MAKALAH METODOLOGI PENELITIAN “ANALISIS DATA DAN

INTERPRETASINYA ”
Makalah ini Disusun Sebagai Bahan Diskusi Mata Kuliah Metodologi Penelitian
Dosen Pengampu: Rahmat Hidayat S.E, M.T, Ph.D

Disusun Oleh :

Muhammad Djagad Tino Sundoro 11210860000044

PROGRAM STUDI EKONOMI SYARIAH

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA
2023

KATA PENGANTAR
 Segala puji bagi Allah Swt yang telah memberikan rahmat, tauhid, serta
hidayahnya sehingga kami dapat menyelesaikan makalah ini dengan judul
“Analisis Data dan Interpretasinya” dapat terselesaikan. Sholawat serta salam
tercurahkan kepada junjungan kita Nabi Muhammad Saw, yang kita nanti-
nantikan syafaatnya di yaumul akhir nanti.

Makalah ini telah kami susun dengan maksimal dan mendapat bantuan dari
berbagai pihak sehingga dapat memperlancar pembuatan makalah ini. Untuk itu
kami menyampaikan terimakasih kepada semua pihak yang telah berkontribusi
dalam pembuatan makalah ini. Terlepas dari itu semua, kami menyadari
sepenuhnya bahwa masih ada kekurangan baik dari segi susunan kalimat maupun
tata bahasa. Oleh karena itu dengan tangan terbuka kami menerima segala saran
dan kritik dari pembaca agar kami dapat memperbaiki makalah ini.

Akhir kata kami harap semoga makalah ini dapat memberikan manfaat dan
pemahaman terhadap pembacanya.

Ciputat,6 Desember 2023

Penulis

DAFTAR ISI

PAGE \* MERGEFORMAT 21
Kata Pengantar......................................................................................................... 2
Daftar Isi................................................................................................................... 3
BAB I Pendahuluan
1.1.Latar Belakang..................................................................................................... 4
1.2.Rumusan Masalah................................................................................................ 5
1.3.Tujuan Penulisan.................................................................................................. 5
BAB II Pembahasan
2.1.Tipe perbedaan regresi......................................................................................... 6
2.2.Korelasi................................................................................................................ 9
2.3.Structural equation modellin................................................................................ 11
2.4.Path Analysis........................................................................................................ 13
2.5.Identifikasi dan analisis metode statistik dalam artikel jurnal............................. 15
BAB III Penutup
3.1.Kesimpulan.......................................................................................................... 19
Daftar Pustaka.......................................................................................................... 20

BAB I
PENDAHULUAN

PAGE \* MERGEFORMAT 21
1.1 Latar Belakang
Analisis data dimaksudkan untuk memahami apa yang terdapat di balik semua
data tersebut, mengelompokannya, meringkasnya menjadi suatu yang kompak
dan mudah dimengerti, serta menemukan pola umum yang timbul dari data
tersebut. Dalam analisis data kuantitatif, apa yang dimaksud dengan mudah
dimengerti dan pola umum itu terwakili dalam bentuk simbol-simbol statistik,
yang dikenal dengan istilah notasi, variasi, dan koefisien.
Dalam menganalisa data penelitian strukturalistik (kuantitatif) hendaknya
konsisten dengan paradigma, teori dan metode yang dipakai dalam penelitian.
Ada perbedaan analisa data dalam penelitian kuantitatif dan kualitatif. Dalam
penelitian kuantitatif, analisa data yang dilakukan secara kronologis setelah data
selesai dikumpulkan semua dan biasanya diolah dan dianalisis dengan secara
computerized berdasarkan metode analisi data yang telah ditetapkan dalam
desain penelitian.
Dalam proses menganalisa data seringkali menggunakan statistik karena
memang salah satu fungsi statistik adalah menyederhanakan data. Proses analisa
data tidak hanya sampai disini. Analisa data belum dapat menjawab pertanyaan-
pertanyaan penelitian. Setelah data dianalisa dan diperoleh informasi yang lebih
sederhana, hasil analisa terus harus diinterpetasi untuk mencari makna yang lebih
luas dan impilkasi hasil-hasil analisa.
Penggunaan statistika dalam mengolah data penelitian berpengaruh terhadap
tingkat analisis hasil penelitian. Penelitian-penelitian dalam bidang ilmu
pengetahuan alam dan matematika (MIA) yang menggunakan perhitungan-
perhitungan statistika, akan menghasilkan data yang mendekati benar jika
memperhatikan tata cara analisis data yang digunakan. Dalam memprediksi dan
mengukur nilai dari pengaruh satu variabel (bebas/independent/ predictor)
terhadap variabel lain (tak bebas/dependent/response) dapat digunakan uji
regresi.
Analisis/uji regresi merupakan suatu kajian dari hubungan antara satu variabel,
yaitu variabel yang diterangkan (the explained variabel) dengan satu atau lebih

PAGE \* MERGEFORMAT 21
variabel, yaitu variabel yang menerangkan (the explanatory). Apabila variabel
bebasnya hanya satu, maka analisis regresinya disebut dengan regresi sederhana.
Apabila variabel bebasnya lebih dari satu, maka analisis regresinya dikenal
dengan regresi linear berganda. Dikatakan berganda karena terdapat beberapa
variabel bebas yang mempengaruhi variabel tak bebas.
Analisis/uji regresi banyak digunakan dalam perhitungan hasil akhir untuk
penulisan karya ilmiah/penelitian. Hasil perhitungan analisis/uji regresi akan
dimuat dalam kesimpulan penelitian dan akan menentukan apakah penelitian
yang sedang dilakukan berhasil atau tidak. Analisis perhitungan pada uji regresi
menyangkut beberapa perhitungan statistika seperti uji signifikansi (uji-t, uji-F),
anova dan penentuan hipotesis. Hasil dari analisis/ uji regresi berupa suatu
persamaan regresi. Persamaan regresi ini merupakan suatu fungsi prediksi
variabel yang mempengaruhi variabel lain.

1.2 Rumusan Masalah

1.Bagaimana Tipe perbedaan regresi: sederhana, linear, multiple, dan regresi
moderasi dan regresi logistik?
2.Apakah yang disebut korelasi dalam analisis data dan interpretasinya?
3.Bagaimana Structural equation modellin?
4.Bagaimana Path analysis?
5.Bagaimana Identifikasi dan analisis metode statistik dalam artikel jurnal?

1.3 Tujuan Penelitian

1.Untuk mengetahui Tipe perbedaan regresi: sederhana, linear, multiple, dan
regresi moderasi dan regresi logistik.
2.Untuk mengetahui korelasi dalam analisis data.
3.Untuk mengetahui Structural Equation Model.
4.Untuk mengetahui Path Analysis.
4.Untuk mengetahui Identifikasi dan analisis metode statistik dalam artikel
jurnal.

PAGE \* MERGEFORMAT 21
 BAB II
PEMBAHASAN

PAGE \* MERGEFORMAT 21
2.1. Tipe perbedaan regresi: sederhana, linier, multiple, regresi moderasi,
regresi logistic
a. Regresi linier
Analisis regresi linear bisa diartikan sebagai sebuah metode untuk
memprediksi nilai dari variabel satu dengan variabel lainnya. Variabel yang
ingin diprediksi disebut dengan variabel dependen, sedangkan variabel yang
digunakan untuk memprediksi variabel lainnya dikenal dengan istilah variabel
independen.
Dalam analisis ini, juga diperkirakan persamaan koefisien linear atau
melibatkan satu atau lebih dari variabel bebas yang nantinya bisa digunakan
dalam memprediksi nilai variabel yang terikat.
Regresi linier mempunyai model analisis yang sederhana dan mudah
diinterpretasikan dalam formula matematis dan dapat membuat prediksi. Metode
ini juga sangat mudah untuk dipelajari dan dinilai cukup jelas karena
membandingkan variabel-variabel yang berbeda dalam menentukan sebuah
keputusan yang akan diambil.
Contoh penggunaan analisis regresi linear dapat diterapkan dalam melakukan
evaluasi tren dan estimasi penjualan di perusahaan. Selain itu, juga dapat
digunakan untuk menganalisis skema harga produk yang akan dipasarkan
nantinya. Termasuk kapan waktu yang tepat untuk menaikkan harga berdasarkan
pola konsumsi dan daya beli konsumen.
Di samping itu, perusahaan yang bergerak di bidang finansial dan perbankan
juga bisa menggunakan metode analisis regresi linear ini. Misalnya saja
digunakan untuk menganalisis risiko bagi perusahaan seperti melakukan
investigasi kebenaran klaim asuransi. Dengan analisis regresi linear, perusahaan
dapat menentukan gambaran estimasi biaya yang dikeluarkan bagi nasabah yang
akan mengklaim asuransi tersebut.
Pada intinya, teknik regresi linier sederhana mencoba untuk menyusun grafik
garis antara dua variabel data, yaitu x dan y. Sebagai variabel independen, x
berada di sepanjang sumbu horizontal. Variabel independen juga disebut variabel
eksplanatori atau variabel prediktor. Variabel dependen, y, berada pada sumbu

PAGE \* MERGEFORMAT 21
vertikal. Anda juga dapat merujuk ke nilai y sebagai variabel respons atau
variabel yang diprediksi.
b. Regresi Linier Sederhana
Analisis regresi sederhana bertujuan untuk mengetahui pengaruh dari suatu
variabel terhadap variabel lainnya. Pada analisis regresi suatu variabel yang
mempengaruhi disebut variabel bebas atau independent variable, sedangkan
variabel yang dipengaruhi disebut variabel terkait atau dependent variable. Jika
persamaan regresi hanya terdapat satu variabel bebas dengan satu variabel
terkait, maka disebut dengan persamaan regresi sederhana. Pada regresi
sederhana kita dapat mengetahui berapa besar perubahan dari variabel bebas
dapat mempengaruhi suatu variabel terkait.
Rumus regresi linear sederhana sebagai berikut:
Y = a + bX
Keterangan:
YXab
= Variabel dependen (variabel terikat)
= Variabel independent (variabel bebas)
= Konstanta (nilai dari Y apabila X = 0)
= Koefisien regresi (pengaruh positif atau negatif)
Contoh untuk regresi sederhana adalah jumlah uang saku yang diterima
mahasiswa dipengaruhi dengan jarak tempuh dari rumah ke kampus. Apabila
didasarkan dari penjelasan logis maka semakin dekat jarak rumah dengan
kampus maka akan semakin kecil nilai uang saku mahasiswa, sebaliknya apabila
semakin jauh jarak tempuh dari rumah ke kampus maka akan semakin besar
jumlah uang saku mahasiswa, sehingga jarak tempuh dari rumah ke kampus
(variabel X) akan mempengaruhi nilai uang saku mahasiswa (variabel Y) secara
positif.
c. Regresi linier berganda
Regresi linear berganda merupakan model regresi yang melibatkan lebih dari
satu variabel independen. Analisis regresi linear berganda dilakukan untuk

PAGE \* MERGEFORMAT 21
mengetahui arah dan seberapa besar pengaruh variabel independen terhadap
variabel dependen.
Model regresi linear berganda dilukiskan dengan persamaan sebagai berikut:
Y = α + β1 X2 + β2 X2 + βn Xn + e
Keterangan:
Y = Variabel terikat atau variabel response.
X = Variabel bebas atau variabel predictor. α = Konstanta.
β = Slope atau Koefisien estimate.
d. Regresi moderasi
Salah satu metode untuk menganalisis variabel moderasi adalah regresi
moderasi. Analisis regresi moderasi merupakan analisis regresi yang melibatkan
variabel moderasi dalam membangun model hubungannya. Variabel moderasi
berperanan sebagai variabel yang dapat memperkuat atau memperlemah
hubungan antara variabel prediktor (independen) dengan variabel tergantung
(dependen).
Apabila variabel moderasi tidak ada dalam model hubungan yang dibentuk
maka disebut sebagai analisis regresi saja, sehingga tanpa adanya variabel
moderasi, analisis hubungan antara variabel prediktor dengan variabel tergantung
masih tetap dapat dilakukan. Dalam analisis regresi moderasi, semua asumsi
analisis regresi berlaku, artinya asumsi-asumsi dalam analisis regresi moderasi
sama dengan asumsiasumsi dalam analisis regresi.
Persamaan Regresi Model MRA (Moderated Regression Analysis) sebagai
berikut:
Y = α+β1X1 +β2X2 + β3X1X2+ ∈
Keterangan:
Y = nilai perusahaan
α = konstanta
β1- β3 = koefisien regresi
X1 = variabel Sustainability Report
X2 = Variabel GCG (Kepemilikan Manajerial)
X1.X2 = Interaksi antara Sustainability Report dengan Kepemilikan manajerial

PAGE \* MERGEFORMAT 21
ε = error term (tingkat kesalahan penduga)
e. Regresi logistik
Ilmuwan data menggunakan regresi logistik untuk mengukur probabilitas
suatu peristiwa terjadi. Prediksi adalah nilai antara 0 dan 1. Angka 0
menunjukkan suatu peristiwa yang tidak mungkin terjadi dan angka 1
menunjukkan kemungkinan maksimum bahwa peristiwa itu akan terjadi.
Persamaan logistik menggunakan fungsi logaritma untuk menghitung garis
regresi.
Di bawah ini adalah beberapa contoh:
• Probabilitas menang atau kalah dalam pertandingan olahraga
• Probabilitas lulus atau gagal dalam ujian
• Probabilitas sebuah gambar berupa buah atau hewan

2.2. Korelasi
a. Pengertian
Pengertian Penelitian Korelasional menurut Para Ahli:
• Fraenkel dan Wallen
Menurut Fraenkel dan Wallen, penelitian korelasional ialah penelitian yang
bertujuan untuk mengetahui hubungan antarvariabel atau lebih, tanpa ada upaya
untuk mempengaruhi, maka data tersebut valid karena tidak ada manipulasi
variabel.
• Winarsunu
Teknik statistik yang digunakan untuk mencari hubungan atau korelasi antara
2 variabel atau lebih disebut dengan teknik korelasi. 2 variabel yang diteliti
hubungannya itu masing-masing disebut dengan variabel bebas (variabel X) dan
variabel bebas (variabel Y).
• Suryabrata
Penelitian korelasional ialah penelitian yang bertujuan untuk mendeteksi
kaitan varias-variasi yang ada di dalam dengan variasi-variasi yang berasal dari
luar didasarkan pada koefisien relasi.

PAGE \* MERGEFORMAT 21
 Berdasarkan pendapat-pendapat ahli di atas, jenis riset ini merupakan
penelitian yang berusaha untuk mencari hubungan antara dua variabel atau lebih
pada suatu penelitian kuantitatif. Selain itu, jenis riset ini juga mencari adanya
kaitan antara variasi-variasi dari dalam dengan variasi-variasi dari luar
berdasarkan koefisiensi relasi. Penelitian korelasional ini merupakan salah satu
jenis metode penelitian yang melibatkan dua variabel dalam membangun
hubungan secara statistik dari variabel-variabel penelitian tersebut.
Tujuan
Penelitian korelasional memiliki tujuan untuk mengidentifikasi variabel-
variabel yang memiliki hubungan dengan variabel lainnya, apakah ada
perubahan pada suatu variabel tertentu atau tidak, dan apakah variabel tersebut
menciptakan perubahan pada variabel lainnya. Contohnya adalah mengukur
kaitan hubungan antara kecerdasan dengan usia, kreativitas dengan motivasi, dan
sebagainya.Arah korelasi pada penelitian korelasional
• Korelasi Positif
Penelitian korelasional bisa menghasilkan korelasi positif ketika kedua
variabel berhubungan dengan satu yang sama. Bisa dikatakan ketika salah satu
variabel tersebut meningkat, maka variabel yang lain juga meningkat. Begitu
pula jika variabel tersebut menurun. Contohnya adalah naik turunnya variabel X,
akan diikuti juga naik turunnya variabel Y.
• Korelasi Negatif
Penelitian korelasional bisa menghasilkan korelasi negatif ketika salah satu
variabel naik, maka variabel yang lain turun. Korelasi negatif merupakan
kebalikan dari korelasi positif. Contohnya adalah ketika turunnya variabel X,
sedangkan variabel Y naik. Begitu pula sebaliknya.
• Tidak Ada Korelasi (Nihil)
Penelitian korelasional terjadi tidak ada korelasi ketika naik turunnya variabel
tidak memberikan pengaruh yang apapun atau signifikan pada variabel lain,
sehingga tidak ada dampak yang ditimbulkan. Contohnya adalah ketika variabel
X dan Y tidak memiliki hubungan yang sistematis.
d. Contoh

PAGE \* MERGEFORMAT 21
• Hubungan antara Minat dan Prestasi Belajar Sejarah dengan Kesadaran
Sejarah Siswa MAN Yogyakarta III
Penelitian mengenai Hubungan antara Minat dan Prestasi Belajar Sejarah dengan
Kesadaran Sejarah Siswa MAN Yogyakarta III di atas, telah dilakukan oleh
Asyhar Basyari dari Program Studi Pendidikan Sejarah Universitas Negeri
Yogyakarta tahun 2013.
• Korelasi antara Minat Belajar Fisika dan Perhatian Orang tua dengan
Prestasi Belajar Fisika Siswa Kelas VII SMP N 1 Depok Tahun Pelajaran
2015/2016
Penelitian mengenai Korelasi antara Minat Belajar Fisika dan Perhatian Orang
tua dengan Prestasi Belajar Fisika Siswa Kelas VII SMP N 1 Depok Tahun
Pelajaran 2015/2016 di atas, telah dilakukan oleh Ginanjar Alvi Mubaroq dari
Program Studi Pendidikan Fisika Universitas Sanata Dharma Yogyakarta tahun
2016.

2.3. Structural Equation Modellin

a. Pengertian
Structural Equation Modeling disingkat SEM merupakan metode analisis
multivariat yang dapat digunakan untuk menggambarkan keterkaitan hubungan
linier secara simultan antara variabel pengamatan (indikator) dan variabel yang
tidak dapat diukur secara langsung (variabellaten).
SEM merupakan teknik analisis multivariat yang dikembangkan guna
menutupi keterbatasan yang dimiliki oleh model-model analisis sebelumnya
yang telah digunakan secara luas dalam penelitian statistik. Model-model yang
dimaksud diantaranya adalah analisis regresi, analisis jalur, dan analisis faktor
konfirmatori.
b. Komponen SEM
• Model Pengukuran: SEM dimulai dengan pembangunan model pengukuran,
yang melibatkan penentuan hubungan antara variabel yang diamati dan variabel
laten. Peneliti menentukan indikator atau pengukuran yang mencerminkan setiap
konstruksi laten dan memperkirakan hubungan antara variabel yang diamati dan

PAGE \* MERGEFORMAT 21
konstruksi yang mendasarinya menggunakan teknik seperti analisis faktor
konfirmatori.
• Model Struktural: Model struktural mewakili hubungan antara variabel laten.
Ini mengkaji jalur kausal dan efek langsung dan tidak langsung di antara
konstruksi. Peneliti menentukan hubungan yang dihipotesiskan berdasarkan
landasan teori atau penelitian sebelumnya, dan model diperkirakan menggunakan
teknik seperti analisis jalur.
• Istilah Kesalahan: SEM memperhitungkan kesalahan pengukuran dengan
memasukkan istilah kesalahan dalam model. Istilah kesalahan ini menangkap
varian yang tidak dapat dijelaskan dalam variabel yang diamati yang tidak
diperhitungkan oleh konstruksi laten atau variabel lain dalam model.
c. Aplikasi pemodelan persamaan structural
• Ilmu Sosial dan Psikologi: SEM menemukan aplikasi yang luas dalam ilmu
sosial dan psikologi. Ini memungkinkan peneliti untuk mengeksplorasi
konstruksi psikologis yang kompleks seperti kecerdasan, kepribadian, sikap, atau
kesejahteraan dan memahami hubungan yang mendasarinya. SEM berharga
dalam mempelajari jalur kausal, efek mediasi dan moderasi, dan memeriksa
interaksi antara berbagai faktor yang memengaruhi perilaku manusia dan proses
mental.
• Pemasaran dan Perilaku Konsumen: SEM banyak digunakan dalam riset
pemasaran untuk mempelajari perilaku konsumen dan memahami hubungan
antara variabel seperti loyalitas merek, kepuasan pelanggan, dan niat membeli.
Ini memungkinkan pemasar untuk mengembangkan model komprehensif yang
menangkap saling ketergantungan yang kompleks antar variabel, membantu
dalam segmentasi pasar, penentuan posisi produk, dan perumusan strategi
pemasaran.
• Penelitian Pendidikan: SEM berperan penting dalam penelitian pendidikan,
memungkinkan analisis model dan sistem pendidikan yang kompleks. Ini dapat
digunakan untuk mempelajari hubungan antar variabel seperti strategi mengajar,
motivasi siswa, dan prestasi akademik. SEM membantu dalam mengidentifikasi

PAGE \* MERGEFORMAT 21
faktor-faktor kunci yang memengaruhi hasil pendidikan dan menginformasikan
pengambilan keputusan berbasis bukti di lingkungan pendidikan.
• Kesehatan Masyarakat dan Epidemiologi: SEM memainkan peran penting
dalam kesehatan masyarakat dan penelitian epidemiologi. Ini membantu
memodelkan dan memahami hubungan kompleks antara faktor risiko, hasil
penyakit, dan intervensi. SEM membantu dalam menilai keefektifan intervensi
kesehatan masyarakat, mengidentifikasi faktor mediasi, dan mengeksplorasi
mekanisme yang mendasari yang mendorong perilaku dan hasil terkait
kesehatan.

2.4.Analysis path
a. Pengertian
David Garson dari North Carolina State University mendefinisikan path
analysis sebagai œ Model perluasan regresi yang digunakan untuk menguji
keselarasan matriks korelasi dengan dua atau lebih model hubungan sebab akibat
yang dibandingkan oleh peneliti. Modelnya digambarkan dalam bentuk gambar
lingkaran dan panah dimana anak panah tunggal menunjukkan sebagai penyebab.
Regresi dikenakan pada masing-masing variabel dalam suatu model sebagai
variabel tergantung (pemberi respon) sedangkan yang lain sebagai penyebab.
Pembobotan regresi diprediksikan dalam suatu model yang dibandingkan dengan
matriks korelasi yang diobservasi untuk semua variabel dan dilakukan juga
penghitungan uji keselarasan statistik. Tujuan menggunakan path analysis
diantaranya ialah untuk melihat hubungan antar variabel dengan didasarkan pada
model apriori, mengidentifikasi jalur penyebab suatu variabel tertentu terhadap
variabel lain yang dipengaruhinya, menghitung besarnya pengaruh satu variabel
independen exogenous atau lebih terhadap variabel dependen endogenous
lainnya.
b. Asumsi-asumsi yang harus dipenuhi path analysis
• Linearitas (Linearity). Hubungan antar variabel bersifat linear, artinya jika
digambarkan membentuk garis lurus dari kiri bawah ke kanan atas.

PAGE \* MERGEFORMAT 21
• Ko-linier. Menunjukkan suatu garis yang sama. Maksudnya jika ada beberapa
variabel exogenous mempengaruhi satu variabel endogenous; atau sebaliknya
satu variabel exogenous mempengaruhi beberapa variabel endogenous jika
ditarik garis lurus akan membentuk garis-garis yang sama.
• Model Rantai Sebab Akibat: Menunjukkan adanya model sebab akibat dimana
urutan kejadian akhirnya menuju pada variasi dalam variabel dependen /
endogenous, seperti gambar di bawah ini. Dalam gambar dibawah semua urutan
kejadian X1 , X2 , X3 , dan X4 menuju ke Y
• Data metrik berskala interval. Semua variabel yang diobservasi mempunyai
data berskala interval (scaled values). Jika data belum dalam bentuk skala
interval, sebaiknya data diubah dengan menggunakan metode suksesive interval
(Method of Successive Interval /MSI) terlebih dahulu. Jika data bukan metrik
digunakan maka akan memunculkan nilai koefisien korelasi. Nilai koefisien
korelasi yang kecil akan menyebabkan nilai R2 menjadi semakin kecil. Dengan
demikian pemodelan yang dibuat menggunakan path analysis tidak akan valid;
karena salah satu indikator kesesuaian model yang dibuat dengan teori ialah
dengan melihat nilai R2 yang mendekati 1. Jika nilai ini semakin mendekati 1;
maka model dianggap baik atau sesuai dengan teori
• Rekursivitas. Semua anak panah mempunyai satu arah, tidak boleh terjadi
pemutaran kembali (looping) atau tidak menunjukkan adanya hubungan timbal
balik (reciprocal).
c.Contoh
Analisis jalur dapat dilakukan melalui penelitian ilmu sosial. Contohnya
analisis pengaruh karakteristik pekerjaan terhadap motivasi kerja karyawan,
pengaruh karakteristik pekerjaan dan motivasi terhadap kepuasan kerja
karyawan, pengaruh kepuasan kerja terhadap kinerja karyawan, serta pengaruh
langsung dan tidak langsung karakteristik pekerjaan, motivasi, dan kepuasan
kerja terhadap kinerja karyawan. Hasil penelitian menunjukkan bahwa
karakteristik pekerjaan berpengaruh signifikan terhadap kinerja melalui jalur
motivasi dan kepuasan kerja. Jalur hubungan kausal antara karakteristik
pekerjaan terhadap kinerja diperoleh tiga jalur yaitu: 1. Jalur hubungan kausal

PAGE \* MERGEFORMAT 21
antara karakteristik pekerjaan terhadap kinerja melalui motivasi dan kepuasan
kerja. 2. Jalur hubungan kausal antara karakteristik pekerjaan terhadap kinerja
melalui motivasi. 3. Jalur hubungan kausal langsung antara karakteristik
pekerjaan terhadap kinerja. 4. Ternyata jalur hubungan kausal antara
karakteristik pekerjaan terhadap kinerja melalui motivasi dan kepuasan kerja
merupakan jalur paling baik yang memberikan pengaruh paling besar terhadap
kinerja.

2.5. Identifikasi dan analisis metode statistic dalam artikel jurnal

Praktik mengumpulkan dan menganalisis data untuk mengidentifikasi pola
dan tren dikenal sebagai analisis statistik. Ini adalah metode untuk
menghilangkan bias dari evaluasi data dengan menggunakan analisis numerik.
Dan metode analisis statistik ini bermanfaat untuk mengumpulkan interpretasi
penelitian, membuat model statistik, dan mengatur survei dan studi
Analisis data menggunakan dua metode statistik dasar:
a. Statistik deskriptif, yang menggunakan indeks seperti mean dan median untuk
meringkas data,
b. Statistik inferensial, mengekstrapolasi hasil dari data dengan memanfaatkan
uji statistik seperti uji-t siswa.
Tiga faktor berikut menentukan apakah pendekatan statistik paling tepat:
a. Tujuan studi dan tujuan utama,
b. Jenis dan penyebaran data yang digunakan, dan
c. Jenis observasi (Berpasangan/Tidak Berpasangan).
“Parametrik” mengacu pada semua jenis prosedur statistik yang digunakan
untuk membandingkan cara. Sebaliknya, “nonparametrik” mengacu pada metode

PAGE \* MERGEFORMAT 21
statistik yang membandingkan ukuran selain rata-rata, seperti median, peringkat
rata-rata, dan proporsi.
Untuk setiap keadaan yang unik, metode analitik statistik dalam biostatistik
dapat digunakan untuk menganalisis dan menginterpretasikan data. Mengetahui
asumsi dan kondisi metode statistik diperlukan untuk memilih metode statistik
terbaik untuk analisis data.
5 Metode Analisis Statistik untuk Penelitian dan Analisis:
1.Arti
Data besar mengambil alih dunia, tidak peduli bagaimana mengirisnya. Mean,
yang lebih sering dikenal sebagai rata-rata, adalah teknik awal yang digunakan
untuk melakukan analisis statistik. Untuk menemukan mean, tambahkan daftar
angka, bagi total itu dengan komponen daftar, lalu tambahkan daftar angka
lainnya. Ketika teknik ini diterapkan, dimungkinkan untuk melihat data dengan
cepat sambil juga menentukan tren keseluruhan dari pengumpulan data.
Perhitungan langsung dan cepat juga menguntungkan bagi pengguna metode ini.
2.Standar Deviasi
Sebuah teknik statistik yang disebut standar deviasi mengukur seberapa luas
data terdistribusi dari mean. Saat bekerja dengan data, standar deviasi yang
tinggi menunjukkan bahwa data tersebar luas dari rata-rata. Deviasi yang rendah
menunjukkan bahwa sebagian besar data sejalan dengan mean dan juga dapat
disebut sebagai nilai yang diharapkan dari himpunan. Standar deviasi sering
digunakan ketika menganalisis dispersi titik data — apakah mereka berkerumun
atau tidak.
3.Regresi
Regresi dalam statistik mempelajari hubungan antara variabel independen dan
variabel dependen (informasi yang Anda coba nilai) (data yang digunakan untuk
memprediksi variabel dependen). Hal ini juga dapat dijelaskan dalam hal
bagaimana satu variabel mempengaruhi yang lain, atau bagaimana perubahan
dalam satu hasil yang tidak konsisten dalam perubahan yang lain, atau
sebaliknya, sebab dan akibat yang sederhana. Ini menunjukkan bahwa hasilnya
tergantung pada satu atau lebih faktor. Grafik dan grafik analisis regresi

PAGE \* MERGEFORMAT 21
menggunakan garis untuk menunjukkan tren selama periode yang telah
ditentukan serta kekuatan atau kelemahan korelasi antara variabel.
4.Pengujian Hipotesis
Dua set variabel acak di dalam kumpulan data harus diuji menggunakan
pengujian hipotesis, kadang-kadang disebut sebagai “Pengujian T”, dalam
analisis statistik. Pendekatan ini berfokus pada penentuan apakah klaim atau
kesimpulan yang diberikan berlaku untuk pengumpulan data. Ini memungkinkan
perbandingan data dengan berbagai asumsi dan hipotesis. Ini juga dapat
membantu dalam memprediksi bagaimana pilihan akan berdampak pada
perusahaan.
Sebuah uji hipotesis dalam statistik menentukan kuantitas di bawah asumsi
tertentu. Hasil tes menunjukkan apakah asumsi itu benar atau telah dilanggar.
Hipotesis nol, kadang-kadang dikenal sebagai hipotesis 0, adalah anggapan ini.
Hipotesis pertama, sering dikenal sebagai hipotesis 1, adalah teori lain yang
bertentangan dengan hipotesis 0. Saat melakukan pengujian hipotesis, hasil
pengujian signifikan secara statistik jika menunjukkan bahwa peristiwa tersebut
tidak mungkin terjadi secara kebetulan atau acak.
5.Penentuan Ukuran Sampel
Saat mengevaluasi data untuk analisis statistik, mengumpulkan data yang
andal terkadang dapat menjadi tantangan karena kumpulan data terlalu besar.
Dalam kasus ini, mayoritas memilih metode yang dikenal sebagai penentuan
ukuran sampel, yang melibatkan pemeriksaan sampel atau ukuran data yang
lebih kecil. Harus memilih ukuran sampel yang sesuai untuk akurasi untuk
menyelesaikan tugas ini secara efektif. Lalu, tidak akan mendapatkan hasil yang
dapat diandalkan setelah analisis Anda jika ukuran sampel terlalu kecil.
Anda akan menggunakan beberapa teknik pengambilan sampel data untuk
mencapai hasil ini. Untuk mencapai ini, dapat mengirim survei ke pelanggan dan
kemudian menggunakan metode pengambilan sampel acak langsung untuk
memilih data pelanggan untuk analisis acak.

PAGE \* MERGEFORMAT 21
 Sebaliknya, ukuran sampel yang berlebihan dapat mengakibatkan kerugian
waktu dan uang. dapat dilihat juga faktor-faktor seperti biaya, waktu, atau
kemudahan pengumpulan data untuk menentukan ukuran sampel.

BAB III
PENUTUP

PAGE \* MERGEFORMAT 21
3.1 Kesimpulan
Analisis data dimaksudkan untuk memahami apa yang terdapat di balik semua
data tersebut, mengelompokannya, meringkasnya menjadi suatu yang kompak
dan mudah dimengerti, serta menemukan pola umum yang timbul dari data
tersebut. Dalam Analisis data terdapat 5 Tipe perbedaan regresi, yaitu sederhana,
linear, multiple, dan regresi moderasi dan regresi logistik. Korelasi adalah
sesuatu yang berusaha untuk mencari hubungan antara dua variabel atau lebih
pada suatu penelitian kuantitatif. Selain itu, jenis riset ini juga mencari adanya
kaitan antara variasi-variasi dari dalam dengan variasi-variasi dari luar
berdasarkan koefisiensi relasi. Penelitian korelasional ini merupakan salah satu
jenis metode penelitian yang melibatkan dua variabel dalam membangun
hubungan secara statistik dari variabel-variabel penelitian tersebut. Korelasi juga
ada yang positif dan negatif bahkan sama sekali tidak punya korelasi. Kemudian
ada juga SEM ( Structural Equation Modellin ) merupakan teknik analisis
multivariat yang dikembangkan guna menutupi keterbatasan yang dimiliki oleh
model-model analisis sebelumnya yang telah digunakan secara luas dalam
penelitian statistik. Ada juga analisys path sebagai model perluasan regresi.
Untuk setiap keadaan yang unik, metode analitik statistik dalam biostatistik
dapat digunakan untuk menganalisis dan menginterpretasikan data. Mengetahui
asumsi dan kondisi metode statistik diperlukan untuk memilih metode statistik
terbaik untuk analisis data.

PAGE \* MERGEFORMAT 21
 DAFTAR PUSTAKA

 Ghozali, I. (2016) Aplikasi Analisis Multivariete Dengan Program IBM

SPSS 23. Edisi 8. Semarang: Badan Penerbit Universitas Diponegoro.
 https://accounting.binus.ac.id/2021/08/12/memahami-analisis-regresi-
linear-berganda/
 https://blog.algorit.ma/regresi-linear/
 https://lp2m.uma.ac.id/2022/10/26/5-metode-analisis-statistik-untuk-
penelitian-dan-analisis/
 Prihandini, T.I. & Sunaryo, S. 2011. Structural Equation Modelling (Sem)
dengan Model Struktural Regresi Spasial. Makalah dipresentasikan pada
Seminar Nasional Statistika, Universitas Diponegoro Semarang, 21 Mei
2011.
 Sekaran, U. & Bougie, R.J., (2016). Research Methods for Business: A
skill Building Approach. 7th Edition, John Wiley & Sons Inc. New York,
US.

PAGE \* MERGEFORMAT 21