PENGGUNAAN SOFTWARE SPSS16 DALAM MENGANALISIS PRODUKTIVITAS TENAGA

KERJA DENGAN METODE ANALISIS REGRASI LINIER BERGANDA DAN UJI HIPOTESIS
PROBABILITAS
Nurhidayah Tinia Lestari, Siti Aisyah, Theta Margaritifera, Uni Handayani
1 23

Jurusan Teknik Sipil, Fakultas Teknik Sipil dan Perencanaan,

45
Jurusan Teknik Sipil,
Universitas Gunadarma
Jalan Margonda Raya No. 100 Pondok Cina, Depok 16424
ABSTRAK

Produktivitas tenaga kerja adalah salah satu komponen yang sangat penting dalam keberhasilan suatu
proyek. Oleh karena itu, produktivitas tenaga kerja harus diperhatikan dengan baik. Ada beberapa faktor
yang memengaruhi produktivitas tenaga kerja dalam suatu proyek, antara lain umur, kesehatan pekerja,
dan keahlian pekerja. Faktor tersebut seringkali menjadi kendala dalam berlangsungnya suatu proyek
sehingga berimbas pada berhasil atau tidaknya proyek tersebut. Oleh karena itu, dibutuhkan suatu metode
yang dapat menganalisis keterkaitan faktor-faktor tersebut dengan produktivitas tenaga kerja dalam suatu
proyek. Metode Analisis Regresi Linier Berganda adalah metode analisis yang digunakan untuk
mengetahui pengaruh dari variabel bersama-sama (bebas) terhadap variabel terikat, sehingga akan terlihat
jelas keterkaitan antara kedua variabel tersebut. Dalam menunjang kegiatan analisis produktivitas tenaga
kerja dalam suatu proyek, dibutuhkan sistem informasi yang dapat mempermudah proses analisis
produktivitas tenaga kerja dalam suatu proyek. Oleh karena itu, digunakan Software SPSS16 untuk
membantu analisis tersebut, dan untuk mendapatkan hasil yang optimal dan lebih akurat. Hasil yang
diperoleh berupa koefisien variabel dan nilai signifikan variabel yang nantinya digunakan untuk
pengujian hipotesis dengan menggunakan Uji Hipotesis Probabilitas.
Kata kunci : Analisis Regresi Linier Berganda, Produktivitas Tenaga Kerja, Software SPSS16,Uji
Hipotesis Probabilitas
PENDAHULUAN
Dalam Dunia jasa konstruksi, produktivitas tenaga kerja adalah salah satu faktor penentu keberhasilan
sebuah proyek pembangunan. Produktivitas tenaga kerja yang baik sangat diperlukan untuk keberhasilan
proyek konstruksi. Produktivitas tenaga kerja akan sangat berpengaruh juga terhadap besarnya
keuntungan atau kerugian suatu proyek. Dalam pelaksanaan di lapangan hal tersebut terkadang bisa
terjadi dikarenakan tenaga kerja yang kurang efektif didalam pekerjaannya. Besarnya tingkat
produktivitas tenaga kerja dipengaruhi oleh banyak faktor (Tomi Aprilian, 2010).
Oleh karena itu, diperlukan suatu metode yang dapat menganalisis produktivitas tenaga kerja dengan
faktor-faktor yang dapat mempengaruhinya. Pada penulisan ini metode yang digunakan adalah metode
Analisis Regresi Linier Berganda dengan Uji Hipotesis Probabilitas untuk pengambilan kesimpulan
hipotesis yang dihasilkan. Untuk mempermudah dan mendapatkan hasil yang lebih optimal, maka proses
analisis dibantu dengan Software SPSS16.
METODE ANALISIS DATA
Metode analisis data yang digunakan adalah Analisis Regresi Linier Berganda dengan Pengujian
Hipotesis Probabilitas (P.Value).

PEMBAHASAN
Analisis Regresi Linier Berganda adalah analisis yang digunakan untuk mengetahui pengaruh dari
variabel secara bersama-sama terhadap variabel terikat. Karena pengaruh semua variabel diperhitungkan
maka akan didapat persamaan linier berganda (Tomi Aprilian, 2010). Contoh kasus adalah Analisis
produktivitas tenaga kerja pada pembuatan plesteran. Diketahui variabel terikat adalah produktivitas (Y)
tenaga kerja dan variabel bebasnya adalah faktor-faktor yang memengaruhinya, yaitu Umur {X !),
kesehatan pekerja (X2), dan keahlian pekerja (X3). Diperoleh data sebagai berikut :
Tabel 1.Sampel Data Produktivitas Tenaga Kerja
X1
40
45
50
55

X2
75
80
83
87

X3
80
87
78
89

Y
78
85
79
88

Uji Analisis Regresi Linier Berganda

Dalam regresi linier ganda selain keberartian model dan koefisien,ada juga hal hal lain yang perlu
diperhatikan seperti multikolineritas dan auto korelasi. Multikolinearitas adalah kejadian yang
menginformasikan terjadinya hubungan antara variable variable bebas x1 dan hubungan yang terjadi
cukup besar.Hal itu akan menyebabkan perkiraan koefisien determinasi regresi.Umumnya
multikolinearitas dapat diketahui dari nilai koefisien kolerasi yang cukup besar antara variable variable
bebas misalnya antar x1 dan x2 .Untuk mengatasi hal tersebut maka variable yang mempunyai korelasi
yang multikolinear dapat dihilangkan.Dalam metode variable variable bebas yang memiliki kajadian
seperti di atas biasanya secara otomatis akan dihilangkan
Dalam suatu analisa regresi dimungkinkan terjadinya hubungan antara variable variable bebas itusendiri
atau berkorelasi sendiri.Prosedur pendeteksian masalah autokorelasi dapat diketahui dengan pengujian
Durbin-Watson (Joko Sulistyo, 2010)
Langkah Pengujian :
Langkah pertama : Variabel data didefinisikan dan dimasukkan ke SPSS, seperti terlihat pada gambar

Gambar 1 Mendefinisikan variabel

Kemudian masukan data dari table 1 ke dalam Data View

Gambar 2. Menginput Data

pada Menu Bar pilih menu Analys ,lalu pilih Regression, kemudian pilih Linear

Gambar 3.memilih menu

Selanjutnya masukkan variabel X1, X2, X3, dan X4 ke Independent dan variabel Y ke Dependent.
pilih enter pada kolom method.Metodse enter adalah suatu metode dalam pembentukan taksiran model
regresi dimana semua variable bebas dilibatkan dalam pembentukan persamaan regresinya.Apabila
diinginkan suatu taksiran model regresi linier berganda dimana variable bebas yang terlibat dalam model
merupakan variable yang signifikan dan layak secara statistic untuk dimasukan dalam model regresi linier
berganda maka pilih metode Stepwise,remove,Backward,dan Forward.Ke empat metode ini digunakan
untuk menyeleksi semua variable bebas yang dilibatkan sehingga pada akhirnya hanya variable bebas
yang menghasilkan taksiran yang signifikan saja yang akan dimasukan dalam model taksiran regresi linier
berganda.
seperti terlihat pada gambar 4

Gambar.4.memasukan variabel

berikutnya pilih kotak statistic,pilih estimates pada regression coefficients,pilih model fit,dan
pilioh durbin-watson pada kolom residual
kemudian Klik Continue.
seperti yang terlihat pada gambar

Gambar 5.memilih sub menu statistic

selanjutnya pilih Plot, kemudian Masukkan Dependent ke Y dan Zpred ke X,selanjutnya ceklist
Normal Probability Plot pada Standardized residual plot,kemudian Klik Continue
seperti pada gambar 6.

Gambar 6.memilih sub menu Plot

setelah itu pilih Save.lalu pilih Standardized pada predicted value dan residual,pada Prediction
intervals ceklist Mean. kemudian Klik Continue
seperti yang terlihat pada gambar dibawah ini

Gambar.7.memilih sub menu save

lalu pilih Option, dalam stepping method criteria pilih Use probability of F,dengan Entry .05 dan
Removal .10,kemudian Beri tanda Include Constant In Equation.pada Missing values pilih
Exclude cases listwise.kemudian klik continue
seperti pada gambar

Gambar 8.memilih sub menu Option

setelah itu Klik OK ,sehingga menghasilkan output dan data baru seperti di bawah ini.
Hasil Pengolahan Data Linier Berganda
Menggunakan method Enter
Regression
Variables Entered/Removedb
Model
1

Variables
Entered

Variables
Removed

keahlian,
umur,
kesehatana

Method
. Enter

a. All requested variables entered.

b. Dependent Variable: produktivitas

Model Summaryb
Model
1

R
1.000a

R Square

Adjusted R
Square

1.000

Std. Error of
the Estimate
.

a. Predictors: (Constant), keahlian, umur, kesehatan

b. Dependent Variable: produktivitas

DurbinWatson
.

1.735

ANOVAb
Sum of
Squares

Model
1

Regression
Residual
Total

df

Mean Square

69.000

23.000

.000

69.000

Sig.
.a

a. Predictors: (Constant), keahlian, umur, kesehatan

b. Dependent Variable: produktivitas

Coefficientsa
Unstandardized
Coefficients
Model
1

B
(Constant)
umur
kesehatan
keahlian

Standardized
Coefficients

Std. Error

27.500

.000

.475

.000

-.500
.875

a. Dependent Variable: produktivitas

Beta

Sig.
.

.639

.000

-.527

.000

.971

Residuals Statisticsa
Minimum Maximum
Predicted Value
Std. Predicted Value

78.0000

Std.
Deviation

Mean

88.0000 82.5000

4.79583

-.938

1.147

.000

1.000

Standard Error of
Predicted Value

Adjusted Predicted
Value

.00000

.00000

.00000

.00000

Std. Residual

Stud. Residual

Deleted Residual

Stud. Deleted Residual

Mahal. Distance

2.250

2.250

2.250

.000

Cook's Distance

.750

.750

.750

.000

Residual

Centered Leverage
Value

a. Dependent Variable: produktivitas

Hasil analisis menggunakan method stepwise

Variables Entered/Removeda
Model

Variables
Entered

Variables
Removed

Method
Stepwise
(Criteria:
Probabilit
y-of-F-toenter <= .
.
050,
Probabilit
y-of-F-toremove
>= .100).

keahlian

a. Dependent Variable: produktivitas

Model Summaryb
Model

.992a

R Square

Adjusted R
Square

.985

Std. Error of
the Estimate

.977

DurbinWatson

.72355

1.137

a. Predictors: (Constant), keahlian

b. Dependent Variable: produktivitas
ANOVAb
Sum of
Squares

Model
1

Regression
Residual
Total

df

Mean Square

67.953

1.047

69.000

a. Predictors: (Constant), keahlian

b. Dependent Variable: produktivitas

67.953 129.798
.524

Sig.
.008a

Coefficientsa
Unstandardized
Coefficients
Model
1

B
(Constant)

Standardized
Coefficients

Std. Error

Beta

7.841

6.563

.894

.078

keahlian

.992

Sig.

1.195

.355

11.393

.008

a. Dependent Variable: produktivitas

Excluded Variablesb

Model
1

Beta In

Sig.

Partial
Correlation

Collinearity
Statistics
Tolerance

umur

.130a

3.001

.205

.949

.809

kesehatan

.130a

2.323

.259

.919

.761

a. Predictors in the Model: (Constant), keahlian

b. Dependent Variable: produktivitas

Residuals Statisticsa
Minimum Maximum
Predicted Value
Std. Predicted Value
Standard Error of
Predicted Value

77.5824

Mean

87.4176 82.5000

Std.
Deviation

4.75930

-1.033

1.033

.000

1.000

.454

.563

.509

.063

86.5224 82.2783

4.75251

Adjusted Predicted
Value

76.9403

Residual

-.62941

.58235

.00000

.59078

Std. Residual

-.870

.805

.000

.816

Stud. Residual

-1.118

1.282

.106

1.173

-1.03883

1.47761

.22171

1.23329

-1.290

2.148

.297

1.520

Mahal. Distance

.432

1.068

.750

.367

Cook's Distance

.141

1.263

.615

.480

Centered Leverage
Value

.144

.356

.250

.122

Deleted Residual
Stud. Deleted Residual

a. Dependent Variable: produktivitas

Berdasarkan Tabel 2 bagian Coefficients dengan metode Enter, dapat dibuat model regresi linier
berganda dengan persamaan sebagai berikut :
Y = 27.500 + 0.475X1 - 0.500X2 + 0.875X3
Nilai masing-masing koefisien regresi variabel independen dari model regresi linier tersebut memberikan
gambaran/ hipotesis sebagai berikut:
1. Koefisien Regresi Variabel Umur (X1) sebesar 0,475 menggambarkan bahwa X1 mempunyai
pengaruh positif terhadap Y, artinya dengan bertambah besarnya jumlah umur akan semakin besar
produktivitas tenaga kerja yang dihasilkan.
2. Koefisien Regresi Variabel Kesehatan Pekerja (X 2) sebesar 0.500 menggambarkan bahwa X2
mempunyai pengaruh negatif terhadap Y, artinya dengan berkurangnya kesehatan akan semakin
kecil produktivitas tenaga kerja yang dihasilkan.
3. Koefisien Regresi Variabel Keahlian Pekerja (X 3) sebesar 0.875 menggambarkan bahwa X3
mempunyai pengaruh positif terhadap Y, artinya dengan bertambahnya besarnya keahlian pekerja
akan semakin besar produktivitas tenaga kerja yang dihasilkan.
Pengujian Hipotesis Probabilitas (P.Value)

Uji hipotesis probabilitas digunakan untuk mengetahui pengaruh dari masing-masing Variabel Independen
terhadap Variabel Dependen. Uji ini dilakukan dengan membandingkan nilai signifikan (sig) yang telah
ditentukan yaitu 5% atau 0.05 dengan nilai signifikan hitung (Slamet, 2010).
Nilai signifikan hitung dari hasil pengolahan data dapat dilihat pada ANOVA dengan metode Stepwise
dengan ketentuan Sig hitung < 0,05 maka H0 ditolak (model regresi layak digunakan) dan sebaliknya.,
Sig hitung < 0,10 maka HO ditolak. H0 (hipotesis nol) adalah hipotesis yang menyatakan tidak adanya
hubungan antar variabel. H1 (hipotesis kerja) adalah hipotesis yang menyatakan adanya hubungan antar
variabel. Pada hasil output data ANOVA dengan metode stepwise tertulis Sig adalah 0.008 < 0.05 maka
H0 ditolak dan model regresi layak digunakan.
Penutup
simpulan
Metode Analisis Regresi Linier Berganda sangat membantu untuk menganalisis produktivitas tenaga kerja
dalam suatu proyek dengan Pengujian Hipotesis Probabilitas untuk menguji hasil analisisnya. Software
SPSS16 dapat mempermudah perhitungan analisis produktivitas tenaga kerja dengan hasil yang lebih
akurat.
saran
Untuk menentukan nilai signifikan pada Uji Hipotesis Probabilitas dibutuhkan ketelitian tingkat tinggi,
karena akan mempengaruhi hasil analisis.
DAFTAR PUSTAKA
Joko Sulistyo S . 2011. 6 Hari Jago SPSS17l. Cakrawala, Yogyakarta.
Tomas Aprilian. 2010. Modul Analisis Produktivitas Tenaga Kerja Pada Pekerjaan Struktur Atap Baja,
Fakultas Teknik Sipil, Universitas Sebelas Maret, Surakarta.
Slamet. 2010. Analisis Regresi Linier : Uji Asumsi Klasik_Bab VII. Penerbit. Kota.