NORMALITAS

Uji Normalitas dilakukan untuk mengetahui apakah data yang diuji mengikuti
distribusi normal atau tidak. Langkah awal sebelum melakukan uji statistik adalah
melakukan uji normalitas. Normalitas menjadi hal yang penting karena hasil dari uji ini
akan berkaitan dengan penentuan uji statistik yang tepat untuk digunakan selanjutnya.
Berikut merupakan dasar pengambilan keputusan dalam uji Normalitas:
 Untuk jumlah responden < 50  lihat sig pada tabel Shapiro Wilk
 Untuk jumlah responden ≥ 50  lihat sig pada tabel Kolmogorov Smirnov

Contoh Soal:
Katherine ingin mengetahui pengaruh antara Kualitas Pelayanan (Service Quality)
terhadap Kepuasaan Pelanggan (Customer Satisfaction) pada aplikasi transportasi
online di Jakarta. Salah satu asumsi dari uji statistik yang akan Katherine melakukan uji
distribusi data yang ia miliki. Berikut data yang telah Katherine rangkum:

Service Quality Customer Satisfaction

4.00 4.00
4.50 4.33
4.00 3.33
4.50 4.33
3.75 3.67
4.25 4.33
2.50 2.67
2.50 2.67
3.75 3.00
3.00 3.33
4.00 3.67
3.25 3.33
4.25 3.33
4.00 3.33
4.00 4.00
4.00 4.00
4.75 5.00
4.00 3.67
3.00 3.00
3.50 3.00
3.50 3.33
4.25 4.67
3.75 4.00

1
 2

4.50 5.00
3.75 3.33
2.75 3.33
3.50 4.00
2.50 2.67
3.00 3.67
3.50 3.67

Bantulah Katherine dengan menguji apakah data diatas mengikut distribusi normal atau
tidak!

Langkah-langkah uji Normalitas:

1. Input data kedalam SPSS

2. Pilih menu Analyze  Descriptive Statistics  Explore

 3

3. Masukkan seluruh variabel ke kotak Dependent List.

4. Pada menu Plots, centang opsi “Normality plots with tests” dan kosongkan opsi
lainnya dan tekan Continue.
 4

5. Pada bagian Display (kiri bawah), pilihlah opsi Plots.

6. Klik OK dan akan muncul hasil sebagai berikut.

 5

KORELASI DAN REGRESI LINEAR

Korelasi
Analisis korelasi adalah teknik untuk mengukur hubungan antara dua variabel
(Lind, Marchal, & Wathen, 2018). Korelasi adalah hubungan (asosiasi) antara variabel-
variabel yang diminati. Korelasi ingin menguji apakah data sampel menyediakan bukti
yang cukup, dengan maksud adakah kaitan atau hubungan antara tiap-tiap variabel
dalam populasi asal sampel. Jika ada hubungan, seberapa kuat hubungan antar variabel
tersebut. Keeratan hubungan itu dinyatakan dengan nama koefisien korelasi. Koefisien
korelasi adalah sebuah ukuran kekuatan dari hubungan linear antara dua variabel (Lind,
Marchal, & Wathen, 2018).
Besarnya koefisien korelasi berkisar antara +1 s/d -1. Koefisien korelasi
menunjukkan tingkat kekuatan (strength) hubungan linear dan arah hubungan antara dua
variabel acak.
 Jika koefisien korelasi positif, maka kedua variabel mempunyai hubungan yang
searah, artinya jika nilai variabel X tinggi, maka nilai variabel Y akan tinggi
pula.
 Sebaliknya, jika koefisien korelasi negatif, maka kedua variabel mempunyai
hubungan yang terbalik, artinya jika nilai variabel X tinggi, maka nilai variabel
Y akan menjadi rendah dan berlaku sebaliknya.
Untuk memudahkan melakukan interpretasi mengenai kekuatan hubungan antara
dua variabel penulis memberikan kriteria sebagai berikut:
 0 : Tidak ada korelasi antara dua variabel
 >0 – 0,25 : Korelasi sangat lemah
 >0,25 – 0,5 : Korelasi cukup
 >0,5 – 0,75 : Korelasi kuat
 >0,75 – 0,99 : Korelasi sangat kuat
 1 : Korelasi sempurna
Korelasi merupakan uji yang digunakan untuk mengukur keeratan hubungan pada
hasil pengamatan dari populasi yang mempunyai dua varian saja (Bivariate).
Perhitungan ini memiliki syarat bahwa populasi asal sampel harus mempunyai dua
varian dan harus berdistribusi normal. Korelasi yang digunakan adalah korelasi pearson
 6

(Pearson Correlation pada tabel “Correlations”) untuk mengukur korelasi data

interval dan rasio.

Contoh Soal:
Sebagai seorang ekonom di PT. Indah Jaya yang memproduksi susu UHT, Bryan ingin
mengetahui hubungan antara Brand Awareness, Harga, dan Promosi karena terdapat
penurunan penjualan susu UHT di PT. Indah Jaya. Bantulah Bryan untuk menganalisis
apakah terdapat hubungan antara Brand Awareness dan Promosi dan hubungan antara
Harga dan Promosi!

Berikut ini adalah data yang berhasil dikumpulkan dari hasil survey terhadap 50 orang
responden:

Brand
Harga Promosi
Awareness
11 12 7.75
5.25 11.75 11.25
10.5 7.75 5.75
10.75 11 4
8.25 7 8.25
4 5 11.25
6.25 10.75 9.5
9.5 8.75 10
5.25 11.75 6
6 5 11.5
12.25 8.75 10
8.5 7 9.5
7.5 7.75 12
12 10 7.75
4.75 5.5 9.75
5 7.75 7.25
6 9.25 6
5.25 9.75 5.75
4.75 10.25 9
8.5 6.25 8.5
5 6 5.5
5.75 7.5 9.5
7 5.5 8.5
6.75 7.25 5.75
10.25 6 7.75
12 5.75 12.25
4.25 8.25 10.5
7.25 10 7.75
5.25 5.75 6.5
 7

6.5 4.75 6.5

7 12 7.75
7.25 9.5 6
6.25 4.25 9
7.5 9.5 5.25
10.5 7.25 12
12.5 11.5 9
5.25 12.25 10.25
12 7.25 10
4 5.75 7
6.5 7.75 8.75
9.75 10.75 6.5
8 11.5 8
8.25 5.5 6.25
9 7.25 9.25
7 6.5 10
6 5.75 4.75
12 11.5 6.5
8.75 11.25 11.75
9.75 11.75 11.25
9.75 7 10
(Data diasumsikan berdistribusi normal)

Langkah-langkah uji Korelasi Bivariate:

1. Input data kedalam SPSS
 8

2. Pilih menu Analyze  Correlate  Bivariate

3. Input variabel yang ingin diuji ke kotak Variables.

 9

4. Kemudian pilih Continue  OK dan akan muncul hasil sebagai berikut.

Regresi Linear Sederhana

Analisis regresi merupakan suatu model matematis yang dapat digunakan untuk
mengetahui pola hubungan antara dua atau lebih variabel. Analisis regresi
menggunakan konsep dasar dari korelasi namun menyediakan lebih banyak informasi
dengan menunjukkan hubungan linear antara dua variabel dalam bentuk persamaan
(Lind, Marchal, & Wathen, 2018). Regresi yang baik harus memiliki nilai residual yang
berdistribusi normal (DPhill Franzco & Farmer MBBS, 2014).
Persamaan Regresi (Regression Equation) adalah suatu persamaan matematis
yang mendefinisikan hubungan antara dua variabel. Dengan menggunakan persamaan
tersebut, peneliti dapat memperkirakan nilai dari variabel dependen berdasarkan nilai
yang dipilih dari variabel independen. Variabel yang nilainya akan mempengaruhi nilai
variabel lain disebut dengan variabel bebas (independent variable), sedangkan variabel
yang nilainya dipengaruhi oleh nilai variabel lain disebut variabel terikat (dependent
variable).
Analisis regresi lebih akurat daripada analisis korelasi, karena analisis korelasi
tidak menunjukkan tingkat perubahan suatu variabel terhadap variabel lainnya. Analisis
regresi memberikan peramalan atau perkiraan nilai variabel dependen pada nilai
variabel independen lebih akurat. Karena merupakan suatu prediksi, maka nilai prediksi
tidak selalu tepat dengan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai
prediksi dengan nilai riilnya, maka semakin tepat persamaan regresi yang dibentuk.
Dapat disimpulkan bahwa analisis regresi adalah metode statistika yang
digunakan untuk menentukan kemungkinan bentuk hubungan antar variabel, dengan
tujuan pokok dalam penggunaan metode ini adalah untuk meramalkan atau
memperkirakan nilai dari suatu variabel lain yang diketahui.
 10

Analisis regresi linear sederhana merupakan analisis regresi yang bertujuan untuk
mengetahui pola hubungan antara satu variabel dependen dengan satu variabel
independen.

Contoh Soal:
Bryan sedang melakukan penelitian untuk memenuhi tugas akhirnya, ia ingin
melakukan penelitian tentang pengaruh antara Motivasi Kerja terhadap Loyalitas
Karyawan pada PT. Indomay. Berikut ini merupakan data yang diperoleh:

Kompensas
Motivasi Kerja Loyalitas Karyawan
i
3.90 3.60 4.00
4.30 3.40 4.00
4.30 3.80 3.60
4.90 3.40 4.60
3.80 4.00 4.20
4.20 4.20 4.20
2.60 2.80 2.80
2.60 2.40 4.75
3.60 3.20 2.75
3.40 4.00 3.50
3.80 4.00 3.25
3.40 3.20 3.25
4.00 3.80 3.80
4.00 3.20 3.40
3.60 4.00 3.40
4.60 3.60 4.40
4.20 2.60 3.25
4.20 3.20 2.75
2.80 3.40 3.50
2.40 3.20 3.25
3.20 3.40 3.80
4.00 4.40 4.40
4.00 3.80 3.60
 11

4.60 4.40 3.40

3.60 3.60 2.40
3.00 3.40 3.20
3.60 3.60 3.00
2.60 3.00 2.00
3.20 3.80 3.00
3.40 3.40 4.00
3.80 4.00 3.60
3.40 3.60 3.00
3.40 3.00 3.00
4.40 3.00 4.00
3.80 3.40 3.50
4.40 3.00 2.25
3.60 3.00 3.50
3.40 3.00 3.75
2.40 4.20 2.25
3.20 4.20 3.00
3.00 4.00 3.00
3.00 3.20 4.50
4.50 3.80 3.25
3.25 3.40 3.25
3.20 3.25 4.75
3.80 2.50 4.75
4.75 3.25 5.00
5.00 3.75 5.00
5.00 3.00 5.00
5.00 2.00 5.00
5.00 3.00 4.50
4.50 4.00 4.50
3.20 3.20 4.00
3.60 3.80 4.25
 12

Bantulah Bryan dalam menganalisis apakah terdapat pengaruh yang signifikan antara
motivasi kerja terhadap loyalitas karyawan!

Langkah-langkah uji regresi sederhana:

1. Input data kedalam SPSS

2. Pilih menu Analyze  Regression  Linear

3. Masukkan variabel yang dipengaruhi (Loyalitas Karyawan) dan variabel yang

mempengaruhi (Motivasi Kerja) ke kotaknya masing-masing.
 13

4. Pilih menu Statistics dan checklist Estimates dan Model fit.

5. Klik Continue dan OK. Hasil Output:

 14

6. Menampilkan t tabel dengan cara memilih menu Transform  Compute Variable

7. Isi Target Variable dengan “T_Tabel”, Function Group = Inverse DF, Functions
and Special Variable = Idf.T. Kemudian isi Numeric Expression.
 15

8. Klik OK dan lihat hasil T Tabel pada Data View.