216080236
Chi Square
Analisa Data
Analisa Data Chi Square
• Bertujuan untuk mengetahui hubungan antara variable yang terdapat
pada baris dan kolom
• Jenis data yang digunakan adalah berbentuk data kategori atau data
frekuensi
Contoh Analisa Data Chi Square
• Apakah terdapat hubungan antara Kompensasi dengan Keinginan untuk
pindah kerja (pada data Indri)?
Dasar Pengambilan Keputusan
Kompensasi * Keinginan Pindah Crosstabulation
• Jika Nilai Signifikansi < 0.05, maka Count
Keinginan Pindah
terdapat hubungan yang signifikan keinginan keinginan
antara baris dengan kolom Kompensasi kompensasi kurang
pindah kurang
17
pindah tinggi
17
Total
34
kompensasi baik 13 43 56
• Jika Nilai Signifikansi > 0.05, maka Total 30 60 90
0.009 < 0.05, maka dapat Fisher's Exact Test .012 .009
dengan keinginan pindah a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is 11.33.
b. Computed only for a 2x2 table
Regresi Logistik
Analisis Data
Analisa Data Regresi Logistik
• Bertujuan untuk mengetahui hubungan antara variable predictor (X)
dengan variable respon (Y) yang bersifat dikotomi (2 kategori)
• Jenis data yang digunakan adalah
• Variable Prediktor berbentuk data kategori atau data numerik
• Variable Respon berbentuk data kategori dikotomi (0/1)
Nilai Negelkerke R Squere sebesar Dari Tabel diatas, maka dapat dibentuk persamaan Regresi:
0.10, yang artinya besaran pengaruh Keinginan Pindah = 1.196 – 1.196 Kompensasi Baik
variabel bebas (Kompensasi)
terhadap variabel terikat (Keinginan Pengujian Hipotesis:
Pindah kerja) sebesar 10% Dasar Pengambilan Keputusan
• Bila nilai Signifikansi > 0.05 maka Ho Diterima
• Bila nilai Signifikasni < 0.05 maka Ho ditolak
Ho = Kompensasi baik tidak memiliki pengaruh terhadap Keinginan pindah kerja
Ha = Kompensasi baik memiliki pengaruh terhadap Keinginan pindah kerja
Dari table diatas, didapat nilai signifikansi variable kompensasi sebesar 0.010 (<0.05), maka kompenasi baik memiliki
pengaruh terhadap keinginan pindah kerja
Dari table diatas didapatkan nilai Exp(B) sebesar 0.302, berarti nilai Odd Ratio sebesar 0.302 kali.
Maka dapat disimpulkan karyawan yang mendapat Kompensasi baik memiliki peluang 0.302 kali untuk pindah kerja,
atau karyawan yang mendapat Kompensasi tidak baik memiliki peluang (1/0.302) 3.311 kali untuk pindah kerja
Contoh Analisa Data Regresi Logistik Ganda
• Apakah terdapat hubungan antara Komunikasi, Pengembangan Karir,
Kompensasi dan lingkungan kerja dengan Keinginan untuk pindah kerja
(pada data Indri)?
Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 6.818 7 .448
Dari output SPSS Hosmer and Lameshow test diatas terlihat nilai
signifikansi sebesar 0.448 (>0.05) yang artinya model sudah cocok
dengan data observasi, sehingga model regresi ini layak digunakan
dalam tahap lebih lanjut
Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 103.823a .113 .156
a. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.
Dari hasil output SPSS diatas dapat dilihat bahwa ada 4 variabel yang nilai signifikansinya > 0,05 yaitu
variabel Komunikasi, Pengembangan Karir, Kompensasi dan lingkungan kerja, yang paling besar adalah
variabel lingkungan kerja, sehingga pemodelan selanjutnya variable lingkungan kerja di keluarkan dari
model
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a Komunikasi(1) .493 .536 .848 1 .357 1.638
Pengembangan Karir(1) -.819 .562 2.123 1 .145 .441
Kompensasi(1) -.945 .497 3.611 1 .057 .389
Constant 1.151 .363 10.073 1 .002 3.160
a. Variable(s) entered on step 1: Komunikasi, Pengembangan Karir, Kompensasi.
Dari output SPSS diatas setelah variabel lingkungan kerja dikeluarkan nilai OR untuk variabel Komunikasi,
pengembangan karis dan kompensasi dapat dilihat sebagai berikut :
Dari tabel diatas dapat dilihat bahwa dengan hasil perbandingan OR terlihat tidak ada perubahan OR yang
>10% dengan demikian variabel Lingkungan kerja dikeluarkan dari model.
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a Pengembangan Karir(1) -.834 .561 2.210 1 .137 .434
Kompensasi(1) -.961 .496 3.759 1 .053 .383
Constant 1.302 .329 15.649 1 .000 3.677
a. Variable(s) entered on step 1: Pengembangan Karir, Kompensasi.
Dari output SPSS diatas setelah variabel komunikasi dikeluarkan nilai OR untuk variabel pengembangan karis
dan kompensasi dapat dilihat sebagai berikut :
Dari tabel diatas dapat dilihat bahwa dengan hasil perbandingan OR terlihat tidak ada perubahan OR yang
>10% dengan demikian variabel Komunikasi dikeluarkan dari model.
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a Kompensasi(1) -1.196 .467 6.570 1 .010 .302
Constant 1.196 .317 14.285 1 .000 3.308
a. Variable(s) entered on step 1: Kompensasi.
Dari output SPSS diatas setelah variabel Pengembangan karir dikeluarkan nilai OR untuk variabel kompensasi
dapat dilihat sebagai berikut :
OR Variabel Pengembangan karir
Variabel OR Variabel Lengkap Perhitungan Perubahan OR
dikeluarkan
Kompensasi 0,383 0,303 ((0,383-0,303) / 0,383) x 100% 21%
Dari tabel diatas dapat dilihat bahwa dengan hasil perbandingan OR terlihat perubahan OR yang >10% dengan
demikian variabel Pengembangan karir masuk Kembali kedalam model.
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a Pengembangan Karir(1) -1.188 .524 5.147 1 .023 .305
Constant .987 .269 13.496 1 .000 2.684
a. Variable(s) entered on step 1: Pengembangan Karir.
Dari output SPSS diatas setelah variabel kompensasi dikeluarkan nilai OR untuk variabel pengembangan karir
dapat dilihat sebagai berikut :
Dari tabel diatas dapat dilihat bahwa dengan hasil perbandingan OR terlihat perubahan OR yang >10% dengan
demikian variabel Kompensasi masuk Kembali kedalam model.
PEMODELAN TERAKHIR
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a Pengembangan Karir(1) -.834 .561 2.210 1 .137 .434
Kompensasi(1) -.961 .496 3.759 1 .053 .383
Constant 1.302 .329 15.649 1 .000 3.677
a. Variable(s) entered on step 1: Pengembangan Karir, Kompensasi.
Berdasarkan tabel diatas hasil pemodelan multivariat regresi logistik yang digunakan untuk melihat faktor-
faktor yang berhubungan (Komunikasi, Pengembangan Karir, Kompensasi dan lingkungan kerja) dengan
Keinginan pindah kerja (dari data Indri) di dapatkan hasil seperti pada table, dimana yang masuk ke dalam
pemodelan multivariat yaitu variabel Pengembangan Karir, Kompensasi sedangkan yang tidak masuk kedalam
model atau dikeluarkan dari model adalah variabel Komunikasi dan Lingkungan kerja karena memiliki p value
(nilai signifikansi) > 0,05 dan setelah dikeluarkan tidak di dapatkan perbandingan hasil perubahan Odd Ratio
yang > 10 %.
Uji Interaksi
Correlation Matrix
Constant Pengembangan Karir(1) Kompensasi(1)
Step 1 Constant 1.000 -.246 -.551
Pengembangan Karir(1) -.246 1.000 -.294
Kompensasi(1) -.551 -.294 1.000
Dari tabel diatas dapat dilihat hasil uji interaksi antara variable Pengembangan karir dan kompensasi dimana
nilai p-value yang di peroleh adalah 0,294 yang berarti p value lebih besar dari 0,05 (p>0,05), yang diartikan
tidak ada interaksi antara antara variable Pengembangan karir dan kompensasi
Maka dapet disimpulkan pemodelan terakhir adalah valid dan tidak ada variable yang dikeluarkan
Pengujian Hipotesis:
Dasar Pengambilan Keputusan
• Bila nilai Signifikansi > 0.05 maka Ho Diterima
• Bila nilai Signifikasni < 0.05 maka Ho ditolak / Ha diterima
Dari table diatas, didapat nilai signifikansi variable pengembangan karir sebesar 0.137 (>0.05), maka
Pengembangan karir baik tidak memiliki pengaruh signifikan terhadap keinginan pindah kerja
Dari table diatas didapatkan nilai Exp(B) sebesar 0.434, berarti nilai Odd Ratio sebesar 0.434 kali.
Maka dapat disimpulkan karyawan yang mendapat Pengembangan karir baik memiliki peluang 0.434 kali
untuk pindah kerja, atau karyawan yang mendapat Pengembangan karir tidak baik memiliki peluang (1/0.434)
2,304 kali untuk pindah kerja
Dari table diatas, didapat nilai signifikansi variable Kompensasi sebesar 0.053 (>0.05), maka kompenasi baik
tidak memiliki pengaruh signifikan terhadap keinginan pindah kerja
Dari table diatas didapatkan nilai Exp(B) sebesar 0.434, berarti nilai Odd Ratio sebesar 0.383 kali.
Maka dapat disimpulkan karyawan yang mendapat Kompensasi baik memiliki peluang 0.383 kali untuk pindah
kerja, atau karyawan yang mendapat Kompensasi tidak baik memiliki peluang (1/0.383) 2,61 kali untuk pindah
kerja