Diktat Analisis Data
Diktat Analisis Data
DAFTAR ISI
Halaman
I. Pendahuluan ............................................................................................. 1
II. Analisis Data Kuantitatif......................................................................... 3
a. Statistik Deskripsi Penelitian ................................................................. 4
1. Penyajian Data ................................................................................. 5
2. Deskripsi Data.................................................................................. 5
b. Analisis Korelasi Antar Variabel .......................................................... 17
c. Analisis Uji Regresi............................................................................... 24
1. Uji Regresi Sederhana..................................................................... 28
2. Uji Regresi Ganda ........................................................................... 33
d. Analisis Perbedaan dengan ANOVA .................................................... 41
1. ANOVA Satu Arah (1 Faktorial) .................................................... 42
2. ANOVA Dua Arah (2 Faktorial) .................................................... 48
e. Analisis Perbedaan dengan Nonparametrik .......................................... 58
1. Uji Wilcoxon Match Pair Test ........................................................ 58
2. Analisis Varians Satu Jalan Kruskal-Walls..................................... 60
3. Analisis Varian Dua Jalan Friedman............................................... 63
III. Analisis Data Kualitatif.......................................................................... 66
a. Kriteria dan Teknik Keabsahan Data .................................................... 66
1. Kredibilitas dan Derajat Kepercayaan ............................................ 66
2. Kebergantungan (Dependability) .................................................... 67
b. Teknik Analisis Data............................................................................. 68
IV. Penutup.................................................................................................... 69
wawancara,
dokumen,
data
eksperimen,
catatan
kancah
Sugiyono. (2000)
Metode Kuantitatif
Desain:
Spesifik, jelas, terinci
Ditentukan sejak awal
dalam Menjadi pegangan langkah demi
langkah
Tujuan:
Memperoleh pemahaman
Tujuan:
Menunjukkan hubungan antara
variabel
Mengembangkan teori
Mentes toeri
Mengembangkan realitas yang Mencari
generalisasi
yang
komplek
mempunyai nilai prediktif
Teknik penelitian:
Observasi, participant
observation
Wawancara terbuka
Teknik penelitian:
Eksperimen, survey, observasi
berstruktur
Wawancara berstuktur
Instrumen penelitian:
Peneliti sebagai instrument
(human instrument)
Buku catatan, tape recorder,
kamera
Instrumen penelitian:
Test, angket, wawancara
tertutup, skala
Alat hitung berupa: komputer,
kakulator
Data:
Deskripsi kualitatif
Dokumen pribadi, catatan
lapangan, ucapan atau
perkataan responden,
dokumen, dan lain-lain
Data:
Deskripsi kuatitatif
Hasil pengukuran berdasarkan
variabel yang dioprasionalkan
dengan menggunakan instrumen
Nasution. (1988)
Sampel:
Kecil
Tidak representatif
Purposif (ditentukan)
Sampel:
Besar
Representatif
Sedapat mungkin digunakan
random (acak)
Analisis:
Terus menerus sejak awal
sampai akhir penelitian
Induktif
Mencari pola, model, thema
(discovery)
Analisis:
Pada taraf akhir setelah
pengumulan data selesai
Deduktif
Menggunakan hitungan statistik
Jangka lama
Usulan Desain:
Singkat
Literatur (terfokus hanya
menggunakan satu variabel
yang diungkap)
Usulan Desain:
Luas dan terinci
Banyak literatur yang
berhubungan dengan varibel
(menggunakan lebih dari satu
varibel)
Prosedur yang terspesifik dan
terinci langkah-langkahnya
Masalah diuraikan dan
ditujukan kepada fokus tertentu
Hipotesis dirumuskan dengan
jelas
Ditulis terinci dan lengkap
sebelum terjun ke lapangan.
ditempuh
Hartono. (2004)
Sugiyono (200)
= Jumlah data
Log. = Logaritma
Contoh, pengelolaan data statistik deskriptif:
Hasil data dari perolehan angket skala likert dengan lima alternatif
jawaban Sangat Setuju (SS) = 5, Setuju (S)= 4, Ragu-ragu (RR)= 3, Kurang
Setuju (KS)= 2, Tidak Setuju (TS)= 1. Hasil akhir skala likert tersebut
dijumlahkan dan dimasukan sesuai dengan variabel masing-masing dengan
No. Urut
Responden
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Jumlah
Skor terkecil
Skor terbesar
Variabel
X1
47
72
59
50
60
70
50
65
54
57
50
72
68
63
60
58
68
74
57
47
1201
47
74
X2
17
18
20
20
25
20
22
13
30
28
13
17
30
19
18
22
20
26
20
30
428
13
30
Y
37
69
70
35
71
72
40
40
69
68
38
56
57
58
55
56
57
62
50
50
1110
35
72
74 47
= 5,10 dibulatkan 5
5,29
Titik
tengah
49
54
59
64
69
74
Frekuensi
Persentase (%)
Kumulatif
5
1
6
2
3
3
20
25
5
30
10
15
15
100
25
30
60
70
85
100
Frekuensi
akan mengambil diagram histogram, bisa juga dalam bentuk diagram lainnya.
7
6
5
4
3
2
1
0
6
5
3
69
74
2
1
49
54
59
64
Data variabel X1
Frekuensi
7
6
5
4
3
2
1
0
6
5
3
2
1
49
54
59
64
69
74
Data variabel X1
Menghitunga mean
Mean (M) =
X = 1201 = 60,05
20
Menghitung median
Interval Skor
47 51
52 56
57 61
62 66
67 71
72 76
Jumalah
Median (Mdn) = u -
Frekuensi
5
1
6
2
3
3
20
FK a
5
6
12
14
17
20
FK b
20
15
14
8
6
3
(( N / 2 ) fk a )
i
fi
= 57 61
=6
=6
=5
= 61 + 0,5 = 61,5
((20 / 2) 6) 5 = 58,17
6
cara kedua:
Interval yang diperoleh
fi
fkb
= 57 61
=6
=8
Interval = 5
u
= 57 - 0,5 = 56,5
56,5 +
((20 / 2) 8) 5 = 58,17
6
Menghitung modus
Skor
47
50
54
57
58
59
60
63
65
68
70
72
74
Jumlah
Frekuensi
2
3
1
2
1
1
2
1
1
2
1
2
1
20
fa
Modus (Mo)= u +
fa + fb
Skor terbanyak urutan 50
fa = 3 2 = 1
fb = 3 1 = 2
u = 50 0,5 = 49,5
3 2
Mo= 49,5 +
= 49.83 dibulatkan 50
(3 2) + (3 1)
X1
X2
47
72
59
50
60
70
50
65
54
57
50
72
68
63
60
58
68
74
57
47
1201
17
18
20
20
25
20
22
13
30
28
13
17
30
19
18
22
20
26
20
30
428
37
69
70
35
71
72
40
40
69
68
38
56
57
58
55
56
57
62
50
50
1110
X12
X22
2209
5184
3481
2500
3600
4900
2500
4225
2916
3249
2500
5184
4624
3969
3600
3364
4624
5476
3249
2209
73563
289
324
400
400
625
400
484
169
900
784
169
289
900
361
324
484
400
676
400
900
9678
Y2
1369
4761
4900
1225
5041
5184
1600
1600
4761
4624
1444
3136
3249
3364
3025
3136
3249
3844
2500
2500
64512
( fx )
fx 2
n 1
( 1201)
73563
SD=
20 1
20
1442401
20
20 1
73563
1443
=
19
75,945 = 8,7146
Kemudian buka klik variabel view akan tampil seperti gambar di bawah ini:
3. Mengetahui hasil perhitungan untuk mean, median dan modus, dari Data
View klik analyze pilih descriptive statistics, kemudian arahkan pada
frequencies, klik.
kemudian untuk tulisan X1, X2, dan Y di blok seluruhnya dan klik tanda
panah agar pindah ke kolom variable(s). Setelah X1, X2, dan Y berada
pada kolom variable(s), maka pilih option statistics dan tampak pada
layar sebagai berikut:
klik oke, maka akan tampil pada output SPSS sebagai berikut:
Frequencies
Statistics
X1
N
Valid
Missing
Mean
Median
Mode
Std. Deviation
Variance
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis
Minimum
Maximum
Sum
a. Multiple modes exist. The smallest value is shown
20
9
60.0500
59.5000
50.00
8.71463
75.94474
.043
.512
-1.194
.992
47.00
74.00
1201.00
X2
20
9
21.4000
20.0000
20.00
5.22544
27.30526
.360
.512
-.637
.992
13.00
30.00
428.00
Y
20
9
55.5000
56.5000
40.00a
12.36932
153.00000
-.298
.512
-1.152
.992
35.00
72.00
1110.00
Frequency Table
X1
Valid
Missing
Total
47.00
50.00
54.00
57.00
58.00
59.00
60.00
63.00
65.00
68.00
70.00
72.00
74.00
Total
System
Frequency
2
3
1
2
1
1
2
1
1
2
1
2
1
20
9
29
Percent
6.9
10.3
3.4
6.9
3.4
3.4
6.9
3.4
3.4
6.9
3.4
6.9
3.4
69.0
31.0
100.0
Valid Percent
10.0
15.0
5.0
10.0
5.0
5.0
10.0
5.0
5.0
10.0
5.0
10.0
5.0
100.0
Cumulative
Percent
10.0
25.0
30.0
40.0
45.0
50.0
60.0
65.0
70.0
80.0
85.0
95.0
100.0
X2
Valid
Missing
Total
13.00
17.00
18.00
19.00
20.00
22.00
25.00
26.00
28.00
30.00
Total
System
Frequency
2
2
2
1
5
2
1
1
1
3
20
9
29
Percent
6.9
6.9
6.9
3.4
17.2
6.9
3.4
3.4
3.4
10.3
69.0
31.0
100.0
Valid Percent
10.0
10.0
10.0
5.0
25.0
10.0
5.0
5.0
5.0
15.0
100.0
Cumulative
Percent
10.0
20.0
30.0
35.0
60.0
70.0
75.0
80.0
85.0
100.0
Y
Frequency
Valid
Missing
Total
35.00
37.00
38.00
40.00
50.00
55.00
56.00
57.00
58.00
62.00
68.00
69.00
70.00
71.00
72.00
Total
System
1
1
1
2
2
1
2
2
1
1
1
2
1
1
1
20
9
29
Percent
3.4
3.4
3.4
6.9
6.9
3.4
6.9
6.9
3.4
3.4
3.4
6.9
3.4
3.4
3.4
69.0
31.0
100.0
Valid Percent
5.0
5.0
5.0
10.0
10.0
5.0
10.0
10.0
5.0
5.0
5.0
10.0
5.0
5.0
5.0
100.0
Cumulative
Percent
5.0
10.0
15.0
25.0
35.0
40.0
50.0
60.0
65.0
70.0
75.0
85.0
90.0
95.0
100.0
Hasil dari ouput SPSS untuk mean, median dan modus telah
diterangkan di atas, untuk lehih jelasnya dapat lihat pada perhitungan
mean median dan modus. Setelah menghitung tendency central-nya maka
untuk mengetahui besarnya persentase kecenderungan data dalam jumlah
pemilihan dari responden digunakan kategorisasi data yang terdiri dari:
sangat baik, baik, cukup baik, dan kurang baik.
= Sangat Baik
= Baik
= Cukup Baik
= Kurang Baik
Frekuensi
8
12
0
0
20
%
40
60
0
0
100
Kategori
Sangat Baik
Baik
Cukup Baik
Kurang Baik
60%
60%
50%
40%
40%
30%
20%
10%
0%
0%
0%
Baik
Sangat Baik
Baik, 60%
rxy=
N XY ( X )( Y )
(N X ( X ))(N . Y ( Y ) )
2
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Jml
17
18
20
20
25
20
22
13
30
28
13
17
30
19
18
22
20
26
20
30
428
Y
37
69
70
35
71
72
40
40
69
68
38
56
57
58
55
56
57
62
50
50
1110
Variabel
XY
629
1242
1400
700
1775
1440
880
520
2070
1904
494
952
1710
1102
990
1232
1140
1612
1000
1500
24292
X2
289
324
400
400
625
400
484
169
900
784
169
289
900
361
324
484
400
676
400
900
9678
Y2
1369
4761
4900
1225
5041
5184
1600
1600
4761
4624
1444
3136
3249
3364
3025
3136
3249
3844
2500
2500
64512
X
= 428
Y2 = 64512
Y
= 1110
XY = 24292
= 9678
N
= 20
X2
Selanjutnya data yang diperoleh dimasukan ke dalam rumus:
rxy =
20 24292 (428)(1110 )
rxy =
485840 475080
[193560 183184][1290240 1232100]
rxy=
10760
10376 58140
rxy=
10760
10760
=
= 0,438086405
603260640 24561,36478
Buka program SPSS dan masukan data dalam kolom Var, kemudian Var
ganti dengan X dan Y hasil tampilan pada layar
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Y
1
.
20
.438
.053
20
.438
.053
20
1
.
20
ryx 2 ryx1.rx1x 2
1 r 2 yx1 1 r 2 x1x 2
Contoh data:
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Jml
X1
47
72
59
50
60
70
50
65
54
57
50
72
68
63
60
58
68
74
57
47
1201
Variabel
X2
17
18
20
20
25
20
22
13
30
28
13
17
30
19
18
22
20
26
20
30
428
Y
37
69
70
35
71
72
40
40
69
68
38
56
57
58
55
56
57
62
50
50
1110
Y
1
0,541
0,438
X1
0,541
1
-0,074
X2
0,438
-0,074
1
= 0,541
= 0,438
= -0,074
Setelah itu menghitung dari setiap rumus korelasi parsial, dalam hal ini
akan dihitung korelasi parsial X1 dengan X2 di kontrol oleh Y
ry1.2=
ry1.2=
0,573412
0,808156 0,997258
0,573412
0,573412
=
= 0,638727125
0,80594 0,89774174
kemudian pilih analyze arahkan kepada correlate dan pilih partial klik
setelah itu masukan Y dan X1 pada kolom variables serta X2 pada kolom
controlling for, ikuti seperti gambar di atas, lalu klik oke, maka akan terlihat
hasil output SPSS untuk korelasi parsial Y dengan X1 di kontrol oleh X2,
banyak cara atau rumus untuk digunakannya oleh pengguna uji regresi, agar
persyaratan analisisnya dapat dipenuhinya.
Pada materi ini untuk persyaratan analisis regesi hanya menggunakan
uji Normalitas dan Uji Linearitas yang sering dilakukan oleh para peneliti
untuk persyaratan uji regresi. Akan tetapi pada persyatan analisis ini hasil
analisisnya
langsung
menggunakan
program
SPSS,
maka
cara
masukan variabel X1, x2 dan Y pada kolom test variable list, pada
test distributions pilih Normal lalu klik oke, maka akan tampil hasil
output SPSS.
NPar Tests
One-Sample Kolmogorov-Smirnov Test
Y
N
Normal Parametersa,b
Most Extreme
Differences
Mean
Std. Deviation
Absolute
Positive
Negative
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
20
55.5000
12.36932
.145
.145
-.144
.648
.795
X1
20
60.0500
8.71463
.126
.126
-.119
.562
.911
X2
20
21.4000
5.22544
.206
.206
-.100
.920
.366
Hasil output SPSS untuk uji nermalitas dapat dilihat pada hasil
Kolmogorov-Smirnov dan juga hasil Asymp.Sig. (2-tailled), maka untuk
mengetahui normal atau tidaknya suatu data dapat dilihat dari hasil
Asymp.Sig. (2-tailled) dengan taraf signifikansi 5% (0,05). Jika hasil sig.
tersebut lebih besar dari 0,05 maka distribusi data normal (p> 0,05), jika sig.
lebih kecil dari 0,05 maka distribusi tidak normal (p>0,05)6. Adapun hasil
signifikansi untuk Asymp.Sig. (2-tailled) semuanya lebih besar dari 0,05,
maka distribusi data telah normal. Hasil ini dapat dituliskan sebagai berikut
1) Variabel Y, K-S= 0,648; p= 0,795 (p > 0,05), maka distribusi Normal
2) Variabel X1, K-S= 0,562; p= 0,911 (p > 0,05), maka distribusi Normal
3) Variabel X1, K-S= 0,920; p= 0,366 (p > 0,05), maka distribusi Normal
2) Uji Linearitas
Siegel. (1995).
pada menu means untuk kolom dependent list isi varibel Y dan
untuk kolom independent masukan variabel X1 dan X2, setelah itu klik options
akan tampil menu means : options, kemudian pada statistic for fist layer
pilih test for linearity setelah itu klik continue dan Oke
Y * X1
Between
Groups
(Combined)
Linearity
Deviation from Linearity
Within Groups
Total
Sum of
Squares
2435.333
850.034
1585.300
471.667
2907.000
df
12
1
11
7
19
Mean Square
202.944
850.034
144.118
67.381
F
3.012
12.615
2.139
Sig.
.076
.009
.161
Mean Square
154.115
557.911
103.640
151.997
F
1.014
3.671
.682
Sig.
.487
.084
.700
Y * X2
ANOVA Table
Y * X2
Between
Groups
(Combined)
Linearity
Deviation from Linearity
Within Groups
Total
Sum of
Squares
1387.033
557.911
829.123
1519.967
2907.000
df
9
1
8
10
19
Hasil uji linearitas melalui program SPSS dapat dilihat pada kolom
linearity dan deviation from linearity di atas. Di mana pada hasil linearity
untuk sig. adalah 0,084 dan deviation from linearity sig. 0,700. Jika
signifikansi untuk linearity di bawah 0,05 (p < 0,05) dan deviation from
linearity lebih besar dari 0,05 (p > 0,05) maka data tersebut linear dan dapat
dilanjutkan untuk uji regresi7. Hal ini dapat dituliskan sebagai beriku:
1)
Varibel Y dengan X1
Model
Linearity
deviation from linearity
F hitung
12,615
2,139
Sig.
0,009 (p < 0,05)
0,161 (p > 0,05)
F hitung
3,671
0,682
Sig.
0,084 (p > 0,05)
0,700 (p > 0,05)
Keterangan
Linear
Linear
2) Variabel Y dengan X2
Model
Linearity
deviation from linearity
7
Sudjana. (1996)
Keterangan
Tidak Linear
Linear
( Y )( X ) ( X )( XY )
a=
n X ( X )
N XY ( X )( Y )
b=
N X ( X )
2
Contoh data:
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Jml
X
47
72
59
50
60
70
50
65
54
57
50
72
68
63
60
58
68
74
57
47
1201
Y
37
69
70
35
71
72
40
40
69
68
38
56
57
58
55
56
57
62
50
50
1110
Variabel
XY
629
1242
1400
700
1775
1440
880
520
2070
1904
494
952
1710
1102
990
1232
1140
1612
1000
1500
24292
X2
289
324
400
400
625
400
484
169
900
784
169
289
900
361
324
484
400
676
400
900
9678
Y2
1369
4761
4900
1225
5041
5184
1600
1600
4761
4624
1444
3136
3249
3364
3025
3136
3249
3844
2500
2500
64512
X
X2
Y
= 1201
= 73563
= 1110
Y2 = 64512
XY = 67763
N
= 20
b =
N XY ( X )( Y )
N X 2 ( X )
20 67763 (1201)(1110)
2
20 73563 (1201)
1355260 1333110
1471260 1442401
22150
= 0,7675524862 dibulatkan 0,768
28859
( Y )( X ) ( X )( XY )
n X ( X )
2
a =
(1110)(73563) (1201)(67763)
2
20 73563 (1201)
81654930 81383363
1471260 1442401
271567
= 9,410132021 dibulatkan 9,41
28859
Y b( X )
N
1110 0,76752(1201)
20
Correlations
Y
Y
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
X
1
.
20
.541*
.014
20
.541*
.014
20
1
.
20
Variables Entered/Removed
Model
1
Xa
Variables
Entered
Variables
Removed
Method
Enter
Model Summary
Model
1
R
.541a
Adjusted
R Square
.253
R Square
.292
Std. Error of
the Estimate
10.68999
a. Predictors: (Constant), X
ANOVAb
Model
1
Sum of
Squares
850.034
2056.966
2907.000
Regression
Residual
Total
df
1
18
19
Mean Square
850.034
114.276
F
7.438
Sig.
.014a
a. Predictors: (Constant), X
b. Dependent Variable: Y
a
Coefficients
Model
1
(Constant)
X
Unstandardized
Standardized
Coefficients
Coefficients
B
Std. Error
Beta
9.410
17.067
.768
.281
.541
t
.551
2.727
Correlations
Sig.
Zero-order Partial
.588
.014
.541
.541
Part
.541
a. Dependent Variable: Y
Contoh data:
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
X1
47
72
59
50
60
70
50
65
54
57
50
72
68
63
60
58
X2
17
18
20
20
25
20
22
13
30
28
13
17
30
19
18
22
Y
37
69
70
35
71
72
40
40
69
68
38
56
57
58
55
56
X1Y
1739
4968
4130
1750
4260
5040
2000
2600
3726
3876
1900
4032
3876
3654
3300
3248
X2Y
629
1242
1400
700
1775
1440
880
520
2070
1904
494
952
1710
1102
990
1232
X1X2
799
1296
1180
1000
1500
1400
1100
845
1620
1596
650
1224
2040
1197
1080
1276
X12
2209
5184
3481
2500
3600
4900
2500
4225
2916
3249
2500
5184
4624
3969
3600
3364
X22
289
324
400
400
625
400
484
169
900
784
169
289
900
361
324
484
Y2
1369
4761
4900
1225
5041
5184
1600
1600
4761
4624
1444
3136
3249
3364
3025
3136
17
18
19
20
Jml
68
74
57
47
1201
Y
X1
X2
X1Y
X2Y
20
26
20
30
428
57
62
50
50
1110
= 1110
= 1201
= 428
= 67763
= 24292
3876
4588
2850
2350
67763
1140
1612
1000
1500
24292
X1X2
X12
X22
Y2
N
1360
1924
1140
1410
25637
4624
5476
3249
2209
73563
400
676
400
900
9678
3249
3844
2500
2500
64512
= 25637
= 73563
= 9678
= 64512
=20
= an
+ b1X1 + b2 X2
= aX1 + b1X22 + b2X1X2
= aX2 + b1X1X2 + b2X22
66655,5
67763
-1107,5
1201
= 60,05 Y(1110) = 66655,5
20
= 1201a + 72120,05b1 + 25701,4b2
= 1201a + 73563 b1 + 25637 b2
=0
+ -1442,95b1 + 64,4b2 .............................................................. (4)
428
=21,4 Y(1110) = 23754
20
23754
24292
= 428a + 25701b1
= 428a + 25637b1
+ 9159,2b2
+ 9678b2
-538
=0
+ -518,8b2................................................................. (5)
+ 64,4b1
1442,95
= -22,40606
64,4
1107,5 = 62442,05b1
64,5b2
+
12054,458 = 62442,05b1 11624,262b2
13161,958 = 0
11688,662b2................................................................................. (6)
13161,958
= 1,1260449
11688,662
b2 = 1,1260449
67763 -
b) X2Y = X2Y -
( X )( Y )
1
1201 1110
= 1107,5
20
( X )( Y )
2
428 1110
= 538
20
24292 -
( Y )
c) Y
= Y -
= 64512 -
1110 2
20
1232100
20
= 64512 61605 = 2907
= 64512 -
Ry.12=
b1 x1 y + b2 x2 y
Ry.12=
905,69257 + 605,812156
2907
Ry.12=
1511,50472
=
2907
0,51995347 = 0,72107799
Ry.12= 0,72107799
Untuk mencari koefisien determinan, yaitu:
R2 = 0,721077992 = 0,51995347
Langkah selanjutnya menguji signifikansinya dengan uji F, yaitu:
Freg =
R 2 (n m 1)
m 1 R2
Keterangan:
n= banyaknya anggota sampel
m= banyaknya predictor atau variabel independent
Freg =
0,51995347(20 2 1)
2(1 0,51995347)
Freg =
8,83920899
= 9,206616898
0,96006306
Freg = 9,206616898
dilayar
Variables
Entered
X2, X1a
Variables
Removed
Method
Enter
Model Summary
Model
1
R
.723a
Adjusted
R Square
.466
R Square
.522
Std. Error of
the Estimate
9.03628
Regression
Residual
Total
Sum of
Squares
1518.875
1388.125
2907.000
df
2
17
19
Mean Square
759.437
81.654
F
9.301
Sig.
.002a
Coefficientsa
Model
1
(Constant)
X1
X2
Unstandardized
Coefficients
B
Std. Error
-18.007
17.318
.818
.239
1.139
.398
a. Dependent Variable: Y
Standardized
Coefficients
Beta
.577
.481
t
-1.040
3.431
2.862
Sig.
.313
.003
.011
Zero-order
.541
.438
Correlations
Partial
.640
.570
Part
.575
.480
Computer
Ry.12= 0,723
Manual
R2 = 0,51995347
Computer
R2 = 0,522
manual
Freg = 9,206616898
Computer
Freg = 9,301
b1 X 1Y
(b1 X 1Y )(b2 X 2Y )
100%
0,8177 1107,5
100%
(0,8177 1107,5) + (1,126045 538)
= 0,59917548 100%
SR% X1 = 59,91754787 (59,92%)
SR% X2 =
=
b2 X 2Y
(b1 X 1Y )(b2 X 2Y )
100%
1,126045 538
100%
(0,8177 1107,5) + (1,126045 538)
= 0,40082452 100%
SR% X2 = 40.08245213 (40,08%)
Selanjutnya mencari efektifitas garis regresi dengan rumus:
JKt
= efektifitas garis regresi
Y 2
1511,414906
100% = 51,99226 (51,99%)
2907
Langkah selanjutnya mencari SE atau subambangan (kontribusi) setiap
variabel independent kepada varibel dependent, dilakukan dengan rumus
SE% X1=
=
b1 X 1Y
JKt
100%
2
(b1 X 1Y )(b2 X 2Y ) Y
0,8177 1107,5
51,99226%
(0,8177 1107,5) + (1,126045 538)
31,1524854
100
b2 X 2Y
JKt
(b1 X 1Y )(b2 X 2Y ) Y 2
1,126045 538
51,99226%
(0,8177 1107,5) + (1,126045 538)
0,208397715
jadi SE% X2= 0,208397715 (SE= 0,208)
100
Model Summary
Change Statistics
Model
1
2
Adjusted
R Square
.253
.466
R
R Square
.541a
.292
b
.723
.522
Std. Error of
the Estimate
10.68999
9.03628
R Square
Change
.292
.230
F Change
7.438
8.191
df1
df2
1
1
18
17
Sig. F Change
.014
.011
a. Predictors: (Constant), X1
b. Predictors: (Constant), X1, X2
contoh data:
No
1
2
3
4
5
6
7
8
9
10
Jml
A
55
55
45
55
55
45
45
55
55
45
510
B
65
65
65
75
65
55
65
65
65
75
660
A = TA = 510
9
Kirk. (1995).
C
20
35
35
35
45
45
45
40
35
35
370
Variabel
A2
B2
3025
4225
3025
4225
2025
4225
3025
5625
3025
4225
2025
3025
2025
4225
3025
4225
3025
4225
2025
5625
26250 43850
n A = 10
C2
400
1225
1225
1225
2025
2025
2025
1600
1225
1225
14200
B = TB = 660
C = TC = 370
N = 30
n B = 10
n C = 10
JKT =
X2
JKa =
T2 G
n N
10
10
10
30
Keterangan:
N = banyaknya jumlah sampel
k = jumlah kelompok
kemudian k 1 = 3 1 = 2
mencari mean square (Rata-rata Kuadrat)
RK = rata-rata kuadrat
RKa =
JKa
dk .JKa
RKa =
4206,667
= 2103,333
2
RKd =
JKd
dk .JKd
RKd =
1040
= 38,519
27
RKa
RKd
F=
2103,3335
= 54,606
38,518
Perhitungan tersebut dapat dapat disajikan dalam tabel ANOVA adalah
sebagai berikut:
Jumlah Varians
Antar kelompok
Dalam kelompok
Total
dk
2
27
29
Jml Kuadrat
4206,667
1040
5246,667
Rata-rata Kuadrat
2103,333
38,519
Fh
54,606
Ft
3,35
Ha ditolak.
Bila F hitung lebih besar dari F tabel, maka Ho di tolak dan Ha diterima.
Penafsiran pada hasil ANOVA satu arah ini F h > F t pada tarf sig. 5%
(3,35), maka Ho ditolak dan Ha diterima. Dengan demikian, terdapat
perbedaan antara variabel A, B dan C.
Analisis sesudah ANOVA, biasanya dilakukan analisis untuk
mengetahui perbedaan lebih lanjut. Teknik analisis yang dapat digunakan,
antara lain Tukeys HSD, Bonferroni, Sidak, Scheffe, Duncan, dll. Akan tetapi
yang lebih popular dan sering digunakan adalah Tukeys HSD. Adapun proses
perhitungannya adalah sebagai berikut.
rumus Tukeys HSD
HSD= q
RKd
N
Keterangan:
n
q
k
dk
HSD = 3,49
38,519
= 44,81043667
3
Keterangan:
Perolehan q dengan melihat tabel the studentizet range statistic, dengan
k = 3 dan N k = 30 3 = 27.
Mencari perbedaan rata-rata antar kelompok
510
= 51
10
B=
660
= 66
10
C=
370
= 37
10
A
15
14
B
15
29
C
14
29
-
Cara memasukan datanya adalah ketik data seperti ini seperti tampilan
berikut ini:
Var0001
55
55
45
55
55
45
45
55
55
45
65
65
65
75
65
55
65
65
65
75
20
35
35
35
45
45
45
Var0002
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
40
35
35
3
3
3
setelah itu buka variables view, pada kolom name ubahlah urutan pertama
menjadi variabel dan kedua kelompok, lalu pada urutan kedua di kolom
Values klik tanda disampingnya hingga keluar menu value label, pada
layar sebagai berikut:
Pada baris value label untuk value isi angka 1, dan untuk value
label isi a lalu klik add, selanjutnya isi value lagi dengan angka 2 dan
value label isi b, klik add, terus sampai ke tiga lalu klik ok, hal ini dapat
dilihat pada gambar di atas tadi. Setelah itu, kembali kepada data view.
untuk kelompok isi data tersebut dengan angka 1pada bagian kelompok satu,
angka 2 untuk bagian kelompok dua, dan angka 3 untuk bagian kelompok tiga.
Selanjutnya dari menu data view arahkan pointer pada analyze,
kemudian pilih compare means lalu arahkan kepada one-way Anova klik
lalu akan terlihat pada layar
pada option dan pada baris statistic pilih descriptive dan homogeneity
varians test lalu continue klik oke,
N
a
b
c
Total
10
10
10
30
Mean
51.00
66.00
37.00
51.33
Std. Deviation
5.164
5.676
7.528
13.451
Std. Error
1.633
1.795
2.380
2.456
Minimum
45
55
20
20
df1
df2
Sig.
27
.565
ANOVA
VARIABEL
Between Groups
Within Groups
Total
Sum of
Squares
4206.667
1040.000
5246.667
df
2
27
29
Mean Square
2103.333
38.519
F
54.606
Sig.
.000
Maximum
55
75
45
75
Multiple Comparisons
Dependent Variable: VARIABEL
Tukey HSD
(I) KELOMPOK
a
Mean
Difference
(I-J)
-15.00*
14.00*
15.00*
29.00*
-14.00*
-29.00*
(J) KELOMPOK
b
c
a
c
a
b
b
c
Std. Error
2.776
2.776
2.776
2.776
2.776
2.776
Sig.
.000
.000
.000
.000
.000
.000
Homogeneous Subsets
VARIABEL
Tukey HSD
KELOMPOK
c
a
b
Sig.
1
10
10
10
1.000
66.00
1.000
Hasil dari output SPSS dapat dilihat dan ditafsirkan pada perhitungan
manualnya untuk ANOVA satu arah dan untuk hasil output tersebut telah
diberi lingkaran yang sesuai dengan hasil perhitungan manualnya.
2. ANOVA Dua Arah (2 Faktorial)
Ha =
Contoh data:
ELEKTRONIK
Jml
CETAK
IKLAN
Total
KEMASAN
Var
AB1
150
120
200
250
200
BB2
CB3 Total
225
223
280
295
280
295
179
300
200
320
AB2
22500
14400
40000
62500
40000
BB2
50625
78400
78400
32041
40000
CB2
49729
87025
87025
90000
102400
AB1
AB2
AB12
AB22
AB32
179400
279466
416179
40000
52900
67600
60025
62500
32400
81225
75625
115600
84100
48400
90000
96100
129600
108900
AB3
920
1164
1433
200
230
260
245
250
180
285
275
340
290
220
300
310
360
330
A2B1 A2B2
A1
3517
A2B12
A2B3
A2B22
A12
875045
A2B32
A22
1144975
Jml
1185
1370
1520
A2
4075
283025
388950
473000
Jml
B1
2105
B2
2534
B3
2953
G
7592
B12
462425
B22
668416
B32
X2
889179 2020020
A1
B1
G
X2
p
q
n
N
= 3517
A2 = 4075
= 2105
B2 = 2534
= 7592
= 2020020
=2
=3
=5
= 30
B3 = 2953
=N-1
= 30 1
= 29
dk JKa
= pq 1
= (2 3) 1
=5
dk JKd
= N - pq
= 30 (2 3)
= 24
dk JKA
=p1
=21
=1
dk JKB
=q-1
=31
= 2
dk JKAB
= dk JKA dk JKB = 1 2= 2
G2
N
75922
30
= 2020020 1921282,133
= 98737,867
= 2020020 -
AB 2 G 2
n N
920 2 11852 1164 2 1370 2 14332 1520 2 7592 2
+
+
+
+
+
=
5
5
5
5
5
5
5
= 1969262 1921282,133
= 47979,867
b) JKa =
A2 G 2
qn N
3 5
3 5
30
= 1931660,933 1921282,133
= 10378,8
=
e) JKB =
B2 G2
pn N
25
25
25
30
= 1957239 1921282,133
= 35956,867
JK d
dk .JK d
50758
= 2114,916667
24
JK A
dk .JK A
10378,8
=
= 10378,8
1
b) RKA =
JK B
dk .JK B
35956,867
=
= 17978,4335
2
c) RKa =
JK AB
dk .JK AB
1644,2
= 822,1
=
2
d) RKAB =
Perhitungan F ratio
RK A
RK d
10378,8
=4,9074274
=
2114,916667
a) FA =
RK B
RK d
17978,4335
= 8,50077631
=
2114,916667
b) Fb =
RK AB
RK d
822,1
= 0,388715079
=
2114,916667
c) FAB =
Hasil perhitungan dari ANOVA dua arah di atas dapat dibuat tabel
sebaghai berikut:
Sumber Varians
Baris A
Kolom B
Interaksi A * B
dk
1
2
2
SS
10338,8
35956,867
1644,2
MS
10338,8
17978,84335
822,1
Fh
4,907
8,500
0,3887
Ft
4,26
3,40
3,40
Dalam sel
Jumlah
24
29
50758
98737,867
140,625
RK d
n
= 4,37
2114,916667
= 63,55183089
10
2105
= 210,5
10
Mean B2 =
2534
= 253,4
10
Mean B3 =
2953
= 295,3
10
Variabel
B1
B2
B3
B1
42,9
84,8
B2
42,9
41,9
B3
84,8
41,9
-
Var
1
1
1
1
1
2
2
2
2
2
1
1
1
1
1
2
2
2
2
2
1
1
1
1
1
2
2
2
2
2
Var
150
120
200
250
200
200
230
260
245
250
225
280
280
179
200
180
285
275
340
290
223
295
295
300
320
220
300
310
360
330
Var
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
Kemudian buka variable view pada kolom name untuk nomor 1 tulis
iklan, no. 2 Kemasan, no. 3 kemasan2. Setelah itu pada kolom value untuk
barisan pertama klik tanda disampingnya dan akan tampak menu value label
pada tulisan value isi angka 1 dan value label isi Elektronik, lalu klik add.
Lanjutkan pada value isi kembali angka 2 dan value label isi Cetak, lalu
add, dan klik oke. Selalanjutnya pada kolom value urutan no. 3 pada barisan
kemasan2 klik kembali tanda disampingnya dan isi value dengan angka 1
dan value label B1 seterusnya sampai no. 3.
Pada menu univariate itu juga pilih options maka akan tampil
menu Univariate options pada menu tersebut pilih descriptive statistic
dan homogeneity, klik continue dan oke.
1
2
1
2
3
Value Label
Elektro
Cetak
B1
B2
B3
N
15
15
10
10
10
Descriptive Statistics
Dependent Variable: KEMASAN
IKLAN
Elektro
KEMASAN2
B1
B2
B3
Total
B1
B2
B3
Total
B1
B2
B3
Total
Cetak
Total
Mean
184.00
232.80
286.60
234.47
237.00
274.00
304.00
271.67
210.50
253.40
295.30
253.07
Std. Deviation
50.299
46.062
37.018
60.015
23.345
58.245
52.249
52.053
46.335
54.058
43.663
58.350
N
5
5
5
15
5
5
5
15
10
10
10
30
a
df1
df2
.505
Sig.
24
.769
Source
Corrected Model
Intercept
IKLAN
KEMASAN2
IKLAN * KEMASAN2
Error
Total
Corrected Total
df
5
1
1
2
2
24
30
29
Mean Square
9595.973
1921282.133
10378.800
17978.433
822.100
2114.917
F
4.537
908.443
4.907
8.501
.389
Sig.
.005
.000
.036
.002
.682
Sig.
.114
.001
.114
.125
.001
.125
Homogeneous Subsets
KEMASAN
Tukey HSD
a,b
Subset
KEMASAN2
B1
B2
B3
Sig.
1
10
10
10
Alpha = .05.
2
210.50
253.40
.114
253.40
295.30
.125
Sebelum
(A)
100
98
76
90
87
89
77
92
78
82
Sesudah
(B)
105
94
78
98
90
85
86
87
80
83
Beda
AB
+5
-4
+2
+8
+3
-4
+9
-5
+2
+1
Tanda Jenjang
range
positif
negatif
7,5
7,5
5,5
5,5
2,5
2,5
9
9
4
4
5,5
5,5
10
10
7,5
7,5
2,5
2,5
1
1
Jumlah T= 36,5
18,5
T T
=
Z=
T
n(n + 1)
4
n(n + 1)(2n + 1)
24
T
10(10 + 1)
18,5 27,5
4
=
= 0,918
9,8
10(10 + 1)(2.10 + 1)
24
18,5
Bila taraf signifikansi 0,025 maka harga z tabel = -1,96, dan jika
dibandingkan dengan z hitung = -0,918 < dari z tabel (-1,96), maka Ho
diterima. Dengan demikian tidak memiliki perbedaan baik sebelum ataupun
sesudah.
Cara menghitung melalui program SPSS, buka program SPSS lalu
masukan data pada kolom var dan ganti kata var dengan kalimat sebelum dan
sesudah. Kemudian arahkan pointer pada Analyze pilih Nonparametric,
setelah itu pilih 2 related sample, klik.
10
10
Mean
86.9000
88.6000
Std. Deviation
8.53034
8.35597
Minimum
76.00
78.00
Maximum
100.00
105.00
Ranks
N
SESUDAH - SEBELUM
Negative Ranks
Positive Ranks
Ties
Total
3a
7b
0c
10
Mean Rank
6.17
5.21
Sum of Ranks
18.50
36.50
SESUDAH SEBELUM
-.919a
.358
Z
Asymp. Sig. (2-tailed)
a.
b.
A
78
92
68
56
77
82
81
62
91
53
85
R1= 205,5
R2 = 203
R2 = 152,5
2
Rumus: H =
k
R
12
1 3(N + 1)
N ( N + 1) j =1 n j
3(33 + 1)
33(33 + 1) 11
12
10
= 102,66 102 = 0,66
Selanjutnya H hitung tersebut dibandingkan dengan harga Chi
Kuadrat tabel, yaitu dk = k 1= 3 2 = 1dengan taraf signifikansi 5%, maka
chi kuadra tabel = 5,59. bila dibandingkan dengan H hitung < Chi kuadrat
tabel. Dengan demikian Ho diteriama dan Ha ditolak, maka terdapat
perbedaan antara prestasi pegawai A, B, C.
Cara memasukan data dalam program SPSS isi data sebagai berikut:
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
Var
Var
78
92
68
56
77
82
81
62
91
53
85
82
89
72
57
62
75
64
77
84
56
88
69
69
79
65
60
71
74
83
56
59
90
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
33
33
Mean
72.91
1.97
Std. Deviation
11.833
.810
Minimum
53
1
Kruskal-Wallis Test
Ranks
PRESTASI
RANK
A
B
C
Total
N
11
12
10
33
Mean Rank
18.68
17.00
15.15
Maximum
92
3
Test Statistics
Chi-Square
df
Asymp. Sig.
a,b
PRESTASI
.700
2
.705
Contoh data:
No. Klp
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Jml
Rumus:
2
X2 =
=
k
12
(R j ) 3N (k + 1)
Nk (k + 1) j =1
[(
)]
12
32 2 + 22 2 + 36 2 3(15)(3 + 1)
(15)(3)(3 + 1)
= 6,93
Menguji signifikansinya perlu dibandingkan dengan tabel chi
kuadrat dk = k 1= 3 1 = 2, dengan taraf kesalahan 5% maka chi kuadrat=
5,99. bila dibandingkan dengan X2 hitung > X2 tabel. Dengan demikian, Ho
ditolak dan menerima Ha, maka prestasi ketiga orang pegawai mempunyai
pengaruh yang berbeda terhadap efektivitas kerja.
Cara perhitungan melalui program SPSS adalah buka program SPSS
lalu isi data pada kolom var, setelah data tersisi, ubahlah var tersebut untuk
kolom pertama dengan nama direktif, kolom kedua supportif dan kolom
ketiga dengan partisipatif.
Senjutnya
dari
data
view
arahkan
pada
analyze,
pilih
Mean
Std. Deviation
64.07
8.730
61.20
6.899
70.93
6.341
15
15
15
Minimum
45
47
59
Maximum
77
72
78
Friedman Test
Ranks
Mean Rank
2.13
1.47
2.40
DIREKTIF
SUPPORTI
PARTISIP
Test Statistics
N
Chi-Square
df
Asymp. Sig.
a.
15
6.933
2
.031
Friedman Test
Kriteria
Kredibilitas (Credibility)
Kebergantungan (Dependability)
dilakukan
untuk
kebenaran
data
tertentu
dengan
membandingkan dengan data yang diperoleh dari sumber lain. Selain itu,
referensial,
dalam
hal
ini
untuk
menampung
dan
2. Kebergantungan (Dependability)
Kebergantungan (dependability) menurut istilah konvensional disebut
reliability atau reliabilitas. Hal ini dilakukan melalui suatu cara yang disebut
dengan audit trail. Kata Audit artinya pemeriksaan pembukuan oleh
seorang ahli untuk memeriksa ketelitian pembukuan, dan kemudian
mengkonnfirmasikan serta menjamin kebenarannya, bila ternyata memang
benar. Trail artinya jelek yang dapat dilacak11.
10
11
Moleong. (2000).
Nasution. (1988).
12
Nasution. (1988).
agar
kesimpulan yang telah dikaji dapat disepakati untuk ditulis sebagai laporan
yang memiliki tingkat kepercayaan yang benar13.
Hasil komponen-komponen tersebut dapat digambarkan sebagai
berikut:
Pengumpulan Data
Display Data
Reduksi Data
Kesimpulan/Verifikasi
Gambar
Komponen-Komponen Analisis Data Model Interaktif dari
Miles dan Huberman (1992)
IV. Penutup
Teknik analisis data yang telah disusun ini, masih banyak kekurang
yang masih perlu direvisi kembali, di mana dalam analisis data untuk kuatitatif
masih banyak model analisis yang perlu digunakan dalam penelitian tidak
hanya terbatas pada hasil penyusunan ini, begitu juga dengan analisis
kualitatifnya. Dengan demikian, penyusun mohon maaf jika dalam
13
DAFTAR PUSTAKA
Hartono. (2004). Statistik untuk Penelitian. Yogyakarta: LSFK2P.
Kelinbaum, D.G., kupper, L.L., & Muller, K.E. (1998). Applied Regression
Analysis and Other Multivariable Methods. New York: Duxbury Press.
ITP (An International Thomson Publishing Company).
Kirk, Roger E. (1995). Experimental Design Procedural Sciences. New York:
Brooks/Cole. ITP (An International Thomson Publishing Company).
Mason, R.D. Lind, D.A. & Marchal, W.G. (1994). Statistic an Introduction
(Second edition). New York: Harcourt Brace Jovanovich Publishing.
Matthew B. Miles dan A. Michael Huberman (1992). Qualitative data Analysis.
Diterjemahkan oleh Tjetjep Rohendi Rohidi; pendamping Mulyarto.
Jakarta: Penerbit Universitas Indonesia. (Buku asli diterbitkan tahun
1984).
Moleong, Lexy J. (2000). Metode Penelitian Kualitatif. Bandung: Remaja
Rosdakarya.
Nasution. (1988). Metode Penelitian Kualitatif. Bandung: Tarsito.
Siegel, Sitney. (1994). Nonparametric Statistic for Behavioral Sciences. Telah
ditafsirkan oleh M.Sudrajat SW. Bandung: Armico.
Sudjana. (1996). Metode Statistika (edisi ke 6). Bandung: Tarsito.
Sugiyono. (2000). Statistik untuk Penelitian (cetakan ke 3). Bandung: Alfabeta.
_______. (2004). Statistik Nonparametrik (edisi ke 4). Bandung: CV Alfabeta.
Sutrisno Hadi. (1995). Analisis Regresi (cetakan ke 5). Yogyakarta: Andi Offset.
Walpole, Ronal E. (1993). Pengantar Statistik (edisi ke 3). Telah diterjemahkan
dalam bahasa Indonesia oleh Ir. Bambang Sumantri, judul aslinya
Indroduction to statistic. (1982). Jakarta: Gramedia Pustaka Utama.