DIKTAT LABSTA - Jayadi PDF

BAHAN KULIAH
LABORATORIUM
STATISTIK
Oleh :
JAYADI
SEKOLAH TINGGI ILMU EKONOMI IPWI JAKARTA

JAKARTA
2018
DAFTAR ISI
Hal
PENGENALAN SPSS 1
ANALISIS STATISTIK DESKRIPTIF 4
ANALISIS STATISTIK NON PARAMETRIK 7
PENGUJIAN VALIDITAS DAN RELIABILITAS 14
PENGUJIAN NORMALITAS DATA 18
UJI PERBANDINGAN (UJI BEDA) 23
ANALISIS KORELASI SEDERHANA 35
ANALISIS REGRESI SEDERHANA 39
ANALISIS REGRESI GANDA 41
PENGUJIAN ASUMSI KLASIK 47
ANALISIS JALUR (PATH ANALYSIS) 51
DAFTAR PUSTAKA 56
DAFTAR LAMPIRAN 57
PENGENALAN SPSS
(Statistical Product and Service Solution)
A. Mengaktifkan SPSS
Klik Start =>Program => SPSS for
Windows
Setelah muncul kotak dialog pilihlah:
 type in data untuk memulai kerja
baru
 Open an existing data source untuk
mengedit data yang sudah disimpan
sebelumnya
Anda akan masuk pada SPSS data editor
seperti gambar di samping.
Gambar : Tampilan data editor dari SPSS
B. Menentukan jenis variable
Setelah anda masuk SPSS data editor, pojok kiri bawah tampak ada dua menu yaitu: data
view dan variable view. Pilihlah variable view sebelum melanjutkan memasukkan data.
Dalam variable view memiliki 10 kolom identitas data:
a. Name : nama variable (hanya boleh satu kata)
b. Type : tipe data (sesuaikan dengan data yang anda masukkan, untuk data angka
gunakan numeric)
c. Width : menentukan jumlah karakter atau angka yang akan tampil pada data editor.
d. Decimals : menentukan jumlah angka di belakang koma
e. Label : memberikan identitas variable
f. Value : digunakan untuk memasukkan angka sebagai pengganti kode pada data
nominal dan ordinal.
g. Missing : untuk memberikan keterangan apabila data tidak ada
h. Columns : memberikan ukuran lebar kolom di layar editor
i. Align : menentukan letak data (rata tengah, rata kiri, rata kanan)
j. Measure : menentukan jenis data yang dimasukkan, ada 3 jenis yaitu:
Jayadi, STIE IPWIJA Page 1

scale – data yang memiliki acuan nilai nol, contoh tinggi anak, prestasi
belajar, berat badan
ordinal – data yang dikelompokkan tetapi setiap kelompok memiliki nilai
berbeda, contoh berat badan kurang dari 30 kg kelompok
ringan, 31 – 50 sedang, lebih dari 50 kg kelompok berat.
nominal – data yang dikelompokkan tetapi setiap kelompok memiliki
dasar yang sama, misalnya jenis kelamin, metode pembelajaran,
jenis media dll.
Setelah ke 10 kolom ini diisi, dilanjutkan dengan memasukkan data ke menu editor. Isikan
datanya dengan cara klik Data View yang ada di kiri bawah layar, kemudian isikan
datanya untuk tiap case (variable)
C. Menyimpan Data lewat Data Editor

Untuk menyimpan data lakukan langkah-langkah sbb:
1. Klik menu File => Save As
2. Beri nama file
NB : File yang tersimpan akan langsung berekstensi sav
D. Menghapus variabel
Untuk menghapus variabel lakukan langkah berikut:
1. Pindahkan ke Variable View dengan menekan tombol Ctrl-T
2. Pilih variabel yang akan dihapus dengan meng-klik nomor variabel
3. Tekan tombol Del
E. Menyisipkan variabel dan kasus

Untuk variabel maka pindahkan kursor pada kolom yang akan disisipi kemudian
klik menu Data; insert Variable lalu isikan datanya
Untuk kasus maka pindahkan kursor pada baris yang akan disisipi kemudian klik
menu Data; insert Variable lalu isikan datanya
F. Transpose Data
Transpose data adalah memindahkan kolom data menjadi baris dan sebaliknya.
Langkah-langkah untuk transpose data adalah:

1. Buka file yang akan ditranspose
2. Pilih menu Data ; Transpose
3. Pindahkan satu atau beberapa variabel ke kotak Variable
4. Tekan OK
Maka variabel yang dipindahkan akan menjadi case dan variabel yang tidak
dipindahkan akan hilang.
G. Mengurutkan Data
Untuk beberapa kegunaan khusus dan jika datanya banyak, maka diperlukan pengurutan
data berdasarkan variabel tertentu. Hal ini dilakukan dengan perintah SORT CASES.
Untuk mengurutkan data dilakukan langkah berikut :
1. Buka file yang akan diurutkan
2. Pilih menu Data ; SORT CASES
3. Pindahkan satu atau beberapa variabel ke kotak Variable yang akan digunakan sebagai
kunci
4. Pilih modus pengurutannya Ascending (urutan naik) atau Descending(urutan turun)
5. Tekan OK

ANALISIS STATISTIK DESKRIPTIF
Statistika deskriptif adalah ilmu yang digunakan untuk menganalisa data dengan melihat
gambaran dari data tersebut. Gambaran suatu data dapat dilihat dari besaran statistik, misal
nilai mean (rata-rata), Standar deviasi (simpangan baku), variansi, modus, median dan
sebagainya.
Deskripsi data dengan besaran statistik

Dalam SPSS, deskripsi data dengan besaran statistik dapat dilakukan dengan menggunakan
menu Descriptive Statistics, yang terdiri dari sub menu :
1. Frequencies
2. Descriptive
3. Explore
4. Crosstab
Diantara empat sub menu descriptive statistics ini, untuk menguji normalitas data dilakukan
dengan sub menu explore. Namun demikian, jenis yang juga akan dibahas dalam modul ini.
1. Frequencies
Apabila anda klik sub menu analyze => descriptive statistic => Frequencies akan
tampak tampilan sbb: Spesifikasi minimum dari prosedure ini adalah memindahkan
sebuah variabel ke kotak Variable(s). Output yang dihasilkan dari sub menu ini berupa
tabel. Bila check box pada Display Frequencies Tables ditandai maka pada output akan
nampak tabel frekuensi data. Selain itu terdapat tiga tombol lain yaitu Statistics, Chart, dan
Format.

Tombol Statistics
Tombol ini digunakan untuk menampilkan deskripsi univariat dari variabel numeric yang
ada di daftar, antara lain ukuran pemusatan ( Mean, Median, Modus, Jumlah), ukuran letak
(Kuartil, Desil, Persentil), Ukuran Dispersi (nilai maksimum, nilai minimum, Range,
Variansi, Standar Deviasi), Kemiringan (Skewness) dan Kurtosis. Statistik-statistik yang
diinginkan dapat dipilih dengan menandai check box yang tersedia.
Tombol Chart
Tombol ini digunakan untuk menampilkan grafik batang, grafik lingkaran dan grafik
histogram. Apabila diinginkan grafik histogram dengan kurva normalnya maka tandai
check box With Normal Curve.
Tombol Format
Untuk menentukan format output tabel deskriptif
2. Deskriptives
Apabila sub menu Frequencies diklik akan tampak tampilan sbb:
Spesifikasi minimum dari prosedure ini adalah memindahkan sebuah variabel ke kotak
Variable(s). Output yang dihasilkan dari sub menu ini tidak berupa tabel.
Tombol Option
Tombol ini digunakan untuk menampilkan deskripsi univariat dari variabel numeric yang
ada di daftar, antara lain Mean, Sum, nilai maksimum, nilai minimum, Range, Variansi,

S.E. Mean , Kemiringan (Skewness) dan Kurtosis serta format pengurutan. Statistik-
statistik yang diinginkan dapat diplilih dengan menandai check box yang tersedia.
3. Explore
Eksplore digunakan untuk menguji normalitas distribusi suatu data. Persyaratan yang harus
dipenuhi dalam analisis ini adalah: variable dependent harus data skala dan variable
grouping harus nominal atau ordinal. Langkah-langkah analisis explore untuk menguji
normalitas data adalah sbb:
1. Buka file yang akan dianalisis

2. Klik: analyze => statistic Descriptive => explore, sehingga keluar tampilan seperti
berikut:
3. Masukkan variable terikat anda kedalam kotak dependent list, variable bebas ke
dalam factor list. Sedangkan label cases by diisikan data yang jenis variabelnya
string.
4. Klik statistic untuk menentukan interval kepercayaan statistic anda. Bila sudah diisi
klik continue.
5. Klik Plot dari ditak dialog explore. Untuk menguji normalitas beri tanda centang pada
Normality plots with tests.
6. Klik continue
7. Klik ok

ANALISIS STATISTIK NON PARAMETRIK
Pembahasan analisis data ditekankan pada data kuantitatif. Analisis data tidak dilakukan
secara manual tetapi menggunakan SPSS (Statistical Product and Service Solution) sebagai
salah satu software yang dapat digunakan untuk analisis data statistik. Pengoperasian SPSS
tidak dilakukan secara detail, tetapi yang langsung berhubungan dengan contoh penggunaan.
Lembar kerja SPSS memiliki kemiripan dengan Microsoft Excell. Pada lembar kerja terdapat
dua sheet yaitu Data View dan Variable View (kiri bawah).
Analisis statistik non paramatrik digunakan jika data variabelnya dalam bentuk skala Nominal
dan Ordinal. Pada analisis jenis ini tidak diperlukan persyaratan bahwa data variabel harus
berdistribusi normal. Jika data variabelnya dalam bentuk skala nominal salah satu rumus yang
dapat digunakan adalah rumus Chi Kuadrat (Chi Square) dan jika data variabelnya dalam
bentuk ordinal rumus yang dapat digunakan adalah Korelasi Rank Spearman.
Contoh : Data dengan skala Nominal
Jenis Kelamin Pendidikan Status Nikah

No. Usia (X2) Penghasilan (X5)
(X1) (X3) (X4)
1 Laki-laki 16 - 20 SD/SMP Belum Kawin < 1.500.000
2 Laki-laki 21 - 25 SMA/SMK Kawin 1.500.000 – 3.000.000
3 Perempuan 26 - 30 Diploma Kawin > 4.500.000
4 Laki-laki 31 - 35 S1 Belum Kawin > 4.500.000
5 Perempuan 36 - 40 S1 Kawin 3.100.000 – 4.500.000
6 Perempuan > 40 S2/S3 Kawin > 4.500.000
7 Perempuan 31 - 35 SD/SMP Belum Kawin 3.100.000 – 4.500.000
8 Laki-laki 31 - 35 S1 Kawin > 4.500.000
9 Laki-laki 21 - 25 SMA/SMK Kawin 1.500.000 – 3.000.000
10 Laki-laki > 40 SMA/SMK Belum Kawin 3.100.000 – 4.500.000
11 Perempuan 16 - 20 SMA/SMK Belum Kawin > 4.500.000
12 Laki-laki > 40 SD/SMP Kawin < 1.500.000
13 Perempuan 31 - 35 Diploma Kawin 3.100.000 – 4.500.000
14 Perempuan 21 - 25 SD/SMP Kawin > 4.500.000
15 Perempuan 26 - 30 S1 Kawin > 4.500.000

16 Laki-laki > 40 SMA/SMK Kawin 3.100.000 – 4.500.000
17 Laki-laki 26 - 30 SMA/SMK Belum Kawin < 1.500.000
18 Perempuan 31 - 35 S1 Belum Kawin > 4.500.000
19 Laki-laki 21 - 25 Diploma Kawin 1.500.000 – 3.000.000
21 Laki-laki 36 - 40 S1 Kawin 3.100.000 – 4.500.000
22 Laki-laki 16 - 20 SMA/SMK Belum Kawin 3.100.000 – 4.500.000
23 Perempuan 16 - 20 SD/SMP Kawin 1.500.000 – 3.000.000
25 Laki-laki 31 - 35 S1 Belum Kawin > 4.500.000
28 Perempuan 36 - 40 S1 Belum Kawin > 4.500.000
Agar data-data dalam tabel diatas dapat diolah dengan menggunakan SPSS maka data-data
tersebut harus dijadikan (dirubah) kedalam data kuantitatif, caranya yaitu dengan
memberikan kode angka pada data kualitatif (data kelompok), yaitu :
Jenis Kelamin (X1) :

Value 1 = Laki-laki
Value 2 = Perempuan
Umur (X2) :
Value 1 = 16 – 20
Value 2 = 21 – 25
Value 3 = 26 – 30
Value 4 = 31 – 35
Value 5 = 36 – 40
Value 6 = > 40
Pendidikan (X3) :
Value 1 = SD/SMP
Value 2 = SMA/SMK
Value 3 = Diploma
Value 4 = S1
Value 5 = S2/S3
Status Nikah (X4) :
Value 1 = Kawin
Value 2 = Belum Kawin
Penghasilan (X5) :
Value 1 = < 1.500.000
Value 2 = 1.500.000 – 3.000.000
Value 3 = 3.100.000 – 4.500.000
Value 4 = > 4.500.000
Langkah-langkah memulai memasukan data (menginput data) pada SPSS :

a. Buka program SPSS
b. Pilih Spreedshet SPSS (Variable view)
c. Definisikan semua variabel (sesuai tabel diatas ) pada kolom nama, dimulai X1, X2 dst
kearah bawah. (Catatan nama variabel tidak boleh sama)
d. Pada kolom label definisikan nama veriabelnya, dimulai jenis kelamin, umur, pendidikan
dst.
e. Klik kolom values, selanjutnya pada kotak value isi dengan angka 1 dilanjutkan pada kotak
value label isi dengan Laki-laki ( sesuai pengkodean diatas)
f. Pilih Add dilanjutkan mengisi angka 2 dan value label Perempuan
g. Pilih Add dan Ok
h. Lakukan hal yang sama seperti pada variabel X1 untuk variabel lainnya.
i. Setelah mengisi dan mendefinisikan semua variabel barulah memulai mengisi data yang
sebenarnya pada Spreedshet SPSS (data view). Perlu diingat cara mengisinya dengan
angka sesuai dengan value nilai (pengkodean diatas)
Analisis Deskriptif
Analisis deskriptif berfungsi untuk mendeskripsikan variabel yang dijadikan obyek penelitian.
Langkah-langkah analisis deskriptif :
a. Masukkan data yang akan diuji ke program SPSS sheet Data View
b. Pilih menu ANALYZEDESCRIPTIVE STATISTICSFREKUENCIES
c. Pilih variabel yang akan diuji (Jenis Kelamin) pindahkan ke kotak VARIABLE
d. Pilih CHARTS jika ingin menampilkan garfik (Pie atau Bar)CONTINUE
e. Klik OK
Tampilan (output) SPSS Analisis Deskriptif :

Jenis Kelamin
Cumulative
Frequency Percent Valid Percent Percent
Valid Laki-laki 17 56.7 56.7 56.7
Perempuan 13 43.3 43.3 100.0
Total 30 100.0 100.0
Analisis Crosstabs (Chi Square)

Analisis Crosstabs banyak digunakan untuk analisis bivariat khususnya data variabel dalam
bentuk skala nominal. Disini dicontohkan crosstab antara variabel gender (jenis kelamin)
dengan penghasilan.
Langkah-langkah yang harus dilakukan :
a. Pilih menu ANALYZEDESCRIPTIVE STATISTICSCROSSTAB
b. Pilih variabel JENIS KELAMIN pindahkan ke kotak ROW
c. Pilih variabel PENGHASILAN pindahkan ke kotak COLUMN
d. Pilih STATISTICSklik CHI SQUARE dan klik CONTINGENCY COEFFICIENT
CONTINUE
e. Pilih CELLS klik EXPECTEDCONTINUE
f. Klik OK

Tampilan (output) SPSS Analisis Crosstabs :
Tabel 1. Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Gender * Penghasilan 30 100.0% 0 .0% 30 100.0%
Tabel 2. Gender * Penghasilan Crosstabulation
Penghasilan
1.500.000 - 3.100.000 -
< 1.500.000 3.000.000 4.500.000 > 4.500.000 Total
Gender Laki-laki Count 3 5 6 3 17
Expected Count 1.7 3.4 5.1 6.8 17.0
Perempuan Count 0 1 3 9 13
Expected Count 1.3 2.6 3.9 5.2 13.0
Total Count 3 6 9 12 30
Expected Count 3.0 6.0 9.0 12.0 30.0
Tabel 3. Chi-Square Tests
Asymp.
Value Df Sig. (2-
sided)
Pearson Chi-Square 9.299a 3 .026
Likelihood Ratio 10.694 3 .014
Linear-by-Linear
8.398 1 .004
Association
N of Valid Cases 30
a. 5 cells (62.5%) have expected count less than 5. The
minimum expected count is 1.30.

Tabel 4. Symmetric Measures
Value Approx. Sig.

Nominal by Nominal Contingency Coefficient .486 .026
N of Valid Cases 30
Memaknai Output SPSS :
1. Pada Tabel 1. Case Processing Summary

Jumlah responden yang digunakan sebanyak 30 (100%) semuanya dinyatakan valid dan
tidak ada responden yang dinyatakan missing (0 %).
2. Pada Tabel 2. Gender * Penghasilan Crosstabulation
Pada tabel ini dapat diketahui data variabel jenis kelamin jumlah responden laki-laki
sebanyak 17 orang dan responden perempuan sebanyak 13 orang dan total responden
sebanyak 30 orang. Selain itu juga dapat dilihat data variabel penghasilan :
 < 1.500.000 sebanyak 3 orang,
 1.500.000 – 3.000.000 sebanyak 6 orang,
 3.100.000 – 4.500.000 sebanyak 9 orang
 > 4.500.000 sebanyak 12 orang.
Pada tabel ini juga dapat diketahui persilangan (crosstab) antara variabel gender dengan
penghasilan baik dilihat dari frekuensi nyata (count) maupun frekuensi harapan
(Expected Count).
3. Pada Tabel 3. Chi-Square Tests
Pada tabel ini menunjukkan hasil dari rumus Chi Square (Chi Kuadrat) hitung sebesar
9,299. Hasil ini untuk membuktikan hipotesis penelitian atau menjawab permasalahan
yang diajukan : Apakah ada hubungan antara jenis kelamin dengan penghasilan?
Untuk membuat keputusan tentang hipotesis yang diajukan diterima atau ditolak dengan
langkah-langkah sebagai berikut :
a. Membuat rumusan hipotesis statistik :
Ha : Ada hubungan yang signifikan antara jenis kelamin dengan penghasilan
Ho : Tidak ada hubungan yang signifikan antara jenis kelamin dengan penghasilan
b. Kaedah keputusan :
Jika nilai 2hitung > 2tabel atau nilai Asymp.Sig (2 sided) < α = 0,05, maka Ho ditolak
dan Ha diterima

Jika nilai  < 
2 2
hitung tabel atau nilai Asymp.Sig (2 sided) > α = 0,05, maka
Ho diterima dan Ha ditolak
c. Membuat Kesimpulan :
Ternyata hasilnya nilai 2hitung (9,299) > 2tabel (7,815) atau nilai Asymp.Sig (0,026)
< α = 0,05 artinya Ho ditolak dan Ha diterima. Jadi kesimpulannya adalah ada
hubungan yang signifikan antara gender dengan penghasilan.
4. Pada Tabel 4. Symmetric Measures
Menunjukkan besarnya nilai koefisien korelasi antara variabel gender dengan penghasilan
yang diperoleh melalui rumus Contingency Coefficient (koefisien kontingensi) yaitu
sebesar 0,486 dan signifikan pada 0,026.
Untuk latihan coba lakukan pengujian hipotesis hubungan antara :

a. Variabel Usia dengan Penghasilan
b. Variabel Pendidikan dengan Penghasilan
c. Variabel Usia dengan Status Nikah.
d. Variabel Pendidikan dengan Status Nikah

PENGUJIAN VALIDITAS DAN RELIABILITAS
Pengujian Validitas
Validitas adalah ukuran yang menunjukkan sejauhmana instrumen pengukur mampu
mengukur apa yang ingin diukur. Tujuan pengujian validitas adalah untuk meyakinkan bahwa
kuesioner/angket yang kita susun akan benar-benar baik dalam mengukur gejala sehingga
dihasilkan data yang valid. Untuk melakukan uji validitas, salah satu metode yang dapat
digunakan adalah dengan mengkorelasikan antara skor butir-butir pertanyaan dengan skor
pertanyaan secara total (analisis butir).
Tahap-tahap dalam melakukan pengujian validitas adalah :

1. Menyusun angket sesuai jumlah variabel yang diteliti
2. Melakukan ujicoba pada sejumlah responden (minimal 30 orang)
3. Mempersiapkan tabel tabulasi jawaban reponden
4. Menghitung nilai korelasi antara skor butir dengan skor total
Suatu butir pertanyaan dikatakan valid jika nilai r hitung > r tabel. Jika ada pertanyaan yang
dinyatakan tidak valid maka pertanyaan tersebut harus didroup dari daftar pertanyaan.
Contoh : Data Uji Validitas dan Reliabilitas
No P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 Motivasi
1 3 2 4 3 4 2 2 4 4 2 30
2 4 4 4 4 5 3 5 3 4 5 41
3 4 5 4 4 4 5 5 4 4 5 44
4 5 4 2 4 2 2 4 2 5 4 34
5 3 2 3 4 3 2 2 5 4 2 30
6 4 3 5 2 2 2 5 5 5 5 38
7 4 2 2 4 4 2 4 2 5 4 33
8 4 4 4 4 2 2 5 2 4 5 36
9 4 3 4 5 4 3 4 2 5 4 38
10 4 4 4 5 4 5 5 4 5 4 44
11 4 4 4 4 1 3 4 5 5 4 38
12 2 4 5 5 2 2 3 2 3 3 31
13 5 4 5 5 4 4 5 4 4 5 45
14 5 4 4 5 4 5 4 4 4 4 43
15 4 4 5 2 2 3 4 4 2 4 34
16 4 5 4 5 4 3 3 4 5 3 40
17 5 5 4 5 2 3 5 5 5 5 44

18 2 1 3 2 1 2 3 2 3 3 22
19 4 1 2 2 1 2 2 2 2 2 20
20 2 5 3 2 1 3 4 2 2 4 28
21 4 3 4 3 4 2 4 4 4 4 36
22 4 2 3 2 5 2 2 4 2 2 28
23 4 2 1 2 1 5 4 2 2 4 27
24 3 4 4 4 2 3 4 5 5 4 38
25 4 4 4 4 2 3 4 4 4 4 37
26 2 2 2 4 2 2 4 4 4 4 30
27 3 3 4 4 2 3 4 4 5 4 36
28 3 5 4 4 2 4 4 5 5 4 40
29 4 5 5 5 1 5 4 5 5 4 43
30 4 5 5 4 2 3 4 2 4 4 37
Langkah-langkah dalam pengolahan data untuk uji VALIDITAS :

1. Masukkan data-data tersebut ke program SPSS sheet Data View
2. Pilih menu ANALYZE  SCALERELIABILITY ANALYSIS
3. Masukkan indikator (pertanyaan) P1 s/d P10 dari kotak kiri kotak sebelah kanan
4. Klik STATISTIC
5. Klik kotak SCALE IF ITEM DELETED
6. Klik OK
Tampilan (output) SPSS Uji Validitas :
Item-Total Statistics
Corrected Item- Cronbach's

Scale Mean if Scale Variance if
Total Alpha if Item
Item Deleted Item Deleted
Correlation Deleted
P1 31.8000 37.683 .430 .794

P2 32.0000 32.345 .644 .767
P3 31.8000 35.614 .505 .785
P4 31.7667 33.840 .619 .772
P5 32.8667 38.533 .178 .828
P6 32.5000 36.052 .451 .791
P7 31.6333 35.344 .616 .775
P8 31.9667 36.585 .351 .804
P9 31.5000 34.672 .568 .778
P10 31.6667 35.885 .582 .779

Untuk mengetahui korelasi setiap butir pertanyaan dapat dilihat pada kolom Corrected Item-
Total Correlation. Korelasi butir ini selanjutnya dibandingkan dengan nilai r tabel. Nilai
r tabel dapat diperoleh melalui lampiran pada buku-buku statistik. Misalnya jumlah responden
N = 30 dan taraf signifikansi 5% maka nilai r tabel adalah 0,361.
Berdasarkan output tersebut (kolom Corrected Item-Total Correlation) terlihat bahwa dari 10
pertanyaan yang diuji, ternyata hanya ada 8 pertanyaan yang dinyatakan valid karena nilai
r hitung (corrected item-total correlation) > 0,361, sedangkan pertanyaan yang tidak valid
yaitu nomor 5 dan 8 dikarenakan nilai r hitung (corrected item-total correlation) < 0,361.
Proses selanjutnya kedua pertanyaan yang tidak valid tersebut harus dikeluarkan dari daftar
pertanyaan (didrop).
Pengujian Reliabilitas
Setelah kita melakukan pengujian validitas tahap berikutnya adalah mengukur tingkat
reliabilitas. Reliabilitas adalah ukuran yang menunjukkan konsistensi dari alat ukur dalam
mengukur gejala yang sama di lain kesempatan.
Salah satu metode yang dapat dipakai untuk mengukur reliabilitas dengan menggunakan
rumus Cronbach Alpha.
Menurut aturan Nunnaly instrumen dikatakan reliabel jika nilai Cronbach Alpha > 0,600.
Perlu diingat bahwa dalam menguji reliabilitas yang diikutsertakan adalah hanya pertanyaan-
pertanyaan yang valid saja, sedangkan pertanyaan yang tidak valid tidak perlu diikutsertakan.
Langkah-langkah dalam pengolahan data untuk uji RELIABILITAS :

1. Gunakan data uji validitas yang sudah ada
2. Pilih menu ANALYZE SCALERELIABILITY ANALYSIS
3. Masukkan hanya pertanyaan-pertanyaan yang dinyatakan valid saja dari kotak kiri ke
kotak sebelah kanan
4. Pilih model Alpha
5. Klik STATISTIC
6. Hilangkan tanda centang pada kotak SCALE IF ITEM DELETED
7. Klik OK

Adapun tampilan output uji reliabilitas dapat dilihat dibawah ini :
Reliability Statistics
Cronbach's Alpha N of Items
.834 8
Berdasarkan output tersebut nilai koefisien reliabilitas (Cronbach's Alpha) besarnya adalah
0,834. Nilai koefisien ini jika dibandingkan dengan nilai pembanding (0,600) ternyata masih
lebih besar atau (0,834 > 0,600), sehingga instrumen ini dapat dikatakan reliabel.

PENGUJIAN NORMALITAS DATA
Pengujian normalitas adalah pengujian tentang kenormalan distribusi data. Uji ini merupakan
pengujian yang paling banyak dilakukan untuk analisis statistik parametrik/inferensial. Uji
normalitas ini sebaiknya dilakukan sebelum data diolah berdasarkan model-model penelitian.
Untuk mendeteksi apakah data penelitian terdistribusi normal atau tidak dapat dilihat dengan
beberapa cara :
1. Uji Normalitas : Histogram

Normalitas data bila dilihat dengan cara ini dapat ditentukan berdasarkan bentuk gambar
kurva. Data dikatakan normal jika histogram yang terbentuk mengikuti kurva normal.
Langkah-langkahnya Uji Normalitas dengan Histogram
b. Pilih GRAPHSLEGACY DIALOGSHISTOGRAM
c. Pilih variabel yang akan diuji (Motivasi) pindahkan ke kotak VARIABLE
d. Klik DISPLAY NORMAL CURVE
e. Klik OK
Tampilan (output) SPSS Kurva Normal dengan Histogram :

Cara melakukan pengujian adalah dengan melihat kurva normal (garis lengkung), jika
histogram sebagian besar masuk area garis lengkung maka data dapat dikatakan
terdistribusi normal. Kelemahan dengan cara ini adalah hanya didasarkan pada perkiraan
sehingga hasilnya kurang akurat.
2. Uji Normalitas : Nilai Skewness dan Kurtosis

Skewness berhubungan dengan kemiringan (kemencengan) suatu kurva, sedangkan
kurtosis berhubungan dengan keruncingan suatu kurva. Data yang terdistribusi mendekati
normal akan memiliki nilai skewness yang mendekati angka nol. Aturan untuk menetapkan
kenormalan suatu data, yaitu dengan melihat nilai ratio skewness dan ratio kurtosis berada
antara –2 dan +2.
Jika nilai ratio skewness dibawah –2 maka bentuk grafik distribusi data adalah miring ke
kanan, dan jika nilai ratio skewness diatas +2 maka bentuk grafik distribusi data adalah
miring ke kiri.
Untuk memperoleh nilai ratio Skewness dan Kurtosis yaitu dengan cara membagi nilai
Skewness dan Kurtosis dangan standard errornya.
Langkah-langkah Uji Normalitas dengan Skewness dan Kurtosis :

a. Masukkan data yang kan diuji ke program SPSS sheet Data View
c. Pilih variabel yang akan diuji (Motivasi) pindahkan ke kotak VARIABLE
d. Klik STATISTICS
e. Klik SKEWNESS dan KURTOSIS pada bagian DISTRIBUTION
f. Tekan CONTINUE
g. Tekan OK
Tampilan (output) SPSS Uji Normalitas dengan Skewness dan Kurtosis :

Statistics
Motivasi
N Valid 30
Missing 0
Skewness -.561
Std. Error of Skewness .427
Kurtosis -.190
Std. Error of Kurtosis .833
Dari tabel tersebut maka dapat dihitung rasio skewness dan kurtosis sebagai berikut :
Ratio Skewness adalah : -0,561 : 0,427 = -1,314
Ratio Kurtosis adalah : -0,190 : 0,833 = -0,313
Dari hasil perhitungan tersebut ratio skewness maupun ratio kurtosis terlihat bahwa kedua
ratio tersebut terletak pada interval antara -2 sampai dengan +2, sehingga dapat
disimpulkan bahwa data variabel motivasi yang diuji berdistribusi normal.
3. Uji Normalitas : Kolmogorov-Smirnov Test

Normalitas data variabel juga dapat dibuktikan melalui One Sample Kolmogorov-Smirnov
Test. Pengujian dilakukan dengan membandingkan nilai probabilitas hasil analisis terhadap
nilai α, dengan kriteria sebagai berikut :
Jika nilai Asyim. Sig > α (0,05), maka data variabel berdistribusi normal
Jika nilai Asyim. Sig < α (0,05), maka data variabel tidak berdistribusi normal
Langkah-langkah analisis dengan SPSS adalah sebagai berikut :
b. Pilih menu ANALYZENON PARAMETRICS TESTONE-SAMPLE K-S
c. Pilih variabel yang akan diuji (Motivasi) selanjutnya pindahkan ke kotak TEST
VARIABLE LIST
d. Pada TEST DISTRIBUTION pilih NORMAL
e. Klik OK
Tampilan (output) SPSS Uji Normalitas dengan Kolmogorov-Smirnov :

One-Sample Kolmogorov-Smirnov Test
Motivasi
N 30
Normal Parametersa Mean 35.5000
Std. Deviation 6.56401
Most Extreme Differences Absolute .130
Positive .074
Negative -.130
Kolmogorov-Smirnov Z .714
Asymp. Sig. (2-tailed) .688
a. Test distribution is Normal.
Output analisis diatas menghasilkan nilai Kolmogorov-Smirnov Z = 0,714 dengan

probabilitas Asymp.Sig = 0,688. Karena probabilitas lebih besar dari taraf uji penelitian
(Asym. Sig > α atau 0,688 > 0,05) maka dapat disimpulkan bahwa data variabel yang diuji
(Motivasi) berdistribusi normal sehingga memenuhi persyaratan untuk analisis statistik
inferensial/parametrik. Jika hasilnya tidak berdistribusi normal maka tidak dibenarkan
menggunakan analisis parametrik tetapi harus menggunakan analisis non parametrik.
SOAL TUGAS INDIVIDU :

a. Lakukan uji validitas dan uji reliabilitas dari instrumen angket (pertanyaan K1 s.d K10)
dibawah ini, jika r tabel sebesar 0,312 :
No K1 K2 K3 K4 K5 K6 K7 K8 K9 K10 Nilai Pendidikan Kepuasan

1 3 2 2 4 2 5 3 2 3 4 30 SMP Cukup
2 5 2 5 2 4 4 4 5 5 2 38 SMA Puas
3 5 5 5 4 5 4 5 5 5 4 47 Sarjana Sangat Puas
4 3 2 4 2 4 3 3 4 5 2 32 Diploma Cukup
5 4 2 2 5 2 5 4 2 3 5 34 Sarjana Cukup
6 5 4 5 5 3 4 5 4 5 5 45 Diploma Sangat Puas
7 3 2 4 2 2 3 3 4 3 2 28 SMA Kurang Puas
8 5 4 5 5 4 4 5 5 4 4 45 SMA Sangat Puas
9 3 3 4 2 3 3 3 4 3 2 30 SMA Cukup
10 5 3 3 4 3 2 5 3 4 4 36 SMP Puas
12 3 2 3 2 4 3 3 3 5 2 30 Sarjana Cukup
13 4 4 3 4 4 4 5 3 4 4 39 Sarjana Puas

14 3 5 4 4 4 3 3 4 5 4 39 SMA Puas
15 5 3 4 2 4 4 5 4 5 2 38 SMA Puas
16 3 3 3 4 5 3 3 3 2 4 33 Diploma Cukup
18 3 2 3 2 1 3 3 3 5 2 27 SMP Kurang Puas
19 5 2 2 2 1 4 5 2 3 2 28 Sarjana Kurang Puas
20 3 3 4 2 5 3 3 4 3 2 32 Diploma Cukup
22 5 2 2 4 2 4 5 2 5 4 35 Sarjana Cukup
23 3 4 4 2 2 3 3 4 5 2 32 SMP Cukup
24 5 5 4 5 4 4 5 4 5 5 46 SMP Sangat Puas
25 3 3 4 4 4 3 3 4 5 4 37 Diploma Puas
26 5 2 4 4 2 4 5 4 4 4 38 Sarjana Puas
27 3 3 4 4 3 4 3 4 5 4 37 SMA Puas
28 5 5 4 5 5 5 5 4 5 5 48 SMA Sangat Puas
30 5 4 4 4 5 4 5 4 4 4 43 SMP Sangat Puas
31 3 5 4 5 3 3 3 4 5 3 38 Diploma Puas
32 5 3 4 4 4 4 5 4 4 4 41 SMP Sangat Puas
33 3 2 4 4 4 3 4 4 5 4 37 SMA Puas
34 5 5 4 5 5 4 5 4 5 5 47 SMP Sangat Puas
36 4 2 3 2 5 5 4 3 5 2 35 Sarjana Cukup
37 3 4 4 4 5 3 3 4 5 4 39 Diploma Puas
38 5 3 4 4 4 4 5 4 5 4 42 SMP Sangat Puas
39 3 3 4 2 4 3 3 4 3 2 31 SMA Cukup
b. Lakukan uji normalitas Variabel Nilai apakah data tersebut dapat dikatakan normal atau
tidak normal, melalui :
- pengujian Nilai Skewness dan Kurtosis
- pengujian Kolmogorov Smirnov Test.
c. Ujilah hipotesis apakah ada hubungan antara variabel pendidikan dengan kepuasan?

UJI PERBANDINGAN (UJI BEDA)
Uji beda t-test digunakan untuk mengetahui atau menguji variabel (gejala) dengan dua sampel
yang berbeda berdasarkan nilai rata-ratanya. Atau untuk menguji apakah ada perbedaan nilai
rata-rata dari dua sampel yang berbeda. Misalnya untuk menguji perbedaan kualitas
pelayanan pada karyawan bank pemerintah dengan bank swasta, untuk mengetahui perbedaan
kinerja salesman sebelum dan sesudah diberi kendaraan dinas.
Uji Beda t-Test Berkorelasi
Uji beda ini berguna untuk melakukan pengujian terhadap dua sampel yang saling
berhubungan/berkorelasi atau disebut sampel berpasangan. Biasanya ditandai adanya suatu
perlakuan (treatment) kepada subyek penelitian. Adapun subyek penelitian yang digunakan
biasanya orangnya/produknya sama baik sebelum maupun setelah dilakukan perlakuan.
Contoh : dilakukan sebuah penelitian untuk mengetahui apakah ada perbedaan penjualan
barang sebelum dan sesudah adanya penayangan iklan di stasiun televisi. Data sebagai
berikut:
Penjualan
sebelum 129 130 140 110 112 150 90 70 85 110 114 70 150 140 110
Iklan (X1)
Penjualan
setelah 200 140 300 500 170 600 700 500 400 420 230 460 400 300 600
Iklan (X2)
Langkah-langkah sebagai berikut :

b. Pilih menu ANALYZECOMPARE MEANS
c. Klik PAIRED SAMPLE T-TEST
d. Pilih variabel yang akan diuji (penjualan sebelum dan penjualan setelah) pindahkan ke
kotak VARIABLE
e. Tekan OK
Tampilan (output) SPSS Uji Beda t-Test Berkorelasi :

Paired Samples Statistics
Mean N Std. Deviation Std. Error Mean
Pair 1 Sebelum Penayangan Iklan 114.00 15 26.412 6.819

Setelah Penayangan Iklan 394.67 15 169.658 43.805
Paired Samples Correlations

N Correlation Sig.
Pair 1 Sebelum Penayangan Iklan
15 -.322 .241
& Setelah Penayangan Iklan
Paired Samples Test

Paired Differences
95% Confidence
Sig. (2-
Std. Std. Error Interval of the t df
Mean tailed)
Deviation Mean Difference
Lower Upper
Pair 1 Sebelum Penayangan

Iklan - Setelah -280.667 179.917 46.454 -380.301 -181.032 -6.042 14 .000
Penayangan Iklan

1. Pada Tabel (Paired Sample Statistics) menunjukkan nilai rata-rata sebelum dan sesudah
penayangan iklan masing-masing 114,00 dan 394,67. Jumlah responden yang dianalisis
sebanyak N = 15. Secara absolut nilai rata-rata sebelum dan sesudah penayangan iklan
memang ada perbedaan jumlah penjualan yang cukup besar. Tetapi untuk membuktikan
apakah perbedaan tersebut cukup signifikan (nyata) atau tidak maka perlu dilakukan
pengujian secara statistik.
2. Pada Tabel (Paired Samples Correlations) menunjukkan besarnya koefisien korelasi antara
X1 dengan X2, yaitu sebesar -0,322 dengan signifikan 0,241. Korelasi tersebut dapat
dimaknai bahwa antara X1 dengan X2 mempunyai hubungan yang rendah dan mempunyai
arah yang negatif. Jika kita uji secara statistik koefisien tersebut hubungannya ternyata
tidak nyata (signifikan) dikarenakan nilai signifikansi (0,241) lebih besar dari 0,05.

3. Pada Tabel ( Paired Sample Test) menunjukkan nilai t hitung sebesar -6,042 dengan
tingkat Sig (2-tailed) = 0,000. Untuk menjawab apakah ada perbedaan rata-rata penjualan
barang sebelum dan sesudah adanya penayangan iklan di stasiun televisi, maka perlu
dilakukan pengujian secara statistik, dengan langkah-langkah sebagai berikut :
a. Ha : ada perbedaan yang nyata (signifikan) rata-rata penjualan barang sebelum dan
sesudah penayangan iklan di televisi
Ho : tidak ada perbedaan yang nyata (signifikan) rata-rata penjualan barang sebelum
dan sesudah penayangan iklan di televise
Jika nilai t hitung > t tabel atau nilai Sig (2-tailed) < 0,05, maka Ho ditolak dan Ha
diterima
Jika nilai t hitung < t tabel atau nilai Sig (2-tailed) > 0,05, maka Ho diterima dan Ha
ditolak
c. Membuat kesimpulan :
Ternyata hasilnya nilai t hitung (6,042) > t tabel (2,145) atau nilai Sig (0,000) < 0,05,
maka Ho ditolak dan Ha diterima. Jadi kesimpulannya adalah memang benar ada
perbedaan yang nyata rata-rata penjualan barang sebelum dan sesudah penayangan
iklan di televisi. Atau dengan kata lain penayangan iklan di televisi mempunyai
pengaruh signifikan terhadap peningkatan rata-rata penjualan barang.
Soal Latihan :
Sebuah penelitian dilakukan untuk mengetahui ada tidaknya perbedaan kualitas karya ilmiah
dosen STIE IPWIJA sebelum dan sesudah diberikan pelatihan SPSS. Berdasarkan 20 sampel
dosen yang dipilih secara random, diperoleh hasil sebagai berikut :
N Sebelum Sesudah
1 75 80
2 80 90
3 65 75
4 70 70
5 75 80
6 80 85
7 65 65
8 80 85
9 90 90
10 75 70

11 60 65
12 70 75
13 75 85
14 70 65
15 80 95
16 65 80
17 75 80
18 70 75
19 80 90
20 65 60
Uji Beda t-Test Independen
Uji beda ini berguna untuk melakukan pengujian terhadap dua sampel yang tidak
berhubungan/berkorelasi atau kedua sampel memang benar-benar dari kelompok yang
berbeda.
Contoh : dilakukan sebuah penelitian untuk mengetahui apakah ada perbedaan kinerja
pegawai antara pegawai swasta dengan pegawai negeri di kota Jakarta. Data kinerja pegawai
dapat disajikan sebagai berikut:
Pegawai Pegawai
N
Swasta Negeri
1 77 40
2 90 50
3 75 55
4 70 40
5 50 50
6 90 70
7 95 75
8 85 60
9 85 90
10 50 80
11 80 78
12 90 65
13 84 75
14 88 70
15 80 85
16 60 98
17 88 88
18 98 45
19 82 76
20 78 85

Langkah-langkah pemrosesan analisis SPSS sebagai berikut :
c. Klik INDEPENDENT SAMPLE T-TEST
d. Pilih variabel yang akan diuji (KINERJA PEGAWAI) pindahkan ke kotak TEST
VARIABLE
e. Pilih variabel STATUS PEGAWAI pindahkan ke kotak GROUPING VARIABLE
f. Klik DEFINE GROUPS selanjutnya masukkan angka 1 pada Group 1 dan masukkan
angka 2 pada Group 2
g. Tekan CONTINUE selanjutnya tekan OK
Tampilan Output Analisis SPSS :
Group Statistics
Std. Error
Status Pegawai N Mean Std. Deviation
Mean
Kinerja Pegawai Pegawai Swasta 20 79.75 13.345 2.984
Pegawai Negeri 20 68.75 17.399 3.891
Independent Samples Test
Levene's Test
for Equality of t-test for Equality of Means
Variances
95% Confidence
Sig. (2- Mean Std. Error Interval of the
F Sig. t df
tailed) Difference Difference Difference
Lower Upper
Kinerja Equal variances

2.768 .104 2.243 38 .031 11.000 4.903 1.074 20.926
Pegawai assumed
Equal variances
2.243 35.608 .031 11.000 4.903 1.052 20.948
not assumed

1. Pada Tabel (Group Statistics) menunjukkan bahwa kedua kelompok baik Pegawai Swasta
maupun Pegawai Negeri jumlah respondennya sama yaitu N = 20 (Catatan untuk uji beda
t-test independen jumlah responden tidak harus sama). Nilai rata-rata kinerja baik pegawai
swasta maupun pegawai negeri masing-masing adalah 79,75 dan 68,75. Secara absolut
nilai rata-rata kinerja pegawai swasta dengan pegawai negeri tampak jelas berbeda. Tetapi
untuk membuktikan apakah perbedaan tersebut signifikan (nyata) atau tidak maka perlu
dilakukan pengujian secara statistik.
2. Pada Tabel ( Independent Sample Test) menunjukkan bahwa nilai F hitung sebesar 2,768
dengan tingkat Signifikansi sebesar 0,104. Nilai F hitung ini dipergunakan untuk menguji
homogenitas varian kedua kelompok. Salah satu syarat jika kita menggunakan analisis uji
beda t-test independen adalah kedua kelompok sampel yang dibandingkan datanya harus
homogen. Untuk menguji apakah data kedua kelompok pegawai tersebut homogen yaitu
dengan cara melihat nilai signifikansi F hitung. Data kedua kelompok dikatakan homogen
jika nilai Sig lebih besar dari 0,05 (5%). Berdasarkan output SPSS diatas ternyata nilai Sig
F hitung sebesar 0,104, yang berarti nilai tersebut lebih besar dari 0,05. Dengan demikian
data kinerja kedua kelompok pegawai tersebut diatas dapat dikatakan homogen.
Pada tabel tersebut juga dapat dilihat nilai t hitung sebesar 2,243 dan nilai Sig (2-tailed)
sebesar 0,031. Selanjutnya untuk menjawab apakah ada perbedaan rata-rata kinerja antara
pegawai swasta dengan pegawai negeri di kota Jakarta, maka perlu dilakukan pengujian
secara statistik, dengan langkah-langkah sebagai berikut :
a. Ha : ada perbedaan yang nyata (signifikan) rata-rata kinerja antara pegawai swasta
dengan pegawai negeri di kota Jakarta
Ho : tidak ada perbedaan yang nyata (signifikan) rata-rata kinerja antara pegawai
swasta dengan pegawai negeri di kota Jakarta
Jika nilai t hitung > t tabel atau nilai Sig (2-tailed) < 0,05, maka Ho ditolak dan Ha
diterima
Jika nilai t hitung < t tabel atau nilai Sig (2-tailed) > 0,05, maka Ho diterima dan Ha
ditolak
Ternyata hasilnya nilai t hitung (2,243) > t tabel (2,024) atau Sig (2-tailed) = 0,031 <
0,05, maka Ho ditolak dan Ha diterima. Jadi kesimpulannya adalah memang benar ada
perbedaan yang signifikan (nyata) rata-rata kinerja antara pegawai swasta dengan
pegawai negeri dikota Jakarta. Berdasarkan nilai rata-rata tersebut ternyata kinerja
pegawai swasta hasilnya lebih baik dari pada kinerja pegawai negeri.
Soal Latihan :
Sebuah perusahaan mempertimbangkan untuk melaksanakan training kepada karyawannya
dengan menggunakan dua prosedur , yaitu prosedur standar dan prosedur baru. Delapan belas
orang akan dibagi pada dua kelompok dengan anggota masing-masing kelompok adalah 9
orang dimana satu kelompok diberi training dengan metode standar dan kelompok yang kedua
diberi metode baru. Tujuan training untuk mencari metode pelatihan mana yang memberikan
efisiensi dalam perakitan sepeda motor. Hasil pengukuran terhadap waktu dalam merakit
sepeda motor dapat ditunjukkan pada tabel dibawah ini :
Prosedur Waktu perakitan

Metode Standar 32 37 35 28 41 44 35 31 34
Metode Baru 35 31 29 25 34 40 27 32 31
a. Ujilah hipotesis penelitian yang menyatakan ada perbedaan efisiensi waktu perakitan
sepeda motor antara metode standar dengan metode baru?
b. Metode mana yang dianggap paling efisien waktu dalam merakit sepeda motor?
One-Way Anova
One-Way Anova adalah sebuah analisis statistik yang menguji perbedaan rata-rata antar grup.
Grup disini bisa berarti kelompok atau jenis perlakuan. Anova ditemukan dan diperkenalkan
oleh seorang ahli statistik bernama Ronald Fisher.
Anova merupakan singkatan dari Analysis of variance. Merupakan prosedur uji statistik yang
mirip dengan t test. Namun kelebihan dari One-Way Anova adalah dapat menguji perbedaan
lebih dari dua kelompok. Berbeda dengan independent sample t test yang hanya bisa menguji
perbedaan rata-rata dari dua kelompok saja.
Contoh : dilakukan sebuah penelitian untuk mengetahui apakah ada perbedaan nilai statistik
mahasiswa antara kelas Pagi, Malam dan Sabtu. Data nilai statistik ketiga kelas dapat
disajikan sebagai berikut :

Kelas Kelas Kelas
N
Pagi Malam Sabtu
1 6 5 8
2 8 6 9
3 9 6 8
4 7 7 7
5 7 5 8
6 8 5 9
7 6 5 6
8 8 6 6
9 7 5 9
10 6 6 8
11 7 8 6
12 9 7 8
13 7 9 7
14 5 6 8
15 6 7 5
16 8 8 7
17 6 9 8
18 8 7 9
19 7 - 7
20 6 - -
Langkah-langkah pemrosesan analisis SPSS sebagai berikut :

c. Klik ONE-WAY ANOVA
d. Pilih variabel yang akan diuji (NILAI STATISTIK) pindahkan ke kotak TEST
VARIABLE
e. Pilih variabel KELAS pindahkan ke kotak FACTOR
f. Pilih sub-menu OPTIONS dan tandain centang pada DESCRIPTIVE dan
HOMOGENEITY OF VARIANCE TEST

Descriptives
95% Confidence Interval

for Mean
Std.
N Mean Std. Error Minimum Maximum
Deviation
Lower Upper
Kelas
Bound Bound
Pagi 20 7.05 1.099 .246 6.54 7.56 5 9
Malam 18 6.50 1.339 .316 5.83 7.17 5 9
Sabtu 19 7.53 1.172 .269 6.96 8.09 5 9
Total 57 7.04 1.253 .166 6.70 7.37 5 9
Test of Homogeneity of Variances
Levene
df1 df2 Sig.
Statistic
.672 2 54 .515
ANOVA
Sum of Mean
Df F Sig.
Squares Square
Between Groups 9.743 2 4.871 3.365 .042

Within Groups 78.187 54 1.448
Total 87.930 56
1. Pada Tabel (Decriptives) menunjukkan deskripsi dari variabel-variabel yang dianalisis

dengan jumlah kasus 57, yang terdiri dari kelas pagi sebanyak 20 kasus, kelas malam
sebanyak 18 kasus dan kelas sabtu sebanyak 19 kasus.
 Kelas pagi rata-rata nilai statistik sebesar 7,05 dengan simpangan baku sebesar 1,099
 Kelas malam rata-rata nilai statistik sebesar 6,50 dengan simpangan baku sebesar 1,339
 Kelas pagi rata-rata nilai statistik sebesar 7,53 dengan simpangan baku sebesar 1,172

2. Pada Tabel (Test of Homogeneity of Variaances) menunjukkan bahwa nilai Levene
Statistic sebesar 0,672 dengan tingkat Signifikansi sebesar 0,515. Nilai Levene Statistic ini
dipergunakan untuk menguji homogenitas varian ketiga kelompok. Salah satu syarat jika
kita menggunakan analisis uji One-Way Anova adalah ketiga kelompok sampel yang
dibandingkan datanya harus homogen. Untuk menguji apakah data ketiga kelompok kelas
tersebut homogen yaitu cukup dengan cara melihat nilai signifikansinya. Data ketiga
kelompok dikatakan homogen jika nilai Sig lebih besar dari 0,05 (5%). Berdasarkan output
SPSS diatas ternyata nilai Sig sebesar 0,515, yang berarti nilai tersebut lebih besar dari
0,05. Dengan demikian data nilai statistik ketiga kelompok kelas pagi, malam dan Sabtu
diatas dapat dikatakan homogen.
3. Pada Tabel (ANOVA) digunakan untuk menguji signifikansi dan mengambil kesimpulan
setelah data ketiga kelompok terbukti homogen.
Untuk menjawab apakah ada perbedaan rata-rata nilai statistik mahasiswa antara kelas
pagi, malam dan sabtu, maka perlu dilakukan pengujian secara statistik, dengan langkah-
langkah sebagai berikut :
a. Ha : ada perbedaan yang nyata (signifikan) rata-rata nilai statistik mahasiswa antara
kelompok kelas pagi, malam dan Sabtu
Ho : tidak ada perbedaan yang nyata (signifikan) rata-rata nilai statistik mahasiswa
antara kelompok kelas pagi, malam dan Sabtu
Jika nilai F hitung > F tabel atau nilai Sig < 0,05, maka Ho ditolak dan Ha diterima
Jika nilai F hitung < F tabel atau nilai Sig > 0,05, maka Ho diterima dan Ha ditolak
Berdasarkan tabel Anova tersebut besarnya nilai F hitung adalah 3,365 dan nilai
Sig adalah 0,042. Dengan demikian hasilnya adalah nilai F hitung (3,365) > F tabel (3,168)
atau nilai Sig (0,042 < 0,05, yang berarti Ho ditolak dan Ha diterima. Jadi kesimpulannya
adalah ada perbedaan yang signifikan (nyata) rata-rata nilai statistik mahasiswa antara
kelompok kelas pagi, malam dan Sabtu.
Uji Tukey dan Bonferroni

Uji Tukey dan Bonferroni merupakan uji lanjutan jika hasil pengujian signifikansi
sebelumnya menyatakan ada perbedaan yang signifikan, sebaliknya jika hasil pengujian
perbedaan menyatakan tidak signifikan maka Uji Tukey dan Bonferroni tidak dilanjutkan.

Langkah-langkah pemrosesan analisis SPSS lanjutan sebagai berikut :
c. Klik ONE-WAY ANOVA
d. Pilih variabel yang akan diuji (NILAI STATISTIK) pindahkan ke kotak TEST
VARIABLE
e. Pilih variabel KELAS pindahkan ke kotak FACTOR
f. Pilih sub-menu POST HOC dan tandain centang pada BONFERRONI dan TUKEY
Multiple Comparisons
Dependent Variable:Nilai Statistik
95% Confidence Interval
Mean Difference Std.
(I) Kelas (J) Kelas Sig. Lower Upper
(I-J) Error
Bound Bound
Tukey HSD Pagi Malam .550 .391 .345 -.39 1.49
Sabtu -.476 .385 .438 -1.41 .45
Malam Pagi -.550 .391 .345 -1.49 .39
*
Sabtu -1.026 .396 .032 -1.98 -.07
Sabtu Pagi .476 .385 .438 -.45 1.41
*
Malam 1.026 .396 .032 .07 1.98
Bonferroni Pagi Malam .550 .391 .496 -.42 1.52
Sabtu -.476 .385 .666 -1.43 .48
Malam Pagi -.550 .391 .496 -1.52 .42
*
Sabtu -1.026 .396 .037 -2.00 -.05
Sabtu Pagi .476 .385 .666 -.48 1.43
Malam 1.026* .396 .037 .05 2.00
*. The mean difference is significant at the 0.05 level.
Berdasarkan tabel Multiple Comparations tersebut dapat dijelaskan sebagai berikut :

Hasil uji lanjutan dengan Tukey HSD :
 Nilai rata-rata Statistik mahasiswa antara kelompok kelas pagi dengan malam tidak ada
perbedaan karena nilai Sig (0,345 > 0,05).
 Nilai rata-rata Statistik mahasiswa antara kelompok kelas pagi dengan Sabtu tidak ada

 Nilai rata-rata Statistik mahasiswa antara kelompok kelas malam dengan Sabtu ada
Hasil uji lanjutan dengan Bonferroni :

 Nilai rata-rata Statistik mahasiswa antara kelompok kelas pagi dengan malam tidak ada
 Nilai rata-rata Statistik mahasiswa antara kelompok kelas pagi dengan Sabtu tidak ada
 Nilai rata-rata Statistik mahasiswa antara kelompok kelas malam dengan Sabtu ada
Soal Latihan :
Sebuah perusahaan garmen di Bandung memperkerjakan pegawai dalam 3 shift yaitu shift
pagi, siang dan malam. Pimpinan perusahaan ingin mengetahui apakah ada perbedaan
produktivitas kerjanya diantara 3 kelompok kerja shift yang ada selama ini. Pimpinan
perusahaan memerintahkan supervisior untuk mengamatai produktivitas kerja ketiga shift
tersebut. Berikut ini hasilnya :
Shift Shift Shift

N
Pagi Siang Malam
1 40 25 45
2 50 46 44
3 35 43 48
4 45 45 43
5 25 27 54
6 42 42 53
7 43 45 56
8 30 38 40
9 37 38 35
10 36 51 38
11 39 52 40
12 40 50 42
13 45 27 43
14 36 60 40
15 28 52 42
Buktikan hipotesis yang menyatakan : “ada perbedaan produktivitas kerja pegawai antara
kelompok shift pagi, siang dan malam”!.

ANALISIS KORELASI SEDERHANA
Analisis korelasi sederhana atau korelasi Pearson merupakan salah satu statistik parametrik
yang bertujuan untuk mengetahui hubungan satu variabel dengan variabel lainnya tetapi tidak
menjelaskan hubungan sebab akibat. Hubungan antar variabel ditunjukkan oleh nilai koefisien
korelasi. Nilai Koefisien korelasi dapat digunakan untuk menginterpretasikan keeratan
hubungan variabel dengan pedoman sebagai berikut :
Koefisien Korelasi Interpretasi Hubungan

0,001 – 0,199 Sangat Rendah
0,200 – 0,399 Rendah
0,400 – 0,599 Sedang/Cukup
0,600 – 0,799 Kuat
0,800 – 1,000 Sangat Kuat
Sumber : Sugiyono, 2004
Contoh : Data Penelitian
No X1 X2 Y
1 30 32 30
2 41 36 42
3 44 44 36
4 34 29 32
5 30 35 34
6 35 38 45
7 33 29 28
8 36 38 40
9 38 31 30
10 44 40 39
11 38 38 46
12 31 32 30
13 45 45 39
14 43 35 39
15 32 38 38
16 40 37 33
17 44 47 46
18 22 30 32
19 20 42 35
20 28 30 32
21 36 43 42
22 28 43 35

23 27 28 32
24 38 44 46
25 37 38 37
26 30 42 38
27 36 31 37
28 40 48 45
29 43 46 44
30 37 45 39
Analisis Deskriptif
Sebelum melakukan analisis korelasi Pearson tidak ada salahnya kita lakukan dulu
menganalisis data secara deskriptif, tujuannya adalah untuk menampilkan deskripsi data
variabel yang meliputi : nilai mean, nilai median, nilai mode, nilai standar deviasi, nilai
minimum, nilai maksimum, dan lain-lain.
Langkah-langkah analisis deskriptif :

a. Masukkan data yang akan dianalisis ke program SPSS sheet Data View
c. Pilih variabel yang akan dianalisis (X1, X2 dan Y) pindahkan ke kotak VARIABLE
d. Pilih STATISTICSklik MEAN,MEDIAN, MODE,SUM, dst sesuai kebutuhan
e. Klik CONTINUEOK
Tampilan (output) SPSS Analisis Deskriptif :
Statistics
X1 X2 Y
N Valid 30 30 30
Missing 0 0 0
Mean 35.3333 37.8000 37.3667
Median 36.0000 38.0000 37.5000
Mode 30.00a 38.00 32.00a
Std. Deviation 6.57232 6.11048 5.42970
Variance 43.195 37.338 29.482
Range 25.00 20.00 18.00
Minimum 20.00 28.00 28.00
Maximum 45.00 48.00 46.00
Sum 1060.00 1134.00 1121.00
a. Multiple modes exist. The smallest value is shown

Langkah-langkah analisis korelasi Pearson :
b. Pilih menu ANALYZECORRELATEBIVARIATE
c. Pilih variabel yang akan dikorelasikan (variabel X1, X2 dan Y) pindahkan ke kotak
VARIABLE
d. Klik OK
Output SPSS analisis korelasi adalah sebagi berikut :

Correlations
X1 X2 Y
X1 Pearson Correlation 1 .453* .532**
Sig. (2-tailed) .012 .002
N 30 30 30
X2 Pearson Correlation .453 *
1 .724**
Sig. (2-tailed) .012 .000
N 30 30 30
Y Pearson Correlation .532** .724** 1
Sig. (2-tailed) .002 .000
N 30 30 30
*. Correlation is significant at the 0.05 level (2-tailed).
**. Correlation is significant at the 0.01 level (2-tailed).
Nilai koefisien korelasi sederhana antara variabel X1 dengan Y adalah sebesar 0,532 dengan
probabilitas Sig = 0,002.
Untuk membuktikan apakah hubungan kedua variabel tersebut cukup signifikan harus
dilakukan pengujian dengan langkah-langkah sebegai berikut :
a. Merumuskan Ha dan Ho dalam bentuk kalimat :
Ha : Ada hubungan yang signifikan antara variabel X1 dengan Y
Ho : Tidak ada hubungan yang signifikan antara variabel X1 dengan Y
b. Menentukan kriteria pengujian :
Jika nilai r hitung > r tabel atau Sig (2-tailed) < α (0,05), maka Ho ditolak dan Ha diterima
Jika nilai r hitung < r tabel atau Sig (2-tailed) > α (0,05), maka Ho diterima dan Ha ditolak

Ternyata hasilnya adalah nilai r hitung (0,532) > r tabel (0,361) atau Sig (0,002) < 0,05,
dengan demikian Ho ditolak dan Ha diterima. Jadi dapat disimpulkan bahwa hubungan
antara variabel X1 dengan Y sebesar 0,532 adalah signifikan.
Karena hasilnya signifikan maka interpretasi terhadap nilai koefisien korelasi antara
variabel X1 dengan Y memiliki hubungan sedang/cukup dan positif. Positif berarti semakin
tinggi nilai X1 semakin tinggi pula nilai Y.
Selanjutnya nilai koefisien korelasi sederhana antara variabel X2 dengan Y adalah sebesar
0,724 dengan probabilitas Sig = 0,000.
Untuk membuktikan apakah hubungan kedua variabel tersebut cukup signifikan harus
dilakukan pengujian dengan langkah-langkah sebegai berikut :
Ha : Ada hubungan yang signifikan antara variabel X1 dengan Y
Ho : Tidak ada hubungan yang signifikan antara variabel X1 dengan Y
Jika nilai r hitung > r tabel atau Sig (2-tailed) < α (0,05), maka Ho ditolak dan Ha diterima
Jika nilai r hitung < r tabel atau Sig (2-tailed) > α (0,05), maka Ho diterima dan Ha ditolak
Ternyata hasilnya adalah nilai r hitung (0,724) > r tabel (0,361) atau Sig (0,000) < 0,05,
dengan demikian Ho ditolak dan Ha diterima. Jadi dapat disimpulkan bahwa hubungan
antara variabel X2 dengan Y sebesar 0,724 adalah signifikan.
Karena hasilnya signifikan maka interpretasi terhadap nilai koefisien korelasi antara
variabel X2 dengan Y memiliki hubungan sedang/cukup dan positif. Positif berarti semakin
tinggi nilai X2 semakin tinggi pula nilai Y.
Latihan : Coba lakukan dengan cara untuk menguji apakah ada hubungan yang
signifikan antara variabel X1 dengan X2

ANALISIS REGRESI SEDERHANA
Analisis regresi sederhana digunakan untuk menguji pengaruh satu variabel independen
terhadap satu variabel dependen. Hasil analisis regresi dengan SPSS yang utama adalah nilai
koefisien R, nilai koefisien determinan R Square (R2), dan model persamaan regresi
(Y = a + bX). Selanjutnya nilai koefisien korelasi tersebut diuji signifikansinya dengan uji F
atau uji t.
Langkah-langkah analisis regresi sederhana :

b. Pilih menu ANALYZEREGRESSIONLINIER
c. Pilih variabel Y pindahkan ke kotak DEPENDENT
d. Pilih variabel X1 pindahkan ke kotak INDEPENDENT
e. Pilih STATISTICS klik ESTIMATES dan MODEL FIT
f. Klik CONTINUEOK
Output hasil analisis regresi adalah sebagai berikut :
Model Summary
Adjusted R Std. Error of the
Model R R Square
Square Estimate
1 .532a .283 .257 4.67970
a. Predictors: (Constant), X1
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 241.778 1 241.778 11.040 .002a
Residual 613.189 28 21.900
Total 854.967 29
a. Predictors: (Constant), X1
c. Dependent Variable: Y

Coefficientsa
Standardized
Unstandardized Coefficients
Model Coefficients t Sig.
B Std. Error Beta
1 (Constant) 21.844 4.749 4.599 .000
X1 .439 .132 .532 3.323 .002
a. Dependent Variable: Y
Penjelasan dari Output tersebut adalah :
Pada Model Summary nilai koefisien korelasi R = 0,532 menunjukkan bahwa hubungan
antara variabel X1 dengan Y sebesar 0,532. Nilai koefisien determinan R Square = 0,283, nilai
ini menunjukkan bahwa variabel independen mempengaruhi variabel dependen sebesar 28,3%
atau dengan kata lain bahwa variabel Y dapat dijelaskan oleh variabel X1 sebesar 28,3%.
Untuk membuktikan apakah pengaruh variabel independen terhadap variabel dependen
tersebut hasilnya cukup signifikan maka dilakukan pengujian dengan langkah-langkah :
Ha : Ada pengaruh yang signifikan variabel X1 terhadap variabel Y
Ho : Tidak ada pengaruh yang signifikan variabel X1 terhadap variabel Y
Jika nilai F hitung > F tabel atau nilai Sig < α (0,05), maka Ho ditolak dan Ha diterima
Jika nilai F hitung < F tabel atau nilai Sig > α (0,05), maka Ho diterima dan Ha ditolak
Berdasarkan tabel Anova nilai F hitung = 11,040 dengan probabilitas Sig = 0,000.
Ternyata F hitung (11,040) > F tabel (4,196) atau nilai Sig (0,000) < 0,05, dengan
demikian Ho ditolak dan Ha diterima. Jadi kesimpulannya adalah variabel X1 mempunyai
pengaruh yang signifikan terhadap variabel Y.
Selanjutnya berdasarkan output SPSS (lihat tabel coefficients) dapat dibentuk model
persamaan regresinya sebagai berikut : Y = 21,844 + 0,439X1
Model persamaan regresi tersebut dapat diartikan sebagai berikut :

 Nila konstan a = 21,844 dapat diartikan bahwa jika nilai X1 tidak ada atau bernilai nol
maka Y bernilai positif sebesar 21,844
 Koefisien regresi X1 sebesar b1 = 0,439 dapat diartikan bahwa jika nilai X1 meningkat
(bertambah) sebesar satu maka nilai Y juga akan meningkat (bertambah) sebesar 0,439.
Latihan : Coba lakukan dengan cara yang sama pengaruh variabel X2 terhadap variabel Y.

ANALISIS REGRESI GANDA
Analisis regresi ganda digunakan untuk menguji pengaruh beberapa variabel independen
terhadap satu variabel dependen. Hasil analisis regresi dengan SPSS yang utama adalah nilai
koefisien R, nilai koefisien determinan R Square (R2), dan model persamaan regresi
(Y = a + b1X1 + b2X2 ). Selanjutnya untuk menguji pengaruh variabel independen secara
simultan terhadap variabel dependen digunakan uji F sedangkan untuk menguji pengaruh
variabel independen secara parsial terhadap variabel dependen digunakan uji t.
Langkah-langkah analisis regresi Ganda :

b. Pilih menu ANALYZEREGRESSIONLINIER
c. Pilih variabel Y pindahkan ke kotak DEPENDENT
d. Pilih variabel X1 dan X2 pindahkan ke kotak INDEPENDENT
e. Pilih STATISTICS klik ESTIMATES dan MODEL FIT
f. Klik CONTINUEOK
Output hasil analisis regresi ganda adalah sebagai berikut :
Model Summary
Adjusted R Std. Error of
Model R R Square Square the Estimate
1 .759a .576 .544 3.66497
a. Predictors: (Constant), X2, X1
ANOVAb
Sum of
Model Df Mean Square F Sig.
Squares
1 Regression 492.302 2 246.151 18.326 .000a
Residual 362.664 27 13.432
Total 854.967 29
b. Dependent Variable: Y

Coefficientsa
Standardized
B Std. Error Beta
1 (Constant) 9.482 4.693 2.020 .053
X1 .212 .116 .256 1.824 .079
X2 .540 .125 .607 4.319 .000

Berdasarkan tabel Model Summary diatas diperoleh nilai koefisien korelasi R = 0,759.
Koefisien korelasi ini menunjukan bahwa hubungan simultan antara variabel independen (X1
dan X2) dengan variabel dependen (Y) adalah sebesar 0,759. Koefisien determinan ganda atau
R Square = 0,576, angka ini menunjukkan bahwa secara simultan variabel independen (X1
dan X2 ) mempengaruhi variabel dependen (Y) sebesar 57,6%. Atau variabel Y secara
simultan dapat dijelaskan oleh variabel X1 dan X2 sebesar 57,6%.
Untuk membuktikan apakah secara simultan variabel X1 dan X2 berpengaruh secara signifikan
terhadap variabel Y, maka dilakukan pengujian melalui uji F dengan langkah-langkah sebagai
berikut :
Ha : Ada pengaruh signifikan secara simultan variabel X1 dan X2 terhadap variabel Y
Ho : Tidak ada pengaruh signifikan secara simultan variabel X1 dan X2 terhadap variabel Y
Jika nilai F hitung > F tabel atau nilai Sig < α (0,05), maka Ho ditolak dan Ha diterima
Jika nilai F hitung < F tabel atau nilai Sig > α (0,05), maka Ho diterima dan Ha ditolak
Berdasarkan tabel Anova nilai F hitung = 18,326 dengan probabilitas nilai Sig = 0,000.
Ternyata F hitung (18,326) > F tabel (3,354) atau nilai Sig (0,000) < 0,05, dengan
demikian Ho ditolak dan Ha diterima. Jadi kesimpulannya adalah secara simultan variabel
X1 dan X2 mempunyai pengaruh yang signifikan terhadap variabel Y.

Langkah selanjutnya adalah melakukan pengujian secara parsial (sendiri-sendiri) variabel X1
dan X2 terhadap variabel Y.
a. Pengaruh parsial X1 terhadap Y ditunjukkan oleh koefisien regresi X1 sebesar b1= 0,212.
Hipotesis statistik yang diajukan adalah :
Ha : Ada pengaruh signifikan secara parsial variabel X1 terhadap Y
Ho : Tidak ada pengaruh signifikan secara parsial variabel X1 terhadap Y
Kriteria pengujian :
Jika nilai t hitung > t tabel atau nilai Sig < α (0,05), maka Ho ditolak dan Ha diterima
Jika nilai t hitung < t tabel atau nilai Sig > α (0,05), maka Ho diterima dan Ha ditolak
Berdasarkan output SPSS pada tabel coefficent dapat diketahui nilai t hitung = 1,824
dengan probablilitas Sig = 0,079.
Karena nilai t hitung (1,824) < t tabel (2,048) atau nilai Sig (0,079) > 0,05; maka Ho
diterima dan Ha ditolak. Jadi kesimpulannya secara parsial variabel X1 tidak berpengaruh
signifikan terhadap variabel Y.
b. Pengaruh parsial X2 terhadap Y ditunjukkan oleh koefisien regresi X2 sebesar b2= 0,540.
Hipotesis statistik yang diajukan adalah :
Ha : Ada pengaruh signifikan secara parsial variabel X2 terhadap Y
Ho : Tidak ada pengaruh signifikan secara parsial variabel X2 terhadap Y
Kriteria pengujian :
Jika nilai t hitung > t tabel atau nilai Sig < α (0,05), maka Ho ditolak dan Ha diterima
Jika nilai t hitung < t tabel atau nilai Sig > α (0,05), maka Ho diterima dan Ha ditolak
Berdasarkan output SPSS pada tabel coefficent dapat diketahui nilai t hitung = 4,319
dengan probablilitas Sig = 0,000.
Karena nilai t hitung (4,319) > t tabel (2,048) atau Sig (0,000) < 0,05; maka Ho ditolak dan
Ha diterima. Jadi kesimpulannya secara parsial variabel X2 berpengaruh signifikan
terhadap variabel Y.
Selanjutnya berdasarkan output SPSS (lihat tabel coefficients) dapat dibentuk model
persamaan regresi ganda sebagai berikut : Y = 9,482 + 0,212X1 + 0,540X1
Model persamaan regresi tersebut dapat diartikan sebagai berikut :
 Nila konstan a = 9,482 dapat diartikan bahwa jika nilai X1 dan X2 tidak ada atau bernilai
nol maka Y bernilai positif sebesar 9,483

Pengaruh Efektif dan Relatif Variabel Independen Terhadap Variabel Dependen
Besarnya pengaruh (sumbangan) efektif dan relatif masing-masing variabel independen

terhadap variabel dependen dapat dihitung dengan rumus :
a. Sumbangan Efektif masing-masing variabel independen :
 SE (X1) = rx1y x βx1
b. Sumbangan Relatif masing-masing variabel independen :

 SR (X1) = {SE (X1) : R2} x 100%
 SR (X2) = {SE (X2) : R2} x 100%
Perhatikan Tabel Korelasi dan Koefisien dari Output SPSS dibawah ini
Correlations
X1 X2 Y
X1 Pearson Correlation 1 .453* .532**
Sig. (2-tailed) .012 .002
N 30 30 30
X2 Pearson Correlation .453 *
1 .724**
Sig. (2-tailed) .012 .000
N 30 30 30
Y Pearson Correlation .532** .724** 1
Sig. (2-tailed) .002 .000
N 30 30 30

Correlations
X1 X2 Y
X1 Pearson Correlation 1 .453 *
.532**
Sig. (2-tailed) .012 .002
N 30 30 30
X2 Pearson Correlation .453* 1 .724**
Sig. (2-tailed) .012 .000
N 30 30 30
Y Pearson Correlation .532 **
.724** 1
Sig. (2-tailed) .002 .000
N 30 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Model Summary
Adjusted R Std. Error of
Model R R Square Square the Estimate
1 .759a .576 .544 3.66497
Coefficientsa
Standardized
B Std. Error Beta
1 (Constant) 9.482 4.693 2.020 .053
X1 .212 .116 .256 1.824 .079
X2 .540 .125 .607 4.319 .000

Dari tabel korelasi dan koefisien tersebut dapat dihitung besarnya sumbangan efektif dan
relatif masing-masing variabel independen, yaitu :
a. Sumbangan Efektif masing-masing variabel independen :
= 0,532 x 0,256
= 0,137 (13,7%)
= 0,724 x 0,607
= 0,439 (43,9%)

Jika sumbangan efektif kedua variabel independen (X1 dan X2) dijumlahkan atau (13,7% +
43,9%) hasilnya adalah sama dengan jumlah pengaruh secara simultan variabel independen
(X1 dan X2) terhadap variabel dependen (Y) sebesar 57,6%.
b. Sumbangan Relatif masing-masing variabel independen :

 SR (X1) = {SE (X1) : R2} x 100%
= (0,137 : 0,576) x 100%
= 23,8%
 SR (X2) = {SE (X2) : R2} x 100%
= (0,439 : 0,576) x 100%
= 76,2%

PENGUJIAN ASUMSI KLASIK
Model Regresi ganda dapat disebut sebagai model yang baik jika model tersebut memenuhi
asumsi klasik statistik, yaitu multikolinieritas, autokorelasi dan heterokesdastisitas.
Uji Multikolinieritas
Asumsi multikolonieritas menyatakan bahwa variabel independen harus terbebas dari gejala
multikolinieritas. Gejala ini ditunjukkan dengan korelasi yang signifikan antar variabel
independen. Uji ini hanya berlaku jika variabel independennya minimal dua, jika variabel
independennya hanya satu pengujian multikolinieritas dapat diabaikan.
Deteksi multikolinieritas pada suatu model dapat dilihat beberapa hal, antara lain :
a. Jika nilai Variance Inflation Factor (VIF) tidak lebih dari 10 dan nilai Tolerance tidak
kurang dari 0,1, maka model dapat dikatakan terbebas dari multikolinieritas
b. Jika nilai koefisien korelasi antar variabel independen kurang dari 0,700, maka model
dinyatakan bebas dari asumsi klasik multikolinieritas
c. Jika nilai koefisien determinan (R2) diatas 0,60 namun tidak ada variabel independen
yang berpengaruh terhadap variabel dependen diduga model terkena multikolinieritas
Tampilan (output) SPSS Uji Multikolinieritas :
Coefficientsa
Unstandardized Standardized
Coeff icients Coeff icients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) ,146 4,456 ,033 ,974
X1 ,544 ,101 ,544 5,392 ,000 ,868 1,152
X2 ,483 ,109 ,448 4,442 ,000 ,868 1,152
Berdasarkan output tersebut nilai tolerance kedua variabel penjelas tidak kurang dari 0,1 serta
nilai VIF keduanya adalah kurang dari 10, maka dapat disimpulkan bahwa model regresi yang
dihasilkan tidak terjadi gejala multikolonieritas

Uji Autokorelasi
Asumsi autokorelasi dalam regresi adalah bahwa variabel dependen tidak berkorelasi dengan
dirinya sendiri. Maksud korelasi dengan diri sendiri adalah bahwa nilai dari variabel dependen
tidak berhubungan dengan variabel itu sendiri, baik nilai periode sebelumnya atau nilai
periode sesudahnya. Autokorelasi sering terjadi pada sample dengan data time series dengan
n-sample adalah periode waktu. Sedangkan untuk sample data crossection dengan n-sampel
item perusahaan, orang, wilayah dan lain sebagainya jarang terjadi, karena variabel
pengganggu item sample yang satu berbeda dengan yang lain.
Cara mudah mendeteksi autokorelasi dapat dilakukan dengan uji Durbin Watson (DW)
dengan ketentuan sebagai berikut :
a. dU <DW < 4 – dU : tidak ada autokorelasi
b. dL <DW< dU atau 4 - dU <DW< 4 - dL : tidak dapat disimpulkan
c. DW < dL atau DW > 4 - dL : terjadi autokorelasi positif/negatif
(Catatan nilai dL dan dU diperoleh melalui tabel Durbin Watson)
Diasumsikan jumlah variabel penjelas ada 2 dan jumlah responden sebanyak 40 serta
α = 5%, maka nilai :
dL = 1,391 4 – dL = 4 – 1,391 = 2,609
dU = 1,600 4 – dU = 4 – 1,600 = 2,400
Tampilan (output) SPSS Uji Autokorelasi :
Model Summaryb
Adjusted St d. Error of Durbin-

Model R R Square R Square the Estimate Wat son
1 ,821a ,673 ,656 3,69625 2,359
b. Dependent Variable: Y
Berdasarkan pada tabel Model Summary diatas besarnya nilai Durbin Watson (DW) adalah
sebesar 2,359. Dengan demikian nilai DW (2,359) terletak diantara pada posisi dU (1,600) <
DW < 4 – dU (2,400), jadi dapat disimpulkan model regresi yang dihasilkan tidak terjadi
gejala autokorelasi.

Uji Heterokesdastisitas
Asumsi heterokesdastisitas dalam regresi dimana varians dari residual tidak sama untuk satu
pengamatan ke pengamatan lain. Cara memprediksi ada tidaknya gejala heterokesdastisitas
pada suatu model dapat dilihat dari pola gambar Scatterplot. Analisis pada gambar Scatterplot
adalah sebagai berikut :
1. Titik-titik data menyebar diatas dan dibawah atau di sekitar angka 0
2. Titik-titik data tidak mengumpul hanya diatas atau dibawah saja
3. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian
menyempit dan melebar kembali
4. Penyebaran titik-titik data sebaiknya tidak berpola
Tampilan (output) SPSS Uji Heterokesdastisitas :
Scatterplot
Dependent Variable: Y
2
Regression Studentized Residual
-1
-2
-3
-2 -1 0 1 2
Regression Standardized Predicted Value
Berdasarkan grafik tersebut titik-titik data menyebar diatas dan dibawah atau disekitar angka
0 dan titik-titik data tidak mengumpul hanya diatas atau dibawah saja serta penyebaran titik-
titik tidak bergelombang dan tidak berpola, maka dapat disimpulkan bahwa persamaan regresi
terbebas dari asumsi klasik heterokesdastisitas dan layak digunakan dalam penelitian.

Cara lain untuk mendeteksi ada tidaknya gejala heterokesdastisitas dilakukan dengan metode
statistik yaitu melalui uji Glejser. Cara menguji dengan teknik ini yaitu dengan mencari nilai
absolut dari residual yang dihasilkan dari regresi model. Selanjutnya nilai absolut ini
dijadikan sebagi variabel dependennya sedangkan variabel independennya tetap seperti biasa.
Bila variabel independen secara statistik signifikan mempengaruhi residual maka dapat
dipastikan model regresi ini memiliki masalah heterokesdastisitas.
Tampilan (output) SPSS Uji Heterokesdastisitas dengan Uji Glejser :
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 3.610 1.729 2.088 .038
X1 .033 .026 .096 1.242 .216
X2 -.060 .040 -.117 -1.506 .134
X3 .007 .032 .017 .215 .830
a. Dependent Variable: Abresid
Berdasarkan tabel tersebut nilai t statistik dari seluruh variabel independen (penjelas) tidak
ada yang signifikan secara statistik dikarenakan nilai sig semua variabel lebih besar dari
5% (0,05). Dengan demikian dapat disimpulkan bahwa model regresi tidak mengalami
masalah heterokesdastisitas.

ANALISIS JALUR (PATH ANALYSIS)
Analisis jalur (Path Analysis) digunakan untuk menganalisis pola hubungan diantara variabel.
Analisis jalur bertujuan untuk mengetahui pengaruh langsung maupun tak langsung
seperangkat variabel bebas (independent) terhadap variabel terikat (dependent) (Riduwan dan
Kuncoro, 2008:2).
Beberapa asumsi yang harus dipenuhi dalam analisis jalur :

1. Hubungan kedua variabel bersifat linier dan adaptif.
2. Data yang digunakan berdistribusi normal
3. Skala pengukuran variabel minimal menggunakan ukuran interval dan rasio
4. Menggunakan sampel probability sampling.
Elemen-elemen dasar dalam analisis jalur :

1. Model diagram jalur
2. Variabel bebas (eksogen), terikat (endogen) dan intervening
3. Koefisien jalur
4. Persamaan struktural
5. Kesalahan sisa (Residual Error)
Langkah-langkah dalam penggunaan analisis jalur :

1. Membangun teori tentang hubungan antar variabel sehingga dihasilkan model diagram
jalur
2. Membuat persamaan struktural
3. Menganalisis data secara bertahap sesuai model diagaram jalur
4. Menguji signifikansi hubungan antar variabel
5. Menghitung pengaruh langsung dan tak langsung serta pengaruh total
Berikut ini disajikan contoh secara umum dalam penggunaan analisis jalur.
Judul “Pengaruh variabel X1 dan X2 terhadap Y dan dampaknya terhadap Z”
1. Membuat model diagaram jalur

X1 e2
ρ1 ρ3
ρ5
e1 Y Z
rx1x2
ρ2 ρ4
X2
2. Membuat persamaan struktural

Persamaan struktural pertama :
Y = ρ1X1 + ρ2X2 + e1
Persamaan struktural kedua :
Z = ρ3X1 + ρ4X2 + ρ5Y + e2
Nilai e dapat dihitung melalui formula : e = √ 1 – R2
3. Menganalisis data dengan bantuan software SPSS

Contoh : Data Untuk Analisis Jalur
No. X1 X2 Y Z No. X1 X2 Y Z
1 3,45 3,98 2,55 3,10 16 3,59 2,24 2,34 2,67
2 3,72 4,02 2,53 3,42 17 2,98 2,32 2,42 2,78
3 3,59 1,76 2,70 2,68 18 3,59 3,87 3,54 3,98
4 1,69 1,62 1,69 1,66 19 3,59 3,12 2,66 3,18
5 3,59 2,87 3,55 3,34 20 3,72 4,20 3,42 4,54
6 3,72 3,60 3,36 3,56 21 3,45 3,98 2,55 3,98
7 2,03 2,10 2,25 2,13 22 3,72 3,56 3,67 3,59
8 2,51 2,11 3,35 2,66 23 3,59 1,76 2,65 3,40
9 3,59 3,45 3,44 3,49 24 1,69 1,62 1,55 1,43
10 2,98 2,54 2,77 2,76 25 3,59 2,87 2,89 3,43
11 3,72 2,14 2,79 2,89 26 3,72 3,60 3,55 3,60
12 3,86 3,88 3,95 3,89 27 2,03 2,10 2,03 2,01
13 3,59 2,75 2,84 2,80 28 2,51 2,11 2,01 2,42
14 2,98 3,23 2,98 3,27 29 3,59 3,45 3,44 3,32
15 1,69 1,42 1,69 1,49 30 2,98 2,54 2,46 2,89

a. Analisis Regresi Ganda (Pertama) :
1) Masukkan data yang akan dianalisis ke program SPSS sheet Data View
2) Pilih menu ANALYZEREGRESSIONLINIER
3) Pilih variabel Y pindahkan ke kotak DEPENDENT
4) Pilih variabel X1 dan X2 pindahkan ke kotak INDEPENDENT
5) Pilih STATISTICS klik ESTIMATES, MODEL FIT dan DESCRIPTIVES
6) Klik CONTINUEOK

Correlations
Y X1 X2
Pearson Correlation Y 1.000 .750 .679
X1 .750 1.000 .683
X2 .679 .683 1.000
Sig. (1-tailed) Y . .000 .000
X1 .000 . .000
X2 .000 .000 .
N Y 30 30 30
X1 30 30 30
X2 30 30 30
Model Summary

Model R R Square
Square Estimate
1 .784a .615 .586 .41174

Coefficientsa
Model Coefficients Coefficients t Sig.
B Std. Error Beta
1 (Constant) .585 .353 1.660 .108
X1 .487 .149 .536 3.280 .003
X2 .233 .122 .313 1.913 .066


b. Analisis Regresi Ganda (Kedua) :
1) Pilih menu ANALYZEREGRESSIONLINIER
2) Pilih variabel Z pindahkan ke kotak DEPENDENT
3) Pilih variabel X1, X2 dan Y pindahkan ke kotak INDEPENDENT
4) Pilih STATISTICS klik ESTIMATES, dan MODEL FIT
5) Klik CONTINUEOK
Model Summary

Model R R Square
Square Estimate
1 .943a .890 .877 .26317

a. Predictors: (Constant), Y, X2, X1
Coefficientsa
Model Coefficients Coefficients t Sig.
B Std. Error Beta
1 (Constant) -.123 .237 -.519 .608
X1 .430 .112 .404 3.831 .001
X2 .370 .083 .424 4.463 .000
Y .260 .123 .222 2.117 .044

a. Dependent Variable: Z
Berdasarkan output diatas maka dapat dihitung nilai residual untuk e1 dan e2, sebagai
berikut :
e1 = √ 1 – R2 = √ 1 – 0,615 = 0,620
e2 = √ 1 – R2 = √ 1 – 0,890 = 0,332
Berdasarkan output tersebut juga dapat dimasukkan nilai-nilai koefisien jalur dan nilai
signifikansi kedalam model jalur sebagai berikut :

X1 e2
0,536(0,003) 0,404(0,001) 0,332
0,620 0.222(0,044)
e1 Y Z
0,683
0,313(0,066) 0,424(0,000)
X2
Berdasarkan model jalur tersebut maka dapat dibuat persamaan struktural sebagai
berikut:
Persamaan Struktural Pertama :
Y = 0,536X1 + 0,313X2 + 0,620
Persamaan Struktura Kedua :
Z = 0,404X1 + 0,424X2 + 0,222Y + 0,332
4. Menguji signifikansi hubungan antar variabel

a. Koefisien jalur X1 terhadap Y adalah 0,536  Signifikan; karena (0,003 < 0,05)
b. Koefisien jalur X2 terhadap Y adalah 0,313  Tidak Signifikan; karena (0,066 > 0,05)
c. Koefisien jalur X1 terhadap Z adalah 0,404  Signifikan; karena (0,001< 0,05)
d. Koefisien jalur X2 terhadap Z adalah 0,424  Signifikan; karena (0,000 < 0,05)
e. Koefisien jalur Y terhadap Z adalah 0,222  Signifikan; karena (0.044 < 0,05)
5. Menghitung pengaruh langsung dan tak langsung serta pengaruh total

a. Besarnya Pengaruh Total Variabel X1 terhadap Variabel Z dapat dihitung :
ρ3 + (ρ1 x ρ5) = 0,404 + (0,536 x 0,222) = 0,523
b. Besarnya Pengaruh Total Variabel X2 terhadap Variabel Z dapat dihitung :
ρ4 + (ρ2 x ρ5) = 0,424 + (0,313 x 0,222) = 0,493

DAFTAR PUSTAKA
Ghozali, Imam. 2006. Analisis Multivariate Lanjutan dengan Program SPSS. Semarang :
Badan Penerbit Universitas Diponegoro
Ghozali, Imam. 2006. Statistik Non-Parametrik : Teori & Aplikasi dengan Program SPSS.
Semarang : Badan Penerbit Universitas Diponegoro
Mulyanto, Heru & Wulandari, Anna. 2012. Penelitian : Metode & Analisis. Semarang : CV
Agung
Nugroho, Bhuono Agung. Strategi Jitu memilih Metode Statistik Penelitian dengan SPSS.
Yogyakarta : Penerbit Andi
Santoso, Purbayu Budi. 2005. Analisis Statistik dengan Microsoft Excel & SPSS.
Yogyakarta : Penerbit Andi
Sulaiman, Wahid. 2004. Analisis Regresi Menggunakan SPSS : Contoh Kasus &
Pemecahannya. Yogyakarta : Penerbit Andi

DAFTAR LAMPIRAN
 Lampiran 1. Tabel Nilai r Product Moment (Pearson)

 Lampiran 2. Tabel Nilai Distrbusi t
 Lampiran 3. Tabel Nilai Distribusi F
 Lampiran 4. Tabel Nilai Chi Kuadrat
 Lampiran 5. Tabel Nilai Durbin-Watson (DW)

Lampiran Tabel
Tabel Nilai r Product Moment (Pearson)
N 5% (0,05) 1% (0,01) N 5% (0,05) 1% (0,01)

1 - - 41 0,308 0,398
2 - - 42 0,304 0,393
3 0,997 0,999 43 0,301 0,389
4 0,950 0,990 44 0,297 0,384
5 0,878 0,959 45 0,294 0,380
6 0,811 0,917 46 0,291 0,376
7 0,754 0,874 47 0,288 0,372
8 0,707 0,834 48 0,284 0,368
9 0,666 0,798 49 0,281 0,364
10 0,632 0,765 50 0,279 0,361
11 0,602 0,735 55 0,266 0,345
12 0,576 0,708 60 0,254 0,330
13 0,553 0,684 65 0,244 0,317
14 0,532 0,661 70 0,235 0,306
15 0,514 0,641 75 0,227 0,296
16 0,497 0,623 80 0,220 0,286
17 0,482 0,606 85 0,213 0,278
18 0,468 0,590 90 0,207 0,270
19 0,456 0,575 95 0,202 0,263
20 0,444 0,561 100 0,195 0,256
21 0,433 0,549 125 0,176 0,210
22 0,423 0,537 150 0,159 0,210
23 0,413 0,526 175 0,148 0,194
24 0,404 0,515 200 0,138 0,181
25 0,396 0,505 300 0,113 0,148
26 0,388 0,496 400 0,098 0,128
27 0,381 0,487 500 0,088 0,115
28 0,374 0,478 600 0,080 0,105
29 0,367 0,470 700 0,074 0,097
30 0,361 0,463 800 0,070 0,091
31 0,355 0,456 900 0,065 0,086
32 0,349 0,449 1000 0,062 0,081
33 0,344 0,442 Sumber : Sugiyono, 2004
34 0,339 0,436
35 0,334 0,430
36 0,329 0,424
37 0,325 0,418
38 0,320 0,413
39 0,316 0,408
40 0,312 0,403
Lampiran Tabel
Tabel Nilai Distribusi t (signifikansi 5%)
db One tail Two tail db One tail Two tail
1 6,314 12,706 51 1,675 2,008

2 2,920 4,303 52 1,675 2,007
3 2,353 3,182 53 1,674 2,006
4 2,132 2,776 54 1,674 2,005
5 2,015 2,571 55 1,673 2,004
6 1,943 2,447 56 1,673 2,003
7 1,895 2,365 57 1,672 2,003
8 1,860 2,306 58 1,672 2,002
9 1,833 2,262 59 1,671 1,000
10 1,812 2,228 60 1,671 2,000
11 1,796 2,201 61 1,670 2,000
12 1,782 2,179 62 1,670 1,999
13 1,771 2,160 63 1,669 1,998
14 1,761 2,145 64 1,669 1,998
15 1,753 2,131 65 1,669 1,997
16 1,746 2,120 66 1,668 1,997
17 1,740 2,110 67 1,668 1,996
18 1,734 2,101 68 1,668 1,996
19 1,729 2,093 69 1,667 1,995
20 1,725 2,086 70 1,667 1,994
21 1,721 2,080 71 1,667 1,994
22 1,717 2,074 72 1,666 1,994
23 1,714 2,069 73 1,666 1,993
24 1,711 2,064 74 1,666 1,993
25 1,708 2,060 75 1,665 1,992
26 1,706 2,056 76 1,665 1,992
27 1,703 2,052 77 1,665 1,991
28 1,701 2,048 78 1,665 1,991
29 1,699 2,045 79 1,664 1,991
30 1,697 2,042 80 1,664 1,990
31 1,696 2,040 81 1,664 1,990
32 1,694 2,037 82 1,664 1,989
33 1,692 2,035 83 1,663 1,989
34 1,691 2,032 84 1,663 1,989
35 1,690 2,030 85 1,663 1,988
36 1,688 2,028 86 1,663 1,988
37 1,687 2,026 87 1,663 1,988
38 1,686 2,024 88 1,662 1,987
39 1,685 2,023 89 1,662 1,987
40 1,684 2,021 90 1,662 1,987
41 1,683 2,020 91 1,662 1,986
42 1,682 2,018 92 1,662 1,986
43 1,681 2,017 93 1,661 1,986
44 1,680 2,015 94 1,661 1,986
45 1,679 2,014 95 1,661 1,985
46 1,679 2,013 96 1,661 1,985
47 1,678 2,012 97 1,661 1,985
48 1,677 2,011 98 1,661 1,985
49 1,677 2,010 99 1,660 1,984
50 1,676 2,009 100 1,660 1,984
Sumber : Imam Ghozali, 2007
Lampiran Tabel
Tabel Nilai Distribusi F (signifikansi 5%)

(Sumber : Compute dari SPSS)
db db Pembilang
Penyebut 1 2 3 4 5 6 7 8 9 10
1 161,448 199,500 215,707 224,583 230,162 233,986 236,768 238,883 240,543 241,882
2 18,513 19,000 19,164 19,247 19,296 19,330 19,353 19,371 19,385 19,396
3 10,128 9,552 9,277 9,117 9,013 8,941 8,887 8,845 8,812 8,786
4 7,709 6,944 6,591 6,388 6,256 6,163 6,094 6,041 5,999 5,964
5 6,608 5,786 5,409 5,192 5,050 4,950 4,876 4,818 4,772 4,735
6 5,987 5,143 4,757 4,534 4,387 4,284 4,207 4,147 4,099 4,060
7 5,591 4,737 4,347 4,120 3,972 3,866 3,787 3,726 3,677 3,637
8 5,318 4,459 4,066 3,838 3,687 3,581 3,500 3,438 3,388 3,347
9 5,117 4,256 3,863 3,633 3,482 3,374 3,293 3,230 3,179 3,137
10 4,965 4,103 3,708 3,478 3,326 3,217 3,135 3,072 3,020 2,978
11 4,844 3,982 3,587 3,357 3,204 3,095 3,012 2,948 2,896 2,854
12 4,747 3,885 3,490 3,259 3,106 2,996 2,913 2,849 2,796 2,753
13 4,667 3,806 3,411 3,179 3,025 2,915 2,832 2,767 2,714 2,671
14 4,600 3,739 3,344 3,112 2,958 2,848 2,764 2,699 2,646 2,602
15 4,543 3,682 3,287 3,056 2,901 2,790 2,707 2,641 2,588 2,544
16 4,494 3,634 3,239 3,007 2,852 2,741 2,657 2,591 2,538 2,494
17 4,451 3,592 3,197 2,965 2,810 2,699 2,614 2,548 2,494 2,450
18 4,414 3,555 3,160 2,928 2,773 2,661 2,577 2,510 2,456 2,412
19 4,381 3,522 3,127 2,895 2,740 2,628 2,544 2,477 2,423 2,378
20 4,351 3,493 3,098 2,866 2,711 2,599 2,514 2,447 2,393 2,348
21 4,325 3,467 3,072 2,840 2,685 2,573 2,488 2,420 2,366 2,321
22 4,301 3,443 3,049 2,817 2,661 2,549 2,464 2,397 2,342 2,297
23 4,279 3,422 3,028 2,796 2,640 2,528 2,442 2,375 2,320 2,275
24 4,260 3,403 3,009 2,776 2,621 2,508 2,423 2,355 2,300 2,255
25 4,242 3,385 2,991 2,759 2,603 2,490 2,405 2,337 2,282 2,236
26 4,225 3,369 2,975 2,743 2,587 2,474 2,388 2,321 2,265 2,220
27 4,210 3,354 2,960 2,728 2,572 2,459 2,373 2,305 2,250 2,204
28 4,196 3,340 2,947 2,714 2,558 2,445 2,359 2,291 2,236 2,190
29 4,183 3,328 2,934 2,701 2,545 2,432 2,346 2,278 2,223 2,177
30 4,171 3,316 2,922 2,690 2,534 2,421 2,334 2,266 2,211 2,165
31 4,160 3,305 2,911 2,679 2,523 2,409 2,323 2,255 2,199 2,153
32 4,149 3,295 2,901 2,668 2,512 2,399 2,313 2,244 2,189 2,142
33 4,139 3,285 2,892 2,659 2,503 2,389 2,303 2,235 2,179 2,133
34 4,130 3,276 2,883 2,650 2,494 2,380 2,294 2,225 2,170 2,123
35 4,121 3,267 2,874 2,641 2,485 2,372 2,285 2,217 2,161 2,114
36 4,113 3,259 2,866 2,634 2,477 2,364 2,277 2,209 2,153 2,106
37 4,105 3,252 2,859 2,626 2,470 2,356 2,270 2,201 2,145 2,098
38 4,098 3,245 2,852 2,619 2,463 2,349 2,262 2,194 2,138 2,091
39 4,091 3,238 2,845 2,612 2,456 2,342 2,255 2,187 2,131 2,084
40 4,085 3,232 2,839 2,606 2,449 2,336 2,249 2,180 2,124 2,077
41 4,079 3,226 2,833 2,600 2,443 2,330 2,243 2,174 2,118 2,071
42 4,073 3,220 2,827 2,594 2,438 2,324 2,237 2,168 2,112 2,065
43 4,067 3,214 2,822 2,589 2,432 2,318 2,232 2,163 2,106 2,059
44 4,062 3,209 2,816 2,584 2,427 2,313 2,226 2,157 2,101 2,054
45 4,057 3,204 2,812 2,579 2,422 2,308 2,221 2,152 2,096 2,049
46 4,052 3,200 2,807 2,574 2,417 2,304 2,216 2,147 2,091 2,044
47 4,047 3,195 2,802 2,570 2,413 2,299 2,212 2,143 2,086 2,039
48 4,043 3,191 2,798 2,565 2,409 2,295 2,207 2,138 2,082 2,035
49 4,038 3,187 2,794 2,561 2,404 2,290 2,203 2,134 2,077 2,030
50 4,034 3,183 2,790 2,557 2,400 2,286 2,199 2,130 2,073 2,026
51 4,030 3,179 2,786 2,553 2,397 2,283 2,195 2,126 2,069 2,022
Lampiran Tabel
db db Pembilang
Penyebut 1 2 3 4 5 6 7 8 9 10
52 4,027 3,175 2,783 2,550 2,393 2,279 2,192 2,122 2,066 2,018
53 4,023 3,172 2,779 2,546 2,389 2,275 2,188 2,119 2,062 2,015
54 4,020 3,168 2,776 2,543 2,386 2,272 2,185 2,115 2,059 2,011
55 4,016 3,165 2,773 2,540 2,383 2,269 2,181 2,112 2,055 2,008
56 4,013 3,162 2,769 2,537 2,380 2,266 2,178 2,109 2,052 2,005
57 4,010 3,159 2,766 2,534 2,377 2,263 2,175 2,106 2,049 2,001
58 4,007 3,156 2,764 2,531 2,374 2,260 2,172 2,103 2,046 1,998
59 4,004 3,153 2,761 2,528 2,371 2,257 2,169 2,100 2,043 1,995
60 4,001 3,150 2,758 2,525 2,368 2,254 2,167 2,097 2,040 1,993
61 3,998 3,148 2,755 2,523 2,366 2,251 2,164 2,094 2,037 1,990
62 3,996 3,145 2,753 2,520 2,363 2,249 2,161 2,092 2,035 1,987
63 3,993 3,143 2,751 2,518 2,361 2,246 2,159 2,089 2,032 1,985
64 3,991 3,140 2,748 2,515 2,358 2,244 2,156 2,087 2,030 1,982
65 3,989 3,138 2,746 2,513 2,356 2,242 2,154 2,084 2,027 1,980
66 3,986 3,136 2,744 2,511 2,354 2,239 2,152 2,082 2,025 1,977
67 3,984 3,134 2,742 2,509 2,352 2,237 2,150 2,080 2,023 1,975
68 3,982 3,132 2,740 2,507 2,350 2,235 2,148 2,078 2,021 1,973
69 3,980 3,130 2,737 2,505 2,348 2,233 2,145 2,076 2,019 1,971
70 3,978 3,128 2,736 2,503 2,346 2,231 2,143 2,074 2,017 1,969
71 3,976 3,126 2,734 2,501 2,344 2,229 2,142 2,072 2,015 1,967
72 3,974 3,124 2,732 2,499 2,342 2,227 2,140 2,070 2,013 1,965
73 3,972 3,122 2,730 2,497 2,340 2,226 2,138 2,068 2,011 1,963
74 3,970 3,120 2,728 2,495 2,338 2,224 2,136 2,066 2,009 1,961
75 3,968 3,119 2,727 2,494 2,337 2,222 2,134 2,064 2,007 1,959
76 3,967 3,117 2,725 2,492 2,335 2,220 2,133 2,063 2,006 1,958
77 3,965 3,115 2,723 2,490 2,333 2,219 2,131 2,061 2,004 1,956
78 3,963 3,114 2,722 2,489 2,332 2,217 2,129 2,059 2,002 1,954
79 3,962 3,112 2,720 2,487 2,330 2,216 2,128 2,058 2,001 1,953
80 3,960 3,111 2,719 2,486 2,329 2,214 2,126 2,056 1,999 1,951
81 3,959 3,109 2,717 2,484 2,327 2,213 2,125 2,055 1,998 1,950
82 3,957 3,108 2,716 2,483 2,326 2,211 2,123 2,053 1,996 1,948
83 3,956 3,107 2,715 2,482 2,324 2,210 2,122 2,052 1,995 1,947
84 3,955 3,105 2,713 2,480 2,323 2,209 2,121 2,051 1,993 1,945
85 3,953 3,104 2,712 2,479 2,322 2,207 2,119 2,049 1,992 1,944
86 3,952 3,103 2,711 2,478 2,321 2,206 2,118 2,048 1,991 1,943
87 3,951 3,101 2,709 2,476 2,319 2,205 2,117 2,047 1,989 1,941
88 3,949 3,100 2,708 2,475 2,318 2,203 2,115 2,045 1,988 1,940
89 3,948 3,099 2,707 2,474 2,317 2,202 2,114 2,044 1,987 1,939
90 3,947 3,098 2,706 2,473 2,316 2,201 2,113 2,043 1,986 1,938
91 3,946 3,097 2,705 2,472 2,315 2,200 2,112 2,042 1,984 1,936
92 3,945 3,095 2,704 2,471 2,313 2,199 2,111 2,041 1,983 1,935
93 3,943 3,094 2,703 2,470 2,312 2,198 2,110 2,040 1,982 1,934
94 3,942 3,093 2,701 2,469 2,311 2,197 2,109 2,038 1,981 1,933
95 3,941 3,092 2,700 2,467 2,310 2,196 2,108 2,037 1,980 1,932
96 3,940 3,091 2,699 2,466 2,309 2,195 2,106 2,036 1,979 1,931
97 3,939 3,090 2,698 2,465 2,308 2,194 2,105 2,035 1,978 1,930
98 3,938 3,089 2,697 2,465 2,307 2,193 2,104 2,034 1,977 1,929
99 3,937 3,088 2,696 2,464 2,306 2,192 2,103 2,033 1,976 1,928
100 3,936 3,087 2,696 2,463 2,305 2,191 2,103 2,032 1,975 1,927
Lampiran Tabel
Tabel Nilai Distribusi F (signifikansi 5%)
db db Pembilang
Penyebut 12 14 16 18 20 22 24 26 28 30
1 243,906 245,364 246,464 247,323 248,013 248,579 249,052 249,453 249,797 250,095
2 19,413 19,424 19,433 19,440 19,446 19,450 19,454 19,457 19,460 19,462
3 8,745 8,715 8,692 8,675 8,660 8,648 8,639 8,630 8,623 8,617
4 5,912 5,873 5,844 5,821 5,803 5,787 5,774 5,763 5,754 5,746
5 4,678 4,636 4,604 4,579 4,558 4,541 4,527 4,515 4,505 4,496
6 4,000 3,956 3,922 3,896 3,874 3,856 3,841 3,829 3,818 3,808
7 3,575 3,529 3,494 3,467 3,445 3,426 3,410 3,397 3,386 3,376
8 3,284 3,237 3,202 3,173 3,150 3,131 3,115 3,102 3,090 3,079
9 3,073 3,025 2,989 2,960 2,936 2,917 2,900 2,886 2,874 2,864
10 2,913 2,865 2,828 2,798 2,774 2,754 2,737 2,723 2,710 2,700
11 2,788 2,739 2,701 2,671 2,646 2,626 2,609 2,594 2,582 2,570
12 2,687 2,637 2,599 2,568 2,544 2,523 2,505 2,491 2,478 2,466
13 2,604 2,554 2,515 2,484 2,459 2,438 2,420 2,405 2,392 2,380
14 2,534 2,484 2,445 2,413 2,388 2,367 2,349 2,333 2,320 2,308
15 2,475 2,424 2,385 2,353 2,328 2,306 2,288 2,272 2,259 2,247
16 2,425 2,373 2,333 2,302 2,276 2,254 2,235 2,220 2,206 2,194
17 2,381 2,329 2,289 2,257 2,230 2,208 2,190 2,174 2,160 2,148
18 2,342 2,290 2,250 2,217 2,191 2,168 2,150 2,134 2,119 2,107
19 2,308 2,256 2,215 2,182 2,155 2,133 2,114 2,098 2,084 2,071
20 2,278 2,225 2,184 2,151 2,124 2,102 2,082 2,066 2,052 2,039
21 2,250 2,197 2,156 2,123 2,096 2,073 2,054 2,037 2,023 2,010
22 2,226 2,173 2,131 2,098 2,071 2,048 2,028 2,012 1,997 1,984
23 2,204 2,150 2,109 2,075 2,048 2,025 2,005 1,988 1,973 1,961
24 2,183 2,130 2,088 2,054 2,027 2,003 1,984 1,967 1,952 1,939
25 2,165 2,111 2,069 2,035 2,007 1,984 1,964 1,947 1,932 1,919
26 2,148 2,094 2,052 2,018 1,990 1,966 1,946 1,929 1,914 1,901
27 2,132 2,078 2,036 2,002 1,974 1,950 1,930 1,913 1,898 1,884
28 2,118 2,064 2,021 1,987 1,959 1,935 1,915 1,897 1,882 1,869
29 2,104 2,050 2,007 1,973 1,945 1,921 1,901 1,883 1,868 1,854
30 2,092 2,037 1,995 1,960 1,932 1,908 1,887 1,870 1,854 1,841
31 2,080 2,026 1,983 1,948 1,920 1,896 1,875 1,857 1,842 1,828
32 2,070 2,015 1,972 1,937 1,908 1,884 1,864 1,846 1,830 1,817
33 2,060 2,004 1,961 1,926 1,898 1,873 1,853 1,835 1,819 1,806
34 2,050 1,995 1,952 1,917 1,888 1,863 1,843 1,825 1,809 1,795
35 2,041 1,986 1,942 1,907 1,878 1,854 1,833 1,815 1,799 1,786
36 2,033 1,977 1,934 1,899 1,870 1,845 1,824 1,806 1,790 1,776
37 2,025 1,969 1,926 1,890 1,861 1,837 1,816 1,798 1,782 1,768
38 2,017 1,962 1,918 1,883 1,853 1,829 1,808 1,790 1,774 1,760
39 2,010 1,954 1,911 1,875 1,846 1,821 1,800 1,782 1,766 1,752
40 2,003 1,948 1,904 1,868 1,839 1,814 1,793 1,775 1,759 1,744
41 1,997 1,941 1,897 1,862 1,832 1,807 1,786 1,768 1,752 1,737
42 1,991 1,935 1,891 1,855 1,826 1,801 1,780 1,761 1,745 1,731
43 1,985 1,929 1,885 1,849 1,820 1,795 1,773 1,755 1,739 1,724
44 1,980 1,924 1,879 1,844 1,814 1,789 1,767 1,749 1,733 1,718
45 1,974 1,918 1,874 1,838 1,808 1,783 1,762 1,743 1,727 1,713
46 1,969 1,913 1,869 1,833 1,803 1,778 1,756 1,738 1,721 1,707
47 1,965 1,908 1,864 1,828 1,798 1,773 1,751 1,733 1,716 1,702
48 1,960 1,904 1,859 1,823 1,793 1,768 1,746 1,728 1,711 1,697
49 1,956 1,899 1,855 1,819 1,789 1,763 1,742 1,723 1,706 1,692
50 1,952 1,895 1,850 1,814 1,784 1,759 1,737 1,718 1,702 1,687
51 1,947 1,891 1,846 1,810 1,780 1,754 1,733 1,714 1,697 1,683
Lampiran Tabel
db db Pembilang
Penyebut 12 14 16 18 20 22 24 26 28 30
52 1,944 1,887 1,842 1,806 1,776 1,750 1,729 1,710 1,693 1,678
53 1,940 1,883 1,838 1,802 1,772 1,746 1,725 1,706 1,689 1,674
54 1,936 1,879 1,835 1,798 1,768 1,743 1,721 1,702 1,685 1,670
55 1,933 1,876 1,831 1,795 1,764 1,739 1,717 1,698 1,681 1,666
56 1,930 1,873 1,828 1,791 1,761 1,735 1,713 1,694 1,678 1,663
57 1,926 1,869 1,824 1,788 1,757 1,732 1,710 1,691 1,674 1,659
58 1,923 1,866 1,821 1,785 1,754 1,729 1,706 1,687 1,671 1,656
59 1,920 1,863 1,818 1,781 1,751 1,725 1,703 1,684 1,667 1,652
60 1,917 1,860 1,815 1,778 1,748 1,722 1,700 1,681 1,664 1,649
61 1,915 1,857 1,812 1,776 1,745 1,719 1,697 1,678 1,661 1,646
62 1,912 1,855 1,809 1,773 1,742 1,716 1,694 1,675 1,658 1,643
63 1,909 1,852 1,807 1,770 1,739 1,714 1,691 1,672 1,655 1,640
64 1,907 1,849 1,804 1,767 1,737 1,711 1,689 1,669 1,652 1,637
65 1,904 1,847 1,802 1,765 1,734 1,708 1,686 1,667 1,650 1,635
66 1,902 1,845 1,799 1,762 1,732 1,706 1,683 1,664 1,647 1,632
67 1,900 1,842 1,797 1,760 1,729 1,703 1,681 1,661 1,644 1,629
68 1,897 1,840 1,795 1,758 1,727 1,701 1,678 1,659 1,642 1,627
69 1,895 1,838 1,792 1,755 1,725 1,698 1,676 1,657 1,640 1,624
70 1,893 1,836 1,790 1,753 1,722 1,696 1,674 1,654 1,637 1,622
71 1,891 1,834 1,788 1,751 1,720 1,694 1,672 1,652 1,635 1,620
72 1,889 1,832 1,786 1,749 1,718 1,692 1,669 1,650 1,633 1,618
73 1,887 1,830 1,784 1,747 1,716 1,690 1,667 1,648 1,631 1,615
74 1,885 1,828 1,782 1,745 1,714 1,688 1,665 1,646 1,629 1,613
75 1,884 1,826 1,780 1,743 1,712 1,686 1,663 1,644 1,626 1,611
76 1,882 1,824 1,778 1,741 1,710 1,684 1,661 1,642 1,625 1,609
77 1,880 1,822 1,777 1,739 1,708 1,682 1,660 1,640 1,623 1,607
78 1,878 1,821 1,775 1,738 1,707 1,680 1,658 1,638 1,621 1,605
79 1,877 1,819 1,773 1,736 1,705 1,679 1,656 1,636 1,619 1,604
80 1,875 1,817 1,772 1,734 1,703 1,677 1,654 1,634 1,617 1,602
81 1,874 1,816 1,770 1,733 1,702 1,675 1,652 1,633 1,615 1,600
82 1,872 1,814 1,768 1,731 1,700 1,674 1,651 1,631 1,614 1,598
83 1,871 1,813 1,767 1,729 1,698 1,672 1,649 1,629 1,612 1,597
84 1,869 1,811 1,765 1,728 1,697 1,670 1,648 1,628 1,610 1,595
85 1,868 1,810 1,764 1,726 1,695 1,669 1,646 1,626 1,609 1,593
86 1,867 1,808 1,763 1,725 1,694 1,667 1,645 1,625 1,607 1,592
87 1,865 1,807 1,761 1,724 1,692 1,666 1,643 1,623 1,606 1,590
88 1,864 1,806 1,760 1,722 1,691 1,664 1,642 1,622 1,604 1,589
89 1,863 1,804 1,758 1,721 1,690 1,663 1,640 1,620 1,603 1,587
90 1,861 1,803 1,757 1,720 1,688 1,662 1,639 1,619 1,601 1,586
91 1,860 1,802 1,756 1,718 1,687 1,660 1,638 1,618 1,600 1,585
92 1,859 1,801 1,755 1,717 1,686 1,659 1,636 1,616 1,599 1,583
93 1,858 1,800 1,753 1,716 1,684 1,658 1,635 1,615 1,597 1,582
94 1,857 1,798 1,752 1,715 1,683 1,657 1,634 1,614 1,596 1,581
95 1,856 1,797 1,751 1,713 1,682 1,655 1,632 1,613 1,595 1,579
96 1,854 1,796 1,750 1,712 1,681 1,654 1,631 1,611 1,594 1,578
97 1,853 1,795 1,749 1,711 1,680 1,653 1,630 1,610 1,592 1,577
98 1,852 1,794 1,748 1,710 1,679 1,652 1,629 1,609 1,591 1,576
99 1,851 1,793 1,747 1,709 1,678 1,651 1,628 1,608 1,590 1,574
100 1,850 1,792 1,746 1,708 1,676 1,650 1,627 1,607 1,589 1,573
Lampiran Tabel
Tabel Nilai Chi Kuadrat

(Sumber : Compute dari SPSS)
db 5% (0,05) 1% (0,01) db 5% (0,05) 1% (0,01)
1 3,841 6,635 35 49,802 57,342

2 5,991 9,210 36 50,998 58,619
3 7,815 11,345 37 52,192 59,893
4 9,488 13,277 38 53,384 61,162
5 11,070 15,086 39 54,572 62,428
6 12,592 16,812 40 55,758 63,691
7 14,067 18,475 41 56,942 64,950
8 15,507 20,090 42 58,124 66,206
9 16,919 21,666 43 59,304 67,459
10 18,307 23,209 44 60,481 68,710
11 19,675 24,725 45 61,656 69,957
12 21,026 26,217 46 62,830 71,201
13 22,362 27,688 47 64,001 72,443
14 23,685 29,141 48 65,171 73,683
15 24,996 30,578 49 66,339 74,919
16 26,296 32,000 50 67,505 76,154
17 27,587 33,409
18 28,869 34,805
19 30,144 36,191
20 31,410 37,566
21 32,671 38,932
22 33,924 40,289
23 35,172 41,638
24 36,415 42,980
25 37,652 44,314
26 38,885 45,642
27 40,113 46,963
28 41,337 48,278
29 42,557 49,588
30 43,773 50,892
31 44,985 52,191
32 46,194 53,486
33 47,400 54,776
34 48,602 56,061
Lampiran Tabel
Tabel Durbin-Watson (DW), α = 5%
Direproduksi oleh:
Junaidi (http://junaidichaniago.wordpress.com)
dari sumber: http://www.standford.edu
Catatan-Catatan Reproduksi dan Cara Membaca Tabel:
1. Tabel DW ini direproduksi dengan merubah format tabel mengikuti format tabel DW
yang umumnya dilampirkan pada buku-buku teks statistik/ekonometrik di Indonesia, agar
lebih mudah dibaca dan diperbandingkan
2. Simbol ‘k’ pada tabel menunjukkan banyaknya variabel bebas (penjelas), tidak termasuk
variabel terikat.
3. Simbol ‘n’ pada tabel menunjukkan banyaknya observasi
k=1 k=2 k=3 k=4 k=5

n dL dU dL dU dL dU dL dU dL dU
6 0,6102 1,4002
7 0,6996 1,3564 0,4672 1,8964
8 0,7629 1,3324 0,5591 1,7771 0,3674 2,2866
9 0,8243 1,3199 0,6291 1,6993 0,4548 2,1282 0,2957 2,5881
10 0,8791 1,3197 0,6972 1,6413 0,5253 2,0163 0,3760 2,4137 0,2427 2,8217
11 0,9273 1,3241 0,7580 1,6044 0,5948 1,9280 0,4441 2,2833 0,3155 2,6446
12 0,9708 1,3314 0,8122 1,5794 0,6577 1,8640 0,5120 2,1766 0,3796 2,5061
13 1,0097 1,3404 0,8612 1,5621 0,7147 1,8159 0,5745 2,0943 0,4445 2,3897
14 1,0450 1,3503 0,9054 1,5507 0,7667 1,7788 0,6321 2,0296 0,5052 2,2959
15 1,0770 1,3605 0,9455 1,5432 0,8140 1,7501 0,6852 1,9774 0,5620 2,2198
16 1,1062 1,3709 0,9820 1,5386 0,8572 1,7277 0,7340 1,9351 0,6150 2,1567
17 1,1330 1,3812 1,0154 1,5361 0,8968 1,7101 0,7790 1,9005 0,6641 2,1041
18 1,1576 1,3913 1,0461 1,5353 0,9331 1,6961 0,8204 1,8719 0,7098 2,0600
19 1,1804 1,4012 1,0743 1,5355 0,9666 1,6851 0,8588 1,8482 0,7523 2,0226
20 1,2015 1,4107 1,1004 1,5367 0,9976 1,6763 0,8943 1,8283 0,7918 1,9908
21 1,2212 1,4200 1,1246 1,5385 1,0262 1,6694 0,9272 1,8116 0,8286 1,9635
22 1,2395 1,4289 1,1471 1,5408 1,0529 1,6640 0,9578 1,7974 0,8629 1,9400
23 1,2567 1,4375 1,1682 1,5435 1,0778 1,6597 0,9864 1,7855 0,8949 1,9196
24 1,2728 1,4458 1,1878 1,5464 1,1010 1,6565 1,0131 1,7753 0,9249 1,9018
25 1,2879 1,4537 1,2063 1,5495 1,1228 1,6540 1,0381 1,7666 0,9530 1,8863
26 1,3022 1,4614 1,2236 1,5528 1,1432 1,6523 1,0616 1,7591 0,9794 1,8727
27 1,3157 1,4688 1,2399 1,5562 1,1624 1,6510 1,0836 1,7527 1,0042 1,8608
28 1,3284 1,4759 1,2553 1,5596 1,1805 1,6503 1,1044 1,7473 1,0276 1,8502
29 1,3405 1,4828 1,2699 1,5631 1,1976 1,6499 1,1241 1,7426 1,0497 1,8409
30 1,3520 1,4894 1,2837 1,5666 1,2138 1,6498 1,1426 1,7386 1,0706 1,8326
31 1,3630 1,4957 1,2969 1,5701 1,2292 1,6500 1,1602 1,7352 1,0904 1,8252
32 1,3734 1,5019 1,3093 1,5736 1,2437 1,6505 1,1769 1,7323 1,1092 1,8187
33 1,3834 1,5078 1,3212 1,5770 1,2576 1,6511 1,1927 1,7298 1,1270 1,8128
34 1,3929 1,5136 1,3325 1,5805 1,2707 1,6519 1,2078 1,7277 1,1439 1,8076
35 1,4019 1,5191 1,3433 1,5838 1,2833 1,6528 1,2221 1,7259 1,1601 1,8029
36 1,4107 1,5245 1,3537 1,5872 1,2953 1,6539 1,2358 1,7245 1,1755 1,7987
37 1,4190 1,5297 1,3635 1,5904 1,3068 1,6550 1,2489 1,7233 1,1901 1,7950
38 1,4270 1,5348 1,3730 1,5937 1,3177 1,6563 1,2614 1,7223 1,2042 1,7916
39 1,4347 1,5396 1,3821 1,5969 1,3283 1,6575 1,2734 1,7215 1,2176 1,7886
40 1,4421 1,5444 1,3908 1,6000 1,3384 1,6589 1,2848 1,7209 1,2305 1,7859
41 1,4493 1,5490 1,3992 1,6031 1,3480 1,6603 1,2958 1,7205 1,2428 1,7835
42 1,4562 1,5534 1,4073 1,6061 1,3573 1,6617 1,3064 1,7202 1,2546 1,7814
43 1,4628 1,5577 1,4151 1,6091 1,3663 1,6632 1,3166 1,7200 1,2660 1,7794
44 1,4692 1,5619 1,4226 1,6120 1,3749 1,6647 1,3263 1,7200 1,2769 1,7777
45 1,4754 1,5660 1,4298 1,6148 1,3832 1,6662 1,3357 1,7200 1,2874 1,7762
46 1,4814 1,5700 1,4368 1,6176 1,3912 1,6677 1,3448 1,7201 1,2976 1,7748
47 1,4872 1,5739 1,4435 1,6204 1,3989 1,6692 1,3535 1,7203 1,3073 1,7736
48 1,4928 1,5776 1,4500 1,6231 1,4064 1,6708 1,3619 1,7206 1,3167 1,7725
49 1,4982 1,5813 1,4564 1,6257 1,4136 1,6723 1,3701 1,7210 1,3258 1,7716
50 1,5035 1,5849 1,4625 1,6283 1,4206 1,6739 1,3779 1,7214 1,3346 1,7708
51 1,5086 1,5884 1,4684 1,6309 1,4273 1,6754 1,3855 1,7218 1,3431 1,7701
52 1,5135 1,5917 1,4741 1,6334 1,4339 1,6769 1,3929 1,7223 1,3512 1,7694
53 1,5183 1,5951 1,4797 1,6359 1,4402 1,6785 1,4000 1,7228 1,3592 1,7689
54 1,5230 1,5983 1,4851 1,6383 1,4464 1,6800 1,4069 1,7234 1,3669 1,7684
55 1,5276 1,6014 1,4903 1,6406 1,4523 1,6815 1,4136 1,7240 1,3743 1,7681
56 1,5320 1,6045 1,4954 1,6430 1,4581 1,6830 1,4201 1,7246 1,3815 1,7678
57 1,5363 1,6075 1,5004 1,6452 1,4637 1,6845 1,4264 1,7253 1,3885 1,7675
58 1,5405 1,6105 1,5052 1,6475 1,4692 1,6860 1,4325 1,7259 1,3953 1,7673
59 1,5446 1,6134 1,5099 1,6497 1,4745 1,6875 1,4385 1,7266 1,4019 1,7672
60 1,5485 1,6162 1,5144 1,6518 1,4797 1,6889 1,4443 1,7274 1,4083 1,7671
61 1,5524 1,6189 1,5189 1,6540 1,4847 1,6904 1,4499 1,7281 1,4146 1,7671
62 1,5562 1,6216 1,5232 1,6561 1,4896 1,6918 1,4554 1,7288 1,4206 1,7671
63 1,5599 1,6243 1,5274 1,6581 1,4943 1,6932 1,4607 1,7296 1,4265 1,7671
64 1,5635 1,6268 1,5315 1,6601 1,4990 1,6946 1,4659 1,7303 1,4322 1,7672
65 1,5670 1,6294 1,5355 1,6621 1,5035 1,6960 1,4709 1,7311 1,4378 1,7673
66 1,5704 1,6318 1,5395 1,6640 1,5079 1,6974 1,4758 1,7319 1,4433 1,7675
67 1,5738 1,6343 1,5433 1,6660 1,5122 1,6988 1,4806 1,7327 1,4486 1,7676
68 1,5771 1,6367 1,5470 1,6678 1,5164 1,7001 1,4853 1,7335 1,4537 1,7678
69 1,5803 1,6390 1,5507 1,6697 1,5205 1,7015 1,4899 1,7343 1,4588 1,7680
70 1,5834 1,6413 1,5542 1,6715 1,5245 1,7028 1,4943 1,7351 1,4637 1,7683
k=1 k=2 k=3 k=4 k=5

71 1,5865 1,6435 1,5577 1,6733 1,5284 1,7041 1,4987 1,7358 1,4685 1,7685
72 1,5895 1,6457 1,5611 1,6751 1,5323 1,7054 1,5029 1,7366 1,4732 1,7688
73 1,5924 1,6479 1,5645 1,6768 1,5360 1,7067 1,5071 1,7375 1,4778 1,7691
74 1,5953 1,6500 1,5677 1,6785 1,5397 1,7079 1,5112 1,7383 1,4822 1,7694
75 1,5981 1,6521 1,5709 1,6802 1,5432 1,7092 1,5151 1,7390 1,4866 1,7698
76 1,6009 1,6541 1,5740 1,6819 1,5467 1,7104 1,5190 1,7399 1,4909 1,7701
77 1,6036 1,6561 1,5771 1,6835 1,5502 1,7117 1,5228 1,7407 1,4950 1,7704
78 1,6063 1,6581 1,5801 1,6851 1,5535 1,7129 1,5265 1,7415 1,4991 1,7708
79 1,6089 1,6601 1,5830 1,6867 1,5568 1,7141 1,5302 1,7423 1,5031 1,7712
80 1,6114 1,6620 1,5859 1,6882 1,5600 1,7153 1,5337 1,7430 1,5070 1,7716
81 1,6139 1,6639 1,5888 1,6898 1,5632 1,7164 1,5372 1,7438 1,5109 1,7720
82 1,6164 1,6657 1,5915 1,6913 1,5663 1,7176 1,5406 1,7446 1,5146 1,7724
83 1,6188 1,6675 1,5942 1,6928 1,5693 1,7187 1,5440 1,7454 1,5183 1,7728
84 1,6212 1,6693 1,5969 1,6942 1,5723 1,7199 1,5472 1,7462 1,5219 1,7732
85 1,6235 1,6711 1,5995 1,6957 1,5752 1,7210 1,5505 1,7470 1,5254 1,7736
86 1,6258 1,6728 1,6021 1,6971 1,5780 1,7221 1,5536 1,7478 1,5289 1,7740
87 1,6280 1,6745 1,6046 1,6985 1,5808 1,7232 1,5567 1,7485 1,5322 1,7745
88 1,6302 1,6762 1,6071 1,6999 1,5836 1,7243 1,5597 1,7493 1,5356 1,7749
89 1,6324 1,6778 1,6095 1,7013 1,5863 1,7254 1,5627 1,7501 1,5388 1,7754
90 1,6345 1,6794 1,6119 1,7026 1,5889 1,7264 1,5656 1,7508 1,5420 1,7758
91 1,6366 1,6810 1,6143 1,7040 1,5915 1,7275 1,5685 1,7516 1,5452 1,7763
92 1,6387 1,6826 1,6166 1,7053 1,5941 1,7285 1,5713 1,7523 1,5482 1,7767
93 1,6407 1,6841 1,6188 1,7066 1,5966 1,7295 1,5741 1,7531 1,5513 1,7772
94 1,6427 1,6857 1,6211 1,7078 1,5991 1,7306 1,5768 1,7538 1,5542 1,7776
95 1,6447 1,6872 1,6233 1,7091 1,6015 1,7316 1,5795 1,7546 1,5572 1,7781
96 1,6466 1,6887 1,6254 1,7103 1,6039 1,7326 1,5821 1,7553 1,5600 1,7785
97 1,6485 1,6901 1,6275 1,7116 1,6063 1,7335 1,5847 1,7560 1,5628 1,7790
98 1,6504 1,6916 1,6296 1,7128 1,6086 1,7345 1,5872 1,7567 1,5656 1,7795
99 1,6522 1,6930 1,6317 1,7140 1,6108 1,7355 1,5897 1,7575 1,5683 1,7799
100 1,6540 1,6944 1,6337 1,7152 1,6131 1,7364 1,5922 1,7582 1,5710 1,7804
101 1,6558 1,6958 1,6357 1,7163 1,6153 1,7374 1,5946 1,7589 1,5736 1,7809
102 1,6576 1,6971 1,6376 1,7175 1,6174 1,7383 1,5969 1,7596 1,5762 1,7813
103 1,6593 1,6985 1,6396 1,7186 1,6196 1,7392 1,5993 1,7603 1,5788 1,7818
104 1,6610 1,6998 1,6415 1,7198 1,6217 1,7402 1,6016 1,7610 1,5813 1,7823
105 1,6627 1,7011 1,6433 1,7209 1,6237 1,7411 1,6038 1,7617 1,5837 1,7827
106 1,6644 1,7024 1,6452 1,7220 1,6258 1,7420 1,6061 1,7624 1,5861 1,7832
107 1,6660 1,7037 1,6470 1,7231 1,6277 1,7428 1,6083 1,7631 1,5885 1,7837
108 1,6676 1,7050 1,6488 1,7241 1,6297 1,7437 1,6104 1,7637 1,5909 1,7841
109 1,6692 1,7062 1,6505 1,7252 1,6317 1,7446 1,6125 1,7644 1,5932 1,7846
110 1,6708 1,7074 1,6523 1,7262 1,6336 1,7455 1,6146 1,7651 1,5955 1,7851
111 1,6723 1,7086 1,6540 1,7273 1,6355 1,7463 1,6167 1,7657 1,5977 1,7855
112 1,6738 1,7098 1,6557 1,7283 1,6373 1,7472 1,6187 1,7664 1,5999 1,7860
113 1,6753 1,7110 1,6574 1,7293 1,6391 1,7480 1,6207 1,7670 1,6021 1,7864
114 1,6768 1,7122 1,6590 1,7303 1,6410 1,7488 1,6227 1,7677 1,6042 1,7869
115 1,6783 1,7133 1,6606 1,7313 1,6427 1,7496 1,6246 1,7683 1,6063 1,7874
116 1,6797 1,7145 1,6622 1,7323 1,6445 1,7504 1,6265 1,7690 1,6084 1,7878
117 1,6812 1,7156 1,6638 1,7332 1,6462 1,7512 1,6284 1,7696 1,6105 1,7883
118 1,6826 1,7167 1,6653 1,7342 1,6479 1,7520 1,6303 1,7702 1,6125 1,7887
119 1,6839 1,7178 1,6669 1,7352 1,6496 1,7528 1,6321 1,7709 1,6145 1,7892
120 1,6853 1,7189 1,6684 1,7361 1,6513 1,7536 1,6339 1,7715 1,6164 1,7896
121 1,6867 1,7200 1,6699 1,7370 1,6529 1,7544 1,6357 1,7721 1,6184 1,7901
122 1,6880 1,7210 1,6714 1,7379 1,6545 1,7552 1,6375 1,7727 1,6203 1,7905
123 1,6893 1,7221 1,6728 1,7388 1,6561 1,7559 1,6392 1,7733 1,6222 1,7910
124 1,6906 1,7231 1,6743 1,7397 1,6577 1,7567 1,6409 1,7739 1,6240 1,7914
125 1,6919 1,7241 1,6757 1,7406 1,6592 1,7574 1,6426 1,7745 1,6258 1,7919
126 1,6932 1,7252 1,6771 1,7415 1,6608 1,7582 1,6443 1,7751 1,6276 1,7923
127 1,6944 1,7261 1,6785 1,7424 1,6623 1,7589 1,6460 1,7757 1,6294 1,7928
128 1,6957 1,7271 1,6798 1,7432 1,6638 1,7596 1,6476 1,7763 1,6312 1,7932
129 1,6969 1,7281 1,6812 1,7441 1,6653 1,7603 1,6492 1,7769 1,6329 1,7937
130 1,6981 1,7291 1,6825 1,7449 1,6667 1,7610 1,6508 1,7774 1,6346 1,7941
131 1,6993 1,7301 1,6838 1,7458 1,6682 1,7617 1,6523 1,7780 1,6363 1,7945
132 1,7005 1,7310 1,6851 1,7466 1,6696 1,7624 1,6539 1,7786 1,6380 1,7950
133 1,7017 1,7319 1,6864 1,7474 1,6710 1,7631 1,6554 1,7791 1,6397 1,7954
134 1,7028 1,7329 1,6877 1,7482 1,6724 1,7638 1,6569 1,7797 1,6413 1,7958
135 1,7040 1,7338 1,6889 1,7490 1,6738 1,7645 1,6584 1,7802 1,6429 1,7962
136 1,7051 1,7347 1,6902 1,7498 1,6751 1,7652 1,6599 1,7808 1,6445 1,7967
k=1 k=2 k=3 k=4 k=5

137 1,7062 1,7356 1,6914 1,7506 1,6765 1,7659 1,6613 1,7813 1,6461 1,7971
138 1,7073 1,7365 1,6926 1,7514 1,6778 1,7665 1,6628 1,7819 1,6476 1,7975
139 1,7084 1,7374 1,6938 1,7521 1,6791 1,7672 1,6642 1,7824 1,6491 1,7979
140 1,7095 1,7382 1,6950 1,7529 1,6804 1,7678 1,6656 1,7830 1,6507 1,7984
141 1,7106 1,7391 1,6962 1,7537 1,6817 1,7685 1,6670 1,7835 1,6522 1,7988
142 1,7116 1,7400 1,6974 1,7544 1,6829 1,7691 1,6684 1,7840 1,6536 1,7992
143 1,7127 1,7408 1,6985 1,7552 1,6842 1,7697 1,6697 1,7846 1,6551 1,7996
144 1,7137 1,7417 1,6996 1,7559 1,6854 1,7704 1,6710 1,7851 1,6565 1,8000
145 1,7147 1,7425 1,7008 1,7566 1,6866 1,7710 1,6724 1,7856 1,6580 1,8004
146 1,7157 1,7433 1,7019 1,7574 1,6878 1,7716 1,6737 1,7861 1,6594 1,8008
147 1,7167 1,7441 1,7030 1,7581 1,6890 1,7722 1,6750 1,7866 1,6608 1,8012
148 1,7177 1,7449 1,7041 1,7588 1,6902 1,7729 1,6762 1,7871 1,6622 1,8016
149 1,7187 1,7457 1,7051 1,7595 1,6914 1,7735 1,6775 1,7876 1,6635 1,8020
150 1,7197 1,7465 1,7062 1,7602 1,6926 1,7741 1,6788 1,7881 1,6649 1,8024
151 1,7207 1,7473 1,7072 1,7609 1,6937 1,7747 1,6800 1,7886 1,6662 1,8028
152 1,7216 1,7481 1,7083 1,7616 1,6948 1,7752 1,6812 1,7891 1,6675 1,8032
153 1,7226 1,7488 1,7093 1,7622 1,6959 1,7758 1,6824 1,7896 1,6688 1,8036
154 1,7235 1,7496 1,7103 1,7629 1,6971 1,7764 1,6836 1,7901 1,6701 1,8040
155 1,7244 1,7504 1,7114 1,7636 1,6982 1,7770 1,6848 1,7906 1,6714 1,8044
156 1,7253 1,7511 1,7123 1,7642 1,6992 1,7776 1,6860 1,7911 1,6727 1,8048
157 1,7262 1,7519 1,7133 1,7649 1,7003 1,7781 1,6872 1,7915 1,6739 1,8052
158 1,7271 1,7526 1,7143 1,7656 1,7014 1,7787 1,6883 1,7920 1,6751 1,8055
159 1,7280 1,7533 1,7153 1,7662 1,7024 1,7792 1,6895 1,7925 1,6764 1,8059
160 1,7289 1,7541 1,7163 1,7668 1,7035 1,7798 1,6906 1,7930 1,6776 1,8063
161 1,7298 1,7548 1,7172 1,7675 1,7045 1,7804 1,6917 1,7934 1,6788 1,8067
162 1,7306 1,7555 1,7182 1,7681 1,7055 1,7809 1,6928 1,7939 1,6800 1,8070
163 1,7315 1,7562 1,7191 1,7687 1,7066 1,7814 1,6939 1,7943 1,6811 1,8074
164 1,7324 1,7569 1,7200 1,7693 1,7075 1,7820 1,6950 1,7948 1,6823 1,8078
165 1,7332 1,7576 1,7209 1,7700 1,7085 1,7825 1,6960 1,7953 1,6834 1,8082
166 1,7340 1,7582 1,7218 1,7706 1,7095 1,7831 1,6971 1,7957 1,6846 1,8085
167 1,7348 1,7589 1,7227 1,7712 1,7105 1,7836 1,6982 1,7961 1,6857 1,8089
168 1,7357 1,7596 1,7236 1,7718 1,7115 1,7841 1,6992 1,7966 1,6868 1,8092
169 1,7365 1,7603 1,7245 1,7724 1,7124 1,7846 1,7002 1,7970 1,6879 1,8096
170 1,7373 1,7609 1,7254 1,7730 1,7134 1,7851 1,7012 1,7975 1,6890 1,8100
171 1,7381 1,7616 1,7262 1,7735 1,7143 1,7856 1,7023 1,7979 1,6901 1,8103
172 1,7389 1,7622 1,7271 1,7741 1,7152 1,7861 1,7033 1,7983 1,6912 1,8107
173 1,7396 1,7629 1,7279 1,7747 1,7162 1,7866 1,7042 1,7988 1,6922 1,8110
174 1,7404 1,7635 1,7288 1,7753 1,7171 1,7872 1,7052 1,7992 1,6933 1,8114
175 1,7412 1,7642 1,7296 1,7758 1,7180 1,7877 1,7062 1,7996 1,6943 1,8117
176 1,7420 1,7648 1,7305 1,7764 1,7189 1,7881 1,7072 1,8000 1,6954 1,8121
177 1,7427 1,7654 1,7313 1,7769 1,7197 1,7886 1,7081 1,8005 1,6964 1,8124
178 1,7435 1,7660 1,7321 1,7775 1,7206 1,7891 1,7091 1,8009 1,6974 1,8128
179 1,7442 1,7667 1,7329 1,7780 1,7215 1,7896 1,7100 1,8013 1,6984 1,8131
180 1,7449 1,7673 1,7337 1,7786 1,7224 1,7901 1,7109 1,8017 1,6994 1,8135
181 1,7457 1,7679 1,7345 1,7791 1,7232 1,7906 1,7118 1,8021 1,7004 1,8138
182 1,7464 1,7685 1,7353 1,7797 1,7241 1,7910 1,7128 1,8025 1,7014 1,8141
183 1,7471 1,7691 1,7360 1,7802 1,7249 1,7915 1,7137 1,8029 1,7023 1,8145
184 1,7478 1,7697 1,7368 1,7807 1,7257 1,7920 1,7146 1,8033 1,7033 1,8148
185 1,7485 1,7702 1,7376 1,7813 1,7266 1,7924 1,7155 1,8037 1,7042 1,8151
186 1,7492 1,7708 1,7384 1,7818 1,7274 1,7929 1,7163 1,8041 1,7052 1,8155
187 1,7499 1,7714 1,7391 1,7823 1,7282 1,7933 1,7172 1,8045 1,7061 1,8158
188 1,7506 1,7720 1,7398 1,7828 1,7290 1,7938 1,7181 1,8049 1,7070 1,8161
189 1,7513 1,7725 1,7406 1,7833 1,7298 1,7942 1,7189 1,8053 1,7080 1,8165
190 1,7520 1,7731 1,7413 1,7838 1,7306 1,7947 1,7198 1,8057 1,7089 1,8168
191 1,7526 1,7737 1,7420 1,7843 1,7314 1,7951 1,7206 1,8061 1,7098 1,8171
192 1,7533 1,7742 1,7428 1,7848 1,7322 1,7956 1,7215 1,8064 1,7107 1,8174
193 1,7540 1,7748 1,7435 1,7853 1,7329 1,7960 1,7223 1,8068 1,7116 1,8178
194 1,7546 1,7753 1,7442 1,7858 1,7337 1,7965 1,7231 1,8072 1,7124 1,8181
195 1,7553 1,7759 1,7449 1,7863 1,7345 1,7969 1,7239 1,8076 1,7133 1,8184
196 1,7559 1,7764 1,7456 1,7868 1,7352 1,7973 1,7247 1,8079 1,7142 1,8187
197 1,7566 1,7769 1,7463 1,7873 1,7360 1,7977 1,7255 1,8083 1,7150 1,8190
198 1,7572 1,7775 1,7470 1,7878 1,7367 1,7982 1,7263 1,8087 1,7159 1,8193
199 1,7578 1,7780 1,7477 1,7882 1,7374 1,7986 1,7271 1,8091 1,7167 1,8196
200 1,7584 1,7785 1,7483 1,7887 1,7382 1,7990 1,7279 1,8094 1,7176 1,8199

DIKTAT LABSTA - Jayadi PDF

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

DIKTAT LABSTA - Jayadi PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

BAHAN KULIAH

SEKOLAH TINGGI ILMU EKONOMI IPWI JAKARTA

Jayadi, STIE IPWIJA Page 1

C. Menyimpan Data lewat Data Editor

E. Menyisipkan variabel dan kasus

Jayadi, STIE IPWIJA Page 2

Jayadi, STIE IPWIJA Page 3

Deskripsi data dengan besaran statistik

Jayadi, STIE IPWIJA Page 4

Jayadi, STIE IPWIJA Page 5

1. Buka file yang akan dianalisis

Jayadi, STIE IPWIJA Page 6

Contoh : Data dengan skala Nominal

Jenis Kelamin Pendidikan Status Nikah

Jayadi, STIE IPWIJA Page 7

Jenis Kelamin (X1) :

Langkah-langkah memulai memasukan data (menginput data) pada SPSS :

Jayadi, STIE IPWIJA Page 9

Valid Laki-laki 17 56.7 56.7 56.7

Perempuan 13 43.3 43.3 100.0

Total 30 100.0 100.0

Analisis Crosstabs (Chi Square)

Jayadi, STIE IPWIJA Page 10

Tabel 1. Case Processing Summary

Tabel 2. Gender * Penghasilan Crosstabulation

Tabel 3. Chi-Square Tests

Jayadi, STIE IPWIJA Page 11

Value Approx. Sig.

Memaknai Output SPSS :

1. Pada Tabel 1. Case Processing Summary

Jayadi, STIE IPWIJA Page 12

Untuk latihan coba lakukan pengujian hipotesis hubungan antara :

Jayadi, STIE IPWIJA Page 13

Tahap-tahap dalam melakukan pengujian validitas adalah :

Contoh : Data Uji Validitas dan Reliabilitas

Jayadi, STIE IPWIJA Page 14

Langkah-langkah dalam pengolahan data untuk uji VALIDITAS :

Corrected Item- Cronbach's

P1 31.8000 37.683 .430 .794

Jayadi, STIE IPWIJA Page 15

Langkah-langkah dalam pengolahan data untuk uji RELIABILITAS :

Jayadi, STIE IPWIJA Page 16

Cronbach's Alpha N of Items

Jayadi, STIE IPWIJA Page 17

1. Uji Normalitas : Histogram

Tampilan (output) SPSS Kurva Normal dengan Histogram :

Jayadi, STIE IPWIJA Page 18

2. Uji Normalitas : Nilai Skewness dan Kurtosis

Langkah-langkah Uji Normalitas dengan Skewness dan Kurtosis :

Jayadi, STIE IPWIJA Page 19

3. Uji Normalitas : Kolmogorov-Smirnov Test

Tampilan (output) SPSS Uji Normalitas dengan Kolmogorov-Smirnov :

Jayadi, STIE IPWIJA Page 20

a. Test distribution is Normal.

Output analisis diatas menghasilkan nilai Kolmogorov-Smirnov Z = 0,714 dengan

SOAL TUGAS INDIVIDU :

No K1 K2 K3 K4 K5 K6 K7 K8 K9 K10 Nilai Pendidikan Kepuasan

Jayadi, STIE IPWIJA Page 21

Jayadi, STIE IPWIJA Page 22

Uji Beda t-Test Berkorelasi

Langkah-langkah sebagai berikut :

Tampilan (output) SPSS Uji Beda t-Test Berkorelasi :