ANALISIS DATA DENGAN MENGGUNAKAN SPSS

Langkah-langkah uji normalitas.

1. Masukkan data X1, X2, dan Y kedalam 3 buah kolom

2. Pilih analyze, descriptive, explore

3. Selanjutnya masukkan X1, X2, dan Y kedalam kolom dependent list

4. Kemudian klik plot

5. Kemudian klik continue dan klik OK

6. Hasilnya

Descriptives
Statistic
Mean

Gaya Kepemimpinan

67.0667

95% Confidence Interval for

Lower Bound

63.7409

Mean

Upper Bound

70.3924

5% Trimmed Mean

67.1852

Median

68.0000

Variance

36.067

Std. Deviation
Minimum

56.00

Maximum

76.00

Range

20.00

Interquartile Range

10.00

Skewness

-.438

.580

Kurtosis

-.743

1.121

66.0000

2.22539

95% Confidence Interval for

Lower Bound

61.2270

Mean

Upper Bound

70.7730

5% Trimmed Mean

65.8889

Median

66.0000

Variance

74.286

Std. Deviation

8.61892

Minimum

54.00

Maximum

80.00

Range

26.00

Interquartile Range

16.00

Skewness
Kurtosis
Mean

Kinerja Pekerja

1.55063

6.00555

Mean

Motivasi Kerja

Std. Error

.012

.580

-1.182

1.121

74.3333

2.08548

95% Confidence Interval for

Lower Bound

69.8604

Mean

Upper Bound

78.8062

5% Trimmed Mean

74.4259

Median

76.0000

Variance

65.238

Std. Deviation

8.07701

Minimum

62.00

Maximum

85.00

Range

23.00

Interquartile Range

14.00

Skewness

-.101

.580

-1.636

1.121

Kurtosis

Tests of Normality
Kolmogorov-Smirnova
Statistic
Gaya Kepemimpinan
Motivasi Kerja
Kinerja Pekerja

df

.162
.144
.171

Shapiro-Wilk

Sig.
15
15
15

Statistic

df

Sig.

.200

.959

15

.683

.200

.940

15

.386

.200

.906

15

.118

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

7. Menafsirkan hasil uji normalitas

Perhatikan bilangan statistic untuk gaya kepemimpinan pada uji KolmogorovSmirnov besarnya 0.162 dengan bilangan signifikansi besarnya 0.200.
apabila ditetapkan taraf signifikansi = 0.050, maka bilangan signifikansi
(sig) lebih besar dari pada . Maka data hasil penelitian berasal dari populasi
yang berdistribusi normal.
Langkah-langkah uji Homogenitas
1. Masukkan data X1 dan X2 dalam satu table. Kemudian untuk X1 diberi kode 1
dan X2 diberi kode 2.

2. Kemudian klik, analyze, general, univariate

3. Kemudian masukkan data ke kolom dependent variable, dan grup ke kolom

fixed factor

4. Kemudian klik option, klik descriptive, dan homogeneity

5. Kemudian klik continue dan klik ok.

6. Hasilnya
Levene's Test of Equality of Error Variancesa
Dependent Variable: Data
F
2.325

df1

df2
1

Sig.
28

.139

Tests the null hypothesis that the error variance of

the dependent variable is equal across groups.
a. Design: Intercept + Grup
Tests of Between-Subjects Effects
Dependent Variable: Data
Source

Type III Sum of

df

Mean Square

Sig.

Squares
8.533a

8.533

.155

.697

132800.533

132800.533

2406.845

.000

Grup

8.533

8.533

.155

.697

Error

1544.933

28

55.176

Total

134354.000

30

1553.467

29

Corrected Model
Intercept

Corrected Total

a. R Squared = .005 (Adjusted R Squared = -.030)

7. Menafsirkan hasil analisis

Table tersebut menunjukkan nilai F = 2.325 dengan dk pembilang 1 dan dk
penyebut 28 dan nilai signifikansi (sig) sama dengan 0.139. apabila
ditetapkan taraf signifikansi = 0.05, maka nilai sig jauh lebih besar dari
pada nilai . Artinya semua kelompok data memiliki varians yang homogeny.

Langkah uji Linieritas dan keberartian arah regresi

1. Masukkan data X1, X2, dan Y kedalam

3 buah kolom
2. Kemudian klik analyze, compare means, means

3. Kemudian masukkan variable X kedalam kolom independent, dan variable Y

kedalam kolom dependent.

4. Kemudian klik option, anova, dan test of linearity

5. Kemudian klik continue, dan ok

6. Hasilnya

ANOVA Table
Sum of Squares
Between
Kinerja Pekerja * Gaya Groups
Kepemimpinan

df

Mean Square

Sig.

(Combined)

862.667

12

71.889

2.838

.290

Linearity

654.030

654.030

25.817

.037

Deviation from Linearity

208.636

11

18.967

.749

.698

50.667

25.333

913.333

14

Eta

Eta Squared

Within Groups
Total

Measures of Association
R
Kinerja Pekerja * Gaya

R Squared
.846

.716

.972

.945

Kepemimpinan

7. Menafsirkan hasil analisis

Bagian yang harus diperhatikan untuk uji keberartian arah regresi adalah linearity,
sedangkan untuk uji linearitas regresi bagian yang harus diperhatikan adalah deviation
from linearity .
Ternyata hasilnya menunjukkan bahwa nilai F linearity besarnya 25.817 dengaan nilai
signifikansi (sig) sebesar 0.037. Jika ditetapkan taraf signifikansi = 0.05,maka nilai sig
lebih kecil dari pada . Dengan demikian koefisien arah regresi berarti atau signifikan.
Sedangkan untuk F deviation from linearity besarnya 0.749 dengan nilai signifikansi (sig)
sebesar 0.698. Jika ditetapkan taraf signifikansi = 0.05, maka nilai sig jauh lebih besar
dari pada . Dengan demikian bentuk regresi memang benar linier.
Langkah uji Multikolinieritas
1. Masukkan data X1, X2, dan Y kedalam 3 buah kolom

2. Kemudian klik analyze, regression, linear

3. Kemudian masukkan variable X1, dan X2 kedalam kolom independent, dan

variable Y kedalam kolom dependent.

4. Kemudian klik statistic, estimates, model fit, collinearity

5. Kemudian klik continue, ok

6. Hasilnya
Coefficientsa
Model

Unstandardized

Standardized

Coefficients

Coefficients

Std. Error

(Constant)

.867

13.635

Gaya Kepemimpinan

.857

.337

Motivasi Kerja

.242

.235

Sig.

Beta

Collinearity Statistics

Tolerance

VIF

.064

.950

.637

2.544

.026

.346

2.890

.258

1.030

.323

.346

2.890

a. Dependent Variable: Kinerja Pekerja

7. Menafsirkan hasil analisis

Hasil analisis diatas tampak bahwa nilai tolerance dan VIF dari masingmasing variable bebas. Nilai VIF dari variable X1 besarnya 2.890, sehingga
tolerance 0.346. Nilai VIF dari variable X2 besarnya 2.890, sehingga tolerance
0.346. Ini berarti tidak terjadi multikolinearitas karena semua nilai tolerance
lebih besar dari 0.1 dan semua nilai VIF lebih kecil dari 10.

Langkah-langkah uji Autokorelasi

1. Masukkan data X1, X2, dan Y kedalam 3 buah kolom

2. Kemudian klik analyze, regression, linear.

3. Kemudian

4. Kemudian masukkan variable X1, dan X2 kedalam kolom independent, dan

variable Y kedalam kolom dependent.

5. Kemudian klik estimate, model fit, durbin Watson.

6. Kemudian klik continue, ok

7. Hasilnya

Model Summaryb
Model

.860a

R Square

Adjusted R

Std. Error of the

Square

Estimate

.739

.696

4.45570

Durbin-Watson

1.704

a. Predictors: (Constant), Motivasi Kerja, Gaya Kepemimpinan

b. Dependent Variable: Kinerja Pekerja

8. Menafsirkan hasil analisis

Nilai Durbin-Watson dari table = 1.704 dengan n = 15 (banyak data) dan k =
2 (banyak variable bebas) pada taraf signifikansi 5%, maka diperoleh d L =
0.946 dan dU = 1.543. Maka, dU < dtabel(Durbin-Watson) = 1.704 dan dtabel < (4 dU) .
Dimana 4 dU = 4 1.543 adalah 2.457. Maka dtabel (1.704) < 4 dU (2.547).
Secara matematis dapat dinyatakan 1.543 < 1.704 <2.457. Jadi data diatas
tidak terjadi autokorelasi.

Langkah-langkah pengujian Heterokedastisitas

1. Masukkan data X dan Y kedalam 2 kolom

2. Kemudian klik regression, linear

3. Kemudian masukkan variable X kedalam kolom independent, dan variable Y

kedalam kolom dependent.

4. Kemudian klik plots dan masukkan *SRESID ke Y dan *ZPRED ke X kemudian

klik continue, ok.

5. Hasilnya

6. Menafsirkan hasil analisis data

Pada diagram pencar di atas titik-titik menyebar secara merata dan berimbang, baik di
atas dan di bawah sumbu X maupun di atas dan di bawah sumbu Y. Titik-titik menyebar
merata tidak membentuk pola tertentu. Oleh karena itu, dapat disimpulkan bahwa tidak
terjadi masalah heterokedastisitas.
Langkah-langkah analisis Regresi Sederhana
1. Masukkan data X dan Y kedalam 2 kolom

2. Kemudian klik regression, linear

3. Kemudian masukkan variable X ke dalam kolom independent, dan variable Y ke dalam

kolom dependent.

4. Kemudian klik statistic, estimates, model fit, R square change, descriptives kemudian
klik continue, ok

5. Hasilnya
Coefficientsa

Model

Unstandardized Coefficients

Standardized

Sig.

Coefficients
B
(Constant)

Std. Error
-1.996

13.380

1.138

.199

Beta

.846

-.149

.884

5.726

.000

a. Dependent Variable: Y

Hasil diatas menunjukkan bahwa persamaan garis regresi yang diperoleh adalah
= - 1.996 + 1.138 X. Dengan thitung = 5.726 dimana signifikansi 0.000 < 0.05, maka ada
pengaruh yang signifikan antara variable X dan Y.
Model Summaryb
Model

Adjusted R

Std. Error of

Square

Square

the Estimate

Change Statistics
R Square

F Change

df1

df2

Sig. F Change

Change
1

.846

.716

.694

4.46614

.716

32.789

13

.000

a. Predictors: (Constant), X
b. Dependent Variable: Y

Ternyata koefisien korelasi R besarnya 0.846 dan koefisien determinasi atau R 2 besarnya 0.694.
koefisien korelasi tersebut signifikan karena uji F memperoleh koefisien F sebesar 32,789
dengan signifikansi 0.000 < 0.05. Jadi kontribusi variable X terhadap Y besarnya 69.4%.