PRAKTIKUM

ANALISIS DATA STATISTIK

FBM – UNIVERSITAS WIDYATAMA
 adalah proses pembuktian
melalui serangkaian langkah
PENELITIAN pengumpulan dan analisis
data yang dilakukan secara
sistematis.

adalah sebagai penyimpangan

MASALAH antara yang seharusnya dengan
(GAP apa yang benar-benar terjadi,
RESEARCH) antara teori dengan praktek,
antara aturan dengan
pelaksaaan, antara rencana
dengan pelaksanaan.
 BAGAIMANA MENEMUKAN
MASALAH PENELITIAN ???

FENOMENA
Apa yg terlihat spt
fakta, gejala, perasaan LALU APA
atau yg disarakan oleh
indra
MASALAHNYA??

MENCARI
MASALAH DARI
FENOMENA
 FENOMENA
• Banyak pegawai datang terlambat
• Pimpinan kantor lebih sering menyalahkan bawahan
• Masih banyak pegawai yang penempatannya tidak sesuai dengan latar
belakang pendidikannya
• Laporan penyelesaian pekerjaan pegawai sering tidak tepat waktu
• Udara dalam ruangan ruangan tidak nyaman atau terlalu dingin

VARIBEL BEBAS (TEORI)
• kinerja pegawai : motivasi,
kompensasi, karir dll
• kepemimpinan : kompetensi,
pendidikan, kepribadian
MASALAH (FOKUS)
• Masalah kinerja pegawai
• Masalah kepemimpinan
• Masalah ergonomi
• Masalah penempatan pegawai

JUDUL PENELITIAN
• Pengaruh motivasi dan
kompensasi terhadap
peningkatan produktivitas kerja
 CONTOH GAP RESEARCH
1. Terdapat penyimpangan antara pengalaman dengan kenyataan;
misalnya pengelolaan pendidikan dengan sistem sentralisasi
dirubah menjadi sistem disentralisasi atau dengan MBS, tentu
saja akan muncul masalah. Bagaimana pelaksanaannya? Apa
yang terjadi setelah perubahan tersebut? dll.

2. Terdapat penyimpangan antara apa yang telah direncancakan

dengan kenyataan; misalnya dengan kebijakan kurikulum KBK
seharusnya pendidikan akan meningkat kualitasnya, ternyata
tidak demikian kenyataannya.

3. Ada Pengaduan; misalnya sekolah pada dasarnya tenang-tenang

saja tidak ada masalah. Tiba-tiba ada pengaduan bahwa produk
(lulusannya) tidak ada yang diterima kerja atau pelayanannya
ternyata tidak memuaskan, dll.
MANFAAT ANALISIS DATA STATISTIK

BAB I
IDENTIFIKASI BAB I
MASALAH TUJUAN
PENELITIAN

BAB IV
HASIL PENELITIAN
DAN
PEMBAHANAN
(UJI STATISTIK)
Identifikasi Masalah
1. Rendahnya motivasi kerja karyawan
2. Kompensasi yang diterima masih belum sesuai dengan pengharapan
karyawan.
3. Konflik kerja yang masih sering terjadi
4. Menurunnya kinerja karyawan dalam melaksanakan pekerjaannya

Rumusan Masalah
1. Adakah efek motivasi terhadap kinerja karyawan
2. Adakah efek kompensasi terhadap kinerja karyawan
3. Adakah efek konflik kerja terhadap kinerja karyawan
4. Adakah efek motivasi, kompensasi dan konflik kerja terhadap kinerja
karyawan

Tujuan Penelitian
1. Untuk mengetahui efek motivasi terhadap kinerja karyawan
2. Untuk mengetahui efek kompensasi terhadap kinerja karyawan
3. Untuk mengetahui efek konflik kerjaterhadap kinerja karyawan
4. Untuk mengetahui efek motivasi, kompensasi dan konflik kerja terhadap
kinerja karyawan
ANALISIS Statistik &
DATA?? Statistika..??
STATISTIK DAN STATISTIKA
METODE STATISTIKA
BERDASARKAN PARAMETER
STATISTIKA DESKRIPTIF

PENGUMPULAN
DATA

INTERPRESTASI &
PENGOLAHAN DATA
ANALISIS DATA

PENYAJIAN DATA PERINGKASAN DATA

(TABEL/DIAGRAM
BATANG/PIE CHART)
 PENGUKURAN NILAI
PADA STATISTIKA DESKRIPTIF

PENGUKURAN
PENGUKURAN PENYEBARAN DATA
PEMUSATAN DATA (RANGE; STANDAR
(MEAN; MODUS; DEVIASI; VARIANSI;
MEDIAN DAN QUARTIL) SIMPANGAN RATA-
RATA)
 Ditinjau dari Ditinjau dari
sifat data sumber data

DATA DATA

KUALITATIF KUANTITATIF
(kategorik) (numerik)
PRIMER SEKUNDER
 JENIS DATA
Data Nominal
Data yang digunakan untuk kategorisasi atau diberi nama
untuk membedakan, tidak memiliki tingkatan dan tidak
dapat dilakukan operasi matematika. Misal Pria = 1;
DATA Wanita = 2

Data Ordinal
Data yang digunakan untuk membedakan dan sudah dapat
digunakan untuk menunjukkan tingkatan. Misal
KUALITATIF KUANTITATIF tanggapan/persepsi ttg sesuatu : sangat setuju=4;
setuju=3; tidak setuju=2; sangat tidak setuju=1

Data Interval
Data yang memiliki jangkauan Mis
NOMINAL INTERVAL pengukuran suhu, cukup panas antara 50 –
80 o C, Panas antara 80 – 110oC, dan Sangat panas antara
110 – 140o C

Data Rasio
ORDINAL RATIO Data dengan tingkat pengukuran ter “tinggi”
diantara jenis lainnya. Sehingga dapat
Dilakukan operasi matematika, misal jumlah
barang, berat badan dsb.
 INTERPRETASI UJI STATISTIK

1. HIPOTESIS (IDENTIFIKASI MASALAH)

2. DESKRIPTIF (PROFIL RESPONDEN)
3. UJI VALIDITAS & RELIABILITAS
4. UJI ASUMSI KLASIK
5. KORELASI
6. KOEFISIEN DETERMINAN
7. REGRESI (PERAMALAN/PREDIKSI}
 UJI VALIDITAS
Untuk mengetahui kelayakan butir- butir dalam suatu
daftar pertanyaan yang mendefinisikan suatu variabel

SPSS  Analyze – Scale – Realiability Analysis (ceck list

: item, scale, scale if, correlation, means)  lihat output
item-total statistic  corrected item

R hitung > R tabel

Atau koefisien korelasi product moment > 0,3
VALID • Correlated item pd SPSS  r table
• Baca R tabel  df = n – 2 atau 0,3
Atau suatu pengukuran dinyatakan valid apabila memiliki
korelasi yang signifikan. Dikatakan signifikan jika p < 0,05
(sig)
R hitung < R tabel
INVALID Varibel yg R hitung < R tabel, harus diulang atau
diganti
 UJI RELIABILITAS
Mengukur kestabilan dan konsistensi responden dalam
menjawab daftar pertanyaan

SPSS  Analyze – Scale – Realiability Analysis (ceck list

: item, scale, scale if, correlation, means)  lihat output
reliability statistics  cronbach”s alpha

RELIABLE Cronbach’s Alpha > 0,6 atau 0,7

(Nunnally, 1994)

Cronbach’s Alpha < 0,6

IRRELIABLE
atau 0,7
1. Multikolinieritas (klik tombol statistic - collinearity
diagnostic  VIF dan Tolerance)
2. Autokorelasi (klik tombol statistic - Durbin-Watson)

3. Heteroskedastisitas (klik tombol plots - Scatter Plot

ZPRED (pindah ke X) dan ZRESID (pindah ke y))
4. Normalitas (klik tombol plots – klik normal
probability plot  Normal PP-Plot)
adalah uji yang dilakukan untuk
memastikan apakah di dalam sebuah model
regresi ada interkorelasi atau kolinearitas
antar variabel bebas. model regresi linier
yang baik adalah yang terbebas dari adanya
multikolinieritas

• Jika ada korelasi antar variabel bebas < 0,8 dapat diindikasikan bebas dari
multikolinearitas.
• Jika nilai standar error < 1, atau koefisien beta < 1 dapat diindikasikan bebas
dari multikolinearitas.
• Jika rentang confidence interval sempit, dapat diindikasikan bebas dari
multikolinearitas.
• Jika nilai condition index < 30 dan nilai eigenvalue > 0,001 dapat diindikasikan
bebas multikolinearitas.
• Melihat nilai Tolerance dan Variance Inflating Factor (VIF). Jika nilai Tolerance
> 0,1 atau 0,2 dan VIF < 10 atau 5 dapat diindikasikan bebas multikolinearitas..
Data yang digunakan untuk mengestimasi
model regresi linier merupakan data time
series maka diperlukan adanya uji asumsi
terbebas dari autokorelasi. Hasil uji
autokorelasi, dapat dilihat pada tabel Model
Summary kolom terakhir.

• Bila d < dL , Berarti ada korelasi yang

positif atau kecenderungannya r= 1

• Bila dL < d < dU kita tidak dapat

mengambil kesimpulan apa-apa

• Bila dU < d < 4 – dU Artinya tidak ada

korelasi positif maupun negatif

• Bila 4 – dU < d < 4 – dL kita tidak dapat

mengambil kesimpulan apa-apa

• Bila d > 4 – dL Berarti ada korelasi

negatif
 Autokorelasi Ragu Tidak Ragu Autokorelasi
Positif -ragu Ada Autokorelasi -ragu Negatif

DL DU 4DU 4DL

0 0,982 1,539 2,481 3,018 4

 digunakan untuk mengetahui ada atau
tidaknya penyimpangan asumsi klasik
heteroskedastisitas yaitu adanya
ketidaksamaan varian dari residual untuk
semua pengamatan pada model regresi.
Prasyarat yang harus terpenuhi dalam
model regresi adalah tidak adanya gejala
heteroskedastisitas.

• Dari output chart apabila diketahui bahwa titik-titik

tidak membentuk pola yang jelas, dan titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y.
Jadi dapat disimpulkan bahwa tidak terjadi masalah
heteroskedastisitas dalam model regresi.
• Dari output non parametric correlation, jika diketahui
bahwa nilai korelasi ketiga variabel independen
dengan Unstandardized Residual memiliki nilai
signifikansi lebih dari 0,05. maka dapat disimpulkan
bahwa tidak terjadi masalah heteroskedastisitas pada
model regresi.
 digunakan untuk menguji apakah nilai residual yang
dihasilkan dari regresi terdistribusi secara normal
atau tidak.
Model regresi yang baik adalah yang memiliki nilai
residual yang terdistribusi secara normal. dengan
melihat penyebaran data pada sumber diagonal
pada grafik Normal P-P Plot of regression
standardized residual atau dengan uji One Sample
Kolmogorov Smirnov.

• Apabila pada grafik titik-titik menyebar sekitar

garis dan mengikuti garis diagonal maka nilai
residual tersebut telah normal
 APAKAH TERDAPAT HUBUNGAN, DAN SEBERAPA KUAT
HUBUNGAN ANTAR VARIABEL

KUAT RENDAH 0,2 – 0,4

> 0,7
SEDANG 0,4 – 0,7 LEMAH < 0,2

METODE Korelasi product

moment

Spearmen Kendall Pearson

Karl Pearson
(Hasan, 1999)
Statistik Non Parametrik
DATA NOMINAL/ Statistik Parametrik
ORDINAL DATA INTERVAL/
RATIO
SEBERAPA BESAR PENGARUH ANTAR VARIABEL

KD R2 X 100%

R Square  2 variable
Adjusted R Square  lebih dari 2
variable X
 UJI PARTIAL & UJI SIMULTAN
(Analisis Regresi Berganda)

UJI PARTIAL – Uji T

menguji pengaruh masing-masing variabel bebas
terhadap variabel terikat.
Menggunakan Uji t  output SPSS “Coefficients”
• Bila t hitung > t tabel , maka X berpengaruh terhadap Y
• Bila t hitung <t tabel , maka X tidak berpengaruh terhadap Y

UJI SIMULTAN – Uji F

digunakan untuk menguji pengaruh X1 dan X2 (bersama-
sama) terhadap Y
Menggunakan Uji F  output SPSS “ANOVA”
• Bila f hitung > f tabel , maka X1 & x2 secara simultan berpengaruh
terhadap Y
• Bila f hitung < f tabel , maka X1 & X2 secara simultan tidak
berpengaruh terhadap Y
 ANALISIS REGRESI

Y = β0 + β1 X1 + β2X2+ e
Jenis data harus
INTERVAL/ RATIO
(measure pada SPSS  SCALE
Untuk data nominal/ordinal harus diubah scale dengan
MSI (Methods of Successive Interval)

• Apabila positif (+) maka hubungannya searah ( jika

1 variabel naik maka yang lain ikut naik)
• Apabila negatif (-) maka hubungannya berlawanan
( jika 1 variabel naik maka yang lain turun)
 r tabel
df = n - 2
n = jumlah responden
K = jumlah variabel

Sig. 1 sisi = 0,05

Sig. 2 sisi = 0,025
 F Tabel
df1 = k – 1
df2 = n - k
n = jumlah responden
K = jumlah variabel bebas
 T Tabel
df = n - k
n = jumlah responden
K = jumlah variabel
penelitian
Sig. 2 sisi = 0,025
Fakultas Bisnis & Manajemen
2017