Pedoman SPSS

PENGOLAHAN DATA PENELITIAN
MENG GUNAKAN
S P S S 22
Lucky Lukman, SE.MM
Lucky Lukman, SE.MM | Pengolahan Data Penelitian menggunakan

SPSS
I. ANALISIS DATA
Kegiatan menghitung data agar dapat disajikan secara sistematis.
Sebelum dilakukan analisis data maka harus dipersiapkan variabel dan datadata yang akan dihitung. Data yang akan dianalisis memiliki aturan seperti
tipe variabel (angka, kalimat )
dan ukuran
data.
Ukuran Data untuk
menentukan analisis apa yangakan digunakan.

Ada 3 Ukuran Data pada penelitian yaitu :
1.
Nominal
kesejajaran,
: data yang didapat dari hasil kategorisasi dan menunjukan

misalnya : 1 = Pria, 2 = Wanita. Kedua hal tsb memiliki
kesejajaran yang sama, jadi

2.
bukan 2 lebih tinggi dari 1
Ordinal : Data yang didapat dari hasil kategorisasi dan tidak memiliki
kesejajaran, misalnya : 1 = tidak baik, 2= baik, 3 = sangat baik. Jadi
2 lebih tinggi dari 1, dan 3 lebih
3.
Scale
tinggi dari 2
data yang didapat bukan dari hasil kategorisasi. Data Inin
berupa data interval dan data rasio.

penghitungan.
Misalnya :
Data ini dapat dilakukan
Data pendapatan, data produksi, data
penjualan, dll
Selain Ukuran Data diatas, Analisis juga perlu menggunakan variabel yang
akan dimasukan atau diinput dalam program statistik.
Variabel adalah
konsep yang nilainya bervariasi atau berubah-ubah.
Ada 4 macam
Variabel :

SPSS
1.
Variabel Dependen
(Variabel terikat)
variabel yang nilainya
dipengaruhi oleh variabel lain. Contoh : tingkat penjualan, tingkat produksi,

harga saham, kepuasan
2.
Variabel
konsumen, kinerja karyawan, dsb
Independen
mempengaruhi variabel
(Variabel
dependen
(terikat).
kompensasi, biaya produksi, biaya promosi,

3.
Contoh
Variabel
:
yang
Motivasi,
biaya penjualan, dsb
Variabel Kontrol Variabel yang dikendalikan atau nilainya dibuat

tetap hal ini agar
4.
Bebas)
tidak dipengaruhi oleh variabel lain
Variabel Moderator
antara variabel
Variabel yang mempengaruhi hubungan
independen dengan variabel dependen.
Dalam manganalisis data perlu juga kita memperhatikan sumber datanya.

Sumber data terbagi menjadi dua yaitu :
1.
Data Primer adalah data yang diperoleh peneliti secara langsung

(dari tangan pertama), Contoh data primer adalah data yang diperoleh
dari responden melalui kuesioner, kelompok
fokus, dan panel, atau
juga data hasil wawancara peneliti dengannara sumber.

2.
Data Sekunderdata yang diperoleh peneliti dari sumber yang sudah
ada. Contoh data sekunder misalnya catatan atau dokumentasi

perusahaan
berupa
absensi,
gaji,
laporan
keuangan
publikasi
perusahaan, laporan pemerintah, data yang diperoleh dari majalah,

dan lain sebagainya.
Sumber data ini yang nantinya akan mempengaruhi proses analisis
data yang akan kita gunakan. Penggunaan Data Primer memerlukan proses

SPSS
penghitungan yang lebih panjang dibandingkan apabila kita menggunakan

Data sekunder. Selanjutnya akan kita bahas pada bagian berikutnya.
II.
TAHAPAN ANALISIS DATA DENGAN SPSS
Adapun Tahapa Analisis Data yang akan kita lakukan terhadap data-data
yang kita peroleh dari hasil penelitian adalah sebagai berikut :
1.
Uji Validitas Data
2.
Uji Reliabilitas Data
3.
Analisis Korelasi
4.
5.
a.
Uji Normalitas Data
b.
Uji Linearitas
Uji Asumsi Klasik

a.
Uji Normalitas Data
b.
Uji Multikolinearitas
c.
Uji Heteroskedastisitas
d.
Uji AutoKorelasi
Analisis Regresi Linier Berganda

a.
Analisis Koefisien Determinasi (R2 / R Square)
b.
Uji F Simultan

SPSS
c.
Uji t - Parsial
Untuk Penelitian yang menggunakan Data Primer, semua tahapan

analisis data tersebut harus dilakukan.
menggunakan Data Sekunder,
Sedangkan untuk penelitian yang
analisis data cukup dilakukan mulai
tahapan ke 4 sampai dengan tahapan terakhir. Dalam melakukan analisis

data berikut ini penulis menggunakan SPSS versi 22.
III. UJI VALIDITAS DATA

Uji Validitas adalah pengujian yang dilakukan guna untuk mengetahui
seberapa cermat suatu instrumen dalam mengukur apa yang ingin diukur.
Item Kuesioner yang tidak valid berarti tidak dapat mengukur apa yang ingin
diukur sehingga hasil yang didapat
tidak dapat dipercaya, sehingga item
yang tidak valid harus dibuang atau di perbaiki.

Dalam SPSS alat uji validitas yang banyak digunakan ada 2 metode
yaitu :
1.
Metode
mengkorelasikan
2.
Metode
Pearson Correlation ( Product Moment Pearson)
yaitu
antara skor tiap item dengan skor total instrumen.
Corrected
mengkorelasikan tiap item
Item
Total
Correlation
yaitu
dengan
dengan skor total kemudian hasil dikoreksi
agar tidak overestimasi.

SPSS
Kita dapat menggunakan atau memilih salah satu metode tersebut

untuk menghitung validitas data. Data-data yang dikenai Uji Validitas dan
Reliabilitas biasanya berjenis ORDINAL.
Berikut ini contoh kasus untuk uji validitas dan Reliabilitas :
Seseorang melakukan penelitian tentang Kualitas pelayanan dan Kualitas
Produk terhadap Kepuasan Pelanggan. Penelitian dilakukan dengan uji coba
instrumen menggunakan Kuesioner yang diberikan kepada 30 responden.
Data-data Kuesioner ditabulasikan sebagai berikut :
Data Kepuasan Pelanggan (Y)
Resp
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
1
4
5
4
4
5
4
4
5
5
4
5
4
4
4
4
5
4
5
4
4
4
5
5
2
4
5
4
4
5
4
4
4
5
4
5
4
4
4
4
5
4
5
4
4
4
5
5
3
4
4
4
4
5
4
4
4
5
4
5
4
4
4
4
5
4
5
4
4
4
5
5
Item
4
5
4
4
5
4
4
3
4
3
5
4
4
3
5
4
5
4
5
5
4
4
5
5
4
4
4
4
4
4
4
4
5
4
4
4
5
5
4
4
4
4
4
4
4
5
5
5
Skor
Total
6
3
4
4
4
5
3
4
4
5
3
4
4
4
4
4
5
4
5
5
4
4
5
4
7
4
4
3
4
5
4
5
4
4
4
5
4
3
4
4
5
4
5
4
3
4
5
5
8
4
5
4
4
5
4
5
4
5
4
5
4
4
4
4
5
4
5
4
3
4
4
5
31
36
30
31
39
30
35
34
39
31
39
32
31
32
32
39
32
40
33
30
32
38
39

SPSS
24
25
26
27
28
29
30
5
4
4
4
5
4
4
5
5
4
4
5
4
4
5
4
4
4
5
4
4
5
5
4
4
5
4
4
4
4
3
4
4
4
3
5
5
4
4
5
4
4
4
4
4
4
5
4
4
5
4
4
4
5
5
4
38
35
31
32
39
33
31
Data Kualitas Pelayanan (X1)
Resp
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
Skor
Total
Item
1
4
4
5
4
4
4
5
3
4
5
5
4
5
5
5
4
5
4
3
4
4
5
4
5
4
4
5
2
5
4
5
4
5
5
5
4
4
4
5
3
4
4
5
4
5
5
4
5
4
5
4
5
4
4
4
3
4
4
5
4
5
5
5
3
4
4
5
4
5
5
4
3
5
4
4
4
3
5
4
5
4
5
4
4
4
4
5
4
4
4
5
4
5
5
5
4
5
4
5
4
5
4
4
4
4
5
4
4
4
5
4
5
4
4
5
4
5
5
5
5
4
4
5
4
5
5
5
4
5
4
4
5
4
5
4
5
4
5
4
6
4
4
5
4
5
5
5
4
3
4
5
4
5
5
5
4
5
5
4
5
4
5
4
4
4
5
4
7
4
3
5
4
5
4
5
4
3
4
5
4
5
5
5
4
5
5
4
3
4
5
4
5
4
5
4
8
4
3
5
4
5
5
5
4
5
4
5
3
5
5
5
4
5
4
4
5
4
5
4
5
4
5
5
9
5
4
5
4
5
5
5
4
5
3
5
4
5
5
5
4
5
4
4
4
4
5
4
5
4
5
4
1
0
5
4
5
4
5
3
5
4
5
4
5
4
5
3
5
4
5
4
4
5
4
5
4
5
4
5
4
43
38
50
40
48
45
50
39
42
41
50
38
49
46
49
39
50
43
39
44
39
50
40
48
40
48
42

SPSS
28
29
30
5
5
4
5
5
4
5
5
4
5
5
4
5
5
4
5
5
4
5
5
4
5
5
3
5
5
4
5
5
4
50
50
39
Data Kualitas Produk (X2)
Resp
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
1
4
4
5
4
4
4
5
3
4
5
5
4
5
5
5
4
5
4
3
4
4
5
4
5
4
4
5
2
5
4
5
4
5
5
5
4
5
4
4
5
4
4
5
4
5
4
4
5
4
4
4
4
4
4
4
3
4
5
4
5
5
3
4
3
4
4
4
4
5
4
4
5
4
3
5
4
5
5
5
4
5
5
5
4
3
5
5
4
4
4
5
5
5
4
5
4
4
4
4
4
5
4
5
4
4
4
5
4
5
4
5
Item
5
6
4
3
4
4
4
5
5
4
5
5
5
5
4
5
5
4
4
3
4
4
5
4
4
4
4
5
4
5
4
5
4
5
3
5
5
5
4
4
5
5
4
4
5
5
5
5
5
4
5
5
5
4
4
4
Skor
Total
7
4
3
4
4
5
4
5
4
5
4
4
4
5
5
5
4
4
5
4
4
5
4
4
5
4
4
4
8
4
3
5
5
5
4
4
5
5
3
5
5
5
3
5
5
5
3
5
5
4
5
4
5
4
5
5
9
5
3
5
4
5
5
5
4
4
3
5
4
3
5
5
4
5
4
4
4
4
5
4
5
4
5
4
10
5
4
5
4
5
3
5
4
5
4
5
4
5
3
5
4
5
4
4
5
4
5
4
5
4
5
4
41
39
47
43
48
42
47
41
44
39
46
42
45
42
47
43
46
41
42
45
42
47
44
46
44
45
44

SPSS
28
29
30
5
5
4
5
5
4
4
4
5
5
5
4
4
4
5
5
4
5
4
5
4
5
4
3
5
5
4
5
5
4
47
46
42
Dari Tabulasi tersebut Kita masukan data-data tersebut kedalam lembar

kerja SPSS :
1.
Uji Validitas menggunakan Metode Pearson Correlation

Mengkorelasikan antara skor tiap item dengan skor total instrumen.Kita
ambil contoh dengan Menguji Validitas Data Kepuasan Pelanggan (Y)
Gambar Variable View

SPSS
Gambar Data View
Setelah Selesai mengisikan data, maka selanjutnya Klik :

Menu Analyze>>Correlate>>Bivariate selanjutnya terbuka kotak dialog
Bivariate Correlation, lalu pindahkan seluruh item ke kolom Variables
Klik OK, maka hasil outputnya sebagai berikut :

SPSS
Cara membaca output :

Dari output tersebut terlihat korelasi antara tiap item dengan skor total,
korelasi item 1 dengan skor total sebesar 0,900 (ada 2 tanda bintang dua)
artinya nilai ini signifikan pada tingkat signifikansi 0,01, sedangkan bintang
satu berarti signifikan pada tingkat 0,05, sedangkan dibawahnya adalah nilai
sigifikansi dengan uji 2 sisi (nilai kurang dari 0,05 berarti hasilnya signifikan).
Untuk N atau sampel sebanyak 30 sampel maka apabila kita lihat pada r
tabel adalah sebesar 0,361. Apabila nilai korelasi dalam output tsb > 0,361
maka item tersebut valid, apabila sebaliknya < 0,361 maka item tsb tidak
valid dan harus dibuang atau diperbaiki.
2.
Uji Validitas menggunakan Metode Corrected Item Total
Correlation

SPSS
10
Mengkorelasikan antara skor tiap item dengan skor total instrumen dan
melakukan koreksi terhadap nilai koefisien korelasi yang overestimasi
Kita ambil contoh dengan menguji Validitas Kepuasan Pelanggan (Y)
Gambar Variable View

SPSS
11
Gambar Data View
Setelah Selesai mengisikan data, maka selanjutnya Klik :

Menu Analyze>>Scale>>Reliability Analysis selanjutnya terbuka kotak
dialog Reliability Analysis
pindahkan semua item ke kolom items
Selanjutnya klik tombol Statistics

SPSS
12
Beri tanda centang (v) pada Scale if item deleted kemudian klik tombol
Continue, maka akan kembali ke kotak dialog sebelumnya. Kemudian klik
OK, maka hasil output nya sebagai berikut:
Item-Total Statistics
Scale Mean if
Item Deleted
Scale Variance if Corrected ItemItem Deleted
Total Correlation
Cronbach's
Alpha if Item
Deleted
item1
29.7667
9.289
.867
.906
item2
29.7667
9.220
.894
.904
item3
29.8333
9.385
.881
.906
item4
29.7333
9.444
.793
.912
item5
30.1333
9.568
.607
.927
item6
29.9333
9.513
.594
.929
item7
29.9667
9.275
.692
.920
item8
29.8000
9.338
.743
.915
Cara Membaca output :

Pada kolom Corrected Item-Total Correlationdiketahui korelasi item1
dengan nilai sebesar 0,867. Jika nilai korelasi > 0,361 maka item tersebut
valid, apabila sebaliknya
< 0,361maka item tsb tidak valid dan harus

SPSS
13
dibuang atau diperbaiki.Angka 0,361 diperoleh dengan melihat
r tabel
(lampiran), untuk sampel sebanyak 30 sampel.

IV. UJI RELIABILITAS DATA
Uji reliabilitas
adalah untuk menguji konsistensi alat ukur, apakah hasilnya tetap
konsisten jika pengukurannya diulang. Apabila instrumen kuesioner yang tidak reliabel maka
tidak dapat konsisten untuk pengukuran sehingga hasil pengukuran tidak dapat dipercaya. Uji
Reliabilitas yang banyak digunakan pada penelitian yaitu menggunakan Metode Cronbach
Alpha .
Berikut mari kita melakukan uji Reliabilitas dengan menggunakan
contoh soal seperti diatas yaitu dengan menguji Data Kepuasan Pelanggan
(Y). Menggunakan input data yang sama dengan uji validitas namun skor
total tidak digunakan. Apabila pada uji validitas ada item yang tidak valid,
maka item tersebut tidak dapat digunakan dalam uji reliabilitas.
Selanjutnya kita kilik Menu Analyze>>Scale>>Reliablity Analysis .

Selanjutnya akan terbuka kotak dialog Reliablity Analysis.
Pindahkan
semua item ke kolom items

SPSS
14
Selanjutnya klik OK, maka hasil outputnya sebagai berikut :

Case Processing Summary
N
Valid
Cases
Excludeda
Total
%
30
100.0
.0
30
100.0
a. Listwise deletion based on all variables in the

procedure.
Reliability Statistics
Cronbach's
N of Items
Alpha
.925
Cara membaca Output :

Metode pengambil keputusan pada uji reliabilitas biasanya menggunakan
batasan 0,6 .
Menurut Uma sekaran, reliabilitas kurang dari 0,6
adalah
kurang baik, sedangkan 0,7 dapat diterima dan diatas 0,8 adalah baik.
Pada output pertama diketahui data valid sebanyak 30 , lalu output kedua
adalah hasil uji reliabilitas yang didapat nilai Cronbach's Alpha sebesar
0,925 dengan jumlah item sebanyak 8. Karena nilai 0,925 > 0,6 maka
dapat disimpulkan bahwa instrumen
pada kepuasan pelanggan adalah
reliabel.
SPSS
15
V.
ANALISIS KORELASI
Analisis korelasi yaitu untuk mengetahui hubungan antara 2 variabel
atau lebih. Dalam perhitungan korelasi akan didapat koefisien korelasi yang
digunakan untuk mengetahui keeratan hubungan, arah hubungan dan
hubungan tersebut sigifikan atau tidak.
Dalam SPSS alat analisis yang
banyak digunakan untuk menganalisa hubungan dua variabel yang berskala

interval
atau
rasio
yaitu
Korelasi
Product
Moment
(Pearson
Correlation).
Untuk Contoh Kasus kita akan tetap menggunakan adalah data diatas,
yaitu menggunakan data skor total dari Kepuasan Pelanggan (Y), Kualitas
Pelayanan (X1) dan Kualitas Produk (X2). Seperti berikut dibawah ini :
Resp
Kepuasan
Pelanggan
Y
Kualitas
Pelayanan
X1
Kualitas
Produk
X2
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
31
36
30
31
39
30
35
34
39
31
39
32
31
32
32
39
32
40
33
30
32
38
39
38
35
31
32
39
43
38
50
40
48
45
50
39
42
41
50
38
49
46
49
39
50
43
39
44
39
50
40
48
40
48
42
50
41
39
47
43
48
42
47
41
44
39
46
42
45
42
47
43
46
41
42
45
42
47
44
46
44
45
44
47

SPSS
16
29
30
33
31
50
39
46
42
Sebelum melakukan Analisis Korelasi ada beberapa 2 tahapan yang harus

dilakukan terlebih dahulu, yaitu Uji Normalitas Data dan Uji Linearitas.
1.
Uji Normalitas Data

Uji ini digunakan untuk mengetahui apakah data terdistribusi dengan
normal atau tidak.
Analisis Parametrik seperti korelasi Product moment
mensyaratkan bahwa data harus terdistribusi dengan normal. Uji Normalitas

dapat menggunakan Metode Liliefors dan Kolmogorov-smirnov Z.
a.Metode Liliefors
Pertama kali membuka lembar kerja SPSS, kita dapat mengimpor data
dari Excel atau langsung copy paste ke lembar kerja sepeerti berikut :

SPSS
17
Setelah mengisikan data maka selanjutnya Klik :

Menu Analyze>>Descriptive Statistics>>Explore
Selanjutnya akan terbuka kotak dialog Explore, lalu pindahkan seluruh

variabel X dan Y ke kolom Dependent List

SPSS
18
Pada display pilih tombol Plots,
kemudian pada display Plots beri tanda
centang (v) pada Normality plot with tests kemudian klik tombol Continue.
Selanjutnya akan kembali ke kotak Dialog sebelumnya (seperti diatas) dan
klik tombol OK
Maka akan keluar output seperti berikut :

Cases

SPSS
19
Valid
N
Missing
Percent
Total
Percent
Percent
Kepuasan Pelanggan
30
100.0%
0.0%
30
100.0%
Kualitas Pelayanan
30
100.0%
0.0%
30
100.0%
Kualitas Produk
30
100.0%
0.0%
30
100.0%
Tests of Normality
Kolmogorov-Smirnova
Statistic
df
Shapiro-Wilk
Sig.
Statistic
df
Sig.
Kepuasan Pelanggan
.230
30
.000
.846
30
.001
Kualitas Pelayanan
.189
30
.008
.856
30
.001
Kualitas Produk
.142
30
.125
.944
30
.118
a. Lilliefors Significance Correction

Pada Output pertama, Case Processing Summary, dapat diketahui jumlah
data valid sebanyak 30 dan tidak ada data missing. Pada output kedua yaitu
hasil uji normalitas. Data Kepuasan Pelanggan nilai signifikansi 0,000, data
kualitas pelayanan 0,008, data kualitas produk 0,125. Ketentuan untuk uji
ini yaitu apabila signifikansi > 0,05
maka data berdistribusi Normal,
apabila signifikansi < 0,05 maka data tidak berdistribusi normal. Maka dari
output tersebut maka data yang berdistribusi normal hanya data kualitas
produk yang berdistribusi normal karena 0,125 > 0,05, sedangkan data
kepuasan pelanggan dan kualitas pelayanan tidak berdistribusi normal
karena nilai signifikansi nya < 0,005.
b. Metode Kolmogorov Smirnov Z
Langkah input sama dengan metode Liliefors, setelah mengisikan data maka
selanjutnya Klik :
Menu Analyze>>Nonparametric Test>>one sample

SPSS
20
Selanjutnya akan terbuka dialogOne Sample Non Parametric Testseperti

berikut ini :
Kemudian Klik Tombol Run , maka akan keluar output seperti berikut :

SPSS
21

Pada output diatas
yaitu hasil uji normalitas,
nilai signifikansi 0,084,

produk 0,579.
Data Kepuasan Pelanggan
data kualitas pelayanan 0,235,
data kualitas
Ketentuan untuk uji ini yaitu apabila signifikansi > 0,05

tidak berdistribusi normal.
apabila signifikansi < 0,05
maka data
Maka dari output tersebutseluruh data
berdistribusi normal karena nilai signifikansi > 0,05.

2. Uji Linearitas
Bertujuan untuk mengetahui apakah 2 variabel yang akandikenai prosedur analisis statistik
korelasional menunjukan hubungan yang linier atau tidak.
Input Data sama dengan Uji
Normalitas data, Selanjutnya Klik :

Menu Analyze>>Compare Means>>Means

SPSS
22
Kemudian akan terbuka kotak dialog Means, Pindahkan variabel Y ke kolom

Dependent List, variabel X ke kolom Independent List, kemudian klik
tombol Options :
Pada Kotak dialog Options dibawah, beri tanda centang (v) pada Test for
linearity kemudian klik Continue,
dan akan kembali kotak dialog
sebelumnya, lalu klik tombol OK :

SPSS
23
lalu klik tombol OK , maka akan muncul hasil output sebagai berikut :

SPSS
24
Pada output diatas
yaitu hasil uji Linearitas,
menunjukan hubungan
Kepuasan Pelanggan dengan
menunjukan nilai signifikansi 0,748,

hubungan
signifikansi
Ketentuan
signifikansiLinearity > 0,05

linier,
Kualitas Pelayanan
Kualitas Produk dengan nilai
untuk
uji
ini
yaitu
apabila
maka hubungan antara 2 variabel tidak
apabila signifikansiLinearity < 0,05
variabel linier.
pertama
pada output kedua menunjukan

0,214.
pada Output
maka hubungan antara 2
Maka dari output tersebut maka seluruh hubungan 2
variabel Tidak Linier karena nilai signifikansi > 0,05.

3. Analisis Korelasi Product Moment
Menggunakan input data yang sama dengan uji normalitas, selanjutnya klik :
Menu Analyze >>Correlate>>Bivariate
Kemudian akan terbuka dialogBivariate Correlation
seperti berikut ini,
kemudian pindahkan variabel X dan Y ke kolom Variables

SPSS
25
Kemudian klik tombol OK, maka hasil outputnya sebagai berikut :
Correlations
Pearson Correlation
Kepuasan Pelanggan
Pelanggan
Pelayanan
Kualitas Produk
.066
.223
.728
.237
30
30
30
Pearson Correlation
.066
.798**
Sig. (2-tailed)
.728
Sig. (2-tailed)
Kualitas Produk
Kualitas
N
Kualitas Pelayanan
Kepuasan
.000
30
30
30
Pearson Correlation
.223
**
Sig. (2-tailed)
.237
.000
30
30
.798
30
**. Correlation is significant at the 0.01 level (2-tailed).

Pada output diatas yaitu hasil uji Korelasi,
pada Output menunjukan hubungan Kepuasan
Pelanggan dengan Kualitas Pelayanan menunjukan nilai hubungan
0,066,
pada output
hubungan Kepuasan Pelanggan dengan Kualitas Produk dengan nilai hubungan 0,223. Untuk

SPSS
26
mengukur kuat lemahnya hubungan antar 2 variabel, menggunakan patokan dari Sugiyono
(2007) dengan interpretasi koefisien korelasi sebagai berikut :
0,00 - 0,199
= sangat Rendah
0,20 - 0,399
= rendah
0,40 - 0,599
= sedang
0,60 - 0,799
= kuat
0,80 - 1,000
= sangat kuat
Dengan demikian maka hubungan Kepuasan Pelanggan dengan Kualitas Pelayanan

menunjukan nilai hubungan 0,066 dapat disimpulkan hubungan sangat rendah, sedangkan
hubungan
menunjukan hubungan yang rendah.
Kualitas Produk dengan nilai hubungan
0,223
Sedangkan pengujian hubungan, apakah hubungan
signifikan atau tidak menggunakan ketentuan apabila nilai signifikansi < 0,05 maka hubungan
signifikan, sedangkan apabila > 0,05 hubungan tidak signifikan. Dari Output diatas menunjukan
hubungan Kepuasan Pelanggan dengan Kualitas Pelayanan menunjukan nilai signifikansi
0,728 > 0,05 artinya tidak ada hubungan yang signifikan.
Pelanggan dengan Kualitas Produk dengan nilai signifikansi
Untuk hubungan Kepuasan

0,237 > 0,05 artinya tidak ada
hubungan yang signifikan.
VI.
UJI ASUMSI KLASIK

Apa itu Uji Asumi Klasik ?itu pertanyaan yang sering dilontarkan
terutama bagi para peneliti yang sedang mengolah data yang mengharuskan
memenuhi kriteria Best Linear Unbiased Estimator (BLUE). BLUE dapat
dicapai bila memenuhi asumsi klasik.
Asumsi klasiktersebut antara lain adalah:
Model regresi dispesifikasikan dengan benar.

SPSS
27
Error menyebar normal dengan rataan nol dan memiliki suatu ragam
(variance) tertentu.
Tidak terjadi heteroskedastisitas pada ragam error.
Tidak terjadi multikolinieritas antara peubah bebas.
Error tidak mengalami autokorelasi (error tidak berkorelasi dengan
dirinya sendiri).
1. Uji Normalitas Data
Pada uji Normalitas asumsi klasik dapat menggunakan cara yang sama
seperti yang telah kita gunakan pada Uji Normalitas pada korelasi produk
Momen, dalam hal ini kita menggunakan Metode Liliefors dan Metode
Kolmogorov-Smirnov Z, juga dengan menggunakan Data yang sama yakni
Kepuasan Pelanggan (Y), kualitas pelayanan (X1), dan kualitas produk (X2)
a.Metode Liliefors
Setelah mengisikan data maka selanjutnya Klik :
Menu Analyze>>Descriptive Statistics>>Explore

SPSS
28
Selanjutnya akan terbuka kotak dialog Explore, lalu pindahkan seluruh

variabel X dan Y ke kolom Dependent List
Pada display pilih tombol Plots,
kemudian pada display Plots beri tanda
centang (v) pada Normality plot with tests kemudian klik tombol Continue.
Selanjutnya akan kembali ke kotak Dialog sebelumnya (seperti diatas) dan
klik tombol OK

SPSS
29
Maka akan keluar output seperti berikut :

Cases
Valid
N
Missing
Percent
Total
Percent
Percent
Kepuasan Pelanggan
30
100.0%
0.0%
30
100.0%
Kualitas Pelayanan
30
100.0%
0.0%
30
100.0%
Kualitas Produk
30
100.0%
0.0%
30
100.0%
Tests of Normality
Kolmogorov-Smirnova
Statistic
df
Shapiro-Wilk
Sig.
Statistic
df
Sig.
Kepuasan Pelanggan
.230
30
.000
.846
30
.001
Kualitas Pelayanan
.189
30
.008
.856
30
.001
Kualitas Produk
.142
30
.125
.944
30
.118
a. Lilliefors Significance Correction

SPSS
30
Pada Output pertama, Case Processing Summary, dapat diketahui jumlah

data valid sebanyak 30 dan tidak ada data missing. Pada output kedua yaitu
hasil uji normalitas. Data Kepuasan Pelanggan nilai signifikansi 0,000, data
kualitas pelayanan 0,008, data kualitas produk 0,125. Ketentuan untuk uji
ini yaitu apabila signifikansi > 0,05
apabila signifikansi < 0,05 maka data tidak berdistribusi normal. Maka dari
output tersebut maka data yang berdistribusi normal hanya data kualitas
produk yang berdistribusi normal karena 0,125 > 0,05, sedangkan data
kepuasan pelanggan dan kualitas pelayanan tidak berdistribusi normal
karena nilai signifikansi nya < 0,005.
b. Metode Kolmogorov Smirnov Z
Langkah input sama dengan metode Liliefors, setelah mengisikan data maka
selanjutnya Klik :
Menu Analyze>>Nonparametric Test>>one sample
Selanjutnya akan terbuka dialog One Sample Non Parametric Test

SPSS
31
Kemudian Klik Tombol Run , maka akan keluar output seperti berikut :

Pada output diatas
yaitu hasil uji normalitas,
nilai signifikansi 0,084,

produk 0,579.
Data Kepuasan Pelanggan
data kualitas pelayanan 0,235,
data kualitas
Ketentuan untuk uji ini yaitu apabila signifikansi > 0,05
maka data berdistribusi Normal, apabila signifikansi < 0,05 maka data
tidak berdistribusi normal. Maka dari output tersebut maka seluruh data
berdistribusi normal karena nilai signifikansi > 0,05.

SPSS
32
Selain dengan metode diatas, kita juga dapat menggunakan Metode

Normal probability Plots yang berbentuk grafik untuk mengetahui
apakah dalam sebuah model regresi, nilai regresi rsidual terdistribusi dengan
normal atau tidak.
Model regresi yang baik seharusnya distribusi regresi
residual normal atau mendekati normal.
Input data sama dengan metode Kolmogorov-Smirnov Z. Selanjutnya Klik :

menu Analyze>>Regression>> Linear
Selanjutnya akan terbuka kotak dialog Linear Regression seperti berikut,

kemudian pindahkan variabel Y ke kolom Dependent, dan variabel X ke
kolom Independent(s) :

SPSS
33
Selanjutnya Klik tombol Plots,
kemudian beri tanda centang (v) pada
Normal probability Plot kemudian klik tombol Continue :
Selanjutnya akan kembali ke kotak dialog sebelumnya lalu klik tombol OK,
maka hasil Outputnya sebagai berikut :

SPSS
34

Pada output diatas
untuk mendeteksi kenormalan adalah jika data
menyebar disekitar garis diagonal dan mengikuti arah diagonal, maka model
regresi memenuhi asumsi normalitas.
2. Uji Multikolinearitas
Adalah keadaan dimana antara variabel independen atau lebih pada model regresi terjadi
hubungan linier yang sempurna atau mendekati sempurna.
mensyaratkan tidak adanya masalah Multikolinearitas.
Multikolinearitas,
Model regresi yang baik
Untuk mendeteksi
ada tidaknya
kita akan menggunakan Metode melihat nilai Tolerance dan VIF .
Langkah-langkahnya sebagai berikut :

Klik menu Analyze>>Regression>> Linear ,
selanjutnya akan terbuka
kotak dialog Linear Regression kemudian pindahkan variabel Y ke kolom

Dependent, dan variabel X ke kolom Independent(s) :

SPSS
35
Selanjutnya Klik tombol Statistics,
kemudian beri tanda centang pada
Collinearity diagnostics kemudian klik tombol Continue :
maka hasil Outputnya sebagai berikut :

SPSS
36
Metode pengambilan keputusannya yaitu Apabila semakin kecil nilai

Tolerance dan semakin besar nilai VIF maka semakin mendekati masalah
multikolinearitas. Persyaratannya apabila nilai Tolerance > 0,1 dan VIF
<
10
maka tidak terjadi multikolinearitas.
Dari tabel output diatas
diketahui bahwa nilai Tolerance dari kedua variabel independen sebesar

0,363 > 0,1 dan VIF
sebesar
2.758
< 10, jadi dapat disimpulkan
bahwa dalam model regresi tidak terjadi masalah multikolinearitas.
3. Uji Heteroskedastisitas
Adalah keadaan dimana terjadinya ketidaksamaan varian dari residual pada
model regresi. Model regresi yang baik mensyaratkan tidak adanya masalah
Heteroskedastisitas. Untuk mendeteksi ada tidaknya Heteroskedastisitas ,
kita akan menggunakan Metode Spearmans rho .
Langkah-langkahnya
sebagai berikut :
Klik menu Analyze>>Regression>> Linear ,
selanjutnya akan terbuka
kotak dialog Linear Regression kemudian pindahkan variabel Y ke kolom

Dependent, dan variabel X ke kolom Independent(s) :

SPSS
37
Selanjutnya Klik tombol Save,
kemudian beri tanda centang pada
Unstandardized (pada residuals)kemudian klik tombol Continue :
hiraukan hasil output regresi yang diperoleh, buka input data anda, maka
akan ada tambahan satu variabel bernama RES_1 seperti berikut ini :

SPSS
38
Selanjutnya lakukan korelasi Spearmans rho dengan cara :

klik menu Analyze>>Correlate>>Bivariate kemudian pindahkan variabel
Unstandardized residual, X1 dan X2 ke kolom variables. Kemudian pada
Correlation Coefficients
beri tanda centang pada Spearman dan
hilangkan tanda centang pada Pearson
Selanjutnya klik tombol OK , maka hasil outputnya sebagai berikut :

SPSS
39
Metode pengambilan keputusannya jika nilai signifikansi antara variabel

independen dengan residual > 0,05maka tidak terjadiHeteroskedastisitas,
sebaliknya apabila signifikansi < 0,05 maka terjadi Heteroskedastisitas. Dari
tabel output diatas diketahui bahwa nilai signifikansi kualitas pelayanan
sebesar 0,922, kualitas produk 0,827.
Karena nilai signifikansi lebih dari
0,05 jadi dapat disimpulkan bahwa dalam model regresi
tidak terjadi
masalahHeteroskedastisitas.
4. Uji Autokorelasi
Adalah keadaaan dimana terjadinya korelasi dari residual untuk pengamatan 1 dengan
pengamatan yang lain yang disusun menurut runtut waktu.
Model regresi yang baik
mensyaratkan tidak adanya masalah autokorelasi. Untuk mendeteksi ada tidaknya autokorelasi
digunakan Uji Durbin Watson (DW Test) . Langkah-langkahnya sebagai berikut:
Setelah melakukan input data, lakukan analisis linier berganda untuk
mendapatkan
nilai
Durbin
watson.
Analyze>>Regression>>Linear
Caranya
yaitu
klik
Menu
selanjutnya akan terbuka kotak dialog
Linear Regresion. kemudian pindahkan variabel Y ke kolom Dependent,

dan variabel X ke kolom Independent(s) :

SPSS
40
Selanjutnya klik tombol Statistics
Beri tanda centang (V) pada Durbin Watson, kemudian klik tombol Continue.
Maka akan kembali ke kotak dialog sebelumnya, lalu klik tombol OK, maka
outputnya sebagai berikut :
Model Summaryb
Model
.290a
R Square
.084
Adjusted R
Std. Error of the
Square
Estimate
.016
3.45340
Durbin-Watson
2.265
a. Predictors: (Constant), Kualitas Produk, Kualitas Pelayanan

b. Dependent Variable: Kepuasan Pelanggan
Cara membaca Output dan prosedur pengujian :

Uji Durbin Watson yaitu membandingkan nilai Durbin Watson dari hasil
regresi dengan nilai Durbin Watson tabel. Prosedurnya sebagai berikut :
1.
Menentukan hipotesis nol dan hipotesis alternatif

H0 = Tidak terjadi Auto Korelasi
H1 = Terjadi Auto Krelasi
2.
Menetukan taraf signifikansi

Taraf signifikansi menggunakan 0,05
SPSS
41
3.
Menentukan nilai d (Durbin-Watson)

Nilai Durbin-Watson yang didapat dari hasil regresi adalah 2,265.
4.
Menetukan nilai dL dan dU

Nilai dL dan dU dapat dilihat pada tabel diatas pada signifikansi 0,05,
n=30 dan k=2 (n adalah jumlah data dan k adalah jumlah variabel
independen) . Dari tabel Durbin-Watson didapat dL = 1,283 dan dU =
1,566. Jadi dapat dihitung nilai 4- dL = 2,717 dan 4- dU = 2,434.
5.
Pengambilan keputusan
a.
dU < DW < 4-dU maka H0 diterima (tidak terjadi auto korelasi)
b.
DW < dL atau DW > 4-dL maka H0 ditolak (terjadi auto korelasi)
c.
dL < DW < dU atau 4-dU < DW < 4-dL maka tidak ada
keputusan yang pasti

6.
Hasil Pengujian
dU = 1,566 , DW = 2,265 , 4-dU = 2,434
dU (1,566) < DW(2,265) < 4-dU (2,434)
7.
Kesimpulan
Dapat diketahui bahwa nilai Durbin Watson sebesar 2,265 terletak
didaerah
dU < DW < 4-dU , maka dapat disimpulkan bahwa H0 diterima
(tidak terjadi auto korelasi)
VII. ANALISIS REGRESI LINIER BERGANDA

Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih
variabel independen (X1, X2,.Xn) dengan variabel dependen (Y). Analisis ini untuk mengetahui
arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing
variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel
dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang
digunakan biasanya berskala interval atau rasio.
SPSS
42
Langkah-langkah regresi linier sama dengan yang kita lakukan pada uji
asumsi klasik, adalah sebagai berikut :
Setelah melakukan input data selanjutnya lakukan regresi linier berganda.
Caranya :
Klik menu analyze>>Regression>>Linear
Selanjutnya akan terbuka kotak dialog Linear Regression

SPSS
43
kemudian pindahkan variabel Y ke kolom Dependent, dan variabel X ke

kolom Independent(s) selanjutnya tekan
tombol OK ,
maka hasil
outputnya sebagai berikut :

Variables Entered/Removeda
Model
Variables
Variables
Entered
Removed
Method
Kualitas Produk,
1
Kualitas
. Enter
Pelayanan
a. Dependent Variable: Kepuasan Pelanggan

b. All requested variables entered.
Output Pertama
diatas menjelaskan variabel yang dimasukan dan
dikeluarkan. Semua variabel yang dimasukan menggunakan metode Enter
Model Summaryb
Model
.290a
R Square
Adjusted R
Std. Error of the
Square
Estimate
.084
.016
3.45340
a. Predictors: (Constant), Kualitas Produk, Kualitas Pelayanan

b. Dependent Variable: Kepuasan Pelanggan

SPSS
44
Output Kedua diatas Menjelaskan tentang nilai R 2

Koefisien Determinasi,
(R Square) atau
digunakan untuk mengetahui seberapa besar
prosentase sumbangan pengaruh variabel independen secara bersama-sama

terhadap variabel dependen.
Apabila regresi
menggunakan 2 variabel
independen maka yang digunakan adalah R2 (R Square), sedangkan

apabila
regresi
menggunakan
atau
lebih
variabel
independenmenggunakan Koefisien Determinasi Adjusted R Square.

Karena kita menggunakan 2 variabel independen maka yang digunakan
adalah R2 (R Square), Dari tabel output tersebut dapat diketahui Nilai R 2 (R
square) adalah sebesar 0,084. Artinya Sumbangan pengaruh dari variabel
independen yaitu sebesar 8,4 %,
sedangkan sisanya sebesar 91,6%
dipengaruhi oleh faktor lain yang tidak diteliti.

ANOVAa
Model
Sum of Squares
Regression
df
Mean Square
29.465
14.733
Residual
322.001
27
11.926
Total
351.467
29
Sig.
.307b
1.235

b. Predictors: (Constant), Kualitas Produk, Kualitas Pelayanan
Output Ketigadiatas menjelaskan pengujian secara bersama-sama (Uji F /

uji Simultan), ukurannya jika signifikansi < dari 0,05 , maka ada
pengaruh secara bersama-sama/simultan variabel independen terhadap
variabel dependen, sebaliknya apabila signifikansi > dari 0,05 maka tidak
ada
pengaruh
secara
bersama-sama/simultan
variabel
independen

Ukuran lainnya dengan menentukan F hitung dan F tabel.
Apabila F
Hitung > F tabel, maka ada pengaruh secara bersama-sama/simultan

variabel independen terhadap variabel dependen, sebaliknya Apabila F
Hitung
<
F tabel,
maka tidak ada pengaruh secara bersama-
sama/simultan variabel independen terhadap variabel dependen.

SPSS
45
tabel
dapat dicari pada tabel F statistik 0,05 ,
dimana menentukan
terlebih dulu df1 = k - 1 3 1 = 2, dan df2 = n k 30 3 = 27,

( k = jumlah variabel, n = jumlah sampel), maka didapat F tabel sebesar
3,35.
Dari output diatas dihasilkan nilai signifikansi sebesar 0,307> 0,05 artinya
variabel independen secara bersama-sama / simultan tidak berpengaruh
sebesar 1.235<
Sedangkan F Hitung dari output tersebut
3.35 artinya variabel independen secara bersama-sama /
simultan tidak berpengaruh terhadap variabel dependen.

Coefficientsa
Model
Unstandardized Coefficients
Standardized
Sig.
Coefficients
B
(Constant)
1
Kualitas Pelayanan
Kualitas Produk
Std. Error
15.919
12.153
-.232
.231
.649
.424
Beta
1.310
.201
-.308
-1.005
.324
.468
1.530
.138
Output keempat menjelaskan 2 hal yaitu

Berganda dan Uji t / Uji Parsial.
Persamaan Regresi Linier
Pertama, kita bahas terlebih dahulu
persamaan regresi linier berganda dengan 2 variabel independen sebagai

berikut :
Y = a + b1X1+ b2X2
Y
= Variabel dependen yang diramalkan
= Konstanta
= Koefisien regresi (nilai peningkatan ataupun penurunan)
X1 dan X2 = Variabel independen

SPSS
46
Nilai koefisien dapat dilihat pada output tabel diatas dn dimasukan pada
persamaan sebagai berikut :
Y = 15.919 - 0.232X1 + 0.649X2

a.
konstanta = 15.919
artinya jika kualitas pelayanan dan kualitas produk = 0,
kepuasan pelanggan nilainya 15.919
b.
maka
koefisien b1 = - 0,232
artinya kualitas pelayanan ditingkatkan sebesar 1 satuan, maka
kepuasan pelanggan akan menurun sebesar 0,232 satuan
c.
koefisien b2 = 0,649
artinya kualitas produk ditingkatkan sebesar 1 satuan, maka kepuasan
pelanggan akan meningkat sebesar 0,649 satuan
Penjelasan kedua atas output keempat tersebut adalah mengenai Uji t / Uji
Parsialukurannya jika signifikansi < dari 0,05 , maka ada pengaruh
secara parsial variabel independen terhadap variabel dependen, sebaliknya
apabila signifikansi > dari 0,05 maka tidak ada pengaruh secara parsial
variabel independen terhadap variabel dependen.
Ukuran lainnya dengan menentukan t hitung dan t tabel.
Hitung>
t tabel,
maka ada pengaruh secara parsial
Apabila t
variabel
independen terhadap variabel dependen, sebaliknya Apabila t Hitung < t

tabel,
maka tidak ada pengaruh secara parsial variabel independen
tabel
dapat dicari pada tabel t statistik 0,05/2 = 0.025 (uji 2 sisi)
dimana menentukan terlebih dulu df = n- k - 1 30 - 2 1 = 27,

jumlah variabel independen , n = jumlah sampel),
(k=
maka didapat t tabel
sebesar 2.052.

SPSS
47
Dari output diatas dihasilkan nilai
signifikansi untuk kualitas pelayanan
sebesar 0,324> 0,05
artinya variabel kualitas pelayanan
tidak
terhadap
berpengaruh
variabel
kepuasan
pelanggan,
signifikansi untuk kualitas produk sebesar 0,138> 0,05

kualitas produk
secara parsial
kepuasan pelanggan,
secara parsial
nilai
artinya variabel
tidak berpengaruh terhadap variabel
Sedangkan t Hitung dari output tersebut untuk
kualitas pelayanan sebesar - 1.005
<
2.052artinya variabel kualitas
pelayanan secara parsial tidak berpengaruh terhadap variabel kepuasan

pelanggan.
Untuk kualitas produk
sebesar 1.530
variabel kualitas produk secara parsial
<
2.052
artinya
tidak berpengaruh terhadap
variabel kepuasan pelanggan.
DAFTAR PUSTAKA
Agusyana, Yus, 2011, Olah Data Skripsi dan Penelitian dengan SPSS 19,
Jakarta, Elex Media Komputindo
Duwi Priyatno, 2010, Teknik Mudah dan Cepat Melakukan Penelitian dengan
SPSS dan Tanya jawab Ujian Pendadaran, Yogyakarta, Gava Media
SPSS
48
Duwi Priyatno, 2009, SPSS untuk Analisis Korelasi, Regresi, dan Multivariate,
Yogyakarta, Gava Media
Komputer, Wahana, 2010, Mudah Belajar Statistik SPSS 18, Semarang,

Penerbit Andi
Sambas Ali Muhidin & Maman Abdurahman, 2011, Analisis Korelasi, Regresi
dan Jalur dalam Penelitian, Pustaa Setia, Bandung.
Singgih Santoso, 2014, Statistik Multivariat konsep dan Aplikasi dengan

SPSS, Elex media Computindo, Jakarta.
Sugiyono, Prof. Dr, 2012, Metode Penelitian Kuantitatif Kualitatif dan RD,
Bandung, Alfabeta
V. Wiratna Sujarweni, 2014, SPSS untuk Penelitian, Pustaka Baru Press,

Yogyakarta

SPSS
49

Pedoman SPSS

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Pedoman SPSS

Diunggah oleh

Hak Cipta:

Format Tersedia

PENGOLAHAN DATA PENELITIAN

Lucky Lukman, SE.MM

Lucky Lukman, SE.MM | Pengolahan Data Penelitian menggunakan

Ukuran Data untuk

menentukan analisis apa yangakan digunakan.

: data yang didapat dari hasil kategorisasi dan menunjukan

kesejajaran yang sama, jadi

bukan 2 lebih tinggi dari 1

data yang didapat bukan dari hasil kategorisasi. Data Inin

berupa data interval dan data rasio.

Data ini dapat dilakukan

Data pendapatan, data produksi, data

konsep yang nilainya bervariasi atau berubah-ubah.

Lucky Lukman, SE.MM | Pengolahan Data Penelitian menggunakan

variabel yang nilainya

dipengaruhi oleh variabel lain. Contoh : tingkat penjualan, tingkat produksi,

konsumen, kinerja karyawan, dsb

kompensasi, biaya produksi, biaya promosi,

biaya penjualan, dsb

Variabel Kontrol Variabel yang dikendalikan atau nilainya dibuat

tidak dipengaruhi oleh variabel lain

Variabel yang mempengaruhi hubungan

independen dengan variabel dependen.

Dalam manganalisis data perlu juga kita memperhatikan sumber datanya.

Data Primer adalah data yang diperoleh peneliti secara langsung

fokus, dan panel, atau

juga data hasil wawancara peneliti dengannara sumber.

Data Sekunderdata yang diperoleh peneliti dari sumber yang sudah

ada. Contoh data sekunder misalnya catatan atau dokumentasi

perusahaan, laporan pemerintah, data yang diperoleh dari majalah,

Lucky Lukman, SE.MM | Pengolahan Data Penelitian menggunakan

penghitungan yang lebih panjang dibandingkan apabila kita menggunakan

TAHAPAN ANALISIS DATA DENGAN SPSS

Uji Validitas Data

Uji Reliabilitas Data

Uji Normalitas Data

Uji Asumsi Klasik

Uji Normalitas Data

Analisis Regresi Linier Berganda

Analisis Koefisien Determinasi (R2 / R Square)

Lucky Lukman, SE.MM | Pengolahan Data Penelitian menggunakan

Untuk Penelitian yang menggunakan Data Primer, semua tahapan

Sedangkan untuk penelitian yang

analisis data cukup dilakukan mulai

tahapan ke 4 sampai dengan tahapan terakhir. Dalam melakukan analisis

III. UJI VALIDITAS DATA

tidak dapat dipercaya, sehingga item

yang tidak valid harus dibuang atau di perbaiki.

Pearson Correlation ( Product Moment Pearson)

antara skor tiap item dengan skor total instrumen.

mengkorelasikan tiap item

dengan skor total kemudian hasil dikoreksi

agar tidak overestimasi.

Lucky Lukman, SE.MM | Pengolahan Data Penelitian menggunakan

Kita dapat menggunakan atau memilih salah satu metode tersebut

Lucky Lukman, SE.MM | Pengolahan Data Penelitian menggunakan

Data Kualitas Pelayanan (X1)

Lucky Lukman, SE.MM | Pengolahan Data Penelitian menggunakan

Data Kualitas Produk (X2)

Lucky Lukman, SE.MM | Pengolahan Data Penelitian menggunakan

Dari Tabulasi tersebut Kita masukan data-data tersebut kedalam lembar

Uji Validitas menggunakan Metode Pearson Correlation

ambil contoh dengan Menguji Validitas Data Kepuasan Pelanggan (Y)

Gambar Variable View