MODUL PRAKTIKUM STATISTIKA EKONOMI 2:

ANALISIS DATA DENGAN PROGRAM SPSS DAN LISREL

UNTUK PENELITIAN MANAJEMAN

PENYUSUN

NOVI PERMATA INDAH

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS SINGAPERBANGSA KARAWANG

KARAWANG

2018

1
 Daftar Isi

Daftar Isi ....................................................................................................... ii

BAB I UJI VALIDITAS DAN RELIABILITAS DATA PRIMER ......... 1
1.1 Uji Validitas ....................................................................................... 1
1.2 Uji Reliabilitas ................................................................................... 2
1.3 Studi Kasus ........................................................................................ 4
BAB II ANALISIS KORELASI ................................................................. 9
BAB III ANALISIS REGRESI LINIER .................................................... 12
3.1.Studi Kasus 1 Data Sekunder ............................................................. 12
3.2.Studi Kasus 2 Data Primer ................................................................. 24
BAB IV ANALISIS VARIANSI ................................................................. 31
4.1.Anova 1 arah ...................................................................................... 31
4.2.Anova 2 arah dengan interaksi ........................................................... 38
BAB V ANALISIS JALUR (PATH ANALYSIS) ....................................... 42
Daftar Pustaka
Lampiran

ii
 BAB I

UJI VALIDITAS DAN RELIABILITAS DATA PRIMER

1.1 Uji Validitas

Validitas berasal dari kata validity yang mempunyai arti sejauh mana
ketepatan dan kecermatan suatu alat ukur dalam melakukam fungsi ukurannya
(Azwar 1986). Selain itu validitas adalah suatu ukuran yang menunjukkan bahwa
variabel yang diukur memang benar-benar variabel yang hendak diteliti oleh
peneliti (Cooper dan Schindler, dalam Zulganef, 2006).
Sedangkan menurut Sugiharto dan Sitinjak (2006), validitas berhubungan dengan
suatu peubah mengukur apa yang seharusnya diukur. Ghozali (2009) menyatakan
bahwa uji validitas digunakan untuk mengukur sah, atau valid tidaknya suatu
kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner
mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut.
Dalam pengujian validitas terhadap kuesioner, dibedakan menjadi 2, yaitu
validitas faktor dan validitas item. Validitas faktor diukur bila item yang disusun
menggunakan lebih dari satu faktor (antara faktor satu dengan yang lain ada
kesamaan). Pengukuran validitas faktor ini dengan cara mengkorelasikan antara
skor faktor (penjumlahan item dalam satu faktor) dengan skor total faktor (total
keseluruhan faktor).
Validitas item ditunjukkan dengan adanya korelasi atau dukungan terhadap
item total (skor total), perhitungan dilakukan dengan cara mengkorelasikan antara
skor item dengan skor total item. Bila kita menggunakan lebih dari satu faktor
berarti pengujian validitas item dengan cara mengkorelasikan antara skor item
dengan skor faktor, kemudian dilanjutkan mengkorelasikan antara skor item
dengan skor total faktor (penjumlahan dari beberapa faktor).
Dari hasil perhitungan korelasi akan didapat suatu koefisien korelasi yang
digunakan untuk mengukur tingkat validitas suatu item dan untuk menentukan
apakah suatu item layak digunakan atau tidak. Dalam penentuan layak atau
tidaknya suatu item yang akan digunakan, biasanya dilakukan uji signifikansi
koefisien korelasi pada taraf signifikansi 0,05, artinya suatu item dianggap valid
jika berkorelasi signifikan terhadap skor total.

1
 Untuk melakukan uji validitas ini menggunakan program SPSS. Teknik
pengujian yang sering digunakan para peneliti untuk uji validitas adalah
menggunakan korelasi Bivariate Pearson (Produk Momen Pearson). Analisis ini
dengan cara mengkorelasikan masing-masing skor item dengan skor total. Skor
total adalah penjumlahan dari keseluruhan item. Item-item pertanyaan yang
berkorelasi signifikan dengan skor total menunjukkan item-item tersebut mampu
memberikan dukungan dalam mengungkap apa yang ingin diungkap à Valid. Jika
r hitung ≥ r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-item
pertanyaan berkorelasi signifikan terhadap skor total (dinyatakan valid).

1.2 Uji Reliabilitas

Reliabilitas berasal dari kata reliability. Pengertian dari reliability
(rliabilitas) adalah keajegan pengukuran (Walizer, 1987). Sugiharto dan Situnjak
(2006) menyatakan bahwa reliabilitas menunjuk pada suatu pengertian bahwa
instrumen yang digunakan dalam penelitian untuk memperoleh informasi yang
digunakan dapat dipercaya sebagai alat pengumpulan data dan mampu
mengungkap informasi yang sebenarnya dilapangan. Ghozali (2009) menyatakan
bahwa reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan
indikator dari peubah atau konstruk. Suatu kuesioner dikatakan reliabel atau
handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil
dari waktu ke waktu. Reliabilitas suatu test merujuk pada derajat stabilitas,
konsistensi, daya prediksi, dan akurasi. Pengukuran yang memiliki reliabilitas
yang tinggi adalah pengukuran yang dapat menghasilkan data yang reliabel
Menurut Masri Singarimbun, realibilitas adalah indeks yang menunjukkan
sejauh mana suatu alat ukur dapat dipercaya atau dapat diandalkan. Bila suatu alat
pengukur dipakai dua kali untuk mengukur gejala yang sama dan hasil
pengukuran yang diperoleh relative konsisten, maka alat pengukur tersebut
reliable. Dengan kata lain, realibitas menunjukkan konsistensi suatu alat pengukur
di dalam pengukur gejala yang sama.
Menurut Sumadi Suryabrata (2004: 28) reliabilitas menunjukkan
sejauhmana hasil pengukuran dengan alat tersebut dapat dipercaya. Hasil

2
pengukuran harus reliabel dalam artian harus memiliki tingkat konsistensi dan
kemantapan.
Reliabilitas, atau keandalan, adalah konsistensi dari serangkaian pengukuran
atau serangkaian alat ukur. Hal tersebut bisa berupa pengukuran dari alat ukur
yang sama (tes dengan tes ulang) akan memberikan hasil yang sama, atau untuk
pengukuran yang lebih subjektif, apakah dua orang penilai memberikan skor yang
mirip (reliabilitas antar penilai). Reliabilitas tidak sama dengan validitas. Artinya
pengukuran yang dapat diandalkan akan mengukur secara konsisten, tapi belum
tentu mengukur apa yang seharusnya diukur. Dalam penelitian, reliabilitas adalah
sejauh mana pengukuran dari suatu tes tetap konsisten setelah dilakukan berulang-
ulang terhadap subjek dan dalam kondisi yang sama. Penelitian dianggap dapat
diandalkan bila memberikan hasil yang konsisten untuk pengukuran yang sama.
Tidak bisa diandalkan bila pengukuran yang berulang itu memberikan hasil yang
berbeda-beda.
Tinggi rendahnya reliabilitas, secara empirik ditunjukan oleh suatu angka
yang disebut nilai koefisien reliabilitas. Reliabilitas yang tinggi ditunjukan dengan
nilai rxx mendekati angka 1. Kesepakatan secara umum reliabilitas yang dianggap
sudah cukup memuaskan jika ≥ 0.600.
Pengujian reliabilitas instrumen dengan menggunakan rumus Alpha
Cronbach karena instrumen penelitian ini berbentuk angket dan skala bertingkat.
Rumus Alpha Cronbach sevagai berikut :

r11 
n
1
 t
2

n 1  t2
Keterangan :
r11 :=reliabilitas yang dicari
n :=jumlah item pertanyaan yang diuji

 t
2
:=jumlah varians skor tiap-tiap item

 t2 := varians total
Jika nilai alpha > 0.6 artinya reliabilitas mencukupi (sufficient reliability)
sementara jika alpha > 0.80 ini mensugestikan seluruh item reliabel dan seluruh
tes secara konsisten memiliki reliabilitas yang kuat. Atau, ada pula yang

3
memaknakannya sebagai berikut:Jika alpha > 0.90 maka reliabilitas sempurna.
Jika alpha antara 0.70 – 0.90 maka reliabilitas tinggi. Jika alpha 0.50 – 0.70 maka
reliabilitas moderat. Jika alpha < 0.50 maka reliabilitas rendah. Jika alpha rendah,
kemungkinan satu atau beberapa item tidak reliabel.

1.3 Studi Kasus

Suatu penelitian pada bidang manajemen pemasaran yang berjudul

“Pengaruh Iklan Media Cetak dan Word of Mouth Terhadap Keputusan
Berkunjung Fitness Center (Studi Kasus Pada Helios Fitness Technomart
Karawang)”. Berdasarkan hal ini maka akan dilakukan uji vaiditas dan reliabilitas
dari setiap pertanyan pada masing-masing variabel penelitian yaitu iklan media
cetak (IMC), word of mouth (WOM), dan keputusan berkunjung (KB). Data
terdapat pada lampiran 1.

Langkah-langkah uji validitas dengan SPSS

1. Input data ke dalam SPSS

2. Pada menu utama klik Analyze, correlate dan klik Bivariat.

4
3. Patikan seluruh pertanyaan dan variabel berada pada kotak variables. Pilih
correlation coefficients Person dan test of significance two-tailed dan pilih
ok.

4. Hasil Dan Pembahsan

5
Hasil uji validitas tiap item pertanyaan pada setiap variabel dapat dilihat dari nilai
Sig(2-tailed). Jika seluruh item pertanyaan memiliki nilai Sig(2-tailed) <
signifikansi error atau tingkat kesalahan yang ditetapkan maka uji validitas
terpenuhi. Artinya setiap pertanyaan pada variabel tersebut dapat dinyatakan
valid.

Langkah-langkah uji reliabilitas dengan SPSS

1. Input data ke dalam SPSS

6
2. Pada menu utama klik Analyze, scale dan pilih reliability analysis.

3. Patikan seluruh pertanyaan dan variabel berada pada kotak items. Pilih
pilih model alpha dan klik ok.

7
 4. Hasil Dan Pembahsan

Hasil uji reliabilitas tiap item pertanyaan pada setiap variabel dapat dilihat dari
nilai cronbach’s alpha. Jika seluruh item pertanyaan memiliki nilai cronbach’s
alpha < 0,6 maka uji reliabilitas terpenuhi. Artinya setiap pertanyaan pada
variabel tersebut dapat dinyatakan reliabel. 0,6 merupakan angka ketetapan yang
merujuk pada buku metodologi penelitian Sugiono.

8
 BAB II

ANALISIS KORELASI

Studi Kasus

Suatu penelitian pada bidang manajemen pemasaran yang berjudul

“Pengaruh Iklan Media Cetak dan Word of Mouth Terhadap Keputusan
Berkunjung Fitness Center (Studi Kasus Pada Helios Fitness Technomart
Karawang)”. Berdasarkan hal ini maka akan diihat kekuatan hubungan dari tiap
varibel yaitu iklan media cetak (IMC) dan word of mouth (WOM) dengan
keputusan berkunjung (KB). Selain itu juga akan di tentukan signifikansi
koefisien korelasi dari tiap variabel.

Langkah-langkah menentukan koefisien korelasi dan signifikansi koefisien

korelasi dengan SPSS

1. Input data ke dalam SPSS

2. Pada menu utama klik Analyze, correlate dan klik Bivariat.

3. Patikan seluruh variabel berada pada kotak variables. Pilih correlation
coefficients Person dan test of significance two-tailed dan pilih ok.

9
 4. Hasil Dan Pembahsan

Hasil dari output SPSS memeperlihatkan bahwa nilai korelasi antara IMC dengan
WOM sebesar +0,748, IMC dengan KB +0,571 sedangkan koefisien korelasi
antara WOM dengan KB adalah +0,524. Signifikansi dari tiap-tiap nilai koefisien
korelasi data dilihat dari nilai Sig( 2-tailed) dimana hasil olah data pada kasus ini
menunjukan bahawa seluruh nilai Sig( 2-tailed) lebih kecil dari nilai signifikansi

10
error yang ditetapkan. Dapat disimpulkan bahwa koefisien korelasi anatar variebl
dalan kasus ini memiliki nilai yang signifikan.

11
 BAB III

ANALISIS REGRESI LINIER

3.1 Studi Kasus 1 Data Sekunder

Desa Sragen Wetan adalah sentra produksi tahu di kabupaten Sragen,
permintaan akan tahu cukup tinggi tetapi produksi tahu di desa ini tidak mampu
menyukupinya dan produksinya tidak dapat berkembang pesat. Oleh karena itu
ingin diketahui faktor-faktor produksi yang mempengaruhi produksi tahu di Desa
Sragen Wetan. Faktor-faktor produksi yang digunakan dalam industri tahu yaitu :
kedelai, tenaga kerja, solar, sekam, air dan laru. Besarnya produksi dalam industri
tahu ditentukan oleh faktor-faktor produksi tersebut.
 Kedelai (X1) merupakan bahan baku utama dalam membuat tahu. Jumlah
kedelai yang digunakan sebagai input produksi diukur dalam satuan kilogram
(kg) dan dihitung selama satu bulan.
 Tenaga kerja (X2) adalah tenaga kerja yang digunakan dalam proses produksi
yang meliputi kegiatan penyortiran, pencucian, perendaman, pengupasan,
penggilingan, pendidihan, penyaringan, penggumpalan, pencetakan dan
perebusan. Faktor produksi tenaga kerja menggunakan jumlah jam kerja per
gilingan selama satu bulan.
 Solar (X3) diperlukan sebagai bahan bakar untuk menggiling kedelai agar
menjadi bubur. Satuan solar diukur dalam liter dan dihitung selama satu
bulan.
 Sekam (X4) merupakan bahan bakar yang digunakan untuk memanaskan air
yang uapnya akan digunakan untuk merebus tahu. Satuan sekam diukur
dalam karung dan dihitung selama satu bulan.
 Air (X5) diperlukan dalam proses produksi tahu antara lain untuk pencucian
dan perendaman kedelai. Satuan air diukur dalam liter dan dihitung selama
satu bulan.
 Laru atau bibit tahu (X6) dipakai sebagai campuran sari kedelai, agar dapat
menggumpal menjadi tahu. Satuan laru dihitung dalam liter dan dihitung
selama satu bulan.

12
 Produksi (Y) yang dihasilkan dipengaruhi oleh kombinasi faktor-faktor
produksi yang digunakan. Produksi yang dihasilkan dinyatakan dalam satuan
kotak (tempat tahu yang terbuat dari kayu) dan dihitung selama satu bulan.
Data
Daftar produksi dan faktor-faktor produksi responden

tenaga
produksi kedelai solar sekam air laru
no kerja
(liter) (liter)
kotak (kg) (jam) (liter) (karung)
1 1080 1500 240 90 300 42000 4200
2 900 1500 180 120 450 44100 5250
3 1410 2400 600 60 450 72600 6600
4 1200 2400 240 120 450 82500 7920
5 1290 2400 240 150 450 79200 7590
6 1320 2400 360 120 440 82500 7320
7 1550 3000 420 150 750 105000 9240
8 1600 3000 450 150 900 100800 10500
9 1600 3000 420 150 480 102900 8820
10 1550 3000 450 180 450 96600 9660
11 1560 3000 540 150 750 98700 10500
12 1530 3000 420 150 450 96600 9240
13 1570 3000 450 150 480 98700 9660
14 1535 3000 540 180 450 96600 8820
15 1650 3000 420 150 750 102900 9660
16 1700 3000 540 180 480 98700 9240
17 1600 3000 420 180 450 98700 9240
18 1550 3000 420 180 480 102900 9660
19 1950 3750 480 150 750 135000 10800
20 2260 4500 540 150 900 138600 13230
21 2200 4500 540 300 900 157500 15750
22 2160 4500 510 180 600 141750 15120
23 2160 4500 540 180 450 153720 13860

13
24 2400 4500 600 150 750 146790 11340
25 2300 4500 540 180 900 146790 13230
26 2200 4500 540 180 900 141750 15750
27 2225 4500 570 150 750 154350 11970
28 2325 4500 540 300 750 157500 13860
29 2350 4500 540 300 750 141750 13860
30 2190 4500 510 150 600 153720 15120
31 2300 4500 570 180 600 146790 13860
32 2215 4500 540 180 750 153720 11970
33 2700 6000 630 210 600 195720 21000
34 2500 6000 600 210 750 204120 19320
35 2800 6000 660 210 600 203280 17640
36 2750 6000 600 180 750 203280 19320
37 2800 6000 630 180 800 204120 17640

Langkah-langkah dengan SPSS

1. Input data ke dalam SPSS

2. Pada menu utama klik Analyze, pilih Regression dan klik Linear

14
3. Akan tampil dilayar sebagai berikut. Isikan variabel Y ke Dependent dan
X1-X6 ke Independent(s). Selanjutnya klik Statistics

4. Pilih Estimate, Model Fit, R square change, Descriptive, Part and Partial
correlation, Collinearity diagnostics dan Durbin-Watson. Kemudian klik
Continue

15
 Kemudian klik Plots, isikan *RESID ke Y: dan *ZPRED ke X:, klik
Continue

Selanjutnya klik Save, pada kolom Residuals pilih Unstandardize, klik

Continue, klik OK

5. Uji Kenormalan Residual dengan mengunkan uji Kolmogorov Smirnov.

Dengan cara sebagai berikut:
Nilai residual telah diperoleh dari tahapan ke-4, selanjutnya klik Analyze,
Non Parametric Test, Legacy Dialogs, 1-Sample K-S

16
Akan tampil dilayar seperti berikut, isikan Unstadardizes Residuals ke
Test Variable List, pada kolom Test Distibution, pilih Normal, klik OK

17
Hasil dan pembahasan

Uji Asumsi

1. Linieritas (korelasi)
Hipotesis:
H0: ρ=0 (tidak ada hubungan linier antara x dan y)
H1: ρ≠0 (ada hubungan linier antara x dan y)
Correlations

Y X1 X2 X3 X4 X5 X6
Pearson Y 1.000 .984 .842 .579 .607 .974 .929
Correlation X1 .984 1.000 .814 .565 .574 .993 .966
X2 .842 .814 1.000 .431 .515 .799 .751
X3 .579 .565 .431 1.000 .420 .575 .602
X4 .607 .574 .515 .420 1.000 .576 .561
X5 .974 .993 .799 .575 .576 1.000 .956
X6 .929 .966 .751 .602 .561 .956 1.000
Sig. (1-tailed) Y . .000 .000 .000 .000 .000 .000
X1 .000 . .000 .000 .000 .000 .000
X2 .000 .000 . .004 .001 .000 .000
X3 .000 .000 .004 . .005 .000 .000
X4 .000 .000 .001 .005 . .000 .000
X5 .000 .000 .000 .000 .000 . .000
X6 .000 .000 .000 .000 .000 .000 .

 Berdasarkan output SPSS, korelasi antara variabel penjelas dan variabel

respon, masing-masing memiliki P-value (kolom ketiga) < 0.05. sehingga
keputusan tolak H0, artinya dengan kepercayaan 95% setiap variabel
penjelas memiliki hubungan linier (korelasi) yang nyata terhadap variabel
respon. Diikuti dengan nilai korelasi yang cukup tinggi.
 variabel penjelas dan variabel respon, menunjukkan bahwa variabel
penjelas memiliki hubungan linier positif dengan variabel respon. Dengan
terpenuhinya hubungan linier, maka data ini dapat dianalisis dengan
regresi linier berganda.

18
2. Kenormalan
Hipotesis:
H0 : residula berdistribusi normal
H1 : residula tidak berdistribusi normal
uji kenormalan kolmogorof-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 37
a,b
Normal Parameters Mean .0000000
Std. Deviation 62.99251845
Most Extreme Differences Absolute .113
Positive .087
Negative -.113
Kolmogorov-Smirnov Z .687
Asymp. Sig. (2-tailed) .733

Dengan menggunakan uji kenormalan Kolmogorov-Smirnov P-value pada uji

kenormalan KS sebesar 0.733 > 0,05. Sehingga keputusan terima H0, dapat
disimpulkan bahwa residual menyebar normal.

3. Homosketdastisitas
Metode ini digunakan dengan cara melihat grafik scatter plot antara
fitted value dengan residual. Ada tidaknya pola tertentu pada grafik scatter
plot dimana sumbu Y adalah nilai Y yang telah diprediksi dan sumbu X
adalah residual (𝑌̂–Y).

19
 Berdasarkan grafik di residual menyebar secara acak, tidak
mengikuti pola tertentu, sehingga dapat disimpulkan bahwa galat
mempunyai ragam yang sama. Dengan demikian, asumsi
Homoskedastisitas terpenuhi.
4. Non autokorelasi
Hipotesis

H0: ρ=0 (tidak terdapat autokorelasi)

H1: ρ≠0 (terdapat autokorelasi)

b
Model Summary
Change Statistics
Std. Error R
R Adjusted of the Square F Sig. F Durbin-
Model R Square R Square Estimate Change Change df1 df2 Change Watson
a
1 .992 .985 .982 69.00485 .985 322.791 6 30 .000 2.039

Tabel Durbin Watson k=6, n=37, alfa=0,05 : dL=1.130 du=1.87

Jika d > du maka tidak tolak H0. Jadi, dari uji Durbin Watson dapat
disimpulkan bahwa tidak terjadi autokorelasi, asumsi non autokorelasi
terpenuhi.

20
5. Non Multikolinieritas
Output SPSS untuk VIF
a
Coefficients
Standardize
Unstandardize d Collinearity
d Coefficients Coefficients Correlations Statistics
Zero
-
Std. orde Partia Par Toleranc
Model B Error Beta t Sig. r l t e VIF
1 (Constant 204.16 60.19 3.39 .00
) 2 9 1 2
X1 .648 .097 1.594 6.66 .00 .984 .772 .15 .009 112.67
1 0 0 2
X2 .307 .178 .070 1.72 .09 .842 .300 .03 .304 3.289
0 6 9
X3 .693 .300 .067 2.31 .02 .579 .389 .05 .602 1.661
2 8 2
X4 .163 .083 .055 1.97 .05 .607 .339 .04 .646 1.549
1 8 4
X5 -.005 .002 -.392 - .05 .974 -.337 - .013 78.547
1.95 9 .04
9 4
X6 -.046 .012 -.361 - .00 .929 -.574 - .058 17.353
3.83 1 .08
8 7

Pada data tersebut terdapat multikolinieritas pada pada peubah penjelas

kedelai, air dan laru dengan VIF1=112,7; VIF5=78,5 dan VIF5=17,4 lebih
dari 10. Tidak terpenuhinya asumsi ini dapat dapat mengakibatkan:
- Koefisien regresi yang dihasilkan oleh analisis regresi berganda
menjadi sangat lemah atau tidak dapat memberikan hasil analisis
yang mewakili sifat atau pengaruh dari variabel bebas yang
bersangkutan
- Dalam banyak hal, masalah Multikolinearitas dapat menyebabkan uji
t menjadi tidak signifikan padahal jika masing-masing variabel bebas

21
 diregresikan secara terpisah dengan variabel tak bebas (simple
regression) uji t menunjukkan hasil yang signifikan.
Salah satu cara untuk itu menyelesaikan permasalahan multikolinieritas
adalah dengan regresi komponen utama.

Interpretasi Model

1. Uji simultan
Hipotesis:
H0: peubah X tidak mempengaruhi Y secara bersama-sama
H1: minimal ada satu peubah X yang mempengaruhi Y

b
ANOVA
Model Sum of Squares df Mean Square F Sig.
a
1 Regression 9222152.637 6 1537025.439 322.791 .000
Residual 142850.066 30 4761.669

Total 9365002.703 36

Pengujian secara simultan dilakukkan dengan uji statistik F,

berdasarkan output SPSS didapatkan P-value 0.000< 0.05, sehingga
keputusan tolak H0. Artinya, minimal ada satu peubah penjelas x
mempengaruhi peubah respon Y.

2. Uji parsial

Hipotesis:

H0: βj = 0 (variabel Xj tidak berpengaruh nyata)

H1: βj ≠ 0 (variabel Xj berpengaruh nyata) j= 0, 1, 2,. . ., p; p= banyak

parameter

22
 a
Coefficients
Unstandardized Standardized
Coefficients Coefficients
Std.
Model B Error Beta t Sig.
1 (Constant) 204.162 60.199 3.391 .002

X1 .648 .097 1.594 6.661 .000

X2 .307 .178 .070 1.720 .096
X3 .693 .300 .067 2.312 .028
X4 .163 .083 .055 1.971 .058
X5 -.005 .002 -.392 -1.959 .059
X6 -.046 .012 -.361 -3.838 .001

Dengan menggunakan statistik uji t. Berdasarkan output SPSS, diperoleh P

value pada variabel X2, X4, dan X6 lebih besar dari 0.05, sehingga keputusan
terima H0, sehinga faktor tenaga kerja, sekam dan laru atau bibit tahu tidak
mempengaruhi produksi tahu secara nyata. Sedangkan variabel X1, X3, dan
X5 mimiliki P-value kurang dari 0.05, sehingga keputusan tolak H0. Jadi
dapat disimpulkan bahwa yang mempengaruhi produksi tahu secara
signifikan atau nyata pada sentra produksi tahu di Sragen adalah kedelai,
solar, dan air.

3. Koefisien determinasi

Koefisien Determinasi (R-Square) merupakan suatu proporsi

keragaman y yang dapat dijelaskan oleh peubah prediktor x dan Adjusted R-
Square (pada regresi linier sederhana) merupakan suatu proporsi keragaman y
yang dapat dijelaskan oleh variable regressor x apabila jumlah observasi
variable regressor x mengalami perubahan. Adapun Adjusted R-Square (pada
regresi linier sederhana berganda) merupakan suatu proporsi keragaman y
yang dapat dijelaskan oleh peubah prediktor 𝑥 apabila jumlah variable
regressor 𝑥 mengalami perubahan.

23
 b
Model Summary

Std. Change Statistics

Adjusted Error of R
R R the Square F Sig. F Durbin-
Model R Square Square Estimate Change Change df1 df2 Change Watson
a
1 .992 .985 .982 69.00485 .985 322.791 6 30 .000 2.039

Berdasarkan output SPSS, nilai R2 sebesar 0.985 artinya 98.5% keragaman

jumlah produksi tahu (Y) dapat dijelaskan oleh faktor-faktor dalam model
(X). Sisanya dijelakan faktor lain yang tidak masuk dalam model.

3.2 Studi Kasus 2 Data Primer

Suatu penelitian pada bidang manajemen pemasaran ingin melihat pengaruh iklan
media cetak, dan promosi dengan cara menyebarkan berita dari mulut ke mulut
atau dikenal dengan istilah word of mouth yang dilakukan oleh Helios Fitness di
kota Karawang.

Berdasarkan hal ini maka akan dilakukan penelitia mengenai iklan media cetak,
word of mouth dan keputusan berkunjung dengan judul penelitian

“Pengaruh Iklan Media Cetak dan Word of Mouth Terhadap Keputusan

Berkunjung Fitness Center (Studi Kasus Pada Helios Fitness Technomart
Karawang)”. Data terlampir.
Hasil dan pembahasan
Uji Asumsi

1. Linieritas
Hipotesis:
H0: ρ=0 (tidak ada hubungan linier antara x dan y)
H1: ρ≠0 (ada hubungan linier antara x dan y)

24
 • P-value< 0.05. sehingga keputusan tolak H0, artinya dengan kepercayaan
95% setiap variabel bebas memiliki hubungan linier (korelasi) yang nyata
terhadap variabel respon. Diikuti dengan nilai korelasi yang cukup tinggi.
Korelasi antara variabel IMC dan WOM terhadap KB sebesar 0,571 dan
0,524.
• Kesimplan: uji asumsi linieritas dipenuhi.
2. Normalitas
Hipotesis:
H0 : galat/error berdistribusi normal
H1 : galat/error tidak berdistribusi normal
Uji kenormalan kolmogorof-Smirnov

25
P-value pada uji kenormalan KS sebesar 0.116 > 0,05. Sehingga keputusan
terima H0, dapat disimpulkan bahwa residual/galat/error menyebar normal
atau asumsi normalitas dipenuhi.

26
Berdasarkan normal P-P plot dapat dilihat bahwa standardized residual
menyebat disekitar garis normal, sehingga dapat disimpulkan bahwa residual
memiliki sebaran yang normal. Dengan demikian, asumsi noralitas terpenuhi.

27
3. Homoskedasitas

rafik scatter plot antara fitted value dengan residual. Ada tidaknya pola
tertentu pada grafik scatter plot dimana sumbu Y adalah nilai Y yang telah
diprediksi dan sumbu X adalah residual (𝑌̂–Y).
Berdasarkan grafik di residual menyebar secara acak, tidak mengikuti pola
tertentu, sehingga dapat disimpulkan bahwa galat mempunyai ragam yang
sama. Dengan demikian, asumsi Homoskedastisitas terpenuhi.
4. Non Autokorelasi
Hipotesis
H0: ρ=0 (tidak terdapat autokorelasi)
H1: ρ≠0 (terdapat autokorelasi)

Tabel Durbin Watson k=2, n=119, alfa=0,05 : dL=1,6669 du=1,7352

28
 Jika dw > du maka tidak tolak H0. Jadi, dari uji Durbin Watson dapat
disimpulkan bahwa tidak terjadi autokorelasi, asumsi non autokorelasi
terpenuhi.
5. Non Multikolinieritas

Nilai VIF dari variabel IMC dan WOM lebih kecil dari 10, hal ini memperlihatkan
bahwa tidak terjadi multikolonieritas pada model regresi.

Interpretasi Model

1. Uji simultan
Hipotesis:
H0: peubah X tidak mempengaruhi Y secara bersama-sama
H1: peubah X yang mempengaruhi Y secara bersama-sama

Pengujian secara simultan dilakukkan dengan uji statistik F, berdasarkan

output SPSS didapatkan P-value 0.000< 0.05, sehingga keputusan tolak H0.
Artinya, peubah penjelas X mempengaruhi peubah respon Y secara bersama-
sama. Atau dapat disimpulkan bahwa IMC dan WOM mempengaruhi KB
secara bersama-sama/simultan.

29
2. Uji parsial

Hipotesis:

H0: βj = 0 (variabel Xj tidak berpengaruh nyata)

H1: βj ≠ 0 (variabel Xj berpengaruh nyata) j= 0, 1, 2,. . ., p; p= banyak

parameter

• P value pada variabel X2 lebih besar dari 0.05, sehingga keputusan terima

H0, sehinga WOM tidak berpengaruh signifikan terhadap KB .

• Variabel X1 mimiliki P-value kurang dari 0.05, sehingga keputusan tolak

H0. Jadi dapat disimpulkan bahwa IMC berpengaruh signifikan terhadap

KB.
3. Koefisien determinasi

Berdasarkan output SPSS, nilai R2 sebesar 0,348 artinya 34,8%

keragaman jumlah KB (Y) dapat dijelaskan oleh faktor-faktor dalam model
yaitu IMC (X1) dan WOM (X2). Sisanya dijelakan faktor lain yang tidak
masuk dalam model atau variabel lain yang tidak termasuk dalam variabel
penelitian.

30
 BAB IV
ANALISIS VARIANSI

4.1. Anova 1 arah

Studi Kasus
Maskapai-maskapai berikut telah mengurangi layanan makana berat dan ringan
selama penerbangan dan memulai menetapkan beberapa layanan tambahan seperti
menampung bagasi yang terlalu berat, pergatian penerbagan pada menit terakhir
dan perjalanan hewan peliharaan didalam kabin. Akan tetapi mereka masih fokus
mengenai layanannya. Akhir-akhir ini sebuah kelompok yang terdiri atas empat
perusahaan penerbangan merekrut Brunner Marketing Research. Untuk
mensurvei parapenumpang megenai tingkat kepuasannya dengan penerbangan
terkini. Survey meliputi pertanyaan mengenai tiket, keberangkatan, layanan
peerbangan, penanganan bagasi, komunikasi pilot dan sebagainya. 25 pertanyaan
akan dijawab penumpang dengan luar buiasa, bagus, cukup atau buruk. Jawaban
jawaban tersebut kemudian dijumlahkan sehingga total skornya perupakan
penanda kepuasan penerbangan. Semakin besar skornya penanda semakin tinggi
tingkat kepuasan layanannya. Skor paling tinggi yang paling mungkin adlah 100.
Brunner Marketing Research secara acak memilih dan mensurvei para
penumpang dari 4 maskapai. Dengan taraf nyata atau tigkat signifikansi 5%,
apakah terdapat perbedaan rata-rata tigkat kepuasan antara keempat maskapai?.
Berikut diperoleh hasil jawaban responden yang menjadi sampel.
Tabel 4.1 Hasil jawaban responden masing-masing maskapai
Northern WTA Pocono Branson
94 75 70 68
90 68 73 70
85 77 76 72
80 83 78 65
88 80 74
68 65
85

31
Hipotesis yang diuji:
H 0 : 1   2  3   4 (rata-rata skor kepuasan sama untuk keempat maskapai)

H1 : 1   2   3   4 (rata-rata skor kepuasan tidak sama untuk keempat

maskapai)

Langkah-langkah SPSS

1. Buka program SPSS sampai muncul worksheet area kerja seperti pada gambar
berikut:

2. Sebelah kiri bawah ada dua pilihan yaitu: Data view dan Variabel view
3. Lalu klick variabel view untuk menentukan variabel dari data
4. Baris pertama pada kolom name ketik nilai, pada label ketik layanan.
5. Baris ke dua pada kolom name ketik maskapai, pada label ketik brand, pada
kolom values posisikan mouse pada sudut kotak None lalu klik sampai muncul
kotak Value Labels seperti pada gambar berikut:

32
6. Ketik 1 pada kolom Value dan ketik Nothern pada kolom Label, lalu klik add,
ketik lagi 2 pada kolom value dan ketik WTA pada kolom label, lalu klik add,
ketik lagi 3 pada kolom value dan ketik Pocono pada kolom label, lalu klik
add, ketik lagi 4 pada kolom value dan ketik Branson pada kolom label, lalu
klik add jika sudah di isi kemudian ok, terlihat seperti gambar beriktut:

7. Selanjutnya klik data view sebelah kiri variabel view lalu isi nilaia skor pada
kolom nilai, pada kolom maskapai nomor urut 1-14 isi 1, nomor urut 5-9 isi 2,
dan nomor urut 10-16 isi 3 dan 17-22 isi 4. seperti terlihat pada gambar
berikut:

33
Sebelum dilakukan uji Anova terlebih dahulu melakukan uji prasyarat Anova
yaitu uji normalitas dan homogenitas variansi.

1. Uji Normalitas
Hopotesis
Ho: Populasi berdistribusi normal
H1: Populasi tidak berdistribusi normal
Lakukan analisis dengan menggunakan menu Analyze, Nonparametric Tests,
Legacy Dialogs, 1-Sample K-S sehingga akan muncul kotak dialog One-Sample
Kolmogorov-Smirnov Test

34
Sehingga akan muncul kotak dialog One Sample Kolmogorov Smirnov Test
seperti gambar berikut.

Masukkan variabel layanan [nilai] kedalam kolom Test Variable List, kemudian
pilih Normal pada Test Distribution, selanjutnya klik OK dan akan muncul output
seperti tabel berikut.

35
berdasarkan Tabel one sampel Kolmogorov-Semirnov test, nilai Asymp. Sig. (2-
tailed) layanan bernilai lebih besar dari nilai α=5%, maka dapat disimpulkan
bahwa populasi berdistribusi normal.

2. Uji Homogenitas variansi dan analisis variansi satu arah

Lakukan analisis dengan menggunakan menu analyze → Compare Means →
One-Way ANOVA, sehingga akan muncul kotak dialog One-Way
ANOVA seperti pada Gambar berikut.

36
Masukkan variabel layanan [nilai] ke dalam Dependent List, kemudian
variabelbrand [maskapai] kedalam Factor. Klik Options kemudian akan muncul
kotak dialog One-Way ANOVA.

Pilih Descriptives dan Homogeneity of variance test pada Statistics kemudian klik
continue dan Ok, maka akan muncul output sebagai berikut.

37
Berdasarkan Output pada tabel test of homogeneity of variances tersebut,
diperoleh nilai Sig. = 0,432 lebih besar dari nilai α=5%, maka dapat disimpulkan
bahwa populasi data mempunyai variansi yang sama (homogen).

Berdasarkan tabel Anova layanan yaitu tabel Anova 1 arah diperoleh nilai F=
8,991 dan sig 0,001. Nilai F dari output SPSS lebih besar dari F tabel dengan
α=5%, derajat kebebasan pembilang 3 dan derajat kebebebasan penyebut 18 yaitu
3,16. Hal ini berarti bahwa H0 ditolak. Dapat disimpulkan bahwa rata-rata tingkat
kepuasan antar keempat maskapai tidak sama atau berbeda. Selain dari F ouput
SPSS hal ini juga dapat dilihat dari nilai Sig 0,001 yang lebih kecil dari α=5%.

4.2. Anova 2 arah dengan interaksi

Studi Kasus seperti pada materi Anova 2 arah dengan interaksi pada bab 2.
Hipotesis yang akan diuji adalah
1. H0: Tidak terdapat interaksi antara pengmudi dengan rute
H1: Terdapat interaksi antara pengemudi denagn rute
2. H0: Rata-rata waktu tempuh pengemudi sama
H1: Rata-rata waktu tempuh pengemudi tidak sama
3. H0: Rata-rata waktu tempuh keempat rute sama
H1: Rata-rata waktu tempuh keempat rute tidak sama
Langkah-langkah SPSS
1. Pastikan data sudah pada SPSS seperti gambar berikut

38
2. Bila data sudah berdistribusi normal, langkah selanjutnya kita lanjut uji
two way anova yaitu: silahkan klik menu Analyze ---> General Linear
Model ---> Univariate.Jika benar terlihat seperti pada gambar berikut:

3. Masukkan waktu kedalam kotak Dependent Variabel, sedangkan rute dan

pengemudi masukkan kedalam kotak Fixed Factor(s)
4. Kemudian klik Plots, maka muncul kotak Univariate: Profile Plots seperti
gambar dibawah, lalu masukkan variabel rute kedalam kotak Horizontal
Axis, sedangkan pengemudi Sekolah masukkan kedalam kotak Separate
Lines.
5. Selanjutnya klik Add, maka akan muncul di dalam kotak Plots
"rute*pengemudi" seperti pada gambar berikut:

39
 6. Selanjutnya klik Continue. Selanjutnya klik Options.
7. Masukkan Variabel rute, pengemudi, rute*pengemudi kedalam kotak
Display Means for. pada kotak Display, centang Descriptive statistics dan
Homogeneity test, lalu perhatikan kotak Significance level 0.05.
Selanjutnya klik Continue, lalu klik OK.
Hasil dan analisis

 Asumsi Homoskedasitas: Levene Test

Di bawah ini adalah Tabel Levene’s Test. Digunakan untuk
menilai homoskedasitas data.
a
Levene's Test of Equality of Error Variances
Dependent Variable:Waktu

F df1 df2 Sig.

1.173 19 40 .325

Tests the null hypothesis that the error variance

of the dependent variable is equal across groups.
a. Design: Intercept + Rute + Pengemudi + Rute
* Pengemudi

Tabel di atas menunjukkan nilai (Signifikansi) Sig. 0,325 > 0,05 sehingga bisa
dikatakan asumsi homoskedasitas terpenuhi.

40
  Asumsi Normalitas
One-Sample Kolmogorov-Smirnov Test

Waktu

N 60
a,b
Normal Parameters Mean 22.8000
Std. Deviation 3.81700
Most Extreme Differences Absolute .090
Positive .082
Negative -.090
Kolmogorov-Smirnov Z .698
Asymp. Sig. (2-tailed) .715

a. Test distribution is Normal.

b. Calculated from data.
berdasarkan Tabel one sampel Kolmogorov-Semirnov test, nilai Asymp. Sig. (2-
tailed) 0.715>α=5%, maka dapat disimpulkan bahwa populasi berdistribusi
normal.

Tests of Between-Subjects Effects

Dependent Variable:Waktu

Source Type III Sum of

Squares df Mean Square F Sig.
a
Corrected Model 687.600 19 36.189 8.416 .000
Intercept 31190.400 1 31190.400 7253.581 .000
Rute 218.400 3 72.800 16.930 .000
Pengemudi 359.100 4 89.775 20.878 .000
Rute * Pengemudi 110.100 12 9.175 2.134 .036
Error 172.000 40 4.300
Total 32050.000 60
Corrected Total 859.600 59

a. R Squared = .800 (Adjusted R Squared = .705)

Berdasarkan tabel test of between-subjects effects baik hipotesis 1,2 ataupun 3

semunya menolak H0. Hal ini dapat dibuktikan dari nilai F hitung pada tebel yang
dibandngkan dengan F tabel dimana untuk rute 2,84, penegmudi 2,61 dan
interaksi Rute*penegmudi 2,00 menunjukan H0 ditolak. Selain itu dapat pula
dilihat dari nilai Sig yang kesemuanya >5%. Dapat disimpulkan bahwa

1. Terdapat interaksi antara pengemudi dan rute

41
2. Rata-rata waktu tempuh pengemudinya tidak sama
3. Rata-rata waktu tempuh rytenya tidak sama.

Post Hoc Test

Dalam rangka Interprestasi Output Two Way ANOVA dengan SPSS, maka anda
harus pahami tentang uji post hoc berikut. Sedikit review saja, bahwa uji post hoc
adalah uji lanjut atau uji yang menilai adanya perbedaan signifikan antar
kelompok.

Tabel Tukey Post Hoc

Tabel di bawah ini adalah Tabel Tukey Post Hoc digunakan untuk menilai
kategori manakah dari waktu yang memiliki perbedaan signifikan:

Multiple Comparisons
Waktu
Tukey HSD

(I) Rute (J) Rute Mean 95% Confidence Interval

Difference (I-J) Std. Error Sig. Lower Bound Upper Bound

Rute1 dim
Rute2 -.80000 1.23558 .916 -4.0717 2.4717
*
ens Rute3 -4.80000 1.23558 .002 -8.0717 -1.5283
ion

Rute4 -3.20000 1.23558 .057 -6.4717 .0717

3

i
Rute2 dim
Rute1 .80000 1.23558 .916 -2.4717 4.0717
*
m
ens Rute3 -4.00000 1.23558 .011 -7.2717 -.7283
e
ion

Rute4 -2.40000 1.23558 .222 -5.6717 .8717

3
n

*
s
Rute3 dim
Rute1 4.80000 1.23558 .002 1.5283 8.0717
*
i
ens Rute2 4.00000 1.23558 .011 .7283 7.2717
o
ion

Rute4 1.60000 1.23558 .570 -1.6717 4.8717

n
3

2
Rute4 dim
Rute1 3.20000 1.23558 .057 -.0717 6.4717
ens Rute2 2.40000 1.23558 .222 -.8717 5.6717
ion

Rute3 -1.60000 1.23558 .570 -4.8717 1.6717

3

*. The mean difference is significant at the 0.05 level.

Yang ada perbedaan signifikan ditandai dengan tanda bintang (*).

42
 BAB V

ANALISIS JALUR (PATH ANALYSIS)

Studi Kasus

Suatu penelitian asosiatif yang bertujuan mempelajari pengaruh variable

Remunerasi (X1), Motivasi Kerja (X2), dan Suasana Kerja (X3) terhadap Kinerja
Pegawai (Y). Berikut data penelitian.

Data:

no 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
X1 70 49 33 51 67 41 71 60 59 31 75 43 46 43 33 51 60 59 31 56
X2 69 48 29 48 59 33 70 54 61 34 76 43 56 42 29 48 54 61 34 58
X3 69 50 30 40 60 31 70 55 58 26 78 45 47 34 40 40 55 58 26 57
Y 68 47 34 50 56 36 71 60 61 29 77 46 50 39 34 50 60 61 29 56

Hipotesis penelitian:
• Ho: tidak ada pengaruh yang signifikan dalam variabel
• H1: remunerasi berpengaruh signifikan terhadap motivasi kerja
• H2: remunerasi berpengaruh signifikan terhadap suasana kerja
• H3: motivasi kerja berpengaruh signifikan terhadap suasana kerja
• H4: remunerasi berpengaruh signifikan terhadap kinerja pegawai
• H5: motivasi kerja berpengaruh signifikan terhadap kinerja pegawai
• H6: suasana kerja berpengaruh signifikan terhadap kinerja pegawai
Berikut ini merupakan diagram jalur yang akan diuji

43
Langkah-Langkah dengan Lisrel

1. Simpan data dalam SPSS

2. Double klik icon LISREL 9.2 Student, sehingga akan tampil

44
3. Klik File pilih New

4. Maka akan muncul tampilan berikut ini, pilih LISREL Data klik OK

5. Kemabali ke menu utama, klik File pilih Import Data

45
6. cari tempat menyimpan data (data disimpan dalam SPSS). Pilih SPSS

Data File (*sav),

7. pilih data yang akan digunakan (PATH Lisrel.sav), klik Open

46
8. Beri nama untuk LISREL Data, nama yang digunakan boleh sama atau
berbeda dengan SPSS, klik Save

Akan tampil seebagai berikut

9. Pada menu utama klik File, klik New, pilih SIMPLIS Project, klik OK

Isikan nama ke File Name (missal, “data simplis path”), klik Save
sehingga muncul

47
10. Kembali ke menu utama, pilih Setup, plih Variables

Sehingga akan muncul

11. Klik Add/Read variables, sehingga muncul tampilan berikut

48
 Pada Read from file isikan LISREL System File. Klik Browse dan isikan
“data simplis path”, klik OK

12. Klik Next, pada Number of Observation isikan jumlah observasi yaitu
“20”, lalu klik OK

49
13. Kembali ke menu utama, kotak SIMPLIS kosong seperti berikut

14. Pada menu utama pilih Output, pilih LISREL Output dan klik Selection

Pilih Total Effects and Inderect Effects dan CompletelyStandardized

Solution. Selanjutnya klik OK

Maka muncul gambar berikut

50
Selanjutnya membuat persamaan yang mengaitkan hubungan antara
variable, setelah baris relationships

Klik Run sehingga diperoleh koefisien jalur dalam bentuk

Standardized Solution seperti berikut

Gambar di atas dapat di atur kembali, dengan cara menggeser letak

variable dan garis penghubung antara variable, sehingga menjadi seperti
berikut

51
 Selanjutnya diagram jalur setelah uji signifikansi dengan uji statistik uji-t
sebagai berikut

Dari diagram jalur di atas terlihat bahwa tidak terdapat jalur yang berwana
merah. Hal tersebut menunjukkan bahwa semua koefisien jalur signifikan.
15. Interpretasi Output
Warna biru menunjukkan Koefisien regresi dan warna kuning
menunjukkan nilai statistic Z dan p-Value.
 Pada regresi X2 terhadap X1. Hasil uji statistik menunjukkan
bahwa nilai P-value 0.000 kurang dari 0.05 sehingga tolak H0,
terima H1. Jadi dapat disimpulkan bahwa peningkatan remunerasi

52
 memberikan pengaruh yang signifikan terhadap peningkatan
motivasi kerja pegawai. Peningkatan satu satuan remunerasi (X1)
akan meningkatkan 96.3% motivasi kerja (X2).
 Nilai R2 (koefisien determinasi) sebesar 90.4%. Artinya 90.4%
keragaman motivasi kerja(X2) mampu dijelaskan oleh variabel
remunerasi (X1) sisanya 9.6% dijelaskan oleh variable lain.

LISREL Estimates (Maximum Likelihood)

Structural Equations

X2 = 0.963*X1, Errorvar.= 18.607, R² = 0.904

Standerr (0.0718) (6.037)
Z-values 13.407 3.082
P-values 0.000 0.002

Pada regresi X3 terhadap X1 dan X2. Hasil uji statistika

menunjukkan bahwa nilai P-value untuk variable X1 0.019 dan X2
0.04 keduanya kurang dari 0.05 sehingga tolak H0, terima H2 dan
H3. Jadi dapat disimpulkan bahwa remunerasi dan motivasi kerja
masing-masing berbengaruh signifikan terhadap suasana kerja.
Peningkatan satu satuan remunerasi akan meningkatkan 56.4%
suasana kerja. Peningkatan motivasi kerja akan meningkatkan
48.8% suasana kerja.
 Nilai R2 (koefisien determinasi) sebesar 91.2%. Artinya 91.2%
keragaman suasana kerja(X3) mampu dijelaskan oleh variabel
remunerasi (X1) dan motivasi kerja(X2), sisanya 8.8% dijelaskan
oleh variable lain.

X3 = 0.488*X2 + 0.564*X1, Errorvar.= 20.076, R² = 0.912

Standerr (0.238) (0.241) (6.514)
Z-values 2.049 2.339 3.082
P-values 0.040 0.019 0.002

 Pada regresi Y terhadap X1, X2 dan X3. Hasil uji statistiak

meninjukkan bahwa nilai P-value unruk ketiga variable tersebut
adalah 0.005, 0.035, 0.031 ketiganya memiliki nilai kurang dari
0.05 sehingga tolak H0. Jadi dapat disimpulkan bahwa remunerasi,
motivasi kerja dan suasana kerja masing-masing berpengaruh

53
 signifikan terhadap kinerja pegawai. Setiap peningkatan
remunerasi akan meningkatkan 42% kinerja pegawai, setiap
peningkatan motivasi kerja akan meningkatkan 30.2% kinerja
pegawai dan setiap peningkatan suasana kerja akan meningkatkan
26.9% kinerja pegawai.
 Nilai R2 (koefisien determinasi) sebesar 97%. Artinya 97%
keragaman Kinerja pegawai (Y) mampu dijelaskan oleh variabel
remunerasi (X1), motivasi kerja(X2) dan suasana kerja(X3),
sisanya 3% dijelaskan oleh variable lain.

Y = 0.302*X2 + 0.269*X3 + 0.420*X1, Errorvar.= 5.962 , R² = 0.970

Standerr (0.143) (0.125) (0.149) (1.934)
Z-values 2.105 2.152 2.812 3.082
P-values 0.035 0.031 0.005 0.002

16. Koefisien jalur Pengaruh langsung dan Pengaruh Total

Pada menu utama klik Setup, pilih Build LISREL Syntax

Klik Output, pilih LISREL Output, pilih selection, Pilih Total Effects
and Inderect Effects dan Completely Standardized Solution. Selanjutnya
klik OK

54
Klik Run sehingga diperoleh hasil sebagai berikut

Koefisien Jalur (Standardized Solution)

 Beta
P32 = 0.364 adalah koefisien jalur X2 terhadap endogen X3
PY2 = 0.369 adalah koefisien jalur X2 terhadap endogen Y
PY3 = 0.044 adalah koefisien jalur X3 terhadap endogen Y
Standardized Solution

55
 BETA

X2 X3 Y
-------- -------- --------
X2 - - - - - -
X3 0.364 - - - -
Y 0.369 0.044 - -

 Gamma
P21 = 0.925 adalah koefisien jalur eksogen X1 terhadap endogen
X2
P31 = 0.627 adalah koefisien jalur eksogen X1 terhadap endogen
X3
PY1 = 0.592 adalah koefisien jalur eksogen X1 terhadap endogen Y

GAMMA

X1
--------
X2 0.925
X3 0.627
Y 0.592

Total and Indirect Effect

 Pengaruh total eksogen dan endogen
Pengaruh total X1 terhadap X2 = 0.952
Pengaruh total X1 terhadap X3 = P31 + P21P32 = 0.627 +
(0.925)(0.364) = 0.963
Pengaruh total X1 terhadap Y = Py1 + P21PY2 + P31PY3 + P21P32PY3
=0.592+(0.925)(0.369)+(0.627)(0.044)+(0.925)(0.364)(0.044)
=0.976
Standardized Total Effects of X on Y

X1
--------
X2 0.925
X3 0.963
Y 0.976

 Pengaruh tidak langsung eksogen dan endogen

Pengaruh tidak langsung X1 terhadap X3 = P21P32 = (0.925)(0.364)
= 0.336

56
 Pengaruh tidak langsung X1 Terhadap Y = P21PY2 + P31PY3 +
P21P32PY3 = (0.925)(0.369)+(0.627)(0.044)+(0.925)(0.364)(0.044)
= 0.384
Standardized Indirect Effects of X on Y

X1
--------
X2 - -
X3 0.336
Y 0.384

 Pengaruh total endogen dan endogen

Pengaruh total X2 terhadap X3 = P32 = 0.364
Pengaruh total X2 terhadap Y = PY2 + P32PY3 = 0.369 +
(0.364)(0.044) = 0.386
Pengaruh total X3 terhadap Y = PY3 = 0.044
Standardized Total Effects of Y on Y

X2 X3 Y
-------- -------- --------
X2 - - - - - -
X3 0.364 - - - -
Y 0.386 0.044 - -

 Pengaruh tidak langsung endogen dan endogen

Pengaruh tidak langsung X2 terhadap Y = (0.364)(0.044) = 0.016

Standardized Indirect Effects of Y on Y

X2 X3 Y
-------- -------- --------
X2 - - - - - -
X3 - - - - - -
Y 0.016 - - - -

57
 Daftar Pustaka

1. Satistical Techniques in Business and Economics by Douglas A. lind, William

G. Marchal and Samuel A. Wathen. Penerbit: MC Graw-Hill Irwin. Edisi
ketujuh
2. Statistika untuk Ekonomi dan Keuangan Modern. Edisi 3 buku 2 by Suharyadi
dan Purwanto S.K. Penerbit: Salemba Empat.

58
LAMPIRAN 1. Data praktikum bab 1-3

Data Ordinal Variabel Iklan Media Cetak (IMC)

No.
Responden 1 2 3 4 5 6 7 8 9 IMC
1 4 4 4 4 4 4 4 4 2 34
2 4 4 4 3 4 4 4 4 4 35
3 2 3 2 4 4 4 3 3 4 29
4 4 4 4 4 4 4 4 4 3 35
5 4 4 4 5 4 4 5 4 5 39
6 5 4 4 4 5 5 4 5 5 41
7 4 4 3 4 4 3 4 4 5 35
8 3 2 4 4 5 5 4 4 4 35
9 4 4 4 1 3 3 3 3 3 28
10 5 5 5 5 5 5 5 4 5 44
11 4 4 4 4 4 4 4 5 4 37
12 5 5 5 3 4 4 4 3 3 36
13 5 5 5 5 5 5 5 3 3 41
14 4 4 4 4 4 4 4 5 4 37
15 4 4 4 4 4 4 4 4 4 36
16 4 5 4 5 4 5 5 4 5 41
17 4 5 4 2 4 4 4 4 4 35
18 4 3 4 2 4 4 5 4 4 34
19 4 5 5 3 4 3 4 5 5 38
20 5 5 5 5 5 4 4 5 5 43
21 4 4 4 4 4 5 4 4 4 37
22 5 4 4 4 4 4 4 4 4 37
23 4 4 4 2 4 4 4 4 4 34
24 4 3 3 2 2 4 4 3 3 28
25 3 2 3 3 3 3 4 3 3 27
26 3 4 4 3 4 3 4 4 3 32
27 2 3 3 4 3 3 4 3 3 28
28 5 4 4 4 4 4 5 4 3 37
29 4 4 4 4 3 3 5 2 2 31
30 5 5 4 4 4 5 5 3 4 39
31 4 4 4 3 4 4 2 4 4 33
32 2 4 2 2 4 4 4 4 4 30
33 4 4 4 4 4 4 4 4 4 36
34 4 4 4 4 4 4 4 4 4 36
35 4 4 4 4 4 4 4 4 4 36
36 5 4 4 4 5 4 4 4 4 38
37 4 4 4 4 4 4 4 4 4 36

59
38 5 5 5 5 5 5 5 4 4 43
39 4 4 4 2 4 2 5 4 4 33
40 4 4 5 2 4 4 4 5 4 36
41 5 3 3 3 3 3 3 3 3 29
42 4 4 4 4 3 3 3 4 3 32
43 5 5 5 5 5 5 5 5 5 45
44 4 4 4 4 4 4 4 4 5 37
45 5 2 2 2 4 2 2 2 2 23
46 4 3 4 4 3 4 4 4 4 34
47 5 5 5 5 5 5 5 5 5 45
48 4 4 4 4 4 5 4 5 4 38
49 5 5 5 5 5 5 5 5 5 45
50 3 4 4 5 4 5 4 5 3 37
51 5 4 4 5 5 3 3 5 3 37
52 4 5 5 4 5 3 4 5 4 39
53 4 4 5 4 5 5 4 4 5 40
54 4 4 5 4 5 4 4 4 4 38
55 5 4 4 4 5 5 5 5 4 41
56 4 5 5 4 5 4 4 4 4 39
57 3 5 4 4 4 4 4 4 3 35
58 4 5 5 4 5 4 4 4 4 39
59 4 4 3 4 4 5 2 4 3 33
60 5 5 4 4 4 5 3 4 3 37
61 5 4 4 4 5 5 5 5 4 41
62 4 4 4 5 4 4 4 4 4 37
63 4 4 3 3 4 4 3 4 5 34
64 5 5 5 4 3 5 4 3 3 37
65 4 4 4 4 4 5 5 4 5 39
66 4 4 5 5 5 5 4 5 4 41
67 3 4 4 4 4 4 4 5 4 36
68 4 4 4 4 4 5 4 5 4 38
69 4 4 5 4 4 5 5 5 4 40
70 4 4 5 5 4 5 4 5 5 41
71 4 3 4 4 4 4 4 5 4 36
72 3 5 5 4 5 4 4 4 4 38
73 4 3 4 2 4 4 4 4 3 32
74 3 4 5 4 4 4 3 4 4 35
75 4 4 4 4 4 4 3 3 4 34
76 2 3 3 2 4 4 4 3 3 28
77 4 4 5 4 4 4 4 4 4 37
78 5 4 4 4 5 5 5 5 4 41
79 5 4 5 4 4 5 4 5 4 40
80 4 4 4 4 4 4 4 4 3 35

60
 81 4 4 4 4 4 5 4 4 5 38
82 5 4 5 4 4 5 4 5 4 40
83 5 4 5 4 4 5 4 5 4 40
84 5 4 5 4 5 5 5 4 5 42
85 4 4 4 4 4 4 4 5 4 37
86 4 4 5 4 4 4 5 5 4 39
87 5 5 5 4 5 4 4 5 4 41
88 4 4 4 4 4 5 4 4 4 37
89 3 4 4 4 5 5 5 3 4 37
90 4 4 4 4 3 4 4 4 4 35
91 5 5 5 5 5 5 5 5 5 45
92 4 4 5 5 4 4 4 5 5 40
93 4 4 4 4 4 4 3 3 4 34
94 5 4 4 5 4 4 4 5 4 39
95 4 4 4 4 3 5 3 4 3 34
96 4 3 2 2 3 4 4 4 4 30
97 5 5 5 5 4 5 4 5 5 43
98 4 4 5 4 4 5 4 5 4 39
99 4 4 4 4 4 4 4 4 4 36
100 4 4 4 4 5 4 4 5 4 38
101 5 5 5 5 5 5 5 5 5 45
102 5 4 4 4 5 3 3 4 4 36
103 4 4 5 4 4 3 4 3 4 35
104 4 3 4 4 4 4 4 5 4 36
105 4 3 4 4 4 4 4 4 4 35
106 5 4 4 4 4 5 5 4 4 39
107 4 4 4 2 4 4 2 2 4 30
108 4 4 4 2 4 4 2 4 4 32
109 4 4 4 4 4 4 4 4 4 36
110 4 4 4 4 5 4 4 4 5 38
111 4 4 4 2 4 4 4 4 4 34
112 4 4 4 4 4 4 4 5 5 38
113 5 5 5 4 5 5 5 5 5 44
114 4 5 4 4 3 5 4 5 4 38
115 5 5 5 4 5 5 5 4 5 43
116 4 4 4 3 4 4 3 3 4 33
117 4 4 4 4 4 5 4 4 5 38
118 4 4 4 4 5 5 4 5 4 39
119 5 5 4 4 4 4 4 4 3 37

61
 Daftar Pustaka

Levine, D. M, Szabat, K. A, Stephan, D.F (2013). Business Statistics a First

Course .7th Edition.

Lind, D. A., Marchal William W. G, dan Wathen, S. A. (). Satistical Techniques

in Business and Economics. 7 th Edition. MCGraw-Hill Irwin.

Samah, B. A dan Suandi, T (1999). Statistif for Social Researc with Computer
Aplication. First Edition. Malaysia: Universiti Putra Malaysia.

Suharyadi dan Purwanto S.K (2017). Statistika untuk Ekonomi dan Keuangan
Modern. Edisi 3. Jakarta: Salemba Empat.

62