SPSS

Statistik Bisnis
Agung J Saputra
Apa Itu SPSS?
SPSS (Statistical Package For The
Social Science) merupakan software
yang membantu para peneliti untuk
mengolah data dengan perhitungan
statistik
Pembagian Statistik
Buka sheet variable view
1. Name : digunakan untuk memasukan nama secara
singkat
2. Type : Tipe Data yang digunakan (angka, huruf, dll)

3. Width : Banyaknya character/huruf yang digunakan

4. Decimal : desimal atau berapa angka dibelakang koma

5. Label : untuk memperjelas suatu keterangan nama

6. Values : untuk memasukan kategori seperti 1. pria 2.

wanita dll
7. Collumns : Max character yang digunakan

8. Meassure : Tipe data (nominal, ordinal, scale)

Variabel Nominal
 Variabel nominal adalah tipe variabel yang merepresentasikan suatu
nilai numerik sebagai label dari variabel tersebut. Variabel nominal
tidak digunakan untuk melakukan perhitungan data secara
matematika seperti penjumlahan, pengurangan, dan lain sebagainya.
Secara fundamental variabel jenis ini digunakan untuk menghitung
banyaknya data. Hal ini sangat mempengaruhi analisis data tingkat
lanjut. Beberapa contoh penggunaan nominal level saat membuat
variabel dengan menggunakan SPSS adalah sebagai berikut,
◦ Variabel jenis kelamin
◦ Variabel nama – nama perusahaan
◦ Variabel nama – nama universitas
◦ Variabel nama – nama instansi
◦ Variabel nama – nama merek smartphone
◦ Variabel nama – nama kabupaten
Variabel Ordinal
 Variabel ordinal adalah tipe variabel yang sering disebut
sebagai ranked data atau data dengan peringkat. Data dalam
bentuk ordinal level dikategorikan berdasarkan kuantitas dan
kualitasnya. Beberapa contoh penggunaan ordinal level adalah
sebagai berikut,
◦ Variabel tingkatan pendidikan (TK, SD, SMP, SMA, dan PT)
◦ Variabel tingkatan organisasi (anggota, koordinator, inti, wakil ketua dan
ketua)
◦ Variabel tingkat umur (balita, anak-anak, remaja, dewasa, dan manula)
◦ Variabel tingkat suhu (dingin, hangat, dan panas)
◦ Variabel tingkat harga suatu produk (murah, sedang, dan mahal)
◦ Variabel rasa makanan (tidak enak, enak, dan sangat enak)
Variabel Scale
 Variabel scale adalah tipe variabel yang digunakan untuk melakukan
perhitungan data terhadap variabel angka seperti meghitung nilai statistika
deskriptif. SPSS secara fundamental akan mendefinisikan data secara
otomatis sebagai variabel dengan tingkat interval atau tingkat rasio. SPSS
tidak mengharuskan pengguna membedakan data scale secara manual,
apakah termasuk data dengan tingkat interval atau tingkat rasio. Beberapa
contoh penggunaan variabel scale adalah sebagai berikut,
◦ Variabel tinggi badan siswa
◦ Variabel nilai suatu ujian
◦ Variabel harga beras
◦ Variabel banyak pengunjung suatu objek wisata
◦ Variabel nilai tukar suatu mata uang
◦ Variabel berat badan siswa
Urutan – urutan dalam melakukan
pengolahan data di SPSS
 Distribusi Data Sampling
 Uji Validitas Data Kualitatif
 Uji Realibilitas

 Uji Asumsi Klasik

◦ Uji Normalitas
◦ Uji Multikolinearitas
◦ Uji Heteroskedastisitas
◦ Uji Autokorelasi
 Uji Korelasi
 Uji Koefisien Determinasi (R2)

 Uji T

 Uji F
Metode Pengumpulan Data
Sensus Sampling

 Cara pengumpulan  Cara pengumpulan

data dimana data dimana yang
seluruh elemen diselidiki adalah
populasi diselidiki elemen sampel dari
satu per satu. Data suatu populasi. Data
yang dihasilkan dari hasil sampling
biasa disebut merupakan data
dengan data perkiraan (estimate
sebenarnya (true value)
value) atau
parameter
 Pengambilan Sampel
Acak (Random) Tak Acak (Non
Random)
• Suatu cara pemilihan  Suatu cara
sejumlah elemen dari pemilihan
populasi untuk elemen-elemen
menjadi anggota dari populasi
sampel, dimana untuk menjadi
pemilihannya anggota sampel
dilakukan sedemikian dimana tiap–tiap
rupa sehingga setiap elemen tidak
elemen mendapat mendapat
kesempatan yang kesempatan yang
sama untuk dipilih sama untuk
menjadi anggota dipilih.
sampel
 Cara Mengumpulkan Data
1. Pengamatan (observasi).
Pengamatan atau observasi adalah cara pengumpulan
data dengan terjun dan melihat langsung ke lapangan
(laboratorium), terhadap objek yang diteliti (populasi).
Pengamatan disebut juga penelitian lapangan.
2. Penelusuran literatur.
Penelusuran literatur adalah cara pengumpulan data
dengan menggunakan sebagian atau seluruh data
yang telah ada atau laporan data dari peneliti
sebelumnya. Penelusuran literatur disebut juga
pengamatan tidak langsung.
3. Penggunaan kuesioner (angket).
Penggunaan kuesioner adalah cara pengumpulan data
dengan menggunakan daftar pertanyaan (angket) atau
daftar isian terhadap objek yang diteliti.
4. Wawancara (interview).
Wawancara adalah cara pengumpulan data dengan langsung
mengadakan tanya jawab kepada objek yang diteliti atau
kepada perantara yang mengetahui persoalan dari objek yang
sedang diteliti.
Pengelompokan data
 Masukan data dibawah ini
◦ Jenis Kelamin (1. Pria, 2. Wanita)
◦ Usia (1 < 25 Tahun, 2 25 – 45 Tahun, 3 > 45 Tahun)
◦ Jenjang Pendidikan (1. D3, 2. S1, 3. S2, 4. S3, 5. Lainnya)
◦ Lama Kerja (1. <5 Tahun, 2. 5 – 10 Tahun, 3. > 10 Tahun)

Latihan Deskripsi Data.xlsx

Klik Analyze -> Descriptive Statistic -> Frequency

Jenis Kelamin Usia Jenjang Pendidikan Lama Kerja Jenis Kelamin
1 3 1 1 1. Pria
2 3 1 2 2. Wanita
2 2 4 2
Usia :
2 3 4 2
3. 17 – 20 Tahun
1 3 1 2 4. 21 – 30 Tahun
1 2 2 2 5. > 30 Tahun
2 1 2 1
1 1 3 1 Pendidikan :
6. SD
2 1 2 1
7. SMP
2 1 2 1 8. SMA
1 2 3 1 9. S1
1 2 2 2
2 3 3 1 Lama Kerja :
10. 1 – 2 Tahun
1 3 2 2
11. > 2 Tahun
2 3 2 1
2 1 2 2
1 1 1 2
1 2 1 1
X1 X2 Y
1 2 3
2 1 3
1 2 2
3 2 3
4 1 3 Keterangan :
4 4 4 1. Sangat Tidak Setuju
2. Tidak Setuju
5 5 5 3. Netral
4 4 4 4. Setuju
5. Sangat Setuju
4 4 2
5 4 3
5 4 4
5 5 5
4 5 3
2 5 4
3 4 4
3 3 5
1 4 4
3 5 5
Distribusi Data Sampling
Uji Validitas & Realibilitas
 Uji validitas adalah ketepatan atau kecermatan suatu
instrumen dalam mengukur apa yang ingin diukur.
 Syarat – syarat nya
◦ Suatu variabel dikatakan valid apabila nilai “r – hitung” yang
merupakan nilai dari Corrected Item Total Correlation > dari r – tabel
(n - 2) n = jumlah responden k = jumlah pertanyaan atau
◦ r hitung > r tabel
◦ Table R/T/F
◦ Jika tidak valid maka pertanyaan tersebut harus dibuang
 Analyze => scale => realibility analysis
 Klik Statistik => centang scale if item deleted
 Uji realibilitas adalah pengujian keandalan / konsistensi alat
ukut, sehingga realibilitas merupakan ukuran suatu
kestabilan dan konsistensi responden dalam menjawab
pertanyaan – pertanyaan
 Syarat nya

◦ Nilai cronbach’s alpha > 0,60 maka pertanyaan yang diajukan adalah
reliabel jika < 0,60 maka tidak reliabel
◦ Jika tidak reliabel maka tidak boleh mengikuti uji selanjutnya
Uji Validitas & Realibilitas

Variabel X1 memiliki nilai 0,421 < 0,497 maka X1 tidak valid dan
tidak boleh dilanjutkan ke uji berikutnya

Variabel X2 memiliki nilai 0,588 > 0,497 maka lolos uji valid

Variabel Y memiliki nilai 0,489 < 0,497 maka tidak lolos uji valid
Uji Validitas & Realibilitas

Nilai cronbach’s alpa diatas adalah 0,671 dimana > 0,60 maka
lolos uji realibilitas
Transformasi Data Ordinal ke Interval
 Untuk pengujian kualitatif setelah melewati uji valid dan
realibilitas, data tersebut boleh digunakan untuk melakukan
pengolahan selanjutnya. Namun untuk dapat melakukan
pengolahan data regresi dan analisis jalur, data tersebut
minimal merupakan data interval.
 Untuk dapat melakukan perubahan data dari ordinal ke

interval maka memerlukan suatu rumus atau cara – cara lain

nya salah satu nya adalah MSI (Metode Suksesive Interval)
Uji Asumsi Klasik (Normalitas)
 Merupakan salah satu uji persyaratan yang harus dipenuhi
dalam penggunaan analisis parametrik data populasi
 Syaratnya

◦ Asymp. Sig > 0,05 maka data tersebut normal jika < 0,05 maka tidak
normal dan tidak boleh mengikuti uji selanjutnya
 Tujuan diadakan uji normalitas adalah untuk mengetahui
distribusi data dalam variabel yang akan digunakan dalam
penelitian adalah data yang baik dan layak digunakan atau
data tersebut asal - asalan
Uji Asumsi Klasik (Normalitas)
 Analyze => regresi => linear
 Y => dependent x1 dst => independent
 Klik statistics centang durbin watson, collinearity diagnostics,

estimates, model fit

 Klik plots SRESID => Y, ZPRED => X centang normal

probability plot
 Klik Save => centang unstandarized sebelah kiri
Uji kolmogorov smirnov (normalitas)
 Analyze => nonparametric tests => legacy dialogs => 1
sample KS
 Masukan understandarized (variabel yang baru) => ok
Asymp sig 0,020 < 0,05 maka tidak lolos uji normalitas
Uji Asumsi Klasik (Multikolinearitas)
 Digunakan untuk mengetahui ada atau tidaknya kemiripan
dengan variabel independent lain dalam satu model
 Syaratnya

◦ Nilai inflation factor (VIF) < 10

◦ Nilai tolerance > 0,1
◦ Bilai kedua nilai diatas melewati nilai tersebut maka bebas dari
multikolinearitas
◦ Nilai X1 dan X2 inflation factor (VIF) 1.228 < 10
◦ Nilai tolerance X1 dan X2 0,815 > 0,1
◦ Dari nilai diatas maka disimpulkan lolos uji multikolinearitas
Uji Heteroskedastisitas

Titik menyebar di atas dan dibawah 0 serta tidak

membentuk pola tertentu maka lolos uji
heteroskedastisitas
Uji Glejser
 Uji glejser bertujuan untuk menguji heteroskedastisitas
secara lebih pasti dengan menggunakan angka
 Syarat dari uji glejser adalah

◦ Jika nilai T hitung lebih kecil dari T tabel dan nilai signifikan lebih
besar dari 0,05 maka tidak terjadi heteroskedastisitas
◦ Jika nilai T hitung lebih besar dari T tabel dan nilai signifikan lebih
kecil dari 0,05 maka terjadi heteroskedastisitas
◦ T tabel didapatkan dari df = N – K (K = Jumlah variabel independen)
 Analyze => regression => linear
 Pada kotak save centang undstandardized sebelah kanan (sebelah
kiri dihilangkan)
 Lalu akan muncul variabel baru yang bernama RES_1
 Klik transform => compute variable
 Pada kotak “target variable” tuliskan Abs_RES lalu pada kotak
“numeric expression” ketikan ABS(RES_1) lalu ok
 Muncul variabel baru lagi yang bernama Abs_RES
 Klik analyze => regression => linear masukan Abs_RES pada
kolom dependent lalu klik save hilangkan centang pada
unstandarized lalu ok
Uji Glejser

• Nilai X1 t hitung 0,445 < dari t tabel 2,120 dan Sig 0,662 > 0,05
maka tidak terjadi heteroskedastisitas
• Nilai X2 t hitung 0,623 < dari t tabel 2,120 dan Sig 0,542 > 0,05
maka tidak terjadi heteroskedastisitas

t tabel = 5%, n – k => 18 – 2 => 5%, 16

Uji Autokorelasi
 Adalah sebuah analisis yang dilakukan untuk mengetahui
adakah korelasi variabel yang ada didalam model prediksi
dengan perubahan waktu,
 Uji ini biasa dilakukan untuk penelitian yang bersifat time

series dan tidak digunakan untuk data cross section

Uji Auto Korelasi
 Syaratnya
◦ Jika DU > DW < DL maka tidak terjadi autokorelasi
◦ DU (Durbin Upper), DW (Durbin Watson), DL (Durbin Lower)
 Deteksi Autokorelasi Positif:
 Jika dw < dL maka terdapat autokorelasi positif,
 Jika dw > dU maka tidak terdapat autokorelasi positif,
 Jika dL < dw < dU maka pengujian tidak meyakinkan atau tidak dapat
disimpulkan.
 Deteksi Autokorelasi Negatif:
 Jika (4 – dw) < dL maka terdapat autokorelasi negatif,
 Jika (4 – dw) > dU maka tidak terdapat autokorelasi negatif,
 Jika dL < (4 – dw) < dU maka pengujian tidak meyakinkan atau tidak dapat
disimpulkan.
 N = 18, k (variabel independent) = 2 Durbin Watson 5%
 DW = 1.657
 DL = 1,046 DU = 1,535
 1,535 < 1.657 > 1,046 maka terdapat autokorelasi
Uji Korelasi
 Klik analyze => correlate => bivariate
 Masukan variabel dependent dan independent
 Centang pearson, flag significant correlation dan two tailed

=> ok
Uji Korelasi
Uji Korelasi
 Cara membaca tabel uji korelasi

 Untuk Variabel X1 Terhadap Y

1. Nilai Pearson Correlation sebesar 0.287, yang berarti hubungan antara X1
terhadap Y memiliki keeratan yang lemah.
2. Korelasi bersifat positif (0.287)
3. Korelasi tidak signifikan (sig = 0.247 > 0.05)

 Untuk Variabel X2 Terhadap Y

1. Nilai Pearson Correlation sebesar 0.541, yang berarti hubungan antara X2
terhadap Y memiliki keeratan yang kuat
2. Korelasi bersifat Signifikan (0.541)
3. Korelasi signifikan (sig 0.020 < 0.05)
Hipotesis
 Hipotesis adalah jawaban atau dugaan sementara yang
biasa nya diwakili dengan H0 (Hipotesis nol) sebagai simbol
bahwa hipotesis diterima, dan Ha (Hipotesis Alternatif)
seabgai simbol bahwa hipotesis ditolak

 H0 biasanya memiliki arti bahwa Variabel X tidak

berpengaruh terhadap variabel Y
 Ha = Variabel X memiliki pengaruh terhadap variabel Y
Uji t
 Uji t digunakan untuk mengetahui kebenaran pernyataan
atau dugaan yang dihipotesiskan peneliti (Siregar, 2010). Uji
ini hanya dilakukan untuk menguji apakah secara terpisah
variabel independen mampu menjelaskan variabel dependen
secara lebih baik.
 Syaratnya

◦ Jika nilai signifikansi > dari 0.05 maka H0 diterima dan Ha ditolak
◦ Jika nilai signifikansi ≤ dari 0.05 maka H0 ditolak dan Ha diterima
◦ Jika t hitung > t tabel, maka H0 ditolak dan Ha diterima
◦ Jika t hitung < t tabel, maka H0 diterima dan Ha ditolak
Uji t

Berdasarkan tabel diatas terlihat bahwa :

• nilai signifikansi X1 adalah 0.785 > 0.05 yang berarti H0
diterima dan Ha ditolak
• Nilai t hitung X1 adalah 0.278 < 2.120 (t tabel) yang
berarti H0 diterima dan Ha ditolak
• Nilai signifikansi X2 adalah 0.050 ≤ 0.05 yang berarti H0
ditolak dan Ha diterima
• Nilai t hitung X2 adalah 2.136 > 2.120 (t tabel) yang
berarti H0 ditolak dan Ha diterima
Uji F
 Uji F digunakan untuk menguji apakah variabel independen
secara bersama – sama berpengaruh terhadap variabel
dependen. Cara melihat F tabel adalah df1 = K – 1 dan df2 =
n – K, dimana K adalah jumlah variabel dependen dan
independen
 Syarat nya

◦ Jika nilai signifikansi > dari 0.05 maka H0 diterima dan Ha ditolak
◦ Jika nilai signifikansi ≤ dari 0.05 maka H0 ditolak dan Ha diterima
◦ Jika F hitung > F tabel, maka H0 ditolak dan Ha diterima
◦ Jika F hitung < F tabel, maka H0 diterima dan Ha ditolak
Uji F

Berdasarkan tabel diatas terlihat bahwa :

• nilai signifikansi adalah 0.612 > 0.05 yang berarti H0 diterima
dan Ha ditolak
• Nilai F hitung adalah 0.507 < 3.682 (F Tabel) yang berarti H0
diterima dan Ha ditolak
(Df1 = 3 – 1 = 2, DF2 = 18 – 3 = 15 didapatkan F tabel 3.682)
 Terima Kasih
Salam DUNIA SATU KELUARGA