2020
MODUL
PENGOLAHAN DATA
DENGAN SPSS
Pelindung:
Rektor Universitas Garut
Penasehat:
Dekan Fakultas Ekonomi
Universitas Garut
Pembina:
Ketua Program Studi Manajemen
Fakultas Ekonomi – Universitas Garut
dan
Koordinator Laboratorium
Program Studi Manajemen
Fakultas Ekonomi – Universitas Garut
Penanggung jawab:
Kepala Praktikum Metodologi Penelitian
Tim Penyusun:
Dr. Muslim Al Kautsar, S.E., M.Si
Hedi Cupiadi, S.E., M.Si
Husni Muharam, S.E., M.S.M
Wufron, S.E., M.S.M
Tim Instruktur:
Tim Asisten:
Pengolahan Data Dengan SPSS - Prodi Manajemen S1 - 2020 Tim Instruktur dan Asisten
DAFTAR ISI
halaman
Tim Penyusun
Kata Pengantar
Tata Tertib Praktikum
Daftar Isi
Daftar Pustaka
Lampiran
Modul Pengolahan Data dengan SPSS ini merupakan panduan khususnya bagi
mahasiswa Program Studi Manajemen Fakultas Ekonomi Universitas Garut untuk
membantu mahasiswa dalam proses pengolahan data.
Kritik dan saran senantiasa kami harapkan untuk perbaikan modul praktikum ini
dimasa mendatang.
1. Praktikan adalah mahasiswa Universitas Garut yang terdaftar pada FRS dan
terdaftar sebagai peserta Praktika Pengolahan Data dengan SPSS.
2. Kegiatan praktikum dilaksanakan di lingkungan Laboratorium Komputer
Universitas Garut ataupun secara Daring dengan jadwal yang telah
ditentukan.
3. Praktikan wajib hadir tepat pada waktunya sesuai dengan jadwal.
4. Persentase kehadiran minimal praktikan adalah 80% (11 pertemuan), jika
kurang maka praktikan dinyatakan tidak berhak mengikuti Ujian Akhir dan
dinyatakan TIDAK LULUS.
5. Penilaian praktikum ditentukan komponen-komponen berikut:
a. Kehadiran (K) = 20%
b. Tugas Mingguan (M) = 40%
c. Laporan Akhir (A) = 20%
d. Ujian Praktikum (U) = 20%
6. Praktikan yang tidak dapat menyerahkan Tugas Mingguan (M) pada
waktunya, maka diberikan nilai minumum (C).
7. Tugas Mingguan dikerjakan oleh perorangan. Menyontek, menduplikasi
laporan atau bentuk kecurangan lain akan dikenakan sangsi nilai 0 (“nol”).
8. Praktikan wajib berpakaian rapi dan sopan selama kegiatan praktikum.
9. Praktikan tidak diperkenankan makan, minum, merokok serta hal-hal lain
yang dapat mengganggu kegiatan di dalam Laboratorium selama
praktikum berlangsung.
10. Praktikan wajib menjaga seluruh peralatan praktikum.
A. Pendahuluan
SPSS adalah program aplikasi dengan kemampuan analisis statistik cukup tinggi
serta sistem manajemen data pada lingkungan grafis yang menggunakan
menu-menu deskriptif dan kotak-kotak dialog sederhana sehingga mudah untuk
dipahami cara pengoperasiannya. Beberapa aktivitas dapat dilakukan dengan
mudah menggunakan pointing dan clicking mouse.
Pada awalnya SPSS dibuat untuk keperluan pengolahan data statistik untuk ilmu-
ilmu sosial, sehingga kepanjangan SPSS itu sendiri adalah Statistical Package for
the Social Sciences. Sekarang kemampuan SPSS diperluas untuk melayani
berbagai jenis pengguna (user), seperti untuk proses produksi di pabrik, riset ilmu
sains dan lainnya. Dengan demikian, sekarang kepanjangan dari SPSS adalah
Statistical Product and Service Solutions.
1
Pengolahan Data Dengan SPSS - Prodi Manajemen S1 - 2020
Secara keseluruhan SPSS menyediakan tujuh bagian, yang meliputi:
1. Data Editor
Window ini terbuka otomatis setiap kali program SPSS dijalankan, dan
berfungsi untuk input data SPSS. Menu yang ada pada Data Editor adalah:
• File
Berfungsi menangani hal-hal yang berhubungan dengan file data, seperti
membuat file baru, membuka file tertentu, mengambil data dari program
lain, mencetak isi dari Data Editor dan lainnya.
• Edit
Berfungsi menangani hal-hal yang berhubungan dengan memperbaiki
atau mengubah nilai data (duplikasi data), menghilangkan data, edit
data dan lainnya, serta berfungsi mengubah setting pada Options.
• View
Berfungsi mengatur toolbar (status bar, penampakan value label dan
sebagainya).
• Data
Berfungsi membuat perubahan data SPSS secara keseluruhan, seperti
mengurutkan data, menyeleksi data berdasarkan kriteria tertentu,
menggabungkan data dan sebagainya.
• Transform
Berfungsi membuat perubahan pada variabel yang telah dipilih dengan
kriteria tertentu.
• Analyze (Statistics)
Menu inti dari SPSS, yang berfungsi melakukan semua prosedur
perhitungan statistik, seperti uji-t, uji-F, regresi, time series dan lainnya.
• Graphs
Berfungsi membuat berbagai jenis grafik untuk mendukung analisis statistik,
seperti Pie, Line, Bar dan kombinasinya.
• Utilities
Menu tambahan yang mendukung program SPSS seperti:
➢ Memberi informasi tentang variabel yang sedang dikerjakan
➢ Menjalankan Scripts
➢ Mengatur tampilan menu-menu lain
• Add-Ons
Menu tambahan yang berisi mengenai software lain yang dapat
diintegrasikan dengan SPSS, juga berisi sambungan on-line dengan
website SPSS guna kepentingan pelatihan dan pengembangan SPSS.
• Window
Berfungsi untuk pindah diantara menu-menu lain di SPSS
• Help
Berfungsi menyediakan bantuan informasi mengenai program SPSS yang
bisa diakses secara mudah dan jelas.
2
Pengolahan Data Dengan SPSS - Prodi Manajemen S1 - 2020
2. Menu Output Navigator
Jika menu Editor berfungsi untuk memasukkan data yang siap diolah oleh
SPSS, kemudian melakukan pengolahan data yang dilakukan lewat menu
Analyze, maka hasil pengolahan data atau informasi ditampilkan lewat
menu Output Navigator atau dapat disebut Output.
Menu Output pada prinsipnya sama dengan menu Editor, seperti: File, Edit,
View, Analyze, Graphs, Utilities, Window dan Help. Tentunya dengan
disesuaikan untuk kegunaan output SPSS. Selain menu ditas ada lagi menu
tambahan, yaitu:
• Insert
Berfungsi menyisipkan judul, grafik, teks atau objek tertentu dari aplikasi
lain.
• Format
Berfungsi mengubah tata letak huruf output.
3
Pengolahan Data Dengan SPSS - Prodi Manajemen S1 - 2020
• Gallery
Berfungsi untuk mengubah jenis chart.
• Chart
Untuk mengedit berbagai hal mengenai grafik, seperti layout dan
Labelling Grafik, skala grafik dan sebagainya.
• Series
Untuk memilih kelompok data tertentu, transpose data atau
menampilkan seri data.
4
Pengolahan Data Dengan SPSS - Prodi Manajemen S1 - 2020
C. Cara Menggunakan SPSS
Memasukan Data
1. Buka lembar kerja baru
Lembar kerja baru selalu dibuka jika ada pemasukan variabel yang baru.
Untuk itu dari menu File pilih submenu New. Selanjutnya tampak beberapa
pilihan. Karena akan dibuat data yang baru, klik mouse pada Data.
Sekarang SPSS siap membuat variabel baru.
5
Pengolahan Data Dengan SPSS - Prodi Manajemen S1 - 2020
2. Menamai variabel yang diperlukan
Langkah berikutnya adalah membuat nama untuk setiap variabel baru.
Untuk contoh kasus di atas ada tiga (3) variabel, maka akan dilakukan input
nama variabel sebanyak 3 kali.
• Kolom kedua (Type) merupakan tipe data dari variabel tersebut. Tipe
data terdiri dari: Numeric, Comma, Dot, Scientific Notation, Date, Custom
Currency, dan String. Karena nama seseorang (variabel NAMA) adalah
huruf, bukan angka, maka tipe variabel ini adalah String. Sedangkan
berat seseorang berupa angka atau numerik maka tipenya dipilih
Numerik. Sementara untuk gender merupakan variabel yang unik bila
dibandingkan variabel NAMA yang berisi huruf, karena selain dapat diberi
tipe string juga bisa diberi tipe numerik dengan jenis data bersifat nominal.
Misalnya PRIA = 1, WANITA = 2. Untuk tipe data string juga perlu ditentukan
jumlah karakter yang akan digunakan, oleh karena itu kita pun akan
ditanyakan berapa jumlah karakter maksimum yang akan digunakan.
6
Pengolahan Data Dengan SPSS - Prodi Manajemen S1 - 2020
• Kolom keempat (Desimal) adalah untuk menentukan jumlah angka di
belakang koma. Bila angka merupakan bilangan bulat, seperti PRIA = 1,
WANITA = 2, desimal diisi dengan angka NOL (0).
3. Mengisi data
Langkah berikutnya adalah mengisikan data variabel yang telah
didefinisikan name, tipe, width dan desimalnya dengan cara klik menu “Data
View” yang terletak di sebelah kiri bagian paling bawah dari editor SPPS.
Cara pengisian data persis seperti kita mengisi data pada program Excel,
yaitu baris-baris pada tiap-tiap kolom variabel tersebut, seperti gambar
berikut ini.
7
Pengolahan Data Dengan SPSS - Prodi Manajemen S1 - 2020
Latihan:
Silahkan Anda untuk membuat data berikut ini, lalu simpan data tersebut
dengan nama file “lat1.sav” di drive D. Jangan di drive C.
8
Pengolahan Data Dengan SPSS - Prodi Manajemen S1 - 2020
TUJUAN PRAKTIKUM:
Mengenalkan uji validitas dan reliabilitas menggunakan software SPSS untuk
mengetahui keandalan instrumen penelitian atau kuisioner sebagai alat
pengumpul data.
C. UJI VALIDITAS
Pengujian validitas alat ukur dengan menggunakan SPSS melalui tahapan
sebagai berikut:
1. Masuk ke folder Data Praktikum MetLit pada Document dan buka file Uji
Asumsi Klasik.xlsx.
2. Buka software SPSS, kemudian copy-paste file Uji Asumsi Klasik.xlsx ke dalam
Data View, selanjutnya lakukan pengaturan pada Variabel View.
9
Pengolahan Data Dengan SPSS - Prodi Manajemen S1 - 2020
Pada kolom Measure jika pengumpulan data menggunakan angket (kuisioner)
maka dapat diisi dengan Scale apabila data interval dan Ordinal apabila data
ordinal.
3. Kembali ke Data Editor, simpan data tersebut (Save) dengan nama file Data
Validitas dan Reliabilitas.
4. Klik Analyze, pilih Scale kemudian klik Reliability Statistics
10
Pengolahan Data Dengan SPSS - Prodi Manajemen S1 - 2020
5. Setelah itu kan muncul koak dilog Reliability Analysis
6. Pindahkan semua nomor item (Item_1 sampai Item_20) dengan cara klik
Item_1 kemudian tekan tombol CTRL- A dan pindahkan ke kotak Items:
7. Pada kotak Model: isi dengan Alpha atau Split Half
Pengisian kotak Model: tersebut berkaitan dengan Uji Reliabilitas yang
muncul hasilnya bersama dengan hasil Uji validitas pada Output Viewer.
8. Selanjutnya klik Statistics … pada kotak Descriptive for pilih dan klik Scale if
item deleted kemdian klik Continue.
9. Abaikan pilihan yang lainnya, klik OK.
11
Pengolahan Data Dengan SPSS - Prodi Manajemen S1 - 2020
Pengujian validitas dilakukan dengan membanding nilai r hitung (Corrected
Item-Total Correlation) dengan r tabel ( = 0,05 dan df = 10 – 2) diperoleh nilai
sebesar 0,6319.
Untuk menyederhanakan hasil uji validitas dapat dibuat tabel sebagai berikut:
12
Pengolahan Data Dengan SPSS - Prodi Manajemen S1 - 2020
Berdasarkan output Reliability Statistics diperoleh nilai Cronbach Alpha sebesar
0,908 > 0,05 (Alpha) maka keputusannya alat ukur dikatakan reliabel.
Tahapan uji reliabilitas dengan metode Split-Half sama seperti metode Alpha,
yang membedakan adalah pengisian kotak Model: diisi dengan Split-Half.
13
Pengolahan Data Dengan SPSS - Prodi Manajemen S1 - 2020
LATIHAN
Kasus 1
Seorang peneliti melakukan penelitian mengenai Kompetensi. Untuk
mengumpulkan data dibuat angket (kuisioner) yang berisi 14 pertanyaan.
Sebelum melakukan penyebaran angket (kuisioner) dilakukan pengujian alat
ukur untuk mengetahui item-item dalam angket (kuisioner) tersebut valid dan
reliabel. Untuk keperluan tersebut diambil sampel sebanyak 25 orang.
Item
Resp
1 2 3 4 5 6 7 8 9 10 11 12 13 14
1 4 3 3 2 3 4 3 3 2 3 2 3 4 2
2 4 3 3 2 4 4 3 4 3 3 3 3 3 4
3 4 3 2 4 4 4 3 4 3 3 2 3 4 3
4 4 3 3 4 4 4 3 4 4 3 3 4 4 3
5 3 3 3 3 4 4 4 4 4 3 4 3 4 4
6 3 4 4 4 4 2 4 3 4 4 2 4 4 4
7 2 4 4 4 3 4 2 4 2 4 4 2 4 2
8 4 4 4 4 4 4 5 5 5 4 3 3 4 4
9 2 2 2 2 4 4 2 4 2 2 2 2 2 2
10 4 5 5 4 3 4 5 3 4 3 3 4 3 4
11 2 3 3 2 4 3 4 4 3 3 2 3 4 2
12 4 4 4 4 4 4 5 5 5 4 4 4 4 4
13 4 4 4 4 3 3 2 2 4 4 4 4 4 3
14 4 3 3 4 4 4 4 4 3 3 5 4 4 4
15 3 3 3 3 3 4 5 5 5 3 4 5 5 5
16 4 4 4 4 3 3 4 4 4 4 4 3 4 4
17 5 5 5 4 4 4 4 4 4 3 3 3 4 4
18 4 4 4 4 4 4 3 3 4 4 4 4 5 5
19 3 3 3 4 3 4 5 4 4 3 4 4 4 4
20 4 3 3 4 4 3 4 4 4 3 3 4 4 4
21 4 2 2 2 4 4 4 2 4 2 4 3 4 3
22 4 4 4 4 4 4 3 3 4 4 4 4 4 4
23 4 4 4 4 3 4 3 4 4 4 4 3 4 4
24 3 4 4 4 4 4 4 3 4 4 2 4 2 4
25 3 4 4 4 3 4 4 3 4 4 3 4 3 2
TUGAS
Buatlah pengolahan data menggunakan Uji Validitas dan Reliabilitas dengan
ketentuan sebagai berikut:
a. Jumlah responden/sampel sebanyak 50 orang.
b. Jumlah item pertanyaan sebanyak 20 buah.
c. Ujilah menggunakan Uji Validitas dan Reliabilitas dengan Cronbach Alpha
dan Split-Half!
d. Analisis hasil outputnya!
14
Pengolahan Data Dengan SPSS - Prodi Manajemen S1 - 2020
TUJUAN PRAKTIKUM:
Mengenalkan uji asumsi klasik menggunakan software SPSS yaitu:
• Uji normalitas yang bertujuan untuk mengetahui apakah data yang akan diolah
memiliki distribusi normal atau tidak.
• Uji multikolinearitas yang bertujuan untuk mengetahui apakah data yang akan
diolah dalam model regresi terbentuk korelasi yang tinggi atau sempurna
diantara variabel bebas atau tidak.
4. Metode Kolmogorov-Smirnov
Uji normalitas menggunakan uji statistik non-parametrik Kolmogorov-Smirnov
merupakan uji normalitas menggunakan fungsi distribusi kumulatif. Nilai residual
terstandarisasi berdistribusi normal jika K hitung < K table atau nilai Sig. > alpha.
21. Simpan data kerja tersebut dengan nama file Uji Asumsi Klasik.sav dan output
viewernya dengan nama file Uji Normalitas Grafik.spv.
3. Jika terlihat pada kotak Dependent dan Independent(s) terisi oleh nama
variabel, maka klik Reset untuk mengembalikan ke posisi semula.
4. Masukkan variabel Volume Penjualan pada kotak Dependent:
5. Masukkan variabel Iklan dan Personal Selling pada kotak Independent(s).
Jika asumsi normalitas tidak terpenuhi maka dapat dilakukan beberapa metode
treatment untuk mengatasi pelanggaran tersebut. Metode-metode tersebut
adalah sebagai berikut:
1. Menambah jumlah data
Dengan menambahkan jumlah data maka akibat yang ditimbulkan dari
adanya nilai residual yang memiliki nilai ekstrem akan semakin berkurang.
2. Melakukan transformasi data menjadi log atau LN atau bentuk lainnya.
Dengan melakukan transformasi maka selisih antara nilai yang terbesar dengan
nilai yang terkecil akan semakin pendek.
3. Menghilangkan data yang dianggap sebagai penyebab data tidak normal
Dengan menghilangkan data yang dianggap sebagai penyebab data tidak
normal maka sebagian besar data semakin mendekati nilai rata-ratanya.
4. Dibiarkan saja tetapi kita harus menggunakan alat analisis lain.
Salah satu syarat dalam statistik parametrik adalah adanya kenormalan data,
jika asumsi kenormalan data tidak dapat terpenuhi, maka dapat
menggunakan statistik non-parametrik yang tidak mensyaratkan adanya
kenormalan data meskipun dengan derajat kesimpulan yang lebih lemah
dibanding analisis parametrik.
3. Jika terlihat pada kotak Dependent dan Independent(s) terisi oleh nama
variabel, maka klik Reset untuk mengembalikan ke posisi semula.
4. Masukkan variabel Volume Penjualan pada kotak Dependent, kemudian
variabel Iklan dan Personal Selling pada kotak Independent(s).
8. Simpan hasil output viewer dengan nama Uji Multikolinieritas Pair Wise.spv
3. Jika terlihat pada kotak Dependent dan Independent(s) terisi oleh nama
variabel, maka klik Reset untuk mengembalikan ke posisi semula.
4. Masukkan variabel Volume Penjualan pada kotak Dependent, kemudian
variabel Iklan dan Personal Selling pada kotak Independent(s).
7. Analisis output.
Berdasarkan tabel Coefficients terlihat bahwa nilai Tolerance (TOL) variabel
Iklan dan Personal Selling sebesar 0,601 sedangkan nilai Variance Inflation
Factor (VIF) sebesar 1,663. Dalam kasus ini nilai TOL dan VIF sama untuk kedua
variabel bebas dikarenakan pada model hanya terdiri dari dua variabel bebas.
Maka dengan nilai TOl dan VIF < 10 dapat disimpulkan bahwa pada model
regresi yang terbentuk tidak terjadi gejala multikolinieritas.
8. Simpan hasil output viewer dengan nama Uji Multikolinieritas TOL dan VIF.spv
LATIHAN
Kasus 2
Berikut ini adalah data hasil survey:
X1 (Pendapatan) 90 60 60 85 70 40 55 80 70 80 75 70
X2 (Jumlah Anggota Keluarga) 5 3 4 4 3 3 2 6 5 4 5 6
Y (Pengeluaran) 75 45 55 60 65 40 45 80 60 65 68 65
7. Metode Park
Dilakukan dengan meregresikan semua variabel bebas terhadap nilai Ln
residual kuadrat (Ln e2). Jika terdapat pengaruh variabel bebas yang signifikan
terhadap nilai Ln residual kuadrat (Ln e2) maka dalam model tersebut terdapat
masalah heteroskedastisitas.
8. Metode White
Dilakukan dengan meregresikan semua variabel bebas, variabel bebas kuadrat
dan perkalian (interaksi) variabel bebas terhadap nilai residual kuadratnya. Jika
nilai X2 hitung lebih besar dari X2 tabel (df = , jumlah variabel bebas), maka
dalam model tersebut terdapat masalah heteroskedastisitas.
19. Klik Plots …, pada Y: isi dengan *SRESID dan X: isi dengan *ZPRED
23. Simpan hasil output viewernya dengan nama file Uji Heteroskedastisitas.spv.
3. Jika terlihat pada kotak Dependent dan Independent(s) terisi oleh nama
variabel, maka klik Reset untuk mengembalikan ke posisi semula.
4. Masukkan variabel Volume Penjualan pada kotak Dependent:
5. Masukkan variabel Iklan dan Personal Selling pada kotak Independent(s).
13. Regresikan variabel bebas terhadap nilai residual mutlaknya dengan langkah
klik Analize, Regression, Linier.
14. Jika terlihat pada kotak Dependent dan Independent(s) terisi oleh nama
variabel, maka klik Reset untuk mengembalikan ke posisi semula.
15. Masukkan variabel ABRESID pada kotak Dependent, kemudian masukkan
variabel Iklan dan Personal Selling pada kotak Independent(s).
Berdasarkan output pada tabel Coefficients diketahui bahwa nilai Sig. variabel
Iklan sebesar 0,136 > 0,05 dan nilai variabel Personal Selling sebesar 0,863 > 0,05
artinya tidak terjadi masalah heteroskedastisita.
3. Jika terlihat pada kotak Dependent dan Independent(s) terisi oleh nama
variabel, maka klik Reset untuk mengembalikan ke posisi semula.
4. Masukkan variabel Volume Penjualan pada kotak Dependent:
5. Masukkan variabel Iklan dan Personal Selling pada kotak Independent(s).
Tanpa Tanpa
Kesimpulan Kesimpulan
Tidak ada
Autokorelasi
Ada Autokorelasi Ada Autokorelasi
dL dU 4 - dU 4 - dL
1,2837 1,5666 2,4334 2,7163
DW = 1,028
13. Klik Save … , pada kotak Residuals, klik Unstandardized lalu Continue
Berdasarkan hasil diatas maka nilai Sig. < (0,041 < 0,05) maka kesimpulannya
terjadi masalah autokorelasi pada model yang terbentuk.
LATIHAN
Kasus 3
Berikut ini adalah data hasil survei:
X1 (Pendapatan) 90 60 60 85 70 40 55 80 70 80 75 70
X2 (Jumlah Anggota Keluarga) 5 3 4 4 3 3 2 6 5 4 5 6
Y (Pengeluaran) 75 45 55 60 65 40 45 80 60 65 68 65
TUGAS
Buatlah pengolahan data menggunakan Uji Asumsi Klasik dengan ketentuan
sebagai berikut:
j. Jumlah data minimal 50 buah per variabel.
k. Jumlah variabel bebas minimal 2 buah dan variabel terikat minimal 1 buah.
l. Buatlah persamaan regresinya!
m. Ujilah data tersebut menggunakan:
3) Uji heteroskedastisitas dengan metode Analisis Grafik dan Glejser
4) Uji Autokorelasi dengan metode Durbin Watson dan Runs Test!
n. Analisis hasil outputnya!
X Y
Diketahui :
X = Kepuasan pelanggan
Z = Variety Seeking
Y = Loyalitas Pelanggan
Z
X1
X2 Y
X3
Diketahui :
X1 = Kepemimpinan suportif
X2 = Kepemimpinan partisipatif
X3 = Kepemimpinan demoktratif
Z = Locus of control
Y = Motivasi Kerja
Z = a + b1X + e
|e| = a + b1Y
Keterangan:
Z = Variabel yang dihipotesiskan sebagai variabel moderasi
X = Variabel bebas
|e| = Nilai residual mutlak
Kasus 4
Seorang peneliti melakukan penelitian dengan tujuan untuk menganalisis apakah
variabel Lingkungan Kerja memperkuat atau memperlemah hubungan kausal
Konflik Antar Departemen terhadap Kinerja Organisasi. Untuk keperluan tersebut
diambil sampel secara acak sebanyak 100 manajer perusahaan sebagai
responden.
1. Pertanyaan penelitian
Apakah Konflik Antar Departemen berpengaruh positif dengan Lingkungan
Kerja sebagai variabel moderasi terhadap Kinerja Organisasi?
2. Hipotesis
Konflik Antar Departemen berpengaruh positif dengan Lingkungan Kerja
sebagai variabel moderasi terhadap Kinerja Organisasi.
Lingkungan
Kerja
4. Analisis Data
Untuk melakukan analisis regresi dengan metode residual menggunakan SPSS
dilakukan dengan langkah sebagai berikut:
1) Menghitung nilai residual dari regresi variabel bebas (X) terhadap variabel
yang dihipotesiskan sebagai variabel moderasi (Z)
a. Buka file Regresi Moderasi.sav
b. Klik Analyze, Regression, Linear
c. Masukkan variabel Lingkungan Kerja pada kotak Dependent
d. Masukkan variabel Konflik antar Departemen pada kotak
Independent(s)
e. Klik Save dan aktifkan Residual Unstandardized
f. Abaikan pilihan lain, klik Continue
g. Klik OK sehingga pada SPSS data editor muncul variabel baru Res_1
Model Summaryb
Adjusted R Std. Error of
Model R R Square Square the Estimate
1 ,200a ,040 ,030 ,87827
a. Predictors: (Constant), Kinerja Organisasi
b. Dependent Variable: ABRES
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta T Sig.
1 (Constant) 1,537 ,194 7,924 ,000
Kinerja Organisasi -,157 ,078 -,200 -2,020 ,046
a. Dependent Variable: ABRES
Melalui tabel Model Summary dapat diketahui besarnya pengaruh antar variabel
berdasarkan nilai R Square sebagai berikut:
• R Square sebesar 0,040 berarti bahwa variabel Kinerja Organisasi dapat
dijelaskan oleh variabel Konflik antar Departemen sebesar 4,0% sedangkan
sisanya dijelaskan oleh variabel lain (epsilon).
• Sehubungan adanya variabel moderasi yaitu Lingkungan Kerja maka yang
digunakan yaitu Adjusted R Square sebesar 0,030 berarti bahwa variabel Kinerja
Organisasi dapat dijelaskan oleh variabel Konflik antar Departemen dengan
Lingkungan Kerja sebagai variabel moderasi sebesar 3,0% sedangkan sisanya
dijelaskan oleh variabel lain (epsilon).
Analisis Coefficients:
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta T Sig.
1 (Constant) 1,537 ,194 7,924 ,000
Kinerja Organisasi -,157 ,078 -,200 -2,020 ,046
a. Dependent Variable: ABRES
Kesimpulan:
Berdasarkan hasil analisis diatas diketahui variabel kinerja organisasi berpengaruh
negatif terhadap nilai absolute residual sehingga disimpulkan bahwa:
Konflik antar Departemen berpengaruh negatif dengan Lingkungan Kerja sebagai
variabel moderasi terhadap Kinerja Organisasi.
I. LATIHAN
Kasus 4
Berikut ini adalah data tentang laporan kepuasan konsumen, tipe kepribadian dan
loyalitas konsumen dari 15 orang konsumen:
a b
X Y
c
Model Regresi Dengan Variabel Mediasi
Persamaan 1 : Ŷ = α1 + cX
Persamaan 2 : M = α2 + aX
Persamaan 3 : Ŷ = α3 + cX + bM
Pada uji ini variabel M dinyatakan sebagai variabel mediasi atau intervening
antara variabel X terhadap variabel Y jika memenuhi kriteria berikut:
a) Jika persamaan I, X berpengaruh signifikan terhadap Y (c≠0)
b) Jika persamaan II, X berpengaruh signifikan terhadap M (a≠0)
c) Jika persamaan III, M berpengaruh signifikan terhadap Y (b≠0)
Uji variabel mediasi dengan metode ini dilakukan dengan menguji kekuatan
pengaruh tidak langsung variabel bebas (X) terhadap variabel tergantung (Y)
melalui variabel mediasi (M) atau menguji signifikansi pengaruh tak langsung
(perkalian pengaruh langsung variabel bebas terhadap variabel mediator (a)
dan pengaruh langsung variabel mediator terhadap variabel dependen (b)
menjadi (ab).
Uji signifikansi pengaruh tidak langsung (ab) dilakukan berdasarkan rasio antara
koefisien (ab) dengan standar error yang akan menghasilkan nilai t statistik.
Persamaan 1 : Ŷ = α1 + bX
Persamaan 2 : Ŷ = α2 + b2X + b3Y
Kasus 5
Seorang peneliti melakukan penelitian dengan tujuan untuk menganalisis apakah
variabel Kepuasan Pelanggan memediasi hubungan kausal Kualitas Pelayanan
terhadap Loyalitas. Untuk keperluan tersebut diambil sampel secara acak
sebanyak 30 orang sebagai responden.
1. Pertanyaan penelitian
a. Apakah Kualitas Pelayanan berpengaruh positif terhadap Loyalitas?
b. Apakah Kualitas Pelayanan berpengaruh positif terhadap Kepuasan
Pelanggan?
c. Apakah Kualitas Pelayanan berpengaruh positif melalui Kepuasan
Pelanggan sebagai variabel mediasi terhadap Loyalitas?
2. Hipotesis
H1 : Kualitas Pelayanan berpengaruh positif terhadap Loyalitas.
H2 : Kualitas Pelayanan berpengaruh positif terhadap Kepuasan Pelanggan
H3 : Kualitas Pelayanan berpengaruh positif melalui Kepuasan Pelanggan
sebagai variabel mediasi terhadap Loyalitas dengan.
3. Model Penelitian
Berdasarkan hipotesis tersebut maka dapat digambarkan model penelitian
sebagai berikut:
Kepuasan
Pelanggan
a b
Kualitas
Pelayanan Loyalitas
c
4. Analisis Data
Model Summary
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 2,714 ,887 3,059 ,005
Model Summary
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1,098 ,647 1,697 ,101
Kualitas Pelayanan ,973 ,103 ,872 9,446 ,000
a. Dependent Variable: Kepuasan
Model Summary
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1,949 ,817 2,384 ,024
Kepuasan ,697 ,227 ,850 3,066 ,005
Kualitas Pelayanan -,151 ,254 -,165 -,594 ,557
a. Dependent Variable: Loyalitas
Berdasarkan hasil analisis pada Coefficients maka dapat dibuat model hasil
analisis sebagai berikut:
Kepuasan
Pelanggan
a = 0,973 b = 0,697
Sig =0,000 Sb = 0,005
b. Kesimpulan :
Uji Hipotesis
Berdasarkan hasil analisis diatas maka pengujian hipotesis dapat diketahui
bahwa:
1) Variabel bebas (Kualitas Pelayanan) berpengaruh positif terhadap
variabel terikat (Loyalitas)
2) Variabel bebas (Kualitas Pelayanan) berpengaruh positif terhadap
variabel Mediasi (Kepuasan Pelanggan).
3) Variabel bebas (Kualitas Pelayanan) tidak berpengaruh (berpengaruh
negatif) melalui variabel mediasi (Kepuasan Pelanggan) terhadap
variabel terikat (Loyalitas).
Koefisien Determinasi
Melalui hasil analisis diatas maka dapat diketahui besarnya pengaruh antar
variabel dengan berdasarkan nilai R Square sebagai berikut:
1) R Square sebesar 0,333 berarti bahwa variabel Loyalitas dapat dijelaskan
oleh variasi variabel Kualitas Pelayanan sebesar 33,3% sedangkan sisanya
dijelaskan oleh faktor lain (epsilon).
M. LATIHAN
Kasus 6
Berikut ini adalah data tentang kepuasan kerja, komitmen organisasi, dan kinerja
pegawai dari 30 orang pegawai:
Model kausal yang akan dianalisis dengan analisis jalur harus dibuat terlebih dahulu
sebelum pelaksanaan penelitian atau sebelum pelaksanaan analisis data.
Perancangan model penelitian pada analisis jalur didasarkan pada landasan teori
bidang yang dikaji. Setelah secara konseptual serta berdasar pada suatu kerangka
pemikiran, maka baru dapat dinyatakan secara jelas bagaimana hubungan
kausal antar variabel penelitiannya.
Beberapa asumsi yang digunakan pada analisis jalur adalah sebagai berikut:
1. Hubungan antar variabel harus linier dan aditif.
2. Semua variabel residu tidak punya korelasi satu sama lain.
3. Pola hubungan antar variabel adalah rekursif atau hubungan yang tidak
melibatkan arah pengaruh yang timbal balik.
4. Tingkat pengukuran semua variabel sekurang-kurangnya adalah interval.
65
Pengolahan Data Dengan SPSS - Program Studi Manajemen S1 - 2020
𝑋1 𝑋2 𝑋3 𝑋𝑖
1 𝑟𝑋1 𝑋2 𝑟𝑋1 𝑋3 𝑟𝑋1 𝑋𝑖
𝑅1 = 1 𝑟𝑋2 𝑋3 𝑟𝑋2 𝑋𝑖
| |
1 𝑟𝑋3 𝑋𝑖
1
𝑋1 𝑋2 𝑋3 𝑋𝑖
𝐶11 𝐶12 𝐶13 𝐶1𝑖
𝑅1 = 𝐶21 𝐶22 𝐶23 𝐶2𝑖
| |
𝐶31 𝐶32 𝐶33 𝐶3𝑖
𝐶𝑖1 𝐶𝑖2 𝐶𝑖3 𝐶𝑖𝑖
5. Menghitung R2Y (X1, X2, X3, Xi), yaitu koefisien yang menyatakan determinasi
total dengan menggunakan rumus:
𝑟𝑌𝑋1
𝑟𝑌𝑋 2
𝑅 2 𝑌(𝑋1 , 𝑋2 , 𝑋3 , 𝑋𝑖 ) = 𝑃𝑌𝑋1 𝑃𝑌𝑋2 𝑃𝑌𝑋3 𝑃𝑌𝑋 × | |
𝑟𝑌𝑋3
𝑟𝑌𝑋𝑖
𝑃𝑌𝜀𝑖 = √1 − 𝑅 2 𝑌(𝑋1 , 𝑋2 , 𝑋3 , 𝑋𝑖 )
𝑃𝑌𝑋𝑖
𝑡=
(1 − 𝑅 2 𝑌𝑋𝑖)𝐶𝑖𝑖
√
(𝑛 − 𝑘 − 1)
66
Pengolahan Data Dengan SPSS - Program Studi Manajemen S1 - 2020
Kasus 7
Seorang peneliti melakukan penelitian dengan tujuan menganalisis pengaruh
Orientasi Konsumen, Orientasi Pesaing dan Koordinasi Antar Fungsi terhadap Kinerja
Pemasaran. Pada kasus ini variabel penelitian diukur menggunakan skala 0 sampai
100. Untuk keperluan itu diambil sampel secara acak sebanyak 20 perusahaan.
Data yang berhasil dikumpulkan adalah sebagai berikut:
1. Pertanyaan Penelitian
g. Apakah terdapat pengaruh positif orientasi konsumen, orientasi pesaing dan
koordinasi antar fungsi terhadap kinerja pemasaran?
h. Apakah terdapat pengaruh positif orientasi konsumen terhadap kinerja
pemasaran?
i. Apakah terdapat pengaruh positif orientasi pesaing terhadap kinerja
pemasaran?
j. Apakah terdapat pengaruh positif koordinasi antar fungsi terhadap kinerja
pemasaran?
2. Hipotesis
67
Pengolahan Data Dengan SPSS - Program Studi Manajemen S1 - 2020
• H1 : terdapat pengaruh positif orientasi konsumen, orientasi pesaing dan
koordinasi antar fungsi terhadap kinerja pemasaran.
• H2 : terdapat pengaruh positif orientasi konsumen terhadap kinerja
pemasaran.
• H3 : terdapat pengaruh positif orientasi pesaing terhadap kinerja
pemasaran.
• H4 : terdapat pengaruh positif koordinasi antar fungsi terhadap kinerja
pemasaran.
3. Kriteria Pengujian
Kriteris pengujian H1 sampai H4 menggunakan uji satu ujung sebelah kanan
sehingga kriteria pengujiannya adalah sebagai berikut:
Uji Simultan:
• Ho ditolak jika F hitung > F tabel atau Sig.< 0,05
• H1 diterima jika F hitung < F tabel atau Sig.> 0,05
Uji Parsial:
• Ho ditolak jika t hitung > t tabel atau Sig.< 0,05
• H1 diterima jika t hitung < t tabel atau Sig.> 0,05
Orientasi
Konsumen PYX1
rx1x2 PY
rx2x3
PYX3
Koordinasi
Antar Fungsi
5. Analisis Data
68
Pengolahan Data Dengan SPSS - Program Studi Manajemen S1 - 2020
Untuk melakukan analisis jalur dengan SPSS dilakukan dengan langkah sebagai
berikut:
1. Lakukan analisis korelasi antar variabel eksogen (independen), yaitu dengan
mengkorelasikan variabel Orientasi Konsumen, Orientasi Pesaing, dan
Koordinasi antar Fungsi. Langkahnya sebagai berikut:
a. Buka file Analisis Jalur.sav
b. Klik Analyze, Correlate, Bivariate.
69
Pengolahan Data Dengan SPSS - Program Studi Manajemen S1 - 2020
Output yang dihasilkan adalah sebagai berikut:
Correlations
Orientasi Orientasi Koordinasi
Konsumen Pesaing Antar Fungsi
Orientasi Konsumen Pearson Correlation 1 .293 .569**
Sig. (2-tailed) .210 .009
N 20 20 20
Orientasi Pesaing Pearson Correlation .293 1 .017
Sig. (2-tailed) .210 .942
N 20 20 20
Koordinasi Antar Fungsi Pearson Correlation .569** .017 1
Sig. (2-tailed) .009 .942
N 20 20 20
**. Correlation is significant at the 0.01 level (2-tailed).
70
Pengolahan Data Dengan SPSS - Program Studi Manajemen S1 - 2020
2. Lakukan analisis regresi untuk menghitung koefisien jalur Orientasi Konsumen,
Orientasi Pesaing dan Koordinasi Antar Fungsi terhadap Kinerja Pemasaran.
Langkahnya dalah sebagai berikut:
a. Klik Analyze, Regression, Linear.
Model Summary
Mode R R Square Adjusted R Std. Error of
l Square the Estimate
1 .874a .763 .719 14.894
a. Predictors: (Constant), Koordinasi Antar Fungsi, Orientasi
Pesaing, Orientasi Konsumen
71
Pengolahan Data Dengan SPSS - Program Studi Manajemen S1 - 2020
ANOVAa
Model Sum of df Mean F Sig.
Squares Square
Regression 11444.550 3 3814.850 17.197 .000b
1 Residual 3549.250 16 221.828
Total 14993.800 19
a. Dependent Variable: Kinerja Pemasaran
b. Predictors: (Constant), Koordinasi Antar Fungsi, Orientasi Pesaing,
Orientasi Konsumen
Coefficientsa
Model Unstandardized Standardized t Sig.
Coefficients Coefficients
B Std. Error Beta
(Constant) -16.135 11.084 -1.456 .165
Orientasi Konsumen .413 .175 .371 2.352 .032
1
Orientasi Pesaing .606 .156 .503 3.880 .001
Koordinasi Antar Fungsi .398 .177 .339 2.251 .039
a. Dependent Variable: Kinerja Pemasaran
ANALISIS HASIL:
a. Tabel Model Summary
Pada output Model Summary diperoleh nilai R Square sebesar 0,763 berarti
variasi Kinerja Pemasaran dapat dijelaskan oleh variasi Orientasi Konsumen,
Orientasi Pesaing dan Koordinasi Antar Fungsi sebesar 76,3%. Sisanya sebesar
23,7% ditentukan oleh variasi variabel lain yang tidak diteliti.
72
Pengolahan Data Dengan SPSS - Program Studi Manajemen S1 - 2020
Hasil koefisien korelasi dan koefisien jalur tersebut masukkan ke dalam model.
Orientasi
Konsumen
0,371
(X1)
0,293 PY
0,017
Koordinasi 0,339
Antar Fungsi
(X3)
2) Pengaruh X2 terhadap Y
a. Pengaruh langsung (PYX2) x (PYX2)
0,503 x 0,503 = 0,253
b. Pengaruh tidak langsung
Melalui X1 (PYX2) x (rX1X2) x (PYX1)
0,503 x 0,293 x 0,371 = 0,055
Melalui X3 (PYX2) x (rX2X3) x (PYX3)
0,503 x 0,017 x 0,339 = 0,003 +
c. Pengaruh total X2 terhadap Y = 0,310
73
Pengolahan Data Dengan SPSS - Program Studi Manajemen S1 - 2020
3) Pengaruh X3 terhadap Y
a. Pengaruh langsung (PYX3) x (PYX3)
0,339 x 0,339 = 0,115
b. Pengaruh tidak langsung
Melalui X1 (PYX3) x (rX1X3) x (PYX1)
0,339 x 0,569 x 0,371 = 0,071
Melalui X2 (PYX3) x (rX2X3) x (PYX2)
0,339 x 0,017 x 0,503 = 0,003 +
c. Pengaruh total X3 terhadap Y =
0,188 +
4) Pengaruh secara keseluruhan terhadap Y = 0,763
6. Pengujian Hipotesis
Untuk pengujian hipotesis dengan kaidah keputusan jika t hitung > t tabel atau nilai
Sig. < 0,05 maka Ho ditolak, hasil pada output Coefficientsa diperoleh:
a. Orientasi Konsumen dengan nilai t atau t hitung sebesar 2,352 dan nilai Sig.
sebesar 0,032.
b. Orientasi Pesaing dengan nilai t atau t hitung sebesar 3,880 dan nilai Sig. sebesar
0,001.
c. Koordinasi Antar Fungsi dengan nilai t atau t hitung sebesar 2,251 dan nilai Sig.
sebesar 0,039.
Berdasarkan Uji Simultan dan Uji Parsial diperoleh hasil nilai F hitung > F tabel (17,197
> 3,329) dan semua nilai t atau t hitung > t tabel (1,746) dengan nilai Sig. < 0,05
maka dapat disimpulkan sebagai berikut:
1. Orientasi Konsumen, Orientasi Pesaing dan Koordinasi Antar Fungsi
berpengaruh positif terhadap Kinerja Pemasaran.
2. Orientasi Konsumen berpengaruh positif terhadap Kinerja Pemasaran.
3. Orientasi Pesaing berpengaruh positif terhadap Kinerja Pemasaran.
4. Koordinasi Antar Fungsi berpengaruh positif terhadap Kinerja Pemasaran.
C. LATIHAN
Seorang peneliti akan menguji pengaruh Inovasi Produk, Inovasi Proses, dan Inovasi
Administratif terhadap Kinerja Bisnis. Data yang dikumpulkan dari 20 manajer diukur
dengan skala 1 – 100. Data yang dikumpulkan adalah:
74
Pengolahan Data Dengan SPSS - Program Studi Manajemen S1 - 2020
Inovasi Inovasi Inovasi Kinerja
No
Proses Produk Administratif Bisnis
8. 40 45 30 65
9. 60 35 70 75
10. 58 40 70 70
11. 40 35 75 40
12. 40 30 75 35
13. 60 80 50 75
14. 58 85 30 80
15. 78 90 50 80
16. 80 60 35 90
17. 90 45 75 60
18. 85 55 70 65
19. 45 80 80 85
20. 50 75 65 90
TUGAS
Buatlah pengolahan data menggunakan Analisis Jalur dengan Model Persamaan
Satu Jalur dengan ketentuan sebagai berikut:
o. Variabel bebas minimal 2 buah dan variabel terikat 1 buah
p. Responden/Sampel minimal 50 buah.
q. Buatlah diagram jalur (path diagram)!
r. Pertanyaan penelitian, hipotesis, dan Kriteria pengujian!
s. Hitunglah koefisien korelasi dan koefisien jalur!
t. Hitunglah koefisien determinasi dan koefisien pengaruh variabel lain!
u. Hitunglah pengaruh secara proporsional!
v. Ujilah hipotesis secara simultan dan ketepatan model dengan Uji F!
w. Ujilah hipotesis secara parsial dengan menggunakan uji t!
75
Pengolahan Data Dengan SPSS - Program Studi Manajemen S1 - 2020
TUJUAN PRAKTIKUM:
Mengenalkan Analisis Jalur (Path Analysis) model persamaan dua jalur dan
mengolah datanya menggunakan software SPSS untuk menganalisis hubungan
kausal antar variabel dan mengetahui pengaruh langsung dan tidak langsung
melalui nilai koefisien jalur dan koefisien determinasi pada model yang diteliti.
18. Menghitung nilai t statistik untuk menguji keberartian koefisien jalur secara
parsial, dengan rumus sebagai berikut:
𝑃𝑌𝑋𝑖
𝑡=
(1 − 𝑅 2 𝑌𝑋𝑖)𝐶𝑖𝑖
√
(𝑛 − 𝑘 − 1)
19. Melakukan trimming terhadap variabel yang tidak memiliki pengaruh signifikan
jika diperlukan.
Untuk mengerti dan memahami Analisis Jalur (Path Analysis) yang kompleks maka
pada kasus berikut digunakan model penelitian yang terdiri dari dua sub-struktur
(jalur) penelitian.
Kasus 8
Seorang peneliti melakukan penelitian dengan tujuan menganalisis pengaruh
Harga dan Fasilitas terhadap Produk serta dampaknya pada Citra Pelanggan.
Pada kasus ini variabel penelitian diukur menggunakan skala 0 sampai 100. Untuk
keperluan itu diambil sampel secara acak sebanyak 12 perusahaan. Data yang
berhasil dikumpulkan adalah sebagai berikut:
Citra
Harga Fasilitas Produk
No. Pelanggan
X1 X2 Y Z
1. 36 55 64 68
2. 46 45 55 58
3. 47 60 72 71
4. 25 35 50 45
5. 68 64 79 80
6. 69 44 77 75
7. Pertanyaan Penelitian
k. Apakah terdapat pengaruh positif variabel Harga dan Fasilitas terhadap
variabel Produk secara simultan?
l. Apakah terdapat pengaruh positif variabel Harga terhadap variabel
Produk?
m. Apakah terdapat pengaruh positif variabel Fasilitas terhadap variabel
Produk?
n. Apakah terdapat korelasi positif antara variabel Harga (X1) dengan Fasilitas
(X2)?
o. Apakah terdapat pengaruh positif variabel Harga, Fasilitas dan Produk
terhadap variabel Citra Pelanggan secara simultan?
p. Apakah terdapat pengaruh positif variabel Harga terhadap variabel Citra
Pelanggan?
q. Apakah terdapat pengaruh positif variabel Fasilitas terhadap variabel Citra
Pelanggan?
r. Apakah terdapat pengaruh positif variabel Produk terhadap variabel Citra
Pelanggan?
8. Hipotesis
• H1 : terdapat pengaruh positif variabel Harga dan Fasilitas terhadap
variabel Produk secara simultan.
• H2 : terdapat pengaruh positif variabel Harga terhadap variabel Produk.
• H3 : terdapat pengaruh positif variabel Fasilitas terhadap variabel Produk.
• H4 : terdapat korelasi positif variabel Harga dengan variabel Fasiitas.
• H5 : terdapat pengaruh positif variabel Harga, Fasilitas dan Produk
terhadap variabel Citra Pelanggan secara simultan.
• H6 : terdapat pengaruh positif variabel Harga terhadap variabel Citra
Pelanggan.
• H7 : terdapat pengaruh positif variabel Fasilitas terhadap variabel Citra
Pelanggan.
• H8 : terdapat pengaruh positif variabel Produk terhadap variabel Citra
Pelanggan.
PYZX1
Harga 2
1
PYX1 PY1 PY2
PZY Citra
rx1x2 Produk Pelanggan
PYX2
Fasilitas
PYZX2
Analisis Jalur dengan Model Persamaan Dua Jalur dilakukan dalam 2 (dua) tahap,
yaitu;
a) Tahap 1, proses pengolahan data analisis jalur berdasarkan Sub Struktur Model
1 (X1 dan X2 terhadap Y).
b) Tahap 2, proses pengolahan data analisis jalur berdasarkan Sub Struktur Model
2 (X1, X2 dan Y terhadap Z).
Harga PYX1 1
PY
rx1x2 Produk
PYX2
Fasilitas
h. Masukkan variabel Harga (X1), Fasilitas (X2), dan Produk (Y) pada kotak
Variables.
i. Abaikan pilihan pada Correlation Coeficients, biarkan tetap pada posisi
Pearson.
j. Abaikan pilihan lainnya lalu klik OK.
5. Lakukan analisis regresi untuk menghitung koefisien jalur Harga dan Fasilitas
terhadap Produk. Langkahnya adalah sebagai berikut:
e. Klik Analyze, Regression, Linear.
Model Summaryb
ANOVAa
Total 1408,000 11
Coefficientsa
ANALISIS:
d. Tabel Model Summary
Pada output Model Summary diperoleh nilai R Square sebesar 0,831, berarti
variasi Produk dapat dijelaskan oleh variasi Harga dan Fasilitas sebesar 83,1
persen. Sisanya sebesar 16,9% oleh variasi variabel lain yang tidak diteliti.
Harga PYX1=0,510 1
PY=0,411
rx1x2=0,645 Produk
PYX2=0,495
Fasilitas
2) Pengaruh X2 terhadap Y
a. Pengaruh langsung (PYX2) x (PYX2)
0,495 x 0,495 = 0,245
b. Pengaruh tidak langsung
Melalui X1 (PYX2) x (rX1X2) x (PYX1)
0,495 x 0,645 x 0,510 = 0,163 +
c. Pengaruh total X2 terhadap Y = 0,408 +
Pengujian Hipotesis
Untuk pengujian hipotesis dengan kaidah keputusan jika t hitung > t tabel atau nilai
Sig. < 0,05 maka Ho ditolak, hasil pada output Coefficientsa diperoleh:
d. Harga dengan nilai t atau t hitung sebesar 2,845 dan nilai Sig. sebesar 0,019.
e. Fasilitas dengan nilai t atau t hitung sebesar 2,763 dan nilai Sig. sebesar 0,022.
Berdasarkan Uji Simultan dan Uji Parsial pada Sub Struktur Model 1 diperoleh hasil
nilai F hitung > F tabel (22,151 > 4,256) dan semua nilai t atau t hitung > t tabel (1,746)
dengan nilai Sig. < 0,05 maka dapat disimpulkan sebagai berikut:
1. Harga (X1) dan Fasilitas (X2) berpengaruh positif terhadap Produk (Y).
PYZX1
Harga 2
1
PYX1
PY2
PY1
rx1x2 Citra
Produk Pelanggan
PZY
PYX2
Fasilitas
PYZX2
l. Masukkan variabel Harga (X1), Fasilitas (X2), Produk (Y), dan Citra
Pelanggan (Z) pada kotak Variables.
m. Abaikan pilihan pada Correlation Coeficients, biarkan tetap pada posisi
Pearson.
n. Abaikan pilihan lainnya lalu klik OK.
Correlations
N 12 12 12 12
Fasilitas Pearson Correlation ,645* 1 ,824** ,822**
Sig. (2-tailed) ,024 ,001 ,001
N 12 12 12 12
Produk Pearson Correlation ,829** ,824** 1 ,973**
Sig. (2-tailed) ,001 ,001 ,000
N 12 12 12 12
Citra Pelanggan Pearson Correlation ,821** ,822** ,973** 1
N 12 12 12 12
3. Lakukan analisis regresi untuk menghitung koefisien jalur Harga, Fasilitas dan
Produk terhadap Citra Pelanggan. Langkahnya adalah sebagai berikut:
i. Klik Analyze, Regression, Linear.
Model Summary
ANOVAa
Total 1424,917 11
a. Dependent Variable: Citra Pelanggan
b. Predictors: (Constant), Produk, Fasilitas, Harga
Coefficientsa
Standardized
Model Unstandardized Coefficients T Sig.
Coefficients
b. Tabel ANOVAb
Pada output ANOVA diperoleh nilai F (F hitung) sebesar 49,284 sedangkan nilai
F tabel dengan Df(0,05;3;8) adalah 4,066 dan nilai Sig. 0,000.
Karena nilai F hitung > F tabel (49,284 > 4,066) atau nilai Sig. < (0,000 < 0,05)
maka dapat disimpulkan bahwa variabel Harga, Fasilitas dan Produk secara
simultan mampu menjelaskan perubahan pada variabel Citra Pelanggan atau
model dinyatakan cocok atau fit.
c. Tabel Coefficientsa
Pada output Coefficients terlihat nilai Standardized Coefficients (Beta):
1) Koefisien jalur Harga terhadap Citra Pelanggan sebesar 0,053 dengan arah
koefisien positif.
2) Koefisien jalur Fasilitas terhadap Citra Pelanggan sebesar 0,071 dengan arah
koefisien positif.
3) Koefisien jalur Produk terhadap Citra Pelanggan sebesar 0,870 dengan arah
koefisien positif.
PYZX1=0,053
Harga 2
(X1) 1
PYX1=0,510 PY2=0,227
PY1
Citra
rx1x2=0,645 Produk Pelanggan
(Y) PZY=0,870 (Z)
PYX2=0,495
Fasilitas
(X2)
PYZX2=0,071
2) Pengaruh X2 terhadap Z
a. Pengaruh langsung (PZX2) x (PZX2)
0,071 x 0,071 = 0,005
b. Pengaruh tidak langsung
Melalui X1 (PZX2) x (rX1X2) x (PZX1)
0,071 x 0,645 x 0,053 = 0,002
3) Pengaruh Y terhadap Z
a. Pengaruh langsung (PZY) x (PZY)
0,870 x 0,870 = 0,757
b. Pengaruh tidak langsung
Melalui X1 (PZY) x (PYX1) x (PZX1)
0,870 x 0,510 x 0,053 = 0,024
Pengujian Hipotesis
Untuk pengujian hipotesis dengan kaidah keputusan jika t hitung > t tabel atau nilai
Sig. < 0,05 maka Ho ditolak, hasil pada output Coefficientsa diperoleh:
a. Harga dengan nilai t atau t hitung sebesar 0,370 dan nilai Sig. sebesar 0,721.
b. Fasilitas dengan nilai t atau t hitung sebesar 0,496 dan nilai Sig. sebesar 0,633.
c. Produk dengan nilai t atau t hitung sebesar 4,465 dan nilai Sig. sebesar 0,002.
Berdasarkan Uji Simultan pada Sub Struktur Model 2 diperoleh nilai F hitung > F tabel
(49,284 > 4,066) artinya Ho ditolak.
F. LATIHAN
Seorang peneliti akan menguji pengaruh Pola Rekruitmen dan Sistem Penggajian
terhadap Motivasi serta dampaknya pada Kinerja. Data yang dikumpulkan dari 30
manajer perusahaan diukur dengan skala Likert. Data yang dikumpulkan sebagai
berikut:
TUGAS
Buatlah pengolahan data menggunakan Analisis Jalur dengan Model Persamaan
Dua Jalur dengan ketentuan sebagai berikut:
x. Buat SPSS.
y. Variabel bebas minimal 2 buah, variabel intervening sebanyak 1 buah dan
variabel terikat sebanyak 1 buah.
z. Data minimal 30 buah.
aa. Buatlah diagram jalur (path diagram)!
bb. Pertanyaan penelitian, hipotesis, dan Kriteria pengujian!
cc. Hitunglah koefisien jalur!
dd. Hitunglah koefisien determinasi!
ee. Hitunglah koefisien determinasi pengaruh variabel lain!
ff. Ujilah ketepatan model!
gg.Ujilah hipotesis secara simultan dengan menggunakan uji F!
hh. Ujilah hipotesis secara parsial dengan menggunakan uji t!
ii. Hitunglah pengaruh secara proporsional!