Uji Kualitas Data

Uji Validitas
O Mendefiniskan secara operasional suatu konsep
yang akan diukur. Jadi untuk menguji validitas suatu
konsep, tahap awal yg harus dilakukan adalah
menjabarkan konsep dalam suatu definisi
operasional.
O Misalkan kuesioner adalah sasaran tembak seperti
pada gambar berikut ini.
O Anggap bahwa pusat sasaran tembak itu adalah
target dari apa yang kita ukur.
O Jawaban tiap responden yang ditanya menggunakan
kuesioner adalah menembak pada sasarannya.
O Jika pertanyaannya baik dan responden menjawab
dengan baik pula, maka kita sudah menembak tepat
pada sasaran.
O Jika tidak demikian maka tembakan kita
meleset.
O Makin banyak responden menjawab salah
(karena pertanyaan tidak jelas atau bias) maka
sasaran kita makin jauh.
O Pertama : menembak sasaran secara konsisten
tetapi jauh dari sasaran sebenarnya.
Hal ini disebut konsisten dan sistematis
mengukur pendapat responden dengan nilai
yang salah untuk semua responden  reliable
tetapi tidak valid (konsisten tetapi salah
sasaran).
O Kedua, menebak secara acak, merata di segala
tempat.

O Kadang-kadang tembakannya kena sasaran, tetapi

secara rata-rata diperoleh jawaban yang benar secara
kelompok (tetapi tidak terlalu baik untuk individu).

O Dalam hal ini, kita memperoleh estimasi yang benar

secara kelompok, tetapi tidak konsisten. Sekarang
jelas bahwa reliabilitas berkaitan langsung dengan
validitas dari apa yang diukur.
O Ketiga, menunjukkan tembakan
yang menyebar dan secara konsisten
menyimpang dari sasaran  tidak
reliable dan tidak valid
O Terakhir, menunjukkan menembak
sasaran secara konsisten  reliable
dan valid.
O Hasil penelitian yang valid  bila terdapat kesamaan
antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti.

O Hasil penelitian yang reliabel  bila terdapat

kesamaan data dalam waktu yang berbeda.

O Instrumen yang valid : alat ukur yang digunakan untuk

mendapatkan data (mengukur) itu valid.

O Valid berarti instrumen tersebut dapat digunakan untuk

mengukur apa yang seharusnya diukur.
O Meteran yang valid dapat digunakan untuk mengukur
panjang dengan teliti karena meteran memang alat
untuk mengukur panjang.

O Instrumen yang reliabel : instrumen yang bila

digunakan beberapa kali untuk mengukur obyek yang
sama akan menghasilkan data yang sama.

O Alat ukur panjang dari karet  contoh instrumen

yang tidak reliabel/konsisten.
O Instrumen yang valid dan reliabel merupakan syarat
mutlak untuk mendapatkan hasil penelitian yang valid
dan reliabel.

O Instrumen yang berbentuk test  untuk mengukur

prestasi belajar dan instrumen yang non-test untuk
mengukur sikap.

O Instrumen yang berupa test jawabannya adalah “salah

atau benar” sedangkan instrumen sikap jawabannya
tidak ada yang “salah atau benar” tetapi bersifat
“positif atau negatif”.
 Pengujian Validitas Instrumen
O Validitas merupakan kesahihan alat ukur yang digunakan.
Intrumen dikatakan valid berarti menunjukkan alat ukur
yang dipergunakan untuk mendapatkan data itu valid atau
dapat digunakan untuk mengukur apa yang seharusnya di
ukur (Sugiyono, 2004:137).

O Pada setiap instrumen baik test maupun non test terdapat

butir-butir (item) pertanyaan atau pernyataan.

O Analisis item dilakukan dengan menghitung korelasi antara

skor butir instrumen dengan skor total.
O Pengujian validitas tiap butir  digunakan analisis
item  mengkorelasikan skor tiap butir dengan skor
total yang merupakan jumlah tiap skor butir.

O Item yang mempunyai korelasi positif dengan

kriterium (skor total) serta korelasi yang tinggi
menunjukkan bahwa item tersebut mempunyai
validitas yang tinggi pula.
 Contoh Kasus
O Seorang mahasiswa smt akhir melakukan penelitian
dengan menggunakan skala untuk mengetahui atau
mengungkap prestasi belajar seseorang. Kuesioner
terdiri dari 10 item dan menggunakan skala Likert
yaitu :
1 = sangat tidak setuju
2 = tidak setuju
3 = setuju
4 = sangat setuju
Setelah kuesioner diisi oleh 12 responden diperoleh
data berikut :
O Diperoleh korelasi bivariat Pearson antara
Skor Item dan Skor Total untuk masing-
masing item. Jika digunakan tingkat
signifikansi (level of significance)  = 0,05 (5
%) dengan uji 2 sisi dan n= 12 maka titik
kritisnya adalah 0,576.

O Terlihat bahwa item 1, 9 dan 10 kurang dari

0,576 sehingga dapat disimpulkan bahwa
item 1, 9 dan tidak valid dan jika perlu item
tersebut diubah atau dibuang (asalkan tidak
mengurangi arti kuesioner secara kesatuan).
Tabel titik kritis untuk uji korelasi r
 Corrected Item-Total Correlation
O Analisis ini dilakukan dengan cara mengkorelasikan
masing-masing Skor Item dengan Skor Total dan
melakukan koreksi terhadap nilai koefisien korelasi
yang overestimasi.

O Hal ini dikarenakan agar tidak terjadi koefisien item

total yang overestimasi (estimasi nilai yang lebih tinggi
dari yang sebenarnya).

O Dengan kata lain, analisis ini menghitung korelasi tiap

item dengan skor total, tetapi skor total tersebut tidak
termasuk skor item yang dihitung.
O Sebagai contoh, pada kasus di atas , akan dihitung
korelasi item 1 dengan skor total (yaitu jumlah total
skor 2 sampai skor 10).

O Perhitungan teknik ini cocok digunakan pada

kuesioner yang menggunakan item-item pertanyaan
yang sedikit, sedangkan pada kuesioner yang
menggunakan item-item pertanyaan yang banyak
tidak perlu dilakukan karena perbedaan antara kedua
teknik tersebut tidak jauh.
Uji Validitas dengan SPSS dengan
metode korelasi Pearson
O Siapkan data hasil dari tabulasi kuesioner,
kolom desimal di-nol-kan (0), kolom2 yg lain
dapat diabaikan.
O Buka halaman Data Editor dengan meng-
klik tab Data View.
O klik Analyze>>Correlate>>Bivariate, akan
muncul kotak dialog Bivariate Correlations.
O Masukkan semua item dan skor total ke
Variables. Pada Correlations Coefficients
pastikan terpilih Pearson>>OK.
Uji Validitas dengan SPSS dengan metode
korelasi Corrected Item-Total Correlation
O Siapkan data hasil dari tabulasi kuesioner,
kolom desimal di-nol-kan (0), kolom2 yg lain
dapat diabaikan.
O Buka halaman Data Editor dengan meng-klik tab
Data View.
O klik Analyze>>Scale>>Reliability Analysis, akan
muncul kotak dialog Reliability Analysis.
O Masukkan semua item ke kotak Items, klik
tombol Statistics.
O Pada Descriptive for, beri tanda ceklist pada
Scale if item deleted. Kemudian Continue>>OK.
O Dari output SPSS diperoleh nilai
korelasi yang diinginkan pada
kolom Corrected Item – Total
Correlation dan dibandingkan
dengan titik kritis table yaitu
0,576 sehingga item-item yang
tidak valid adalah item 1, item
5, item 9 dan item 10.
Uji Validitas dengan SPSS dengan
metode korelasi Pearson
(jika jumlah item sedikit < 10 item)

O Siapkan data hasil dari tabulasi kuesioner,

kolom desimal di-nol-kan (0), kolom2 yg lain
dapat diabaikan.
O Buka halaman Data Editor dengan meng-
klik tab Data View.
O klik Analyze>>Correlate>>Bivariate, akan
muncul kotak dialog Bivariate Correlations.
O Masukkan semua item dan skor total ke
Variables. Pada Correlations Coefficients
pastikan terpilih Pearson>>OK.
Uji Validitas dengan SPSS : metode korelasi
Corrected Item-Total Correlation
O Siapkan data hasil dari tabulasi kuesioner,
kolom desimal di-nol-kan (0), kolom2 yg lain
dapat diabaikan.
O Buka halaman Data Editor dengan meng-klik tab
Data View.
O klik Analyze>>Scale>>Reliability Analysis, akan
muncul kotak dialog Reliability Analysis.
O Masukkan semua item ke kotak Items, klik
tombol Statistics.
O Pada Descriptive for, beri tanda ceklist pada
Scale if item deleted. Kemudian Continue>>OK.
Uji Reliabilitas
O Suatu questionare disebut handal (reliabel) jika
instrumen dalam kuesioner dapat digunakan lebih dari
satu kali, paling tidak oleh responden yang sama akan
menghasilkan data yang konsisten. Dengan kata lain,
reliabilitas instrumen mencirikan tingkat konsistensi.
O Pengukuran reliabilitas dilakukan dengan dua cara sbb:
O Repeated measure atau pengukuran berulang, adalah
pengukuran dilakukan berulang-ulang pada waktu yg
berbeda, dengan kuesioner (pertanyaan/pernyataan)
yg sama. Hasil pengukuran dilihat apakah konsisten
dengan pengukuran sebelumnya.
O One shot atau hanya pada satu waktu saja, dilakukan
perbandingan dengan pertanyaan yg lain atau dengan
pengukuran korelasi antar jawaban (metode Alpha
Cronbach).
Contoh pertanyaan:
O Apakah gaji/upah yang diterima memuaskan?
Jawab:
1. Sangat tidak memuaskan
2. Tidak memuaskan
3. Memuaskan
4. Sangat memuaskan
O Apakah kenaikan gaji/upah krusial untuk diatasi?
Jawab:
1. Sangat tidak krusial
2. Tidak krusial
3. Krusial
4. Sangat krusial
O Ini menunjukkan ketidak konsistenan responden dalam
mengungkap sikap atau pendapat.
 Langkah uji Reliabilitas
dengan menggunakan SPSS.
O Buka file yang akan diuji
O Klik Analyze >>Scale>>Reliability Analysis
O Masukkan item-item yang tidak gugur ke
dalam kotak Items. Kemudian klik Statistics.
O Pilih pada box model Alpha, Descriptive for,
ceklist pada Scale if item deleted, klik
Continue>>OK.
 Uji Kualitas Data
(Uji Asumsi Klasik)

O Uji Normalitas
O Uji Multikolinearitas
O Uji Autokorelasi (utk data time series)
O Uji Heterokedastisitas
O Uji Linearitas
 Uji Normalitas
Uji Histogram, P-Plot
O Analyze>>Regression>>Linear
O Masukkan variabel Y ke kolom Dependent, dan
variabel X ke kolom Independent
O Masukkan SRESID ke kolom Y dan ZPRED ke kolom X
O Klik Histogram, Normal Probability Plots pada kolom
Standardized>>SPSS Residual Plots>>Continue>>Ok

Uji Kolmogorov – Smirnov

O Analize>>Nonparametric Test>>1 sample K-S
O Klik variabel yang akan diuji, masukkan ke kotak Test
Variable List
O Pada Test Distribution ceklist Normal>>Ok
 Uji Normalitas
Uji Skewness-Kurtosis
O Analyze>>Descriptive Statistics>>Frequencies
O Masukkan variabel (X atau Y) ke dalam kolom
Variables>>klick Statistics
O Klik Means, Median, Mode, dan Sum pada kolom
Central Tendency
O Klik Std deviation dan Variance pada kolom Dispersion
O Klik Skewness dan Kurtosis pd kolom Distribution
O Klik Continue, klik Chart, Histogram, With Normal
Curve>>Continue>>Ok

Nb: Jika nilai Skewness (kemencengan) dan Kurtosis

(keruncingan) di antara -2 sampai 2 (berarti data
berdistribusi normal).
Skewnes:
O Kemencengan data ke arah kiri (condong negatif) dimana nilai
modus lebih dari nilai mean (modus > mean).
O Kemencengan data simetris (distribusi normal) dimana nilai
mean dan modus adalah sama (mean = modus).
O Kemencengan data ke arah kanan (condong positif) dimana nilai
mean lebih dari nilai modus (mean > modus).

Kurtosis:
O Leptokurtic, yaitu bagian tengah distribusi data memiliki puncak
yang lebih runcing (nilai keruncingan lebih dari 3).
O Mesokurtic, yaitu bagian tengah distribusi data memiliki puncak
diantara Leptokurtic dan Platykurtic (nilai keruncingan sama
dengan 3).
O Platykurtic, yaitu bagian tengah distribusi data memiliki puncak
yang lebih datar (nilai keruncingan kurang dari 3).
 Uji Multikolinearitas
O Analyze>>Regression>>Linear
O Masukkan variabel Y ke Dependen dan X ke
kolom Independent>>Enter
O Klik Statistics>>Estimates, Covariance
Matrix, Collinearity Diagnostics>>Continue
O Ok
Perhatikan nilai korelasinya:
VIF < 10 dan Telerance >0,1  tdk tjd multikol
 Uji Autokorelasi
O Analyze>>Regression>>Linear
O Statistics>>Durbin-Watson>>Continue>>Ok

Perhatikan:
dw<dl  tjd autokorelasi positif (perlu
perbaikan)
dl<dw<du ada autokorelasi positif lemah, lebih
baik diperbaiki
du<dw<4-du tidak tjd autokorelasi
4-du<dw<4-dl ada autokorelasi lemah, lebih baik
diperbaiki
4-dl<dw  autokorelasi serius
 Cara menanggulangi gejala Autokorelasi

O n=20, k=3 (var independen)

O Lihat nilai pd tabel DW, dl dan du apakah nilai
DW diantara dl dan du.

Jika tjd gejala autkorelasi:

O Transform>>Compute>>ketikkan Lag_Y pada
target variabel>>cari fungsi Lag(?)>>ganti
simbol ? dgn variabel Y>>Ok
O Lakukan uji autokorelasi dengan menambahkan
variabel Lag(Y) sbg variabel independent
Penyebab terjadinya Autokorelasi
O Terdapat variabel prediktor penting yang tidak
dimasukkan ke dalam model.
O Pola hubungan antara X dan Y tidak linear
(kuadratik, kubik).
O Data pengamatan yang diambil merupakan
data deret waktu atau time series (harian,
mingguan, bulanan, kuartalan, semesteran,
tahunan.
O Dilakukan manipulasi data sehingga residual
data terbentuk secara sistematik.
 Uji Heterokedastisitas
Uji Scatterplot:
O Analyze>>Regression>>Linear
O Masukkan variabel Ykolom Dependent, dan variabel Xkolom Independent
O Klik Plots, SRESIDY, dan ZPREDX>>Contonue>>Ok
Uji Spearman:
O Analyze>>Regression>>Linear, pada kotak linear regression, masukkan var Y ke
korak dependent dan X ke kotak independent>>Save
O Pada residuals klik unstandardized>>continue>>OK (akan didapat data
tambahan (Res_1)
O Analyze>>Correlate>>Bivariate (masukkan variabel Unstandardized Residual
(dan var X lainnya) ke kotak variables.
O Pada Correlation Coefficients ceklist Pearson dan Spearman>>Ok
Perhatikan:
O Jika nilai Sig pada Unstandardized Residual > 0,05 maka dapat disimpulkan
tidak tjd heterokedastisitas
 Regresi Linear Berganda
O Analyze>>Regression>>Linear, masukkan var Y ke
dependent dan X ke independent>>Ok
atau
O Analyze>>Regression>>Linear, masukkan var Y ke
dependent dan X ke independent
O Pada menu Statistics, klik Estimates, Model Fit, R
Square Change, Descriptives, Part and Partial
Correlations, Colinearity Diagnostics, dan Durbin-
Watson>>Continue
O Klik pilihan Plots, Histogram, dan Normal Probability
Plots
O Masukkan var SRESID ke Y dan ZPRED ke
X>>Continue>>Ok
• UJI NORMALITAS
• Skewness kurva adalah -0.351 dengan standard error of skewness
sebesar 0.337, sedangkan Kurtosis kurva adalah 0.154 dengan
standard error of kurtosis sebesar 0.662. Dengan membagi
skewness/kurtosis dengan masing-masing standard error-nya maka
dapat diketahui rasio skewness dan rasio kurtosis. Sesuai dengan
langkah yang telah disebutkan pada Bab III, rasio skewness dan
rasio kurtosis adalah:
• Rasio skewness : -0.351/0.337 = -1.0415
• Rasio kurtosis : 0.154/0.662 = 0.2326
• Dari hasil perhitungan terhadap rasio skewness/kurtosis, dapat
diketahui bahwa baik rasio skewness maupun rasio kurtosis nilainya
berada diantara -2 sampai 2, sehingga dapat disimpulkan bahwa
nilai residual telah berdistribusi secara normal.
• UJI MULTIKOLINEARITAS
• Nilai korelasi adalah sebesar 0.224, ini berarti masih di
bawah 0.95, sehingga dapat disimpulkan bahwa antar
variabel bebas tidak terjadi gejala multikolinearitas.
• Nilai Tolerance yang sebesar 0.950 jauh diatas 0.10 dan
juga nilai Variance Inflation Factor (VIF) yang jauh lebih
kecil dari 10, sehingga baik dengan nilai korelasi,
Tolerance ataupun VIF, tidak terjadi multikolinearitas
pada variabel bebasnya.
• Deteksi heterokedastisitas dari grafik diketahui
bahwa titik-titik menyebar di semua bidang (di
atas 0 dan di bawah 0 sumbu Y), sehingga dapat
disimpulkan bahwa data dalam penelitian ini
tidak mengalami masalah heterokedastisitas atau
dengan kata lain adalah homokedastisitas.
 Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 1,444 ,749 1,927 ,060

PA ,081 ,023 ,472 3,559 ,001

BO ,011 ,009 ,164 1,233 ,224

Koefisien Determinasi (R2)

Change Statistics
Adjusted R Std. Error of R Square Sig. F
Model R R Square Square the Estimate Change F Change df1 df2 Change

1 ,464a ,215 ,181 ,41039 ,215 6,432 2 47 ,003

 Regresi Logistik
Variabel Dependen Jenis Variabel
Jenis Analisis Independen
Jumlah Variabel Jenis Variabel

Regresi 1 Metrik Metrik/Non

Sederhana Metrik
Regresi 1 Metrik Metrik/Non
Berganda Metrik
Regresi Logistik 1 Non Metrik Metrik/Non
Metrik
Analisis 1 Non Metrik Metrik/Non
Diskriminan Metrik
Analisis Jalur >1 Metrik Metrik/Non
Metrik
Langkah Reglog dengan SPSS
O Analyze>>Regression>>Binary Logistic
O Masukkan variabel Sker pada kolom
Dependent, kemudian masukkan variabel
BebKer, LinKer, dan BangKer pada kolom
Covariates.
O Klik Options>>Klik Classification Plots,
Hosmer-Lemeshow Goodness of Fit,
Corerlations of Estimates, dan Iteration
History>>Continue>>Ok
REGRESI LOGISTIK
Langkah Reglog dengan SPSS
O KOND_KEU (Y)=KONDISI KEUANGAN (LABEL),
DAN BERI VALUE 1=TIDAK SEHAT, 0=SEHAT
O Analyze>>Regression>>Binary Logistic
O Masukkan variabel Kond_Keu pada kolom
Dependent, kemudian masukkan variabel DAR,
dan COST pada kolom Covariates.
O Klik Options>>klik Classification Plots, Hosmer-
Lemeshow Goodness of Fit, Corerlations of
Estimates, dan Iteration
History>>Continue>>OK
 Uji Keseluruhan Model:
O Hasil pengujian dipeoleh nilai Chi Square sebesar
11,375 dengan nilai Sig sebesar 0,181. Dari hasil
tersebut nilai Sig > dari alpha (α) 0,05, yang berarti
model regresi logistik dapat digunakan untuk analisis
selanjutnya.
O Penilaian keseluruhan ,model regresi dengan
menggunakan nilai -2 Log Likelihood pada blok kedua
dan dibandingkan dengan blok pertama, jika nilai pada
block kedua terjadi penurunan maka dapat
disimpulkan bahwa model regresi kedua lebih baik
dalam memprediksi Kondisi Keuangan perusahaan.
 Ketepatan Klasifikasi
O Pada tabel klasifikasi blok pertama (block
number=0) nilai prediksi kondisi
keuangan dan dibandingkan dengan nilai
prediksi kondisi keuangan pada blok
kedua (block number=1), jika terjadi
kenaikan dalam nilai prediksi maka
menunjukkan nilai presentase ketepatan
klasifikasi adalah menjadi lebih baik.
 Uji Kebaikan Model
(Kelayakan Model)
O Berdasarkan ....
O Uji kelayakan model regresi, Hosmer and
Lemeshow Test:

O Dari hasil pengujian nilai Chi Square sebesar

11,707 dengan nilai Sig. 0,165 > 0,05,
maksudnya adalah bahwa tidak ada perbedaan
antara klasifikasi yang diprediksi dengan
klasifikasi yg diamati.
O ini berarti bahwa model regresi logistik dapat
digunakan untuk analisis selanjutnya.
• Penilaian keseluruhan model dgn menggunakan
-2Log Likelihood di mana jika tjd penurunan nilai
-2Log Likelihood pada blok kedua dibandingkan
dengan blok pertama maka dpt disimpulkan bhw
model kedua dari regresi mjd lebih baik.
• Dari hasil perhitngan nilai -2 Log Likelihood terlihat
bhw nilai blok pertama (block number=0) adalah
27,726 dan nilai blok kedua (block number=1)
sebesar 19,528.

>
O Dari tabel klasifikasi, secara keseluruhan hasil
klasifikasi menunjukkan ketepatan klasifikasi
adalah 85.

O Untuk melihat hasil regresi, dapat dengan

memasukan komponen Variables in Equation
P
O LN--------- = -8,036 + 0,102DAR + 0,107ROI
1-p
UJI BEDA
 UJI BEDA
DUA SAMPEL BEBAS
O Rumuskan hipotesis
O Ho : μ1 = μ2 atau Ho : μ1 - μ2 = 0
O Ha : μ1 ≠ μ2 atau Ho : μ1 - μ2 ≠ 0
O Contoh:
O Seorang dosen ingin meneliti mahasiswa
tentang apakah ada perbedaan nilai UTS untuk
mahasiswa yang masuk melalui jalur SNMPTN
dengan jalur SBMPTN.
RESPONDEN NILAI UTS JALUR MASUK
Resp 1 84 SNMPTN
Resp 2 75 SNMPTN
Resp 3 77 SNMPTN
Resp 4 80 SNMPTN
Resp 5 76 SNMPTN
Resp 6 69 SNMPTN
Resp 7 86 SNMPTN
Resp 8 90 SNMPTN
Resp 9 87 SNMPTN
Resp 10 88 SNMPTN
Resp 11 88 SBMPTN
Resp 12 75 SBMPTN
Resp 13 79 SBMPTN
Resp 14 85 SBMPTN
Resp 15 83 SBMPTN
Resp 16 85 SBMPTN
Resp 17 68 SBMPTN
Resp 18 68 SBMPTN
Resp 19 81 SBMPTN
Resp 20 76 SBMPTN
 Langkah olah data
O Input data ke dalam SPSS, label utk Jalur_Masuk, 1=SNMPTN,
2=SBMPTN, Scale=Nominal, Decimal=0.
O Analyze>>Compare Means>>Indepedent-Samples t-Test
O Klik variabel Nilai UTS dan masukkan ke kotak Test Variable(s).
O Klik variabel Jalur Masuk dan masukkan ke dalam kotak Grouping
Variable(s), kemudian klik tombol Define Groups.
O Pada Group 1 ketik angka 1 dan Group 2 ketik angka 2, kemudian klik
Continue>>OK
O Jika hasil uji Levene’s (uji homogenitas) dengan F-test menunjukkan nilai
Sig > 5% (menggunakan Equal variances assumed), jika Sig<5%
(mengggunakan Equal variances not assumed)
O Nilai Sig (pada taraf 5%) > 0,05  kedua varian adalah sama (varian
Nilai UTS mhs jalur masuk SNMPTN dan SBMPTN tidak berbeda)
O Nilai Sig (pada taraf 5%) < 0,05  kedua varian adalah berbeda
(varian Nilai UTS mhs jalur masuk SNMPTN dan SBMPTN berbeda)
 Contoh hasil

Kesimpulan hasil uji beda (uji t) pada taraf 5%:

karena Sig > 0,05 maka hasil UTS mhs yang masuk melalui jalur SNMPTN
dan SBMPTN tidak berbeda.
 Dapat juga dengan membandingkan t-hitung dengan t-tabel (N-jml
variabel)
 Uji Beda
sampel berpasangan
O Seorang manajer produksi
sebuah perusahaan manufaktur
ingin meneliti produktivitas
pekerja sebelum dan setelah
mengikuti program pelatihan.
Responden Produktivitas sebelum Produktivitas setelah
Pelatihan Pelatihan
Resp1 126 138
Resp2 134 142
Resp3 132 146
Resp4 126 128
Resp5 110 124
Resp6 123 120
Resp7 107 113
Resp8 123 118
Resp9 117 122
Resp10 114 119
Resp11 109 130
Resp12 110 118
Resp13 128 122
Resp14 132 145
Resp15 126 133
 Langkah olah data
O Buka SPSS, buat variabel sebelum dan
setelah, Input data ke dalam SPSS,
O Klik Analyze>>Compare Means>>Paired-
Samples t-Test
O Klik varibel sebelum dan masukkan ke
kotak Paired variable pada kolom Variabel 1,
kemudian klik varibel setelah dan masukkan
ke kotak Paired Variable pada kolom
Variable 2.
O Klik OK.
Contoh hasil
 Tahapan dalam uji beda
sampel berpasangan
O Menentukan Hipotesis
O Ho: Tidak ada perbedaan produktivitas pekerja sebelum
pelatihan dan setelah pelatihan.
O Ha: Tidak ada perbedaan produktivitas pekerja sebelum
pelatihan dan setelah pelatihan.
O Menentukan taraf signifikasnis (misal α=5%).
O Jika Sig > 0,05 maka Ho diterima atau
O Jika t-hitung > t-tabel (N-jml variabel) maka Ha diterima.
O Kesimpulan: karena nilai Sig = 0.004 < dari 0,05 maka
dapat disimpulkan bahwa Produktivitas Pekerja sebelum
dan setelah mengikuti pelatihan berbeda (setelah
mengikuti pelatihan signifikan menjadi lebih baik)
Terima Kasih
PATH ANALYSIS
O Analisa Jalur adalah suatu perluasan dari model
regresi, yang digunakan untuk menguji cocok matriks
korelasi terhadap dua atau lebih yang model-model
kausal yang dibandingkan oleh peneliti.

O Path analysis (PA) atau analisis jalur adalah analisis

model kausal dari variabel independent (exogenous),
variabel antara (endogenous), dan variabel
dependen (endogenous) dan semua variabel terukur.
O
O Model ini pada umumnya dilukiskan dalam suatu
gambar lingkaran dan arah panah (circle-and-arrow)
dimana panah tunggal menandai sebagai penyebab.
 Model Jalur
O Suatu model jalur adalah suatu diagram yang
berhubungan secara independen, adanya
perantara, dan variabel dependent. Panah
tunggal menandai adanya yang menjadi
penyebab antara variabel exogenous.

O Panah ganda menandakan adanya korelasi

antara pasangan dari variabel exogenous.
 Jalur Penyebab
O Jalur ke variabel yang ditentukan
meliputi (1) jalur yang langsung dari
panah menuju ke variabel, dan (2) jalur
yang dari variabel endogenous
berhubungan dengan variable lain yang
mempunyai panah menuju ke arah
variabel yang ditentukan.
 Variabel exogenous dan endogenous.
O Variabel exogenous dalam suatu model jalur adalah
yang tidak mempunyai penyebab eksplisit (tidak ada
panah ke arahnya, selain dari pengukuran bentuk
kesalahan).
O Variabel endogenous adalah variable yang
mempunyai arah panah. Variabel endogenous
meliputi variable kausal campuran dan variable-
variabel dependent.
O Variabel endogenous campuran mempunyai baik arah
panah datang maupun keluar didalam diagram jalur.
Sedangkan variable-variabel dependent hanya
mempunyai panah datang.
 Koefisien Jalur/Bobot Jalur.
O Suatu koefisien jalur adalah suatu koefisien regresi
terstandardisasi (beta) yang menunjukkan efek langsung
dari suatu variabel independent dalam suatu variabel
dependent di dalam model jalur.

O Dengan begitu ketika suatu model mempunyai dua atau

lebih variabel kausal, koefisien jalur merupakan
koefisien parsial regresi yang mengukur tingkat efek dari
satu variabel pada varibel yang lain dalam pengontrolan
model jalur untuk variabel utama lainnya, penggunaan
data yang terstandardisasi atau matriks korelasi sebagai
input.
TIPE MODEL JALUR

Tipe Regresi Berganda

Model pertama ini

sebenarnya merupakan
pengembangan regresi
berganda dengan
menggunakan dua
variabel exogenous, yaitu
X1 dan X2 dengan satu
variabel endogenous Y.
Model Mediasi

Model kedua adalah

model mediasi atau
perantara dimana
variabel Y memodifikasi
pengaruh variabel X
terhadap variabel Z.
Model Kombinasi Pertama dan Kedua

Model ketiga ini

merupakan kombinasi
antara model pertama
dan kedua, yaitu variabel
X berpengaruh terhadap
variabel Z secara
langsung dan secara
tidak langsung
mempengaruhi variabel Z
melalui variabel Y.
Model Kompleks

Model keempat ini

merupakan model yang
lebih kompleks, yaitu
variabel X1 secara langsung
mempengaruhi Y2 dan
melalui variabel X2 secara
tidak langsung
mempengaruhi Y2,
sementara itu variabel Y2
juga dipengaruhi oleh
variabel Y1.
 Dari sisi pandang arah sebab akibat, ada
dua tipe model jalur, yaitu recursif dan non
Model Recursif dan recursif.
Non Recursif Model recursif ialah jika semua anak panah
menuju satu arah.
Model hubungan struktural antar variabel

e1 e2
X1

P31
P41

r12 X3 X4
P43

P32
P42
X2
 CONTOH :
Harga e1 e2
(X1)

PYX1
PZX1

Kualitas Citra
PZY
Profuk (Y) (Z)

PYX2 PZX2
Fasilitas
(X2)

Persamaan Strukutur-1 :
Y = PYX1 X1 + PYX2 X2 + e1

Persamaan Strukutur-2 :
Z = PZX1 X1 + PZX2 X2 + PZY Y + e2
Menghitung kontribusi pengaruh setiap variabel

Pengaruh Pengaruh Kausal Sisa Total

Variabel Tidak Langsung Ε1
Ε2
Langsung Melalui Y
X1 thd Y 0,495 0,495
X2 thd Y 0,510 0.510
X1 X2 thd Y 0,831 0,169 1,00
X1 thd Z 0,053 0,053
- 0,053 + (0,495 x 0,870) 0,483
X2 thd Z 0,071 0,071

- 0,071 + (0,510 x0,870) 0,515

X1 X2 Y thd Z 0,949 0,051 1,00
Terima Kasih