Modul Aplikasi Komputer Statistik 2019
Modul Aplikasi Komputer Statistik 2019
PRAKTIKUM
MATA KULIAH
APLIKASI
KOMPUTER
STATISTIK
DENGAN SOFTWARE SPSS
Disusun Oleh:
Sutarno, SE, MSi
FAKULTAS EKONOMI
UNIVERSITAS SLAMET RIYADI
SURAKARTA
2018
Kata Pengantar
PENYUSUN
DAFTAR ISI
Halaman
PENDAHULUAN .................................................................................................................. 1 - 8
PENDAHULUAN
POKOK BAHASAN:
GAMBARAN UMUM
PENGUKURAN DATA (Nominal, Odinal, Interval, Rasio)
JENIS ANALISIS DATA (UJI STATISTIK)
APLIKASI STATISTIK BERBASIS KOMPUTER
GAMBARAN UMUM
Penggunaan alat analisis dalam penelitian ilmiah hingga saat ini masih didominasi
oleh alat-alat kuantitatif berbasis statistik. Sebagian besar peneliti yakin bahwa alat ini
dapat memberikan hasil atau informasi yang memuaskan. Dalam penelitian bidang
ekonomi banyak studi yang membutuhkan dukungan statistik untuk menjawab
permasalahan penelitian. Oleh karena itu pemahaman tentang model dan uji statistik
menjadi sama pentingnya dengan ilmu ekonomi itu sendiri. Kesalahan pemilihan
model dan uji statistik berarti data (input) diproses dengan alat yang salah sehingga
kesimpulan jawaban permasalah penelititan juga salah. Jadi kesalahan pemilihan
model dan uji statistik akan memberikan informasi yang menyesatkanbagi pengambil
keputusan.
Tidak ada satu model atau uji statistik yang dapat digunakan untuk menjawab seluruh
permasalahan penelitian, sehingga peneliti harus ekstra hati-hati terhadap pemilihan
model dan uji statistik agar tidak terjadi kekeliruan alat analisis. Kekeliruan pemilihan
model dan alat analisis disebabkan oleh beberapa faktor, diantaranya:
Terdapat banyak model dan uji statistik yang masing-masing didisain untuk
menjawab permasalahan yang berbeda atau dengan ukuran data (variabel) yang
berbeda.
Konsekuensi poin pertama, menuntut setiap peneliti untuk menguasai berbagai
jenis alat statistik agar tidak keliru dalam memilih alat statistik.
Peneliti mengabaikan pelanggaran asumsi penggunaan model (biasanya dalam
statistik parametrik).
PENGUKURAN DATA
Setiap penelitian selalu menggunakan data sebagai input dari proses penelitian
tersebut, yang selanjutnya akan diolah menggunakan alat/model statistik tertentu
untuk memperoleh hasil penelitian. Pemilihan model/alat statistik dipengaruhi oleh
pengukuran data yang digunakan dalam penelitian tersebut. Terdapat 4 kategori
pengukuran data yang dipengaruhi oleh karakteristik dasar dari data tersebut, yaitu:
1. Urutan angka, di mana angka yang satu lebih dari, kurang dari, atau sama dengan
angka yang lain.
2. Perbedaan jarak antar angka
2
SKALA:
Pearson
Product Hubungan kontinyu secara linear
Moment
Correlation Data non linear (var. terikat non
Ratio (eta) metrik dan var. bebas metrik)
INTERVAL & Satu variabel kontinyu dan satu
Biserial
RASIO variabel dikotomi
Bivariate
Prediksi satu variabel dari skor
Linear
variabel lainnya
Regression
Partial Hub. Dua variabel: mengeluarkan
Correlation efek korelasi dari variabel lainnya
Didasarkan pada concordant-
Gamma
disconcordant (P – Q)
Didasarkan P –Q: penyesuaian
Kendall’s tau-b
untuk tied rank
Didasarkan P –Q: penyesuaian
ORDINAL Kendall’s tau-c
untuk dimensi tabel
Didasarkan P –Q: perluasan
Somer’s d
gamma secara asimetrik
Spearman’s Korelasi Product Moment untuk
rho data berurutan (time series)
Phi 2: tabel 2 X 2
2: penyesuaian bila dimensi
Cramer’s V
suatu tabel lebih dari dua
Contingency 2:fleksibel terhadap asumsi
Coefficient distribusi dan data
Interpretasi berdasarkan PRE
NOMINAL Lambda
(proporsional reduction in error)
Goodman & Didasarkan pada PRE dengan
Kruskal’s tau menggunakan marjinal tabel
Uncertainty Berguna untuk tabel-tabel
Coefficient multidimensional
Mengukur kesepakatan
Kappa
(agreement)
6
Keterangan:
Beberapa hal yang perlu diketahui dalam pemilihan metode statistik untuk
menanalisis data penelitian adalah:
1. Skala pengukuran dari data (NOMINAL, ORDINAL, INTERVAL DAN RASIO).
2. Asumsi distribusi populasi di mana sampel diambil (Asumsi model populasi
dengan distribusi normal baik UNIVARIAT, BIVARIAT DAN MULTIVARIAT
ditujukan pada data berskala pengukuran INTERVAL DAN RASIO yang akan
menggunakan metode statistik parametrik. Sedang data skala ORDINAL &
NOMINAL menggunakan statistik non parametrik).
7
Secara lebih jelas keterkaitan antara tujuan studi dengan metode analisis dapat
digambarkan sebagai berikut:
Eksplorasi
STATISTIK DESKRIPTIF
Tujuan studi Deskrptif
Uji Perbedaan
Uji hipotesis Korelasi
Uji Hubungan
Sebab akibat
STATISTIK KOMPUTER
KEPUTUSAN
SPSS (Statistical Product for Service Solutions) dahulu “Statistical Packedge – for
Social Sciences”. Merupakan suatu software yang berfungsi untuk menganalisis data,
melakukan perhitungan statistik baik untuk statistik parametrik maupun non
parametrik dengan basis windows. SPSS terus mengalami perkembangan dari yang
semula under DOS dan berubah menjadi under Windows dan populer hingga
berkembang menjadi beberapa versi. Penggunaan SPSS sangat popular karena
memiliki keunggulan diantaranya:
Bentuk Pemaparan yang Baik (grafik dan tabel).
Dinamis (mudah dilakukan perubahan data dan update analisis).
Mudah dihubungkan dengan aplikasi lain (misalnya:ekspor/impor data ke/dari
Excel).
Berdasarkan beberapa keuanggulan tersebut maka modul praktik mata kuliah
aplikasi komputer statistik ini menggunakan software SPSS.
9
BAGIAN 1
DAFTAR PERTANYAAN
I. PETUNJUK PENGISIAN
1. Bp/Ibu/Sdr dimohon memilih salah satu jawaban yang tersedia yang seusai dengan
pendapat masing-masing.
2. Jawaban yang dipilih agar diberi tanda silang (X) pada pernyataan tersebut.
II. INDENTITAS RESPONDEN
1. No. Responden :……………………………….
2. Nama Responden :………………………………
3. Alamat Responden :………………………………
4. Jenis Kelamin :………………………………
III. PERTANYAAN
A. Karakteristik Pekerjaan
1. Seberapa baikkah anda dalam menentukan adanya hubungan antara pekerjaan dengan
sasaran yang hendak dicapai:
a. Sangat baik d. Tidak baik.
b. Baik e. Sangat tidak baik.
c. Netral.
2. Apakah pekerjaan saudara membutuhkan sejumlah keterampilan/keahlian dan bakat yang
anda miliki?
a. Sangat membutuhkan. d. Tidak membutuhkan.
b. Membutuhkan. e. Sangat tidak membutuhkan.
c. Netral.
3. Apakah ada banyak variasi di dalam pekerjaan saudara, sehingga membutuhkan ketelitian
dan keterampilan saudara?
a. Sangat banyak. d. Tidak banyak.
b. Banyak. e. Sangat sedikit.
c. Netral.
10
4. Apakah hasil kerja saudara sangat mempengaruhi tujuan perusahan yang ingin dicapai ?
a. Sangat mempengaruhi. d. Tidak mempengaruhi.
b. Mempengaruhi e. Sangat tidak mempengaruhi.
c. Netral.
5. Apakah pekerjaan itu sendiri mampu memberi petunjuk seberapa besar prestasi kerja anda
selama ini ?
a. Sangat memberi petunjuk. d. Tidak memberi petunjuk.
b. Member petunjuk. e. Sangat tidak memberi petunjuk.
c. Netral.
B. Pertukaran Pemimpin-Karyawan
1. Apakah saudara menghormati pengetahuan dan kompetensi pimpinan saudara di dalam
bekerja ?
a. Sangat menghormati. d. Tidak menghormati.
b. Menghormati e. Sangat tidak menghormati.
c. Netral.
2. Apakah saudara bersedia bekerja demi pimpinan saudara meskipun melebihi deskripsi
pekerjaan saudara ?
a. Sangat bersedia. d. Tidak bersedia.
b. Bersedia. e. Sangat tidak bersedia.
c. Netral.
3. Pimpinan saudara adalah seseorang yang dapat diajak bekerja sama dengan para
karyawannya:
a. Sangat setuju. d. Tidak setuju.
b. Setuju. e. Sangat tidak setuju.
c. Netral.
4. Bagaimana hubungan antara pimpinan dan karyawan di perusahaan saudara?
a. Sangat baik d. Tidak baik.
b. Baik e. Sangat tidak baik.
c. Netral.
5. Apakah pimpinan saudara menghargai pekerjaan saudara ?
a. Sangat menghargai d. Tidak menghargai
b. Menghargai e. Sangat tidak menghargai
c. Netral.
11
C. Kepuasan Kerja
1. Bagaimana tanggapan saudara tentang hasil kerja saudara di perusahaan?
a. Sangat memuaskan. d. Tidak memuaskan.
b. Memuaskan. e. Sangat tidak memuaskan.
c. Netral.
2. Saudara merasa puas bila dapat mengerjakan sesuatu dengan menggunakan kemampuan
sendiri?
a. Sangat setuju. d. Tidak setuju.
b. Setuju. e. Sangat tidak setuju.
c. Netral.
3. Bagaimana tanggapan saudara tentang gaji yang diberikan oleh perusahaan?
a. Sangat memuaskan. d. Tidak memuaskan.
b. Memuaskan. e. Sangat tidak memuaskan.
c. Netral.
4. Apakah perusahaan memberikan kesempatan kepada saudara untuk mengembangkan diri ?
a. Sangat memberikan. d. Tidak memberikan.
b. Memberikan. e. Sangat tidak memberikan.
c. Netral.
5. Perusahaan memberikan penghargaan atas hasil kerja yang telah saudara peroleh,
sehingga hal tersebut dapat memacu semangat kerja:
a. Sangat setuju. d. Tidak setuju.
b. Setuju. e. Sangat tidak setuju.
c. Netral.
Skala yang digunakan dalam penyusunan kuesioner tersebut adalah skala Likert, yaitu skala
yang berisi lima tingkat preferensi jawaban. Nilai dari tiap jawaban tersebut adalah sebagai berikut:
Jawaban a diberi nilai 5
Jawaban b diberi nilai 4
Jawaban c diberi nilai 3
Jawaban d diberi nilai 2
Jawaban e diberi nilai 1
12
Selanjutnya agar dapat dilakukan beberapa uji terhadap data manual tersebut dengan
menggunakan SPSS, maka data tersebut harus dimasukkan dalam data editor program tersebut.
Meng-entri Data Baru, dengan cara:
Aktifkan Program SPSS.
Double –clik pada SPSS(selanjutnya akan muncul tampilan seperti dalam Gambar 5).
15
Gambar 5.
Clik Variable View (tanda panah), sehingga akan muncul tampilan (Gambar 6.)
Gambar 6
Untuk kolom Name, No.1 ketik X11 (Soal 1 untuk variabel Karakteristik Pekerjaan) dan
seterusnya sampai pada No.18 ketik Y (Total jawaban Variabel Kepuasan Kerja).
Sehingga hasilnya akan tampak sebagai berikut (Gambar 7):
16
Gambar 7
Kemudian Clik Data View (tanda panah pada gambar atas), dan isikan data manual
kedalamnya(Gambar 8).
Gambar 8
Isilah tiap kolom (mulai X11) sampai Y, untuk tiap nomor mulai dari 1 – 40 (ingat sampel
penelitian ini 40).
Apabila anda telah memasukkan seluruh data tersebut, hasilnya akan sama dengan tampilan
Bagian1-SPSS Data Editor (Gambar 9), seperti berikut:
17
Gambar 9
Gambar 10
18
Masukkan (Clik tanda panah) indikator konstruk Karakteristik Pekerjaan (X11, X12, X13,
X14, X15) dan skor total Karakteristik Pekerjaan (X1). Sehingga tampilan layar menjadi
(Gambar 11):
Gambar 11
Pilih Correlation Coefisients Pearson.
Clik OK.
Output yang dihasilkan adalah sebagai berikut:
Correlations
Tampilan output SPSS di atas menunjukkan bahwa korelasi antara masing-masing indikator
(X11, X12, X13, X14, X15) terhadap total skor konstruk (X1) menunjukkan hasil yang signifikan (lihat
tanda panah). Jadi dapat disimpulkan bahwa masing-masing indikator pertanyaan adalah valid.
Dengan cara yang sama uji validitas tersebut dapat juga dilakukan terhadap variabel X2
(Pertukaran pimpinan-karyawan) dan variabel Y (Kepuasan kerja), dengan output masing-masing
sebagai berikut:
19
Correlations
Tampilan output SPSS di atas menunjukkan bahwa korelasi antara masing-masing indikator
(X21, X22, X23, X24, X25) terhadap total skor konstruk (X2) menunjukkan hasil yang signifikan. Jadi
dapat disimpulkan bahwa masing-masing indikator pertanyaan adalah valid.
Correlations
y1 y2 y3 y4 y5 y
y1 Pearson Correlation 1 .643** .727** .570** .586** .843**
Sig. (2-tailed) . .000 .000 .000 .000 .000
N 40 40 40 40 40 40
y2 Pearson Correlation .643** 1 .700** .687** .580** .894**
Sig. (2-tailed) .000 . .000 .000 .000 .000
N 40 40 40 40 40 40
y3 Pearson Correlation .727** .700** 1 .547** .494** .843**
Sig. (2-tailed) .000 .000 . .000 .001 .000
N 40 40 40 40 40 40
y4 Pearson Correlation .570** .687** .547** 1 .377* .790**
Sig. (2-tailed) .000 .000 .000 . .017 .000
N 40 40 40 40 40 40
y5 Pearson Correlation .586** .580** .494** .377* 1 .728**
Sig. (2-tailed) .000 .000 .001 .017 . .000
N 40 40 40 40 40 40
y Pearson Correlation .843** .894** .843** .790** .728** 1
Sig. (2-tailed) .000 .000 .000 .000 .000 .
N 40 40 40 40 40 40
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
SPSS Tampilan output di atas menunjukkan bahwa korelasi antara masing-masing indikator (Y1,
Y2, Y3, Y4, Y5) terhadap total skor konstruk (Y) menunjukkan hasil yang signifikan. Jadi dapat
disimpulkan bahwa masing-masing indikator pertanyaan adalah valid.
Uji Reliabilitas dengan SPSS yang akan kita lakukan adalah menggunakan Reliability Analysis
Statistic dengan Cronbach Alpha ( Jika nilai Cronbach Alpha> 0,60 (Nunally,1967) dalam (Ghozali,
2005) dapat dikatakan variabel tersebut reliabel.
Langkah analisis:
Buka file Bagian1-SPSS Data Editor.
Clik Analyze, pilih Scale kemudian pilih submenu Reliability Analysis
Sehingga akan tampak tampilan sebagai berikut (Gambar 12):
Gambar 12
Masukkan indikator X11, X12, X13, X14 dan X15 sebagai indikator X1 (Karakteristik
Pekerjaan) ke dalam kotak Items (Dengan Clik tanda panah), setelah itu pilih model
Alpha.
Clik tombol Statistic, sehingga akan muncul tampilan sebagai berikut (Gambar 13):
Gambar 13
Aktifkan (clik kotak di depan) Item, Scale, Scale if item deleted dan Correlation.
Clik Continue, kemudian Ok.
Output SPSS akan nampak sebagai berikut:
21
Reliability Statistics
Cronbach's
Alpha Based
on
Cronbach's Standardized
Alpha Items N of Items
.932 .934 5
Item-Total Statistics
Tampilan output SPSS tersebut menunjukkan bahwa variabel karekteristik pekerjaan (X1) memiliki
nilai Cronbach Alpha 93,4% yang menurut kriteria Nunnally (1967) dapat dikatakan reliabel.
Dengan cara yang sama uji reliabilitas tersebut dapat juga dilakukan terhadap variabel X2
(Pertukaran pimpinan-karyawan) dan variabel Y (Kepuasan kerja), dengan output masing-masing
sebagai berikut:
Reliability Statistics
Cronbach's
Alpha Based
on
Cronbach's Standardized
Alpha Items N of Items
.864 .866 5
Item-Total Statistics
Cronbach's
Alpha Based
on
Cronbach's Standardized
Alpha Items N of Items
.875 .879 5
y1 y2 y3 y4 y5
y1 1.000 .643 .727 .570 .586
y2 .643 1.000 .700 .687 .580
y3 .727 .700 1.000 .547 .494
y4 .570 .687 .547 1.000 .377
y5 .586 .580 .494 .377 1.000
The covariance matrix is calculated and used in the analysis.
Item-Total Statistics
Tampilan output SPSS tersebut menunjukkan bahwa variabel kepuasan kerja (y) memiliki nilai
Cronbach Alpha 87,9% yang menurut kriteria Nunnally (1967) dapat dikatakan reliabel.
Kesimpulannya kuesioner yang digunakan dalam penelitian tersebut telah lolos uji reliabilitas dan
validitas, sehingga data yang diperoleh layak untuk dianalisis lebih lanjut.
23
BAGIAN 2
Gambar 14
Masukkan Status Pegawai sebagai nama variabel pertama dan Sikap Penolakan
sebagai variabel kedua.
Clik tombol di pojok kanan pada kolom value untuk variabel Status Pegawai,
Isikan nilai 1 di kotak value dan ketik Staf pada kotak value label, kemudian tekan
tombol Add. Lanjutkan dengan mengisi nilai 2 di kotak value dan ketik Struktural
pada kotak value label sehingga akan muncul tampilan seperti terlihat pada
Gambar 14.
Kemudian masukkan data seperti tampilan pada Gambar 15.
Gambar 15
Setelah selesai memasukkan data kemudian clik Analyze, pilih Compare
Means kemudian pilih submenu Independen-Sample T Test.
Sehingga akan tampak tampilan seperti Gambar 16
25
Gambar 16
Masukkan # Sikap Penolakan ke kotak Test Variable dan # Status Pegawai ke
kotak Grouping Variable. Kemudian tekan tombol Define Groups. Ketik nilai 1
untuk kotak Groups 1 dan nilai 2 untuk kotak Groups 2. Sehingga akan
tampak tampilan seperti Gambar 17
Kemudian klik Continue dan kemudian klik OK.
Gambar 17
Output yang dihasilkan adalah sebagai berikut:
T-Test
Group Statistics
Std. Error
StatusPegawai N Mean Std. Deviation Mean
SikapPenolakan Staf 45 73.49 8.231 1.227
Struktural 23 56.30 9.669 2.016
26
Tampilan output SPSS di atas terdiri dari dua tabel. Pada tabel Group
Statistics menunjukkan bahwa rata-rata sikap penolakan pegawai staf sebesar
73.49 lebih tinggi dari rata-rata sikap penolakan pegawai struktural yang sebesar
56,30. Sedangkan interpretasi tabel Independen Samples Test ada 2 tahap.
- Menguji apakah varian kedua sampel sama dengan menggunakan Levene”s
Test.
- Berdasarkan hasil pada uji varian, akan diuji apakah sikap penolakan pegawai
staf sama dengan sikap penolakan pegawai struktural. Digunakan uji t untuk
keperluan ini.
Pengujian varian dua sampel
- H0 = Kedua sampel mempunyai varian yang sama.
- Ha = Kedua sampel mempunyai varian yang berbeda
Pengambilan keputusan:
Jika nilai probabilitas pada F hitung > 0,05, maka H0 diterima.
Jika nilai probabilitas pada F hitung < 0,05, maka H0 ditolak
Melihat nilai probabilitasnya sebesar 0,370 (>0,05) maka H0 diterima, artinya varian
kedua sampel sama.
Pengujian rata-rata dua sampel:
Oleh karena sampel mempunyai varian yang sama, maka pengujian terhadap nilai
rata-rata sebaiknya menggunakan dasar equal variance assumed (diasumsikan
kedua sampel mempunyai varian yang sama). Jadi pada tabel output Independen
Samples Test yang dibaca adalah baris atas.
Hipotesis
- H0 = Rata-rata sikap penolakan terhadap perubahan adalah sama.
- Ha = Rata-rata sikap penolakan terhadap perubahan adalah tidak sama
Pengambilan keputusan:
Jika nilai probabilitasnya > 0,05, maka H0 diterima.
Jika nilai probabilitasnya < 0,05, maka H0 ditolak
Melihat nilai probabilitasnya sebesar 0,000 (< 0,05) maka H0 ditolak, artinya rata-
rata sikap penolakan pegawai staf adalah tidak sama atau berbeda secara signifikan
dengan rata-rata sikap penolakan pegawai struktural.
27
Sebelum Sesudah
78 86
77 88
65 84
82 86
88 89
86 90
79 77
77 77
80 86
95 99
Gambar 18
Masukkan kata Sebelum sebagai nama variabel pertama dan Sesudah sebagai
nama variabel kedua.
Isi kolom label pada variabel pertama dengan “Sebelum pelatihan” dan “Sesudah
pelatihan” kolom label pada variabel kedua, sehingga akan muncul tampilan
seperti terlihat pada Gambar 18.
Kemudian masukkan data seperti tampilan pada Gambar 19.
28
Gambar 19
Setelah selesai memasukkan data kemudian clik Analyze, pilih Compare
Means kemudian pilih submenu Paired-Sample T Test. Sehingga akan
tampak tampilan seperti Gambar 20
Gambar 20
Gambar 21
Output yang dihasilkan adalah sebagai berikut:
T-Test
Paired Samples Statistics
Std. Error
Mean N Std. Deviation Mean
Pair Sebelum pelatihan 80.7000 10 7.97287 2.52124
1 Setelah pelatihan 86.2000 10 6.35610 2.00998
N Correlation Sig.
Pair Sebelum pelatihan
10 .661 .037
1 & Setelah pelatihan
Paired Differences
95% Confidence
Interval of the
Std. Error Difference
Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed)
Pair Sebelum pelatihan
-5.50000 6.07819 1.92209 -9.84808 -1.15192 -2.861 9 .019
1 - Setelah pelatihan
Hipotesis
- H0 = Produktivitas kerja sebelum dan sesudah pelatihan adalah sama.
- Ha = Produktivitas kerja sebelum dan sesudah pelatihan adalah berbeda.
Pengambilan keputusan:
Jika nilai probabilitasnya > 0,05, maka H0 diterima.
Jika nilai probabilitasnya < 0,05, maka H0 ditolak
Melihat nilai probabilitasnya sebesar 0,019 (< 0,05) maka H0 ditolak, artinya
Produktivitas kerja sebelum dan sesudah pelatihan adalah berbeda. Atau bias
juga dikatakan produktivitas kerja terbukti meningkat sesudah pelatihan.
Gambar 22
Masukkan kata Struktural sebagai nama variabel pertama dan Sumber
Penolakan sebagai variabel kedua..
Clik tombol di pojok kanan pada kolom value untuk variabel Sumber Penolakan,
Isikan nilai 1 di kotak value dan ketik Berkurangnya Penghasilan pada kotak
value label, kemudian tekan tombol Add. Lanjutkan dengan mengisi nilai 2 di
kotak value dan ketik Ketidakmampuan dalam melaksanakan tugas baru pada
kotak value label kemudian tekan tombol Add. Isikan nilai 3 di kotak value dan
ketik Penyampaian informasi yang kurang utuh pada kotak value label
kemudian tekan tombol Add. Isikan nilai 4 di kotak value dan ketik Ketenangan
pekerjaan terganggu pada kotak value label sehingga akan muncul tampilan
seperti terlihat pada Gambar 22.
Kemudian masukkan data seperti tampilan pada Gambar 23
.
Gambar 23
Setelah selesai memasukkan data kemudian clik Analyze, pilih Compare
Means kemudian pilih submenu One-Way ANOVA. Sehingga akan tampak
tampilan seperti Gambar 24
32
Gambar 24
Gambar 25
Output yang dihasilkan adalah sebagai berikut:
33
Oneway
Descriptives
Struktural
95% Confidence Interval for
Mean
N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum
Berkurangnya
23 17.70 2.961 .617 16.42 18.98 13 24
Penghasilan
Ketidakmampuan
dalam melaksanakan 23 18.91 3.463 .722 17.42 20.41 13 23
tugas baru
Penyampaian informasi
23 18.43 2.997 .625 17.14 19.73 13 22
yang kurang utuh
Ketenangan pekerjaan
23 18.83 3.353 .699 17.38 20.28 11 23
terganggu
Total 92 18.47 3.185 .332 17.81 19.13 11 24
Struktural
Levene
Statistic df1 df2 Sig.
.497 3 88 .685
ANOVA
Struktural
Sum of
Squares df Mean Square F Sig.
Between Groups 21.250 3 7.083 .691 .560
Within Groups 901.652 88 10.246
Total 922.902 91
Hipotesis:
- H0 = Keempat populasi mempunyai varian yang sama.
- Ha = Keempat populasi mempunyai varian yang berbeda
Pengambilan keputusan:
Jika nilai probabilitasnya > 0,05, maka H0 diterima.
Jika nilai probabilitasnya < 0,05, maka H0 ditolak
Melihat pada kolom Test of Homogeneity of variances nilai probabilitasnya
sebesar 0,685 (> 0,05) maka H0 diterima, artinya keempat populasi mempunyai
varian yang sama.
- Tabel ANOVA
34
Gambar 26
35
Masukkan kata Beras sebagai nama variabel pertama dan Frekuensi sebagai
variabel kedua..
Clik tombol di pojok kanan pada kolom value untuk variabel Beras, Isikan nilai 1
di kotak value dan ketik DELANGGU pada kotak value label, kemudian tekan
tombol Add. Lanjutkan dengan mengisi nilai 2 di kotak value dan ketik MENTHIK
pada kotak value label kemudian tekan tombol Add. Isikan nilai 3 di kotak value
dan ketik ROJO LELE pada kotak value label kemudian tekan tombol Add. Isikan
nilai 4 di kotak value dan ketik IR 64 pada kotak value label sehingga akan
muncul tampilan seperti terlihat pada Gambar 26.
Kemudian masukkan data seperti tampilan pada Gambar 27
Gambar 27
Gambar 28
36
Gambar 29
Output yang dihasilkan adalah sebagai berikut:
NPar Tests
Chi-Square Test
Frequencies
frekuensi
Test Statistics
frekuensi
Chi-Squarea 2.960
df 3
Asymp. Sig. .398
a. 0 cells (.0%) have expected frequencies less than
5. The minimum expected cell frequency is 125.0.
BAGIAN 3
A. Korelasi Pearson
Untuk menguji hubungan antar variabel dengan data yang berskala metrik
(Interval dan rasio).
Contoh: Sebuah penelitian ingin menguji hubungan antara karakteristik
pekerjaan dengan kepuasan kerja karyawan. Data yang digunakan adalah
sebagai berikut:
No. Responden Karakteristik Pekerjaan Kepuasan Kerja
1 15 17
2 25 25
3 21 18
4 23 25
5 15 15
6 13 15
7 12 14
8 24 25
9 25 25
10 23 22
11 18 19
12 18 20
13 15 21
14 25 22
15 17 25
16 25 23
17 20 24
18 25 23
19 25 21
20 23 18
Gambar 30
38
Masukkan kata Karakteristik Pekerjaan sebagai nama variabel pertama dan Kepuasan Kerja
sebagai variabel kedua. Ketik nama yang sama pada kolom Label sehingga akan muncul tampilan
seperti terlihat pada Gambar 30.
Kemudian masukkan data seperti tampilan pada Gambar 31
Gambar 31
Setelah selesai memasukkan data kemudian clik Analyze, pilih Correlate kemudian pilih
submenu Bivariate. Sehingga akan tampak tampilan seperti Gambar 32
Gambar 32
Pindahkan # Karakteristik Pekerjaan dan # Kepuasan Kerja ke ke kolom Variables. Pada
pada bagian Correlation Coefficients pilih Pearson (biasanya otomatis) seperti tampak pada
Gambar 33. Selanjutnya klik OK.
39
Gambar 33
Output yang dihasilkan adalah sebagai berikut:
Correlations
Correlations
Karakteristik Kepuasan
Pekerjaan Kerja
Karakteristik Pekerjaan Pearson Correlation 1 .709**
Sig. (2-tailed) . .000
N 20 20
Kepuasan Kerja Pearson Correlation .709** 1
Sig. (2-tailed) .000 .
N 20 20
**. Correlation is significant at the 0.01 level (2-tailed).
Gambar 34
Masukkan kata Pendapatan sebagai nama variabel pertama dan Perilaku Belanja sebagai
variabel kedua. Ketik nama yang sama pada kolom Label.
Clik tombol di pojok kanan pada kolom value untuk variabel Pendapatan, Isikan nilai 1 di kotak
value dan ketik Tinggi pada kotak value label, kemudian tekan tombol Add. Lanjutkan dengan
mengisi nilai 2 di kotak value dan ketik Sedang pada kotak value label kemudian tekan tombol Add.
Isikan nilai 3 di kotak value dan ketik Rendah pada kotak value label sehingga akan muncul
tampilan seperti terlihat pada Gambar 34.
Lakukan hal yang sama pada kolom value untuk variabel Perilaku Belanja, Isikan nilai 1 di kotak
value dan ketik Supermarket pada kotak value label, kemudian tekan tombol Add. Lanjutkan
dengan mengisi nilai 2 di kotak value dan ketik Pasar Tradisional pada kotak value label sehingga
akan muncul tampilan seperti terlihat pada Gambar 35.
41
Gambar 35
Gambar 36
Setelah selesai memasukkan data kemudian clik Analyze, pilih Descriptive Statistics kemudian
pilih submenu Crosstabs. Sehingga akan tampak tampilan seperti Gambar 37
42
Gambar 37
Pindahkan # Pendapatan ke kotak Row(s) dan # Perilaku Belanja ke ke kotak Columns (s).
Kemudian klik tombol Statististics dan aktifkan Chi-square seperti tampak pada Gambar 38.
Selanjutnya klik Continue lalu OK
Gambar 38
Output yang dihasilkan adalah sebagai berikut:
Crosstabs
43
Cases
Valid Missing Total
N Percent N Percent N Percent
Pendapatan *
15 100.0% 0 .0% 15 100.0%
Perilaku Belanja
Count
Perilaku Belanja
Pasar
Supermarket Tradisional Total
Pendapatan Tinggi 3 0 3
Sedang 3 3 6
Rendah 0 6 6
Total 6 9 15
Chi-Square Tests
Asymp. Sig.
Value df (2-sided)
Pearson Chi-Square 8.750a 2 .013
Likelihood Ratio 11.873 2 .003
Linear-by-Linear
8.167 1 .004
Association
N of Valid Cases 15
a. 6 cells (100.0%) have expected count less than 5. The
minimum expected count is 1.20.
BAGIAN 4
Langkah Analisis:
Buka file Bagian1-SPSS Data Editor.
Clik menu Analyze, kemudian submenu Regression, lalu pilih (Clik) Linear. Sehingga akan
muncul tampilan di layar monitor seperti (Gambar 39):
Gambar 39
Masukkan y ke kotak Dependent, dengan Clik pada kotak bertanda panah (no. 1).
Sedangkan x1 dan x2 ke kotak Independent (bertanda panah (no. 2)). Sehingga
akan muncul tampilan sebagai berikut (Gambar 40):
46
Gambar 40
Selanjutnya Clik OK.
Variables Variables
Model Entered Removed Method
1 x2, x1a . Enter
a. All requested variables entered.
b. Dependent Variable: y
Model Summary
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 348.153 2 174.076 45.439 .000 a
Residual 141.747 37 3.831
Total 489.900 39
a. Predictors: (Constant), x2, x1
b. Dependent Variable: y
47
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) .133 2.168 .061 .951
x1 .391 .075 .476 5.246 .000
x2 .610 .092 .599 6.601 .000
a. Dependent Variable: y
Ingat! Dalam hal ini kita menggunakan model regresi linear klasik dengan teknik OLS,
sehingga sebelum kita menginterpretasikan output SPSS kita lakukan uji asumsi klasik
terhadap model tersebut terlebih dahulu.
Uji Multikolinearitas
Salah satu cara untuk melihat ada-tidaknya multikolinearitas, dapat kita lihat dari nilai tolerance
dan nilai variance inflation factor (VIF). Ketentuannya adalah,apabila nilai tolerance variabel independen
kurang dari 0,10 dan nilai VIF lebih dari 10, dapat dikatakan terjadi multikolinearitas. Sebaliknya apabila
nilai tolerance variabel independen lebih dari 0,10 dan nilai VIF kurang dari 10, dapat dikatakan tidak
terjadi multikolinearitas.Jika terjadi multikolinearitas berarti tidak lolos uji tersebut.
Langkah Analisis:
Editor. Buka file Bagian1-SPSS Data Editor
Clik menu Analyze, kemudian submenu Regression, lalu pilih (Clik) Linear.
Masukkan y ke kotak Dependent, sedangkan x1 dan x2 ke kotak Independent.
Untuk menampilkan matrik korelasi dan nilai tolerance serta VIF, Clik Statistics,
sesuai dengan tanda panah dalam tanpilan berikut (Gambar 41):
Gambar 41
Setelah di Clik Statistics, maka tampilan layar monitor akan menjadi sebagai berikut
(Gambar 42):
48
Gambar 42
Gambar 43
Kemudian Clik OK.
Tampilan Ouput SPSS berikutnya adalah sebagai berikut:
Coefficient Correlationsa
Model x2 x1
1 Correlations x2 1.000 -.221
x1 -.221 1.000
Covariances x2 .009 -.002
x1 -.002 .006
a. Dependent Variable: y
49
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) .133 2.168 .061 .951
x1 .391 .075 .476 5.246 .000 .951 1.052
x2 .610 .092 .599 6.601 .000 .951 1.052
a. Dependent Variable: y
Uji Autokorelasi
Salah satu cara untuk mendeteksi autokorelasi adalah dengan menggunakan Run Test, yaitu
untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat
hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Jadi pengujiannya adalah:
H0: residual (res_1) random
HA: residual (res_1) tidak random
Langkah Menampilkan Nilai Residual:
Buka file Bagian1-SPSS Data Editor.(Karena dalam data tersebut belum ada data residual maka
harus ditampilkan dengan mengikuti langkah sebagai berikut:
Clik menu Analyze, kemudian submenu Regression, lalu pilih (Clik) Linear.
Masukkan y ke kotak Dependent, sedangkan x1 dan x2 ke kotak Independent.
Clik Statistics (Sesuai tanda panah dalam tampilan berikut ini (Gambar 44):
Gambar 44
50
Kemudian non aktifkan semua tanda selain Estimates. Selanjutnya Clik Continue
(Seperti dalam Gambar 45).
Gambar 45
Clik Save, kemudian akan muncul tampilan sebagai berikut (Gambar 46):
Gambar 46
Aktifkan Residual Unstandardized (Sesuai tanda panah dalam Gambar 46).
Kemudian Clik Continue
Setelah tampilan layar kembali ke semula, kemudian Clik OK..
Nilai residual (RES_1), akan muncul seperti tampilan berikut (Gambar 47):
51
Gambar 47
Langkah Analisis:
Click Analyze, kemudian Non-parametric Test, pilih Runs. Sehingga tampilan layar monitor akan
tampak sebagai berikut (Gambar 48):
Gambar 48
Masukkan Unstandardized Residual (RES_1) ke kotak Test Variable List (Dengan meng-Clik
tanda panah).
Pilih Cut point Median.
Clik OK.
Tampilan output SPSS terlihat sebagi berikut:
52
Ru ns T est
Unstandardiz
ed Resi dual
Test Valuea -.16531
Cases < Test Value 19
Cases >= Test Value 21
Total Cases 40
Number of Runs 21
Z .000
Asymp. Sig. (2-tailed) 1.000
a. Median
Hasil output SPSS menunjukkan keadaan yang tidak signifikan (lihat tanda panah), hal ini berarti
residual adalah random atau tidak terjadi autokorelasi.
Uji Heteroskedastisitas
Model regresi yang baik adalah yang Homoskesdastisitas atau tidak terjadi Heteroskedastisitas.
Uji heteroskedastisitas yang digunakan dalam modul ini adalah Uji Glejser, persamaan yang digunakan
adalah: U tI = + Xt + vt
Langkah Analisis:
Buka file Bagian1-SPSS Data Editor. Kita harus tampilkan nilai Absolut dari RES_1.
Absolutkan nilai RES_1 dengan cara Clik menu Transform, kemudian Clik submenu Compute
(Seperti tanda panah dalam Gambar 49).
Gambar 49
Pada kotak Target Variable ketik (isikan) ABSRES_1, sedang pada kotak Numeric expression
pilih fungsi ABS (Variabel) dan isikan menjadi ABS(RES_1) Sesuai dengan Gambar 50. Abaikan
perintah yang lain dan Clik OK
53
Gambar 50
Nilai Absolut dari Res_1 kemudian akan muncul seperti terlihat pada Gambar 51.
Gambar 51
Setelah itu kita lakukan regres dengan Clik Analyze, kemudian pilih Regression dan Linear. Isikan kotak
variabel dependen dengan ABSRes_1 dan variabell independen dengan X1 dan X2, seperti tampak
pada Gambar 52.
54
Gambar 52
Clik Save, dan non aktifkan Unstandardized Residuals. Kemudian Clik Continue.
Clik OK.
Tampilan output SPSS akan terlihat sebagai berikut:
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 2.871 1.442 1.991 .054
x1 .007 .050 .023 .140 .890
x2 -.079 .061 -.212 -1.285 .207
a. Dependent Variable: ABSRes_1
Terlihat bahwa P.Value (sig) dari variabel x1 dan x2 tidak ada yang signifikan, hal ini berarti tidak
terjadi Heteroskedastisitas (atau dapat dikatakan model regresi telah lolos uji heteroskedastisitas).
Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penganggu atau
residual memiliki distribusi normal. Uji nomalitas dalam modul ini menggunakan uji statistik, walaupun
ada uji lain yang dapat digunakan yaitu uji grafik yang terkadang sulit dibaca hasilnya.
Salah satu Uji statistik yang dapat digunakan dalam uji normalitas adalah uji statistik non-parametrik
Kolmogorov-Smirnov test (K-S).
Uji K-S dilakukan dengan membuat hipotesis:
Ho: Data residual berdistribusi normal
55
Buka file Bagian1-SPSS Data Editor. Clik Analyze, kemudian pilih menu Non-parametric Test,
lalu pilih submenu I-Sample K-S. Sehingga akan muncul tampilan Gambar 53.
Gambar 53
Pada kotak Test Variable List, isikan variabel RES_1, lalu aktifkan Test Distribution di depan
kotak Normal. Seperti tampak pada tampilan layar Gambar 53.
Kemudian, Clik OK.
Tampilan output SPSS akan tampak sebagai berikut:
Unstandardiz
ed Residual
N 40
Normal Parameters a,b Mean .0000000
Std. Deviation 1.90644701
Most Extreme Absolute .114
Differences Positive .092
Negative -.114
Kolmogorov-Smirnov Z .720
Asymp. Sig. (2-tailed) .677
a. Test distribution is Normal.
b. Calculated from data.
Besarnya nilai Kolmogorov- Smirnov adalah 0,720 dan menunjukkan keadaan yang tidak signifikan (lihat
tanda panah). Hal ini berarti Ho diterima, yang artinya bahwa data residual berdistribusi normal (Model
ini lolos uji Normalitas).
56
Model regresi yang kita gunakan ternyata telah lolos uji asumsi klasik, sehingga sekarang kita
dapat melakukan interpretasi hasil output SPSS yang sebelumnya kita tunda. Kita lihat kembali hasil
output SPSS yang telah kita tampilkan sebelumnya.
Model Summary
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 348.153 2 174.076 45.439 .000 a
Residual 141.747 37 3.831
Total 489.900 39
a. Predictors: (Constant), x2, x1
b. Dependent Variable: y
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) .133 2.168 .061 .951
x1 .391 .075 .476 5.246 .000
x2 .610 .092 .599 6.601 .000
a. Dependent Variable: y
Hasil komputasi dengan menggunakan software SPSS versi 12 menunjukkan bahwa koefisien
determinasi (Adjusted R2) untuk model ini adalah sebesar 0,695 (dibulatkan menjadi 0,70). Artinya, 70%
variasi variabel dependen mampu dijelaskan oleh variasi himpunan variabel independen dalam model
tersebut. Sisanya, 30% diterangkan oleh variabel lain di luar model, yang terangkum dalam kesalahan
random.
Hasil perhitungan tabel ANOVA menunjukkan bahwa model regresi ini memiliki nilai F hitung
45,439 yang signifikan berdasarkan p.value sebesar 0,000 (taraf 1%). Maka H0 yang menyatakan
bahwa semua variabel independen yang dimasukkan dalam model tidak mempunyai pengaruh secara
bersama-sama terhadap variabel dependen dapat ditolak. Artinya, terbukti bahwa semua variabel
independen secara simultan mampu menjelaskan variabel dependen.
Hasil uji signifikansi secara individual, sebagaimana terlihat dari nilai statistik t, memperlihatkan
bahwa dua variabel independen tersebut kesemuanya berpengaruh secara signifikan. Hal ini terlihat dari
nilai statistik variabel x1 dan x2 signifikan berdasarkan p.value 0,000 (taraf 1%). Karena signifikan
berarti tanda memiliki arti. Tanda positif pada koefisien regresi x1 dan x2 memiliki arti bahwa: apabila x1
(karakteristik pekerjaan) meningkat maka y (kepuasan kerja) akan meningkat. Kemudian apabila x2
(pertukaran pimpinan karyawan) meningkat maka y (kepuasan kerja) akan meningkat.
Berdasarkan hasil analisis dapat diperoleh persamaan linear berganda sebagai berikut:
Y = 0,133 + 0,391 X1 + 0,610 X2
57
Z
(Struktur
Desentralisasi)
X Y
(Partisipasi Anggaran) (Kinerja Manajeria)
Salah satu cara menguji regresi dengan variabel moderating adalah dengan uji selisih
mutlak. Uji Nilai Selisih Mutlak adalah model regresi yang diperkenalkan Frucot dan
Shearon (Ghozali, 2006) untuk menguji pengaruh moderasi yaitu dengan model nilai
selisih mutlak dari variabel independen. Model atau persamaan regresi dalam
penelitian ini dinyatakan sebagai berikut.
Y = a + b1X1 + b2X2 + b3 X1-X2 + e
Di mana:
Xi = merupakan nilai standardized score
X1-X2 = merupakan interaksi yang diukur dengan nilai absolute perbedaan
antara X1 dan X2.
Jika kita menggunakan persamaan di atas untuk menguji apakah variabel struktur
desentralisasi (Z) memoderasi pengaruh partisipasi anggaran (X) terhadap kinerja
manajerial (Y) maka model persamaannya akan menjadi:
58
Langkah Analisis:
Buka file Bagian 2-SPSS Data Editor. Tampilan Variable View akan tampak seperti Gambar 56.
Sedangkan tampilan Data View akan tampak seperti Gambar 57
Gambar 56
Gambar 57
59
Tampilkan nilai standardized X (Zscore X) dan standardized Z (Zscore Z) pada file Bagian 2-
SPSS Data Editor. Clik Analyze, kemudian pilih menu Descriptive Statistics, lalu pilih submenu
Descriptives seperti tampilan Gambar 58.
Gambar 58.
Selanjutnya tampilan kotak dialog akan terlihat seperti Gambar 59. Untuk selanjutnya masukkan
variabel partisipasi anggaran (X) dan struktur organisasi (Z) ke kotak Variables dan aktifkan (clik
kotak di depan) Save standardized values as variable(s). Lalu clik OK.
Gambar 59
60
Setelah nilai standardized X (Zscore X) dan standardized Z (Zscore Z) muncul pada file Bagian
2-SPSS Data Editor, lanjutkan dengan menampilkan nilai Zscore X - Zscore Z (nilai Zscore X
dikurangi dengan nilai Zscore Z) dengan cara Clik tombol Transform lalu pilih menu Compute
seperti terlihat pada Gambar 60.
Gambar 60
Setelah itu ketik Zx_Zz pada kotak Target Variable dan pada kotak Numeric Expression di isi
dengan ZX - ZZ (nilai Zscore X dikurangi dengan nilai Zscore Z) seperti terlihat pada Gambar
61. Lalu Click OK.
Gambar 61
Setelah nilai ZX-ZZ muncul pada file Bagian 2-SPSS Data Editor seperti terlihat pada Gambar
62. Lanjutkan dengan menampilkan nilai ABSZX - ZZ (nilai absolut dari Zscore X dikurangi
dengan nilai Zscore Z) dengan cara Clik tombol Transform lalu pilih menu Compute, kemudian
61
ketik ABSZx_Zz pada kotak Target Variable dan pada kotak Numeric Expression di isi dengan
ABS(ZX – ZZ) seperti terlihat pada Gambar 63. Lalu Click OK sehingga hasilnya akan seperti
terlihat pada Gambar 64.
Gambar 62
Gambar 63
62
Gambar 64
Langkah selanjutnya adalah dengan Clik Analyze, kemudian pilih menu Regression, lalu pilih
submenu Linear. Lalu masukkan variabel Kinerja Manajerial (Y) ke kotak Dependent dan
masing-masing variabel dari Zscore Partisipasi Anggaran (ZX), Zscore Struktur Organisasi (ZZ),
dan ABSZx_Zz pada kotak Independent (s), sehingga akan muncul tampilan Gambar 65. Lalu
Click OK.
Gambar 65
63
Regression
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 ABSZx_Zz,
Zscore:
Struktur
Organisas . Enter
i, Zscore:
Partisipasia
Anggaran
a. All requested variables entered.
b. Dependent Variable: Kinerja Manajerial
Model Summary
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 185.768 3 61.923 11.402 .000 a
Residual 141.198 26 5.431
Total 326.967 29
a. Predictors: (Constant), ABSZx_Zz, Zscore: Struktur Organisasi, Zscore: Partisipasi
Anggaran
b. Dependent Variable: Kinerja Manajerial
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 39.149 .725 53.980 .000
Zscore: Partisipasi
1.326 .456 .395 2.907 .007
Anggaran
Zscore: Struktur
1.737 .449 .517 3.867 .001
Organisasi
ABSZx_Zz 1.889 .610 .410 3.095 .005
a. Dependent Variable: Kinerja Manajerial
Beberapa karakteristik yang perlu diperhatikan dalam penggunaan analisis jalur (path
analysis) yaitu:
65
X1
r13
p31
X3
r12 p21
p32
r23
X2
p31
X1 X3
p41
r12 p32 p43
X2 p42 X4
e1
r14
X1
p31 p41
p13 e3
r34 Menggunakan
X3 X4
r12 p21 SEM
p23 p43
e2 p32
r24
X2 p42
e1
MOTIVASI
Tidak Langsung
p2 p3
GAJI p1 KINERJA e2
Pengaruh Langsung
Langkah Analisis:
Buka file Bagian 3-SPSS Data Editor. Tampilan Data View akan tampak seperti Gambar 66
Gambar 66
Langkah selanjutnya untuk melakukan regresi pada model persamaan (1) adalah dengan Clik
Analyze, kemudian pilih menu Regression, lalu pilih submenu Linear. Lalu masukkan variabel
motivasi ke kotak Dependent dan variabel gaji pada kotak Independent (s) sehingga akan
muncul tampilan Gambar 67 Lalu Click OK.
68
Gambar 67
Tampilan output SPSS untuk model persamaan regresi (1) akan tampak sebagai berikut:
Regression
b
Variables Entered/Removed
Variables Variables
Model Entered Removed Method
1 gaji a . Enter
a. All requested variables entered.
b. Dependent Variable: motivasi
Model Summary
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 35.208 1 35.208 9.979 .004 a
Residual 98.792 28 3.528
Total 134.000 29
a. Predictors: (Constant), gaji
b. Dependent Variable: motivasi
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 6.957 1.944 3.579 .001
gaji .525 .166 .513 3.159 .004
a. Dependent Variable: motivasi
Masih menggunakan data yang sama, langkah selanjutnya untuk melakukan regresi pada
model persamaan (2) adalah dengan Clik Analyze, kemudian pilih menu Regression, lalu pilih
69
submenu Linear. Lalu masukkan variabel kinerja ke kotak Dependent dan variabel gaji dan
motivasi pada kotak Independent (s), sehingga akan muncul tampilan Gambar 68 Lalu Click OK.
Gambar 68
Tampilan output SPSS untuk model persamaan regresi (2) akan tampak sebagai berikut:
Regression
b
Variables Entered/Removed
Variables Variables
Model Entered Removed Method
1 motivasi,
a . Enter
gaji
a. All requested variables entered.
b. Dependent Variable: kinerja
Model Summary
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 313.323 2 156.661 15.077 .000 a
Residual 280.544 27 10.391
Total 593.867 29
a. Predictors: (Constant), motivasi, gaji
b. Dependent Variable: kinerja
70
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 35.109 4.027 8.719 .000
gaji .872 .332 .404 2.624 .014
motivasi .907 .324 .431 2.797 .009
a. Dependent Variable: kinerja
Nilai e2 = {(1-R2)2}
= (1 – 0,528)2
= 0,223
e1 = 0,543
*
p1 = 0,404
Keterangan:
p = menggambarkan jalur dan koefisien jalur
e = jumlah variance variabel tertentu yang tidak dijelaskan variabel
tertentu
Koefisien jalur = atau standardized koefisien regresi
Koefisien jalur = dihitung dengan membuat 2 persamaan struktural yaitu persamaan
regresi yang menunjukkan hubungan yang dihipotesiskan.
* = berpengaruh signifikan
Kesimpulan:
Berdasarkan hasil analisis jalur menunjukkan bahwa GAJI dapat berpengaruh
langsung ke KINERJA dan dapat juga berpengaruh tidak langsung yaitu dari
GAJI ke MOTIVASI (sebagai intervening) lalu ke KINERJA.
Dengan demikian:
HA1: Peningkatan gaji akan meningkatkan kinerja TERBUKTI
KEBENARANNYA
HA2: Peningkatan gaji akan meningkatkan kinerja melalui motivasi kerja yang
meningkat TERBUKTI KEBENARANNYA