Daftar Isi

BAB I. Pengantar Statistik.......................................................................................................1

1. Tujuan Penelitian.......................................................................................................... 1
2. Skala Data.................................................................................................................... 1
3. Jumlah Variabel............................................................................................................ 3
BAB II. Analisis Deskriptif........................................................................................................4
1. Pengertian Analisis Deskriptif.......................................................................................4
2. Contoh Kasus............................................................................................................... 4
a. Langkah-Langkah Analisis Deskriptif........................................................................6
b. Output SPSS............................................................................................................ 8
BAB III. Korelasi.................................................................................................................... 11
1. Pengertian Analisis Korelasi.......................................................................................11
2. Korelasi Pearson Product Moment.............................................................................12
a. Langkah-Langkah Analisis Korelasi Pearson :........................................................13
b. Output SPSS..........................................................................................................15
3. Contoh Kasus Korelasi Spearman ...................................................................................16
a. Langkah-Langkah Analisis Korelasi Spearman.......................................................18
b. Output SPSS..........................................................................................................21
BAB IV. Uji Validitas Dan Reliabilitas.....................................................................................23
1. Pengertian Uji Validitas dan Reliabilitas......................................................................23
2. Uji Validitas................................................................................................................. 23
a. Langkah-Langkah Uji Validitas................................................................................24
b. Output SPSS..........................................................................................................26
3. Uji Reliabilitas......................................................................................................... 27
a. Langkah-langkah Uji Reliabilitas.............................................................................27
b. Output SPSS..........................................................................................................29
BAB V. Uji Komparatif...........................................................................................................30
1. Uji T Tidak Berpasangan (Independent T Test)...........................................................30
a. Langkah-langkah Analisis.......................................................................................30
b. Output SPSS.......................................................................................................... 32
2. Uji T Berpasangan (Paired- T Test)............................................................................33
a. Langkah-langkah analisis Uji-T berpasangan.........................................................33
b. Output SPSS..........................................................................................................34
3. ANOVA (Analisis Of Variance)....................................................................................35
a. Langkah-langkah ANOVA.......................................................................................36
b. Outputs SPSS.........................................................................................................37
BAB VI. Regresi.................................................................................................................... 39
1. Pengertian Analisis Regresi........................................................................................39
2. Asumsi dalam Regresi................................................................................................39
3. Contoh Kasus.............................................................................................................41
a. Langkah-Langkah Analisis Regresi.........................................................................42
b. Output SPSS..........................................................................................................44

BAB I
Pengantar Statistik
Statistik adalah metode, ilmu dan seni yang dipergunakan untuk mempelajari
pengumpulan data, analisis data dan interpretasi hasil analisis serta mempergunakannnya
untuk maksud peramalan. Statistika sering digunakan dalam penelitian kuantitatif, untuk
mengumpulkan, mengolah, dan mengambil kesimpulan. Pemilihan metode statistika
dipengaruhi oleh beberapa hal antara lain :

1. Tujuan Penelitian
Metode analisis statistika yang dipakai dalam penelitian tergantung dari tujuan
peneliti sendiri, apakah tujuan penelitian tersebut ingin menggambarkan objek penelitian
saja, atau membandingkan beberapa objek, atau ingin mengetahui hubungan antar objek
penelitian. Sehingga berdasarkan tujuan penelitiannya metode analisis statistik dapat dibagi
menjadi 3 antara lain :
a. Deskriptif : menggambar dan menjelaskan objek penelitian
Contoh : Analisis profil perusahaan gudang garam, deskripsi pegawai di kantor
perpajakan kota Malang, dan lain sebagainya
b. Komparatif : membandingkan dua atau lebih objek penelitian
Contoh : Membandingkan kualitas produk dari dua perusahaan yang berbeda,
mengetahui income perusahaan sesudah dilakukan pembaruan strategi perusahaan,
dan lain sebagainya
c. Assosiatif : mengetahui hubungan dan pengaruh antar variabel penelitian
Contoh : Meneliti pengaruh laba perusahaan terhadap nilai perusahan, dan lain
sebagainya

2. Skala Data
Berdasarkan skala pengukurannya, data dapat dibedakan menjadi data nominal,
ordinal, interval dan ratio.
1) Data Nominal adalah data yang dinyatakan dalam bentuk kategori dan mengandung
unsur penamaan Data nominal mempunyai dua ciri :
a. Kategori data bersifat mutually exclusive (satu objek masuk hanya pada satu kelompok
saja),
b. Kategori data tidak disusun secara logis.
Contoh data nominal:
Jurusan Mahasiswa
Statistika
Ilmu Pemerintahan
Keperawatan

Skor yang mungkin

1
2
3
2
1
1
3
3
2
1

Statistika adalah pendekatan kuantitatif, sehingga data nominal yang bersifat kualitatif
harus dirubah menjadi data kuantitatif dengan cara pemberian skor (skoring). Yang perlu
diperhatikan bahwa dalam pemberian skor data nominal bersifat sembarang, yaitu hanya
sekedar untuk dapat membedakan (penamaan saja) sehingga dapat di bolak-balik.
2) Data Ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur
urutan (order=urut). Ciri dari data ini kategori data disusun berdasarkan urutan logis dan
sesuai dengan besarnya karakteristik yang dimiliki.
Contoh data ordinal:
Preferensi
Peralatan dan Teknologi canggih (seperti computer) yang

Skor
4

dimiliki BRI
Penataan desain dan baik interior maupun eksterior BRI
Penampilan dan kerapian karyawan BRI
Kebersihan dan kerapihan fasilitas BRI

2
3
4

3
2
1

Perbedaan antara pembuatan skor untuk data ordinal dan nominal adalah jika data
nominal skor dapat dibuat sembarang (tidak harus urut), tetapi untuk data ordinal urutan
menunjukkan arah tingkatan.
3) Data Interval adalah data yang selain mengandung unsur penamaan dan urutan juga
memiliki sifat interval (selangnya bermakna). Disamping itu data ini memiliki ciri angka
nolnya tidak mutlak. Skala interval mempunyai ciri matematis additivity, artinya kita dapat
menambah atau mengurangi.
Contoh data interval:
IP
0
1
2
3
4

Suhu (Derajat Celcius)

0
10
20
30
40

Perhatikan bahwa 0 pada indeks Prestasi barangkali akan setara dengan < 30 untuk
skala nilai 1 100 dan 0 pada suhu dengan derajat celcius = 32o F.
4) Data Rasio adalah data yang memiliki unsur penamaan, urutan, intervalnya bermakna
dan angka nolnya mutlak (fixed zero point), sehingga rationya mempunyai makna.
Contoh data rasio:
Luas Bangunan (

Produksi
(satuan)

)
25

530
2

35
45

600
750

Disebut nolnya mutlak sebab memang tidak akan ada perusahaan yang produksinya
0. kalau produksinya nol berarti tidak ada perusahaan. Atau jika ada bangunan dengan luas
0 m2 itu berarti tidak ada bangunannya.

3. Jumlah Variabel
Jumlah variabel penelitian juga menentukan analisis statistika yang akan dipakai
pada suatu penelitian, analisis statistika yang digunakan untuk membandingkan dua
perusahaan

hanya

berdasarkan

jumlah

penjualannya

saja

jelas

berbeda

jika

membandingkan berdasarkan jumlah karyawan, aset, dan juga laba perusahaan perbulan.
Sehingga berdasarkan jumlah variabelnya analisis statistik dibagi menjadi 2 antara lain:
1. Analisis Statistik Univariat : Analisis Statistika yang memperhitungkan faktor atau
variabel tungal
Contoh : membandingkan jumlah pernjualan barang dari perusahaan A dan perusahaan
B
2. Analisis Statistik Multivariat : Analisis Statistika yang memperhitungkan banyak faktor
atau multi variabel
Contoh : membandingkan nilai perusahaan dilihat dari laba, aset, dan berbagai aspek
lainnya

BAB II
Analisis Deskriptif

1. Pengertian Analisis Deskriptif

Statistik deskriptif adalah statistik yang berfungsi untuk mendeskripsikan atau
memberi gambaran terhadap obyek yang diteliti melalui data sampel atau populasi
sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku
untuk umum. Contohnya kita ingin membuat profil sebuah perusahaan dengan memberi
gambaran berupa jumlah karyawan dan komposisi jenis kelamin dari keseluruhan karyawan,
umur, gaji, tempat tinggal dan lain sebagainya.
Analisis statistika deskriptif ini meliputi beberapa hal sub menu deskriptif statistik
seperti frekuensi, deskriptif, eksplorasi data, tabulasi silang dan analisis rasio. Analisis
deskriptif merupakan analisis yang mencakup gambaran frekuensi data secara umum seperti
mean, median, modus, simpangan baku, ragam, nilai minimum, maksimum dan sebagainya.
Data yang dipakai untuk statistik deskriptif berupa data kualitatif maupun data kuantitatif.
Penyajian data secara numerik dapat mengetahui deskripsi data dalam bentuk tabel dan
juga dalam bentuk diagram.
Statistika deskriptif bertujuan untuk mensederhanakan penyajian data, serta
membuat penyajian data lebih menarik dan mudah dipahami salah satunya dengan
menggunakan diagram maupun tabel.

2. Contoh Kasus
Kualitas Pelayanan Dalam Membayar Pajak di Kota Batu
Data Karakteristik Responden
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Jenis Kelamin
Laki-Laki
Laki-Laki
Perempuan
Perempuan
Laki-Laki
Laki-Laki
Laki-Laki
Laki-Laki
Laki-Laki
Laki-Laki
Laki-Laki
Perempuan
Perempuan
Perempuan

Pendidikan
SMA
SD
SMA
Sarjana
Sarjana
SMA
SMP
SMA
Sarjana
SMP
SMA
SD
SMA
SD

Kualitas Pelayanan
5
2
3
1
4
4
4
5
5
3
3
3
4
4
4

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
48
49
50

Perempuan
Perempuan
Laki-Laki
Laki-Laki
Perempuan
Laki-Laki
Laki-Laki
Laki-Laki
Perempuan
Perempuan
Laki-Laki
Laki-Laki
Perempuan
Laki-Laki
Perempuan
Perempuan
Laki-Laki
Perempuan
Perempuan
Perempuan
Perempuan
Perempuan
Perempuan
Perempuan
Perempuan
Perempuan
Laki-Laki
Laki-Laki
Laki-Laki
Perempuan
Laki-Laki
Laki-Laki
Laki-Laki
Laki-Laki
Laki-Laki
Perempuan

SMA
Sarjana
SMP
SMA
Sarjana
Sarjana
SD
SMP
SMP
SMA
Sarjana
Sarjana
SMA
SMA
Sarjana
Sarjana
SMP
SMA
SMA
SMA
Sarjana
SD
SD
SD
SMP
SMP
SMA
SD
SD
SMA
SMP
SMP
SD
SD
SMP
SMP

4
2
2
1
4
4
4
2
2
5
4
4
4
3
3
3
3
4
4
4
4
4
4
5
5
3
3
3
3
4
4
4
4
4
4
5

a. Langkah-Langkah Analisis Deskriptif

1. Input Data Contoh Penelitian (Data Kualitas Pelayanan Pembayaran Pajak Kota Batu)

2. Menuliskan Nama variabel pada kotak variabel view

3. Klik Menu Analyze, Kemudian pilih menu Descriptive, Klik Frequencies

4. Setelah muncul kotak dialog seperti dibawah, klik tanda panah ke arah kanan untuk
memasukkan variabel yang akan di deskripsikan

5. Setelah semua dipindahkan semua variabel dipindahkan, klik tombol chart untuk
membuat diagram pada variabel yang akan dideskriptifkan

6. Setelah muncul kotak dialog seperti di bawah, pilih diagram yang diinginkan contoh
diagram pie (pie chart), setelah itu klik continue

7. Setelah muncul kembali kotak seperti dibawah, klik ok

b. Output SPSS
Setelah di lakukan analisis maka akan keluar output seperti dibawah ini :
Frequencies

Valid
Missing

Statistics
Pelayanan Jenis_Kelamin Pendidikan
50
50
50
0
0
0

Pada Output Baris Valid diatas menunjukkan jumlah data pada masing-masing
variabel yang telah diinput sedangkan baris Missing menunjukkan jumlah data yang hilang

Frequency Table
Jenis_Kelamin
Frequency Percent

Valid

Perempuan
Laki-Laki
Total

24
26
50

48.0
52.0
100.0

Valid
Percent
48.0
52.0
100.0

Cumulative
Percent
48.0
100.0

Pendidikan
8

Frequenc

Percent

Valid

Valid

SD
SMP
SMA
Sarjana
Total

10
13
16
11
50

Percent
20.0
26.0
32.0
22.0
100.0

20.0
26.0
32.0
22.0
100.0

Pelayanan
Frequenc Percent
y
sangat tidak

Valid

puas
tidak puas
Cukup
Puas
Sangat Puas
Total

Cumulative
Percent
20.0
46.0
78.0
100.0

Valid

Cumulative

Percent

Percent

4.0

4.0

4.0

5
12
24
7
50

10.0
24.0
48.0
14.0
100.0

10.0
24.0
48.0
14.0
100.0

14.0
38.0
86.0
100.0

Output Frequency Table menunjukkan frekuensi masing-masing kelompok yang

terdapat pada variabel penelitian, kolom percent menunjukkan peresentase kelompok dari
keseluruhan dengan mengikutsertakan data yang hilang, sedangkan valid percent
presentase tanpa menghitung data yang hilang.

Output diagram yang didapat sama dengan output di excel namun tampilan grafisnya
lebih baik, sehingga lebih representative jika digunakan untuk presentasi

10

BAB III
Korelasi

1. Pengertian Analisis Korelasi

Analisis Korelasi merupakan studi yang membahas tentang derajat keeratan
hubungan antar peubah, yang dinyatakan dengan Koefisien Korelasi. Analisis Korelasi dapat
digunakan untuk mengetahui hubungan satu variabel penelitian dengan variabel penelitian
yang lain.
Analisis Korelasi hanya dapat digunakan untuk mengetahui keeratan hubungan
bukan arah hubungan, sehingga analisis korelasi tidak dapat menentukan pengaruh.
Terdapat banyak sekali jenis analisis korelasi berdasarkan jenis datanya,

namun yang

sering digunakan dalam penelitian sosial maupun ekonomi adalah korelasi pearson dan
korelasi spearman.
Korelasi Pearson digunakan untuk mengetahui hubungan antar variabel yang
datanya berupa data numerik (skala data : interval dan rasio). Contohnya jika kita ingin
meneliti hubungan antara jumlah penjualan dengan laba harian, atau meneliti hubungan
ukuran perusahaan dengan kinerja perusahaan, dan lain sebagainya.
Korelasi Spearman digunakan untuk mengetahui hubungan antar variabel yang
datanya berupa data ordinal, kebanyakan kasus berupa data persepsi. Contohnya jika kita
ingin mengetahui minat baca koran mahasiswa dengan wawasan politik mahasiswa, dan lain
sebagainya.
Analisis korelasi bertujuan untuk mengetahui arah dan keeratan antar variabel, untuk
menentukan keeratan tersebut dapat dilihat dari koefisien korelasi, berikut beberapa hal
yang perlu diketahui tentang koefisien korelasi :
1. Nilai Koefisien korelasi besarnya berada diantara -1 sampai 1, semakin besar maka
keeratan hubungannya semakin dekat
2. Arah hubungan ditentukan oleh tanda koefisien korelasi yaitu jika,
a. Positif, artinya jika X naik (turun) maka Y naik(turun).
b. Negatif, artinya jika X naik (turun) maka Y turun(naik).
c. Bebas, artinya naik turunnya Y tidak dipengaruhi oleh X
3. Keeratan hubungan berdasarkan koefisien korelasi dapat digolongkan 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

11

2. Korelasi Pearson Product Moment

Contoh kasus: Hubungan Inflasi terhadap IHSG
Data
No

Periode

1
2

Kurs

No

Periode

Desember 2013
Nopember

Rupiah
12087.1000
10392.7000

IHSG
4274.18
4256.44

26
27

3
4
5
6
7
8
9
10
11
12
13

2013
Oktober 2013
Sep-13
Agustus 2013
Juli 2013
Juni 2013
Mei 2013
Apr-13
Maret 2013
Februari 2013
Januari 2013
Desember 2012

11366.9000
9022.6000
8938.4000
8927.9000
10073.4000
9482.7000
9760.9000
9709.4000
11852.8000
9687.3000
9645.9000

4510.63
4316.18
4195.09
4610.38
4818.9
5068.63
5034.07
4940.99
4795.79
4453.7
4316.69

14

Nopember

9628.0000

15
16
17
18
19
20
21
22
23
24
25

2012
Oktober 2012
Sep-12
Agustus 2012
Juli 2012
Juni 2012
Mei 2012
Apr-12
Maret 2012
Februari 2012
Januari 2012
Desember 2011

9597.1000
9566.4000
11346.2000
10572.5000
9499.8000
9456.6000
9451.1000
9290.2000
9175.5000
9165.3000
9025.8000

Kurs

IHSG

Nopember 2011
Oktober 2011

Rupiah
9109.1000
9088.5000

3715.08
3790.85

28
29
30
31
32
33
34
35
36
37
38

Sep-11
Agustus 2011
Juli 2011
Juni 2011
Mei 2011
Apr-11
Maret 2011
Februari 2011
Januari 2011
Desember 2010
Nopember

9015.2000
8895.2000
8765.5000
8532.0000
8533.2000
8564.0000
8555.8000
8651.3000
8761.5000
8912.6000
9037.4000

3549.03
3841.73
4130.8
3888.57
3836.97
3819.62
3678.67
3470.35
3409.17
3703.51
3531.21

4276.14

39

2010
Oktober 2010

8975.8000

3635.32

4350.29
4262.56
4060.33
4142.34
3955.58
3832.82
4180.73
4121.55
3985.21
3941.69
3821.99

40
41
42
43
44
45
46
47
48
49
50

Sep-10
Agustus 2010
Juli 2010
Juni 2010
Mei 2010
Apr-10
Maret 2010
Februari 2010
Januari 2010
Desember 2009
Nopember

8971.8000
9049.5000
9148.4000
9183.2000
9027.3000
9173.7000
9348.2000
9275.5000
9457.8000
9470.0000
9881.5000

3501.3
3081.88
3069.28
2913.68
2796.96
2971.25
2777.3
2549.03
2610.8
2534.36
2415.84

2009

a. Langkah-Langkah Analisis Korelasi Pearson :

1. Input Data yang Akan dianalisis terlebih dahulu

12

2. Klik Menu Analysis, Lalu Pilih Correlate, Kemudian Klik Bivariate

3. Setelah Muncul Kotak Seperti pada gambar, pilih variabel yang akan diuji korelasi lalu
tekan tombol kanan untuk memindah variabel ke kotak variable

13

4. Setelah variabel yang akan dianalisis sudah berada di kotak variabel, kemudian pada
pilihan coefficient correlation, pilih pearson

5. Jika Sudah dicentang, kemudian klik Ok

b. Output SPSS
Kemudian Akan Muncul Output dibawah Ini
14

Correlations
Kurs_Rupiah
Kurs_Rupiah Pearson

IHSG

.578**

Correlation
Sig. (2-tailed)
N
IHSG

Pearson

.000
60

60

**

.578

Correlation
Sig. (2-tailed)
N

.000
60

60

**. Correlation is significant at the 0.01 level (2-tailed).

Untuk Melihat Signifikan atau tidaknya hubungan antara dua variabel tersebut, pada
contoh ini yaitu kurs rupiah dan IHSG, dapat dilihat pada nilai Signifikansi korelasi pearson,
jika nilai signifikansi lebih kecil dari pada derajat kesalahan (alpha) dalam penelitian yaitu
sebesar 5% atau 0,05 maka dapat disimpulkan terdapat hubungan yang signifikan antara
kedua variabel tersebut.
Pada Contoh Kasus dapat disimpulkan bahwa Terdapat hubungan antara Kurs Rupiah
dengan IHSG karena nilai sig lebih kecil dari 0.05.

3.

Contoh Kasus Korelasi Spearman :

Pengaruh Peningkatan Kualitas Mutu Pelayanan KPP dengan Bertambahnya Jumlah Wajib
Pajak (Studi Kasus KPP Pratama Batu)
Kepatuhan Wajib Pajak
4
5
5
3
5
4
5
4
3
4
4
5
4
4
4
4
4

Pelayanan
4
4
4
3
5
4
5
5
4
3
3
4
4
4
4
3
4
15

4
3
5
3
5
5
4
4
1
4
3
5
5
5
5
4
5
4
4
5
5
5
4
4
5
5
4
4
5
5
5
5
5
4
4
4
3
4
4
4
5
5
4
4
5
5
4
4

3
5
3
4
4
4
4
5
3
4
4
5
5
5
5
4
3
3
5
4
4
4
4
4
4
4
4
4
3
2
4
4
4
3
4
4
3
5
5
4
4
5
3
4
5
4
3
4
16

5
4
5
5
5
5
3
5
5
5
5
4
3
5
4
4
5
5
5
5
4
4
4
4
4
4
4
5
4
4
4
4
4
4
5

4
4
4
4
4
4
4
4
4
5
4
5
4
5
5
4
5
5
4
4
5
4
4
4
4
4
3
5
3
3
4
5
5
5
4

a. Langkah-Langkah Analisis Korelasi Spearman

1. Input Data yang akan dianalisis

17

2. Klik Menu Analyze, pilih correlate, kemudian klik bivariate

3. Setelah muncul kotak dialog seperti dibawah pindahkan semua variabel yang akan diuji
hubungannya

18

4. Setelah Semua variabel yang diuji dipindahkan ke kotak varibel (sebelah kanan),
kemudian centang spearman pada correlation coefficient

5. Kemudian Klik Ok

19

b. Output SPSS
Kemudian Akan Muncul Output dibawah
Correlations
Kepatuhan
Wajib
Pajak

Pelayanan

1.000

.199*

.047

100

100

.199*

1.000

Sig. (2-tailed)

.047

100

100

Spearman's rho Kepatuhan Correlation

Wajib

Coefficient

Pajak

Sig. (2-tailed)
N

Pelayanan Correlation
Coefficient

*. Correlation is significant at the 0.05 level (2-tailed).

Untuk Melihat Signifikan atau tidaknya hubungan antara dua variabel tersebut, pada
contoh ini yaitu peningakatan kualitas pelayanan dengan kepatuhan membayar pajak, dapat
dilihat pada nilai Signifikansi korelasi spearman, jika nilai signifikansi lebih kecil dari pada
derajat kesalahan (alpha) dalam penelitian yaitu sebesar 5% atau 0,05 maka dapat
disimpulkan terdapat hubungan yang signifikan antara kedua variabel tersebut.
Sehingga pada contoh kasus ini dapat disimpulkan bahwa terdapat hubungan antara
Kepatuhan Wajib Pajak dengan Kualitas Pelayanan karena nilai sig lebih kecil dari 0.05.

20

BAB IV
Uji Validitas Dan Reliabilitas

1. Pengertian Uji Validitas dan Reliabilitas

Dalam penelitian seringkali menggunakan instrument kuesioner. Dalam menyusun
kuesioner, terdapat dua kriteria kuesioner yang baik yaitu harus valid dan reliabel. Hasil
penelitian dinyatakan valid bila terdapat kesamaan antara data yang terkumpul dengan data
sesungguhnya. Selanjutnya, bila suatu hasil penelitian dapat dikatakan reliabel jika
kuesioner tersebut konsisten bila digunakan untuk waktu yang berbeda.
Jika butir-butir pertanyaan sudah valid dan reliabel berarti butir-butir tersebut sudah
dapat untuk mengukur faktornya, yang kemudian menguji apakah faktor-faktor sudah valid
untuk mengukur konstruk yang ada. Dalam pengujian butir, dapat saja ada butir-butir
pertanyaan yang tidak valid dan tidak reliabel, sehingga harus dibuang atau diganti
kalimatnya. Analisis dimulai dengan menguji validitas terlebih dahulu dan diikuti uji
reliabilitas. Jika sebuah butir tidak valid, maka otomatis butir tersebut dibuang dan butir-butir
pertanyaan yang valid kemudian baru secara bersama diukur reliabilitasnya. Tujuan dari
pengujian validitas dan reliabilitas kuesioner adalah untuk meyakinkan bahwa kuesioner
yang disusun akan benar-benar bisa mengukur gejala dan menghasilkan data yang valid.

2. Uji Validitas
Contoh Data Kuesioner:
Responden
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

1
5
4
4
5
5
5
5
5
5
5
5
3
4
5
5
2
4
4
4

2
5
3
4
4
2
4
3
3
3
5
3
2
2
2
4
4
2
2
2

3
5
5
4
5
5
5
5
3
5
5
5
4
4
5
3
4
4
4
2

4
5
5
5
5
5
4
5
5
5
5
5
5
3
5
5
5
5
3
5

Item Pertanyaan
5
6
5
2
4
5
3
4
4
3
3
1
4
2
2
2
1
2
1
2
2
2
1
2
2
2
1
2
2
3
2
2
2
2
2
2
1
2
2
2

7
2
1
3
1
3
3
2
2
1
2
5
2
2
1
1
1
1
1
2

8
5
5
5
5
5
4
4
5
5
5
5
3
5
5
5
5
5
5
5

9
5
5
4
5
5
5
5
2
5
5
5
4
5
5
5
5
4
4
4

10
3
5
5
5
5
5
5
5
5
5
4
2
5
4
4
1
4
3
3

Total
42
42
41
42
39
41
38
33
37
41
40
29
33
37
36
31
33
29
31
21

20
21
22
23
24
25
26
27
28
29
30

5
5
4
4
4
4
4
5
5
4
5

1
1
2
2
1
1
1
2
2
1
2

4
4
4
4
2
5
3
3
2
4
4

5
5
5
5
3
5
5
5
5
5
5

1
1
2
1
2
1
2
2
3
2
2

1
5
2
2
1
2
1
1
2
2
1

1
1
3
1
1
1
1
1
4
1
1

5
5
5
5
5
5
4
4
5
4
5

3
3
4
4
4
3
5
3
5
3
3

4
3
3
3
3
3
4
2
2
1
1

30
33
34
31
26
30
30
28
35
27
29

a. Langkah-Langkah Uji Validitas

1. Masukkan jawaban dari item-item pertanyaan kuesioner

2. Kemudian Klik Analyze, pilih correlate, klik bivariate

22

3. Pindahkan semua skor jawaban item pertanyaan dan total jawaban ke kotak sebelah
kanan

4. Centang pearson pada correlation coefficient

5. Kemudian Klik OK

23

b. Output SPSS
Kemudian Akan Muncul Output dibawah ini
Correlations
total
item1

Pearson Correlation

.427*

Sig. (2-tailed)

.017

N
item2

Pearson Correlation
Sig. (2-tailed)
N

item3

Pearson Correlation
Sig. (2-tailed)
N

item4

Pearson Correlation

Pearson Correlation
N

31

31
.588**
.000
31
.470**
.008
31
.454*

Sig. (2-tailed)

.010
31

Pearson Correlation

.225

Sig. (2-tailed)

.223

N
Pearson Correlation
Sig. (2-tailed)
N
item10

.000

Pearson Correlation
N

item9

.602**

.202

Sig. (2-tailed)

item8

31

Sig. (2-tailed)

item7

.000

.236

Sig. (2-tailed)
item6

.754**

Pearson Correlation
N

item5

31

Pearson Correlation
Sig. (2-tailed)
N

31
.579**
.001
31
.656**
.000
31

Untuk Melihat kevalidan item pertanyaan dapat dilihat pada nilai signifikansi, seperti
yang terdapat pada output diatas jika nilai signifikansi kurang dari tingkat kesalahan yang
ditetapkan peneliti

atau alpha (0,05) maka pertanyaan tersebut dinyatakan sudah valid,

pada contoh kasus diatas diketahui bahwa semua item pertanyaan valid, kecuali item
pertanyaan ke-4 dan ke-8, karena nilai signifikansinya lebih dari alpha (0,05) yaitu pada item4 sebesar 0,202 sedangkan pada item ke-8 sebesar 0,223 sehingga pertanyaan tersebut
dinyatakan tidak valid dan harus dihilangkan atau diganti dengan pertanyaan yang lain.
24

Setelah ke-2 item pertanyaan yang tidak valid dihilangkan maka bisa dilanjutkan dengan
menguji reliabilitas dari kuesioner dengan menggunakan uji reliabilitas menggunakan
software SPSS dengan langkah-langkah sebagai berikut :

3. Uji Reliabilitas
a. Langkah-langkah Uji Reliabilitas
1. Klik menu Analyze, pilih Scale, Reliability Analysis

2. Setelah Muncul kotak Reliability Analysis, pindahkan semua item pertanyaan yang
telah dinyatakan valid pada uji validitas ke kotak sebelah kanan (kotak items)

3. Setelah semua item pertanyaan yang valid sudah dipindahkan, kemudian klik Ok

25

b. Output SPSS
Setelah dilakukan analisis reliabilitas maka keluar output seperti berikut
Reliability

Untuk melihat apakah semua item pertanyaan tersebut sudah reliabel dapat dilihat
pada inlai Alpha Cronbach nya, jika nilai alpha cronbach nya lebih dari 0,6 maka pertanyaanpertanyaan tersebut sudah reliabel, pada contoh kasus diketahui bahwa nilai alpha cronbach
sebesar 0,729 lebih besar daripada 0,6 sehingga pertanyaan-pertanyaan tersebut sudah
bisa dijadikan acuan sebagai penelitian selanjutnya.

26

BAB V
Uji Komparatif

1. Uji T Tidak Berpasangan (Independent T Test)

Independen T Test adalah uji komparatif atau uji beda untuk mengetahui adakah
perbedaan mean atau rerata yang bermakna antara 2 kelompok bebas yang berskala data
interval/rasio. Dua kelompok bebas yang dimaksud di sini adalah dua kelompok yang tidak
berhubungan, artinya kita membandingkan dua objek atau variabel yang tidak saling
berhubungan.
Contoh kasus:
Analisis Perbandingan Rasio Resiko Perbankan Bagi Hasil Bank Syariah Dan Bunga Bank
Konvensional
Data Rasio Resiko Likuiditas
Tahun
2003
2004
2005
2006
2007

Risiko Likuiditas
Konvensional
Syariah
2,917%
118,250%
6,380%
188,447%
6,127%
142,205%
4,455%
130,196%
6,203%
270,127%

a. Langkah-langkah Analisis :
1. Masukkan data likuiditas terlebih dahulu dengan format seperti berikut

2. Kemudian klik analyze, pilih compare means, kemudian klik independent-samples Ttest
27

3. Setelah muncul kotak dialog seperti dibawah, pindah data tipe di group variabel dan
rasio resiko di test variable

4. Setelah selesai, kemudian klik define groups, untuk mengisikan jumlah kelompok

5. Isikan angka 1 pada group 1 dan angka 2 pada group 2, kemudian klik continue

28

6. Setelah muncul dialog independent t-test kembali, klik Ok

b. Output SPSS

Pertama yang harus diperhatikan adalah pada kolom levenes test, kolom ini
digunakan untuk memilih uji t yang akan dipakai pada kolom sebelahnya, jika nilai
signifikansi pada levenes test lebih besar dari 0,05 maka signifikansi uji t yang dipakai
adalah yang berada di paling atas sendiri sejajar dengan equal variances assumed, namun
jika lebih kecil dari o,05 ujit yang dipakai adalah signifikansi uji t yang paling bawah sejajar
dengan equal variances not assumed.
Pada contoh kasus didapatkan bahwa nilai signifikansi pada levenes test lebih kecil
dari 0,05 sehingga uji t yang dipakai adalah uji t paling bawah, dan didapatkan nilai
signifikansi sebesar 0,004 nilai tersebut kurang dari alpha = 0,05 sehingga dikatakan
terdapat perbedaan rasio resiko likiditas antara Bank Konvensional dan Syariah.

2. Uji T Berpasangan (Paired- T Test)

Paired T Test adalah uji komparatif atau uji beda untuk mengetahui adakah
perbedaan mean atau rerata yang bermakna kelompok yang berasal dari 1 populasi yang
dikenai 2 perlakuan. Uji T berpasangan dapat kita definisikan sebagai uji yang digunakan
untuk mengetahui perbedaan kondisi sebelum dan sesudah dilakukan suatu tindakan pada
objek, individu, atau perusahaan tertentu, sehingga Uji T cocok digunakan untuk meninjau
keberhasilan suatu tindakan atau program kerja.
Contoh Kasus
29

Pengaruh Kebijakan Pemecahan Saham (Stock Split) terhadap Return Saham perusahaan.
(Studi Kasus Perusahaan Terbuka yang terdaftar di Bursa Efek Indonesia).
Data Return Saham Sebelum dan Setelah Stock Split Tahun 2008
Perusahaan
BBCA
BRNA
DOID
INCO
MIRA
PANS
PANR

Sebelum Stock Split

0.000117
0.0648
0.0441
0.043857
0.0711
-0.006208
0.1215

Setelah Stock Split

-0.0819
-0.0491
0.1135
-0.19436
-0.122
0.001408
0.1206

a. Langkah-langkah analisis Uji-T berpasangan :

1. Input data contoh kedalam SPSS seperti dibawah

2. Kemudian Klik Analyze, pilih compare means, kemudian pilih paired-samples T-test

3. Masukkan sebelum pada kolom variabel 1 dan sesudah pada kolom variabel 2

30

4. Klik Ok

b. Output SPSS

Untuk melihat apakah terdapat perbedaan return saham perusahaan sebelum stocksplit dan sesudah stock-split, dapat dilihat pada nilai signifikansi yang berada pada kolom
paling ujung pada output uji T, jika nilai signifikansi kurang dari 0,05 maka dapat dinyatakan
terdapat perbedaan return saham sebelum dan sesudah stock-split. Pada contoh kasusu
didapatkan nilai signifikansi lebih dari 0.05 sehingga dikatakan tidak terdapat perbedaan
return saham sebelum dan sesudah diberlakukan stock split

3. ANOVA (Analisis Of Variance)

ANOVA merupakan lanjutan dari uji-t independen dimana kita memiliki dua kelompok
percobaan atau lebih. ANOVA biasa digunakan untuk membandingkan mean dari dua
kelompok sampel independen (bebas). Uji ANOVA ini juga biasa disebut sebagai One Way
Analysis of Variance.
Contoh Kasus:
Analisis Perbandingan Kinerja Keuangan Bank Pemerintah, Bank Swasta Nasional Dan
Bank Swasta Asing Dengan Menggunakan Rasio Keuangan
31

Jenis Bank
Bank
Pemerintahan

Bank Swasta
Nasional

Bank Swasta
Asing

Tahun
1999
2000
2001
2002
2003
1999
2000
2001
2002
2003
1999
2000
2001
2002
2003

Rasio Keuangan
96.21
83.76
80.6
87.42
84.5
24.6
30.6
41.8
40.3
43.37
56.5
72.2
80.8
75.5
88.1

32

a. Langkah-langkah ANOVA:
1. Susun data seperti berikut

2. Klik Analyze --> Compare Means --> One Way ANOVA :

3. Pada kotak dialog One Way ANOVA, masukkan variabel Rasio Keungan pada
Dependent List dan Bank pada Faktor.

33

4. Selanjutnya klik Post-Hoc, pilih Tukey lalu Continue. OK

b. Outputs SPSS
ANOVA
Rasio Keuangan
Sum of
Between

Squares
6931.31

Groups
Within Groups
Total

9
961.793
7893.112

Mean
df

Square
2

3465.660

12
14

80.149

F
43.240

Sig.
.000

Untuk melihat apakah terdapat perbedaan rasio keuangan antara ketiga bank
tersebut, dapat dilihat pada nilai signifikansi yang terdapat pada Tabel ANOVA, pada tabel
tersebut dapat diketahui bahwa ada perbedaan rasio keuangan antara ketiga Bank (nilai sig
< 0.00). Karena hasil uji F signifikan, maka dapat dilakukan uji lanjutan (Post-Hoc Test) yaitu
untuk mengetahui bank manakah yang memiliki rasio keuangan berbeda.

34

Rasio Keuangan
a

Tukey HSD

Bank
Bank Swasta Nasional
Bank Swasta Asing
Bank Pemerintahan
Sig.

N
5
5
5

Subset for alpha = .05

1
2
36.1340
74.6200
86.4980
1.000
.132

Means for groups in homogeneous subsets are displayed.

a. Uses Harmonic Mean Sample Size = 5.000.

Untuk mengetahui bank mana saja yang memiliki rasio keuangan yang berbeda dan
mana yang sama dapat dilihat pada kolom subset for alpha, pada uji tukey, bank yang
terletak dalam satu subset menunjukkan bahwa tidak terdapat perbedaan rasio keuangan
pada bank tersebut, sehingga berdasakan hasil uji lanjutan Tukey dapat diketahui bahwa
Bank Swasta Nasional berbeda dengan kedua bank lainnya (pada subset 1 hanya terdiri
dari Bank tersebut).

35

BAB VI
Regresi

1. Pengertian Analisis Regresi

Analisis Regresi merupakan analisis statistik yang digunakan untuk meneliti pengaruh
dari variabel bebas terhadap variabel terikat. Dengan analisis regresi kita dapat mengetahui
seberapa besar pengaruh suatu variabel bebas terhadap variabel terikatnya, dan vatiabel
mana yang paling mempengaruhi variabel terikat tersebut. Sehingga dengan mengetahui
variabel mana yang paling mempengaruhi kita dapat menentukan strategi ataupun
keputusan di masa yang akan datang. Dalam analisis regresi akan dihasilkan suatu model
yang menunjukkan hubungan dari variabel terikat dengan variabel bebas, secara umum
model regresi dituliskan sebagai berikut :

Keterangan:
Y

= Variabel Terikat (Variabel yang dipengaruhi)

X1

= Variabel bebas pertama

X2

= Variabel bebas kedua

Xn

= Variabel bebas ke-n

= Nilai Y tanpa dipengaruhi oleh variabel bebas

= Besarnya Pengaruh X1 terhadap Y

= Besarnya pengaruh X2 terhadap Y

= Besarnya pengaruh Xn terhadap Y

Bentuk persamaan regresi dan jumlah tergantung pada jumlah variabel bebasnya

jika, jumlah variabel bebas hanya 2 maka bentuk persamaannya menjadi

jika variabel bebasnya hanya satu maka bentuk persamaannya menjadi

2. Asumsi dalam Regresi

Analisis regesi memiliki beberapa asumsi atau syarat yang harus dipenuhi agar hasil
analisis yang didapat benar benar sesuai dengan penelitian antara lain :

36

1. Normalitas
Analisis regresi mensyaratkan agar data yang dianalisis menyebar secara normal,
menyebar secara normal artinya tidak terdapat data yang ekstrem yang merupakan pencilan,
atau jauh dari data yang lainnya, normalitas dari data yang diregresikan dapat dilihat salah
satunya menggunakan P-P Plot, apabila data tidak menyebar normal maka analisis regresi
tidak dapat dilakukan sebab dapat memberikan hasil yang bias, atau tidak sesuai dengan
data yang didapat.
2. Non-Multikolinearitas
Dalam analisis regresi hanya terdapat satu pengaruh yaitu pengaruh variabel bebas
terhadap variabel terikat, sehingga dalam analisis regresi dengan banyak variabel bebas,
tidak boleh terdapat hubungan antar variabel bebasnya, ini yang disebut sebagai nonmultikolinearitas, sebab apabila terdapat hubungan antar variabel bebas hal tersebut akan
mempengaruhi hasil dari penelitian, untuk melihat apakah terdapat multikolinearitas atau
tidak dapat menggunakan VIF dari hasil analisis regresi
3. Non-Heterokedastisitas
Dalam analisis regresi data yang digunakan haruslah homogen, maksudnya berasal
dari populasi yang sama, contohnya kita ingin meneliti pengaruh besar perusahaan terhadap
gaji karyawan maka, data yang diambil haruslah dari perusahaan yang sejenis, dalam hal
produksinya maupun besar tidaknya perusahaan tersebut, untuk mengetahui homogenitas
dari suatu data regresi dapat menggunakan plot residual
4. Non-Autokorelasi
Dalam regresi terdapat persyaratan bahwa tidak boleh terdapat hubungan natar data
yang didapat, hubungan antar data itu disebut autokorelasi, contohnya jika kita ingin meneliti
pengaruh laba terhadap rasio keuangan maka data yang kita ambil dari beberapa
perusahaan tidak boleh saling mempengaruhi, contohnya laba perusahaan pertama tidak
boleh dipengaruhi oleh laba perusahaan kedua dan seterusnya, asumsi ini dapat diuji
menggunakan koefisisen durbin watson

37

3. Contoh Kasus
Pengaruh Besar Perusahaan (Size) dan Corporate Governance (CG) terhadap Return of
Equity (ROE)
Perusahaan
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

ROE
17,57
15,42
22,19
11,43
3,13
29,56
19,24
13,79
1,71
12,38
31,55
3,30
14,58
5,79
24,00
32,25
16,12
2,23
0,40
14,91

SIZE
12,94
12,64
13,48
13,17
12,75
12,59
13,64
12,86
11,67
13,28
12,90
12,62
11,89
11,32
13,57
13,16
12,44
12,14
11,42
13,29

CG
85,99
82,65
91,67
82,98
82,23
76,99
69,33
91,42
77,6
84,58
84,11
82,55
77,53
82,65
86,89
82,98
73,19
76,96
69,97
85,26

38

a. Langkah-Langkah Analisis Regresi :

1. Input data contoh seperti berikut

2. Klik Analyze, pilih regression, kemudian klik linier

3. Masukkan variabel ROE pada kotak variabel dependen sedangkan CG dan SIZE pada
kotak variabel dependen
39

4. Klik menu statistik, kemudian centang collinearity diasnogtics, dan durbin watson
seperti contoh, kemudian klik continue

5. kemudian klik menu plots, masukkan ZPRED pada kolom sebelah kiri, pada kotak Y dan
SDRESID pada kotak X, kemudian centang normal probability plot kemudian klik
continue

6. Klik Ok
40

b. Output SPSS
Regression
Model Summaryb
Model

R
.586a

Adjusted R

Std. Error of

Square

the Estimate

R Square
.343

.266

Durbin-Watson

8.51207

2.530

a. Predictors: (Constant), CG, SIZE

b. Dependent Variable: ROE
Pada output di atas yaitu pada model summary, bagian terpenting adalah pada kolom
R square, R square menunjukkan seberapa peran variabel bebas mempengaruhi variabel
terikat, pada contoh kasus didapatkan bahwa nilai R Square sebesar 0,343 ini menunjukkan
bahwa CG dan SIZE berperan sebesar 34,3% mempengaruhi ROE sedangkan sisanya
sebesar 65,7% dipengaruhi oleh variabel bebas lain selain CG dan SIZE yang tidak kita teliti.
Semakin besar nilai R Square maka menunjukkan semakin baik hasil penelitian yang kita
dapat.
Bagian terpenting kedua adalah pada kolom durbin-watson yang digunakan untuk
mengetahui apakah data yang kita analisis sudah memenuhi asumsi autokorelasi atau tidak,
untuk mengetahuinya dapat kita ketahui melalui nilai durbin-watson, apabila nilai durbin
watson berada diantara du dan 4-du maka data kita sudah memenuhi asumsi nonautokorelasi, nilai du dapat dilihat pada tabel durbin watson di halaman akhir modul, dari
tabel durbin watson diketahui bahwa untuk jumlah sampel sebanyak 20, dengan jumlah
variabel bebas sebanyak 2, nilai du nya sebesar 1,5367, sehingga dapat diketahui 4-du =
2,4633, dapat kita ketahui bahwa nilai durbin watson yang kita dapat adalah sebesar 2,530
nilai ini tidak berada diantar du dengan 4-du, sehingga untuk data ini tidak memenuhi asumsi
autokorelasi.
ANOVAb
Sum of
Model
1

Squares
Regression

df

Mean Square

643.584

321.792

Residual

1231.740

17

72.455

Total

1875.324

19

F
4.441

Sig.
.028a

a. Predictors: (Constant), CG, SIZE

b. Dependent Variable: ROE

41

Pada Output ANOVA, bagian terpenting adalah pada nilai signifikansi, nilai
signifikansi pada tabel ANOVA menunjukkan pengaruh variabel bebas secara bersamaan
terhadap variabel terikat, dalam hal ini pengaruh bersamaan SIZE dan CG terhadap ROE,
jika nilainya kurang dari 0,05, maka tabel ANOVA untuk regresi data contoh dapat
disimpulkan bahwa terdapat pengaruh secara bersamaan yang signifikan dari SIZE dan CG
terhadap ROE.
Coefficientsa

Model
1

Unstandardized

Standardized

Coefficients

Coefficients

B
(Consta
nt)
SIZE

Std. Error

-91.943

37.570

8.372

3.127

.004

.355

CG

Beta

Collinearity Statistics
t

Sig.

Tolerance

VIF

-2.447

.026

.585

2.677

.016

.810

1.235

.002

.010

.992

.810

1.235

a. Dependent Variable:
ROE
Pada Output coefficient bagian terpenting adalah pada nilai B, signifikansi, dan VIF,
signifikansi menunjukkan apakah terdapat pengaruh variabel bebas terhadap variabel terikat
secara sendiri-sendiri jika nilai signifikansi kurang dari 0,05 maka dapat disimpulakn bahwa
terdapat pengaruh yang signifikan variabel bebas terhadap variabel terikat, pada tabel
coefficient data contoh dapat diketahui bahwa nilai signifikansi SIZE kurang dari 0,05 ini
menunjukkan bahwa SIZE mempengaruhi ROE secara signifikan, sedangkan pada
signifikansi CG didapatkan nilainya sebesar 0,992 lebih besar daripada 0,05, sehingga dapat
disimpulkan CG tidak mempengaruhi ROE secara signifikan.
Kolom VIF menunjukkan apakah data yang kita analisis sudah memenuhi asumsi
non-multikolinearitas atau tidak, jika tiap nilai VIF < 10, maka data yang kita analisis sudah
memenuhi asumsi non-multikolinearitas, pada data contoh didapatkan nilai VIF kedua
variabel sebesar 1,235 lebih kecil dari 10, maka dapat disimpulkan bahwa data contoh sudah
memenuhi asumsi non-multikolinearitas
Bagian penting terakhir yaitu kolom B, kolom ini menunjukkan model regresi yang kita
dapat nilai konstanta menunjukkan besarnya 0 , sedangkan nilai yang lainnya menunjukkan
pengaruh masing-masing variabel bebas terhadap variabel terikat sehingga berdasarkan
kolom B kita mendapatkan persaamaan regresi sebagai berikut :

42

Berdasarkan model tersebut dapat kita ketahui bahwa pengaruh size terhadap ROE
sebesar 8,372 sehingga apabila size perusahaan bertambah 1 satuan maka ROE akan
bertambah sebesar 8,372, begitu juga dengan CG apabila bertambah 1 satuan akan
meningkatkan ROE sebesar 0,04
Charts

Output Normal P-P Plot menunjukkan apakah data kita sudah memenuhi asumsi
normalitas apabila titik-titik pada P-P plot yang menunjukkan data kita menyebar disekitar
garis diagonal maka data kita sudah memenuhi asumsi normalitas, pada output data contoh
dapat dilihat pada P-P plot titik-titik data menyebar disekitar garis diagonal sehingga dapat
disimpulkan bahwa data contoh sudah memenuhi asumsi normalitas

43

Output yang terakhir adalah plot residual yang digunakan untuk mengetahui apakah
data yang kita analisis sudah memenuhi asumsi non-heterokedatisistas atau tidak, untuk
mengetahuinya dapat kita ketahui plot pada scatter plot output SPSS apabila plot atau titik
pada gambar menyebar di atas dan dibawah nilai 0, dan tidak membentuk pola tertentu,
maka data yang kita analisis sudah memenuhi asumsi non-heterokedastisitas, dengan
melihat gambar output SPSS dapat diktahui bahwa plot residual menyebar di atas dan
dibawah 0, dan tidak membentuk pola tertentu, sehingga dapat disimpulkan bahwa data
contoh sudah memenuhi asumsi non-heterokedatisitas.

44

45