BAB I

PENDAHULUAN

A. Latar Belakang
Semakin modern dan bertambah majunya zaman, kegiatan penelitian
semakin gencar dilakukan. Hal ini karena masalah semakin bertambah dan
segera dibutuhkan suatu penyelesaian. Dalam kegiatan penelitian, salah satu
langkah yang terpenting adalah analisis data. Analisis data merupakan kegiatan
setelah seluruh data dari seluruh responden atau sumber data lain terkumpul.
Kegiatan dalam analisis data adalah mengelompokkan data berdasarkan
variabel dan jenis responden, mentabulasi data berdasarkan variabel dari
seluruh responden, menyajikan data tiap variabel yang diteliti, melakukan
perhitungan utuk menjawab rumusan masalah, dan melakukan perhitungan
untuk menguji hipotesis yang telah diajukan. Untuk penelitian yang tidak
merumuskan hipotesis, langkah terakhir tidak dilakukan (Sugiyono, 2013).
Teknik analisis data dalam sebagian besar penelitian, khususnya
penelitian kuantitif menggunakan statistik. Statistik adalah rekapitulasi dari
fakta berbentuk angka-angka yang disusun dalam bentuk tabel dan diagram
untuk mendeskripsikan suatu permasalahan (Riduwan dkk, 2013) (Sudjana,
2004).
Pada saat ini telah banyak paket program pengolah angka yang
digunakan untuk memudahkan analisis data. Salah satu program yang banyak
diminati oleh peneliti adalah program SPSS for windows. Program ini
merupakan salah satu program olah data statistik yang digunakan dalam
penelitian-penelitian. Penggunaan SPSS for windows relatif fleksibel dan dapat
dengan mudah dipelajari oleh siapapun yang berminat dalam mengolah data
penelitian. Pengilahan data dalam program SPSS for windows digunakan untuk
model aplikasi statistik sederhana seperti mean, median, modus, sum,

Page | 1
 prosentase, kuartil, desil, persentil, range dan lain-lain ataupun untuk mengolah
data untuk aplikasi statistik lanjut seperti model korelasi, regresi linier dan lain-
lain (Riduwan dkk, 2013). Dalam makalah ini akan dibahas mengenai analisis
data regresi dan korelasi menggunakan SPSS.

B. Rumusan Masalah
1. Apa yang dimaksud dengan SPSS?
2. Bagaimana cara menganalisis data uji korelasi menggunakan SPSS?
3. Bagaimana cara menganalisis data uji regresi menggunakan SPSS?

C. Tujuan Penulisan
1. Untuk mengetahui tentang SPSS
2. Untuk mengetahui cara analisis data korelasi menggunakan SPSS
3. Untuk mengetahui cara analisis data regeresi menggunakan SPSS

Page | 2
 BAB II

PEMBAHASAN

A. Pengertian SPSS
SPSS (Statistical Package for the Social Sciences) adalah sebuah
program pada komputer yang digunakan untuk membuat analisis statistika.
SPSS pertama dirilis pada tahun 1968, dan diciptakan oleh Norman Nie,
seorang lulusan Fakultas Ilmu Politik dari Stanford University, yang sekarang
menjadi profesor peneliti Fakultas Politik di Stanford dan profesor Emeritus
Ilmu politik di University of Chicago. Sekarang ini SPSS yang berkembang
sudah berbasis Windows sehingga dikenal dengan SPSS for windows.

B. Analisis Korelasi Menggunakan SPSS

Analisis korelasi atau asosiasi merupakan studi yang membahas tentang
keeratan antar variabel yang dinyatakan dengan koefisien korelasi. Hubungan
antar variabel dapat bersifat:
a) Positif, artinya X naik, maka Y naik
b) Negatif, artinya X naik, maka Y turun

Derajat hubungan biasanya dinyatakan dengan r, yang disebut dengan

koefisien korelasi sampel yang merupakan penduga bagi koefisien populasi.
Sedangkan r2 disebut dengan koefisien determinasi (koefisien penentu).
Kekuatan korelasi linear antara variabel X dan variabel Y disajikan dengan rxy,
didefinisikan dengan rumus:

Page | 3
 Formula tersebut disebut formula koefisien korelasi momen product
(product moment) Karl Pearson.

Arti angka korelasi: Koefisien korelasi bernilai paling kecil -1 dan

paling besar bernilai 1 jadi -1≤ r ≤ 1.

a) Berkenaan dengan besaran angka, jika 0, maka tidak ada korelasi sama
sekali dan jika korelasi 1 berarti korelasi sempurna, yang berarti bahwa
semakin mendekati 1 atau -1 maka hubungan antara dua variabel semakin
kuat, sebaliknya jika r mendekati 0 berarti hubungan dua variabel semakin
lemah. Sebenarnya tidak ada ketentuan yang tepat mengenai apakah angka
korelasi tertebtu menunjukkan tingkat korelasi yang tinggi atau lemah.
Namun dapat dijadikan pedoman sederhana, bahwa angka korelasi di atas
0,5 menunjukkan korelasi yang cukup kuat, sedangkan di bawah 0,5
korelasi lemah.
b) Selain besarnya korelasi, tanda korelasi juga berpengaruh pada penafsisran
hasil. Tanda negatif (-) pada output menunjukkan adanya rah berlawanan,
sedangkan tanda positif (+) menunjukkan arah yang sama.

Dalam SPSS ada tiga metode korelasi sederhana (Bivariate correlation)

diantaranya Pearson Correlation, Kendall’s tau-b, dan Spearman Correlation.
Perarson Correlation digunakan uuntuk skala interval dan rasio, sedangkan

Page | 4
Kendall’s tau-b dan Spearman Correlation lebih cocok untuk skala ordinal
(Widiyanto, 2014).

Berikut beberapa contoh soal analisis korelasi menggunakan SPSS :

1. Korelasi Product Moment (korelasi sederhana)
Sebuah perusahaan periklanan ingin mengetahui hubungan anatara
durasi iklan produk X yang ditayangkan per bulan oleh salah satu TV
swasta terhadap tingkat penjualan barang (Y). Kemudian diambil durasi
penayangan iklan dan tingkat penjualan selama satu bulan, dengan data
sebagai berikut:

Periode 2011 Durasi (menit) Penjualan barang (unit)

Januari 45 35.240
Februari 55 36.540
Maret 40 35.000
April 60 42.500
Mei 70 43.000
Juni 60 42.500
Juli 50 37.500
Agustus 45 40.000
September 35 32.000
Oktober 55 41.500
November 65 42.500
Desember 60 43.000

Pertanyaan :
a) Berapa besar hubungan/korelasi antara variabel X dan Y?
b) Berapa besar sumbangan variabel X terhadap variabel Y?
c) Gunakan taraf nyata 5%, ujilah apakah ada hubungan yang signifikan
antara durasi penayangan iklan dengan tingkat penjualan? (sofyan
Siregar, 2014)

Page | 5
Jawab :
Langkah-langkah yang harus dilakukan yaitu :
a) Masuk ke program SPSS
b) Klik variabel view pada SPSS data editor
- Pada kolom name baris pertama ketik periode dan baris kedua ketik
durasi serta pada baris ketiga ketik tingkat penjualan
- Pada kolom type untuk baris pertama klik kotak kecil lalu kemudian
klik string, baris kedua tidak ubah.
- Pada kolom desimal ganti dengan angka nol
- Pada kolom label, untuk baris pertama kosongkan dan pada baris
kedua ketik durasi serta pada baris ketiga ketik tingkat penjualan
- Pada kolom measure, untuk pertama sampai baris ketiga klik ordinal.

c) Pengisian data
- Klik data view pada SPSS data editor
- Pada kolom periode masukkan jumlah periode penelitian
- Pada kolom durasi masukkan durasi penayangan iklan setiap
periode
- Pada kolom tingkat penjualan masukkan tingkat penjualan setiap
periode

Page | 6
d) Pengolahan data
- Klik analysis => correlate => bivariate
- Dari bivariate correlations masukkan durasi dan tingkat penjualan
ke variables.
- Pada correlations coefficient contreng pearson
- Test of significance pilih two tailed

Page | 7
e) Pengisian statistic
- Klik Options
- Pada statistic pilih mean and standard deviations
- Pada missing values pilih excude casa pairwise

f) Kemudian tekan oke untuk memproses data. Berikut tampilannya:

Page | 8
Analisis Hasil Dari Correlations
1) Tabel Descriptives diatas dapat dianalisa
- Dari tabel di atas menunjukkan bahwa periode penelitian adalah
12 periode. Nilai rata-rata durasi penayangan iklan selama 53,3
menit per bulan dan rata-rata tingkat 39.273,3 unit per bulan.
2) Tabel Correlations
- Dari tabel Correlations menunjukkan bahwa hubungan antara
durasi penayangan iklan dengan tingkat penjualan sangat kuat
positif, yaitu 0,878. Arti positif adalah hubungan antara variabel
X dan Y searah, maksud searah di sini adalah semakin lama durasi
penayangan iklan, maka semakin meningkat tingkat penjualan.
Begitu juga sebaiknya, semakin kecil durasi penayangan iklan,
maka semakin menurun tingkat penjualan.
a) Membuat hipotesis dalam uraian kalimat
H0: Tidak terdapat hubungan yang signifikan antara durasi
penayangan iklan dengan tingkat penjualan produk.
Ha: Ada hubungan yang signifikan antara durasi penayangan
iklan dengan tingkat penjualan produk
b) Keputusan:
Kriteria keputusan yang diambil berdasrkan nilai
probabilitas. Jika probablilitas (sig) > α, maka H0 diterima.
- Dari tabel correlations nilai sig sebesar 0,00
- Pada kasus ini nilai α = 0,05

Dari hasil perbandingan antara nilai sig dan α diperoleh:

Sig = 0,00 < α = 0,01 sehingga keputusannya H0 ditolak yaitu ada
hubungan antara durasi penayangan iklan dengan tingkat penjualan
produk.

Page | 9
2. Korelasi Ganda
Analisis korelasi ganda berfungsi untuk mencari besarnya hubungan
dan kontribusi dua variabel bebas (X) atau lebih secara simultan (bersama-
sama) dengan variabel terikat (Y).
Contoh:
Judul penelitian: Hubungan kepuasan kerja dan disiplin kerja terhadap
produktivitas kerja pegawai di bagian keuangan Jakarta.

Data dianggap memenuhi asumsi dan persyaratan analisis, data dipilih

secara random, berdistribusi normal, berpola linier, data sudah homogen
dan mempunyai pasangan yang sama sesuai dengan subjek yang sama.

Diketahui:
a. Variabel kepuasan kerja (X1)
b. Variabel disiplin kerja (X2)
c. Variabel produktivitas kerja (Y)
d. Sampel sebanyak (n) = 64 orang dengan taraf signifikansi (α = 0,05).

Page | 10
No X1 X2 Y No X1 X2 Y No X1 X2 Y
1 48 97 61 22 49 94 61 43 48 68 47
2 47 77 40 23 48 77 46 44 38 67 55
3 47 99 48 24 54 55 61 45 55 89 61
4 41 77 54 25 54 76 58 46 62 87 61
5 41 77 34 26 48 65 50 47 68 87 68
6 42 55 48 27 61 90 68 48 56 87 65
7 61 88 68 28 54 119 75 49 38 65 70
8 69 120 67 29 68 119 75 50 61 98 75
9 62 87 67 30 68 98 75 51 68 105 61
10 65 87 75 31 47 55 56 52 60 78 54
11 48 50 56 32 41 66 61 53 55 77 60
12 52 87 60 33 42 67 54 54 27 66 55
13 47 87 47 34 41 58 50 55 48 66 55
14 47 87 60 35 55 90 61 56 40 55 47
15 47 81 61 36 68 77 47 57 40 78 56
16 41 55 47 37 61 99 68 58 48 79 54
17 55 88 68 38 61 109 82 59 38 75 69
18 75 98 68 39 54 76 67 60 57 98 74
19 62 87 74 40 48 75 69 61 68 98 68
20 68 87 75 41 40 77 55 62 61 87 66
21 48 44 55 42 34 67 48 63 35 87 61
64 40 77 69

Page | 11
 Buktikan apakah ada hubungan yang signifikan variabel X1, X2
terhadap Y! (Riduwan dan Sunarto, 2013).
Jawab:
Mengikuti langkah berikut:
a. Membuka aplikasi SPSS
b. Destinasikan variable view dan definisikan dengan mengisi kolom-
kolom berikut.
- Kolom name pada baris pertama diisi dengan X1, X2, dan
kemudian diisi Y
- Kolom type diisi numeric
- Kolom width diisi 8
- Kolom decimal = 0
- Kolom label untuk baris pertama ketikkan kepuasan kerja dan
disiplin kerja selanjutnya ketikkan produktivitas kerja
- Kolom value diisi none
- Kolom missing diisi none
- Kolom couloums diisi 8
- Kolom align pilih center
- Kolom measure pilih scale

Page | 12
c. Aktifkan data view kemudian ketikkan data berikut

Jika sudah yakin datta tertulis dengan benar, klik menu Analyze,
kemudian pilih Correlate dan pilih Bivariate. Maka akan tampil kotak
dialog berikut:

d. Sorot variabel X1, X2, dan Y lalu pindahkan ke kotak variabel dengan
cara mengklik tanda panah

Page | 13
e. Tandai pilihan pada kotak Pearson => Two tailed => Flag significant
correlations.
f. Klik Options dan tandai pada kotak mean dan standart deviation. Klik
continue sehingga kembali ke kota dialog awal

Page | 14
g. Klik ok, maka hasilnya akan tampil seperti di bawah ini

h. Kemudian kembali ke menu utama, kemudian klik menu Analyze,

kemudian pilih regression dan pilih Linier maka akan tampil kotak
dialog linier regression.

Kemudian masukkan variabel produktivitas kerja (Y) dengan cara

mengklik tanda panah ke dependent dan variabel kepuasan kerja (X1)
dan disiplin kerja (X2) dengan cara mengklik tanda panah masukkan Ke
independent.

Page | 15
i. Klik statistics, dan tandai pilihan pada kotak Estimates, Model fit, R
square change lalu klik Continue sehingga kembali ke kotak dialog
awal.

j. Klik ok, maka hasilnya akan tampil seperti ini.

Page | 16
Memaknai hasil korelasi ganda
1. Bagian pertama Descriptive Statistics menyajikan variabel kepuasan
kerja (X1), disiplin kerja (X2) dan variabel produktivitas kerja (Y)
Hasil deskriptif variabel kepuasan kerja (X1) dalam tabel
descriptive statistics dijelaskan bahwa terdapat jumlah kasus (N)= 64
responden yang mengisi angket dengan rata-rata (mean) sebesar 51,88
dan simpangan baku (standar deviasi)= 10,713. Variabel disiplin kerja
(X2), jumlah kasus (N)= 64 responden yang mengisi angket dengan
rata-rata (mean) sebesar 81,22 dan simpangan baku (standar deviasi) =
16,664 dan variabel produktivitas kerja (Y) dijelaskan jumlah kasus (N)
= 64 dengan rata-rata (mean) sebesar 60,48 dan simpangan baku
(standar deviasi) = 9,992.
2. Bagian kedua menyajikan hasil Correlations nilai yang diperoleh untuk
X1 dengan Y sebesar 0,549 berarti terdapat hubungan yang cukup kuat
anatara kepuasan kerja dengan produktivitas kerja. Kemudian X2
dengan Y sebesar 0,574 berarti terdapat hubungan yang cukup kuat
antara disiplin kerja dengan produktivitas kerja. Untuk membuktikan
hipotesisi “terdapat hubungan yang signifikan antara variabel X1, X2
dan Y” diuji dengan cara sebagai berikut.
a. Uji signifikansi individu
- Uji signifikansi untuk X1 dengan Y ditunjukkan dengan tabel
Correlations. Hipotesis penelitian akan diuji dirumuskan secara
statistik berikut.
Ha : rxy1 ≠ 0
H0 : rxy = 0

Page | 17
 Hipotesis bentuk kalimat
Ha : kepuasan kerja mempunyai hubungan secara signifikan
dengan produktivitas kerja
H0 : kepuasan kerja tidak mempunyai hubungan secara
signifikan dengan produktivitas kerja.

Kaidah keputusan:
 Jika nilai probabilitas 0,05 lebih kecil atau sama dengan
nilai probabilitas Sig atau (0,05 ≤ Sig), maka H0 diterima
dan Ha ditolak, artinya tidak signifikan.
 Jika nilai probabilitas 0,05 lebih besar atau sama dengan
nilai probabilitas Sig atau (0,05 ≥ Sig), maka H0 ditolak
dan Ha diterima, artinya signifikan.

Tabel Correlations diperoleh variabel kepuasan kerja

dengan produktivitas kerja dengan metode dua sisi (sig.(2-
tailed)) dari output nilai sig sebesar 0,000, kemudian
dibandingkan dengan probabilitas 0,05 ternyata nilai
probabilitas 0,05 lebih vesar dari nilai probabilitas Sig atau
(0,05 > 0,000), maka H0 ditolak dan Ha diterima, artinya
signifikan. Terbukti bahwa kepuasan kerja mempunyai
hubungan secara signifikan terhadap produktivitas kerja.

- Uji signifikansi untuk X2 dan Y ditunjukkan dengan tabel

Correlations. Hipotesis penelitian yang akan diuji dirumuskan
secara statistik berikut.
Ha : rxy ≠ 0
H0 : rxy = 0

Page | 18
 Hipotesis bentuk kalimat
Ha : disiplin kerja mempunyai hubungan secara signifikan
dengan produktivitas kerja
H0 : disiplin kerja tidak mempunyai hubungan secara
signifikan dengan produktivitas kerja.

Kaidah keputusan:
 Jika nilai probabilitas 0,05 lebih kecil atau sama dengan
nilai probabilitas Sig atau (0,05 ≤ Sig), maka H0 diterima
dan Ha ditolak, artinya tidak signifikan.
 Jika nilai probabilitas 0,05 lebih besar atau sama dengan
nilai probabilitas Sig atau (0,05 ≥ Sig), maka H0 ditolak
dan Ha diterima, artinya signifikan.
 Tabel Correlations diperoleh variabel disiplin kerja dengan
produktivitas kerja dengan metode dua sisi (sig.(2-tailed))
dari output nilai Sig sebesar 0,000, kemudian dibandingkan
dengan probabilitas 0,05 ternyata nilai probabilitas 0,05
lebih vesar dari nilai probabilitas Sig atau (0,05 > 0,000),
maka H0 ditolak dan Ha diterima, artinya signifikan.
Terbukti bahwa disiplin kerja mempunyai hubungan secara
signifikan terhadap produktivitas kerja.
b. Uji signifikansi secara keseluruhan
Berdasarkan tabel Model Summary bahwa besarnya hubungan
antara kepuasan kerja dan disiplin kerja secara simultan terhadap
produktivitas kerja yang dihitung dengan koefisien korelasi adalah
0,625 atau (Rx1,x2 = 0,625. Hal ini menunjukkan pengaruh yang
kuat. Sedangkan kontribusi secara simultan variabel X1 dan X2
terhadap Y = R2 x 100% atau 0,6252 x 100% = 39,1% sedangkan
sisanya 60,9% ditentukan oleh variabel lain. Kemudian untuk

Page | 19
mengetahui tingkat signifikansi koefisien korelasi ganda diuji secara
keseluruhan. Hipotesis statistik dirumuskan sebagai berikut.

Ha : ryx1x2 ≠ 0
H0 : ryx1x2 = 0

Hipotesis bentuk kalimat

Ha : kepuasan kerja dan disiplin kerja mempunyai hubungan secara
signifikan dengan produktivitas kerja.
H0 : kepuasan kerja dan disiplin kerja tidak mempunyai hubungan
secara signifikan dengan produktivitas kerja.

Uji signifikansi analisis jalur dengan bandingkan antara nilai

probabilitas 0,05 dengan nilai probabilitas Sig dengan dasar
pengambilan keputusan sebagai berikut.

- Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai
probabilitas Sig F. Change atau (0,05 ≤ Sig F. Change), maka
H0 diterima dan Ha ditolak, artinya tidak signifikan.
- Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai
probabilitas Sig F. Change atau (0,05 ≥ Sig F. Change), maka
H0 ditolak dan Ha diterima, artinya signifikan.

Dari tabel model summary diperoleh nilai R sebesar 0,625

dengan nilai probabilitas (Sig F. Change) = 0,000. Karena nilai Sig.
F. Change < 0,05, maka keputusannnya adalah H0 ditolak dan Ha
diterima. Artinya kepuasan kerja dan disiplin kerja berhubungan
secara simultan dan signifikan terhadap produktivitas kerja.

Page | 20
C. Analisis Regresi Menggunakan SPSS
Hasan (2013) menyatakan bahwa regresi merupakan suatu alat ukur
yang juga digunakan untuk mengukur ada atau tidaknya korelasi antar variabel.
Istilah regresi berarti ramalan atau taksiran. Sedangkan menurut Purnomo
(2011) analisis regresi merupakan model matematis yang dapat digunakan
untuk mengetahui pola hubungan antara dua atau lebih variabel. Analisis
regresi bertujuan untuk memprediksi nilai variabel dependen (variabel tak
bebas), jika variabel independen (variabel bebas) sudah ditentukan.
Analisis regresi digunakan untuk memprediksi pengaruh variabel
bebas terhadap variabel terikat dengan persamaan linier. Analisis ini untuk
meramalkan atau memprediksi suatu nilai variabel dependen dengan adanya
perubahan dari variabel independen. Data yang digunakan untuk variabel
dependen adalah kuantitatif (scale), jika menggunakan variabel kategori (tipe
nominal atau ordinal) maka perlu diubah ke bentuk numerik dengan memberi
value, misal 1=pria, 2 =wanita. Jika menggunakan satu variabel independen
maka disebut analisis regresi linier sederhana dan jika menggunakan lebih dari
satu variabel independen maka disebut analisis regresi liner berganda (Priyatno,
2010).
1. Regresi Linier Sederhana
Analisis regresi linier sederhana dipergunakan untuk mengetahui
pengaruh antara satu buah variabel bebas terhadap satu buah variabel
terikat. Persamaan regresinya adalah:
Y = a + bX
Keterangan:
Y = Subyek dalam variabel dependen (variabel tak bebas) yang
BBdiprediksikan.
a = Intersep (titik potong kurva linear terhadap sumbu Y, atau nilai Y
___jika X=0) disebut juga konstanta.

Page | 21
b = koefisien regresi (kemiringan kurva linier), yang menunjukkan
bbb--angka peningkatan ataupun penurunan variabel dependen yang
bbb--didasarkan pada perubahan variabel independen. Bila (+) arah gars
bbb--naik, dan bila (-) maka arah garis turun.
X = subyek pada variabel independen (variabel bebas) yang mempunyai
bbb-nilai tertentu.
Persamaan ini hanya memiliki 2 variabel saja, yaitu satu variabel
terikat (Y) dan satu variabel bebas (X). Sehingga setiap nilai X
bertambah dengan satu satuan maka nilai Y akan bertambah dengan
b. Jika nilai X = 0 maka nilai Y sebesar a saja. Penggunaan model regresi
sederhana hanya memungkinkan bila pengaruh yang ada itu hanya dari
variabel independen (variabel bebas) terhadap variabel dependen (variabel
terikat), tidak boleh ada pengaruh timbal balik, yaitu jika variabel
terikat juga berpengaruh terhadap variabel bebas (Arif, 1995).

Contoh regresi linier sederhana menggunakan SPSS yaitu:

Peneliti ingin mengetahui apakah nilai matematika berpengaruh secara
signifikan terhadap nilai fisika, maka peneliti mengumpulkan data secara
acak dan dimasukkan dan dimasukkan kedalam tabel sebagai berikut:
No. Nilai Matematika Nilai Fisika
1 60 80
2 45 69
3 50 71
4 60 85
5 50 80
6 65 82
7 60 89
8 65 93
9 50 76
10 65 86
11 45 71
12 50 69

Page | 22
Pertanyaan
a) Tentukan persamaan regresinya!
b) Apakah ada hubungan atau tidak antara variabel bebas dengan variabel
terikat?
c) Berapa nilai koefisien determinasinya?
d) Apakah ada pengaruh atau tidak ada pengaruh antara variabel bebas
dengan variabel terikat?

Jawab :
Langkah-langkah
1. Buka lembar kerja baru pada program SPSS
2. Klik variabel view pada SPSS Data editor
3. Pada kolom Name, ketik Matematika pada baris pertama dan Fisika
pada baris kedua
4. Pada kolom Decimal, ketik 0 untuk baris pertama dan baris kedua
5. Pada label, ketik Nilai Matematika untuk baris pertama dan Nilai Fisika
untuk baris kedua

6. Klik Data View, pada SPSS Data editor

7. Ketik datanya seperti data di atas sesuai dengan variabelnya

Page | 23
8. Dari menu SPSS, pilih menu Analyze-regression-Linear

9. Muncul tampilan kotak diaolog sebagai berikut:

10. Masukkan variabel Nilai Fisika ke kolom Dependent, dan masukkan

variabel Nilai Matematika ke kolom independent
11. Pada method, pilih metode enter
12. Klik statistics, klik pilihan Estimates dan Model Fit, kemudian klik
continue
13. Klik OK untuk mengakhiri perintah, maka akan muncul output sebagai
berikut:

Page | 24
 Regression

Interpretasi Output :
a) Output bagian pertama (Variabels entered/removed)
Tabel tersebut menjelaskan tentang variabel yang dimasukkan
atau dibuang dan metode yang digunakan. Dalam hal ini variabel yang
dimasukkan adalah variabel Nilai Matematika sebagai predictor dan
metode yang digunakan adalah metode Enter.

Page | 25
b) Output bagian kedua (Model Summary)
Tabel tersebut menjelaskan besarnya nilai korelasi/hubungan
(R) yaitu sebesar 0,862 dan menjelaskan besarnya prosentase pengaruh
variabel bebas terhadap variabel terikat yang disebut koefisien
determinasi yang merupakan hasil dari pengkuadratan R. Dari output
tersebut diperoleh koefisien determinasi (R2) sebesar 0,744 yang
mengandung pengertian bahwa pengaruh variabel bebas (Nilai
matematika) terhadap variabel terikat (Nilai fisika) adalah sebesar
74,4%, sedangkan sisanya yaitu 25,6% dipengaruhi oleh variabel lain.
c) Output bagian ketiga (ANOVA)
Pada bagian ini untuk menjelaskan apakah ada pengaruh yang
nyata (signifikan) variabel nilai Matematika (X) terhadap Nilai Fisika
(Y). Dari Output terlihat bahwa F hitung= 29,036 dengan tingkat
signifikansi 0,000<0,05 maka model regresi dapat dipakai untuk
memprediksi Nilai Fisika.
d) Output bagian keempat (Coefficients)
Pada tabel Coefficients, pada kolom B pada Constant (a) adalah
29,529 sedang Nilai Matematika (b) adalah 0,897 sehingga persamaan
regresinya dapat ditulis :
Y = a+bX
= 29,529+0,897X
Koefisien b dinamakan koefisien arah regresi dan menyatakan
perubahan ratarata variabel Y untuk setiap perubahan variabel x sebesar
satu satuan. Perubahan ini merupakan pertambahan bila b bertanda
positif dan penurunan bila b bertanda negatif. Sehingga dari persamaan
tersebut dapat diterjemahkan :
- Kostanta sebesar 29,529 menyatakan bahwa jika tidak ada
Nilai matematika maka Nilai fisika sebesar 29,529.
- Koefisien regresi X sebesar 0,897 menyatakan bahwa setiap
penambahan 1 Nilai matematika, maka Nilai fisika sebesar 0,897.

Page | 26
 Selain menggambarkan persamaan regresi output ini juga
menampilkan uji signifikansi dengan uji t yaitu untuk mengetahui
apakah ada pengaruh yang nyata (signifikan) variabel Nilai
matematika (X) sendiri (partial) terhadap Nilai fisika
Hipotesis:
H0 = Tidak ada pengaruh yang nyata (signifikan) variabel Nilai
matematika (X) terhadap Nilai fisika (Y)
Ha = Ada pengaruh yang nyata (signifikan) variabel Nilai matematika
(X) terhadap Nilai fisika (Y)
Dari output di atas dapat diketahui nilai t hitung= 5,389 dengan
probabilitas 0,000< 0,05 maka Ho ditolak yang berarti bahwa ada
pengaruh yang nyata (signifikan) variabel Nilai matematika (X)
terhadap Nilai fisika (Y). Sehingga Nilai Matematika (X) dapat
digunakan untuk memprediksi besarnya Nilai Fisika (Y).

2. Regresi Linier Berganda

Regresi linier berganda untuk mencari pengaruh dua atau lebih variabel
bebas (predictor) atau untuk mencari hubungan fungsional dua variabel
predictor atau lebih terhadap variabel kriteriumnya (Widiyanto, 2014).
Dengan demikian regresi linear ganda (Multiple regression) digunakan
untuk penelitian yang menyertakan beberapa variabel sekaligus. Rumus
yang digunakan sama seperti pada regresi sederhana dengan disesuaikan
dengan jumlah variabel yang diteliti. Rumus persamaan regresinya adalah
sebagai berikut:

Y = a + b1X1 + b2X2 + b3X3... bnXn

Page | 27
Contoh:
Diduga bahwa besarnya nilai tergantung pada besarnyaskor tes kecerdasan
dan frekuensi membolos. Untuk keperluan tersebut, maka dilakukan
pengamatan terhadap 12 orang siswa dengan mencatat frekuensi membolos,
skor tes kecerdasan dan nilai ujian, dan diperoleh datanya sebagai berikut:

No. Skor Tes Kecerdasan Frekuensi Membolos Nilai Ujian

(X1) (X2) (Y)
1 75 4 85
2 60 7 75
3 65 6 75
4 75 2 90
5 65 2 85
6 80 3 87
7 75 2 95
8 80 3 95
9 65 4 80
10 80 3 90
11 60 5 75
12 65 5 75

Pertanyaan :
a) Tentukan persamaan regresi linier gandanya!
b) Apakah ada hubungan antara variabel bebas dengan variabel terikat?
c) Berapa nilai koefisien determinasinya?
d) Apakah ada pengaruh antara variabel bebas dengan variabel terikat?

Jawab :
Langkah-langkah:
1. Buka lembar kerja baru pada program SPSS
2. Klik variabel view pada SPSS Data editor
3. Pada kolom Name, ketik X1 pada baris pertama, ketik X2 pada baris
kedua dan ketik Y pada baris ketiga

Page | 28
4. Pada kolom Decimal, ketik 0 pada baris pertama, kedua dan ketiga
5. Pada kolom Label, ketik Skor Tes Kecerdasan untuk baris pertama, ketik
Frekuensi Membolos untuk baris kedua dan ketik Nilai ujian untuk baris
ketiga

6. Klik Data view pada SPSS Data editor

7. Ketik datanya seperti data diatas sesuai dengan variabelnya
8. Dari menu SPSS, pilih menu Analyze-Regression-Linear

Page | 29
9. Muncul kotak dialog sebagai berikut:

10. Masukkan variabel Nilai ujian ke kolom Dependent, dan masukkan

variabel Skor Tes Kecerdasan dan Frekuensi Membolos ke kolom
Independent
11. Pada Method, pilih metode Stepwise
12. Klik Statistics, lalu klik pilihan Estimates, Model Fit dan descriptive,
kemudian klik Continue
13. Klik OK untuk mengakhiri perintah, maka akan muncul output sebagai
berikut:

Regression

Page | 30
Page | 31
Interpretasi Output :
a) Output bagian pertama (Variabels entered/removed)
Pada bagian ini merupakan tabel yang menyajikan deskriptif data
masing-masing variabel yang meliputi Mean (rata-rata), Std.Devition
(standar deviasi) dan n (jumlah data).
b) Output bagian kedua (Correlation)
Pada bagian ini merupakan matrik korelasi antara variabel Skor
Tes Kecerdasan dengan Nilai ujian diperoleh r =0,860 dengan
probabilitas 0,000<0,05 maka Ho ditolak, yang berarti ada
hubungan/korelasi yang signifikan antara Skor Tes Kecerdasan dengan
Nilai Ujian. Variabel Frekuensi membolos dengan nilai ujian r = -
0,848, tanda negative menggambarkan hubungan yang berlawanan
yang artinya semakin sering membolos, maka akan semakin kecil nilai
yang diperoleh.
c) Output bagian ketiga ( Variables Entered/removed)
Tabel tersebut menjelaskan tentang variabel yang dimasukkan
atau dibuang dan metode yang digunakan. Dalam hal ini variabel
yang dimasukkan adalah variable Skor Tes Kecerdasan dan Frekuensi
Membolos sebagai predictor dan metode yang digunakan adalah metode
Stepwise.

Page | 32
d) Output bagian keempat (Model Summary)
Pada model (1) menjelaskan besarnya nilai korelasi/hubungan
(R) antara Skor Tes Kecerdasan (X1) dengan nilai ujian (Y) yaitu
sebesar 0,860 dan menjelaskan besarnya presentase pengaruh variabel
Skor Tes Kecerdasan terhadap nilai ujian yang disebut koefisien
determinasi yang merupakan hasil dari pengkuadratan R. Dari output
tersebut diperoleh koefisien determinasi (R2) sebesar 0,740 yang
mengandung pengertian bahwa pengaruh variabel bebas (Skor Tes
Kecerdasan) terhadap variabel terikat (Nilai Ujian) adalah sebesar 74%.
Pada model (2) untuk menjelaskan besarnya nilai korelasi (R)
antara Skor Tes Kecerdasan (X1) dan Frekuensi Membolos (X2)
terhadap Nilai Ujian (Y) yaitu sebesar 0,936 dan menjelaskan
besarnya prosentase pengaruh variabel Skor Tes Kecerdasan dan
Frekuensi Membolos terhadap Nilai Ujian yaitu sebesar 0,876 atau
87,6%. Sehingga dapat disimpulkan besarnya pengaruh Skor Tes
Kecerdasan (X1) terhadap Nilai Ujian (Y) sebesar 74%, dan pengaruh
Frekuensi Membolos (X2) terhadap Nilai Ujian (Y) = 13,6% (87,6%
- 74%)
e) Output bagian kelima (ANOVA)
Pada bagian ini untuk menjelaskan apakah ada pengaruh yang
nyata (signifikan) variabel Skor Tes Kecerdasan (X1) dan Frekuensi
Membolos (X2) secara simultan (bersama-sama) terhadap Nilai Ujian
(Y). Dari Output pada model yang kedua terlihat bahwa Fhitung =31,853
dengan tingkat signifikansi/probabilitas 0,000 < 0,05 maka model
regresi dapat dipakai untuk memprediksi Nilai Ujian.
f) Output bagian keenam (Coefficients)
Pada tabel kolom B bagian Constan (a) adalah 55,780, Skor Tes
Kecerdasan (b1) adalah 0,527 dan frekuensi Membolos (b2) adalah -
2,344. Sehingga persamaan regresinya dapat ditulis:

Page | 33
Y= a + b1X1 + b2X2 = 55,780 + 0,527 X1 – 2,344 X2
Koefisien b dinamakan koefisien arah regresi dan menyatakan
perubahan rata-rata variabel Y untuk setiap perubahan variabel X1
sebesar satu satuan dan X2 sebesar satu satuan. Perubahan ini
merupakan pertambahan bila b bertanda positif dan penurunan bila
b bertanda negatif. Sehingga dari persamaan tersebut dapat
diterjemahkan :
- Kostanta sebesar 55, 780 menyatakan bahwa jika tidak ada Nilai
Skor Tes Kecerdasan (X1) dan Frekuensi Membolos (X2) Nilai
ujian adalah sebesar 55,780.
- Koefisien regresi X1 sebesar 0,527 menyatakan bahwa setiap
penambahan 1 skor tes kecerdasan, maka akan menambah nilai
ujian sebesar 0,527.
- Koefisien regresi X2 sebesar -2,344 menyatakan bahwa setiap
penambahan 1 kali membolos, maka Nilai ujian akan berkurang
sebesar -2,233.

Menampilkan uji signifikansi dengan menguji t untuk mengetahui

apakah ada pengaruh yang nyata (signifikan) variabel Skor Tes
Kecerdasan (X1) dan Frekuensi membolos (X2) secara sendiri-sendiri
(partial) terhadap Nilai Ujian (Y).

Hipotesis:
H0 = Tidak ada pengaruh yang nyata (signifikan) variabel Skor
Kecerdasan dan Frekuensi membolos terhadap Nilai Ujian.
H1 =Ada pengaruh yang nyata (signifikan) variabel Skor Tes
Kecerdasan dan Frekuensi membolos terhadap Nilai Ujian

Page | 34
Keputusan:
Dari output di atas dapat diketahui variabel Skor Tes Kecerdasan nilai
t hitung= 3,371 dengan probabilitas 0,008 < 0,05, maka H0 ditolak yang
berarti ada pengaruh yang nyata (signifikan) variabel Skor Tes
Kecerdasan terhadap Nilai Ujian. Untuk variabel Frekuensi Membolos
nilai thitung = -3,147 dengan probabilitas 0,012 < 0,05, maka H0 ditolak
yang berarti bahwa ada pengaruh yang nyata (signifikan) variabel
Frekuensi membolos terhadap Nilai Ujian

Page | 35
 BAB III

PENUTUP

A. Kesimpulan
1. SPSS adalah SPSS (Statistical Package for the Social Sciences) adalah
sebuah program pada komputer yang digunakan untuk membuat analisis
statistika.
2. Terdapat dua jenis analisis regresi, yaitu regresi tunggal dan regresi ganda
Berikut cara untuk menganalisis korelasi menggunakan SPSS:
a. Regresi Sederhana

Membuka program SPSS  klik variabel view, kemudian melengkapi

data  klik data view, kemudian diisi dengan data yang sudah ada (pada
soal)  pengolahan data (Analyze-regression-Linear)  Masukkan
variabel dependent dan independent  Pada method pilih metode enter
 Klik statistics klik pilihan Estimates dan Model Fit klik
continueKlik OK untuk memproses data
b. Regresi Berganda

Membuka program SPSS  klik variabel view, kemudian melengkapi

data  klik data view, kemudian diisi dengan data yang sudah ada (pada
soal)  pengolahan data (Analyze-regression-Linear)  Masukkan
variabel dependent dan independent  Pada method pilih metode
stepwise  Klik statistics klik pilihan Estimates, Model Fit dan
descriptive klik continueKlik OK untuk memproses data
3. Terdapat dua jenis korelasi, yaitu korelasi sederhana dan korelasi ganda.
Berikut cara untuk menganalisis korelasi menggunakan SPSS:
a. Korelasi sederhana
Membuka program SPSS  klik variabel view, kemudian melengkapi
data  klik data view, kemudian diisi dengan data yang sudah ada (pada
soal)  pengolahan data (Analyze – Correlate – Bivariate) – dari

Page | 36
 bivariate correlation masukkan pada variabel- dari correlation
coefficient contreng pearson – test of significance pilih two tailed 
pengisian statistics (klik options – pada statistics pilih mean and
standard deviations – pada missing values pilih excude casas pairwise)
 tekan continue  klik ok untuk memproses data.
b. Korelasi ganda
Membuka program SPSS  klik variabel view, kemudian melengkapi
data  klik data view, kemudian diisi dengan data yang sudah ada (pada
soal)  pengolahan data (Analyze – Correlate – Bivariate) – dari
bivariate correlation masukkan pada variabel - dari correlation
coefficient contreng pearson – test of significance pilih two tailed 
pengisian statistics (klik options – pada statistics pilih mean and
standard deviations – pada missing values pilih excude casas pairwise)
 tekan continue  klik ok untuk memproses data  kembali ke menu
utama  klik menu Analyze, pilih regression dan pilih linier, masukkan
variabel  klik statistics, conteng estimates, model fit R squade change
 klik continue  klik ok untuk memproses data.

Page | 37
 DAFTAR PUSTAKA

https://www.scribd.com/document_downloads/direct/349817440?extension=docx&ft
=1575247583&lt=1575251193&user_id=364595734&uahk=sR1vcx12m2IUnKwcC
NlbKsFG9lY
Arif, Karseno. 1995. Statistik I. Jakarta: Karunika.

Hasan, Ikbal. 2003. Pokok-pokok Materi Statistik 2. Jakarta: Bumi Aksara.

Priyatno, Duwi. 2010. Teknik Mudah dan Cepat Melakukan Analisis Data Penelitian
dengan SPSS dan Tanya Jawab ujian Pandadaran. Yogyakarta: Gava Media.

Riduwan, Sunarto. 2013. Pengantar Statistik untuk Penelitian Pendidikan, Sosial,

Ekonomi, Komunikasi, dan Bisnis Lengkap dengan Aplikasi SPSS. Bandung: Alfabeta.

Siregar, Syofian. 2013. Metode Penelitian Kuantitatif Dilengkapi dengan

Perbandingan Perhitungan Manual & SPSS. Jakarta: Kencana

Sugiyono. 2013. Metode Penelitian Pendidikan Pendekatan Kuantitatif, Kualitatif, dan

R&D. Bandung: Alfabeta.

Widiyanto, Joko. 2014. SPSS For Windows Untuk Analisis data Statistik dan
Penelitian. Surakarta: Laboratorium Komputer FKIP UMS.

Page | 38