UJI VALIDITAS DAN REALIBILITAS

DENGAN MENGGUNAKAN PROGRAM SPSS

Data yang berasal dari pengisian kuesioner oleh responden di rekap dalam

program excel. Kuesioner yang meliputi pernyataan / pertanyaan pada setiap

variabelnya perlu diuji validitas dan realibilitasnya sebelum disebarkan ke

responden yang sebenarnya.

Validitas berasal dari kata validity yang mempunyai arti sejauh mana

ketepatan dan kecermatan suatu alat ukur dalam melakukam fungsi ukurannya

dengan demikian, uji validitas adalah uji yang digunakan untuk menunjukkan

sejauh mana alat ukur yang digunakan dalam mengukur apa yang diukur

Reliabilitas, atau keandalan, adalah konsistensi dari serangkaian

pengukuran atau serangkaian alat ukur. Uji realibilitas adalah adalah uji untuk

memastikan apakah kuesioner penelitian yang akan dipergunakan untuk

mengumpulkan data variable penelitian reliable atau tidak

Uji validitas dan realibilitas dilakukan atas data kuesioner yang diisi oleh

responden diluar responden sebenarnya (bersifat uji coba). Hal ini dimaksud

untuk mengetahui apakah data kuesioner tersebut valid dan realibel untuk

disebarkan kepada responden sebenarnya. Jumlah kuesioner yang akan diuji pada

banyak penelitian berjumlah 30 kuesioner untuk 30 responden.

Sebelum data kuesioner diproses dengan SPSS, perlu dipersiapkan halaman

pemrosesan “data view” yang diakses dari halaman “variable view” pada program

SPSS, sehingga data yang direkap di Excel, dapat di copy kedalam halaman “data

Pelatihan SPSS - Risky Masmuddin 1

view”. (pemrosesan dari variable view ke data view sesuai petunjuk isntruktur),

berikut pemrosesannya :

1. Data rekap hasil kuesioner setiap variable dicopy secara sendiri sendiri

kedalam halaman data view (misalnya uji variable X 1 dengan pertanyaan X11,

X12, X13 dan X14, kemudian uji variable X2, lalu variable X3, dan seterusnya)

sebanyak 30 orang responden.

2. Setelah tercopy di halaman data vew, maka kita memulai dengan melakukan

uji validitas, setelah itu baru uji realibilitas.

3. Uji validitas, klik menu “Analyze” dan pilih submenu “Correlate”

4. Pilih “Bivariate” muncul menu “Bivariate Correlations”

5. Terlihat susunan data kuesioner variable yang hendak diuji berikut data

penjumlahnya. Pindahkan semua data variable tersebut dan penjumlahannya

kedalam kotak variable dengan cara mengklik “tanda panah”.

6. Setelah variable yang akan diuji berada dalam kotak variabels, maka klik

“OK”, maka muncul tabel “Correlations”.

7. Untuk mengetahui apakah masing masing pertanyaan (variable data) adalah

“valid” atau “tidak” maka lihat pada kolom “jumlah” dari tabel “correlations”

pada kolom tersebut terdapat nilai “Pearson Correlations”, nilai ini akan

dibandingkan dengan nilai R tabel.

R tabel didapat dari tabel R dengan n = 30, apabila perbandingan nilai “Pearson

Correlations” lebih besar (>) dari nilai R tabel, maka jawaban kuesioner yang

disebarkan adalah valid, sebaliknya bila nilai “Pearson Correlations” lebih

kecil (<) dari nilai R tabel, maka kuesioner tersebut menjadi tidak valid. Untuk

Pelatihan SPSS - Risky Masmuddin 2

 mengatasinya, maka pertanyaan tersebut harus dihapus, atau diganti dengan

pertanyaan yang baru.

Uji Realibilitas

1. Setelah selesai uji validitas, kita kembali ke “Data View”

2. Klik menu Analyze, pilih “Scale”

3. Pada scale muncul kotak pilihan, maka pilih (klik) “Realiability Analyze”

4. Terlihat kembali susunan data (nilai) variable yang akan diuji berikut

penjumlahnya, hal ini sebagaimana saat kita melakukan uji validitas.

Pindahkan variable data tersebut tanpa (tidak) menyertakan penjumlahannya

kedalam kotak “ITEMS” dengan melakukan “klik” tanda panah.

5. Setelah variable data berada di kotak “ITEMS”, maka pilih tombol ”statistic”

lalu pilih menu “Descriptives for” kemudian klik “scale”

6. Klik tombol “Continue” maka kita kembali ke kotak “Reliability Analyze”

dan terakhir klik “OK”

7. Maka muncul tabel “Reliability Statistics” di tabel tersebut ada nilai

Cronbach’s Alpha. Bila nilai Cronbach’s Alpha > 0,60, maka variable

data kuesioner adalah “realibel”, sebaliknya bila Cronbach’s Alpha <

0,60 maka “tidak realibel” dan pertanyaan (kuesioner) harus diganti.

Pelatihan SPSS - Risky Masmuddin 3

 REGRESI LINEAR BERGANDA

DENGAN PROGRAM SPSS

Analisis regresi berganda digunakan oleh peneliti, bila bermaksud meramalkan

bagaimana keadaan naik turunnya variable dependen (terikat), bila dua atau lebih

variable independen (bebas) sebagai faktor preditor dimanipulasi (dinaik turunkan

nilainya). Jadi analisis regresi berganda akan dilakukan bila jumlah variable

independennya 2 atau lebih (minimal 2)

Untuk bisa membuat ramalan melalui regresi, maka data setiap variable harus tersedia.

Selanjutnya berdasarkan data itu peneliti harus dapat menemukan persamaan regresi

berganda melalui perhitungan. Dalam hal ini kita akan mempergunakan program SPSS

untuk menemukan persamaan regresi berganda tersebut.

Berdasarkan 10 responden yang digunakan sebagai sumber data dibawah ini, kita

melakukan penelitian dengan judul “Pengaruh Kemampuan Pegawai (X1), dan

Kepemimpinan Direktif (X2) Terhadap Produktivitas Kerja Pegawai (Y), dengan tabel

rekap sebagai berikut :

Pelatihan SPSS - Risky Masmuddin 4

 Tabel …
Rekap Hasil Pengisian Kuesioner Penelitian

No
X1 X2 Y
Responden
1 10 7 23
2 2 3 7
3 4 2 15
4 6 4 17
5 8 6 23
6 7 5 22
7 4 3 10
8 6 3 14
9 7 4 20
10 6 3 19
Sumber : Data di olah

Untuk dapat meramalkan bagaimana produktivitas kerja pegawai (Y) bila kemampuan

pegawai (X1) dan kepemimpinan direktif (X2) dinaikan atau diturunkan, maka harus
dicari persamaan regresinya terlebih dahulu, dengan meneggunakan program SPSS.

Program SPSS

Analisis korelasi dan regresi bisa dikatakan paling banyak penggunaannya dalam skripsi,

tesis untuk berbagai bidang riset. Program ini memudahkan dan bahkan memanjakan

kita dalam perhitungan yang berkaitan dengan korelasi dan regresi. Dalam perhitungan

regresi dengan 2 variabel bebas X1 dan X2 diatas, kita merasakannya sudah cukup rumit

dilakukan secara manual, apalagi dengan lebih dari 2 variabel bebas, tentunya dapat

dibayangkan kerumitannya. Akan tetapi dengan menggunakan SPSS kerumitan dalam

perhitungan tersebut dapat diatasi. Khususnya bagi pengguna dari jurusan yang bukan

eksak akan sangat terbantu penelitiannya dengan program ini.

Contoh penggunaan SPSS dalam melakukan analisis regresi linear berganda.

Untuk data penelitian kita mempergunakan contoh diatas sebagai berikut :

Pelatihan SPSS - Risky Masmuddin 5

 Tabel …
Rekap Hasil Pengisian Kuesioner Penelitian

No
X1 X2 Y
Responden
1 10 7 23
2 2 3 7
3 4 2 15
4 6 4 17
5 8 6 23
6 7 5 22
7 4 3 10
8 6 3 14
9 7 4 20
10 6 3 19

Sumber : Data di olah

a. Langkah-langkah analisis regresi sebagai berikut :

b. Aktifkan program SPSS pada computer anda.

c. Pada halaman SPSS data editor klik variable View

d. Untuk memasukan variable, maka langkahnya sebagai berikut:

 Ketik Y pada kolom Name, pada kolom Lebel ketik produktifitas(Y). dan pada

kolom Measure pilih Scale.

 Pada kolom Name dibawahnya ketik X1, pada kolom Lebel ketik Kemampuan

kerja(X1), dan pada kolom Measure klik Scale.

 Pada kolom Name dibawahnya lagi ketik X2, pada kolom Lebel ketik

Kepemimpinan Direktif(X2), dan pada kolom Measure klik Scale.

 Kolom –kolom lainnya biarkan isian default

e. Setelah selesai klik data view

f. Isikan data Y, X1, dan X2 sesuai dengan variabelnya

g. Selanjutnya Klik : Analyze Regression Linear

Pelatihan SPSS - Risky Masmuddin 6

 Setelah itu kemudian akan terbuka kotak dialog Linear Regression. Pindahkan

variable Produktivitas (Y) kekotak Dependent, kemudian pindahkan variable

kemampuan kerja (X1), dan Kepemimpinan Direktif (X2) kekotak Independent.

h. Klik tombol Statistics. Selanjutnya terbuka kotak dialog Linear Regression Statistics.

Pilih Collinearity diagnostics. Untuk menguji multikolinearitas, dan pilih Durbin-

Watson untuk menguji autokorelasi.

i. Klik tombol Continue. Maka akan kembali ke kotak dialog sebelumnya.

j. Untuk uji heteroskedastisitas maka klik Plots, selanjutnya kotak dialog Linear

Regression: Plots terbuka masukan *ZRESID (Standardized Residual) ke kotak Y, dan

masukan *ZPRED (Standardized Predicted Value) ke kotak X.

k. Klik Continue, selanjutnya akan kembali ke kotak dialog sebelumnya.

l. Klik OK, maka hasil output sebagai berikut:

Pelatihan SPSS - Risky Masmuddin 7

Pelatihan SPSS - Risky Masmuddin 8
a. Korefisien Persamaan Regresi

Untuk mengetahui koefisien persamaan regresi berganda outputnya dapat dilihat

dari tabel Coefficients pada kolom Unstandardized Coefficients yaitu kolom B,

dari situ maka persamaan regrsi dapat dibentuk :

Y = 3.919 + 2.491X1 - 0.466X2

Persamaan ini dapat diasumsikan sebagai berikut :

Bila X1 (kemampuan pegawai) dan X2 (kepemimpinan direktif) nilainya sama

dengan 0 (X1, X2 =0), maka Y (produktivitas pegawai) sama dengan 3,919. Bila

nilai X1 (kemampuan pegawai) meningkat satu satuan sedangkan X2

(kepemimpinan direktif) nilainya tetap atau 0 (nol), maka nilai Y (produktivitas

pegawai) bertambah 2,491. Apabila X2 (kepemimpinan direktif) meningkat satu

satuan sedangkan X1 (kemampuan pegawai) nilainya tetap atau 0 (nol), maka

nilai Y (produktivitas pegawai) berkurang 0,466.

b. Koefisien Korelasi dan Koefisien Determinasi

Koefisien Korelasi (dilambangkan dengan huruf R) adalah ukuran Statistik yang

dapat menggambarkan derajat hubungan (kuat tidaknya hubungan ) antara

variable bebas (X) dengan variable terikat Y. Koefisien korelasi (R) mempunyai

nilai -1 s,d +1, dapat digambarkan sebagai berikut:

Pelatihan SPSS - Risky Masmuddin 9

Koefisien determinasi adalah kuadrat dari koefisien korelasi dengan symbol R 2

digunakan untuk menentukan besarnya kontribusi variable X terhadap naik-

turunnya variable Y.

Untuk mengetahui seberapa besar R dan R 2 hasil dari output SPSS penelitian

diatas, maka dapat dilihat dari tabel model summary output SPSS

Disini terlihat R = 0,915 dan R2 (R Square) = 0,836.

R= 0,915 artinya antara variable bebas X (X 1, dan X2) dengan variable terikat Y

memiliki hubungan yang kuat searah karena nilai 0,915 mendekati +1.

R2=0,836 artinya besarnya kontribusi variable bebas X (X 1, dan X2) terhadap

pengaruh naik turunya nilai variable terikat Y, adalah 0,836 atau 83,6%

sedangkan sisanya 16,4% dipengaruhi oleh factor lainnya yang tidak disertakan

dalam penelitian ini.

c. Pengujian Hipotesis (Uji F, dan Uji t)

Uji F atau uji koefisien regresi secara serentak (secara simultan), adalah

untuk mengetahui pengaruh variable independent secara serentak atau

simultan terhadap variable dependent, apakah pengaruhnya signifikan atau

tidak.

Tahap-tahap uji F, sebagai berikut :

Pelatihan SPSS - Risky Masmuddin 10

 1. Menentukan hipotesis nol (H0) dan hipotesis alternative (Ha) :

H0 ; b1 = b2 = b3 = ….= bn = 0

Artinya X1, X2, X3, …,Xn secara serentak tidak berpengaruh terhadap Y

Ha ; b1 ≠ b2 ≠ b3 ≠ …..≠ bn ≠ 0

Artinya X1, X2, X3, …,Xn secara serentak berpengaruh terhadap Y

2. Menentukan taraf signifikan. Taraf signifikan penelitian kita

menggunakan 0,05 :

3. Mencari F hitung dan Fkritis (Ftabel)

Fhitung diperoleh dari output SPSS (hasil dari pemrosesan data penelitian di

SPSS analysis Regresi). Lihat tabel ANOVA

Fkritis atau Ftabel dapat dicari pada tabel statistic distribusi F dengan

probabilitas (signifikan) 0,05, dengan N1 = K-1 dan N2 = n – K, dimana n

adalah banyak data dan K adalah jumlah Variabel (Variabel bebas +

variable terikat).

Untuk penelitian diatas didapat F hitung dari tabel ANOVA sebesar 17,899,

sedankan F tabel didapat dengan perincian :

n = 10 dan K = 3

N1 = 3 – 1 = 2 dan N2 = 10 – 3 = 7

N1 = 2 dan N2 = 7 maka dari tabel didapat Fkritis / Ftabel = 4,74

Pelatihan SPSS - Risky Masmuddin 11

 4. Pengambilan Keputusan

Fhitung ≤ Fkritis Ho diterima (tidak berpengaruh signifikan)

Fhitung > Fkritis H0 ditolak (berpengaruh signifikan)

5. Kesimpulan

Dari penelitian diatas, diketahui Fhitung = 17,899 dan Ftabel = 4,74 atau

Fhitung > Ftabel, jadi hipotesis nol ditolak, kesimpulan yaitu kemampuan

pegawai, dan kepemimpinan direktif secara bersama-sama berpengaruh

signifikan terhadap produktivitas kerja.

UJI t adalah untuk mengetahui pengaruh variable independent X secara

parsial (sendiri-sendiri) terhadap variable dependent, apakah pengaruhnya

signifikan atau tidak.

Tahap-tahap pengujian sebagai berikut

1. Menentukan hipotesis nol dan hipotesis alternatif

H0 : b1 = 0

H0 ; b2 = 0

H0 ; b3 = 0

…………..

Pelatihan SPSS - Risky Masmuddin 12

 Ho ; bn = 0

Artinya variable bebas X1, X2, X3 …… Xn secara sendiri sendiri

(parsial) tidak berpengaruh signifikan terhadap variable terikat Y, dan

jika :

H0 : b1 ≠ 0

H0 ; b2 ≠ 0

H0 ; b3 ≠ 0

…………..

Ho ; bn ≠ 0

Artinya variable bebas X1, X2, X3 …… Xn secara sendiri sendiri

(parsial) berpengaruh signifikan terhadap variable terikat Y

2. Menentukan taraf signifikan. Taraf signifikan penelitian kita

menggunakan 0,05 :

3. Mencari t hitung dan tkritis (ttabel)

thitung diperoleh dari output SPSS (hasil dari pemrosesan data penelitian di

SPSS analysis Regresi). Lihat tabel Coefficient.

tkritis atau ttabel dapat dicari pada tabel statistic distribusi t dengan

probabilitas (signifikan) 0,05, dengan df = n - k-1 , dimana n adalah

banyak data dan k adalah jumlah Variabel bebas.

Untuk contoh penelitian diatas diperoleh t hitung hasil output SPSS

dirincikan sebagai berikut Uji t untuk X1 (Kemampuan Pegawai) = 3,544

dan Uji t untuk X2 (Kepemimpinan Direktif) = -0,459 (lihat tabel

Coefficient)

Pelatihan SPSS - Risky Masmuddin 13

 ttabel, diperoleh dari tabel t dengan df= n – k – 1 atau dalam hal ini

df = 10 – 2 - 1 = 7, dengan probabilitas 0,05, maka dari tabel didapat t

tabel = 2,365.

4. Pengambilan Keputusan

thitung ≤ tkritis H0 diterima (tidak berpengaruh signifikan)

thitung > tkritis H0 ditolak (berpengaruh signifikan)

5. Kesimpulan

Dari penelitian diatas, diketahui hanya thitung X1 (kemampuan pegawai) >

dari ttabel, sedangkan thitung X2 < dari ttabel, kesimpulannya yaitu kemampuan

pegawai (X1) secara sendiri-sendiri berpengaruh signifikan terhadap

produktivitas kerja (Y), sedangkan kepemimpinan direktif tidak

berpengaruh signifikan.

d. Uji Asumsi Klasik

Asumsi klasik adalah syarat-syarat yang harus dipenuhi pada model

regresi linear, agar model tersebut menjadi valid sebagai alat penduga. Agar

menjadi valid maka model regresi linear harus bebas dari kondisi

multikolinearitas, Heteroskedastisitas, dan Autokorelasi

Pelatihan SPSS - Risky Masmuddin 14

 1. Uji multikolinearitas adalah untuk melihat ada atau

tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu

model regresi linear berganda. Jika ada korelasi yang tinggi di antara

variabel-variabel bebasnya, maka hubungan antara variabel bebas

terhadap variabel terikatnya menjadi terganggu.

Dalam SPSS untuk mendeteksi ada tidaknya multikolinearitas, yaitu

dengan melihat nilai tolerance dan VIF pada tabel Coefficients. Semakin

kecil nilai tolerance dan semakin besar nilai VIF semakin mendekati

terjadinya masalah multikolinearitas. Dalam kebanyakan penelitian

menyebutkan jika nilai tolerance lebih dari 0,1 dan VIF kurang dari 10,

maka tidak terjadi masalah multikolinearitas.

Dalam contoh penelitian diatas, maka hasil dari pengamatan pada tabel

Coefficients menunjukan bahwa nilai tolerance diatas 0,1 (yaitu X1 =

0,28 dan X2 = 0,28), sedangkan nilai VIF dibawah nilai 10 (yaitu X1 =

3,576 dan X2 = 3,576) dengan demikian model regresi yang terbentuk

tidak terjadi masalah multikolinearitas.

2. Uji Heteroskedastisitas adalah untuk melihat ada atau tidak terjadinya

ketidaksamaan varian dari residual pada model regresi. Model regresi

Pelatihan SPSS - Risky Masmuddin 15

 yang baik mengisyaratkan tidak adanya masalah heteroskedastisitas,

karena hal ini menyebabkan penaksir atau estimator menjadi tidak efisien

dan nilai koefisien determinasi menjadi sangat tinggi.

Untuk mendeteksi ada tidaknya heteroskedastisitas pada program

SPSS, yaitu dengan melihat pola titik-titik pada scatterplots regresi. Jika

titik-titik menyebar dengan pola yang tidak jelas diatas dan dibawah

angka 0 pada sumbu Y maka tidak terjadi masalah heteroskedastisitas.

Scatterplots dapat dilihat pada output SPSS, untuk contoh penelitian

diatas scatterplots yang dihasilkan adalah sbb :

Dari scatterplots di atas dapat diketahui bahwa titik titik menyebar

dengan pola tidak jelas diatas dan dibawah angka 0 pada sumbu Y, maka

pada model regresi yang dihasilkan contoh penelitian diatas, tidak ada

masalah heteroskedastisitas.

Pelatihan SPSS - Risky Masmuddin 16

 3. Uji Autokorelasi

Autokorelasi adalah keadaan dimana terjadinya korelasi dari

residual untuk pengamatan satu dengan pengamatan yang lain yang

disusun menurut rentan waktu. Model Regresi yang baik mensyaratkan

tidak ada masalah autokorelasi. Dampak yang diakibatkan dengan adanya

autokorelasi yaitu varian sampel tidak dapat menggambarkan varian

populasinya.

Untuk mendeteksi ada tidaknya autokorelasi yaitu dengan melakukan

uji Durbin-Watson, dengan prosedur sebagai berikut :

a. Menentukan hipotesis nol dan hipotesis alternative

Ho : Tidak terjadi autokorelasi

Ha : Terjadi autokorelasi.

b. Menentukan taraf signifikansi, dalam hal ini taraf signifikansi

menggunakan 0,05

c. Menentukan nilai d (Durbin-Watson)

Nilai d yang didapat dari hasil regresi pada contoh penelitian, dapat

dilihat pada tabel “Model Summary”

Nilai d yang didapat pada tabel adalah 1,516

Pelatihan SPSS - Risky Masmuddin 17

 d. Menentukan nilai dL dan dU

Nilai dL dan dU contoh penelitian, dapat dilihat pada tabel Durbim-

Watson pada signifikansi 0,05, dengan jumlah data n = 10 dan jumlah

variable independent (variable bebas) k = 2.

Maka didapat dL = 0,6972 dan dU = 1,6413, jadi dapat dihitung nilai

4 – dU = 4 – 1,6413 = 2,3587

4 – dL = 4 – 0,6972 = 3,3028

e. Pengambilan keputusan

dU < d < 4 – dU, maka H0 diterima (tidak terjadi autokorelasi)

d < dL atau d > 4 – dL maka Ho ditolak (terjadi autokorelasi)

dL < d < dU atau 4-dU < d < 4 – dL maka tidak ada kesimpulan

f. Kesimpulan

Untuk contoh penelitian, dimana d = 1,516 dL = 0,6972 dan dU =

1,6413, maka d terletak pada daerah diantara dL dan dU (dL<d<dU)

atau 0,6972<1,516<1,6413 dalam kondisi ini maka jawabannya tidak

ada kesimpulan (tidak menghasilkan kesimpulan yang pasti)

g. Gambar

1 2 3 2 1

dL d dU 4 - dU 4 - dL
0,6972 1,516 1,6413 2,3587 3,3028

Pelatihan SPSS - Risky Masmuddin 18