Anda di halaman 1dari 9

Penjelasan Analisis Statistik dengan SPSS

1. Tabel Data View


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
35
36
37
38
39
40
41
42
43
44
45
46
47

Prestasi_kerja
3
3,3
3
3,3
3
3,6
3
3,3
3,3
3
3
3
3,3
3,3
3,3
3
3
3,3
3
3
2,6
3
3
3
3
3,3
3
3
3,3
3,3
3
3
3
3
3,3
2,6
3
3
3
3
3
3
3
3
3
3,3
3

Fasilitas_kerja
2,6
2,6
2,6
2,6
2,6
3
3
3,3
4
3,3
3,3
3
3,6
3
3,3
3,6
3
3,6
3
2,6
3,3
2,6
2,6
2,3
3
3,3
2,6
2,6
2,3
3
2,6
3
3
2,6
3
2,3
3
2,6
2,6
3
2,6
2,3
3,6
2,6
3
3,6
3

Kemampuan
3
3,3
3
3,3
3,3
4
3,3
3,3
3
3
3
2,6
3
4
3,6
3
3,3
4
3,3
4
2,6
3,3
3,6
3,3
3,3
3,6
3,6
3,6
3,3
4
4
3
3
3,3
3,3
3
3,3
3
4
2,6
3
2,6
3,3
3,3
3,3
4
3

Pembagian_kerja
3
3,3
3,3
3,6
3,6
3
2,6
3,6
3,3
3,3
3
3,3
3,6
3,3
3,6
3,3
3,3
3,3
3
3,3
2,6
3,3
2,6
3
3,3
3,3
3
3,3
3,6
3,3
3
3,3
4
3,3
3,6
3,6
4
3,3
3,3
3,6
4
4
3
3,6
3,6
3,6
3,3

48
49
50
51
52
53
54
55

3,3
3
3,3
3
3
3
3
3,3

2,3
3
2,6
3
2,6
3
2,3
3,3

3,6
3
3
3,3
2,6
3,3
3,6
3

4,6
4
4
4
4
3,6
3,3
3,6

2. Statistik Deskreptif

N
Prestasi Kerja
Fasilitas Kerja
Kemampuan
Pembagian Kerja
Valid N (listwise)

55
55
55
55
55

Descriptive Statistics
Range Minimum Maximum
1,00
2,60
3,60
1,70
2,30
4,00
1,40
2,60
4,00
2,00
2,60
4,60

Mean
Std. Deviation Variance
3,0836
,17926
,032
2,9036
,40229
,162
3,2891
,39519
,156
3,4200
,39129
,153

Dari perintah Analyze Discriptive statistics maka akan keluar output data
seperti di tabel atas. N menunjukkan jumlah responden; Range adalah niali
jumlah maksimum minimum; Minimum dan maximum merupakan nilai
minimal dan maksimal dari nilai responden; Mean berarti rata-rata nilai; Std
Deviation merupakan simpangan baku nilai; dan Variance merupakan
pangkat dua dari simpangan baku.
3. Korelasi
a. Pengujian Dua Arah
Correlations
Prestasi Kerja Fasilitas Kerja Kemampuan
Prestasi Kerja
Pearson Correlation
1
,263
,424**
Sig. (2-tailed)
,053
,001
N
55
55
55
Fasilitas Kerja
Pearson Correlation
,263
1
-,025
Sig. (2-tailed)
,053
,854
N
55
55
55
**
Kemampuan
Pearson Correlation
,424
-,025
1
Sig. (2-tailed)
,001
,854
N
55
55
55
Pembagian Kerja Pearson Correlation
,197
-,163
-,190
Sig. (2-tailed)
,148
,235
,164
N
55
55
55
**. Correlation is significant at the 0.01 level (2-tailed).

Pembagian
Kerja
,197
,148
55
-,163
,235
55
-,190
,164
55
1
55

Teknik korelasi yang kita pakai adalah pearson, kemudian dapat kita baca
korelasi kedua variabel tersebut sebesar 0,424 dengan tanda bintang 2. Ini
berarti nilai koefisien
Korelasinya sebesar 0,424.
Sig.(2-tailed) berarti jika kita menggunakan taraf signifikansi 5%, maka
korelasi signifikan jika nilai Sig(2-tailed) lebih kecil dari 0,05. dan tidak
signifikan jika lebih besar dari 0,05. Dari hasil out put maka kesimpulannya
ada korelasi yang signifikan.
-

Variabel Fasilitas Kerja sig (2 tailed) terhadap variabel Prestasi Kerja


sebesar 0,053 yang berarti kedua variabel tersebut tidak terdapat
hubungan yang signifikan
Variabel Kemampuan sig (2 tailed) terhadap variabel Prestasi Kerja
sebesar 0,001 yang berarti kedua variabel tersebut terdapat hubungan
yang signifikan
Variabel Pembagian Kerja sig (2 tailed) terhadap variabel Prestasi Kerja
sebesar 0,053 yang berarti kedua variabel tersebut tidak terdapat
hubungan yang signifikan
Demikian juga hubungan-hubungan antar variabel X1, X2, dan X3 bisa
dilihat besaran sig (2 tailed).
Catatan tanda 2 bintang di bawahnya( **).correlation is significant at
the 0.01 level. ini artinya korelasi ini signifikan pada level/taraf 1%. Jika
korelasi signifikan pada 1% maka sudah pasti juga signifikan pada 5%,
tetapi jika signifikan pada 5% belum tentu signifikan pada level 1%.
Dari contoh yang kita analisis diatas, maka kesimpulan yang kita ambil
adalah menerima H1 yaitu Ada hubungan yang signifikans antara
tinggi badang dan kecepatan berlari. Dengan demikian berarti kita
juga menolak H0.
b. Pengujian Satu Arah
Correlations

Prestasi Kerja Fasilitas Kerja Kemampuan


Pearson Correlation Prestasi Kerja
1,000
,263
,424
Fasilitas Kerja
,263
1,000
-,025
Kemampuan
,424
-,025
1,000
Pembagian Kerja
,197
-,163
-,190
Sig. (1-tailed)
Prestasi Kerja
.
,026
,001
Fasilitas Kerja
,026 .
,427
Kemampuan
,001
,427 .
Pembagian Kerja
,074
,117
,082 .
N
Prestasi Kerja
55
55
55
Fasilitas Kerja
55
55
55
Kemampuan
55
55
55
Pembagian Kerja
55
55
55

Pembagian
Kerja
,197
-,163
-,190
1,000
,074
,117
,082
55
55
55
55

Dengan perintah : Analyze correlate bivariate menghasilkan matrik di


atas. Pada matriks korelasi tersebut, didapatkan angka signifikansi untuk
hubungan antar seluruh variabel independent dengan variabel dependent.
Signifikansi dengan 1 tailed, dengan jumlah responden (N) sebanyak 55.
-

Korelasi variabel Y ( Prestasi Kerja) dengan variabel X1 (Fasilitas Kerja)


bernilai di bawah 0,05 (<0,05), sehingga dapat disimpulkan bahwa
terdapat hubungan yang signifikan

Korelasi variabel Y ( Prestasi Kerja) dengan variabel X2 (Kemampuan)


bernilai di bawah 0,05 (<0,05), sehingga dapat disimpulkan bahwa
terdapat hubungan yang signifikan

Korelasi variabel Y ( Prestasi Kerja) dengan variabel X3 (Pembagian


Kerja) bernilai di atas 0,05 (>0,05), sehingga dapat disimpulkan
bahwa tidak terdapat hubungan yang signifikan antara kedua variabel
ini

Cara membaca informasi dan telaah yang sama, berlaku pula pada
hubungan antara variabel-variabel lain yang ada pada tabel.

Variables Entered/Removedb
Model Variables
Variables
Entered
Removed Method
d1
Pembagian .
Enter
i
Kerja,
m
Fasilitas
e
Kerja,
n
Kemampuan
a
s
i
o
n
0
a. All requested variables entered.
b. Dependent Variable: Prestasi Kerja
Hasil variabel Enter/Removed merupakan penentuan pilihan Enter (default)
pada form Method, dialog box Option.

Model
R
,605a

Model Summaryb
Adjusted R
R Square
Square
,366
,329

Std. Error of
the Estimate
,14683

d1
i
m
e
n
s
i
o
n
0
a. Predictors: (Constant), Pembagian Kerja, Fasilitas Kerja,
Kemampuan
b. Dependent Variable: Prestasi Kerja

Informasi dari model summary antara lain bahwa koefisien korelasi simultan
adalah 0,605. Nilai ini menunjukkan bahwa hubungan antara semua variabel
X denga variabel Y adalah sangat kuat. Informasi lain yang diperoleh adalah
berapa koefisien determinasi R Square adalah sebesar (0,366) x 100% =
36,6%. Ini menunjukkan bahwa hanya sebesar 36,6% variasi variabel
dependent (Y) dapat dijelaskan oleh 2 variabel independent (X1 dan X2),
artinya pengaruh variabel independen terhadap perubahan variabel
dependen adalah 36,6%, sedangkan sisanya sebesar 63,4% dipengaruhi oleh
variabel lain selain variabel independen X1 dan X2.

ANOVAb
Model

Sum of
Squares
df
Mean Square
F
1
Regression
,636
3
,212
9,829
Residual
1,100
51
,022
Total
1,735
54
a. Predictors: (Constant), Pembagian Kerja, Fasilitas Kerja, Kemampuan
b. Dependent Variable: Prestasi Kerja
Rumusnya mencari F tabel adalah sebagai berikut :
df1 = k -1
df2 = n k
Dimana :
k : adalah jumlah variabel (bebas + terikat)
n : adalah jumlah observasi/sampel pembentuk regresi.

Sig.
,000a

Pada bagian ini ditampilkan tabel analisis varian (Anova). Dari tabel di bawah
didapat nilai F = 9,829 yang dapat digunakan untuk melakukan uji hipotesis
atau F-test dalam memprediksi kontribusi variabel-variabel independent (X1
dan X2) terhadap variabel dependent (Y).
Hypothesis:
H0: 1 = 2 = 0
H1: Minimal satu dari dua variabel tidak sama dengan nol
Dengan menentukan level of significant = 5% (0,05) dan degree of freedom
untuk df1 = 3 dan df2 = 51, maka didapat dari tabel (dalam buku statistik) Ftabel = 2,79.
Oleh karena F-hitung = 9,829 > F-tabel (0,05) = 2,79, maka H0 ditolak dan
H1 diterima. Kesimpulannya, bahwa variabel independent (X1 dan X2)
dengan signifikan memberikan kontribusi terhadap variabel dependent.

Coefficientsa
Model
Unstandardized Coefficients
B
Std. Error

Standardized
Coefficients
Beta

Sig.

(Constant)
1,369
,327
4,182
,000
Fasilitas Kerja
,148
,050
,332
2,932
,005
Kemampuan
,226
,052
,498
4,377
,000
Pembagian Kerja
,159
,053
,346
3,004
,004
a. Dependent Variable: Prestasi Kerja
Pada bagian ini ditampilkan nilai koefisien regresi (lihat: nilai-nilai pada
kolom B pada Unstandardized Coefficients di bawah ini) sehingga
terbentuk persamaan regresi:
= a + bX1 + cX2 = 1,369 +0,148X1 + 0,226X2 +0,159X3
Pada bagian Unstandardized Coefficients ini ditampilkan juga Standard Error
dari masing-masing variabel. Nilai pada kolom Beta, ditampilkan Z-score.
Pada kolom berikutnya ditampilkan nilai t dari masing-masing variabel, yang
dapat dimanfaatkan untuk menguji keberartian (t-Test) koefisien regresi yang
didapatkan. Proses pengujiannya menyerupai F-test, yaitu t hitung
dibandingkan dengan nilai t tabel.

Casewise Diagnosticsa
Case Number
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
dimen
28
sion0
29
30
31
32
33
34
35
36
37
38
39
40
41
42

Std. Residual Prestasi Kerja


,634
3,00
1,892
3,30
,310
3,00
1,568
3,30
-,475
3,00
2,780
3,60
,202
3,00
,863
3,30
,944
3,30
-,395
3,00
-,071
3,00
,523
3,00
1,023
3,30
,413
3,30
,402
3,30
-,697
3,00
-,554
3,00
-,191
3,30
-,230
3,00
-1,228
3,00
-1,748
2,60
-,151
3,00
,144
3,00
,475
3,00
-,554
3,00
,726
3,30
-,288
3,00
-,612
3,00
1,870
3,30
,413
3,30
-,903
3,00
-,092
3,00
-,848
3,00
-,151
3,00
1,165
3,30
-2,436
2,60
-1,310
3,00
,310
3,00
-1,228
3,00
,199
3,00
-,446
3,00
,471
3,00

Predicted
Value
Residual
2,9069
,09313
3,0222
,27782
2,9544
,04555
3,0698
,23024
3,0698
-,06976
3,1918
,40820
2,9703
,02969
3,1732
,12676
3,1614
,13859
3,0579
-,05793
3,0104
-,01035
2,9233
,07674
3,1499
,15015
3,2394
,06063
3,2410
,05902
3,1023
-,10228
3,0813
-,08132
3,3281
-,02807
3,0337
-,03374
3,1802
-,18024
2,8566
-,25660
3,0222
-,02218
2,9789
,02109
2,9303
,06974
3,0813
-,08132
3,1934
,10660
3,0423
-,04235
3,0899
-,08992
3,0254
,27459
3,2394
,06063
3,1327
-,13266
3,0136
-,01358
3,1246
-,12458
3,0222
-,02218
3,1289
,17111
2,9577
-,35767
3,1923
-,19232
2,9544
,04555
3,1802
-,18024
2,9708
,02916
3,0655
-,06545
2,9308
,06921

Nilai Prestasi Kerja yang diprediksi (Y) dapat dilihat pada tabel
Casewise Diagnostics (kolom Predicted Value). Sedangkan Residual
(unstandardized residual) adalah selisih antara Prestasi Kerja dengan
Predicted Value, dan Std. Residual (standardized residual) adalah nilai
residual yang telah terstandarisasi (nilai semakin mendekati 0 maka
model regresi semakin baik dalam melakukan prediksi, sebaliknya
semakin menjauhi 0 atau lebih dari 1 atau -1 maka semakin tidak baik
model regresi dalam melakukan prediksi).

Residuals Statisticsa
Minimum Maximum
Mean
Std. Deviation
Predicted Value
2,8566
3,3756
3,0836
,10850
Residual
-,35767
,40820
,00000
,14270
Std. Predicted Value
-2,092
2,691
,000
1,000
Std. Residual
-2,436
2,780
,000
,972
a. Dependent Variable: Prestasi Kerja

4. Charts

N
55
55
55
55

Analisis regresi sangat membantu untuk mendapatkan bukti ilmiah dari


suatu hubungan antara variabel-variabel sekaligus meramalkannya.
Dalam ilmu eksakta hubungan antara variabel-variabel mudah
dibuktikan karena sudah tegas dan diketahui, akan tetapi dalam kajian
ilmu sosial, hubungan antara variabel-variabel pada umumnya masih
belum tegas dan sering tidak diketahui. Oleh karena itu, SPSS
(Statistical Product and Service Solution) pada awal berdirinya memiliki
kepanjangan Statistical Package for the Social Science untuk
menegaskan bahwa SPSS dapat membantu segala kesulitan dalam
kajian ilmu social.
Referensi:
Bahan Kuliah SPSS, A. Suriadiansyah, SE.,M.Si
http://aliefworkshop.com/2013/07/26/analisis-korelasi-dengan-spss
https://eriskusnadi.wordpress.com/2009/12/12/analisis-regresi-dengan-spss
http://www.academia.edu/6005678/PENGERTIAN_KORELASI
http://cara-apapun.blogspot.com/2011/10/analisis-korelasi-dengan-spss.html