Bab IV Statistik Parametrik

BAB IV

IV. Statistik Parametrik

IV. Statistik Parametrik

BAB IVStatistik 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 HipotesisSetelah 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



Tabel 1. Kemampuan, Motivasi, dan Produktivitas Kerja Karyawan

No.X1X2YNo.X1X2Y

112101621111215

210121522131416

310916231099

412121724121114

512141825131016

612151926131415

78101627141520

811121828131418

912131829121518

108121530111220

11791231111520

12971232121316

139142033121112

141211113481320

151110133561420

1610132136111010

1711131937101418

1812121538121315

19991239131518

2011121540111417

Langkah Korelasi Product Moment

1. Klik Analyze ( Correlate ( Bivariate

Gambar 2. Langkah korelasi product moment2. Masukkan variabel yang akan dikorelasikan (X1, X2, Y)

3. Pilih Correlation Coefficients: Pearson

4. Klik Continue ( OK

Gambar3. Pilihan bivariate correlationsOutput dan Interpretasi Korelasi Product Moment

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 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 Scatterplots1. Klik Graphs ( ScatterGambar 4. Langkah scatterplots2. Klik Simple ( Define

Gambar 5. Define scatterplots3. Masukkan variabel Y sebagai Y axis4. Masukkan variabel X1 sebagai X axis5. Klik Titles6. Tulis judul pada Line1: Scatterplots X1 dan Y

Gambar 7. Atur axis scatterplots

Gambar 8. Judul scatterplots7. Klik ContinueOutput Scatterplots

Gambar 9. Output scatterplotsGambar Garis RegresiGambarlah garis regresinya, dengan cara:

1. Klik 2x output scatterplot tersebut sehingga keluar window baru SPSS Chart Editor2. Klik Chart ( Options3. Pilih (beri tanda ) pada kotak Total di bawah Fit Line

Gambar 11. Pilihan dalam scatterolots4. Klik Fit Options

5. Pilih Fit Method: Linear Regression

Gambar 12. Pilihan garis dalam scatterplotsa. Pilih (beri tanda ) dalam Regression Options:

b. Include constant in equation

c. Display R-Square in legend

6. Klik Continue ( OK7. Simak garis regresinya!!

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 SederhanaAnalislah variabel X1 dan Y dengan menggunakan teknik Regresi Linear Sederhana, dengan langkah-langkah:1. Klik Analyze ( Regression ( LinearGambar 14. Langkah regresi2. Masukkan variabel X1 sebagai Independent dan variabel Y sebagai Dependent

Gambar 15. Pilihan regeresi linear3. Klik Statistics4. Pilih Estimates, dan Model fit

Gambar 16. Pilihan statistics linear regresi5. Tekan Continue ( OKOutput dan Interpretasi Regresi Sederhana

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

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.

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.

Regresi Linear GandaKita 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 linear2. Masukkan variabel Y sebagai Dependent dan variabel X1 dan X2 sebagai Independent Variabel

Gambar 18. Pilihan dalam regresi linear3. Pada Method, pilih ENTER4. Lalu Klik Statistics5. Pilih (beri tanda ):

a. Estimates

b. Model Fit

c. Descriptive

Gambar 19. Pilihan statistics linear regresi6. Klik Continue ( OKOutput dan Interpretasi Regresi Liner Ganda

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.

Tabel di atas diperoleh persamaan regresi sebagai berikut:

Prod_Kerja = 5,733 0,381KemampuanKerja + 1,195MotivasiKerjaTabel 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.

Regresi LogistikTeknik 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 KasusSeorang 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.X1X2YNo.X1X2YNo.X1X2Y

13645118344213534401

23439019334003630380

33038020344303730401

43238121323903835411

53645122364413934421

63342023333704033400

73645124303804134430

83645125364314230380

93136026334104334421

103137027323904430411

113645128303604534400

123341029303604634421

133240030364214734380

143339031333804834441

153442132333804935430

163442033354115034421

17323903435411

Karakteristik masing-masing variabel adalah sebagai berikut.

X1 Daya tanggap



X2 Empati



Y kepuasan pengguna



Value Label

0 tidak puas

1 puas

Langkah Regresi Logistik1. Klik Analyze ( Regression ( Binary Logistic

2. Masukkan variable Y sebagai Dependent dan variable X1 dan X2 sebagai covariates3. Klik OKOutput dan Interpretasi Regresi Logistik

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)

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

Tabel di atas memperlihatkan bawa ketepatan prediksi dalam penelitian ini adalah sebesar 82%.

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. Korelasi Product Moment

Regresi Linear Sederhana

Regresi Linear Ganda

Regresi Logistik

Kemampuan kerja

Motivasi kerja

Produktivitas kerja

Gambar 10. Chart editor

- 32 -

- 46 -

Bab IV Statistik Parametrik

Documents

Transcript of Bab IV Statistik Parametrik