996 sedangkan sesudah training rata-rata hasil produksi meningkat menjadi 1490,8667 batang dengan standar deviasi 117,55355. Output Bagian Kedua Pada kasus ini output bagian kedua diabaikan saja karena peneliti tidak ingin melihat korelasi antar sampel, tetapi perbedaan maka analisis dilanjutkan pada output bagian ketiga. Output Bagian Ketiga (Paired Sample Test) Menyajikan hasil uji beda rata-rata dua sampel berpasangan, dimana perbedaan ratarata adalah (Mean) sebesar 252,5333. Nilai tersebut mencerminkan selisih atau adanya peningkatan rata-rata hasil produksi sebesar 252,5333 antara sebelum dan sesudah training, diperoleh dari rata-rata sebelum dikurangi rata-rata sesudah (1238,333 1490,8667) = 252,5333.
Paired Samples Test Paired Differences 95% Confidence Interval of the Difference Lower Upper -322.0393 -183.0274
Pair 1
Mean SEBELUM - SESUDAH -252.5333
Std. Deviation 125.51145
Std. Error Mean 32.40692
t -7.793
df 14
Sig. (2-tailed) .000
Std. Deviation menunjukkan besarnya standar deviasi perbedaan kedua pasangan, nilai Std. Deviation tersebut digunakan untuk menentukan nilai t . Pengambilan keputusan terhadap ada tidaknya perbedaan yang signifikan (diasumsikan taraf = 0,05) dilakukan dengan kriteria sebagai berikut: Jika nilai absolut thitung > ttabel atau Sig. < 0,05 Ada perbedaan yang signifikan antara rata-rata hasil produksi sebelum dengan sesudah training Jika nilai absolut thitung ttabel atau Sig. 0,05 Tidak ada perbedaan yang signifikan antara rata-rata hasil produksi sebelum dengan sesudah training
31
Nilai Absolut artinya nilai mutlak tanpa mengindahkan tanda + atau -. Uji dilakukan 2 sisi (2-tailed) karena akan diketahui apakah rata-rata sebelum sama dengan sesudah atau tidak, jadi bisa lebih besar atau lebih kecil. Konsultasi Tabel: Nilai ttabel pada taraf = 0,05 (uji 2 sisi maka dibagi 2 = 0,025) derajad bebas (df) = n-1 = 15-1 = 14 adalah sebesar 2,145 Karena nilai absolut thitung = 7,793 lebih besar dari ttabel = 2,145 maka dapat diambil kesimpulan ada perbedaan yang signifikan antara antara rata-rata hasil produksi sebelum dengan sesudah training. Demikian pula hasil uji dengan menggunakan kriteria Sig. dimana nilai Sig. = 0,000 ternyata lebih kecil dari = 0,05 maka dapat diambil kesimpulan ada perbedaan yang signifikan antara antara rata-rata hasil produksi sebelum dengan sesudah training.
2. Uji t untuk Sampel Tidak Berpasangan (Independent-Samples T Test) Digunakan untuk analisis ada tidaknya perbedaan rata-rata untuk dua sampel tidak berhubungan. Dua sampel tidak berhubungan diartikan sebagai sebuah sampel dengan subyek yang berbeda tetapi memperoleh perlakuan yang sama, misalnya hasil produksi karyawan laki-laki dengan wanita. Contoh: Berikut ini disajikan data hasil produksi 30 karyawan Linting pada sebuah perusahaan rokok yang terdiri dari 15 karyawan laki-laki dan 15 karyawan perempuan. Uji apakah ada perbedaan antara hasil produksi karyawan laki-laki dengan hasil produksi karyawan wanita. Tabel 2. Data Hasil Produksi Menurut Jenis Kelamin No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Jenis Kelamin Laki-laki Perempuan Laki-laki Laki-laki Laki-laki Perempuan Perempuan Laki-laki Laki-laki Laki-laki Laki-laki Perempuan Laki-laki Perempuan Perempuan Perempuan Hasil Produksi (batang) 1450 1225 1325 1521 1409 1396 1650 1300 1275 1471 1565 1587 1250 1150 1225 1682
32
No. 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Jenis Kelamin Perempuan Perempuan Perempuan Laki-laki Perempuan Laki-laki Laki-laki Laki-laki Perempuan Perempuan Laki-laki Laki-laki Perempuan Perempuan
Hasil Produksi (batang) 1435 1615 1200 1225 1225 1541 1412 1625 1275 1250 1150 1387 1682 1435
Langkah-langkah analisis: a. Pada window Data Editor klik menu Variabel View untuk memberi nama variabel dan pengaturan lainnya. b. Beri nama variabel pertama dengan Name Gender sebagai nama variabel jenis kelaim dan variabel kedua dengan Name Produksi sebagai nama variabel hasil produksi. c. Ubah Decimal menjadi 0 Perempuan. e. Kembali ke window Data View f. Masukkan data jenis kelamin dan hasil produksi pada tabel di atas, untuk variabel jenis kelamin cukup diketik kategorinya saja. g. Proses analisis dilakukan dengan klik menu Analyze Compare Means Independent-Samples T test d. Untuk variabel Gender isi kolom Value dengan kategori 1 = Laki-laki dan 2 =
h. Klik variabel Hasil Produksi lanjutkan dengan klik Panah sehingga variabel hasil produksi masuk ke kolom Test Variable i. Untuk menentukan Grouping Variable klik variabel Jenis Kelamin (JK) lanjutkan dengan klik tombol Panah, lalu klik Define Groups, isi dengan:
33
Group 1 = 1 (untuk kode Laki-laki) Group 2 = 2 (untuk kode Perempuan) j. Akhiri dengan tombol OK, maka akan muncul window Output sebagai berikut:
Penjelasan Output SPSS Output Bagian Pertama

Group Statistics Jenis Kelamin Laki-laki Perempuan N 15 15 Mean 1393.73 1402.13 Std. Deviation 137.994 195.966 Std. Error Mean 35.630 50.598
Hasil Produksi
Menyajikan ringkasan statistik, rata-rata hasil produksi karyawan laki-laki sebesar 1393,73 batang dengan standar deviasi 137,994 sedangkan rata-rata hasil produksi karyawan perempuan 1402,13 dengan standar deviasi 195,996.
Output Bagian Kedua

Independent Samples Test Levene's Test for Equality of Variances t-test for Equality of Means 95% Confidence Interval of the Difference Lower Upper -135.164 -135.816 118.364 119.016
F Hasil Produksi Equal variances assumed Equal variances not assumed 3.711
Sig. .064
t -.136 -.136
df 28 25.144
Sig. (2-tailed) .893 .893
Mean Difference -8.40 -8.40
Std. Error Difference 61.884 61.884
Pengambilan keputusan terhadap ada tidaknya perbedaan yang signifikan (diasumsikan taraf = 0,05) dilakukan dengan kriteria sebagai berikut: Jika nilai absolut thitung > ttabel atau Sig. < 0,05 Ada perbedaan yang signifikan antara rata-rata hasil produksi karyawan laki-laki dengan karyawan perempuan
34
Jika nilai absolut thitung ttabel atau Sig. 0,05 Tidak ada perbedaan yang signifikan antara rata-rata hasil produksi karyawan lakilaki dengan karyawan perempuan
Nilai Absolut artinya nilai mutlak tanpa mengindahkan tanda + atau -. Uji dilakukan 2 sisi (2-tailed) karena akan diketahui apakah rata-rata sebelum sama dengan sesudah atau tidak jadi bisa lebih besar atau lebih kecil. Konsultasi Tabel: Nilai ttabel pada taraf = 0,05 (uji 2 sisi maka dibagi 2 = 0,025) derajad bebas (df) = n1 + n2 -2 = 15 + 15 -2 = 28 adalah sebesar 2,048 Karena nilai absolut thitung = 0,136 lebih kecil dari ttabel = 2,048 maka dapat diambil kesimpulan bahwa rata-rata hasil produksi karyawan laki-laki tidak berbeda secara signifikan dengan rata-rata hasil produksi karyawan perempuan. Demikian pula hasil uji dengan menggunakan kriteria Sig. dimana nilai Sig. = 0,893 ternyata lebih besar dari = 0,05 maka dapat diambil kesimpulan rata-rata hasil produksi karyawan laki-laki tidak berbeda secara signifikan dengan rata-rata hasil produksi karyawan perempuan.
B. ANOVA (Analysis of Varian)

Uji beda (Uji t) baik sampel berhubungan maupun tidak berhubungan digunakan untuk menguji perbedaan di antara dua kelompok (2 sampel), apabila yang akan diuji perbedaan lebih dari dua kelompok (lebih dari 2 sampel) maka alat analisis yang digunakan adalah ANOVA. Hasil penghitungan uji ANOVA dinyatakan dengan nilai F. Misalnya: suatu perusahaan rokok mempekerjakan karyawan dalam 3 shift, yaitu pagi, siang dan malam, perusahaan ingin meneliti apakah ada perbedaan hasil produksi karyawan antara shift 1, shift 2 dan shift 3 dengan jumlah jam kerja yang sama. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Hasil Produksi (bungkus) Shift 1 Shift 2 Shift 3 45 34 60 54 57 30 40 53 78 40 77 69 57 49 50 68 59 30 54 34 40 42 45 54 53 49 58 43 50 26 39 29 78 59 69 45 40 45 47 66 -
35
Dilakukan analisis untuk menguji ada tidaknya perbedaan yang signifikan antara hasil produksi Shift 1, Shift 2 dan Shift 3 dengan hipotesis sebagai berikut: Ho : X1 = X2 = X3 Tidak ada perbedaan hasil produksi pada ketiga Shift Ha : X1 X2 X3 Ada perbedaan hasil produksi pada ketiga Shift Pengujian pada taraf = 0,05 (5%) atau tingkat kepercayaan 95%. Kriteria pengujian: Jika Fhitung > Ftabel atau Sig. < = 0,05 maka Ho ditolak (Ha diterima) artinya hasil produksi Shift 1, Shift 2 dan Shift 3 memiliki perbedaan yang signifikan. Jika Fhitung Ftabel atau Sig. > = 0,05 maka Ho diterima (Ha ditolak) artinya hasil produksi Shift 1, Shift 2 dan Shift 3 tidak berbeda secara signifikan. Langkah-langkah analisis: a. Dari window Data Editor klik menu Variabel View untuk pemberian nama variabel. Hampir sama dengan analisis Independent Sample, walaupun data terdiri dari 3 kelompok tetapi variabel yang dianalisis hanya 1 yaitu Hasil Produksi, hanya kategorinya ada 3 yaitu Shift 1, Shift 2 dan Shift 3, sehingga dalam analisis ini terdiri dari 2 variabel, variabel 1 untuk Hasil Produksi dan variabel 2 untuk Kategori yaitu Shift. b. Beri nama variabel: Variabel 1 diberi Name = Produksi Variabel 2 diberi Name = Shift c. Kembali ke Data Editor, masukkan data hasil produksi di atas pada variabel Produksi. (Ingat: data dimasukkan urut ke bawah pada variabel Produksi) d. Isi variabel Shift dengan kategori: Shift 1 diberi kategori = 1 Shift 2 diberi kategori = 2 Shift 3 diberi kategori = 3 e. Untuk melakukan analisis klik menu Analyze Compare Means One Way Anova, sesaat akan ditampilkan menu ANOVA seperti gambar berikut:
36
f.
Kolom Dependent List menanyakan variabel yang akan diuji, dalam hal ini adalah Produksi, maka klik variabel Produksi dan tanda panah. Berikutnya untuk kolom Factor menanyakan kategori yang digunakan, maka klik variabel Shift dan tanda panah.
g. Untuk melengkapi hasil analisis, klik Option, dan aktifkan pilihan Descriptive, klik Continue, selanjutnya akhiri dengan OK h. Output ANOVA sebagaimana disajikan pada gambar berikut:
Penjelasan Output SPSS Output Bagian Pertama (Descriptives):

Descriptives PRODUKSI 95% Confidence Interval for Mean Lower Bound Upper Bound 40.68 61.62 43.18 59.10 43.16 54.38 46.04 54.71
N 1 2 3 Total 13 14 13 40
Mean 51.15 51.14 48.77 50.38
Std. Deviation 17.325 13.789 9.284 13.547
Std. Error 4.805 3.685 2.575 2.142
Minimum 26 29 39 26
Maximum 78 77 68 78
Tabel Descriptives menyajikan ukuran-ukuran statistik deskriptif seperti Mean, Standard Deviasi, Interval Kepercayaan, nilai Maksimum dan Minimum Output Bagian Kedua (Anova): merupakan hasil uji ANOVA satu jalan,
ANOVA PRODUKSI Sum of Squares 49.661 7107.714 7157.375 df 2 37 39 Mean Square 24.830 192.100 F .129 Sig. .879
Between Groups Within Groups Total
37
Perhatikan hasil analisis ANOVA diperoleh nilai F yaitu sebesar 0,129 dengan signifikansi 0,879. Selanjutnya nilai Fhitung dibandingkan dengan Ftabel pada = 0,05 atau nilai Sig. 0,879 dibandingkan dengan = 0,05. Perlu diketahui bahwa nilai F diperoleh dari rumus: F =
RKA RKD
RKA = Rata-rata kuadrat Antar Kelompok (Mean Square Between Groups) RKD = Rata-rata kuadrat Dalam Kelompok (Mean Square Within Groups) RKA dan RKD sendiri merupakan hasil perhitungan dengan rumus: RKA =
JKA df(k - 1)
dan RKD =
JKD df(n - k)
JKA = Jumlah kuadrat Antar Kelompok (Sum Square Between Groups) JKD = Jumlah kuadrat Dalam Kelompok (Sum Square Within Groups) Nilai Ftabel pada = 0,05 dan derajat bebas = (k-1) ; (n-k) = (3-1) ; (40 JKA = Jumlah kuadrat Antar Kelompok (Sum Square Between Groups) 3) = 2 ; 37 adalah sebesar 3,252 Jadi nilai Fhitung (0,129) < Ftabel 3,252 atau nilai Sig. 0,879 > 0,05 dengan demikian maka Ho diterima (Ha ditolak) artinya hasil produksi karyawan Shift 1, Shift 2 dan Shift 3 tidak berbeda secara signifikan pada taraf kepercayaan 95%.
38
ANALISIS KORELASI (CORRELATION)

Analisis korelasi merupakan analisis untuk mengetahui arah dan keeratan hubungan antar variabel. Jika ingin diketahui hubungan antara dua variabel maka digunakan Analisis Korelasi Sederhana (Zerro Order), tetapi jika lebih dari dua variabel maka digunakan Analisis Korelasi Berganda (pada SPSS analisis Korelasi Berganda masuk dalam Menu Regression), dalam Analisis Korelasi Berganda juga terdapat analisis Korelasi Parsial (Partial Correlation). Analisis Korelasi Parsial menunjukkan besarnya hubungan antar variabel (2 variabel) tetapi setelah memperhitungkan (menghilangkan) hubungan variabel lain, sehingga hasilnya lebih akurat dibandingkan Korelasi Sederhaan (Zerro Order). Jadi untuk variabel lebih dari dua (misalnya X1, X2,Y) maka lebih tepat digunakan analisis Korelasi Parsial. Pada SPSS analisis Korelasi Sederhana atau korelasi antar variabel disebut dengan Bivariate, sedangkan korelasi parsial disebut dengan Partial. Khusus untuk analisis Korelasi Berganda dalam SPSS dimasukkan dalam Analisis Regresi (Regression Analysis). 1. Analisis Korelasi Sederhana (Zero Order) Analisis korelasi (Korelasi Product Moment Pearson) sederhana digunakan untuk mengetahui keeratan hubungan serta arah hubungan antara 2 variabel. Nilai koefisien korelasi menunjukkan kuat tidaknya hubungan antar variabel, sedangkan tanda (positif/negatif) menunjukkan arah hubungan, yaitu hubungan searah atau berlawanan. Nilai koefisien korelasi mendekati 1 berarti hubungan antar variabel Sangat Kuat Nilai koefisien korelasi mendekati 0 berarti hubungan antar variabel Sangat Lemah Nilai koefisien korelasi negatif berarti hubungan antar variabel berlawanan (jika X naik maka Y akan turun). Nilai koefisien korelasi positif berarti hubungan antar variabel searah (jika X naik maka Y juga naik). Contoh: Diketahui data tentang besarnya modal awal, lama usaha dan tingkat keuntungan dari usaha kecil Modal Awal (Rp) 750.000 2.000.000 1.500.000 1.500.000 2.000.000 1.500.000 1.000.000 750.000 Lama Usaha (tahun) 2 4 3 1 1 2 3 4 Keuntungan Bersih (Rp) 437.750 3.525.000 836.500 471.500 2.090.000 1.005.000 1.936.000 749.750
Jenis Usaha Manufaktur Manufaktur Perdagangan Perdagangan Perdagangan Perdagangan Manufaktur Perdagangan
39
Jenis Usaha Manufaktur Manufaktur Manufaktur Perdagangan Manufaktur Manufaktur Manufaktur
Modal Awal (Rp) 3.000.000 4.000.000 750.000 1.600.000 600.000 2.500.000 1.000.000
Lama Usaha (tahun) 5 4 3 5 2 1 4
Keuntungan Bersih (Rp) 2.670.000 247.800 642.750 1.204.000 868.500 2.040.000 1.484.000
Ingin diketahui hubungan antara Modal Awal dengan Keuntungan Bersih, serta hubungan antara Lama Usaha dengan Keuntungan Bersih. Berarti akan dicari nilai Koefisien Korelasi antara Variabel Modal Awal dengan Keuntungan Bersih, dan Koefisien korelasi antara variabel Lama Usaha dengan Keuntungan Bersih Kriteria pengambilan kesimpulan dari Analisis Korelasi adalah sebagai berikut: Nilai koefisien korelasi mendekati 1 berarti hubungan antar variabel Sangat Kuat Nilai koefisien korelasi mendekati 0 berarti hubungan antar variabel Sangat Lemah Nilai koefisien korelasi negatif berarti hubungan antar variabel berlawanan (jika X naik maka Y akan turun). Nilai koefisien korelasi positif berarti hubungan antar variabel searah (jika X naik maka Y juga naik). Sedangkan untuk menguji apakah hubungannya signifikan atau tidak misalnya pada taraf = 0,05 dengan kriteria: Jika nilai Sig. 0,05 maka hubungan antara variabel Signifikan Jika nilai Sig. > 0,05 maka hubungan antara variabel Tidak Signifikan
Langkah-langkahnya: a. Dari window Data Editor klik menu Variabel View untuk memberi nama variabel dan pengaturan variabel. b. Beri nama variabel: Jenis Usaha diberi Name = Jenis dengan Label = Jenis Usaha Modal Awal diberi Name = Modal dengan Label = Modal Awal Lama Usaha diberi Name = Lama dengan Label = Lama Usaha Keuntungan Bersih diberi Name = Profit dengan Label = Keuntungan Bersih c. Untuk variabel Jenis Usaha isi kolom Value dengan kategori 1 = Manufaktur dan 2 = Perdagangan. d. Kembali ke window Data View e. Masukkan data jenis tiap-tiap variabel (khusus untuk jenis usaha, yang dimasukkan hanya kategorinya yaitu 1 atau 2). f. Proses analisis dilakukan dengan klik menu Analyze Correlation Bivariate
40
g. Klik ganda variabel yang akan dihitung koefisien korelasinya, yaitu Modal Awal, Lama Usaha, dan Keuntungan bersih, sehingga variabel yang akan dianalisis masuk dalam kolom Variables. h. Pada menu Correlation Coefficients biarkan pada pilihan Pearson karena memang kita akan menghitung koefisien korelasi Product Moment (Pearson). i. j. Akhiri dengan klik OK Output hasil analisis sebagai berikut:
Penjelasan Output SPSS:

Correlations Modal Awal Lama Usaha 1 -.008 . .979 15 15 -.008 1 .979 . 15 15 .725** .198 .002 .479 15 15 Keuntungan Bersih .725** .002 15 .198 .479 15 1 . 15
Modal Awal
Lama Usaha
Keuntungan Bersih
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
**. Correlation is significant at the 0.01 level (2-tailed).
41
Perlu diketahui bahwa output hasil analisis korelasi merupakan hasil matrik korelasi, artinya SPSS akan menampilkan seluruh hasil korelasi antar variabel (matrik), sehingga user sendiri yang menentukan nilai koefisien korelasi antara variabel mana yang dibutuhkan. Hubungan (korelasi) antara Modal Awal dengan Keuntungan Bersih dapat dilihat dari baris Modal Awal Pearson Correlation pada kolom Keuntungan Bersih dimana nilainya adalah 0,725 hal ini menunjukkan bahwa Modal awal memiliki hubungan yang positif dan kuat (mendekati 1) dengan Penghasilkan Bersih, hubungan positif menunjukkan hubungan yang searah artinya Kenaikan Modal Awal akan diikuti dengan kenaikan Keuntungan Bersih atau sebaliknya. Pengujian signifikansi korelasi antara Modal Awal dengan Keuntungan Bersih dapat dilihat dengan dua cara yaitu dari tanda * maupun dari nilai Sig. (2-tailed): 1) Tanda ** dibelakang nilai koefisien korelasi (0,725**) menunjukkan bahwa hubungan antara Modal Awal dengan Keuntungan Bersih secara statistik signifikan pada taraf = 0,01. Pada SPSS notasi ** menunjukkan taraf signifikan 0,01 (tingkat kepercayaan 99%), sedangkan notasi * menunjukkan taraf signifikan 0,05 (tingkat kepercayaan 95%). 2) Menggunakan nilai Sig. (2-tailed). Apabila nilai Sig. (2-tailed) lebih kecil dari = 0,05 berarti Modal Awal dan Keuntungan Bersih memiliki hubungan yang signifikan pada taraf = 0,05 (tingkat kepercayaan 95%), atau sebaliknya apabila nilai Sig. (2-tailed) lebih besar dari = 0,05 berarti Modal Awal dan Keuntungan Bersih memiliki hubungan yang tidak signifikan pada taraf = 0,05 (tingkat kepercayaan 95%).
2. Analisis Korelasi Parsial (Partial Correlation) Analisis korelasi parsial mengukur hubungan antar variabel dengan asumsi variabel lain dianggap konstan. Jadi penerapan analisis korelasi parsial adalah pada pengujian dengan variabel lebih dari 2. Misalnya pada contoh di atas ingin dicari korelasi parsial antara Modal Awal dengan Keuntungan Bersih, maka variabel lain dalam hal ini variabel Lama Usaha dianggap sebagai variabel Kontrol. Langkah-langkahnya: a. Dari window Data Editor klik Analyze Correlation Partial b. Pada menu Partial Correlations klik variabel Modal Awal lanjutkan dengan klik Panah, demikian juga untuk variabel Keuntungan Bersih sehingga kedua variabel masuk ke kolom Variables. c. Klik variabel Lama Usaha lanjutkan dengan klik ikon Panah sehingga masuk ke dalam dialog Controlling for, artinya Lama Usaha berfungsi sebagai variabel Kontrol. Endi Sarwoko, SE.,MM______________________________________________________________
42
c.
Akhiri dengan OK, akan keluar Output analisis korelasi Parsial sebagai berikut:
Penjelasan Output: P A R T I A L C O R R E L A T I O N LAMA UNTUNG .7413 ( 12) P= .002 1.0000 ( 0) P= . C O E F F I C I E N T S -
Controlling for.. MODAL MODAL 1.0000 ( 0) P= . .7413 ( 12) P= .002
UNTUNG
(Coefficient / (D.F.) / 2-tailed Significance) " . " is printed if a coefficient cannot be computed
Pada prinsipnya cara membaca hasil analisis pada Korelasi Partial hampir sama dengan pada Korelasi Sederhana yaitu dari atas ke bawah dan dari samping kiri ke kanan. Misalanya karena yang ingin diuji hubungannya adalah variabel Modal dan Untung maka lihat perpotongan antara Modal ke bawah sejajar dengan variabel Untung, yaitu diperoleh nilai koefisien korelasi partial sebesar 0,7413. Karena nilainya positif dan mendekati 1 maka dapat dinyatakan bahwa Modal Awal memiliki hubungan yang positif dan kuat dengan Keuntungan Bersih, dengan anggapan variabel Lama Usaha tetap (lihat keterangan controlling for LAMA). Endi Sarwoko, SE.,MM______________________________________________________________
43
Selanjutnya untuk pengujian apakah hubungannya signifikan atau tidak pada taraf = 0,05 sama dengan pada Korelasi Sederhana yaitu lihat nilai Sig. sebesar 0,02 karena nilainya lebih kecil dari 0,05 maka dapat dinyatakan bahwa Modal Awal memiliki hubungan yang signifikan dengan Keuntungan Bersih.
3. Analisis Korelasi Berganda (Multiple Regression) Analisis Korelasi Berganda digunakan untuk mengetahui hubungan lebih dari 2 variabel secara simultan (bersama-sama). Misalnya pada contoh di atas, peneliti ingin mengetahui hubungan antara Modal Awal dan Lama Usaha dengan Keuntungan Bersih Pengusaha. Pada SPSS analisis Korelasi Berganda (Multiple Regression) menjadi satu dengan analisis Regresi (Regression Analysis), sehingga pembahasan tentang Analisis Korelasi Berganda dimasukkan pada pembahasan tentang Analisis Regresi pada bagian berikutnya.
44
ANALISIS REGRESI (REGRESSION ANALYSIS)

Analisis Regresi digunakan untuk mengetahui besarnya pengaruh perubahan suatu variabel yang disebut Variabel Bebas (Independent) terhadap perubahan variabel lain yang disebut Variabel Terikat (Dependent). Variabel Bebas (Independent) adalah variabel yang mempengaruhi atau menyebabkan perubahan variabel lain, sedangkan Variabel Terikat (Dependent) adalah variabel yang perubahannya tergantung/diakibatkan oleh perubahan variabel lain. Jika variabel yang ingin diuji hanya 2 variabel dalam hal ini 1 variabel bebas (independent) dan 1 variabel terikat (dependent) maka disebut Analisis Regresi Sederhana, sedangkan jika jumlah variabel bebas 2 atau lebih, maka disebut Analisis Regresi Berganda (Multiple Regression).
1. Analisis Regresi Sederhana Regresi sederhana didasarkan pada hubungan kausal satu variabel bebas (independent) dengan satu variabel terikat (dependent). Misalnya ingin diketahui seberapa besar pengaruh Biaya Promosi (independent variable) terhadap Penjualan Barang (dependent variable) Contoh: Data hasil pengamatan tentang rata-rata Biaya Promosi dan nilai Penjualan Barang tiap tahun untuk 34 perusahaan. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 Biaya Promosi (Jutaan rupiah) 5,4 5,0 5,3 4,5 4,8 6,3 4,6 5,6 5,2 5,6 5,7 5,6 5,5 5,2 5,0 6,0 5,5 4,5 4,7 5,3 4,9 5,6 Penjualan Barang (Jutaan Rupiah) 167 155 148 146 170 173 149 166 170 174 156 158 150 160 157 177 166 160 155 159 159 172
45
No 23 24 25 26 27 28 29 30 31 32 33 34
Biaya Promosi (Jutaan rupiah) 5,7 5,0 4,9 5,8 4,8 5,2 5,6 5,4 5,9 4,7 4,8 5,6
Penjualan Barang (Jutaan Rupiah) 168 159 150 165 159 162 168 166 177 149 155 160
Ingin diuji apakah Biaya Promosi memiliki pengaruh terhadap Penjualan Barang, atau jika dituliskan persamaan Regresinya sebagai berikut: Y Y X a b = = = = = a + bX Penjualan Barang (Variabel Terikat) Biaya Promosi (Variabel Bebas) Konstanta (menunjukkan besarnya penjualan barang jika biaya promosi = 0) Koefisien regresi (menunjukkan besarnya pengaruh peningkatan biaya promosi terhadap peningkatan penjualan barang) Rumusan hipotesis: Ho : b = 0 Ha : b 0 Variabel biaya promosi tidak berpengaruh signifikan terhadap variabel penjualan barang Variabel biaya promosi berpengaruh signifikan terhadap variabel penjualan barang Pengujian menggunakan taraf = 0,05 (5%) Kriteria pengujian: Jika thitung > ttabel atau nilai Sig. 0,05 maka Ho ditolak (Ha diterima) Jika thitung ttabel atau nilai Sig. > 0,05 maka Ho diterima (Ha ditolak) Langkah-langkahnya: a. Dari window Data Editor klik menu Variable View b. Lakukan pemberian nama variabel Biaya Promosi dan Penjualan Barang Biaya Promosi diberi Name = Promosi dengan Label = Biaya Promosi Penjualan Barang diberi Name = Sale dengan Label = Penjualan Barang c. Kembali ke menu Data View untuk kembali ke Data Editor, masukkan data Biaya Promosi dan Penjualan Barang. Dimana:
46
d. Klik menu Analyze Regression Linear
e. Klik variabel Penjualan Barang lanjutkan dengan klik Panah, sehingga dialog Dependent terisi dengan variabel Penjualan Barang artinya variabel Penjualan Barang bertindak sebagai Variabel Terikat (Dependent). f. Variabel Bebas adalah Biaya Promosi, sehingga klik variabel Biaya Promosi dan lanjutkan dengan klik Panah, sehingga Biaya Promosi masuk ke dialog Independent(s). g. Akhiri dengan tombol OK h. Output analisis Regresi Sederhana adalah sebagai berikut:
Penjelasan Output SPSS Output Bagian Pertama:

b Variables Entered/Removed
Model 1
Variables Entered Biaya a Promosi
Variables Removed .
Method Enter
a. All requested variables entered. b. Dependent Variable: Penjualan Barang
Menunjukkan variabel yang dianalisis yaitu Variabel Biaya Promosi sebagai Independent Variable (variabel bebas) dan variabel Penjualan Barang sebagai variabel Dependent Variable (variabel terikat)
47
Output Bagian Kedua:

Model Summary Model 1 R R Square .655a .429 Adjusted R Square .412 Std. Error of the Estimate 6.58421
a. Predictors: (Constant), Biaya Promosi
Model Summary merupakan output yang berisi ringkasan hasil pengujian Model Regresi atau menyajikan nilai Koefisien Korelasi ( R ) dan koefisien Determinasi (R Square). Nilai koefisien Korelasi ( R ) merupakan nilai yang menunjukkan kuatnya hubungan antara variabel bebas (biaya promosi) dengan variabel terikat (penjualan barang), nilai koefisien korelasi 0,655 menunjukkan bahwa biaya promosi memiliki hubungan yang cukup kuat dengan penjualan barang. Nilai koefisien Determinasi (R Square) menunjukkan besarnya kontribusi biaya promosi terhadap peningkatan penjualan barang, jadi nilai 0,429 memiliki makna biaya promosi memberikan kontribusi sebesar 42,9% terhadap perubahan penjualan, dengan kata lain sisanya sebesar 57,1% perubahan penjualan barang ditentukan oleh variabel lain yang tidak diteliti. Output Bagian Ketiga:
ANOVAb Model 1 Sum of Squares 1044.182 1387.259 2431.441 df 1 32 33 Mean Square 1044.182 43.352 F 24.086 Sig. .000a
Regression Residual Total
a. Predictors: (Constant), Biaya Promosi b. Dependent Variable: Penjualan Barang
Output ketiga merupakan hasil analisis Varian (ANOVA) atau sering disebut dengan UJI F, digunakan untuk menguji signifikansi variabel biaya promosi terhadap penjualan barang. Sebagaimana dijelaskan pada bagian ANOVA sebelumnya, bahwa ANOVA digunakan untuk lebih dari 2 variabel atau kelompok, karena dalam analisis Regresi Sederhana hanya ada 2 variabel maka Uji F (ANOVA) ini biasanya tidak digunakan, adapun uji signifikansinya menggunakan Uji t pada tabel bagian keempat.
48
Output Bagian Keempat:

Coefficientsa Unstandardized Coefficients B Std. Error 96.442 13.268 12.310 2.508 Standardized Coefficients Beta .655
Model 1
(Constant) Biaya Promosi
t 7.269 4.908
Sig. .000 .000
a. Dependent Variable: Penjualan Barang
Output keempat merupakan hasil analisis Regresi yang berisi nilai konstanta(a), koefisien regresi (b), serta hasil Uji t. Berdasarkan hasil analisis tersebut dapat disusun persamaan regresi sederhana sebagai berikut: Y=a+bX+e Y = 96,442 + 12,310 X Penjelasan dari persamaan regresi tersebut adalah sebagai berikut: 1) Nilai konstanta (a) sebesar 96,442 memiliki makna jika biaya promosi (X) = 0 maka penjualan (Y) yang dicapai hanya = 96.442 (jutaan rupiah) 2) Nilai koefisien regresi (b) sebesar 12,310 menunjukkan besarnya pengaruh biaya promosi (X) terhadap penjualan barang (Y), karena nilainya positif maka pengaruhnya searah, artinya jika biaya promosi (X) meningkat 1 satuan maka penjualan barang akan meningkat 12 satuan.
Pengujian Hipotesis Pengujian hipotesis dilakukan dengan Uji t. Berdasarkan hasil analisis diperoleh nilai thitung = 4,908 dengan nilai Sig. 0,000 selanjutnya nilai thitung tersebut dibandingkan dengan ttabel pada taraf = 0,05 derajat bebas (n-2) = 34-2 = 32 yaitu sebesar = 2,036 Jadi thitung (4,908) > ttabel (2,036) dan nilai Sig. 0,000 < 0,05 maka Ho ditolak (Ha diterima) dengan demikian dapat dinyatakan bahwa variabel biaya promosi memiliki pengaruh yang signifikan terhadap variabel penjualan barang.
2. Analisis Regresi Berganda (Multiple Regression) Regresi Berganda digunakan apabila variabel bebas (independent) yang dianalisis lebih dari satu. Misalnya ingin diketahui seberapa besar pengaruh Biaya Pengembangan produk dan Biaya Promosi (variabel bebas) terhadap Penjualan Barang (variabel terikat) Contoh: Data hasil pengamatan tentang rata-rata Biaya Pengembangan Produk, Biaya Promosi dan Penjualan Barang tiap tahun dari 34 perusahaan.
49
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
Pengembangan Produk (Jutaan Rupiah) 1,50 1,10 1,00 0,98 1,70 1,74 1,23 1,38 1,65 1,70 1,57 1,67 1,60 1,66 1,52 1,77 1,59 1,50 1,00 1,15 1,00 1,75 1,48 1,46 1,70 1,73 1,50 1,60 1,75 1,45 1,66 1,48 1,52 1,68
Biaya Promosi (Jutaan rupiah) 5,4 5,0 5,3 4,5 4,8 6,3 4,6 5,6 5,2 5,6 5,7 5,6 5,5 5,2 5,0 6,0 5,5 4,5 4,7 5,3 4,9 5,6 5,7 5,0 4,9 5,8 4,8 5,2 5,6 5,4 5,9 4,7 4,8 5,6
Penjualan Barang (Jutaan Rupiah) 167 155 148 146 170 173 149 166 170 174 156 158 150 160 157 177 166 160 155 159 159 172 168 159 150 165 159 162 168 166 177 149 155 160
Ingin dianalisis pengaruh Biaya Pengembangan Produk (X1), Biaya Promosi (X2) terhadap Penjualan Barang (Y). Di sini X1 dan X2 berlaku sebagai Variabel Bebas (Independent Variable) sedangkan Y berlaku sebagai variabel Terikat (Dependent Variable). Persamaan Regresi Linear Berganda adalah sebagai berikut: Y = a + b1 X1 + b2X2 + e Dimana: Y = Penjualan Barang X1 = Biaya Pengembangan Produk X2 = Biaya Promosi a = Konstanta b1 = Koefisien regresi biaya pengembangan produk b2 = Koefisien regresi biaya promosi e = Error (kesalahan pengganggu)
50
Pengujian Pengaruh Secara Simultan (Bersama-sama) dengan Uji F Rumusan Hipotesis: Ho : b1 = b2 = 0 Ha : b1 b2 0 Kriteria pengujian: Taraf = 0,05 Fhitung > Ftabel atau Sig. < 0,05 maka Ho ditolak (Ha diterima) Fhitung Ftabel atau Sig. 0,05 maka Ho diterima (Ha ditolak) Pengujian Pengaruh Masing-masing Variabel (Partial) dengan Uji t Rumusan Hipotesis: Ho : bi = 0 Ha : bi 0 Kriteria pengujian: Taraf = 0,05 thitung > ttabel atau Sig. < 0,05 maka Ho ditolak (Ha diterima) thitung ttabel atau Sig. 0,05 maka Ho diterima (Ha ditolak) Langkah-langkahnya: a. Untuk variabel Biaya Promosi dan Penjualan Barang tetap menggunakan data sebelumnya dan ditambah variabel Pengembangan Produk, untuk itu buat variabel baru dengan Name = Pengemb dengan Label = Pengembangan Produk. b. Masukkan data variabel Pengembangan Produk c. Dari window Data Editor klik Analyze Regression Linear Dependent terisi dengan variabel Penjualan Barang, artinya Penjualan Barang berlaku sebagai Variabel Terikat (Dependent). e. Klik variabel Pengembangan Produk lanjutkan dengan klik Panah, ulangi untuk variabel Biaya Promosi sehingga kedua variabel masuk ke dialog Independent, artinya variabel Pengembangan Produk dan Biaya Promosi sebagai Variabel Bebas. d. Klik variabel Penjualan Barang lanjutkan dengan klik Panah, sehingga dialog Variabel bebas secara partial tidak berpengaruh signifikan terhadap penjualan barang Variabel bebas secara partial berpengaruh signifikan terhadap penjualan barang Biaya pengembangan produk dan biaya promosi tidak berpengaruh signifikan terhadap penjualan barang Biaya pengembangan produk dan biaya promosi berpengaruh signifikan terhadap penjualan barang
51
f.
Klik menu Statistics untuk melakukan beberapa pengaturan Descriptive digunakan untuk menampilkan ukuran-ukuran Statistik Deskriptif seperti Mean dan Standar Deviasi, sedangkan Part and Partial Correlation untuk menampilkan nilai Koefisien Korelasi Sederhana (Zero Order) dan Korelasi Parsial antara Variabel Pengembangan Produk dengan Penjualan Barang dengan variabel Kontrol Biaya promosi, serta nilai Koefisien Korelasi Parsial antara Variabel Biaya Promosi dengan Penjualan Barang dengan variabel Kontrol Pengembangan Produk.
g. Aktifkan menu Descriptive dan Part and Partial Correlation
h. Akhir dengan OK i. Output Regresi Berganda adalah sebagai berikut:
52
j.
Perhatikan Output juga akan menampilkan hasil analisis Korelasi Berganda (Multiple Correlation), pada tabel Model Summary, analisis Korelasi Sederhana, serta Korelasi Partial. Jadi pada SPSS untuk variabel bebas lebih dari 1 maka perhitungan koefisien korelasi dapat dilakukan melalui analisis Regresi (Regression Analysis).
Penjelasan Output SPSS: Output Bagian Pertama

b Variables Entered/Removed
Model 1
Variables Entered Biaya Promosi, Pengemba ngan a Produk
Variables Removed
Method
Enter
a. All requested variables entered. b. Dependent Variable: Penjualan Barang
Menampilkan variabel yang dianalisis, yaitu Biaya Promosi dan Pengembangan Produk sebagai Independent Variable (Variabel Bebas), dan Penjualan Barang sebagai Dependent Variable (Variabel Terikat).
Output Bagian Kedua:

Model Summary Model 1 R .713a R Square .508 Adjusted R Square .476 Std. Error of the Estimate 6.21223
a. Predictors: (Constant), Biaya Promosi, Pengembangan Produk
Menampilkan nilai Koefisien Korelasi Berganda ( R ) dan Koefisien Determinasi (R Square). Sebagaimana diketahui bahwa Korelasi Berganda merupakan pengujian hubungan untuk variabel lebih dari 2, dalam hal ini nilai koefisien korelasi berganda ( R ) menunjukkan besarnya hubungan antara Variabel Bebas Biaya Pengembangan Produk (X1) dan Biaya Promosi (X2) secara bersama-sama dengan Variabel Penjualan Barang (Y). Nilai Koefisien Korelasi 0,713 mendekati 1 memiliki makna bahwa Variabel Bebas Biaya Pengembangan Produk (X1) dan Biaya Promosi (X2) secara bersama-sama memiliki hubungan yang kuat dengan Variabel Penjualan Barang (Y). Endi Sarwoko, SE.,MM______________________________________________________________
53
Nilai koefisien Determinasi (R Square) menunjukkan besarnya kontribusi seluruh variabel bebas yaitu Biaya Pengembangan Produk (X1) dan Biaya Promosi (X2) terhadap perubahan Penjualan Barang (Y), jadi R Square 0,508 memiliki makna Biaya Pengembangan Produk (X1) dan Biaya Promosi (X2) mampu memberikan kontribusi sebesar 50,8% terhadap perubahan Penjualan Barang (Y), dengan demikian sisanya sebesar 49,2% ditentukan oleh variabel lain yang tidak diteliti. Nilai R Square juga menunjukkan tepat tidaknya model regresi yang digunakan, semakin tinggi nilai R Square (mendekati 1) maka model yang digunakan semakin tepat, dan sebaliknya, semakin rendah nilai R Square (mendekati 0) maka model yang digunakan semakin tidak tepat.
Output Bagian Ketiga: Output ketiga digunakan untuk pengujian hipotesis secara simultan (bersama-sama) dengan Uji F (Anova).
ANOVAb Model 1 Sum of Squares 1235.094 1196.347 2431.441 df 2 31 33 Mean Square 617.547 38.592 F 16.002 Sig. .000a
Regression Residual Total
a. Predictors: (Constant), Biaya Promosi, Pengembangan Produk b. Dependent Variable: Penjualan Barang
Di sini ditampilkan hasil atau Nilai Fhitung yaitu 16,002 selanjutnya untuk pengujian hipotesis maka nilai tersebut dibandingkan dengan nilai Ftabel pada taraf = 0,05 derajat bebas = 2 : 31 yaitu sebesar 3,305. Maka Fhitung (16,002) > Ftabel (3,305) atau nilai Sig. 0,000 < 0,05 maka Ho ditolak (Ha diterima) artinya biaya pengembangan produk dan biaya promosi secara bersama-sama (simultan) berpengaruh signifikan terhadap penjualan barang. Output Bagian Keempat: Output keempat merupakan hasil analisis regresi yang berisi koefisien regresi masingmasing variabel (b), serta nilai thitung untuk pengujian hipotesis.
Coefficientsa Unstandardized Coefficients B Std. Error 96.664 12.519 11.581 5.207 8.987 2.799 Standardized Coefficients Beta .331 .478
Model 1
(Constant) Pengembangan Produk Biaya Promosi
t 7.721 2.224 3.211
Sig. .000 .034 .003
54
Berdasarkan tabel tersebut dapat diketahui nilai: a = 96,664 11,581 8,987 b1 = b2 = Y Y
Maka dapat disusun persamaan Regresi Linier Berganda sebagai berikut: = a + b1 X1 + b2X2 + e = 96,664 + 11,581 X1 + 8,987 X2
Penjelasan dari persamaan regresi berganda tersebut adalah sebagai berikut: 1) Konstanta sebesar 96,664 memiliki arti jika variabel biaya pengembangan produk (X1) dan biaya promosi (X2) sama dengan 0, maka penjualan barang (Y) adalah sebesar 96,664 (dalam jutaan rupiah). 2) Koefisien regresi biaya pengembangan produk (b1) sebesar 11,581 menunjukkan besarnya pengaruh biaya pengembangan produk terhadap penjualan barang, koefisien regresi bernilai positif memiliki makna pengembangan produk memiliki pengaruh positif (searah) artinya peningkatan biaya pengembangan produk 1 satuan akan menyebabkan peningkatan penjualan barang sebesar 11,581 satuan dan sebaliknya. 3) Koefisien regresi biaya promosi (b2) sebesar 8,987 menunjukkan besarnya pengaruh biaya promosi terhadap penjualan barang, koefisien regresi bernilai positif memiliki makna promosi memiliki pengaruh positif (searah) artinya peningkatan biaya promosi 1 satuan akan menyebabkan peningkatan penjualan barang sebesar 11,581 satuan dan sebaliknya.
Pengujian Hipotesis Karena Uji t digunakan untuk pengujian pengaruh masing-masing variabel bebas, maka interpretasi dilakukan sendiri-sendiri yaitu untuk variabel Biaya Pengembangan Produk (X1), selanjutnya untuk variabel Biaya Promosi (X2). Pengujian dilakukan dengan cara membandingkan nilai thitung dengan nilai ttabel pada taraf = 0,05 dan derajat bebas (n-k1) = 34 2 1 = 31 dimana diperoleh nilai ttabel = 2,04 1) Pengujian Pengaruh Biaya Pengembangan Produk (X1) terhadap Penjualan Barang (Y) Berdasarkan hasil analisis diperoleh nilai thitung = 2,224 sedangkan ttabel = 2,04 atau thitung > ttabel dengan nilai Sig. 0,034 lebih kecil 0,05 maka Ho ditolak (Ha diterima) artinya biaya pengembangan produk (X1) memiliki pengaruh yang signifikan terhadap penjualan barang (Y). 2) Pengujian Pengaruh Biaya Promosi (X2) terhadap Penjualan Barang (Y) Berdasarkan hasil analisis diperoleh nilai thitung = 3,211 sedangkan ttabel = 2,04 atau thitung > ttabel dengan nilai Sig. 0,003 lebih kecil 0,05 maka Ho ditolak (Ha diterima)
55
artinya biaya promosi (X2) memiliki pengaruh yang signifikan terhadap penjualan barang (Y). Setelah pengujian pengaruh masing-masing variabel bebas dilakukan, maka selanjutnya dapat pula diketahui variabel bebas yang berpengaruh dominan (pengaruh terbesar) terhadap penjualan barang. Pengaruh variabel bebas yang dominan dapat dilihat dari nilai koefisien regresi (b) yang terbesar dan signifikan, jadi variabel Biaya Pengembangan Produk (b2) merupakan variabel yang berpengaruh dominan terhadap penjualan barang (Y).
3. Analisis Regresi untuk Estimasi atau Prediksi Selain dapat digunakan untuk mengetahui besarnya pengaruh variabel bebas terhadap perubahan variabel terikat, analisis regresi juga dapat digunakan untuk estimasi atau prediksi nilai variabel terikat dengan nilai variabel bebas tertentu. Menggunakan data di atas akan dilakukan estimasi besarnya Penjualan Barang dengan data Biaya Pengembangan Produk dan Biaya Promosi yang sudah diketahui. Langkah-langkahnya: a. Dari window Data Editor klik Analyze Regression Linear b. Klik variabel Penjualan Barang lanjutkan dengan klik Panah, sehingga dialog Dependent terisi dengan variabel Penjualan Barang, artinya Penjualan Barang berlaku sebagai Variabel Terikat (Dependent). c. Klik variabel Pengembangan Produk lanjutkan dengan klik Panah, ulangi untuk variabel Biaya Promosi sehingga kedua variabel masuk ke dialog Independent, artinya variabel Pengembangan Produk dan Biaya Promosi sebagai Variabel Bebas. d. Klik menu Save untuk melakukan beberapa pengaturan, sehingga tampil window sebagai berikut:
56
e. Pada option Predicted Values aktifkan menu Unstandardized dengan memberi tanda pada kotak yang tersedia. Option ini digunakan untuk menampilkan atau menghasilkan variabel baru yang berisi nilai Estimasi dari Analisis Regresi. f. Pada option Residuals aktifkan menu Unstandardized dengan memberi tanda pada kotak yang tersedia. Option ini digunakan untuk menampilkan atau menghasilkan variabel baru yang berisi nilai Residual/Error (Kesalahan Pengganggu) dari perhitungan Analisis Regresi. g. Akhiri dengan OK sehingga akan tampil Output hasil analisis. h. Pada window Data Editor akan muncul variabel baru dengan nama pre_1 sebagai variabel yang berisi nilai Estimasi Regresi dan variabel res_1 sebagai variabel yang berisi nilai Kesalahan Pengganggu (Error).
4. Uji Asumsi Klasik Penggunaan Regresi sebagai model analisis harus memenuhi beberapa asumsi dasar (Asumsi Klasik), agar diperoleh estimator tidak bias dari Regresi dengan Kuadrat Terkecil Biasa. SPSS telah memberikan option untuk pengujian beberapa asumsi klasik seperti uji Multikolinieritas, Uji Autokorelasi, Uji Normalitas, dan Uji Heteroskedastisitas. a. Multikolinieritas Multikolinieritas adalah gejala adanya hubungan linier yang sempurna (sangat kuat) di antara variabel bebas yang dianalisis. Model regresi mengasumsikan tidak adanya multikolineritas atau tidak adanya hubungan (korelasi) yang sempurna antara variabel bebas yang satu dengan variabel bebas yang lain. Salah satu cara yang umum digunakan untuk mendeteksi adanya multikolinieritas dengan cara melihat nilai Variance Inflation Factor (VIF) masing-masing variabel bebas, dimana jika nilai terdapat VIF > 5 maka terdapat gejala multikolinieritas dalam model regresi. b. Heteroskedastisitas Heteroskedastisitas berarti varian residual tidak sama untuk seluruh pengamatan, atau semakin besarnya residual untuk pengamatan yang semakin banyak. Model regresi linier mengasumsikan bahwa varian residual bersifat konstan atau sama untuk berbagai pengamatan atau tidak adanya heteroskedastisitas dalam model regresi. Pengujian gejala heteroskedastisitas dapat dilakukan dengan
57
beberapa cara, baik secara grafik (Scatterplot) maupun perhitungan misalnya metode Rank Spearmen Correlation dengan cara menghitung korelasi antara nilai residual sebagai variabel terikat dengan variabel bebas. Jika masing-masing variabel bebas tidak berkorelasi secara signifikan pada = 0,05 dengan nilai residual maka dalam regresi tidak terjadi gejala heteroskedastisitas. c. Autokorelasi Autokorelasi adanya gejala adanya korelasi serial di antara kesalahan pengganggu (residual), sehingga munculnya suatu data dipengaruhi oleh data sebelumnya. Untuk mendeteksi terhadap gejala autokorelasi dilakukan dengan pengujian Durbin Watson (d). Hasil perhitungan Durbin Watson (d) dibandingkan dengan nilai d tabel pada = 0,05. Tabel d memiliki dua nilai yaitu nilai batas atas (du) dan nilai batas bawah (dL) untuk berbagai nilai n dan k. Jika d < dL d > 4 - dL du < d < 4 du dL d d 4 atau 4 - du d 4 - dL d. Normalitas Penggunaan analisis Statistik Parametrik harus memenuhi asumsi Data berdistribusi Normal, sehingga perlu dilakukan pengujian Normalitas Data. Pengujian yang sering digunakan adalah metode Grafik (Normal Probability Plot), apabilia sebaran data pada grafik berada di sekitar garis diagonal dan arah penyebarannya mengikuti arah garis diagonal berarti Data berdistribusi Normal. Langkah-langkah pengujian asumsi klasik adalah sebagai berikut: a. Dari window Data Editor klik Analyze Regression Linear b. Klik variabel Penjualan Barang lanjutkan dengan klik Panah, sehingga dialog Dependent terisi dengan variabel Penjualan Barang, artinya Penjualan Barang berlaku sebagai Variabel Terikat (Dependent). c. Klik variabel Pengembangan Produk lanjutkan dengan klik Panah, ulangi untuk variabel Biaya Promosi sehingga kedua variabel masuk ke dialog Independent, artinya variabel Pengembangan Produk dan Biaya Promosi sebagai Variabel Bebas. d. Klik menu Statistics, aktifkan menu Collinearity Diagnostics, Covariance Matrix, dan Durbin-Watson dengan memberi tanda pada kotak option yang tersedia. Collinearity Diagnostics dan Covariance Matrix digunakan untuk Uji Multikolinieritas Durbin-Watson digunakan untuk Uji Autokorelasi pengujian tidak meyakinkan terjadi autokorelasi positif terjadi autokorelasi negatif tidak terjadi autokorelasi
58
e. Akhiri dengan tombol Continue f. Klik menu Plots (digunakan untukUji Normalitas data dan Uji Heteroskedastisitas)
g. Pada dialog Standardized Residual Plots aktifkan option Normal probability plot untuk uji Normalitas, selanjutnya untuk option Y: isi dengan *ZPRED dengan cara klik *ZPRED dan klik Panah, dan untuk X: isi dengan *ZRESID dengan cara klik *ZRESID lanjutkan dengan klik Panah, ini digunakan untuk menampilkan Scatterplot untuk Uji Heteroskedastisitas, jika sudah klik Continue. i. Akhiri dengan OK, maka Output Regresi akan menampilkan hasil analisis regresi serta hasil uji asumsi. Penjelasan Output SPSS: Uji Multikolinieritas Uji multikolinieritas disajikan pada tabel Coeficients sebagai berikut:
Coefficientsa Unstandardized Coefficients B Std. Error 96.664 12.519 11.581 5.207 8.987 2.799 Standardized Coefficients Beta .331 .478 Collinearity Statistics Tolerance VIF .715 .715 1.399 1.399
Model 1
(Constant) Pengembangan Produk Biaya Promosi
t 7.721 2.224 3.211
Sig. .000 .034 .003
Perhatikan nilai VIF pada kolom Collinearity Statistics, untuk variabel Pengembangan Produk dan Biaya Promosi nilai VIF sebesar 1,399 karena lebih kecil 5 berarti kedua variabel tidak berkorelasi sempurna, dengan demikian dinyatakan tidak adanya gejala multikolinieritas dalam model Regresi.
59
Uji Autokorelasi Hasil uji autokorelasi disajikan pada tabel Model Summary sebagai berikut:
Model Summaryb Model 1 R R Square .713a .508 Adjusted R Square .476 Std. Error of the Estimate 6.21223 Durbin-W atson 1.343
a. Predictors: (Constant), Biaya Promosi, Pengembangan Produk b. Dependent Variable: Penjualan Barang
Perhatikan pada kolom paling kanan, menyajikan nilai Durbin Watson 1,343. Pengujian autokorelasi dilakukan dengan cara membandingkan nilai Durbin Watson dengan nilai tabel (dU dan dL) pada taraf dan n = 25 (lihat pada Lampiran buku Statistik). Nilai dU = 1,58 dan nilai dL = 1,33 karena nilai Durbin Watson lebih besar dari nilai dU dan lebih kecil 4-dU maka dapat dinyatakan model Regresi bebas gejala Autokorelasi. Uji Normalitas Data Hasil uji kenormalan data dengan metode Grafik (Normal P Plot) adalah sebagai berikut:
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Penjualan Barang
1.00
.75
Expected Cum Prob
.50
.25
0.00 0.00 .25 .50 .75 1.00
Observed Cum Prob
Karena data menyebar di sekitar garis diagonal, dan arah penyebarannya mengikuti arah garis diagonal maka dapat dinyatakan bahwa Data Berdistribusi Normal.
Uji Heteroskedastisitas dengan metode Grafik (Scatterplot) Kriteria pengujian heteroskedastisitas dengan metode grafik, apabila penyebaran data tidak membentuk pola tertentu (acak) berarti data homoskedastis atau tidak terdapat gejala heteroskedastisitas.
60
Scatterplot
Regression Standardized Predicted Value
Dependent Variable: Penjualan Barang

3 2 1 0 -1 -2 -3 -3 -2 -1 0 1 2
Regression Standardized Residual
Karena sebaran data tidak membentuk pola tertentu, maka dapat dinyatakan bahwa tidak terdapat gejala heteroskedastisitas dalam model Regresi.
Pengujian Heteroskedastisitas dengan metode Spearman Rank Correlation Sebagaimana dikemukakan di atas bahwa untuk Uji Heteroskedastisitas selain menggunakan metode grafik (Scatterplot), dapat pula dengan metode lain seperti metode Spearman Rank Correlation, adalah menyusun korelasi antara Variabel Bebas dengan nilai Absolut Residual, sehingga untuk metode Spearman Rank Correlation dibutuhkan nilai Residual dari hasil Regresi, selanjutnya nilai Residual tersebut diabsolutkan (dengan perintah ABS), sehingga langkah awal dalam pengujian dengan Glesjer maupun Park adalah: a. Melakukan Regresi model asal seperti langkah (a) sampai dengan (e) pada pengujian Asumsi Klasik di atas b. Menghitung nilai Absolut Residual dari model regresi tersebut dengan cara: Pilih menu Save dan pada box Residual aktifkan pilihan Unstandardized untuk menyimpan nilai Residual sebagai variabel, akhiri dengan klik Continue.
c.
Akhiri dengan OK, maka pada layar Data Editor akan ditampilkan satu variabel baru dengan nama Res_1 yang berisi nilai Residual dari analisis Regresi.
61
d. Variabel baru tersebut adalah variabel Residual, sedangkan yang dibutuhkan dalam metode Spearman Rank Correlation adalah nilai Absolut Residual, sehingga perlu ditransformasi menjadi nilai Absolut dengan cara klik menu Transform Compute, pada option Target Variable isikan nama variabel baru yang berisi nilai Absolut Residual misalnya Absres. e. Setelah pemberian nama pada Target Variable, klik pada kolom Numeric Expression, proses transformasi dapat dilakukan dengan cara Klik fungsi ABS(numexp) lanjutkan dengan klik Panah, sehingga fungsi ABS(numexp) masuk ke kolom Numeric Expression.
f.
SPSS menanyakan data apa yang akan ditransformasi (ditunjukkan oleh tanda ? dalam tanda kurung pada perintah ABS(?)), isi variabel yang akan ditransformasi, dengan cara klik ganda variabel Unstandardized Residual, sehingga masuk dalam fungsi ABS(res_1).
g. Akhiri dengan OK, maka akan dihasilkan variabel baru dengan nama ABSRES sebagai nilai Absolut Residual. h. Langkah selanjutnya untuk Metode Spearman Rank Correlation adalah menguji korelasi antara variabel bebas dengan nilai Absolut Residual (ABSRES), dengan cara klik Analyze Correlate Bivariate i. Klik variabel yang akan di analisis dalam hal ini klik ganda tiap-tiap variabel bebas yaitu Pengembangan Produk, Biaya Promosi, selanjutnya klik ganda variabel Absres, sehingga kolom Variables berisi keempat variabel tersebut. j. Pada menu Correlation Coefficient hilangkan option Pearson dan klik option Spearman (hal ini dilakukan karena kita hanya akan menghitung korelasi Rank Spearman), dan akhiri dengan OK
62
Penjelasan Output: Kriteria uji heteroskedastisitas dengan metode Spearman Rank Correlation, jika variabel bebas berkorelasi signifikan dengan nilai Absolut Residual (nilai Sig. < 0,05) maka terdapat gejala heteroskedastisitas, sebaliknya jika variabel bebas tidak berkorelasi signifikan dengan nilai Absolut Residual (nilai Sig. > 0,05) maka terdapat gejala heteroskedastisitas.
Correlations Pengemban gan Produk 1.000 . 34 .562** .001 34 .196 .267 34 Biaya Promosi ABSRES .562** .196 .001 .267 34 34 1.000 .075 . .675 34 34 .075 1.000 .675 . 34 34
Spearman's rho
Pengembangan Produk
Biaya Promosi
ABSRES
Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N
**. Correlation is significant at the .01 level (2-tailed).
Hasil Spearman Rank Correlation antara variabel bebas Pengembangan Produk dengan Absolut Residual (Absres) diperoleh nilai korelasi 0,196 dengan nilai Sig. 0,267 karena nilai signifikan > 0,05 berarti korelasinya tidak signifikan. Demikian pula antara variabel bebas Biaya Promosi dengan Absolut Residual diperoleh nilai korelasi 0,075 dengan nilai Sig. 0,675 lebih besar dari 0,05 berarti korelasinya tidak signifikan. Karena masingmasing variabel bebas tidak berkorelasi signifikan dengan nilai Absolut Residual berarti model regresi bebas gejala Heteroskedastisitas.
63
VALIDITAS DAN RELIABILITAS

Adakalanya penelitian dilakukan menggunakan sumber data primer dengan Kuesioner sebagai instrumen penelitian. Untuk itu instrumen penelitian berupa kuesioner harus diuji terlebih dahulu Validitas dan Reliabilitasnya. A. Uji Validitas Uji Validitas berkaitan dengan permasalahan apakah instrumen yang digunakan untuk mengukur fenomena itu memang dapat mengukur secara tepat sesuatu yang akan diukur. Apabila instrumen yang digunakan Valid, berarti instrumen tersebut memang benar-benar dapat mengukur fenomena yang diteliti secara tepat. Pengujian validitas menggunakan metode Analisis Korelasi Product Moment dengan cara menguji korelasi antara skor masing-masing butir pertanyaan yang digunakan dengan total skor. Apabila butir pertanyaan berkorelasi signifikan dengan total skor (nilai signifikan < taraf ) maka butir pertanyaan dinyatakan valid. Misalnya: Penelitian tentang faktor-faktor yang mempengaruhi keputusan konsumen membeli produk X, yang terdiri dari 6 pertanyaan, masing-masing pertanyaan menggunakan 5 pilihan jawaban dengan kategori Skor: Jawaban A = Skor 5 Jawaban B = Skor 4 Jawaban C = Skor 3 Jawaban D = Skor 2 Jawaban D = Skor 1 Skor kuesioner yang telah disusun dalam tabel (tabulasi) adalah sebagai berikut: Resp. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 X1.1 4 4 4 4 3 4 4 4 4 3 2 4 4 3 1 4 4 4 4 X1.2 3 4 4 3 5 4 4 4 4 5 3 4 4 3 5 3 4 4 3 X1.3 3 2 3 2 5 4 3 2 3 5 2 5 5 4 2 3 5 3 3 X1.4 3 3 3 3 4 3 3 3 4 4 4 5 5 3 3 3 5 3 3 X1.5 4 3 3 4 4 3 3 3 4 4 3 3 5 3 4 3 5 2 3 X1.6 3 4 3 3 2 4 2 2 4 4 3 5 4 2 5 4 4 2 2 X1 20 20 20 19 23 22 19 18 23 25 17 26 27 18 20 20 27 18 18
64
Resp. 20 21 22 23 24 25
X1.1 4 1 4 4 4 4
X1.2 3 5 3 4 4 3
X1.3 3 2 3 5 3 3
X1.4 3 3 3 5 3 3
X1.5 3 4 3 5 2 3
X1.6 2 5 4 4 2 2
X1 18 20 20 27 18 18
Kriteria Uji Validitas dengan metode Korelasi Product Moment: - Jika nilai signifikansi koefisien korelasi < taraf (misalnya 0,05) berarti butir dinyatakan valid - Jika nilai signifikansi koefisien korelasi > taraf (misalnya 0,05) berarti butir dinyatakan tidak valid Langkah-langkah Uji Validitas: a. Aktifkan menu Variable View untuk pengaturan variabel b. Beri nama variabel yang mewakili masing-masing butir pertanyaan (berarti akan dibuat 5 variabel untuk kelima butir pertanyaan) yaitu sbb: Butir 1 diberi Name = X1.1 Butir 2 diberi Name = X1.2 Butir 3 diberi Name = X1.3 Butir 4 diberi Name = X1.4 Butir 5 diberi Name = X1.5 Keterangan X1.1 identitas untuk Variabel X1 butir 1, X1.2 identitas untuk Variabel X1 butir 2 dan seterusnya c. Kembali ke window Data Editor dan masukkan nilai skor masing-masing butir pertanyaan. Hasilnya sebagaimana pada gambar berikut:
d. Sebagaimana dikemukakan di atas bahwa Uji Validitas adalah menghitung korelasi antara masing-masing butir pertanyaan dengan Total Skor butir pertanyaan, artinya kita membutuhkan variabel Total Skor yang diperoleh dari penjumlahan nilai skor tiap-tiap butir pertanyaan, dalam hal ini hasil penjumlahan di simpan pada variabel baru yaitu X1. e. Klik menu Transform Compute, pada isian Target Variable isikan X1 sebagai variabel Total Skor Endi Sarwoko, SE.,MM______________________________________________________________
65
f.
Pindahkan pointer ke menu Numeric Expression, isikan perhitungan yang akan kita lakukan, dalam hal ini karena kita akan menjumlahkan nilai masing-masing variabel (X1.1 s/d X1.5) maka gunakan perintah SUM dengan format sebagai berikut SUM(X1.1,X1.2,X1.3,X1.4,X1.5), caranya ketik SUM( setelah kurung buka, klik ganda variabel X1.1 lanjutkan dengan koma, kemudian klik ganda X1.2 lanjutkan dengan koma sampai dengan X1.5 selanjutnya akhiri dengan kurung tutup.
g. Perhatikan pada window Data Editor akan dihasilkan variabel baru X1 sebagai hasil penjumlahan skor X1.1 sampai dengan X1.5. h. Untuk melakukan analisis korelasi melalui perintah Analyze Correlate Bivariate i. Klik variabel X1.1 tahan dan tarik ke bawah sampai X1 untuk memilih seluruh variabel sehingga membentuk blok, lalu klik Panah sehingga akan berpindah ke Variables, artinya kita akan menghitung korelasi untuk variabel X1.1 sampai dengan X1
j.
Jika pilihan Pearson sudah aktif biarkan saja, sebab kita memang akan melakukan analisis korelasi Pearson, selanjutnya akhiri dengan OK.
66
k.
Output analisis sebagaimana pada gambar berikut:
Penjelasan Output SPSS:

Correlations X1.1 X1.1 Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N 1 . 25 -.463* .020 25 .268 .196 25 .076 .720 25 -.175 .403 25 -.348 .088 25 .130 .536 25 X1.2 -.463* .020 25 1 . 25 .245 .238 25 .260 .209 25 .302 .143 25 .389 .055 25 .441* .027 25 X1.3 .268 .196 25 .245 .238 25 1 . 25 .740** .000 25 .435* .030 25 .141 .502 25 .805** .000 25 X1.4 .076 .720 25 .260 .209 25 .740** .000 25 1 . 25 .641** .001 25 .403* .046 25 .868** .000 25 X1.5 -.175 .403 25 .302 .143 25 .435* .030 25 .641** .001 25 1 . 25 .482* .015 25 .734** .000 25 X1.6 -.348 .088 25 .389 .055 25 .141 .502 25 .403* .046 25 .482* .015 25 1 . 25 .590** .002 25 X1 .130 .536 25 .441* .027 25 .805** .000 25 .868** .000 25 .734** .000 25 .590** .002 25 1 . 25
X1.2
X1.3
X1.4
X1.5
X1.6
X1
*. Correlation is significant at the 0.05 level (2-tailed). **. Correlation is significant at the 0.01 level (2-tailed).
Pengujian validitas dilakukan pada masing-masing butir (item) pertanyaan, sehingga dalam uji validitas perlu diperhatikan nilai koefisien korelasi masing-masing butir dengan nilai total skornya, misalnya nilai korelasi antara butir X1.1 dengan X1 (total) merupakan hasil uji validitas untuk butir 1. SPSS menyajikan hasil analisis korelasi secara matrik
67
(baris dan kolom), sehingga cara melihat nilai koefisien korelasi dapat dilakukan dari baris ke kanan atau dari kolom ke bawah. Nilai koefisien korelasi antara butir X1.1 (butir 1) dengan X1 (total) adalah sebesar 0,130 dengan nilai Sig. 0,536. Nilai signifikan > 0,05 menunjukkan bahwa butir 1 (X1.1) tidak valid. Demikian pula untuk butir-butir yang lain.
2. Uji Reliabilitas Jika uji validitas digunakan untuk menguji keakuratan instrumen untuk mengukur fenomena yang diteliti, maka Uji Reliabilitas digunakan untuk menguji kehandalan atau konsistensi alat ukur, apabila dilakukan pengujian dua kali atau lebih. Penggaris merupakan alat ukur yang reliabel, karena berapa kali digunakan untuk mengukur akan diperoleh hasil yang sama yaitu mampu mengukur panjang. Ada beberapa metode pengujian Reliabilitas yang dapat digunakan seperti: Test Retest, Belah Dua (Split Half), Kruder Richardson, Alpha Cronbach. Cronbach. Langkah-langkahnya: a. Dari window Data Editor klik menu Analyze Scale Reliability Analysis b. Uji reliabilitas pada prinsipnya menguji konsistensi butir-butir pertanyaan, maka yang dianalisis adalah skor pada tiap-tiap butir, oleh karena itu pilih butir X1.1 sampai dengan X1.5 lanjutkan dengan klik Panah sehingga pindah ke kolom Items. Pada bagian ini akan dijelaskan bagaimana menguji validitas instrumen penelitian dengan metode Belah Dua (Split Half) dan Alpha
c.
Pada menu Model pilih Alpha jika kita menggunakan metode Alpha Cronbach jika akan menggunakan metode Belah Dua (Split Half) maka klik panah bawah dan pilih Split Half.
d. Klik menu Statistik dan aktifkan option List item labels dengan memberi tanda
68
e. Akhiri dengan OK
Penjelasan Output:
Reliability
Case Processing Summary N Cases Valid Excludeda Total 25 0 25 % 100.0 .0 100.0
a. Listwise deletion based on all variables in the procedure.

Reliability Statistics Cronbach's Alpha .624 N of Items 6
Item Statistics x1.1 x1.2 x1.3 x1.4 x1.5 x1.6 Mean 3.5600 3.8000 3.3200 3.4800 3.4400 3.2400 Std. Deviation .91652 .70711 1.10755 .77028 .82057 1.09087 N 25 25 25 25 25 25
Bagian pertama hasil uji realiabilitas menyajikan hasil analisis deskritif berupa Mean, Standard Deviation dan banyaknya sampel yang diuji. Bagian kedua merupakan hasil uji reliabilitas dengan metode Alpha Cronbach, yaitu diperoleh nilai Alpha = 0,6244. Endi Sarwoko, SE.,MM______________________________________________________________
69
Kriteria suatu instrumen penelitian dinyatakan reliabel, semakin mendekati 1 semakin reliabel, dan semakin mendekati 0 semakin tidak reliabel. Hasil uji reliabilitas dengan metode Alpha Cronbach diperoleh nilai koefisien reliabilitas 0,6244 (mendekati 1) dengan demikian dapat dinyatakan bahwa instrumen yang digunakan reliabel. Sebenarnya jika diinginkan pengujian validitas dan reliabilitas dengan SPSS dapat dilakukan dalam satu kali analisis, dimana hasil uji validitasnya merupakan hasil analisis korelasi yang sudah dikoreksi (Corrected Item - Total Correlation) yaitu korelasi yang memperhitungkan standar deviasi masing-masing data. Langkah-langkahnya: a. Langkah a sampai dengan c sama dengan uji reliabilitas b. Klik menu Statistik dan aktifkan option Scale if Item Deleted dengan memberi tanda , lanjutkan dengan Continue c. Akhiri dengan OK, maka akan disajikan hasil uji validitas dan reliabilitas sebagai berikut:
Reliability
Case Processing Summary N Cases Valid Excludeda Total 25 0 25 % 100.0 .0 100.0
a. Listwise deletion based on all variables in the procedure.

Reliability Statistics Cronbach's Alpha .624 N of Items 6
Item-Total Statistics Scale Mean if Item Deleted 17.2800 17.0400 17.5200 17.3600 17.4000 17.6000 Scale Variance if Item Deleted 10.543 8.957 5.927 6.740 7.250 7.500 Corrected Item-Total Correlation -.153 .240 .616 .785 .577 .298 Cronbach's Alpha if Item Deleted .754 .619 .449 .428 .500 .611
x1.1 x1.2 x1.3 x1.4 x1.5 x1.6
70
Bagian pertama menyajikan hasil uji validitas, yang disajikan pada kolom Corrected Item Total Correlation, sebagai nilai korelasi antara skor butir dengan total skor. Pengambilan keputusan validitas dilakukan dengan membandingkan nilai korelasi tersebut dengan nilai korelasi tabel, adapun nilai korelasi tabel pada taraf 5% dengan n = 25 adalah 0,396. Nilai korelasi > nilai tabel butir dinyatakan valid Nilai korelasi < nilai tabel butir dinyatakan tidak valid Nilai korelasi Butir 1 (X1.1) = -0,1529 < nilai tabel 0,396 sehingga butir 1 tidak valid Nilai korelasi Butir 2 (X1.2) = 0,2402 < nilai tabel 0,396 sehingga butir 2 tidak valid Nilai korelasi Butir 3 (X1.4) = 0,6157 > nilai tabel 0,396 sehingga butir 3 valid Hasil uji validitas dengan metode ini biasanya berbeda dengan metode korelasi biasa (Pearson Correlation) yang telah dijelaskan sebelumnya, karena dengan metode ini sudah dipertimbangkan bobotnya, sehingga hasilnya akan lebih kecil dari korelasi Pearson. Bagian kedua merupakan hasil uji reliabilitas dengan metode Alpha Cronbach, yaitu diperoleh nilai Alpha = 0,6244. Kriteria suatu instrumen penelitian dinyatakan reliabel, semakin mendekati 1 semakin reliabel, dan semakin mendekati 0 semakin tidak reliabel. Hasil uji reliabilitas dengan metode Alpha Cronbach diperoleh nilai koefisien reliabilitas 0,6244 (mendekati 1) dengan demikian dapat dinyatakan bahwa instrumen yang digunakan reliabel.
71

Bahasa

Modul Praktikum Spss 12

Diunggah oleh

Informasi Dokumen

Deskripsi:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Deskripsi:

Hak Cipta:

Format Tersedia

Modul Praktikum Spss 12

Diunggah oleh

Deskripsi:

Hak Cipta:

Format Tersedia

Modul Praktikum Statistik dengan SPSS Versi 12.

PENGENALAN SPSS Versi 12.0

Statistik Input data PROSES STATISTIK Output Data

Endi Sarwoko, SE.,MM________________________________________________________________

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Endi Sarwoko, SE.,MM________________________________________________________________

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Endi Sarwoko, SE.,MM________________________________________________________________

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

MENU PADA SPSS

Endi Sarwoko, SE.,MM________________________________________________________________

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Endi Sarwoko, SE.,MM________________________________________________________________

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Endi Sarwoko, SE.,MM________________________________________________________________

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Endi Sarwoko, SE.,MM________________________________________________________________

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Endi Sarwoko, SE.,MM________________________________________________________________

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Endi Sarwoko, SE.,MM________________________________________________________________

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Endi Sarwoko, SE.,MM________________________________________________________________ 10

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Endi Sarwoko, SE.,MM________________________________________________________________ 11

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Endi Sarwoko, SE.,MM________________________________________________________________ 12

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

J. Mengedit Output Tabel atau Graph

Endi Sarwoko, SE.,MM________________________________________________________________ 13

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Endi Sarwoko, SE.,MM________________________________________________________________ 14

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Endi Sarwoko, SE.,MM________________________________________________________________ 15

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

STATISTIK DESKRIPTIF A. Descriptive Statistics

Endi Sarwoko, SE.,MM________________________________________________________________ 16

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Endi Sarwoko, SE.,MM________________________________________________________________ 17

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Tampilan data yang sudah dimasukkan adalah sebagai berikut:

Endi Sarwoko, SE.,MM________________________________________________________________ 18

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Penjelasan Hasil Output SPSS Output Bagian Pertama (Statistics)

N Mean Median Std. Deviation Variance Minimum Maximum

Nilai UAS 20 0 76.2500 75.0000 8.55862 73.25000 57.00 89.00

Endi Sarwoko, SE.,MM________________________________________________________________ 19

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Laki-laki Perempuan Total

Percent 55.0 45.0 100.0

Valid Percent 55.0 45.0 100.0

Endi Sarwoko, SE.,MM________________________________________________________________ 20

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Setelah kembali ke menu semula, Klik OK

Endi Sarwoko, SE.,MM________________________________________________________________ 21

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Penjelasan Hasil Output SPSS

Endi Sarwoko, SE.,MM________________________________________________________________ 22

Modul Praktikum Statistik dengan SPSS Versi 12.0 (Edisi Revisi)

Endi Sarwoko, SE.,MM________________________________________________________________ 23