Anda di halaman 1dari 88

Kuswahyudi, SE., MM.

Banjar RT.5 Tamanan Banguntapan Bantul


Telp. 0838-67-234-001, 0274-4396583
Blog : http://dosenku-kus.blogspot.com
http://tutorialpenelitian.blogspot.com
E-mail - Facebook : si_kus76@yahoo.co.id
PIN BB : 3156B7D6


MATERI KETERANGAN
1. Uji Kuesioner

a. Uji Validitas
Cara mengatasi data yg tidak Valid
dan/atau tidak Reliabel
b. Uji Reliabilitas

2. Uji Asumsi Klasik

a. Uji Normalitas
Perbedaan penggunaan uji (misal perbedaan
normalitas menggunakan grafik dan uji
Gleyser)
b. Uji Heteroskedastisitas
c. Uji Multikolinearitas
3. Uji Hipotesis

a. Uji T
Cara mengolah data menggunakan SPSS dan
cara menganalisa hasil output SPSS
b. Uji F
4. Koefisien Determinasi


Uji Kuesioner

Secara umum uji validitas
adalah untuk melihat apakah
item pertanyaan yang
dipergunakan mampu
mengukur apa yang ingin
diukur.




Sebagai contoh:
Besarnya gaji valid dipergunakan untuk
mengukur kekayaan seseorang; atau jumlah
anak tidak valid dipergunakan untuk
mengukur kekayaan seseorang. Artinya gaji
berkorelasi dengan tingkat kekayaan
seseorang, tetapi jumlah anak tidak
berkorelasi dengan tingkat kekayaan
seseorang.



Beberapa alat analisis yang sering
dipergunakan untuk melakukan uji validitas
adalah:
1. Korelasi Product Moment

Item butir dinyatakan valid jika mempunyai
korelasi dengan skor total






Butir
Nilai Correlation Sig. Status
1 0,741

0,000
Valid
2 0,636

0,000
Valid
3 0,806

0,000
Valid
4 0,659

0,000
Valid
5 0,539

0,000
Valid
6 0,626

0,000
Valid
Tabel 4.6
Uji Validitas Variabel
Kompensasi



Sumber : Data Primer (diolah)
2. Corrected Item to Total Correlation

Adalah dengan mengkoreksi nilai r hitung
karena adanya spurious overlap. Perhitungan
dengan SPSS menggunakan Analyze --> Scale -->
Reliability Analysis, pindahkan jawaban
responden pada masing-masing butir (tanpa
skor total) dari kiri ke kanan --> Pilih Statistic
Klik pada Scale if item deleted --> OK. Nilai
yang dipergunakan pada kolom Corrected item-
total correlation.







Lantas, mana item-item yang lolos seleksi?
Pilihlah item-item yang mempunyai koefisien
korelasi item-total dengan koreksi (corrected
item-total correlation) di atas 0.30 pada
kolom corrected item-total correlation.
Mengapa 0.30? menurut Azwar (1999:65),
pada prinsipnya adalah semakin mendekati
angka 1.00 pada koefisien korelasinya, berarti
item itu makin bagus. Namun, masih menurut
Azwar (1995 : 65), nilai koefisien korelasi
yang tinggi memang ikut meningkatkan
reliabilitas skala; tetapi, tidak selalu
meningkatkan validitas skala. Nilai koefisien
korelasi item-total itu menunjukkan daya
beda item.
Uji reliabilitas adalah untuk melihat
apakah rangkaian kuesioner yang
dipergunakan untuk mengukur suatu
konstruk tidak mempunyai
kecenderungan tertentu. Nilai yang
lazim dipakai adalah 0,6.
Reliabilitas statistik diperlukan untuk
memastikan validitas dan ketepatan
analisis statistik. Ia mengacu pada
kemampuan untuk mereproduksi hasil
lagi dan lagi sesuai kebutuhan. Hal ini
penting karena akan membangun tingkat
kepercayaan dalam analisis statistik dan
hasil yang diperoleh.






1. Bagaimana perlakuan terhadap butir
pertanyaan yang tidak valid?

Jawab: Butir yang tidak valid berarti tidak
mampu mengukur suatu konstruk yang akan
diukur, sehingga sebaiknya dikeluarkan dari
model penelitian.



2. Butir-butir pertanyaan sudah valid semua,
tetapi mengapa tidak reliabel?

Jawab: Meskipun ada kecenderungan bahwa
jika semua butir sudah valid akan reliabel,
akan tetapi hal tersebut tidak merupakan
suatu jaminan. Upaya yang dapat dilakukan
agar menjadi reliabel adalah dengan
memodifikasi indikator yang dipergunakan.



3. Kuesioner sudah valid dan reliabel, tetapi
mengapa hipotesis tidak diterima?

Jawab: Tidak ada hubungan antara uji
validitas dan reliabilitas dengan
penerimaan hipotesis. Uji validitas dan
reliabilitas hanya untuk melihat apakah alat
ukur yang dipergunakan (kuesioner) sudah
layak dipergunakan atau belum.



4. Metode pengujian mana yang paling tepat?

Jawab: Tidak ada ketentuan yang pasti dan
tergantung dari model yang dipergunakan
dalam penelitian.



Uji Asumsi Klasik
Uji asumsi klasik adalah
persyaratan statistik yang harus
dipenuhi pada analisis regresi
linear berganda.




Setidaknya ada lima uji asumsi klasik, yaitu uji
multikolinearitas, uji heteroskedastisitas, uji
normalitas, uji autokorelasi dan uji linearitas. Tidak
ada ketentuan yang pasti tentang urutan uji mana
dulu yang harus dipenuhi. Analisis dapat dilakukan
tergantung pada data yang ada. Sebagai contoh,
dilakukan analisis terhadap semua uji asumsi klasik,
lalu dilihat mana yang tidak memenuhi persyaratan.
Kemudian dilakukan perbaikan pada uji tersebut, dan
setelah memenuhi persyaratan, dilakukan pengujian
pada uji yang lain.
Tapi ada 2 uji asumsi yang sangat jarang digunakan
yaitu autokorelasi (khusus data keuangan/time series)
dan linieritas (byk penulis tdk menggunakan uji ini)





Uji normalitas adalah uji yang dilakukan
untuk mengecek apakah data penelitian kita
berasal dari populasi yang sebarannya
normal. Uji ini perlu dilakukan karena semua
perhitungan statistik parametrik memiliki
asumsi normalitas sebaran.
Uji normalitas digunakan untuk mengetahui
apakah dalam sebuah model regresi, variabel
bebas dan variabel terikat atau keduanya
mempunyai distribusi normal atau tidak.
Model yang baik adalah mempunyai distribusi
data normal atau mendekati normal.
Data yang normal apabila didalam hasil
analisis ditunjukkan data-data atau grafik
dimana titik berada disekitar garis vertikal
atau didekat garis. Sehingga jika data atau
titik tersebut didalam garis atau disekitar
garis maka data tersebut dianggap normal.
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Kepercayaan Guru
Observed Cum Prob
1.00 .75 .50 .25 0.00
E
x
p
e
c
t
e
d

C
u
m

P
r
o
b
1.00
.75
.50
.25
0.00




Uji normalitas dapat digunakan uji
Kolmogorov Smirnov (Alhusin, 2001:262),
kriterianya adalah :
Jika probabilitas > 0.05, maka distribusi data
normal
Jika probabilitas < 0.05, maka distribusi data
tidak normal


One-Sample Kolmogorov-Smirnov Test
kompensasi kepemimpinan semangat kerja Prestasi Kerja
N
47 47 47 47
Normal Parameters
a
Mean
19.0638 25.2766 24.277 25.0426
Std. Deviation
3.54722 2.64330 2.5255 1.87614
Most Extreme Differences Absolute
.115 .161 .180 .179
Positive
.094 .088 .139 .179
Negative
-.115 -.161 -.180 -.119
Kolmogorov-Smirnov Z
.786 1.104 1.233 1.226
Asymp. Sig. (2-tailed)
.566 .175 .096 .099
a. Test distribution is Normal.
Variabel Tingkat
Signifikansi
Keterangan
Prestasi Kerja (Y
2
) 0,099 Valid
Semangat Kerja (Y
1
) 0,096 Valid

Kepemimpinan (X
2
) 0,175 Valid

Kompensasi (X
1
) 0,566 Valid

Tabel 4.10
Hasil Uji Normalitas
Sumber : Data Primer Diolah
MULTIKOLINEARITAS
Uji multikolinearitas adalah untuk
melihat ada atau tidaknya korelasi
yang tinggi antara variabel-variabel
bebas dalam suatu model regresi
linear berganda. Jika ada korelasi
yang tinggi di antara variabel-variabel
bebasnya, maka hubungan antara
variabel bebas terhadap variabel
terikatnya menjadi terganggu.


Sebagai ilustrasi, adalah model regresi
dengan variabel bebasnya motivasi,
kepemimpinan dan kepuasan kerja dengan
variabel terikatnya adalah kinerja. Logika
sederhananya adalah bahwa model
tersebut untuk mencari pengaruh antara
motivasi, kepemimpinan dan kepuasan
kerja terhadap kinerja. Jadi tidak boleh
ada korelasi yang tinggi antara motivasi
dengan kepemimpinan, motivasi dengan
kepuasan kerja atau antara kepemimpinan
dengan kepuasan kerja.


Alat statistik yang sering
dipergunakan untuk menguji
gangguan multikolinearitas
adalah dengan variance
inflation factor (VIF),
korelasi pearson antara
variabel-variabel bebas.


Menggunakan VIF


Kreteria yang dipakai jika VIF > 5, maka
variabel tersebut mempunyai persoalan
multikolinieritas dengan variabel bebas
lainnya dan jika VIF 5 berarti tidak terjadi
multikolinieritas antar variabel.

Menggunakan Korelasi Pearson

Correlations
kompensasi kepemimpinan
kompensasi Pearson Correlation
1 .244
Sig. (2-tailed)
.099
N
47 47
kepemimpinan Pearson Correlation
.244 1
Sig. (2-tailed)
.099
N
47 47
3. Uji Heteroskedastisitas

Uji heteroskedastisitas adalah untuk
melihat apakah terdapat ketidaksamaan
varians dari residual satu ke pengamatan ke
pengamatan yang lain. Model regresi yang
memenuhi persyaratan adalah di mana
terdapat kesamaan varians dari residual
satu pengamatan ke pengamatan yang lain
tetap atau disebut homoskedastisitas.

Deteksi heteroskedastisitas dapat dilakukan
dengan metode scatter plot dengan
memplotkan nilai ZPRED (nilai prediksi)
dengan SRESID (nilai residualnya). Model
yang baik didapatkan jika tidak terdapat pola
tertentu pada grafik, seperti mengumpul di
tengah, menyempit kemudian melebar atau
sebaliknya melebar kemudian menyempit.
Uji statistik yang dapat digunakan adalah uji
Glejser








Correlations
kompensasi
kepemimpina
n
Unstandardiz
ed Residual
Spearman's rho kompensasi Correlation
Coefficient
1.000 .191 -.002
Sig. (2-tailed)
. .198 .992
N
47 47 47
kepemimpinan Correlation
Coefficient
.191 1.000 -.035
Sig. (2-tailed)
.198 . .817
N
47 47 47
Unstandardized
Residual
Correlation
Coefficient
-.002 -.035 1.000
Sig. (2-tailed)
.992 .817 .
N
47 47 47
Variabel Nilai Korelasi Sig. Ket.
Kompensasi (X
1
) -,002 0,992 Bebas Hetero
Kepemimpinan (X
2
) -,035 0,817 Bebas Hetero
Tabel 4.11
Hasil Uji Heteroskedastisitas Model Regresi I
Sumber : Data Primer Diolah




1. Ada pengaruh secara parsial dari
kompensasi dan kepemimpinan
terhadap semangat kerja.
2. Ada pengaruh secara simultan dari
kompensasi dan kepemimpinan
terhadap semangat kerja.


Coefficients
a

Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant)
5.013 2.459 2.039 .048
kompensasi
.266 .071 .374 3.768 .000
kepemimpinan
.561 .095 .587 5.918 .000
a. Dependent Variable: semangat kerja
Y = a + bx
Y = 5,013 + 0,266X1 + 0,561X2
Berdasarkan persamaan tersebut, maka dapat dijabarkan sebagai
berikut:
Konstanta = 5,013 yang menunjukkan bahwa tanpa adanya
perubahan terhadap kompensasi dan kepemimpinan, maka
semangat kerja tetap sebesar 8,166.
Kompensasi (X
1
) = 0,266, ini menunjukkan bahwa kompensasi
mempunyai pengaruh yang positif terhadap semangat kerja. Jika
nilai kompensasi naik 1 point sementara variabel lain tetap, maka
semangat kerja akan naik sebesar 0,266.
Kepemimpinan (X
2
) = 0,561, ini menunjukkan bahwa kepemimpinan
mempunyai pengaruh yang positif terhadap semangat kerja. Jika nilai
kepemimpinan naik 1 point sementara variabel lain tetap, maka semangat
kerja akan naik sebesar 0,214.
Model Summary
b

Model R R Square Adjusted R Square
Std. Error of the
Estimate
1
.770
a
.592 .574 1.6491
a. Predictors: (Constant), kepemimpinan, kompensasi
b. Dependent Variable: semangat kerja
R = Korelasi Ganda
R Square = Koefisien Determinasi
Model Summary
b

Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1
.770
a
.592 .574 1.6491
a. Predictors: (Constant), kepemimpinan, kompensasi
b. Dependent Variable: semangat kerja
R Square : 0,592
Dari analisis diperoleh nilai koefisien
determinasi (R
2
) sebesar 0,592 atau 59,2%.
Ini menunjukkan bahwa kompensasi dan
kepemimpinan dapat menjelaskan
pengaruhnya terhadap semangat kerja
sebesar 59,2%. Sedangkan sisanya sebesar
40,8% dipengaruhi variabel lainnya.

ANOVA
b

Model
Sum of
Squares df
Mean
Square F Sig.
1 Regression
173.741 2 86.871 31.942 .000
a

Residual
119.663 44 2.720
Total
293.404 46
a. Predictors: (Constant), kepemimpinan, kompensasi
b. Dependent Variable: semangat kerja
F = 31,942 Sig = 0,000
Dengan nilai uji F sebesar 31,942 dengan
tingkat signifikan 0,000 menunjukkan bahwa
kompensasi (X
1
) dan kepemimpinan (X
2
)
secara bersama-sama berpengaruh signifikan
terhadap semangat kerja
Coefficients
a

Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant)
5.013 2.459 2.039 .048
kompensasi
.266 .071 .374 3.768 .000
kepemimpinan
.561 .095 .587 5.918 .000
a. Dependent Variable: semangat kerja
Dari hasil analisis di atas diketahui bahwa variabel
kepemimpinan tranformasional (X
1
) mempunyai nilai t
sebesar 2,048 dengan tingkat signifikan 0,031. Hasil ini
menyatakan bahwa kepemimpinan transformasional (X
1
)
mempunyai pengaruh yang signifikan terhadap prestasi
kerja (Y) guru di SMA Taman Madya Jetis Yogyakarta.
Dari hasil analisis di atas diketahui bahwa variabel
kompensasi (X
2
) mempunyai nilai t sebesar 2,191 dengan
tingkat signifikan 0,000. Hasil ini menyatakan bahwa
kompensasi (X
2
) mempunyai pengaruh yang signifikan
terhadap prestasi kerja (Y) guru di SMA Taman Madya Jetis
Yogyakarta.

STEPWISE


Coefficients
a

Model
Unstandardized
Coefficients
Standardize
d
Coefficients
t Sig. B Std. Error Beta
1 (Constant)
7.887 2.658 2.967 .005
kepemimpin
an
.648 .105 .679 6.198 .000
2 (Constant)
5.013 2.459 2.039 .048
kepemimpin
an
.561 .095 .587 5.918 .000
kompensasi
.266 .071 .374 3.768 .000
a. Dependent Variable: semangat kerja

Coefficients
a

Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant)
5.013 2.459 2.039 .048
kompensasi
.266 .071 .374 3.768 .000
kepemimpinan
.561 .095 .587 5.918 .000
a. Dependent Variable: semangat kerja
Dari hasil olah data pada Standardized
Coefficients pada nilai Beta diperoleh nilai
terbesar pada variabel kepemimpinan yaitu
0,587, sehingga dapat disimpulkan bahwa
kepemimpinan adalah variabel yang dominan
mempengaruhi semangat kerja (Y).
Deskriptif Variabel Kompensasi
Variabel kompensasi mempunyai 6 butir
pernyataan, dengan demikian skor total
maksimum adalah 30 dan total skor minimum
adalah 6. Sehingga diperoleh interval sebagai
berikut :
Interval = (Skor tertinggi Skor terendah) /
Jumlah Katagori
= (30 6) / 5
= 4,8
(Sri Mulyono, 1991:9)

Skor Kategori Jumlah Porsentase
6 - 10,8
Sangat Tidak Sesuai
0 0
>10,8 15,6
Tidak Sesuai
8
17
>15,6 20,4
Biasa Saja
21
45
>20,4 25,2
Sudah Sesuai
17
36
> 25,2 - 30
Sangat Sesuai
1
2
Jumlah 47 100
Tabel 4.15
Hasil Penilaian Variabel Kompensasi (X
1
)
Sumber : Data Primer Diolah
Dari hasil analisis di atas diketahui kategori
terbesar adalah biasa saja yaitu sebanyak 21
responden atau 45%, kategori sudah sesuai 17
responden atau 36%, kategori tidak sesuai ada
8 responden atau 17% dan kategori sangat
sesuai ada 1 responden atau 2%.
Dari hasil ini menunjukkan bahwa kompensasi
yang diberikan dipersepsikan oleh sebagian besar
responden dalam kategori biasa saja dan sudah
sesuai. Karena tidak adanya dominasi yang
terbesar dari kategori jadi dapat dikatakan
bahwa dari segi kesesuaian besarnya kompensai
dengan besarnya tanggungjawab, kesesuaian
dengan prestasi, kesesuaian masa kerja,
kesesuaian kebutuhan hidup sehari-hari dan ada
kenaikan yang berkala dianggap oleh masing-
masing responden beragam.