1.2.Variabel Penelitian
Variabel adalah sesuatu yang dapat membedakan atau mengubah nilai. Nilai dapat
berbeda pada waktu yang berbeda untuk objek atau orang yang sama, dan nilai dapat berbeda
dalam watu yang sama untuk objek atau orang yang berbeda. (Kuncoro, 2009 : 49). Adapun
macam-macam variabel dalam penelitian :
a. Variabel dependen adalah variabel yang menjadi perhatian utama dalam sebuah
pengamatan. (Kuncoro, 2009 : 50) variabel dependen biasanya disebut dengan
variabel yang dipengaruhi.
b. Variabel independen adalah variabel yang dapat mempengaruhi perubahan dalam
variabel dependen Kuncoro, 2009 : 50) Variabel indenden merupakan variabel yang
mempengaruhi.
c. Variabel intervening merupakan variabel antara atau mediating, fungsinnya
memediasi hubungan antara variabel independen dengan variabel dependen. Bisanya
dipakai dalam analsis jalur. (path analysis)
1.3. Hubungan Data & Variabel
Data dan variabel sangat berhubungan, berikut ini adalah penjelasan antara obyek,
karakteristik dan hasil amatan.
Hubungan data & Variabel
SPSS merupakan singkatan dari Statistical Package for Social Science. SPSS
pertama kali dikembangkan sekitar tahun 1960 sebagai piranti lunak untuk sistem statistik
pada Mainframe oleh Norman H. Nie C Hadlay dan Dale Bent Stanford University. Pada
tahun 1984 dikeluarkan SPSS/PC+ untuk komputer pribadi. (Nina, 2009:2)
A. Menu Utama
Menu utama SPSS tertelak di bawah title bar. Perintah dpaat dijalankan dengan
mengklik menu tersebut, menu itu terdiri dari file, edit, view,, data, transfor,, analyze,
graphs, utilities, add-ons, windows dan help.
B. Membuka File
Langkah-langkah
Klik program SPSS anda
Lalu klik open an exiting data source, dan tampilannya seperti dibawah ini
Klik Variabel View pada kursor anda untuk mulai mengetik data
Terdapat suatu data yang akan diimput pada data yang akan diimput pada lembar
kerja SPSS
APLIKASI SPSS
Contoh :
Seorang peneliti ingin mengetahui bagaimana pengaruh uang saku dan penghasilan orang tua
terhadap prestasi mahasiswa. Prestasi mahasiswa merupakan variabel dependen
(dipengaruhi). Prestasi mahasiswa ini diproxi (diwakilkan/diukur) dengan melihat IPK
(Indeks Prestasi Komulatif) mahasiwa. Adapun variabel independennya adalah jumlah uang
saku dan penghasilan orang tua mahasiswa setiap bulannya. Secara garis besar dapat dilihat
dalam diagram di bawah ini.
Gambar
Kerangka Pemikiran
Uang
Saku
IPK
Penghasilan
Orang tua
Setelah mengkopi data dari excel ke data view dalam program SPSS klik menu
Analyze
Lalu klik deskriptif statistik
Klik deskriptif
Setelah muncul tabel deskriptif pindahkan variabel yang akan dinilai baik
variabel dependen mupun indepeden, dalam hal ini masukan variabel nilai dan
uang saku.
Klik ok
Valid N (listwise) 37
Cara membacanya :
Pada tabel di atas dilihat bahwa N bernilai 37. N menunjukkan populasi, hal ini
berarti jumlah populasi dalam penelitian ini sebanyak 37 orang (mahasiswa). Nilai minimum
2.50E5 pada kolom minimum hal ini berarti uang saku terendah adalah Rp. 250.000. Nilai
Maximum 8.00E5. hal ini berarti Rp. 800.000. Mean pada kolom menunjukkan angka
4.9595E5 . Hal ini berarti rata-rata uang saku yang diterima mahasiswa adalah Rp.490.000.
Standar deviation 1.22122E5 menunjukkan angka hal ini berarti terjadi penyimpangan data
sebanyak 1.221.
Adapun kolom penghasilan orang tua minimum menunjukkan angka 2.00E6 hal ini
berarti penghasilan orang tua mahasiswa terendah adalah Rp. 2000.000. Sedangkan nilai
maximum menunjukkan nilai 6.00E6 hal ini berarti penghasilan orang tua tertinggi adalah
Rp.6.000.000. Mean menunjukkan angka 3.4054E6, yang berarti rata-rata penghasilan orang
tua mahasiswa Rp. 3.400.000 Nilai Std. Deviation 1.14162E6 hal ini menunjukkan bahwa
penyimpangan data dalam variabel ini sebanyak 1.1416.
Adapun kolom IPK menunjukkan nilai minimum 3.00, hal ini berarti IPK minimum
mahasiswa adalah 3,00. Maximum menujukkan angka 3.89, berarti 3.89. Adapun mean
menunjukkan angka 3.5243 berarti rata-rata IPK mahasiswa adalah 3,54. Std. Deviation
menunjukkan angka .20985, berarti penyimpangan 0,209.
Untuk melakukan penelitian ini, maka selayaknya analsis regresi linier sederhana.
Lakukanlah ujinya, masukanlah datanya serta ubahlah data uang saku dan pengahsilan orang
tua dalam logaritma natural, sehingga hasilnya akan terlihat seperti dibawah ini
2.3.Uji normalitas dengan One sample kolmogorof smirnove
Seperti dengan regresi sederhana masukan data yang sudalh di Lnkan yaitu Ln_uang
saku, Ln_penghasilan orang tua dan Ipk seperti dibawah ini
Ln_Penghasilan
Ln_uangsaku Ortu IPK
N 37 37 37
Berbeda dengan analisis regresi linier sederhana, data yang digunakan dalam analisis
regresi linier berganda harus lulus uji asumsi klasik. Uji asumsi klasik antara lain uji
multikolinieritas, heteroskedastisitas, Uji Autokorelasi, dan uji linieritas. Namun dalam
penelitian ini hanya ada 3 uji yang akan penulis bahas yaitu uji multikolinieritas,
heteroskedastisitas, dan uji linieritas.
Tidak dilakukannya uji Autokorelasi karena Uji autokorelasi bertujuan untuk menguji
apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pengangga pada periode t-1 (sebelumnya).(Ghazali, 2007 : 99) sedangkan
pada penelitian yang kita lakukan kita tidak ada periode sebelumnya yang dibahas.
2.4.1.Uji Multikolinieritas
Uji multiolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya
korelasi antar variabel bebas (independen). Model regresiyang baik seharusnya tidak terjadi
korelasi antara variabel independen. Jika variabel independen salingberkorelasi, maka
variabel-variabel ini tidak ortogonal. ).(Ghazali, 2007 : 97)
Uji nultikolinieritas dapat dilihat dari (1) nilai tolerance dan lawannya (2) variance
inflation factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah
yang dijelaskan setiap variabel independen lainya.). (Ghazali, 2007 : 95) Jika nilai tolerance
>0,1 dan nilai VIF <10 maka penelitian yang dilakukan tidak terdapat multikolinieritas dalam
datanya.
Langkah Analisis :
Pilih Analyze
Regresiion, lalu pilih linier
Setelah muncul tabel linier pada dependen isi dengan Ipk, sedangkan independen di isi
dengan Ln_uang saku dan Ln_Penghasilan orang tua
Pilih Statistic
Lalu setelah muncul linier regression statistic klik estimates, covariance matrix,
model if, dan collinierity diagnostics
Klik continue
Klik ok
Hasil output SPSS
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Ln_PenghasilanOrt
-.156 .110 -.252 -1.420 .165 .762 1.313
u
Pada hasil output SPSS di atas terlihat bahwa nilai Tolerance 0.762 baik untuk
variabel uang saku dan penghasilan orang-tua. Nilai ini > 0.1 berarti tidak terjadi
multikolinieritas. Sedangkan nilai VIF 1.312 baik untuk variabel uang saku dan penghasilan
orang-tua. Nilai ini < 10, yang berati dari nilai VIF juga tidak terjadi multikolinieritas antara
variabel independen.
2.4.3.Uji Heterokedastisitas
Uji heterokedastisitas bertujuan menguji apakah model regresi terjadi ketidakamaan
variance dari residual satu pengamatan ke pengamatan lainnya. Model regresi yang baik
adalah yang homokesastisitas atau tidak terjadi heterokedastisitas.
Langkah Analisis :
Pilih Analyze
Regresiion, lalu pilih linier
Pilih plots
Isi y dengan SREID. Dan x ZPRED
Klik continue
Ok
Adapun hasil output SPSS nya dapat dilihat pada gambar dibawah ini
Cara melihat diagram :
Jika titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah
angka 0 pada sumbu Y, maka dapat disimpulkan tidak terjadiheterokedastisitas dalam model
regresi yang digunakan. Pada grafik hasil outpus SPSS di atas terlihat bahwa titik-titik
menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y,
maka dapat disimpulkan pada penelitian ini tidak terjadiheterokedastisitas dalam model
regresi yang digunakan.
2.4.4.Uji Linieritas
Uji linieritas digunakan untuk melihat spesifikasi model yang digunakan sudah benar
atau tidak. Apakah fungsi yang digunakan dalam studi empiris sebaiknya berbentuk linier,
kuadrat atau kubik. Uji yang biasanya digunakan adalah Uji DurbinWatson. Uji durbin
Watson biasanya digunakan untuk melihat ada tidaknya autokolerasi dalam model regresi
yang digunakan. Penelitian yang baik adalah yang bebas dari autokorelasi.
Langkah Analisis :
Klik Analyze
Pilih regression, linier
Isi kembali variabel dependen dengan IPK
Pilih statistic
Aktivkan durbin watson
Klik continue
Klik ok
Jika nilai D-W < dari pada nilai dl maka terjadi autokorelasi, namun jika nilai D-W >
dari pada nilai dl maka tidak terjadi autokorelasi. Pada tabel Durbin-Watson lihatlah n yaitu
jumlah sampel yang digunakan dan k dengan melihat jumlah variabel independen. Pada
penelitian ini kita melihat lihat n=37 dan pada k=2. Nilaidl pada penelitian ini adalah 1.364.
Pada tabel hasil output SPSS di atas nilai DW nya adalah 2.244. Itu artinya penelitian ini
dapat diteruskan karena nilai 2.244 > 1.364, yang berarti penelitian ini bebas dari
autokorelasi.
Langkah-langkah Analisis
Klik Analyze
Pilih regression, linier
Isi kembali variabel dependen dengan IPK, dan independen dengan Ln_uang
saku dan Ln_penghasilan orang-tua
Pilih statistic
Pilih R Squared change
Pilih continue
ok
Hasil Output SPSS
Model Summary
Change Statistics
Dari hasil output SPSS di atas terlihat nilai Adjusted R Square nilainya 0.135. Ini
berarti penghasilan orang-tua dan uang saku dapat menjelaskan (mempengaruhi) IPK
sebanyak 13.5 %, sedangkan sisanya yaitu sebesar 86.5 % dipengaruhi (dijelaskan) oleh
variabel lain yang tidak dimasukan pada penelitian ini.
ANOVAb
Total 1.585 36
Hasil output SPSS uji F di atas terlihat bahwa nilai signifikansinya adalah 0.032. Nilai
ini < dari 0.05. Hal ini berati terdapat pengaruh simultan (secara bersama-sama) antara uang
saku dan penghasilan orang tua terhadap IPK mahasiswa. Penelitian ini juga dapat
dilanjutkan.
Langkah-langkah Analisis
Klik Analyze
Pilih regression, linier
Isi kembali variabel dependen dengan IPK, dan independen dengan Ln_uang
saku dan Ln_penghasilan orang-tua
Fokuskan pada Hasil Output Coefisiens
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Correlations
x1 x2 x3 tOTAL
N 15 15 15 15
N 15 15 15 15
N 15 15 15 15
N 15 15 15 15
N %
Excludeda 0 .0
Total 15 100.0
Cronbach's
Alpha Based on
Cronbach's Standardized
Alpha Items N of Items
.971 .973 3