1

Johanis Souisa

Paham Analisis Statistik Data Dengan

SPSS
Plus Tata Cara dan Tips
Jitu Menyusun dan Mengolah Data Dalam Waktu Singkat

Hanya untuk
Praktikum Makul.
Statistik

MENGOPERASIKAN SPSS DAN MENU ANALYZE

PENDAHULUAN
MENGINPUT DATA PADA WORKSHEET
MENU ANALYZE
UJI VALIDITAS DAN RELIABILITAS SUATU KUESIONER
VALIDITAS
RELIABILITAS
UJI NORMALITAS DATA
UJI NILAI SKEWNESS
P-PLOT
UJI KOLMOGOROV-SMIRNOV
SCATTERPLOT
UJI REGRESI
UJI REGRESI LINIER BERGANDA
 2

BAB
1

MENGENAL ISTIAH-ISTILAH DALAM

ANALISIS DATA STATISTIK

A. PENELITIAN
Penelitian adalah aktivitas atu kegiatan yg dilakukan secara sistematis
berencana, dan mengikuti konsep ilmiah untuk mendapat sesuatu yg objektif dan
rasional tentang sesuatu hal

B. DATA
Data adalah sesuatu yang digunakan atau dibutuhkan dalam penelitian dengan
menggunkan parameter tertentu yang telah ditentukan. Misalnya data jumlah
penduduk, data berat badan, data sikap konsumen, data laporan keuangan suatu
perusahaan, dll.
Jenis-jenis data adalah sebagai berikut:
1. Data Kualitatif.
Data Kualitatif adalah data dinyatakan dalam bentuk bukan angka. Tetapi
berbentuk kata, kalimat, gambar, atau bagan.
2. Data Kuantitatif
Data Kuantitatif adalah data yang dinyatakan dalam bentuk angka, tipe-tipe
data kuantitatif adalah sebagai berikut:
a) Data Nominal
Adalah data hasil pengolahan atau kategorisasi yang sifatnya setara dan
tidak dapat dilakukan perhitungan aritmatika. Angka yang diberikan
hanya bersifat simbol saja dan tidak menunjukkan tingkatan tertentu.
Misal:
 3

Laki - laki = 1
Perempuan = 2
Dari contoh diatas dua tidak lebih tinggi dari satu tetapi setara.
b) Data Ordinal
Adalah data hasil kategorisasi yg sifatnya tidak setara dan tidak dapat
dilakukan perhitungan aritmatika. Angka yg diberikan menunjukkan
peringkat dan tingkat terntentu. Misalnya:
Nilai A =1
Nilai B =2
Nilai C =3
Dari contoh diatas 1 lebih tinggi dari 2 dan 2 lebih tinggi dari 3.
c) Data Interval
Adalah data bukan dari kategorisasi dan dapat dilakukan perhitungan
aritmatika. Tipe data ini menggunakan jarak data yg sama, walaupun
dapat melakukan operasi hitungan tetapi data ini tidak mempunyai nilai
(0) absolud, maksudnya angka 0 tetap ada nilainya. Contohnya dalam
pengukuran suhu. Data ini dapat dibuat menjadi tipe ordinal yg
menggunakan peringkat seperti dalam pengukuran skala Likert. Misalnya:
Sangat Setuju =5
Setuju =4
Ragu-ragu =3
Tidak Setuju =2
Sangat Tidak Setuju =1
d) Data Rasio
Adalah data yg dapat dilakukan perhitungan aritmatika dan menggunakan
jarak yang sama. Data ini mempunyai nilai (0) absolut, maksudnya angka
0 benar-benar tidak ada nilainya. Contoh dalam pengukuran berat badan,
 4

jika beratnya adalah 0 kg berarti tidak ada bobotnya. Tipe data ini
misalnya data berat badan, tinggi badan, data keuangan perusahaan, dll.

C. VARIABEL
Variabel adalah suatu konsep yg beragam atau bervariasi. Variabel
dibedakanmenjadi dua yaitu:
1. Variabel Tergantung
variabel tergantung (variabel dependen) adalah variabel yg dipengaruhi oleh
variabel lain yg sifatnya tidak dapat berdiri sendiri.
2. Variabel Bebas
Variabel bebas (variabel independen) adalah variabel yg mempengaruhi
variabel lain yg sifatnya berdiri sendiri.

D. POPULASI DAN SAMPEL

Populasi adalah suatu kelompok atau kumpulan subjek atau objek yang akan
dikenai generalisasi hasil penelitian, sedangkan sampel adalah bagian dari
populasi yang akan diteliti.

E. ANALISIS DATA
Analisis data adalah proses mengolah data dan menginterprestasikan hasil
pengolahan data. Jenis-jenis analisis data adalah:
1. Analisis Deskriptif
Adala analisis yang menekankan pada pembahasan data-data dan subjek
penelitian dengan menyajikan data-data secara sistematik dan tidak
menyimpulkan hasil penelitian.
2. Analisis Inferensial
Adalah analisis yang menekankan pada hubungan antara variabel dengan
melakukan pengujian hipotesis dan menyimpulkan hasil penelitian.
 5

F. METODE ANALISIS DATA

1. Metode Statistik Parametrik
Adalah metode analisis data dengan menggunakan parameter-parameter
tertnetu seperti mean, median, standar deviasi, distribusi data normal, dll.
2. Metode Statistik Non Parametrik
Adalah metode analisis data tanpa menggunakan parameter-parameter
terntetu seperti mean, median, standar deviasi, serta distribusi data tidak
harus normal, dll.

G. HIPOTESIS
Hipotesis adalah jawaban sementara tentang rumusan masalah penelitian yang
belum dibuktikan kebenarannya. Hipotesis dinyaakan dengan kalimat pernyataan
dan bukan kalimat pertanyaan. Dalam penelitian yang mengunakan sampel,
hipotesis menggunakan kata signifikan. Misalnya = “Ada pengaruh signifikan
antara rasio keuangan dengan harga saham”. signifikan ini mengandung arti
bahwa hipotesis yang telah terbukti pada sampel dapat diberlakukan pada
populasi. Dalam hipotesis terdapat hipotesis nihil dan hipotesis alternatif yaitu
sebagai berikut :
1. Hipotesis nihil atau 0 hipotesis ( HO)
Adalah hipotesis yang menyatakan tidak ada hubungan antara variabel
2. Hipotesis alternatif atau hipotesis Kerja ( Ha)
Adalah hipotesis yang menyatakan adanya hubungan antara variabel.

H. UJI HIPOTESIS
Uji hipotesis adalah pengujian yang bertujuan untuk mengetahui apakah
kesimpulan pada sampel dapat berlaku untuk populasi ( dapatdigeneralisasikan )

I. SIGNIFIKANSI
Signifikan artinya meyakinkan atau berarti, dalam penelitian mengandun arti
bahwa hipotesis yang telah terbukti pada sampel dapat diberlakukan pada
 6

populasi. Jika tidak signifikan maka kesimpulan pada sampel tidak berlaku pada
populasi (tidak dapat digeneralisasikan) atau hanya berlaku pada sampel saja.
Tingkat signifikansi 5% atau 0,05 artinya kita mengambil risiko salah dalam
mengambil keputusan untuk menolak hipotesis yang benar sebanyak-banyaknya
5% dan benar dalam mengambil keputusan sedikit-dikitnya 95% ( tingkat
kepercayaan ). atau dengan kata lain kita percaya bahwa 95% dari keputusan
untuk menolak hipotesis yang salah adalah benar. Ukuran 0,05 atau 0,01 adalah
ukuran yg umum sering digunakan dalam penelitian. Taraf kesalahan yg lebih
kecil atau lebih teliti biasanya digunakan untuk penelitian-penelitian tertentu,
misalnya untuk meneliti makan, minuman, atau obat yang dibutuhkan ketelitan
tingkat tinggi bisa menggunakan taraf signifikansi seperti 0,005 atau 0,001.

J. PROBABILITAS
Probabilitas (P value) adalah peluang munculnya kejadian. Besarnya peluang
melakukan kesalahan disebut taraf signifikansi (tingkat signifikansi), jadi taraf
signifikansi bisa dinyatakan dengan probabilitas (nilanya sama). Misalnya ada
100 kejadian dengan probabilitas 5%, artinya bahwa peluang munculnya
kesalahan akan terjadi sebanyak 5 kali dalam 100 kejadian.

K. DEGREE OF FREEDOM (df)

Degree of Freedom adalah derajat ketergantungan banyaknya observasi (n) dan
banyaknya variabel independen. Df ini digunakan untuk menentukan nilai kritis.

L. ANALISIS DATA DENGAN PROGRAM SPSS

Analisis data yang dibahas dalam modul ini lebih menekankan pada penggunaan
metode statistik parametrik. Berikut ini perincian analisis dan pengujian yang
dibahas dalam modul ini beserta alat analisis SPSS yg digunakan sbb:
 7

Analisis dan pengujian Alat analisis

Analisis Deskriptif Descriptives
Analisis Korelasi Sederhana ✓ Correlate >> Bivariate ( Person Product
✓ Uji signifikansi korelasi sederhana Moment)
✓ T test
Analisis Korelasi Parsial ✓ Correlate >> Partial
✓ Uji signifikansi korelasi parsial ✓ T test

Uji Beda Rata-rata ✓ Compare Means >> One Sample T test

✓ Uji Satu Sampel
✓ Uji Dua Sampel Tidak Berhubungan
✓ Uji Dua Sampel Berhubungan
✓ Uji Variabel Satu Jalur
Uji Kai Kuadrat (X2)
✓ Koefisien Kontingensi
Analisis Regresi Linier Berganda
✓ Uji Koefisien Regresi Sederhana
Analisis Regresi Linier Berganda
✓ Analisis Korelasi Sederhana
✓ Analisis Determinasi
✓ Uji Koefisien Regresi Secara bersama-sama
✓ Uji Koefisien Regresi Secara Parsial
✓ Compare Means >> Indeoendent Sample T test
✓ Compare Means >> Paried Sample T test
✓ Compare Means >> One Way ANOVA
✓ Crosstab (Pearson Chi Square)
✓ Crosstab ( Symetric Measures)
✓ Regression >> Linier ( Simple Regression)
✓ T test
✓ Regression Linier ( Multiple Regression )
✓ Model Summary (R)
✓ Model Summary (R2 atau Adjusted R2)
✓ ANOVA (F test)
✓ t test

Uji Asumsi Klasik ✓ Explore (Uji Lilliifors dengan Kolmogorov-

✓ Uji Normalitas Smirnov)
✓ Uji Linieritas ✓ Compare Means (Test for Linearity)
✓ Uji Homogenitas ✓ One Way ANOVA ( Test of Homogeneity of
Variences)
Uji Penyimpangan Asumsi Klasik Regresi ✓ Regression >> Linier ( Melihat Nilai
✓ Uji Multikolinearitas VIF)
✓ Uji Heteroskedastisitas ✓ Correlate >> Bivariate ( Spearman’s rho)
✓ Uji Autokorelasi ✓ Regression >> Linier ( melihat nilai Durbin
Watson )
Uji Validitas dan Reliabilitas ✓ Correlate Bivariate ( Pearson )
✓ Uji Validitas ✓ Reliability ( Corrected Item-Total
✓ Uji Reliabilitas Correlations)
✓ Riliability ( Cronbanch’s Alpha )
 8

BAB
2

MENGOPERASIKAN SPSS DAN MENU ANALYZE

A. PENDAHULUAN
SPSS merupakan salah satu softwer yg dapat digunakan untuk membantu
pengolahan, perhitungan, dan analisis data secara statistik. SPSS mengalami
perkembangan dari versi 6.0- 23.0 dan mungkin akan masih terus berkembang
lagi.
Langkah-langkah untuk mengoperasikan SPSS adalah Sbb :
1. Jika pada desktop sudah ada ikon SPSS, klik ganda pada ikon tersebut. Jika
tidak ada ikon SPSS, langkah yg harus ditempuh adalah :
a) Klik Start
b) Klik All Program
c) Klik SPSS for Windows
d) Klik SPSS Versi (yg terbaru) sesuai dengan versi SPSS yg anda pakai.
Bila proses berjalan maka akan muncul logo SPSS dan sekaligus
menunjukkan versi yg digunakan.
2. Akan muncul tampilan SPSS dengan command windows pada layar bagian
atas yg terdiri dari = File, Edit, View, Data, Transform, Analize, Graph,
Utilities, Add-Ons, Windows, dan Help. Bagian bawah terdiri dari Data View
dan Variable View.
3. SPSS siap untuk dioperasikan dengan langkah pertama menginput data pada
worksheet.
 9

INPUT DATA PADA WORKSHEET

Langkah-langkahuntuk menginput data pada worksheet SPSS adalah sebagai

berikut:
1. Klik File
2. Klik New
3. Klik Data sehingga muncul Data Editor
4. Klik Commands windos bagian bawah Variable View.
Variable View berisi beberapa menu pilihan, yaitu sebagai berikut:
a) Name,
Diisi dengan nama atau singkatan variabel sesuai dengan keinginan
b) Type
Jika data berupa angka, maka perintah yang diaktivkan adalah Numoric.
Namun jika data yang dimasukkan berupa kata atau huruf, perintah yg
diaktifkan adalah String.
c) Width
Jika data berupa huruf dengan perintah String, maka perlu diisi jumlah
karakter huruf. Namun jika data berkarakter angka maka dapat diabaikan.
d) Decimals
Jika data dengan perintah String, kotak Decimal akan otomatis non-aktif.
Namun jika data dengan perintah numeric, maka kotak kerja Decimal
Place akan aktif. Isilah sesuai dengan keinginan, berapa digit yang akan
diisikan. (jika angka pecahan berarti berapa koma di belakang, dan jika
angak hanya satu angka maka diisi dengan 0).
e) Label
Jika pada kotak kerja nama yg diisi adalah singkatan, maka kepanjangan
dari singkatan bisa diisi pada kotak kerja Label ini (Nama Variabelnya)
 10

f) Value
Kotak kerja ini sering diabaikan dalam operasional SPSS
g) Missing
Jika data tidak memiliki nama maka akan dianggap hilang. Biasanya kotak
kerja ini diabaikan dalam operasional SPSS
h) Column
Digunakan untuk mengatur lebar sempitnya kolom data, bisa ditambah dan
dikurangi dengan menggunakan fasilitas Scroll Number, untuk menaikan atau
menurunkan angkanya.
i) Align
Digunakan untuk mengatur posisi data, bisa diganti Left jika rata-rata kiri,
Right jika rata-rata kanan dan Center untuk rata tengah.
j) Measure
Digunakan sesuai dengan jenis data yg digunakan dalam penelitian. Bisa
berupa Scale, Nominal, Ordinal.
5. Klik baris 1 kolom Name, isi dengan singkatan nama Variabel. Misalnya, baris
1 Nama X1, baris 2 Nama X2. Dan seterusnya isilah data pada kolom tersebut

6. Klik baris 1 kolom Label, isi dengan kepanjangan nama variabel secara utuh.
Misal, baris 1 Label diisi PENJUALAN AYAM. Baris 2 Label diisi BIAYA
PEMELIHARAAN KEBERSIHAN KANDANG, dan seterusnya.

7. Klik Commands Window bagian bawah dimana tertulis DATA VIEW

8. Masukkan data sesuai dengan jumlah dan nama variabel yg tertera pada
masing-masing kolom worksheet.

9. Data siap diolah sesuai dengan kebutuhan.

10.Untuk penjumlahan data setiap Variabel Maka langkah yang dilakukan adalah
Klik Transform, Klik Computer Variabel ( akan muncul kolom Compute
Variable, untuk Target Variable ditulis Variable yg ingin di jumlahkan ) pada
 11

kolom Numoric Expression masukkan semua indikator dengan di jumlahkan,

Klik OK. Maka akan memunculkan hasil penjumlahan.

Fungsi dari Variabel View: adalah untuk membuat kerangka tabulasi

data dalam analisis data. Sedangkan Data View: adalah data tabulasi
yang akan digunakan untuk memasukkan hasil skoring data dari
kuesioner yang telah dikumpulkan

B. MENU ANALYZE
UJI VALIDITAS
Uji validitas digunakan untuk mengetahui kelayakan butir-butir dalam
suatu daftar (konstruk) pertanyaan dalam mendefinisikan suatu variabel.
Daftar pertanyaan ini pada umumnya mendukung suatu kelompok variabel
tertentu. Langkah-langkah untuk mengetahui uji Validitas adalah sebagai
berikut :
1. KLIK Analyze
2. Klik Corellate
3. KLIK Bivariate (Maka akan terbuka kotak Bivariate Correlations )
4. KLIK semua Item dan Skor total (VARIABEL) ke kotak Variabel.
5. KLIK Ok ( Maka akan keluar hasil uji Validitas )

UJI REALIBILITAS
Reliabilitas (kehandalan) merupakan ukuran suatu kestabilan dan
konsistensi responden dalam menjawab hal yang berkaitan dengan konstruk-
konstruk pertanyaan yang merupakan dimensi suatu variabel dan disusun
dalam suatu bentuk kuesioner.
 12

Uji Reliabilitas dapat dilakukan secara bersama-sama terhadap seluruh

butir pertanyaan untuk lebih dari satu variabel, namun sebaiknya uji
realibilitas dilakukan pada masing-masing variabel pada lembar kerja yg
berbeda sehingga dapat diketahui konstruk variabel mana yang tidak reliabel.
Realibilitas suatu konstruk variabel dikatakan baik jika memiliki nilai
Cronbach’s Alpha > dari 0,06
Langkah dalam mengolah data adalah sebagai berikut :
1. Klik Analyze
2. Klik Scale
3. Klik Reability Analysis
4. Klik Scale If Item Deled. Yang di klik hanya Indikator.
5. Klik Statistik
6. Klik pada kotak Descriptives For Kotak Untuk Item, Scale, Scale If Item
Deleted.
7. Klik pada kotak Item – Item Kotak Untuk Correlations
8. Klik Continue
9. Klik Ok Pada Kotak Kerja Realibility Analysis. (maka akan keluar hasil
Realibility).

UJI ASUMSI KLASIK

Uji ini terdiri dari beberapa uji, yaitu :

1. Uji Multikolinearitas (Nilai Skewness)

Nilai skewness digunakan untuk mengetahui bagaimana distribusi
normal data dalam variabel dengan menilai kemiringan kurva. Nilai skewness
yang baik adalah mendekati angka 0. Jika kemiringan dilihat dari nilai
skewness, nilai skewness ini bersifat mutlak (+/-).
 13

Langkah-langkah untuk mengetahui nilai skewness dan kurtosis adalah

sebagai berikut:
1) Klik Analyze
2) Klik Descriptive Statistics
3) Klik Descriptive
4) Klik nama-nama Variabel yang akan didistribusikan
5) Klik Option
6) Klik Skewness dan Kurtosis
7) Klik Continue
8) Klik OK
9) Akan muncul tabel Descriptive Statistics.

2. Normalitas Data
Uji normalitas data dilakukan sebelum data diolah berdasarkan model-
model penelitian. Uji normalitas data bertujuan untuk mengetahui distribusi
data dalam variabel yang akan digunakan dalam penelitian. Data yang baik dan
layak digunakan dalam penelitian adalah data yang memiliki distribusi normal.
Normalitas data dapat dilihat dengan beberapa cara, antara lain:

A. Uji Normal (Uji VIF dan Toletrance) (P – Plot)

Pada normalisasi data dengan Normal P-Plot, data pada variabel yang
digunakan akan dinyatakan terdistribusi normal atau mendekati normal.
Suatu variabel dikatakan normal jika gambar didistribusi dengan titik-titik
data yang menyebar di sekitar garis diagonal, dan penyebaran titik-titik
data searah mengikuti garis diagonal.
Langkah - langkah untuk melihat gambar Normal P-Plot adalah sebagai
berikut :
1) Klik Analyze
2) Klink Regression
 14

3) Klik Linier sehingga muncul kotak kerja Linier Regression

4) Masukkan Variabel (Y) ke kotak Dependent dan Variabel (X) ke kotak
Independent
5) Klik Statistik sehingga muncul kotak kerja Linier Statistik Regression:
Statistik
6) Klik Estimates, Model fit, Collinearity diagnostics pada kotak
Regression Coefficiens, dan Durbin Waston pada kotak Residuals.
7) Klik Continue
8) Klik Plots. Akan muncul kotak dialok dengan nama Linier
Regression:Plot.
9) Muncul tabel Linier Regression Plots
✓ Masukkan Variabel ( SRESID ) pada kotak pilihan Y
✓ Masukkan variabel ( ZPRED ) pada kotak pilihan X
10) Klik tanda (√) Histogram dan (√) Normal probability plot, abaikan yang
lain.
11) Klik Continue
12) Klik Option sehingga muncul kotak kerja Linier Regression: Options
13) Isi angka probabilitas pada kotak Entry. Umumnya 5% atau 0,05 namun
bisa diisi sesuai dengan keinginan, 1% atau 10%
14) Klik Continue
15) Klik Oc

B. Non- Parametrik (Kolmogorov – Smirnov)

Uji Kolmogorov -Smirnov bertujuan untuk membantu peneliti dalam
menentukan distribusi normal dengan jumlah data penelitian yang sangat
sedikit (kurang dari 30). uji Kolmogorov -Smirnov ini membantu peneliti
untuk mengetahui apakah sampel yang dipilih berasal dari populasi yang
terdistribusi secara normal. Interprestasi output Kolmogorov Smirnov
 15

bertujuan untuk mengetahui apakah data sampel pada variabel penelitian

terdistribusi secara normal, dengan menggunakan Level of significant (α)
5%. (0,05) yang artinya taraf Asymp Sig (2_tailed) harus > 0,05 yg mana
data terdistribusi normal.
Langkah-langkah uji Kolmogorov Smirnov (K-S):
Dengan menggunakan cara :
1) Buka tabulasi data ( Data View)
2) Mengubah data tersebut kedalam bentuk Unstandardizet
3) Klik Analyze
4) Klik Regression
5) Klik Linier
6) Muncul kotak dialok dengan nama Liniear Regression ( masukkan
Variabel Dependent/Y Variabel Independent /X
7) Klik Save
8) Muncul kotak dialok Linier Regression Save
9) Pada bagian Residual Klik(√ )pada Unstandardized. Abaikan kolom lain
10) Klik Continue
11) Klik Ok
Maka akan muncul Variabel baru dengan nama RES_1. selanjutnya
abaikan output yang muncul dari proses SPSS.
12) Klik Analyze
13) Klik Non-Parametric Test
14) Klik Legaci Dialog
15) Kemudian pilih Submenu 1_ Sampel K-S
16) Akan muncul kotak dialog One Sample Kolmogorof -Smirnov Test,
masukkan Variabel Unstandardized Residuals ke kotak Test Variable
List.
 16

17) Klik tanda centang (√ ) Normal

18) Ok. Maka hasil pengolahan Kolmogorov Smirnov- test akan keluar
hasilnya.

3. Uji Heteroskedastisitas
Heteroskedastisitas adalah keadaan dimana terjadi ketidaksamaan
varian dari residual untuk semua pengamatan pada model regresi. Uji
heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya
ketidaksamaan varian dari residual pada model regresi. Persyaratan yang
harus dipenuhi dalam model regresi adalah tidak adanya masalah
heteroskedastisitaas. Ada beberapa metode pengujian yang bisa digunakan
diantaranya, yaitu uji Sperman’s rho, Uji Glejser, Uji Park, dan melihat pola
grafik regresi ( Scatterplot).

A. Scatterplot
Heteroskesedastisitas menguji terjadinya perbedaan variance
residual suatu periode pengamatan ke periode pengamatan yang lain, atau
gambaran hubungan antara nilai yang diprediksi dengan Studentized Delete
Residual nilai tersebut. Model regresi yang baik adalah model regresi yang
memiliki persamaan variance residual suatu periode pengamatan dengan
periode pengamatan yang lain. Atau adanya hubungan dengan nilai yang
diprediksi dengan Studentized Delete Residual nilai tersebut sehingga
dapat dikatakan model tersebut homokesdastisitas.
Cara untuk memprediksi ada tidaknya heterokedastisitas pada suatu
model dapat dilihat pada pola gambar Scatterplot modal tersebut. Analisis
pada gambar Scatterplot yang menyatakan model regresi linier berganda
tidak terdapat heteroskedastisitas jika :
a. Titik-titik data menyebar diatas dan dibawah atau disekitar angka 0.
 17

b. Titik-titik data tidak mengumpul hanya diatas atau dibawah saja.

c. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang
melebar kemudian menyempit dan melebar kembali.
d. Penyebaran titik-titik data sebaiknya tidak berpola.
Langkah-langkah yang dilakukan adalah :
1) Klik Analyze
2) Klik Regression
3) Klik Linier
4) Masukkan Variabel (Y) ke kotak Dependent dan Variabel (X) ke kotak
Independent (S)
5) Klik Plots. Akan muncul kotak dialok dengan nama Linier
Regression:Plot.
6) Muncul tabel Linier Regression Plots
✓ Masukkan Variabel ( SRESID ) pada kotak pilihan Y
✓ Masukkan variabel ( ZPRED ) pada kotak pilihan X
7) Klik tanda (√) Histogram dan (√) Normal probability plot, abaikan
yang lain.
8) Klik Continue
9) Klik Oc
Langkah ini sama dengan membuat Gambar P-Plot. Jadi langkah ini bisa
diabaikan saja karena pada saat membuat gambar P-Plot hasil gambar
Scatterplot juga secara otomatis akan keluar juga.

B. Uji Glajser
1) Buka tabulasi data ( Data View)
2) Mengubah data tersebut kedalam bentuk Unstandardizet
3) Klik Analyze
4) Klik Regression
 18

5) Klik Linier
6) Muncul kotak dialok dengan nama Liniear Regression ( masukkan
Variabel Dependent/Y Variabel Independent /X
7) Klik Save
8) Muncul kotak dialok Linier Regression Save
9) Pada bagian Residual Klik (√) pada Unstandardized. Abaikan kolom
lain
10) Klik Continue
11) Klik Ok
Maka akan muncul Variabel baru dengan nama RES_1. selanjutnya
abaikan output yang muncul dari proses SPSS. ( untuk nilai uji
RES_1 sudah ada pada uji kolmogorof smirnov )
12) Selanjutnya membuat RES_2
Caranya dari menu utama SPSS pilih Transform setelah itu pilih
Compute Variable. Pada kotak “Target Variable “diisi dengan
RES_2 dan pada kotak”Function group” pilih ALL “. Pada
“Functions and Special Variable” pilih Abs dan arahkan tanda panah
yg ada pada kolom kiri ke kolom “Numeric Expression” dan data
akan masuk ABS (?). Untuk kolom (?) diisi dengan RES_1 yang
diambil dari kolom Type&Label, kemudian OK maka pada tabel
Data View akan terisi Variabel baru dengan Nama Absolute
Residual atau RES_2
13) Dari menu utama pilih Analyze
14) Klik Regresion
15) Klik Linier
Muncul kotak dialok Linier Regression kemudian keluarkan
Variabel Y di Depentent diganti dengan variabel RES_2
 19

16) Klik Save

Akan muncul kotakdialok Linier Regression Save, selanjutnya pada
bagian Residual hilangkan tanda (√) pada Unstandardized dan
abaikan perintah yang lainnya.
17) Klik Continue
18) Klik OK

C. Uji Spearman’s rho

Yaitu mengkorelasikan nilai residual (Unstandardized residual) pada
Sig (2-tailed) dengan masing-masing variabel variabel independent. Jika
signifikan korelasi kurang dari 0,05 maka pada model regresi terjadi
masalah heteroskedastisitas.
Langkah-langkah yang dilakukan adalah :
1) Buka tabulasi data ( Data View)
2) Mengubah data tersebut kedalam bentuk Unstandardizet
3) Klik Analyze
4) Klik Regression
5) Klik Linier
6) Muncul kotak dialok dengan nama Liniear Regression ( masukkan
Variabel Dependent/Y Variabel Independent /X
7) Klik Save
8) Muncul kotak dialok Linier Regression Save
Pada bagian Residual Klik (√) pada Unstandardized. Abaikan kolom
lain
9) Klik Continue
10) Klik Ok
 20

Maka akan muncul Variabel baru dengan nama RES_1. selanjutnya

abaikan output yang muncul dari proses SPSS.

11) Klik Analyze

12) Klik Corelate
13) Klik Bivariate
Kemudian akan terbuka kotak dialog Bivariate Correlation
14) Klik Variabel Unstandardized Residual, dan Variabel X
dan dimasukkan ke kotak Variables. Pada Correlation
Coefficients.
15) Hilangkan tanda centang (√ ) pada Pearson
16) Beri tanda Centang(√ ) pada Sperman
17) Klik OK.

UJI REGRESI

Regresi bertujuan untuk menguji hubungan pengaruh antar satu variabel

terhadap variabellain. Variabel yang dipengaruhi di sebut variabel tergantung
atau dependen. Sedang variabel yang mempengaruhi disebut variabel bebas
atau variabel independen.

Regresi yang memiliki satu variabel dependen dan satu variabel independen
disebut regresi sederhana. Model persamaannya dapat digambarkan sebagai
berikut:

Y= α + βX +e
 21

Sedangkan regresi yang memiliki satu variabel dependen dan lebih dari satu
variabel independent disebut regresi berganda. Model persamaannya dapat
digambarkan sebagai berikut:

Y=α+β1X1 + β2X2 + β3X3 + e

Linier hanya dapat diterapkan pada regresi berganda. Karena memiliki

variabel lebih dari satu, suatu model regresi berganda dikatakan linier jika
memenuhi syarat-syarat liniearitas, seperti normalitas data ( baik secara
individu maupun model ), bebas dari asumsi klasik statistik multi-
kolinearitas, autokorelasi, heteroskedastisitas. Model regresi linier berganda
dikatakan model yang baik juka model tersebut memenuhi asumsi normalitas
dan terbatas dari asumsi-asumsi klasik statistik, baik itu multikolinearitas,
autokorelasi, dan heteroskesdastisitas.

Penyelesaian uji regresi, baik itu regresi sederhana maupun regresi linier
berganda, memiliki langkah-langkah yang sama. Yang membedakannya
adalah jumlah variabel independen regresi sederhana hanya ada satu,
sedangkan regresi linier berganda memiliki variabel independen lebih dari
satu.

Langkah-langkah penyelesaian regresi linier berganda adalah sebagai

berikut:

1) Klik Analyze

2) Klik Regression

3) Klik Linear sehingga muncul kotak kerja Linier Regression

4) Klik variabel Dependen masukkan ke kotak Dependent.

 22

5) Klik variabel Independent masukkan ke kotak Independent

6) Klik Ok