Cara Input Spss
description
Transcript of Cara Input Spss
Cara Melakukan Uji Normalitas Kolmogorov-Smirnov dengan SPSSPOSTED BY SAHID RAHARJO POSTED ON 08.45 WITH 12 COMMENTS
Cara Melakukan Uji Normalitas Kolmogorov-Smirnov dengan SPSS | Selamat malam, jumpa
lagi dengan blog SPSS Indonesia. Sekedar mengingatkan bahwa setelah sobat mampu
mempraktekkan Uji Validitas dan Uji Reliabilitas terhadap angket penelitian, kini saatnya kita
berlatih lagi ketingkatan uji prasayarat analisis data yakni uji normalitas.
Jika dilihat dari kata dasarnya “normal” pasti sobat sudah mempuyai gambaran seperti apakah
kegunaan uji normalitas itu? Yaa benar sekali, uji normalitas bertujuan untuk menguji apakah
data penelitian yang dilakukan memiliki distribusi yang normal atau tidak.
Uji normalitas merupakan salah satu bagian dari uji persyaratan analisis data atau uji asumsi
klasik, artinya sebelum kita melakukan analisis yang sesugguhnya, data penelitian tersebut
harus di uji kernormalan distribusinya. Tentun sobat juga sudah tahu, kalau data yang baik itu
adalah data yang normal dalam pendistribusiannya.
Dasar pengambilan keputusan dalam uji normalitas yakni : jika nilai signifikansi lebih besar dari
0,05 maka data tersebut berdistribusi normal. Sebaliknya, jika nilai signifikansi lebih lebih dari
0,05 maka data tersebut tidak berdistribusi normal.
Sudah cukup jelas bukan penjelasan tentang uji normalitas di atas, selanjutnya kita masuk ke
bagian Cara Melakukan Uji Normalitas Kolmogorov-Smirnov dengan SPSS. Sebagai contoh
saya mempuyai data Motivasi Belajar (X) dan Prestasi Belajar (Y), untuk datanya lihat gambar di
bawah ini.
Langkah-langkah Melakukan Uji Normalitas Kolmogorov-Smirnov dengan SPSS :
1. Langkah pertama adalah persiapkan data yang dingin di uji dalam file doc, excel, atau yang
lainnya untuk mempermudah tahapannya nanti.
2. Buka program SPSS pada komputer sobat. klik Variable View, dibagian pojok kiri bawah.
3. Selanjunya, pada bagian Name tulis saja Motivasi kemudian Prestasi, padaDecimals ubah
semua menjadi angka 0, pada bagian Label tuliskan Motivasi Belajar kemudian Prestasi belajar,
abaikan yang lainnnya.
4. Setelah itu, klik Data View, dan masukkan data Motivasi Belajar dan Prestasi Belajar yang
sudah dipersiapkan tadi, bisa dengan cara copy-paste.
5. Langkah selanjutnya, kita akan mengubah data tersebut ke dalam bentukunstandardized
residual, caranya adalah : dari menu SPSS pilih menu Analyze, kemudian klik Regression, dan
pilih Linear
6. Muncul kotak dialog dengan nama Linear Regression, selanjutnya masukkan variabel Prestasi
Belajar (Y) ke Dependent, masukkan variabel Motivasi Belajar (X) ke kotak Independent (s), lalu
klik Save
7. Akan mucul lagi kotak dialog dengan nama Linear Regression:save, pada bagian Residuals,
centang (V) Unstandardized (abaikan kolom yang lain), Selanjunya klik Continue, lalu klik OK,
maka akan muncul variabel baru dengan nama RES_1, abaikan saja output yang muncul dari
program SPSS.
8. Langkah selanjutnya, pilih menu Analyze, lalu pilih Non-parametric Test, klikLegaci Dialog,
kemudian pilih submenu 1-Sample K-S
9. Muncul kotak dialog lagi dengan nama One-Sampel Kolmogorov-Smirnov test, selanjutnya,
masukkan variabel Unstandardized Residuals ke kotak Test Variable List, pada Test
Distribution centang (V) Normal
10. Langkah terkahir yakni klik OK untuk mengakhiri perintah, Selanjutnya lihat tampilan
Outputnya, tinggal kita interprestasikan supaya lebih jelas.
Berdasarkan output di atas, diketahui bahwa nilai signifikansi sebesar 0,977 lebih besar dari
0,05, sehingga dapat disimpulkan bahwa data yang kita uji berdistribusi normal.
Bagaimana cukup jelas bukan, Cara Melakukan Uji Normalitas Kolmogorov-Smirnov dengan
SPSS, jika sobat teliti dan jeli saya yakin sobat dapat dengan mudah mempraktekkannya. Jika
sobat merasa tutorial di atas terlalu rumit atau bagaimana silahkan berkomentar? Rekomendasi
Artikel : Cara Melakukan Uji Linearitas dengan Program SPSS
Cara Melakukan Analisis Korelasi dengan SPSS
Cara Melakukan Analisis Korelasi dengan SPSS | Analisis korelasi atau asosiasi merupakan studi pembahasan tentang derajad keeratan hubungan antar variabel yang dinyatakan dengan koefisien korelasi. Hubungan antara variabel bebas (X) dan variabel terikat (Y) dapat bersifat :
Positif, artinya jika variabel bebas (X) naik, maka variabel terikat (Y) naik. Negatif, artinya jika variabel bebas (X) turun, maka variabel terikat (Y) turun.
Derajad hubungan biasanya dinyatakan dengan r, yang disebut dengan koefisien korelasi sampel yang merupakan penduga bagi koefisien populasi. Sedangkan r2 disebut dengan koefisien determinasi (koefisien penentu). Kekuatan korelasi linear antara variabel X dan veriabel Y disajikan dengan rxy didefinisikan dengan rumus :
Formula tersebut disebut formula koefisien korelasi momen produk (Product moment) Karl Pearson.
Arti Angka KorelasiKoefisien korelasi bernilai paling kecil -1 dan paling besar bernilai 1.
Berkenaan dengan besaran angka, jika 0, maka artinya tidak ada korelasi sama sekali dan jika korelasi 1 berarti korelasi sempurna hal ini berarti bahwa semakin mendekati 1 atau -1 maka hubungan antara dua variabel semakin kuat. Sebaliknya, jika r mendekati 0 berarti hubungan dua variabel semakin lemah. Sebenarnya jika tidak ketentuan yang tepat mengenai apakah angka korelasi tertentu menunjukkan tingkat korelasi yang tinggi atau lemah. Namun, hal ini dapat dijadikan pedoman sederhana, bahwa angka korelasi di atas 0,5 menunjukkan korelasi yang cukup kuat sedangkan di bawah 0,5 korelasi lemah.
Selain besarnya korelasi, tanda korelasi juga berpengaruh pada penafsiran hasil. Tanda negatif (-) pada output menunjukkan adanya arah yang berlawanan, sedangkan tanda positif (+) menunjukkan arah yang sama.
Mungkin sobat masih bingung dengan penjalasan di atas, karena bahasanya yang telalu formal. Baik kalau begitu disini saya mau sampaikan dasar pengambilan keputusan dalam analisis korelasi. Simak dibawah ini dengan seksama agar tidak salah.
Dasar Pengambilan KeputusanAda dua cara untuk pengambilan keputusan dalam analisis korelasi yakni dengan melihat nilai signifikansi dan tanda bintang yang diberiakan pada output program SPSS
Berdasarkan nilai Signifikansi : Jika nilai signifikansi < 0,05 maka terdapat korelasi, sebaliknya jika nilai signifikansi > 0,05 maka tidak terdapat korelasi.
Berdasarkan Tanda Bintang (*) yang diberikan SPSS : jika terdapat tanda bintang pada pearson correlation maka antara variabel yang di analisis terjadi korelasi, sebaliknya jika tidak terpadat tanda bintang pada pearson correlation maka antara variabel yang di analisis tidak terjadi korelasi.
Untuk lebih jelas, kita langsung praktekkan saja cara analisisnya, misalkan saya ingin menguji apakah ada hubungan yang signifikan antara Motivasi, Minat, dan Prestasi. Adapun data detailnya lihat di bawah ini.
Langkah-langkah Analisis Korelasi dengan SPSS versi 211. Buka program SPSS, klik Variable View, Selanjutnya, pada bagian Name tulis saja X1, X2 dan Y, pada Decimals ubah semua menjadi angka 0, pada bagian Label tuliskan Motivasi, Minat ,dam Prestasi.
2. Setelah itu, klik Data View, dan masukkan data Motivasi, Minat dan Prestasi yang sudah dipersiapkan tadi.
3. Selanjutnya, dari menu utama SPSS, pilih menu Analyze, klik Correlate, dan klik Bivariate
4. Muncul kotak dialog dengan nama Bivariate Correlations, Masukkan variabel Motivasi (X1) dan Minat (X2) dan Prestasi (Y) pada kotak Variables, selanjutnya, pada kolom Correlation Coefficient, pilih Pearson, lalu untuk kolom Test of Significant, Pilih Two-tailed, dan centang pada Flag Significant Correlations, terakhir klik Ok untuk mengakhiri perintah.
Setelah selasai, maka akan muncul tampilan output SPSS tinggal kita interprestasikan saja.
Berdasarkan output di atas, kita akan melakukan pernarikan kesimpulan dengan merujuk pada dasar pengambilann keputusan uji korelasi.
Berdasarkan Nilai Signifikansi : dari output di atas diketahui antara Motivasi (X1) dengan Minat (X2) nilai signifikansi 0,002 < 0,05 yang berarti terdapat korelasi yang signifikan. Selanjutnya, antara Motivasi (X1) dengan Prestasi (Y) nilai signifikansi 0,002 < 0,05 yang berarti terdapat korelasi yang signifikan. Terakhir, antara Minat (X2) dengan Prestasi (Y) nilai signifikansi 0,000 < 0,05 yang berarti terdapat korelasi yang signifikan.
Berdasarkan Tanda Bintang SPSS : Dari output di atas diketahui bahwa Nilai Pearson Correlation yang dihubungkan antara masing-masing variabel mempunyai tanda bintang, ini berarti terdapat korelasi yang signifikan antara varibel yang dihubungkan.
Langkah Uji Korelasi Product Moment SPSS19:05 – by said hudri0
Pada Artikel sebelumnya telah dibahas mengenai uji statistik aplikasiproduct moment dengan
cara manual, hitung biasa, nah pada kesempatan kali ini akan dibahas mengenai langkah-langkah
dengan gambar contoh uji aplikasi product moment dengan software SPSS 12. Untuk memudahkan
sebaiknya silakan ambil data / copy pada artikel product moment tadi.
1. Masukkan data, melui menu Data View, kemudian Klik Variable Viewuntuk memberi nama pada
variabel penelitian
2. Klik Analyze
3. Klik Correlate
4. Klik Bivariate
5. Klik Variabel X dan Y untuk dipindahkan ke kolom Variables
6. Klik Oke Options, Klik Continue
7. Klik Oke akan didapatkan angka korelasinya, hasilnya 0,684
KORELASI PRODUCT MOMENT PEARSON
DEC 23
Posted by hendry
A. Pendahuluan
Analisis korelasi digunakan untuk menjelaskan kekuatan dan arah hubungan antara
dua variabel. Korelasi bersifat undirectional yang artinya tidak ada yang ditempatkan
sebagai predictor dan respon (IV dan DV).
Angka korelasi berkisar antara -1 s/d +1. Semakin mendekati 1 maka korelasi
semakin mendekati sempurna. Sementara nilai negative dan positif mengindikasikan
arah hubungan. Arah hubungan yang positif menandakan bahwa pola hubungan
searah atau semakin tinggi A menyebabkan kenaikan pula B (A dan B ditempatkan
sebagai variabel)
Interprestasi angka korelasi menurut Prof. Sugiyono (2007)
0 – 0,199 : Sangat lemah
0,20 – 0,399 : Lemah
0,40 – 0,599 : Sedang
0,60 – 0,799 : Kuat
0,80 – 1,0 : Sangat kuat
Dalam Bivariate model, korelasi yang umum digunakan adalah Pearson, Kendall, dan
Rank Spearman, namun yang dibahas kali ini adalah Pearson r Correlation aja..
Pearson r correlation:
Pearson r correlation biasa digunakan untuk mengetahui hubungan pada dua
variabel. Korelasi dengan Pearson ini mensyaratkan data berdistribusi normal.
Rumus yang digunakan adalah sebagai berikut :
B. Contoh Kasus
Pak Ali ingin mengetahui apakah ada hubungan antara pengawasan (Control),
kepuasan kerja (Job Satisfaction), Disiplin kerja (discipline), dan kinerja
(Performance). data dapat diambilCONTOH DATA KORELASI
Jumlah data 37.
Instrumen : angket
C. Penyelesaian Kasus dengan SPSS:
Langkah 1. Pada menu Analyze pilih “correlate bivariate” . Setelah itu akan ada
tampilan sbb:
Langkah 2.
Masukkan variabel yang akan dikorelasikan ke dalam variable list.
Click on “option” and select “descriptive statistics”, abaikan yang lain lalu klik “OK”
Interprestasi
Arti angka Korelasi
1. Control – Performance. Nilai korelasi adalah positif 0.668. Besaran angka
korelasi menunjukkan bahwa korelasi antara Control dan Performance berada dalam
kategori “Kuat”, sementara nilai positif mengindikasikan pola hubungan antara
Control dengan Performance adalah searah (semakin tinggi Control maka semakin
tinggi pula Performance). Perolehan p hitung = 0.000 < 0.05 yang menandakan
bahwa hubungan yang terjadi adalah signifikan.
2. Job Satisfaction – Performance. Nilai korelasi adalah positif 0.772. Besaran
angka korelasi menunjukkan bahwa korelasi antara Job satisfaction dan Performance
berada dalam kategori “Kuat”, sementara nilai positif mengindikasikan pola
hubungan antara adalah searah (semakin tinggi Job Sat maka semakin tinggi pula
Performance). Perolehan p hitung = 0.000 < 0.05 yang menandakan bahwa
hubungan yang terjadi adalah signifikan.
3. Dicipline – Performance. Nilai korelasi adalah positif 0.749. Besaran angka
korelasi menunjukkan bahwa korelasi antara Dicipline dan Performance berada
dalam kategori “Kuat”, sementara nilai positif mengindikasikan pola hubungan
antara dicipline dengan Performance adalah searah (semakin tinggi Control maka
semakin tinggi pula Performance). Perolehan p hitung = 0.000 < 0.05 yang
menandakan bahwa hubungan yang terjadi adalah signifikan.
Buku Rujukan : Prof. Dr. Sugiyono. Metode Penelitian Administasi. Bandung : Alfabeta
Koefisien Determinasi pada Regresi LinearKoefisien determinasi pada regresi linear sering diartikan sebagai seberapa besar kemampuan semua variabel bebas dalam menjelaskan varians dari variabel terikatnya. Secara sederhana koefisien determinasi dihitung dengan mengkuadratkan Koefisien Korelasi (R). Sebagai contoh, jika nilai R adalah sebesar 0,80 maka koefisien determinasi (R Square) adalah sebesar 0,80 x 0,80 = 0,64. Berarti kemampuan variabel bebas dalam menjelaskan varians dari variabel terikatnya adalah sebesar 64,0%. Berarti terdapat 36% (100%-64%) varians variabel terikat yang dijelaskan oleh faktor lain. Berdasarkan interpretasi tersebut, maka tampak bahwa nilai R Square adalah antara 0 sampai dengan 1.
Penggunakan R Square (R Kuadrat) sering menimbulkan permasalahan, yaitu bahwa nilainya akan selalu meningkat dengan adanya penambahan variabel bebas dalam suatu model. Hal ini akan menimbulkan bias, karena jika ingin memperoleh model dengan R tinggi, seorang penelitian dapat dengan sembarangan menambahkan variabel bebas dan nilai R akan meningkat, tidak tergantung apakah variabel bebas tambahan itu berhubungan dengan variabel terikat atau tidak.
Oleh karena itu, banyak peneliti yang menyarankan untuk menggunakan Adjusted R Square. Interpretasinya sama dengan R Square, akan tetapi nilai Adjusted R Square dapat naik atau turun dengan adanya penambahan variabel baru, tergantung dari korelasi antara variabel bebas tambahan tersebut dengan variabel terikatnya. Nilai Adjusted R Square dapat bernilai negatif, sehingga jika nilainya negatif, maka nilai tersebut dianggap 0, atau variabel bebas sama sekali tidak mampu menjelaskan varians dari variabel terikatnya.