Nama : fina fawazzah

NPM : 228600346

Mata Kuliah : Statistika II

Dosen Pengampu : Khairuddin, S.Psi, M.Psi

ANALISIS DATA

a) Data Kuisioner 2 Variabel Dan 3 Variabel: DATA KUISIONER LIKERT FINA.xlsx

b) Data Di Analisis Ke Dalam :
1. Korelasi :
 Pearson
 Spearman
2. Regresi :
 Regresi Linier Sederhana
 Regresi Linier Berganda
3. Komparasi :
 Anova 1 Jalur
 Anova 2 Jalur
 Independent Sample T-Test

1. ANALISIS KORELASI
a. Korelasi Pearson
Korelasi Pearson merupakan bentuk dari rumus yang dipakai untuk
mencari hubungan keterikatan antara dua variabel, yaitu variabel bebas atau
independent variable (X) dan variabel terikat atau dependent variable. (Y)
Judul: Pengaruh Tingkat pendidikan Terhadap pendapatan
Variabel X : Tingakat pendidikan
Variabel Y : Pendapatan
Data berisi 12 kuisioner masing-masing variabel dengan 30 sampel
menggunakan skala likert 1-5 untuk menentukan nilai data.
Correlations
X Y
X Pearson Correlation 1 ,405*
Sig. (2-tailed) ,026
N 30 30
Y Pearson Correlation ,405* 1
Sig. (2-tailed) ,026
N 30 30
*. Correlation is significant at the 0.05 level (2-tailed).
Berdasarkan output di atas, dapat di tarik kesimpulan :
1. Berdasarkan Sig. (2-tailed) :
Di ketahui bahwa Sig. (2-tailed) adalah sebesar 0,026 < 0,05 yang berarti
terdapat korelasi data yang signifikan antara variabel Tingkat Pendidikan
dengan Variabel Pendapatan.
2. Berdasarkan R tabel :
Diketahui nilai hitung antara variabel X dan Y adalah sebesar 0,405 yang
lebih besar dari R tabel 0,374. Oleh sebab itu terdapat korelasi yang antara
variabel. Hubungan kedua variabel dinyatakan positif, dengan kata lain
ssemakin tinggi tingkat pendidikan, semakin mempengaruhi pendapatan.

b. Korelasi Spearman
Korelasi Spearman atau p spearman merupakan ukuran korelasi
peringkat nonparametrik. Ini menilai seberapa baik hubungan antara dua
variabel dapat dijelaskan menggunakan fungsi monotonik.
Correlations
X Y
Spearman's rho X Correlation Coefficient 1,000 ,436*
Sig. (2-tailed) . ,016
N 30 30
Y Correlation Coefficient ,436* 1,000
Sig. (2-tailed) ,016 .
N 30 30
*. Correlation is significant at the 0.05 level (2-tailed).
Dari output di atas, dapat di ambil kesimpulan dengan 3 tahap, yaitu:
1. Tingkat kekuatan/keeratan antar variabel
Dapat di ketahui bahwa korelasi antar variabel sebesar 0,436 yang
membuktikan kekuatan di antara variabel cukup kuat.
 2. Arah hubungan variabel
Angka koefisien 0,436 di atas bernilai positif, maka hubungan kedua
variabel tersebut bersifat searah. Ini dapat di artikan dengan semakin tinggi
tingkat pendapatan, semakin berpengaruh terhadap pendapatan.
3. Signifikan hubungan kedua variabel
Dari output di atas dapat di ketahui bahwa signifikasi atau Sig. (2-Tailed)
adalah sebesar 0,016 yang mana lebih kecil nilainya dari 0,05 yang berarti
terdapat hubungan signifikan antara variabel tingkat pendidikan dengan
pendapatan.

2. ANALISIS REGRESI
a. Regresi linear sederhana
Regresi linear sederhana adalah sebuah metode statistik yang digunakan
untuk memodelkan hubungan linier antara dua variabel, yaitu variabel dependen
(tergantung) dan variabel independen (penyebab).
Variables Entered/Removeda
Model Variables Entered Variables Removed Method
b
1 X . Enter
a. Dependent Variable: Y
b. All requested variables entered.
Output di atas menjelaskan tentang variabel yang di masukkan serta
metode yang digunakan.
Koefisien Determinan (R2)
Model Summary
Std. Error of the
Model R R Square Adjusted R Square Estimate
1 ,405a ,164 ,134 5,40475
a. Predictors: (Constant), X
Dari output ini dapat di ambil kesimpulan bahwa tingkat pendidikan
mempengaruhi pendapatan sebesar 16,4%.
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 22,259 12,150 1,832 ,078
X ,527 ,225 ,405 2,346 ,026
a. Dependent Variable: Y
 Secara umum persamaan regresi linear sederhana adalah Y = a + bX
Dari output di atas dapat di tentukan bahwa
a = merupakan angka konstan dari Unstandardized Coefficients, yang
besarnya adalah 22,259. Ini mengartikan bahwa, jika tidak ada pengaruh dari
tingkat pendidikan, maka nilai konsisten pendapatan adalah 22,259.
b = merupakan angka koefisien regresi dengan nilai sebesar 0,527. Ini
mengartikan bahwa pengurangan tingkat pendidikan 1% maka pendapatan akan
bertambah sebanyak 0,527.
Sehingga persamaan regresinya adalah Y = 22,259 + 0,527.

b. Regresi Linear Berganda

Regresi linear berganda adalah metode statistik yang digunakan untuk
memodelkan hubungan linier antara lebih dari dua variabel independen.
Judul : Pengaruh Jam Tidur Dan Tingkat Stres Terhadap
Kinerja Karyawan
Variabel X1 : Jam tidur
Variabel X2 : Tingkat Stres
Variabel Y : Kinerja Karyawan
Data berisi 12 kuisioner masing-masing variabel dengan 30 sampel
menggunakan skala likert 1-5 untuk menentukan nilai data.
Variables Entered/Removeda
Model Variables Entered Variables Removed Method
b
1 X2, X1 . Enter
a. Dependent Variable: YY
b. All requested variables entered.
Tabel di atas berisi tentang variabel penelitian dan metode yang di
gunakan dalam analisis regresi berganda.
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 3,296 2,746 1,200 ,240
X1 ,368 ,102 ,371 3,606 ,001
X2 ,559 ,092 ,624 6,058 ,000
a. Dependent Variable: YY
Secara umum persamaan regresi berganda dapat di lihat sebagai berikut:
 Y = a +b1X1 + b2X2
Yang dimana :
a = nilai dari Unstandardized Coefficients, ialah sebesar 3,296.
b1X1 = koefisien regresi variabel X1 sebesar 0, 368
b2X2 = koefisien regresi variabel X2 sebesar 0,559.
Maka, persamaan linearnya adalah
Y= 3,296 + 0, 368+ 0,559

3. UJI KOMPARASI
a. Anova 1 Jalur
ANOVA 1 jalur digunakan untuk menguji hipotesis komparatif rata-rata
k sampel, dengan menggunakan data yang hanya terdiri atas satu variabel
independent.
Judul: Pengaruh Tingkat pendidikan Terhadap pendapatan
Variabel X : Tingkat pendidikan
Variabel Y : Pendapatan
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 160,748 1 160,748 5,503 ,026b
Residual 817,918 28 29,211
Total 978,667 29
a. Dependent Variable: Y
b. Predictors: (Constant), X

Berdasarkan hasil output di atas di ketahui bahwa bahwa nilai

signifikansi sebesar 0.026, nilainya jika dibandingkan dengan tingkat alpha yaitu
0.05 maka lebih kecil (0.026 < 0.05), sehingga dapat disimpulkan bahwa
terdapat pengaruh antara variabel tingkat pendidikan (X) terhadap pendapatan
(Y).

b. ANOVA 2 jalur
ANOVA dua jalur digunakan ketika peneliti memiliki dua faktor atau
dua variabel independen yang ingin di uji, dan ingin memahami bagaimana
kedua faktor tersebut berinteraksi.
Judul : Pengaruh Jam Tidur Dan Tingkat Stres Terhadap
 Kinerja Karyawan
Variabel X1 : Jam tidur
Variabel X2 : Tingkat Stres
Variabel Y : Kinerja Karyawan
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 349,461 2 174,731 95,297 ,000b
Residual 49,506 27 1,834
Total 398,967 29
a. Dependent Variable: YY
b. Predictors: (Constant), X2, X1

Berdasarkan hasil output di atas di ketahui bahwa bahwa nilai

signifikansi sebesar 0.000, nilainya jika dibandingkan dengan tingkat alpha yaitu
0.05 maka lebih kecil (0.000 < 0.05), sehingga dapat disimpulkan bahwa H 0 di
terima. Ini di artikan bahwa secara simultan terdapat pengaruh antara variabel
jam tidur dan tingkat stres terhadap kinerja Karyawan.
Namun jika dilihat berdasarkan perbandingan nilai Fhitung dengan
Ftabel. Diketahui bahwa F hitung adalah sebesar 95,297 lebih besar dari f tabel
4,183. Sehingga dapat disimpulkan bahwa H0 di terima. Ini di artikan bahwa
terdapat pengaruh antara variabel jam tidur dan tingkat stres terhadap kinerja
Karyawan.

c. Independent Sample T-Test

Independent Sample T-Test (Uji T Sampel Independen) adalah sebuah
metode statistik yang digunakan untuk membandingkan rata-rata dua kelompok
atau sampel yang bersifat independen atau tidak berhubungan satu sama lain.
Group Statistics
Std. Error
KELOMPOK N Mean Std. Deviation Mean
KINERJA PRIA 24 39,2083 3,17571 ,64824
KARYAWAN WANITA 6 43,0000 4,42719 1,80739

Tabel di atas menunjukkan kelompok pria memiliki 24 sampel dan

wanita 6 sampel. Kinerja karyawan kelompok wanita lebih tinggi dari kelompok
pria dilihat dari rata-ratanya 43 dengan 39,2.
Independent Samples Test
Levene's
Test for
Equality of
Variances t-test for Equality of Means
Sig. 95% Confidence
(2- Mean Std. ErrorInterval of the
tailed Differenc Differenc Difference
F Sig. t df ) e e Lower Upper
KINERJ Equal
A varian
KARY ces 1,079 ,308 -2,420 28 ,022 -3,79167 1,56686 -7,00123 -,58210
AWAN assum
ed
Equal
varian
ces not -1,975 6,346 ,093 -3,79167 1,92013 -8,42860 ,84526
assum
ed
Dari output di atas terlihat nilai signifikansi 2 arah (t-tailed) 0,022 <
0.05. Sehingga terdapat perbedaan skor point yang berarti antara kelompok pria
dan wanita. Berdasarkan nilai deskriptifnya terbukti kelompok wanita memiliki
kinerja karyawan dengan skor lebih tinggi.