BAB IV Statistik Parametrik -...

IV. Statistik Parametrik

- 32 -

BAB IV

Statistik Parametrik

Korelasi Product Moment

Korelasi product moment disebut juga korelasi Pearson adalah teknik analisis statistik yang mempunyai kegunaan untuk menganalisis data penelitian yang mempunyai karakteristik di antaranya:

1. Hipotesis yang diajukan adalah hipotesis asosiatif 2. Datanya berskala minimal interval 3. Penyebaran data berdistribusi normal

Contoh Kasus

Seorang peneliti ingin mengetahui korelasi antara kemampuan kerja, motivasi kerja, dan produktivitas kerja karyawan. Hipotesisnya dapat digambarkan di bawah ini: Gambar 1. Model Hipotesis

Setelah dilakukan pengumpulan data maka didapat data sebagaimana tersaji dalam tabel 1 di bawah. Selanjutnya dilakukan entri data dimana karakteristik variabelnya adalah sebagai berikut:

X1 Kemampuan Kerja

Measurement level: Scale

Format: F8 Column Width: 8 Alignment: Right

X2 Motivasi Kerja



Y Produktivitas Kerja



• Korelasi Product Moment

• Regresi Linear Sederhana

• Regresi Linear Ganda

• Regresi Logistik

Kemampuan kerja

Motivasi kerja

Produktivitas kerja


- 33 -

Tabel 1. Kemampuan, Motivasi, dan Produktivitas Kerja Karyawan No. X1 X2 Y No. X1 X2 Y 1 12 10 16 21 11 12 15 2 10 12 15 22 13 14 16 3 10 9 16 23 10 9 9

4 12 12 17 24 12 11 14 5 12 14 18 25 13 10 16 6 12 15 19 26 13 14 15 7 8 10 16 27 14 15 20 8 11 12 18 28 13 14 18 9 12 13 18 29 12 15 18

10 8 12 15 30 11 12 20 11 7 9 12 31 11 15 20 12 9 7 12 32 12 13 16 13 9 14 20 33 12 11 12 14 12 11 11 34 8 13 20 15 11 10 13 35 6 14 20 16 10 13 21 36 11 10 10

17 11 13 19 37 10 14 18 18 12 12 15 38 12 13 15 19 9 9 12 39 13 15 18 20 11 12 15 40 11 14 17

Langkah Korelasi Product Moment

1. Klik Analyze �� Correlate �� Bivariate…

Gambar 2. Langkah korelasi product moment

2. Masukkan variabel yang akan dikorelasikan (X1, X2, Y) 3. Pilih Correlation Coefficients: Pearson 4. Klik Continue �� OK


- 34 -

Gambar3. Pilihan bivariate correlations

Output dan Interpretasi Korelasi Product Moment

Correlations

1 ,344* ,054

, ,030 ,741

40 40 40

,344* 1 ,731**

,030 , ,000

40 40 40

,054 ,731** 1

,741 ,000 ,

40 40 40

Pearson Correlation

Sig. (2-tailed)

N

Pearson Correlation

Sig. (2-tailed)

N

Pearson Correlation

Sig. (2-tailed)

N

X1

X2

Y

X1 X2 Y

Correlation is significant at the 0.05 level (2-tailed).*.

Correlation is significant at the 0.01 level

(2-tailed).

**.

Korelasi Product Moment antara variabel Kemampuan Kerja (X1) dengan Produktivitas Kerja (Y) adalah sebesar 0,054 dengan arah positip. Hal ini berarti perubahan yang dialami oleh kemampuan kerja karyawan akan diikuti secara positip oleh peroduktivitas kerjanya. Namun setelah diuji signifikansinya, hubungan antara kedua variabel tersebut tidak signifikan karena nilai P atau Sig. sebasar 0,741 atau lebih besar dari tingkat kesalahan yang kita pasang 0,05 (5%). Hal ini juga ditunjukkan oleh tidak adanya tanda bintang pada koefisien korelasi X1Y tersebut. Korelasi Product Moment antara variabel Motivasi Kerja (X1) dengan Produktivitas Kerja (Y) adalah sebesar 0,731 dengan arah positip. Hal ini berarti perubahan yang dialami oleh kemampuan kerja karyawan akan


- 35 -

diikuti secara positip oleh peroduktivitas kerjanya. Setelah diuji signifikansinya, hubungan antara kedua variabel tersebut signifikan karena nilai P atau Sig. sebasar 0,00 atau lebih kecil dari tingkat kesalahan yang kita pasang 0,05 (5%). Hal ini juga ditunjukkan oleh adanya tanda bintang dua ** pada koefisien korelasi X2Y tersebut.

Gambar Garis Scatterplots

1. Klik Graphs �� Scatter…

Gambar 4. Langkah scatterplots

2. Klik Simple �� Define

Gambar 5. Define scatterplots

3. Masukkan variabel Y sebagai Y axis

4. Masukkan variabel X1 sebagai X axis

5. Klik Titles… 6. Tulis judul pada

Line1: “Scatterplots X1 dan Y” Gambar 7. Atur axis scatterplots


- 36 -

Gambar 8. Judul scatterplots

7. Klik Continue

Output Scatterplots

Scatterplots X1 dan Y

Kemampuan Kerja

16141210864

Pro

duktivitas K

erja

22

20

18

16

14

12

10

8

Gambar 9. Output scatterplots

Gambar Garis Regresi

Gambarlah garis regresinya, dengan cara: 1. Klik 2x output

scatterplot tersebut sehingga keluar window baru SPSS Chart Editor

2. Klik Chart �� Options

3. Pilih (beri tanda √ ) pada kotak Total di bawah Fit Line

Gambar 10. Chart editor


- 37 -

Gambar 11. Pilihan dalam scatterolots

4. Klik Fit Options… 5. Pilih Fit Method: Linear Regression

Gambar 12. Pilihan garis dalam scatterplots

6. Pilih (beri tanda √ ) dalam Regression Options:

a. Include constant in equation b. Display R-Square in legend

7. Klik Continue �� OK 8. Simak garis regresinya!!


- 38 -

Scatterplots X1 dan Y

Kemampuan Kerja

16141210864

Pro

du

ktivita

s K

erj

a

22

20

18

16

14

12

10

8 Rsq = 0.0029

Gambar 13. Output scatterplots disertai garis regresi

Korelasi Product Moment antara variabel Kemampuan Kerja (X1) dengan Produktivitas Kerja (Y) seperti telah kita dapatkan adalah sebesar 0,054 dengan arah positip. Grafik di atas juga menunjukkan ada hubungan positip antara kemampuan kerja dengan produktivitas, namun demikian hubungan tersebut tidak signifikan. Kita bisa melihat garis regresinya mempunyai slope yang tidak begitu miring, bahkan cenderung datar. Hal ini semakin membuktikan bahwa walaupun ada hubungan postif antara dua variabel tersebut namun tidak bermakna.

Regresi Linear Sederhana

Analislah variabel X1 dan Y dengan menggunakan teknik Regresi Linear Sederhana, dengan langkah-langkah:

1. Klik Analyze �� Regression �� Linear

Gambar 14. Langkah regresi

2. Masukkan variabel X1 sebagai Independent dan variabel Y

sebagai Dependent


- 39 -

Gambar 15. Pilihan regeresi linear

3. Klik Statistics… 4. Pilih Estimates, dan Model fit

Gambar 16. Pilihan statistics linear regresi 5. Tekan Continue �� OK

Output dan Interpretasi Regresi Sederhana

Model Summary

,054a ,003 -,023 3,084

Model1

R R Square

Adjusted

R Square

Std. Error of

the Estimate

Predictors: (Constant), Kemampuan Kerjaa.

Koefisien korelasi product moment adalah 0,054 [sama dengan ketika analisis product moment di atas], R Square adalah koefisien determinasi yang didapat hasil sebesar 0,003 artinya kontribusi variabel X1 terhadap Y


- 40 -

sangat kecil, hanya 0,3% saja. Hal ini dapat dibuktikan pada garis regresi pada gambar 13 di atas.

ANOVAb

1,053 1 1,053 ,111 ,741a

361,322 38 9,508

362,375 39

Regression

Residual

Total

Model1

Sum of

Squares df Mean Square F Sig.

Predictors: (Constant), Kemampuan Kerjaa.

Dependent Variable: Produktivitas Kerjab.

Seperti halnya korelasi product moment, nilai P atau Sig. regresi tunggal antara X1 terhadap Y ini juga didapat hasil tidak signifikan. Nilai Sig. sebesar 0,741 yang berarti lebih besar dari patokan tingkat kesalahan kita yakni sebesar 5% atau 0,05.

Coefficientsa

15,127 3,038 4,979 ,000

9,156E-02 ,275 ,054 ,333 ,741

(Constant)

Kemampuan Kerja

Model1

B Std. Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig.

Dependent Variable: Produktivitas Kerjaa.

Berdasarkan tabel di atas, maka dapat disusun persamaan regresinya yaitu: Y = 15,127 + 0,09156X1 Nilai 0,091 adalah slope perubahan garis regresi. Hal ini berarti setiap perubahan satu satuan dari X1 akan diikuti perubahan Y sebesar 0,091. Sehingga jika kita masukkan ke dalam grafik regresi dapat dilihat pada gambar di bawah ini.


- 41 -

Regresi Linear Ganda

Kita lanjutkan dengan menganalisis ketiga variabel tersebut dengan teknik regresi linear ganda (multiple linear regression). Langkah-langkahny sebagai berikut.

1. Klik Analyze �� Regression �� Linear

Gambar 17. Langkah regresi linear

2. Masukkan variabel Y sebagai Dependent dan variabel X1 dan X2

sebagai Independent Variabel


- 42 -

Gambar 18. Pilihan dalam regresi linear

3. Pada Method, pilih ENTER 4. Lalu Klik Statistics 5. Pilih (beri tanda √ ):

a. Estimates b. Model Fit c. Descriptive

Gambar 19. Pilihan statistics linear regresi

6. Klik Continue �� OK

Output dan Interpretasi Regresi Liner Ganda

Model Summary

,761a ,579 ,556 2,032

Model1

R R Square

Adjusted

R Square

Std. Error of

the Estimate

Predictors: (Constant), Motivasi Kerja, Kemampuan

Kerja

a.


- 43 -

ANOVAb

209,639 2 104,820 25,392 ,000a

152,736 37 4,128

362,375 39

Regression

Residual

Total

Model1

Sum of

Squares df Mean Square F Sig.

Predictors: (Constant), Motivasi Kerja, Kemampuan Kerjaa.

Dependent Variable: Produktivitas Kerjab.

Berdasarkan tabel di atas dapat diketahui bahwa koefisien korelasi majemuk (bersama-sama) antara variabel X1 + X2 terhadap Y adalah sebesar 0,761. Korelasi ini terbukti signifikan karena berdasarkan tabel Anova diperoleh nilai F hitung sebesar 25,392 dengan nilai P atau Sig. sebesar 0,000 [lebih rendah dari 0,05]. Sehingga dapat dikatakan bahwa terdapat korelasi bersama yang positif dan signifikan antara variabel kemampuan kerja dan motivasi kerja dengan variabel produktivitas kerja.

Coefficientsa

5,733 2,399 2,390 ,022

-,381 ,193 -,224 -1,974 ,056

1,195 ,168 ,808 7,108 ,000

(Constant)

Kemampuan Kerja

Motivasi Kerja

Model1

B Std. Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig.

Dependent Variable: Produktivitas Kerjaa.

Tabel di atas diperoleh persamaan regresi sebagai berikut: Prod_Kerja = 5,733 – 0,381KemampuanKerja + 1,195MotivasiKerja Tabel di atas juga menunjukkan bahwa jika diuji secara sendiri-sendiri variabel kemampuan kerja ternyata tidak mempunyai pengaruh yang signifikan terhadap produktivitas kerja, karena nilai P atau Sig. sebesar 0,056 masih lebih besar dari patokan kita yakni 0,050. Tetapi untuk variabel motivasi kerja kita dapat mengatakan ada pengaruh yang signifikan antara motivasi kerja terhadap produktivitas kerja karena nilai P atau Sig. sebesar 0,00 yang berarti lebih kecil dari 0,05. Kesimpulan akhir dari penelitian tersebut, untuk mendapatkan produktivitas kerja karyawan yang semakin baik, maka yang lebih penting harus ditingkatkan adalah faktor motivasi kerjanya. Walaupun seorang karyawan mempunyai kemampuan kerja yang sangat tinggi, namun tanpa didukung oleh motivasi yang baik maka tidak akan tercapai produktivitas kerjanya.


- 44 -

Regresi Logistik

Teknik statistik ini digunakan untuk mengetahui pengaruh satu variable independen atau lebih (X) terhadap satu variable dependen (Y), dengan syarat:

1. Variabel dependent harus merupakan variable dummy yang hanya punya dua alternatif. Misalnya Puas atau tidak puas, dimana jika responden menjawab puas maka kita beri skor 1 dan jika menjawab tidak puas kita beri skor 0.

2. Variabel independent mempunyai skala data interval atau rasio.

Contoh Kasus

Seorang peneliti ingin mengetahui bagaimana pengaruh kualitas pelayanan publik terhadap kepuasan pengguna (masyarakat). Kualitas pelayanan publik diteliti melaluji variabel Daya Tanggap (X1) dan Empati (X2). Kepuasan penggunana layanan (Y) sebagai variabel dependent adalah variabel dummy dimana dimana jika responden menjawab puas maka kita beri skor 1 dan jika menjawab tidak puas kita beri skor 0.

Input data di bawah ini!

No. X1 X2 Y No. X1 X2 Y No. X1 X2 Y

1 36 45 1 18 34 42 1 35 34 40 1

2 34 39 0 19 33 40 0 36 30 38 0

3 30 38 0 20 34 43 0 37 30 40 1

4 32 38 1 21 32 39 0 38 35 41 1

5 36 45 1 22 36 44 1 39 34 42 1

6 33 42 0 23 33 37 0 40 33 40 0

7 36 45 1 24 30 38 0 41 34 43 0

8 36 45 1 25 36 43 1 42 30 38 0

9 31 36 0 26 33 41 0 43 34 42 1

10 31 37 0 27 32 39 0 44 30 41 1

11 36 45 1 28 30 36 0 45 34 40 0

12 33 41 0 29 30 36 0 46 34 42 1

13 32 40 0 30 36 42 1 47 34 38 0

14 33 39 0 31 33 38 0 48 34 44 1

15 34 42 1 32 33 38 0 49 35 43 0

16 34 42 0 33 35 41 1 50 34 42 1

17 32 39 0 34 35 41 1

Karakteristik masing-masing variabel adalah sebagai berikut.

X1 Daya tanggap



X2 Empati




- 45 -

Y kepuasan pengguna



Value Label

0 tidak puas

1 puas

Langkah Regresi Logistik

1. Klik Analyze �� Regression �� Binary Logistic 2. Masukkan variable Y sebagai Dependent dan variable X1 dan X2

sebagai covariates 3. Klik OK

Output dan Interpretasi Regresi Logistik Omnibus Tests of Model CoefficientsOmnibus Tests of Model CoefficientsOmnibus Tests of Model CoefficientsOmnibus Tests of Model Coefficients23.181 2 .00023.181 2 .00023.181 2 .000StepBlockModelStep 1 Chi-square df Sig.

Korelasi bersama x1 dan x2 � Y (Korelasi majemuk) dengan teknik Chi-Square didapat nilai Chi-Square 23.181 dengan Nilai Sig 0.000 < 0.05 berarti secara bersama-sama Daya Tanggap (X1) dan Empati (X2) berhubungan dengan Kepuasan pengguna (Y) Model SummaryModel SummaryModel SummaryModel Summary45.412 .371 .497Step1 -2 Loglikelihood Cox & SnellR Square Nagelkerke RSquare

Tabel di atas menunjukkan koefisien determinan regresi logistik yakni 0.497 sehingga dapat dikatakan kontribusi variabel X1 dan X2 terhadap Y adalah sebesar 50% Classification TableClassification TableClassification TableClassification Table aaaa

23 5 82.14 18 81.882.0Observed tidak puaspuaskepuasan penggunaOverall PercentageStep 1 tidak puas puaskepuasan pengguna PercentageCorrectPredictedThe cut value is .500a.


- 46 -

Tabel di atas memperlihatkan bawa ketepatan prediksi dalam penelitian ini adalah sebesar 82%. Variables in the EquationVariables in the EquationVariables in the EquationVariables in the Equation.187 .307 .370 1 .543 1.205.625 .264 5.614 1 .018 1.868-31.971 9.114 12.306 1 .000 .000X1X2ConstantStep1a B S.E. Wald df Sig. Exp(B)Variable(s) entered on step 1: X1, X2.a.

Pengujian secara sendiri-sendiri ternyata hanya X2 yang signifikan karena nilai Sig 0.018 < 0.05. Sedangkan X2 Sig 0.543 > 0.05 artinya secara sendirian X1 tidak punya pengaruh yang signifikan terhadap Y.

BAB IV Statistik Parametrik -...

Documents

Transcript of BAB IV Statistik Parametrik -...