MENGGUNAKAN SPSS

Langkah-langkah untuk mengoperasikan SPSS :

1. Klik SPSS
2. Untuk menginput variabel data pilih variable view, yang berisi :
a. name… isi nama atau singkatan variabel
b.Type… jika data berupa angaka aktifkan numeric dan jika data
berupa kata atau huruf aktifkan string.
c. Width…. Jika data angka diabaikan saja tetapi jika perintah
string maka perlu diidi jumlah karakter huruf.
d. Decimal… jika data dalam bentuk angka isi sesuai keinginan
 e. Label …. Dapat mengisi kepanjangan dr singkatan pd kotak
name
f. value…. Jika data kuantitatif diabaikan
g. Missing …jika data tidak memiliki nama dianggap hilang
h. Columns … untuk mengatur lebarnya kolom data
i. Align … digunakan untuk mengatur posisi data (tengah, kanan,
kiri)
j. Measure …digunakan sesuai jenis data (scale, nominal,
ordinat)
3. Pilih data view untuk menginput data
Contoh :
Variabel pertama : berat ibu (Y), karena data kuantitatif maka
tempatkan pointer pada baris 1
1. Buka SPSS
2. Pilih Variable view
3. Name : ketik Y
4. Type : pilih numeric
5. Width : ketik 8
6. Decimal : untuk keseragaman pilih 0
7. Label : ketik berat badan ibu
8. Value dan Missing : pilih None
9. Align : pilih Right dan Measure : pilih Scale
Variabel kedua : Berat Badan Bayi Lahir (X1), juga data berupa
kuantitatif maka tempatkan pointer pada baris ke 2
1. Nama : ketik X1
2. Type : pilih numeric
3. Width : ketik 8
4. Decimal : 2
5. Label : ketik Berat Badan Bayi Lahir (X2)
6. Value : pilih None
7. Missing : pilih None
8. Columns : pilih 8
9. Align : pilih Right
10. Measure : pilih Scale
Variabel ketiga : Panjang Bayi Lahir (X2), juga data berupa kuantitatif
maka tempatkan pointer pada baris ke 3
1. Nama : ketik X2
2. Type : pilih numeric
3. Width : ketik 8
4. Decimal : 0
5. Label : ketik Panjang Bayi Lahir (X2)
6. Value : pilih None
7. Missing : pilih None
8. Columns : pilih 8
9. Align : pilih Right
10. Measure : pilih Scale
masukkan data :
No Berat Badan Ibu (kg) … Y Berat badan Bayi Lahir (kg)... X1 Panjang Bayi Lahir (cm) … X2
1 80 3 42
2 86 3,10 45
3 87 3,14 43
4 90 3,30 50
5 78 2,60 46
6 70 2,50 48
7 65 2,51 50
8 60 1,80 51
9 62 1,90 45
10 78 2,60 46
11 70 2,50 48
12 65 2,51 50
13 60 1,80 51
14 62 1,90 45
15 60 1,50 42
 UJI-UJI DALAM STATISTIK
I. Uji Normalitas dengan Kolmogorov-Smirnov
Langkah-langkahnya :
a. Setelah data terinput disimpan dengan memilih File - Save As dan
berikan nama (normalitas unt keseragaman)
b. Klik Analyze-Non Parametrik Test-1-sample K-S
c. Masukkan Y, X1 dan X2 pada kotak Test Variable List
d. Pilih Fields
e. Pilih Run
Pengambilan Keputusan :
Jika Sig > 0,05 berarti data berdistribusi normal
Jika Sig < 0,05 maka data tidak berdistribusi normal
II. Uji Linieritas dengan Ramsey Test
a. Buka data Normalitas
b. Klik Analyze-Regression –Linier
c. Masukkan Y ke kotak Dependent dan X1, X2 ke kotak Independen
d. Pilih kotak Save
e. Pada Influence Statistic pilih DfFit
f. Klik continue dan Ok
g. Lihat pada Data View akan muncul tambahan satu kolom baru
(DFF1)
h. Juga hasil analisis akan muncul Regression
i. mengolah datanya, kembali ke data view
j. Klik Analyze-Regression-Linier
k. Masukkan Y ke kotak Dependent dan X1, X2, DFF_1 ke kotak
independen
l. Klik Ok
m. menyimpan.
n. Analisis dari hasil olahan data
Hasil tampilan output SPSS menunjukkan bahwa besarnya Rsquare old
= 0,900 sedangkan Rsquare New = 0,975, jumlah variabel bebas yang
baru masuk adalah 1 yaitu DFF_1 dan n jumlah observasi 15, dan
jumlah parameter k persamaan adalah 3.
•Dari
  data ini dapat dihitung besarnya F

F hitung =
Dimana :
m = jumlah variabel bebas yang baru masuk
n = jumlah data observasi
k = banyaknya parameter dalam persamaan baru
Rsquare new = nilai Rsquare dari persamaan yang baru
Rsquare Old = nilai Rsquare dari persamaan yang lama
Sehingga F hitung = 35,714
•Sedangkan
  F table V1=k dan v2 = n-k-1 dengan 95% = 3,587
Pengambilan keputusan :
Jika F hitung > F table maka Ho ditolak
Jika F hitung < F table maka Ho diterima
Kriteria Hipotesis :
Ho = bentuk linier benar
Ha = bentuk linier salah
Dengan demikian F hitung > F table maka Ho ditolak yang berarti
bentuk bukan linier
 Model Summaryb

Model R R Square Adjusted R Square Std. Error of the Estimate

1 .949 a
.900 .883 3.675
a. Predictors: (Constant), Panjang Bayi Lahir, Berat Badan Bayi Lahir

b. Dependent Variable: Berat Badan Ibu

Model Summaryb

Model R R Square Adjusted R Square Std. Error of the Estimate

1 .987 a
.975 .968 1.921
a. Predictors: (Constant), DFFIT, Berat Badan Bayi Lahir, Panjang Bayi Lahir
b. Dependent Variable: Berat Badan Ibu
•3.  Uji Asumsi Klasik
A. Multikolinieritas
Diperlukan untuk mengetahui ada tidaknya variabel independen yang
memiliki kemiripan antar variabel independen dalam suatu model.
Keputusannya jika VIF yang dihasilkan diantara 1 – 10 maka tidak
terjadi multikolinieritas.
Langkah-langkah :
a.Setelah data diinput, klik Analyze-Regression-Linier
b.Masukkan Berat Badan Ibu ke kotak Dependen dan Berat Badan
Bayi, Panjang Badan Bayi pada kotak Independen
c. Pilih Statistic dan beri tanda pada Estimates, Model Fit,
Collinearity Diagnostic dan Durbin Watson, klik continue
 Coefficientsa

Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) 57.661 15.636 3.688 .003
     

Berat Badan Bayi Lahir 17.631 1.774 .913 9.940 .000 .991 1.009

Panjang Bayi Lahir -.624 .312 -.184 -2.003 .068 .991 1.009

a. Dependent Variable: Berat Badan Ibu

 d. Klik tombol Plot, masukkan Dependent ke kotak Y dan ZPRED
pada kotak X, klik continue dan Ok
Dari data yang diuji diperoleh VIF untuk berat badan bayi lahir = 1,009
demikian juga dengan panjang badan bayi lahir = 1,009 sehingga
dari hasil Uji Asumsi Klasik masih diantara 1 – 10 jadi tidak terjadi
multikolinieritas.

B. Autokorelasi
Tujuannya untuk mengetahui ada tidaknya korelasi Antara variabel
pengganggu pada periode tertentu dengan variabel sebelumnya.
Mendeteksi autokorelasi dengan menggunakan nilai Durbin Watson (dl
dan du).
 Model Summaryb

Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson

1 .949 a
.900 .883 3.675 2.035

a. Predictors: (Constant), Panjang Bayi Lahir, Berat Badan Bayi Lahir

b. Dependent Variable: Berat Badan Ibu

Kriteria keputusan :
Jika du < d hitung < 4-dl maka tidak terjadi autokorelasi.
Nilai Durbin Watson table dapat dilihat pada table Durbin Watson
(k, n) jadi (3,15) dimana pada table nilai dl = 0,814 dan nilai du =
1,750, sehingga diperoleh 1,750 < 2,035 < 3,186 jadi tidak terjadi
autokorelasi.

C. Heteroskedastisitas
Digunakan untuk menguji terjadinya perbedaan variance residual
suatu periode pengamatan ke periode pengamatan yang lain.
Cara memprediksi ada tidaknya heteroskedastisitas pada suatu
model dapat dilihat dengan pola gambar Scatterplot.
Regresi yang tidak terjadi heteroskedastisitas jika :
1. titik-titik data menyebar di atas dan di bawah atau di sekitar
angka 0
2. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja
3. Penyebaran titik-titik data tidak boleh membentuk pola
bergelombang melebar kemudian menyempit dan melebar
kembali.
4. Penyebaran titik-titik data tidak berpola.
Analisis dari Scatterplot di atas :
1. titik-titik data menyebar di atas dan di bawah atau disekitar 0
2. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja
3. Penyebaran titik-titik data tidak membentuk pola bergelombang
menyebar kemudian menyempit dan melebar kembali
4. Penyebaran titik-titik data tidak berpola
Maka dapat disimpulkan tidak terjadi heterokedastisitas.
4. Uji Validitas
Digunakan untuk mengetahui kelayakan butir-butir dalam suatu
daftar pertanyaan dalam mendefinisikan suatu variabel. Uji
validitas ini sebaiknya dilakukan pada setiap butir pertanyaan di uji
validitasnya. Hasil r hitung dibandingkan dengan r table dimana df
= n-2 dengan sig 5%. Jika r table < r hitung maka valid.
5. Uji Reabilitas (keandalan)
Merupakan suatu kestabilan dan konsistensi responden dalam
menjawab hal yang berkaitan dengan kontruk-kontruk pertanyaan
yang merupakan dimensi suatu variabel dan disusun dalam suatu
bentuk kuisioner. Hasil Uji Reabilitas jika nilai Alpha > 0,60 maka
pertanyaannya reliable.
Contoh
Jawaban responden terhadap pelayanan suatu hotel
No STS TS S SS
(1) (2) (3) (4)

1 Apakah karyawan di hotel kami ramah?

2 Apakah karyawan di hotel kami cepat tanggap dengan apa yang diinginkan konsumen?

3 Apakah karyawan di hotel kami telah memberikan pelayanan sesuai dengan keinginan
konsumen?

4 Apakah karyawan di hotel kami dapat selalu memberikan keterangan dengan jelas setiap
pertanyaan konsumen yang berhubungan dengan hotel?

5 Apakah anda sebagai tamu mendapat pelayanan yang baik di hotel kami?
Langkah-langkahnya
1. Memasukkan data ke SPSS
a. Buka SPSS pilih variabel view
b. Variabel pertama : pertanyaan 1
c. Name : ketik p1
d. Type : pilih Numeric
e. Width : pilih 8
f. Decimal : pilih 0
g. Label : ketik Pertanyaan 1
h. Value : pilin None
i. Columns : pilih 8
j. Align : pilih Right
k. Measure : pilih Scale
Variabel kedua : pertanyaan 2
a. Name : ketik p2
b. Dan seterusnya mengikuti pertanyaan pertama
Variabel ketiga : pertanyaan 3
c. Nama : ketik p3
d. Dan seterusnya mengikuti pertanyaan 1 dan 2
e. Isi sampai pertanyaan kelima
Mengisi Data
1. Setelah data diinput save dan beri nama valid dan reliable
2. Mengolah data : klik Analyze-Scale-Realiability Analysis
•3.  Masukkan p1,p2,p3,p4,p5 ke kotak Items
4. Klik Statistics
5. Beri tanda pada Scale If Item Deleted
6. Klik Continue
7. Klik Ok
Hasil Uji Validitas
Dengan menggunakan jumlah responden sebanyak 30 maka nilai r table
dapat diperoleh melalui table r product moment pearson dengan df = n
– 2, jadi df = 30 – 2= 28, maka r table = 0,312. pertanyaan dikatakan
valid jika r hitung > r table, dapat dilihat dari Corrected Item Total
Corelation
 Item-Total Statistics

Scale Variance if Item Corrected Item-Total Cronbach's Alpha if Item

  Scale Mean if Item Deleted Deleted Correlation Deleted
pertanyaan 1 8.87 9.637 .627 .816

pertanyaan 2 9.27 9.789 .692 .796

pertanyaan 3 9.03 11.275 .584 .827

pertanyaan 4 8.47 9.637 .621 .818

pertanyaan 5 8.63 9.895 .736 .786