not be mapped to a valid backend locale. GET FILE='D:\College\3rd semester\APLIKOM\Fernandhi Dwi Prakoso_115020307111050_KelasCC_UTS.sav'. DATASET NAME DataSet1 WINDOW=FRONT. REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS CI(95) R ANOVA CHANGE /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Y /METHOD=ENTER X1 X2 X3 /RESIDUALS HISTOGRAM(ZRESID).
It could
Regression
Notes Output Created Comments Input Data D:\College\3rd semester\APLIKOM\Fernandhi Dwi Prakoso_115020307111050_KelasCC _UTS.sav Active Dataset Filter Weight Split File N of Rows in Working Data File Missing Value Handling Definition of Missing User-defined missing values are treated as missing. Cases Used Statistics are based on cases with no missing values for any variable used. DataSet1 <none> <none> <none> 7 20-Okt-2012 09:54:53
Syntax
REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS CI(95) R ANOVA CHANGE /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Y /METHOD=ENTER X1 X2 X3 /RESIDUALS HISTOGRAM(ZRESID).
Resources
Processor Time Elapsed Time Memory Required Additional Memory Required for Residual Plots
Pada Tabel awal saat pembuatan penghitungan dalam SSPS, kita akan disuguhkan pada tabel yang berisikan tentang kapan output dibuat (Output Created), Komentar-komentar (Comments), Masukan yang kita berikan (Input), disini menjelaskan tentang dataset yang aktif pada file yang kita buka sebelumnya, terdapat filter, weight, split file, dan N for Rows in Working Data File, masing-masing inputan ini akan diproses saat User (Brainware), menginput data yang akan dihitung, namun dalam data saya, hanya menginput berapa N yang akan digunakan, di program ini saya menggunakan sampel (N) sebanyak 7, atau bisa dibilang tujuh karyawan PT. XYZ. Kemudian ada Missing Value Handling. Dibagian ini, User menginput mengenai definisi akan kehilangan (definition of missing) dengan menentukan missing values diperlakukan sebagai kehilangan, maksudnya ketika suatu value ada yang hilang, maka value tersebut di anggap sebagai missing value yang nantinya akan membuat penghitungan jadi tidak berjalan. Kemudian ada kasus yang digunakan (Cases Used), statistik berdasarkan kasus dengan tidak ada missing value untuk setiap variabel digunakan. Baris berikutnya berisikan syntax, data ini menunjukkan apa saja yang di input oleh user, Saya sebagai user menginput untuk menghitung regresi, korelasi, anova, disertai histogramnya.
Baris terakhir adalah resources, data ini menunjukkan berapa waktu prosesor menjalankan perintah ini, waktu yang berlalu, memori yang dibutuhkan, dan memori yang biasanya digunakan untuk residual.
Descriptive Statistics Mean Pengaruh Variabel Terhadap Kinerja Karyawan Fasilitas Kenyamanan Infrastruktur 6,8571 7,2857 7,1429 ,89974 ,48795 ,89974 7 7 7 77,2857 Std. Deviation 6,84871 N 7
Descriptive Statistics, atau yang disebut Statistik deskriptif, menunjukkan berapa nilai rata-rata dari setiap variabel. Dalam hal ini, User menentukan banyaknya orang dengan jumlah tujuh karyawan. Dengan Variabel dependen Pengaruh variabel terhadap kinerja karyawan ((Y) pada data SPSS), sedangkan untuk X1 Fasilitas, X2 Kenyamanan, dan X3 Infrastruktur sebagai variabel independen. Kemudian tabel ini juga menunjukkan berapa nilai standart deviasinya. Tabel bawah ini menunjukkan hasil perhitungan dengan menggunakan korelasi, dimana Pengaruh variabel terhadap kinerja karyawan dengan fasilitas kantor, dan kenyaman kantor, dan infrastruktur kantor :
Correlations Pengaruh Variabel Terhadap Kinerja Karyawan Pearson Correlation Pengaruh Variabel Terhadap Kinerja Karyawan Fasilitas Kenyamanan Infrastruktur Sig. (1-tailed) Pengaruh Variabel Terhadap Kinerja Karyawan Fasilitas ,244 . ,057 . -,317 ,071 -,657 1,000 -,651 ,235 ,244 -,651 1,000 ,271 ,440 1,000 Fasilitas -,317 Kenyamanan ,071
Kenyamanan Infrastruktur N Pengaruh Variabel Terhadap Kinerja Karyawan Fasilitas Kenyamanan Infrastruktur Correlations
,440 ,054 7
7 7 7
7 7 7
7 7 7
Infrastruktur Pearson Correlation Pengaruh Variabel Terhadap Kinerja Karyawan Fasilitas Kenyamanan Infrastruktur Sig. (1-tailed) Pengaruh Variabel Terhadap Kinerja Karyawan Fasilitas Kenyamanan Infrastruktur N Pengaruh Variabel Terhadap Kinerja Karyawan Fasilitas Kenyamanan Infrastruktur 7 7 7 . 7 ,306 ,278 ,235 ,271 1,000 ,054 -,657
Dalam tabel dibawah ini menunjukkan apa saja variabel yang masuk, dan variabel yang keluar :
Variables Entered/Removed Variables Model 1 Entered Infrastruktur, Fasilitas, Kenyamanan a. All requested variables entered. . Variables Removed
Method Enter
Model Summary
R Square ,501
Square ,002
b
6,84264
Model Summary
Change Statistics R Square Model 1 Change ,501 F Change 1,004 df1 3 df2 3 Sig. F Change ,499
a. Predictors: (Constant), Infrastruktur, Fasilitas, Kenyamanan b. Dependent Variable: Pengaruh Variabel Terhadap Kinerja Karyawan
Dalam tabel Model Summary diatas, dimana koefisien korelasi R, hasil prediksi konstan dari variabel kenyamanan, fasilitas, dan infrastruktur. Sehingga menunjukkan tingkat hubungan variabel dependen (Y) atau pengaruh variabel terhadap kinerja karyawan pada tingkat kuat (0.708) dalam skala 0 1. Dalam nilai Pearson Correlation, menunjukkan tingkat hubungan variabel sebagai berikut : 0 0.25 korelasinya sangat lemah 0.25 0.50 korelasi berupa moderat atau normal 0.50 0.75 korelasi kuat 0.75 1.00 korelasinya sangat kuat Nilai R square menunjukkan 50.1 % dari variabel Y adalah hasil dari perubahan variabel-variabel X-nya, baik itu X1 Fasilitas, X2 Kenyaman, dan X3 Infrastruktur. Standar errornya menghasilkan 6.84264, berarti kemungkinan data ini error sangat kecil. Karena skala yang digunakan untuk menentukan standar errornya adalah 0 100.
ANOVA Model 1 Regression Residual Total Sum of Squares 140,963 140,465 281,429 df
F 1,004
Sig. ,499
a
a. Predictors: (Constant), Infrastruktur, Fasilitas, Kenyamanan b. Dependent Variable: Pengaruh Variabel Terhadap Kinerja Karyawan
Dalam tabel Anova, User akan menjelaskan mengenai apa itu F yang ada pada tabel diatas. F yang dimaksudkan adalah F test, atau uji F seperti yang kita pelajari di mata kuliah Statistika, uji F adalah sebuah tes untuk menguji apakah variabel-variabel independen secara bersamaan dapat mempengaruhi signifikan pada variabel dependen. Hipotesis : H0 = Variabel-variabel independen secara bersamaan tidak berpengaruh signifikan pada variabel dependen H1 = Variabel-variabel independen secara bersamaan berpengaruh signifikan pada variabel dependen Dasar Pengambilan Keputusan Jika probabilitasnya (nilai signifikan) > 0.05 atau F hitung < F tabel maka H0 diterima, jika probabilitasnya (nilai signifikan) < 0.05 atau F hitung > F tabel maka H0 ditolak. Keputusan Pada tabel diatas, probabilitasnya atau nilai signifikannya = 0.499 > 0.05, maka hipotesis H 0 diterima, berarti variabel-variabel independen secara bersamaan tidak berpengaruh signifikan pada variabel dependen.
Coefficients
Coefficients Standardized Coefficients Model 1 (Constant) Fasilitas Kenyamanan Infrastruktur ,076 ,328 -,764 Beta t ,993 ,117 ,500 -1,489
95,0% Confidence Interval for B Sig. ,394 ,914 ,652 ,233 Lower Bound -179,340 -15,171 -24,724 -18,239 Upper Bound 341,898 16,334 33,934 6,612
Dalam tabel coefficients, terdapat t test, atau uji t, uji t yang dimaksud adalah untuk menguji apakah variabel independen secara parsial berpengaruh signifikan pada variabel dependen. Hipotesis : H0 = Variabel independen secara parsial tidak berpengaruh signifikan pada variabel dependen H1 = Variabel independen secara parsial berpengaruh signifikan pada variabel dependen. Dasar Pengambilan Keputusan : Jika probabilitasnya (nilai signifikannya) > 0.05 , atau -t tabel < t hitung < t tabel maka H0 diterima, jika probabilitasnya (nilai signifikannya) < 0.05, atau t hitung < -t tabel atau t hitung > t tabel, maka H0 ditolak. Keputusan : Seperti yang ditunjukkan oleh tabel diatas, nilai signifikan variabel X1 Fasilitas, X2 Kenyamanan, dan X3 infrastuktur masing-masing bernilai 0.914, 0.652, dan 0.233 dimana ketiga variabel tersebut > 0.05 sehingga H0 diterima, yang berarti variabel independen Fasilitas, kenyamanan, dan infrastruktur secara parsial tidak berpengaruh signifikan pada variabel dependen. Dengan demikian persamaan estimasinya adalah : Y = 81,279 + X1*0,581+X2*4,605+(X3*-5,814)
Residuals Statistics Minimum Predicted Value Residual Std. Predicted Value Std. Residual 71,0698 -7,06977 -1,282 -1,033 Maximum 82,6977 6,34884 1,117 ,928
N 7 7 7 7
Charts
NPar Tests
Notes Output Created Comments Input Data D:\College\3rd semester\APLIKOM\Fernandhi Dwi Prakoso_115020307111050_KelasCC _UTS.sav Active Dataset Filter Weight Split File N of Rows in Working Data File Missing Value Handling Definition of Missing User-defined missing values are treated as missing. Cases Used Statistics for each test are based on all cases with valid data for the variable(s) used in that test. DataSet1 <none> <none> <none> 7 20-Okt-2012 09:55:37
Syntax
Resources
One-Sample Kolmogorov-Smirnov Test Pengaruh Variabel Terhadap Kinerja Karyawan N Normal Parameters
a,b
7 Mean Std. Deviation 77,2857 6,84871 ,283 ,203 -,283 ,748 ,631
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data.
Dasar Pengambilan Keputusan : Jika probabilitasnya atau nilai signifikannya > 0.05, maka H0 diterima, dan jika probabilitasnya atau nilai signifikannya < 0.05, maka H0 ditolak. Keputusan : Pada tabel hasil penghitungan program SPSS diatas, nilai signifikannya adalah 0.631 > 0.05, sehingga hipotesis H0 diterima, jadi data yang dianalisis berarti memiliki data residual berdistribusi normal.