TARJONO

STATISTIKA EKONOMI-2
UNTUK PROGRAM SARJANA
SEKOLAH TINGGI ILMU EKONOMI PGRI
SUKABUMI
 PENGANTAR STATISTIKA
 Definisi Statistika
Staistika adalah ilmu pengetahuan yang membahas tentang cara-cara
pengumpulan, pengolahan, penganalisaan data, penarikan kesimpulan
dan pembuatan keputusan yang beralasan berdasarkan penganalisaan
yang dilakukan.

 Macam-macam Statistika
1. Statistika Deskriptif adalah bagian dari statistika yang membahas secara
khusus tentang deskripsi dari suatu data melalui ukuran-ukuran statistik, tabel
dan grafik serta melakukan penarikan kesimpulan berdasarkan deskripsi data
tersebut dengan tidak berlaku secara umum.

2. Statistika Inferensial adalah bagian dari statistika yang membahas secara

khusus tentang penarikan kesimpulan berdasarkan data yang diperoleh dari
sampel untuk menggambarkan karakteristik atau ciri dari suatu populasi.
Contoh-contoh Statistik Deskriptif
 PERANAN STATISTIKA
DALAM PENELITIAN
1. Alat untuk menghitung besarnya anggota sampel
yang diambil dari populasi.
2. Alat untuk menguji Validitas dan Reliabilitas
instrumen.
3. Alat untuk menyajikan data, baik berupa tabel
maupun grafik.
4. Alat untuk menganalisis data, seperti menguji
hipotesis penelitian yang diajukan
PROSES PENELITIAN DAN STATISTIK YANG DIPERLUKAN
 TEKNIK SAMPLING
A. Beberapa Pengertian Dasar :
1. Populasi
Adalah keseluruhan objek atau subjek yang
mempunyai kuantitas & karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan
kemudian ditarik kesimpulannya.
2. Ukuran Populasi
Adalah banyaknya objek penelitian yang menjadi
anggota sebuah populasi
3. Populasi Sasaran
Adalah populasi yang menjadi cakupan kesimpulan
penelitian.
4. Sampel
Adalah bagian dari populasi
5. Ukuran Sampel
Adalah banyaknya objek penelitian yang merupakan
anggota sebuah sampel.
6. Satuan Sampling
adalah segala sesuatu yang dijadikan kesatuan yang
nantinya akan dipilih.
7. Kerangka Sampling
Adalah daftar yang berisi satuan-satuan sampling yang
ada dalam sebuah populasi. Setiap satuan sampling
mempunyai nomor urut tertentu, dan banyaknya angka
untuk setiap nomor sama.
8. Angka/Bilangan Random (acak)
Adalah angka yang dipilih melalui mekanisme pilihan
tertentu, sedemikian rupa sehingga setiap dari 0 sampai
dengan 9 mempunyai peluang yang sama
PEMBAGIAN TEKNIK SAMMPLING
 SAMPLING PROBABILITAS
Adalah teknik sampling yang memberikan peluang yang sama bagi
setiap anggota populasi untuk dipilih menjadi anggota sampel.
1. Simple Random sampling
Sampling ini dilakukan bila anggota populasinya homogen.
Cara pemilihannya adalah sebagai berikut :
1. Tentukan populasi sasarannya
2. Tentukan ukuran populasinya
3. Tentukan bentuk satuan & kerangka samplingnya
4. Tentukan ukuran sampel
5. Sediakan tabel bilangan random/acak
6. Lakukan pemilihan sampel
2. Stratified Random sampling
Sampling ini dilakukan bila anggota populasinya heterogen.

Cara pemilihannya adalah sebagai berikut :

1. Tentukan populasi sasarannya
2. Tentukan ukuran populasinya
3. Berdasarkan kriteria tertentu, populasi dibagi-bagi
kedalam L buah strata.
4. Untuk tiap strata lakukan pendaftaran satuan samling,
sehingga diperoleh kerangka sampling masing-masing
strata.
5. Tentukan ukuran sampel dari populasinya
6. Lakukan pemilihan sampel dari setiap strata melalui
sample random sampling
3. Cluster Random sampling
Sampling ini dilakukan bila anggota populasinya heterogen.

Teknik sampling ini digunakan untuk menentukan sampel

bila objek yang akan diteliti sangat luas, sehingga teknik
sampling ini dikatakan pula sampling area.

Pada dasarnya teknik sampling ini sama halnya dengan

Stratified Random Sampling
 MENENTUKAN UKURAN SAMPEL
Pendapat Slovin :
Penentuan ukuran sampel menurut Slovin harus didasarkan
pada asumsi bahwa populasi berdistribusi Normal (Husein,
2005 : 108)
N
n=
1 + N.e2

Dimana : n = ukuran sampel

N = ukuran populasi
e = kesalahan sampling yang masih
dapat ditolerir, misalnya 2% - 10%
Pendapat Kracjie
Kracjie (Umar Husein, 2005 : 109), mengemukakan suatu
metode penentuan ukuran sampel dengan membuat suatu
daftar. Pada prinsipnya ukuran Kracjie sama dengan penentuan
ukuran Slovin, dimana α = 0,05. Kracjie membuat daftar ukuran
sampel mulai dari 10 sampai dengan 100.000.

Pendapat Harry King

Harry King (Umar Husein, 2005 : 109) menghitung ukuran
sampel menggunakan Nomogram dan ukran populasi
maksimum 2000 dengan α bervariasi sampai 15%.
 TABEL KRECJIE
UNTUK TINGKAT KESALAHAN SAMPLING 5%

N S N S N S
10 10 220 140 1200 291
15 14 230 144 1300 297
20 19 240 148 1400 302
25 24 250 152 1500 308
30 28 260 155 1600 310
35 32 270 159 1700 313
40 36 280 162 1800 317
45 40 290 165 1900 320
50 44 300 169 2000 322
55 48 320 175 2200 327
60 52 340 181 2400 331
65 56 360 186 2600 335
Formula Empiris (Issac dan Michael, 1981 : 192)

χ2 NP (1 – P)
S =
d2 (N-1) + χ2 P (1 – P)
Keterangan :
S = ukuran sampel
N = ukuran populasi
P = Proporsi populasi sebagai dasar asumsi pembuatan tabel.
Harga ini diambil P = 0,05
d = derajat ketepatan yang direfleksikan oleh kesalahan yang
dapat ditoleransi dalam fluktuasi proporsi sampel pada
umumnya diambil 0,05.
χ2 = nilai tabel chi-square untuk satu dk relatif konfiden yang
diinginkan χ2 = 3,841 dengan tingkat kepercayaan 0,95.
Pendapat Gay
Gay (1981 : 98) menyatakan bahwa untuk menentukan ukuran
minimum sampel yang dapat diterima berdasarkan desain
penelitian, yaitu sebagai berikut :

1. Metode deskriptif, minimal 10% populasi. Untuk populasi

relatif kecil, maka ukuran sampel adalah 20% populasi.
2. Metode deskriptif-korelasional, minimal 30 subyek.
3. Metode eks-postfacto, minimal, minimal 15 subyek per
kelompok.
4. Metode eksperimental, minimal 15 subyek per kelompok
 KONSEP DASAR PENGUJIAN HIPOTESIS
A. Statistika Inferensial
Statistika Inferensial adalah bagian dari statistika yang
berhubungan dengan pembuatan kesimpulan mengenai
populasi.

Hal-hal yang termasuk kedalam Statistika Inferensial antara

lain :
 Pengujian Hipotesis
 Penaksiran (Estimasi)
 Forecasting (Peramalan)
 Menentukan ada/tidak adanya korelasi (Assosiasi)
B. Hipotesis
Dalam rumusannya hipotesis dibagi 2 (dua), yaitu:
1. Hioptesis Nol (Ho) disebut Hipotesis Statistik
2. Hipotesis Alternatif (H1 atau Ha) disebut Hipotesis
Kerja/Penelitian/Deklaratif)

C. Macam-Macam Rumusan Ho dan H1

1. Hipotesis mengandung Pengertian Sama
Ho: θ = θo
H1: θ ≠ θo
2. Hipotesis mengandung Pengertian Maksimum
Ho: θ ≤ θo
H1: θ > θo
3. Hipotesis mengandung Pengertian Minimum
Ho: θ ≥ θo
H1: θ < θo
D. Tiga Bentuk Rumusan Hipotesis

1. Hipotesis Deskriptif
Adalah dugaan tentang nilai suatu variabel mandiri, tidak membuat
perbandingan atau hubungan

2. Hipotesis Komparatif
Adalah pernyataan yang menunjukkan dugaan nilai dalam suatu variabel
atau lebih pada sampel yang berbeda

3. Hipotesis Asosiatif
Adalah pernyataan yang menunjukkan dugaan tentang hubungan antara dua
variabel atau lebih.
E. Dua Tipe Kekeliruan
Kekeliruan yang terjadi ketika melakukan penarikan kesimpulan
berkenaan dengan perumusan hipotesis pada umumnya dapat
diperlihatkan pada tabel berikut :
F. Taraf Signifikan dan Kepercayaan
Setelah diketahui bahwa peluang membuat kekeliruan Tipe I
dinyakan sebagai α, maka dalam pemakaiannya α disebut
sebagai taraf signifikan, dan 1 – α disebut taraf kepercayaan.

α biasanya ditentukan oleh peneliti berdasarkan pertimbangan

bidangnya, misalnya α = 0,05 untuk penelitian
sosial/pendidikan, sedangkan α = 0,001 untuk bidang
kesehatan
G. Derajat Kebebasan (dk)/Degree of Freedom (df)
adalah sebagai patokan dalam membaca tabel statistik yang
berkenaan dengan batas rasio penolakan (kritis), yaitu pada
saat suatu hasil perhitungan statistik dapat disebut signifikan.
Rumus dk bergantung pada jenis statistik yang digunakan.
H. Langkah-langkah Pengujian Hipotesis
1. Rumuskan hipoteis Ho dan H1 disertai dengan keterangan
seperlunya
2. Tentukan Statistik hitung. Nilai statistik hitung bergantung
pada metode parametrik yang digunakan.
3. tentukan kriteria penerimaan dan penolakan Ho. Kriteria ini
dipengaruhi oleh taraf signifikan (α), derajat kebebasan (dk),
bentuk pengujian (Dua pihak atau satu pihak), dan jumlah
ukuran sampel yang digunakan (n).
4. Bandingkan antara statistik hitung dengan kriteria pengujian
hipotesis tersebut, apakah Ho ditolak atau diterima.
5. Buat Kesimpulan
 ANALISIS KORELASI
A. Pengertian
Analisis korelasi adalah analisis hubungan dua variabel atau lebih
guna mengukur derajat keeratan diantara kedua variabel.
Terdapat bermacam-macam teknik statistik korelasi yang dapat
digunakan untuk menguji hipotesis asosiatif. Teknik koefisien mana
yang akan dipakai tergantung pada jenis data yang akan dianalisis
Jenis Skala Pengukuran Data Teknik Korelasi Yang Digunakan

Nominal Koefisien Kontingensi

Ordinal Spearman Rank

Keandall Tau
Interval/Rasio Pearson Product Moment
B. Korelasi Pearson Product Moment
Untuk mengukur derajat keeratan atau kuat tidaknya
hubungan antar variabel tersebut digunakan koefisien
korelasi.
Untuk menghitung koefisien korelasi sederhana
digunakan rumus sebagai berikut :

 
Dimana:
r : Koefisien Korelasi
X : Variabel Pertama
Y : Variabel Kedua
N : Banyaknya pasangan data
Penjelasan:
Besarnya koefisien korelasi ditentukan dengan nilai : -1 < r < 1

Y Y

X X

Apabila r (-) : berarti terdapat Apabila r (+) : berarti terdapat

hubungan yang negatif/berbalik hubungan yang positif/searah
Untuk dapat memberikan penafsiran terhadap koefisien korelasi
yang ditemukan tersebut besar atau kecil, maka dapat
berpedoman pada ketentuan yang tertera pada tabel berikut :

Berdasarkan koefisien korelasi, dapat diperoleh koefisien

determinasi, yaitu besarnya pengaruh variabel bebas terhadap
variabel tak bebasnya, D = r2 x 100%. Sedangkan besarnya
pengaruh variabel bebas lainnya = 1 – D.
 PENGUJIAN HIPOTESIS ASSOSIATIF
UNTUK KORELASI

Contoh:
Dilakukan penelitian untuk mengetahui ada tidaknya hubungan
antara motivasi kerja dengan produktivitas kerja. Untuk
keperluan tersebut, telah dilakukan pengumpulan data terhadap
10 responden yang diambil secara random. Berdasarkan 10
responden tersebut diperoleh data tentang motivasi kerja (X)
dan produktivitas kerja (Y) sebagai berikut:
X 80 90 70 60 70 80 90 60 70 80

Y 100 110 90 80 90 100 110 80 90 100

 TABEL PENOLONG UNTUK MENGHITUNG KOEFISIEN KORELASI
ANTARA MOTIVASI KERJA DENGAN PRODUKTIVITAS KERJA
X Y XY
80 100 8000 6400 10000
90 110 9900 8100 12100
70 90 6300 4900 8100
60 80 4800 3600 6400
70 90 6300 4900 8100
80 100 8000 6400 10000
90 110 9900 8100 12100
60 80 4800 3600 6400
70 90 6300 4900 8100
80 100 8000 6400 10000
750 950 72300 57300 91300
Rumusan Hipotesis:
Ho: Tidak ada hubungan antara Motivasi Kerja dengan Produktivitas Kerja
H1: Terdapat hubungan antara Motivasi Kerja dengan Produktivitas Kerja
Atau dapat ditulis
Ho: ⍴ = 0
H1: ⍴ ≠ 0

Terlebih dahulu perlu dihitung

=1
Statistik Uji t dapat dihitung: t = = = 2,83, sedangkan t tabel diperoleh 2,306,
untuk α = 5% dan dk = n-2 = 10-2=8. Setelah dibandingkan ternyata t hitung >
t tabel atau 2,83>2,306.
Kriteria Pengujian:
Ho ditolak bila t hitung > t tabel
Ho diterima bila t hitung < t tabel

Berdasarkan hasil perbandingan ternyata t hitung > t tabel,

sehingga Ho ditolak atau H1 diterima.

Kesimpulan:
Terdapat hubungan yang signifikan antara Motivasi Kerja
dengan Produktivitas Kerja
C. Korelasi Ganda (Multiple Correlation)
Pemahaman tentang korelasi ganda dapat dilihat melalui
Gambar berikut:

X1 r1

R
r3 Y

r2
X2

Keterangan:
X1 = Motivasi Kerja
X2 = Disiplin Kerja
Y = Produktivitas Kerja
R = Korelasi Ganda
Rumus Korelasi Ganda

Ry =
Dimana:
= Korelasi antara variabel dansecara simultan
dengan Y
r = Korelasi antara variabel dengan Y
r = Korelasi antara variabel dengan Y
r = Korelasi antara variabel dengan
Contoh penggunaan korelasi ganda
Misalnya dari hasil penelitian yang berjudul: “Hubungan
Motivasi dan Disiplin dengan Produktivitas Kerja Pegawai Pada
Inspektorat Kota Sukabumi”. Berdasarkan data yang terkumpul
untuk setiap variabel, dan setelah dihitung korelasi
sederhananya ditemukan sebagai berikut:
1. Korelasi Motivasi kerja dengan Produktivitas kerja, r= 0,80
2. Korelasi Disiplin kerja dengan Produktivitas kerja, r= 0,92
3. Korelasi Motivasi kerja dengan Disiplin kerja r= 0,86
Dengan demikian dapat dihitung Korelasi Motivasi kerja dan
Disiplin secara simultan dengan Produktivitas kerja, dapat
dihitung:
Ry =
=

= 0,9202
Untuk pengujian signifikansi terhadap koefisien korelasi ganda
dapat menggunakan uji F dengan rumus sebagai berikut:
Fh =

Dimana:
k = Jumlah variabel Independent dan
n = Banyaknya anggota sampel
Berdasarkan angka yang telah ditemukan, dan bila n =
30, maka harga Fh dapat dihitung dengan rumus
sebelumnya.
Fh =

= 74,6017
Sedangkan F tabel dengan dk pembilang = k = 2 dan dk
penyebut = n – k – 1 = 30 – 2 – 1 = 27 dengan α = 5%,
sehingga F tabel = 4,74. Ternyata harga Fh > F tabel
(74,6017 > 4,74), maka Ho ditolak atau H1 diterima.
Kesimpulannya:
Jadi koefisien korelasi ganda yang ditemukan adalah
signifikan. Dengan demikian dapat dikemukakan,
bahwa:
Terdapat hubungan yang signifikan antara motivasi dan
disiplin kerja secara simultan dengan produktivitas kerja
pegawai pada Inspektorat Kota Sukabumi.
 ANALISIS REGRESI
A.Pengertian
Analisis regresi merupakan analisis hubungan antara dua variabel atau lebih yang
dituangkan dalam bentuk persamaan matematik yang sesuai. Model Umum dari
regresi untuk populasi :
Y = + + + ... + β + ε
dimana : Y = Variabel dependen
= Variabel Independen; i = 1, 2, ... , k.
= Koefisien garis regresi; i = 0, 1, 2, ... , k
k = Banyaknya variabel independen
ε = Kekeliruan/galat acak

Biasanya analisis regresi digunakan untuk meramalkan variabel dependen

berdasarkan variabel independen
Dalam analisis regresi, suatu hal yang perlu diperhatikan oleh
peneliti terlebih dahulu adalah menentukan mana yang
termasuk variabel tidak bebas.terikat (dependent variable) dan
mana saja yang termasuk variabel bebas (Independent variable)
Dari jumlah variabel bebas yang digunakan, regresi bisa
dibedakan, yaitu antara regresi sederhana dan regresi berganda.
Regresi sederhana hanya mengandung satu variabel bebas,
sedangkan regresi berganda mengandung dua atau lebih variabel
bebas
B. Regresi Linier Sederhana
Regresi sederhana didasarkan pada hubungan fungsional ataupun
kausal satu variabel independen dengan satu variabel dependen.
Persamaan Umum Regresi Linier Sederhana: Y = a + bX
Dimana:
Y = Variabel dependen/terikat
X = Variabel Independen
a = Kostanta = Harga Y, pada saat X = 0
b = Koefisien regresi, yang menunjukkan angka peningkatan
ataupun penurunan variabel dependen yang didasarkan
pada perubahan variabel independen. Bila (+) arah garis
naik, dan (-) arah garis turun.
Untuk mencari nilai “a” dan “b” dipergunakan penurunan
rumus sebagai berikut:
Y = a + bX
ΣY = na + b ΣX
ΣXY = a ΣX + b ΣX2

Berdasarkan persamaan di atas dapat diperoleh:

  dan
Mencari Persamaan Garis Regresi Sederhana
Dengan menggunakan data sebelumnya, diperoleh:

= =1

= = 20

Jadi Persamaan garis regresi linier sederhana adalah : Y = 20 + X

C. Regresi Berganda
Analisis regresi linier berganda adalah hubungan secara linear antara
dua atau lebih variabel independen (X1, X2,….Xn) dengan variabel
dependen (Y). Analisis ini untuk mengetahui arah hubungan antara
variabel independen dengan variabel dependen apakah masing-
masing variabel independen berhubungan positif atau negatif dan
untuk memprediksi nilai dari variabel dependen apabila nilai variabel
independen mengalami kenaikan atau penurunan. Data yang
digunakan biasanya berskala interval atau rasio.
Cara mencari persamaan regresi berganda, dapat dilakukan dengan
menggunakan metode kuadrat terkecil (least square method).
 
 
Persamaan garis regresi linier berganda diperlihatkan melalui
persamaan: Ŷ = a + bi Xi
dimana:
Ŷ = Variabel dependen (nilai yang diprediksikan)
Xi = Variabel independen; i = 1, 2, 3, …, k
k = Banyaknya variabel bebas
a = Konstanta (nilai Y apabila Xi  = 0)
b = Koefisien regresi (nilai peningkatan atau penurunan)
Untuk mencari nilai “a” dan “b1 dan b2” untuk dua
variabel bebas dipergunakan penurunan rumus
sebagai berikut:
 
Y = na + b1 X1 + b2 X2

X1Y = a X1 + b1 X12 + b2 X1X2

X2Y = a X2 + b1 X1X2 + b2X22

Berdasarkan persamaan di atas dapat diperoleh:

 
 TABEL PENOLONG UNTUK MENGHITUNG KOEFISIEN REGRESI
BERGANDA ANTARA MOTIVASI DAN DISIPLIN KERJA TERHADAP
PRODUKTIVITAS KERJA
X1 X2 Y X1Y X 2Y X1X2
80 60 100 8000 6000 4800 6400 3600
90 70 110 9900 7700 6300 8100 4900
70 56 90 6300 5040 3940 4900 3136
60 46 80 4800 3680 2760 3600 2116
70 56 90 6300 5040 3940 4900 3136
80 62 100 8000 6200 4980 6400 3844
90 70 110 9900 7700 6300 8100 4900
60 42 80 4800 3360 2520 3600 1764
70 56 90 6300 5040 3940 4900 3136
80 62 100 8000 6200 4960 6400 3844
750 580 950 72300 55960 44440 57300 34376
 = 1,2621
= 1,6279

= - 94,0757
Jadi persamaan regresi berganda adalah:
Ŷ = -94,0757 + 1,2621 X1 + 1,6279 X2
 PENGUJIAN HIPOTESIS ASSOSIATIF
UNTUK REGRESI
Contoh:
Dilakukan penelitian untuk mengetahui apakah ada tidaknya
pengaruh motivasi dan disiplin terhadap produktivitas kerja. Untuk
keperluan tersebut, telah dilakukan pengumpulan data terhadap 10
responden yang diambil secara random sebagaimana pada tabel
sebelumnya.
Pertanyaan:
1. Apakah terdapat pengaruh positif motivasi terhadap
produktivitas kerja.
2. Apakah terdapat pengaruh positif disiplin terhadap produktivitas
kerja.
3. Apakah terdapat pengaruh positif motivasi dan disiplin kerja
secara simultan terhadap produktivitas kerja.
Berdasarkan ketiga pertanyaan tadi dapat dibuat model
konstelasi variabel sebagai berikut:

X1

X2

Keterangan:
X1 = Motivasi Kerja
X2 = Disiplin Kerja
Y = Produktivitas Kerja
Untuk penyelesaian dari ketiga pertanyaan tersebut
akan dilakukan pengujian hipotesis assosiatif melalui
IBM Statistics SPSS 24 atau SPSS 25.
 ANALISIS JALUR (PATH ANALYSIS)
A. Pengertian
Analisis jalur merupakan pengembangan dari analisis regresi,
sehingga analisis regresi dapat dikatakan sebagai bentuk khusus
dari analisis jalur (regression is special case of path analysis).
Analisis jalur digunakan untuk melukiskan dan menguji model
hubungan antar variabel yang berbentuk sebab akibat. Dengan
demikian dalam hubungan antar variabel tersebut , terdapat
variabel independen (Eksogen) dan variabel dependen
(Endogen). Melalui analisis jalur ini akan dapat ditemukan jalur
mana yang paling tepat dan singkat suatu variabel independen
menuju variabel dependen yang terakhir.
B. Asumsi Analisis Jalur
1. Hubungan antar variabel yang akan dianalisis berbentuk
linier, aditif dan kausal.
2. Variabel-variabel residual tidak berkorelasi dengan variabel
yang mendahuluinya, dan juga tidak berkorelasi dengan
variabel yang lainnya.
3. Dalam model hubungan variabel hanya terdapat jalur
kausal/sebab akibat searah.
4. Data setiap variabel yang dianalisis adalah data interval dan
berasal dari sumber yang sama.
C. Diagram Jalur (Path Diagram)

X1 X1

X2 X3 X2 X3

Gambar 1. Diagram Jalur Gambar 2. Diagram Jalur

X1 adalah variabel eksogen yang X1 adalah variabel eksogen yang
memiliki hubungan langsung tidak memiliki hubungan langsung
dengan X3. X2 dan X3 adalah dengan X3. X2 dan X3 adalah
variabel endogen variabel endogen
 X2

X3 X4

X1

Diagram Jalur, X1 dan X2 variabel Eksogen yang mempunyai hubungan

reciprocal (saling mempengaruhi), X3 dan X4 adalah variabel endogen

X2

X3 X4

X1

Diagram Jalur, X1 adalah variabel Eksogen, X2, X3 dan Y adalah

variabel endogen
D. Perhitungan Koefisien Jalur

X2

X3 X4

X1

Keterangan:
⍴21 = adalah koefisien jalur dari X1 menuju X2
⍴31 = adalah koefisien jalur dari X1 menuju X3
⍴32 = adalah koefisien jalur dari X2 menuju X3
Contoh Analisis Jalur
Model diagram jalur dibuat berdasarkan variabel yang diteliti,
dalam penelitian ini variabel yang diteliti adalah Motivasi Kerja
(X1), Komitmen Organisasi (X2), Disiplin Kerja (Y) dan Kinerja
Pegawai (Z). Berikut model analisis jalur dalam penelitian dapat
dilihat pada gambar berikut :
ε1 ε2
X2 ⍴yx2

⍴zy
rx1x2 Y Z

⍴yx1
X1
Keterangan:
⍴yx1 : Koefisien jalur Motivasi Kerja terhadap Disiplin Kerja
⍴yx2 : Koefisien jalur Komitmen Organisasi terhadap Disiplin
Kerja
⍴zy : Koefisien jalur Disiplin Kerja terhadap Kinerja
rx1x2 : Koefisien korelasi antara variabel independen
ε : Faktor lain yang mempengaruhi variabel dependen
(diluar yang dipengaruhi yang tidak diteliti)
Adapun bentuk struktural dalam penelitian ini adalah sebagai
berikut :
Persamaan Jalur Sub Struktural pertama
Y= ρyx1X1 + ρyx2X2 + ε1
Dapat digambarkan sebagai berikut :

X2
⍴yx2

Y
rx1x2

⍴yx1
X1
Persamaan Jalur Sub Struktural Kedua
Z = ρzyY + ε2
Dapat digambarkan sebagai berikut :
ε1 ε2

⍴zy
Y Z

Berdasarkan diagram jalur kita dapat melihat bagaimana

pengaruh langsung dan tidak langsung tersebut. Pengaruh
langsung adalah pengaruh dari satu variabel independen ke
variabel dependen tanpa melalui variabel lain yang disebut
variabel intervening (Juanim, 2004:23). Pengaruh langsung dan
pengaruh tidak langsung dapat dilihat sebagai berikut :
Pengaruh Langsung dan Tidak Langsung

1. Pengaruh Langsung (Direct Effect)

Hasil dari X1 dan X2 terhadap Y, Z dan hasil Y terhadap Z
X1 Y : ⍴yx1
X2 Y : ⍴yx2
Y Z : ⍴zy
Z ε1
2. Pengaruh Tidak Langsung (Indirect Effect)
Hasil tidak langsung (indirect effect) adalah dari X terhadap Z
melalui Y.
X Y Z : (⍴yx), (⍴zy)
PENGARUH MEDIASI (SOBEL TEST INTERACTIVE)

Dimana:
a = Koefisien regresi mentah (tidak standar) untuk hubungan antara IV dan mediator
Sa= Kesalahan standar a
b = Koefisien Regresi mentah untuk hubungan antara mediator dan DV (ketika IV juga
merupakan prediktor DV)
Sb= Kesalahan standar b
Masukkan a, b, Sa, dan Sb ke dalam sel di bawah
ini dan program ini akan menghitung rasio kritis
sebagai tes apakah pengaruh tidak langsung dari IV
pada DV melalui mediator secara signifikan berbeda
dari nol.

Input: Test statistic: Std. Error: p-value:

a Sobel test:

b Aroian test:

sa Goodman test:

sb Reset all
Sebagai alternatif, Anda dapat memasukkan ta dan tb
ke dalam sel di bawah ini, di mana ta dan tb adalah
statistik uji-t untuk perbedaan antara koefisien a dan b
dan nol. Hasil harus identik dengan tes pertama, kecuali
untuk kesalahan karena pembulatan.
Input: Test statistic: p-value:
ta Sobel test:

tb Aroian test:

Goodman test:

Reset all
Misal Judul Penenlitian:
Pengaruh Budaya Organisasi terhadap Komitmen Organisasional yang
dimediasi oleh Kepuasan Kerja Pegawai Pada Perusahaan “X”

Kerangka Pemikiran:
H1

H4

H2 H3

Gambar 1. Kerangka Pemikiran Teoritis

Sumber:
H1: Moon (2000); Manetje dan Martin (2009); Zain et.al. (2009).
H2: Kreitner dan Kinichi (2005); Aydin dan Ceylan (2009)
H3: Yousef (2002); Gunlu et al. (2010)
H4: I Wayan Sucipta Wibawa (2018).
Output SPSS
Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 6.872 3.626   1.895 .062

BUDAYA ORGANISASI .619 .036 .885 17.387 .000

a. Dependent Variable: KEPUASAN KERJA

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 12.805 3.339   3.835 .000

KEPUASAN KERJA .512 .048 .760 10.727 .000

a. Dependent Variable: KOMITMEN ORGANISASIONAL

Input nilai-nilai koefisien dan standar erornya ke dalam tabel Sobel Test Interactive dari
nilai-nilai yang diperoleh dari tabel-tabel koefisien pada output SPSS, sehingga
diperoleh tabel sebagai berikut:
  Input Test Test Statistic Std error P-Value
a 0,619 Sobel Test 9.06418566 0.03496486 0
b 0,512 Aroian Test 9.05313654 0.03500754 0
Sa 0,036 Goodman Test 9.07527535 0.03492214 0
Sb 0,048        

Atau dengan menggunakan statistik uji t, seperti dalam tabel berikut:

  Input Test Test Statistic P-Value

ta 17.387 Sobel Test 9.12933289 0

tb 10,727 Aroian Test 9.11841593 0

    Goodman Test 9.14028916 0
Berdasarkan hasil analisis sebagaimana ditunjukkan
pada tabel-tabel sebelumnya baik menggunakan
koefisien-koefisien dengan masing-masing standar
erornya maupun dengan menggunakan statistic uji
t melalui Sobel test diperoleh P-value = 0, hal ini
menunjukkan bahwa 0 < 0.05 dengan demikian H0
ditolak atau Ha diterima, sehingga dapat
disimpulkan bahwa Kepuasan Kerja sebagai variabel
mediating (intervening) memberikan pengaruh
positif yang signifikan dari hubungan antara Budaya
Organisasi dengan Komitmen Organisasional.
TERIMA KASIH