Disusun oleh:
Faiz Ripadilah 202241011
Muhammad Alfiansyah 202241031
JURUSAN MANAJEMEN
FAKULTAS EKONOMI
UNIVERSITAS KALTARA
2024
KATA PENGANTAR
Dengan menyebut nama Allah SWT yang Maha Pengasih lagi Maha
Penyayang, dan tidak lupa kami panjatkan puja dan puji syukur atas kehadirat-
Nya, yang telah melimpahkan rahmat, hidayah, dan inayah-Nya kepada kami,
sehingga kami dapat menyelesaikan makalah tentang pengelolaan data
menggunakan SPSS.
Kami menyadari sepenuhnya bahwa makalah ini masih jauh dari kata
sempurna baik dari segi susunan kalimat maupun tata bahasanya. Oleh karena itu
dengan tangan terbuka kami menerima segala saran dan kritik dari pembaca agar
kami dapat memperbaiki makalah ini.
Akhir kata, kami mengucapkan banyak terima kasih kepada rekan saya yang
berperan dalam menyusun makalah ini, khususnya kepada dosen pengampu mata
kuliah Ekometrika yaitu bapak Yuliansyah S.Kom, M.M yang telah membimbing
dan mengajarkan kami dalam pembuatan makalah ini. Semoga makalah ini dapat
memberikan manfaat maupun inspirasi terhadap pembaca.
Faiz Ripadilah
Muhammad alfiansyah
ii
DAFTAR ISI
KATA PENGANTAR.......................................................................ii
DAFTAR ISI......................................................................................iii
BAB I PENDAHULUAN..................................................................1
1.1 LATAR BELAKANG....................................................................................1
1.2 RUMUSAN MASALAH...............................................................................1
1.3 TUJUAN........................................................................................................1
BAB II PEMBAHASAN...................................................................2
BAB III PENUTUP...........................................................................3
3.1 KESIMPULAN..............................................................................................3
DAFTAR PUSTAKA
LAMPIRAN
iii
BAB I
PENDAHULUAN
1.1 Latar belakang
Ekonometrika adalah suatu ilmu yang memanfaatkan matematika dan statistik
dalam mencari nilai parameter dan biasanya sering diterapkan dalam model
ekonomi. Ekonometrika juga merupakan salah satu alat analisis penting di bidang
ekonomi. Dalam analisis ekonometrika, ketersediaan data yang sesuai sangat
mempengaruhi hasil analisis yang diperlukan. Data untuk pekerjaan ekonometrika
terdiri dari tiga jenis, yaitu data time series atau runtun waktu, cross section, dan
data panel. Ekonometri sebagai suatu hasil dari suatu hasil tinjauan tertentu
tentang peran ilmu ekonomi, mencakup aplikasi statistik matematika atas data
ekonomi untuk memberikan dukungan empiris terhadap model yang disusun
berdasarkan matematika ekonomi serta memperoleh hasil berupa angka-angka.
Hal ini menciptakan proyek ekonometrika. Proyek ekonomterika ialah suatu
rencana studi kasus yang terdiri atas kegiatan membuat model ekonometri murni,
mengumpulkan data yang relevan sampai menginterpretasikan hasil.
Dalam analisis statistika untuk melihat hubungan antara dua variabel yang
sering digunakan adalah analisis korelasi dan analisis regresi. Analisis korelasi
berkaitan dengan pengukuran tingkat keeratan antar variabel, baik antara variabel
dependen dan variabel independen maupun antar variabel independen. Sedangkan,
analisis regresi digunakan untuk menunjukkan hubungan matematis antara
variabel dependen dengan satu atau lebih variabel independen.
iv
BAB II
PEMBAHASAN
Pada tahap awal kami menguji data menggunkan uji validitas dan
kriadibilitas. Dimana X1, X2 dan Y mendapatkan nilai pearson correlation untuk
seluruh data pertanyaan lebih besar dari 0,3 maka dapat di simpulkan bahwa
seluruh data dinyataakan valid. Dan nilai cronback’s alpa seluruh data > 0,6 maka
dapat disimpulkan bahwa seluruh data pertanyaan yang digunakan dapat dipakai
untuk mengukur.
Kemudian kami menguji menggunakan uji normalitas. Pada uji terdapat 2
tahap. Ditahap pertama menggunakan gambar normal Q-Q plot, dimana hasil
gambar dapat dinyatakan seluruh gambar di atas 100% normal dan valid. Ditahap
kedua kami menggunakan perhitungan nilai Skewness & Nilai Kurtosis untuk
mecari nilai yang berada diantara -2 sampai dengan +2 yang berarti data tersebut
berdistribusi normal.
Uji selanjutnya kami menggunakan multi koloneiaritas. Dimana pada uji ini
kami melihat nilai VIF apakah <10 atau tidak dan nilai tolerance >0,1 untuk
dapat ditarik kesimpulan apakah terjadi gejala atau tidak pada multikoloneriaritas
pada model.
Kami juga menggunakan uji heteroskedastisitas. Dimana kami melihat
gambar scatter plot untuk menyimpulkan apakah terjadi gejala atau tidak pada
heteroskedastisitas. Kemudian kami mencari nilai sig guna melihat apakah terjadi
gejala atau tidak pada uji heteroskedastisitas.
Dan yang terakhir menggunakan analisis regresi berganda. Pada tahap
terakhir terdapat tiga pengujian yaitu uji parsial, uji simultan dan koefisisen
determinasi. Uji parsial atau uji T digunakan untuk mencari pengaruh variabel
independen satu persatu terhadap variabel dependen, dengan cara menggunakan
rumus untuk menentukan nilai residual atau derajat kebebasan. Dan hasil yang
kami dapat kan bahwa X1 tidak berpengaruh terhadap Y di karenakan nilai pada
tabel sig melebihi standar yang telah di depat kan. Kemudian menggunakan uji
simultan, sama seperti sebelumnya dimana uji ini menggunakan rumus yang
menggabungkan seluruh variabel independen untuk melihat pengaruh terhadap
variabel dependen, dan akhirnya kami dapat menyimpulkan bahwa kedua variabel
dependen berpengaruh terhadap variabel independen. Dan yang terakhir uji
koefisien determinasi atau uji R2. Pada uji ini kami dapat mengetahui berapa
persen pengaruh variabel independen terhadap variabel dependen.
v
BAB III
PENUTUP
3.1 KESIMPULAN
Kami menguji data pada tahap awal dan menguji validitas dan kriadibilitas,
uji normalitas, multikoloneiaritas, heteroskedastisitas, analisis regresi berganda,
dan koefisien determinasi. Uji normalitas dapat menyataakan nilai X1, X2, dan Y,
dan uji normalitas dapat menyatakan nilai VIF dan nilai toleransi. Kami juga
mencari nilai sig guna melihat apakah terjadi gejala atau tidak pada
heteroskedastisitas. Uji heteroskedastisitas dapat menyimpulkan nilai sig guna
melihat apakah terjadi gejala atau tidak pada uji heteroskedastisitas. Uji koefisien
determinasi dapat mengetahui berapa persen pengaruh variabel independen
terhadap variabel dependen.
vi
DAFTAR PUSTAKA
Datanya dari bapak ian
vii
LAMPIRAN
Sig. (2-tailed)
,000 ,000 ,000 ,000 ,000 ,000 ,000
N
35 35 35 35 35 35 35 35
Sig. (2-tailed)
,000 ,000 ,000 ,000 ,000 ,000 ,000
N
35 35 35 35 35 35 35 35
Sig. (2-tailed)
,000 ,000 ,000 ,000 ,000 ,000 ,000
N
35 35 35 35 35 35 35 35
Sig. (2-tailed)
,000 ,000 ,000 ,000 ,000 ,000 ,000
N
35 35 35 35 35 35 35 35
Sig. (2-tailed)
,000 ,000 ,000 ,000 ,000 ,000 ,000
N
35 35 35 35 35 35 35 35
Sig. (2-tailed)
,000 ,000 ,000 ,000 ,000 ,000 ,000
N
35 35 35 35 35 35 35 35
Sig. (2-tailed)
,000 ,000 ,000 ,000 ,000 ,000 ,000
N
35 35 35 35 35 35 35 35
X1 Pearson Correlation
,847** ,851** ,909** ,941** ,937** ,915** ,871** 1
viii
N
35 35 35 35 35 35 35 35
Correlations
LINGKUNGAN
X2.1 X2.2 X2.3 X2.4 X2.5 X2.6 KERJA
X2.1 Pearson Correlation 1 ,562** ,539** ,519** ,535** ,505** ,716**
Sig. (2-tailed) ,000 ,001 ,001 ,001 ,002 ,000
N 35 35 35 35 35 35 35
X2.2 Pearson Correlation ,562** 1 ,743** ,611** ,710** ,494** ,852**
Sig. (2-tailed) ,000 ,000 ,000 ,000 ,003 ,000
N 35 35 35 35 35 35 35
X2.3 Pearson Correlation ,539** ,743** 1 ,654** ,690** ,466** ,841**
Sig. (2-tailed) ,001 ,000 ,000 ,000 ,005 ,000
N 35 35 35 35 35 35 35
X2.4 Pearson Correlation ,519** ,611** ,654** 1 ,838** ,553** ,856**
Sig. (2-tailed) ,001 ,000 ,000 ,000 ,001 ,000
N 35 35 35 35 35 35 35
X2.5 Pearson Correlation ,535** ,710** ,690** ,838** 1 ,619** ,903**
Sig. (2-tailed) ,001 ,000 ,000 ,000 ,000 ,000
N 35 35 35 35 35 35 35
X2.6 Pearson Correlation ,505** ,494** ,466** ,553** ,619** 1 ,733**
Sig. (2-tailed) ,002 ,003 ,005 ,001 ,000 ,000
N 35 35 35 35 35 35 35
X2 Pearson Correlation ,716** ,852** ,841** ,856** ,903** ,733** 1
Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 ,000
N 35 35 35 35 35 35 35
**. Correlation is significant at the 0.01 level (2-tailed).
b. Variabel X2
ix
Dari hasil pegolahan data didapatkan nilai pearson correlation untuk seluruh
item pertanyaan lebih besar dari 0,3 maka dapat di simpulkan bahwa seluruh item
dinyataakan valid.
Reliability Statistics
Cronbach's
Alpha N of Items
,802 7
Dari hasil pengolahan data didapatkan nilai cronback’s alpa 0,802 > 0,6 maka
dapat disimpulkan bahwa seluruh item pertanyaan yang digunakan untuk
mengukur.
c. Variabel Y
Correlations
Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 KINERJA
Y1 Pearson Correlation
1 ,576** ,758** ,625** ,494** ,310 ,130 ,021 ,657**
Sig. (2-tailed)
,000 ,000 ,000 ,003 ,070 ,457 ,905 ,000
N
35 35 35 35 35 35 35 35 35
Y2 Pearson Correlation
,576** 1 ,731** ,777** ,602** ,402* ,304 ,168 ,768**
Sig. (2-tailed)
,000 ,000 ,000 ,000 ,017 ,075 ,336 ,000
N
35 35 35 35 35 35 35 35 35
Y3 Pearson Correlation
,758** ,731** 1 ,699** ,507** ,489** ,265 ,107 ,769**
Sig. (2-tailed)
,000 ,000 ,000 ,002 ,003 ,124 ,541 ,000
N
35 35 35 35 35 35 35 35 35
Y4 Pearson Correlation
,625** ,777** ,699** 1 ,674** ,523** ,322 ,264 ,831**
Sig. (2-tailed)
,000 ,000 ,000 ,000 ,001 ,059 ,126 ,000
N
35 35 35 35 35 35 35 35 35
Y5 Pearson Correlation ,494** ,602** ,507** ,674** 1 ,556** ,571** ,313 ,813**
x
Sig. (2-tailed)
,003 ,000 ,002 ,000 ,001 ,000 ,067 ,000
N
35 35 35 35 35 35 35 35 35
Y6 Pearson Correlation
,310 ,402* ,489** ,523** ,556** 1 ,687** ,515** ,775**
Sig. (2-tailed)
,070 ,017 ,003 ,001 ,001 ,000 ,002 ,000
N
35 35 35 35 35 35 35 35 35
Y7 Pearson Correlation
,130 ,304 ,265 ,322 ,571** ,687** 1 ,710** ,694**
Sig. (2-tailed)
,457 ,075 ,124 ,059 ,000 ,000 ,000 ,000
N
35 35 35 35 35 35 35 35 35
Y8 Pearson Correlation
,021 ,168 ,107 ,264 ,313 ,515** ,710** 1 ,539**
Sig. (2-tailed)
,905 ,336 ,541 ,126 ,067 ,002 ,000 ,001
N
35 35 35 35 35 35 35 35 35
Y Pearson Correlation
,657** ,768** ,769** ,831** ,813** ,775** ,694** ,539** 1
Sig. (2-tailed)
,000 ,000 ,000 ,000 ,000 ,000 ,000 ,001
N
35 35 35 35 35 35 35 35 35
2. UJI NORMALITAS
a. Uji normalitas menggunakan tahap pertama
xi
Dari hasil gambar di atas dapat dinyatakan seluruh gambar di atas 100%
normal dan valid.
xii
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation Skewness Kurtosis
Statistic Statistic Statistic Statistic Statistic Statistic Std. Error Statistic Std. Error
Unstandardized Residual 35 -5,54105 22,41559 ,0000000 4,34176923 4,246 ,398 21,839 ,778
Valid N (listwise) 35
KEMAMPUAN KERJA
,127 ,152 ,141 ,834 ,411 ,467 2,142
LINGKUNGAN KERJA
,894 ,233 ,648 3,830 ,001 ,467 2,142
4. UJI HETEROSKEDASTISITAS
xiii
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
(Constant) 2,893 2,158 1,341 ,189
KEMAMPUAN KERJA -,070 ,131 -,138 -,537 ,595
LINGKUNGAN KERJA ,044 ,200 ,056 ,219 ,828
a. Dependent Variable: abresid
Dari hasil pengolahan data tersebut didapatkan nilai sig untuk seluruh
variable > 0.05 artinya tidak terjadi gejala heteroskedastisitas.
Df = 0,05 / 2 ; 35 -2 -1
= 0,025 ; 32
Ttabel = 2,030
b. Uji F (Simultan)
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
Regression 859,239 2 429,619 21,450 ,000b
Residual 640,933 32 20,029
Total 1500,171 34
a. Dependent Variable: KINERJA
xiv
b. Predictors: (Constant), LINGKUNGAN KERJA, KEMAMPUAN
KERJA
A. Jika Fhitung > Ftabel dan sig < 0,05 maka terdapat pengaruh variable
independent terhadap variable dependen secara signifikan
B. Jika Fhitung < Ftabel dan sig >0,05 maka tidak terdapat pengaruh
variable independent terhadap variable dependen
Rumus:
K ; n-2
2 ; 35 – 2
2 ; 33
Nilai Ftabel = 3,28
pada gambar tersebut menunjukan Fhitung 21,450 > Ftabel 3,28 dan nilai
sig = 0,000 < 0,05 maka dapat disimpulkan bahwa secara simultan variabel
kemampuan kerja dan lingkungan kerja berpengaruh terhadapa variablel
kinerja secara signifikan (H1 diterima).
xv