Pedoman SPSS

PENGOLAHAN DATA PENELITIAN

MENGGUNAKAN

S P S S 22

Lucky Lukman, SE.MM

Lucky Lukman, SE.MM | Pengolahan Data Penelitian menggunakan SPSS 0

I. ANALISIS DATA

Kegiatan menghitung data agar dapat disajikan secara sistematis. Sebelum dilakukan

analisis data maka harus dipersiapkan variabel dan data-data yang akan dihitung. Data yang

akan dianalisis memiliki aturan seperti tipe variabel (angka, kalimat ) dan ukuran data. Ukuran

Data untuk menentukan analisis apa yangakan digunakan.

Ada 3 Ukuran Data pada penelitian yaitu :

1. Nominal : data yang didapat dari hasil kategorisasi dan menunjukan kesejajaran,

misalnya : 1 = Pria, 2 = Wanita. Kedua hal tsb memiliki kesejajaran yang sama, jadi

bukan 2 lebih tinggi dari 1

2. Ordinal : Data yang didapat dari hasil kategorisasi dan tidak memiliki kesejajaran,

misalnya : 1 = tidak baik, 2= baik, 3 = sangat baik. Jadi 2 lebih tinggi dari 1, dan 3 lebih

tinggi dari 2

3. Scale : data yang didapat bukan dari hasil kategorisasi. Data Inin berupa data interval

dan data rasio. Data ini dapat dilakukan penghitungan. Misalnya : Data pendapatan,

data produksi, data penjualan, dll

Selain Ukuran Data diatas, Analisis juga perlu menggunakan variabel yang akan dimasukan atau

diinput dalam program statistik. Variabel adalah konsep yang nilainya bervariasi atau berubah-

ubah. Ada 4 macam Variabel :

1. Variabel Dependen (Variabel terikat) variabel yang nilainya dipengaruhi oleh

variabel lain. Contoh : tingkat penjualan, tingkat produksi, harga saham, kepuasan

konsumen, kinerja karyawan, dsb


2. Variabel Independen (Variabel Bebas) Variabel yang mempengaruhi variabel

dependen (terikat). Contoh : Motivasi, kompensasi, biaya produksi, biaya promosi,

biaya penjualan, dsb

3. Variabel Kontrol Variabel yang dikendalikan atau nilainya dibuat tetap hal ini agar

tidak dipengaruhi oleh variabel lain

4. Variabel Moderator Variabel yang mempengaruhi hubungan antara variabel

independen dengan variabel dependen.

Dalam manganalisis data perlu juga kita memperhatikan sumber datanya. Sumber data

terbagi menjadi dua yaitu :

1. Data Primer adalah data yang diperoleh peneliti secara langsung (dari tangan

pertama), Contoh data primer adalah data yang diperoleh dari responden melalui

kuesioner, kelompok fokus, dan panel, atau juga data hasil wawancara peneliti

dengannara sumber.

2. Data Sekunderdata yang diperoleh peneliti dari sumber yang sudah ada. Contoh data

sekunder misalnya catatan atau dokumentasi perusahaan berupa absensi, gaji, laporan

keuangan publikasi perusahaan, laporan pemerintah, data yang diperoleh dari majalah,

dan lain sebagainya.

Sumber data ini yang nantinya akan mempengaruhi proses analisis data yang akan kita

gunakan. Penggunaan Data Primer memerlukan proses penghitungan yang lebih panjang

dibandingkan apabila kita menggunakan Data sekunder. Selanjutnya akan kita bahas pada

bagian berikutnya.

II. TAHAPAN ANALISIS DATA DENGAN SPSS


Adapun Tahapa Analisis Data yang akan kita lakukan terhadap data-data yang kita peroleh dari

hasil penelitian adalah sebagai berikut :

1. Uji Validitas Data

2. Uji Reliabilitas Data

3. Analisis Korelasi

a. Uji Normalitas Data

b. Uji Linearitas

4. Uji Asumsi Klasik

a. Uji Normalitas Data

b. Uji Multikolinearitas

c. Uji Heteroskedastisitas

d. Uji AutoKorelasi

5. Analisis Regresi Linier Berganda

a. Analisis Koefisien Determinasi (R2 / R Square)

b. Uji F – Simultan

c. Uji t - Parsial


Untuk Penelitian yang menggunakan Data Primer, semua tahapan analisis data

tersebut harus dilakukan. Sedangkan untuk penelitian yang menggunakan Data Sekunder,

analisis data cukup dilakukan mulai tahapan ke 4 sampai dengan tahapan terakhir. Dalam

melakukan analisis data berikut ini penulis menggunakan SPSS versi 22.

III. UJI VALIDITAS DATA

Uji Validitas adalah pengujian yang dilakukan guna untuk mengetahui seberapa cermat

suatu instrumen dalam mengukur apa yang ingin diukur. Item Kuesioner yang tidak valid

berarti tidak dapat mengukur apa yang ingin diukur sehingga hasil yang didapat tidak dapat

dipercaya, sehingga item yang tidak valid harus dibuang atau di perbaiki.

Dalam SPSS alat uji validitas yang banyak digunakan ada 2 metode yaitu :

1. Metode Pearson Correlation ( Product Moment Pearson) yaitu mengkorelasikan antara

skor tiap item dengan skor total instrumen.

2. Metode Corrected Item –Total Correlation yaitu dengan mengkorelasikan tiap item

dengan skor total kemudian hasil dikoreksi agar tidak overestimasi.

Kita dapat menggunakan atau memilih salah satu metode tersebut untuk menghitung

validitas data. Data-data yang dikenai Uji Validitas dan Reliabilitas biasanya berjenis ORDINAL.

Berikut ini contoh kasus untuk uji validitas dan Reliabilitas :

Seseorang melakukan penelitian tentang Kualitas pelayanan dan Kualitas Produk terhadap

Kepuasan Pelanggan. Penelitian dilakukan dengan uji coba instrumen menggunakan Kuesioner

yang diberikan kepada 30 responden. Data-data Kuesioner ditabulasikan sebagai berikut :


Data Kepuasan Pelanggan (Y)

Resp Item Skor Total 1 2 3 4 5 6 7 8 1 4 4 4 4 4 3 4 4 312 5 5 4 5 4 4 4 5 363 4 4 4 4 3 4 3 4 304 4 4 4 4 3 4 4 4 315 5 5 5 5 4 5 5 5 396 4 4 4 4 3 3 4 4 307 4 4 4 5 4 4 5 5 358 5 4 4 5 4 4 4 4 349 5 5 5 5 5 5 4 5 39

10 4 4 4 4 4 3 4 4 3111 5 5 5 5 5 4 5 5 3912 4 4 4 4 4 4 4 4 3213 4 4 4 4 4 4 3 4 3114 4 4 4 4 4 4 4 4 3215 4 4 4 4 4 4 4 4 3216 5 5 5 5 4 5 5 5 3917 4 4 4 4 4 4 4 4 3218 5 5 5 5 5 5 5 5 4019 4 4 4 4 4 5 4 4 3320 4 4 4 4 4 4 3 3 3021 4 4 4 4 4 4 4 4 3222 5 5 5 4 5 5 5 4 3823 5 5 5 5 5 4 5 5 3924 5 5 5 5 4 5 4 5 3825 4 5 4 5 4 5 4 4 3526 4 4 4 4 3 4 4 4 3127 4 4 4 4 4 4 4 4 3228 5 5 5 5 4 5 5 5 3929 4 4 4 4 4 4 4 5 3330 4 4 4 4 3 4 4 4 31

Data Kualitas Pelayanan (X1)

Resp Item Skor Total 1 2 3 4 5 6 7 8 9 10 1 4 5 4 4 4 4 4 4 5 5 432 4 4 4 4 4 4 3 3 4 4 38


3 5 5 5 5 5 5 5 5 5 5 504 4 4 4 4 4 4 4 4 4 4 405 4 5 5 4 5 5 5 5 5 5 486 4 5 5 4 5 5 4 5 5 3 457 5 5 5 5 5 5 5 5 5 5 508 3 4 3 4 5 4 4 4 4 4 399 4 4 4 5 4 3 3 5 5 5 42

10 5 4 4 5 4 4 4 4 3 4 4111 5 5 5 5 5 5 5 5 5 5 5012 4 3 4 4 4 4 4 3 4 4 3813 5 4 5 5 5 5 5 5 5 5 4914 5 4 5 4 5 5 5 5 5 3 4615 5 5 4 5 5 5 5 5 5 5 4916 4 4 3 4 4 4 4 4 4 4 3917 5 5 5 5 5 5 5 5 5 5 5018 4 5 4 4 4 5 5 4 4 4 4319 3 4 4 4 4 4 4 4 4 4 3920 4 5 4 4 5 5 3 5 4 5 4421 4 4 3 4 4 4 4 4 4 4 3922 5 5 5 5 5 5 5 5 5 5 5023 4 4 4 4 4 4 4 4 4 4 4024 5 5 5 4 5 4 5 5 5 5 4825 4 4 4 4 4 4 4 4 4 4 4026 4 4 5 5 5 5 5 5 5 5 4827 5 4 4 4 4 4 4 5 4 4 4228 5 5 5 5 5 5 5 5 5 5 5029 5 5 5 5 5 5 5 5 5 5 5030 4 4 4 4 4 4 4 3 4 4 39

Data Kualitas Produk (X2)

Resp Item Skor Total 1 2 3 4 5 6 7 8 9 10 1 4 5 4 3 4 3 4 4 5 5 412 4 4 5 5 4 4 3 3 3 4 393 5 5 4 5 4 5 4 5 5 5 47


4 4 4 5 4 5 4 4 5 4 4 435 4 5 5 4 5 5 5 5 5 5 486 4 5 3 4 5 5 4 4 5 3 427 5 5 4 5 4 5 5 4 5 5 478 3 4 3 5 5 4 4 5 4 4 419 4 5 4 5 4 3 5 5 4 5 44

10 5 4 4 4 4 4 4 3 3 4 3911 5 4 4 5 5 4 4 5 5 5 4612 4 5 4 4 4 4 4 5 4 4 4213 5 4 5 4 4 5 5 5 3 5 4514 5 4 4 4 4 5 5 3 5 3 4215 5 5 4 4 4 5 5 5 5 5 4716 4 4 5 4 4 5 4 5 4 4 4317 5 5 4 5 3 5 4 5 5 5 4618 4 4 3 4 5 5 5 3 4 4 4119 3 4 5 5 4 4 4 5 4 4 4220 4 5 4 4 5 5 4 5 4 5 4521 4 4 5 4 4 4 5 4 4 4 4222 5 4 5 4 5 5 4 5 5 5 4723 4 4 5 5 5 5 4 4 4 4 4424 5 4 4 4 5 4 5 5 5 5 4625 4 4 5 5 5 5 4 4 4 4 4426 4 4 5 4 5 4 4 5 5 5 4527 5 4 5 5 4 4 4 5 4 4 4428 5 5 4 5 4 5 4 5 5 5 4729 5 5 4 5 4 4 5 4 5 5 4630 4 4 5 4 5 5 4 3 4 4 42

Dari Tabulasi tersebut Kita masukan data-data tersebut kedalam lembar kerja SPSS :

1. Uji Validitas menggunakan Metode Pearson Correlation

Mengkorelasikan antara skor tiap item dengan skor total instrumen.Kita ambil contoh

dengan Menguji Validitas Data Kepuasan Pelanggan (Y)


Gambar Variable View

Gambar Data View

Setelah Selesai mengisikan data, maka selanjutnya Klik :

Menu Analyze>>Correlate>>Bivariate selanjutnya terbuka kotak dialog Bivariate Correlation, lalu pindahkan seluruh item ke kolom Variables


Klik OK, maka hasil outputnya sebagai berikut :

Cara membaca output :

Dari output tersebut terlihat korelasi antara tiap item dengan skor total, korelasi item 1 dengan

skor total sebesar 0,900 (ada 2 tanda bintang dua) artinya nilai ini signifikan pada tingkat

signifikansi 0,01, sedangkan bintang satu berarti signifikan pada tingkat 0,05, sedangkan


dibawahnya adalah nilai sigifikansi dengan uji 2 sisi (nilai kurang dari 0,05 berarti hasilnya

signifikan). Untuk N atau sampel sebanyak 30 sampel maka apabila kita lihat pada r tabel

adalah sebesar 0,361. Apabila nilai korelasi dalam output tsb > 0,361 maka item tersebut

valid, apabila sebaliknya < 0,361 maka item tsb tidak valid dan harus dibuang atau diperbaiki.

2. Uji Validitas menggunakan Metode Corrected Item Total Correlation

Mengkorelasikan antara skor tiap item dengan skor total instrumen dan melakukan koreksi

terhadap nilai koefisien korelasi yang overestimasi

Kita ambil contoh dengan menguji Validitas Kepuasan Pelanggan (Y)

Gambar Variable View


Gambar Data View

Setelah Selesai mengisikan data, maka selanjutnya Klik :

Menu Analyze>>Scale>>Reliability Analysis selanjutnya terbuka kotak dialog Reliability

Analysis pindahkan semua item ke kolom items

Selanjutnya klik tombol Statistics…


Beri tanda centang (v) pada Scale if item deleted kemudian klik tombol Continue, maka akan

kembali ke kotak dialog sebelumnya. Kemudian klik OK, maka hasil output nya sebagai berikut:

Item-Total Statistics

Scale Mean if

Item Deleted

Scale Variance

if Item Deleted

Corrected Item-

Total Correlation

Cronbach's

Alpha if Item

Deleted

item1 29.7667 9.289 .867 .906

item2 29.7667 9.220 .894 .904

item3 29.8333 9.385 .881 .906

item4 29.7333 9.444 .793 .912

item5 30.1333 9.568 .607 .927

item6 29.9333 9.513 .594 .929

item7 29.9667 9.275 .692 .920

item8 29.8000 9.338 .743 .915

Cara Membaca output :

Pada kolom Corrected Item-Total Correlationdiketahui korelasi item1 dengan nilai sebesar

0,867. Jika nilai korelasi > 0,361 maka item tersebut valid, apabila sebaliknya < 0,361maka

item tsb tidak valid dan harus dibuang atau diperbaiki.Angka 0,361 diperoleh dengan melihat r

tabel (lampiran), untuk sampel sebanyak 30 sampel.


IV. UJI RELIABILITAS DATA

Uji reliabilitas adalah untuk menguji konsistensi alat ukur, apakah hasilnya tetap

konsisten jika pengukurannya diulang. Apabila instrumen kuesioner yang tidak reliabel maka

tidak dapat konsisten untuk pengukuran sehingga hasil pengukuran tidak dapat dipercaya. Uji

Reliabilitas yang banyak digunakan pada penelitian yaitu menggunakan Metode Cronbach

Alpha .

Berikut mari kita melakukan uji Reliabilitas dengan menggunakan contoh soal seperti

diatas yaitu dengan menguji Data Kepuasan Pelanggan (Y). Menggunakan input data yang

sama dengan uji validitas namun skor total tidak digunakan. Apabila pada uji validitas ada item

yang tidak valid, maka item tersebut tidak dapat digunakan dalam uji reliabilitas.

Selanjutnya kita kilik Menu Analyze>>Scale>>Reliablity Analysis . Selanjutnya akan terbuka

kotak dialog Reliablity Analysis. Pindahkan semua item ke kolom items


Selanjutnya klik OK, maka hasil outputnya sebagai berikut :

Case Processing Summary

N %

Cases

Valid 30 100.0

Excludeda 0 .0

Total 30 100.0

a. Listwise deletion based on all variables in the

procedure.

Reliability Statistics

Cronbach's

Alpha

N of Items

.925 8

Cara membaca Output :

Metode pengambil keputusan pada uji reliabilitas biasanya menggunakan batasan 0,6 .

Menurut Uma sekaran, reliabilitas kurang dari 0,6 adalah kurang baik, sedangkan 0,7 dapat

diterima dan diatas 0,8 adalah baik.

Pada output pertama diketahui data valid sebanyak 30 , lalu output kedua adalah hasil uji

reliabilitas yang didapat nilai Cronbach's Alpha sebesar 0,925 dengan jumlah item sebanyak 8.

Karena nilai 0,925 > 0,6 maka dapat disimpulkan bahwa instrumen pada kepuasan pelanggan

adalah reliabel.


V. ANALISIS KORELASI

Analisis korelasi yaitu untuk mengetahui hubungan antara 2 variabel atau lebih. Dalam

perhitungan korelasi akan didapat koefisien korelasi yang digunakan untuk mengetahui

keeratan hubungan, arah hubungan dan hubungan tersebut sigifikan atau tidak. Dalam SPSS

alat analisis yang banyak digunakan untuk menganalisa hubungan dua variabel yang berskala

interval atau rasio yaitu Korelasi Product Moment (Pearson Correlation).

Untuk Contoh Kasus kita akan tetap menggunakan adalah data diatas, yaitu

menggunakan data skor total dari Kepuasan Pelanggan (Y), Kualitas Pelayanan (X1) dan

Kualitas Produk (X2). Seperti berikut dibawah ini :

Resp Kepuasan Pelanggan Kualitas Pelayanan Kualitas Produk Y X1 X21 31 43 412 36 38 393 30 50 474 31 40 435 39 48 486 30 45 427 35 50 478 34 39 419 39 42 44

10 31 41 3911 39 50 4612 32 38 4213 31 49 4514 32 46 4215 32 49 4716 39 39 4317 32 50 4618 40 43 4119 33 39 4220 30 44 4521 32 39 4222 38 50 4723 39 40 4424 38 48 4625 35 40 4426 31 48 4527 32 42 4428 39 50 4729 33 50 4630 31 39 42

Sebelum melakukan Analisis Korelasi ada beberapa 2 tahapan yang harus dilakukan terlebih

dahulu, yaitu Uji Normalitas Data dan Uji Linearitas.


1. Uji Normalitas Data

Uji ini digunakan untuk mengetahui apakah data terdistribusi dengan normal atau tidak.

Analisis Parametrik seperti korelasi Product moment mensyaratkan bahwa data harus

terdistribusi dengan normal. Uji Normalitas dapat menggunakan Metode Liliefors dan

Kolmogorov-smirnov Z.

a.Metode Liliefors

Pertama kali membuka lembar kerja SPSS, kita dapat mengimpor data dari Excel atau

langsung copy paste ke lembar kerja sepeerti berikut :

Setelah mengisikan data maka selanjutnya Klik :

Menu Analyze>>Descriptive Statistics>>Explore


Selanjutnya akan terbuka kotak dialog Explore, lalu pindahkan seluruh variabel X dan Y ke

kolom Dependent List

Pada display pilih tombol Plots, kemudian pada display Plots beri tanda centang (v) pada

Normality plot with tests kemudian klik tombol Continue. Selanjutnya akan kembali ke kotak

Dialog sebelumnya (seperti diatas) dan klik tombol OK


Maka akan keluar output seperti berikut :


Cases

Valid Missing Total

N Percent N Percent N Percent

Kepuasan Pelanggan 30 100.0% 0 0.0% 30 100.0%

Kualitas Pelayanan 30 100.0% 0 0.0% 30 100.0%

Kualitas Produk 30 100.0% 0 0.0% 30 100.0%

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Kepuasan Pelanggan .230 30 .000 .846 30 .001

Kualitas Pelayanan .189 30 .008 .856 30 .001

Kualitas Produk .142 30 .125 .944 30 .118

a. Lilliefors Significance Correction


Pada Output pertama, Case Processing Summary, dapat diketahui jumlah data valid sebanyak

30 dan tidak ada data missing. Pada output kedua yaitu hasil uji normalitas. Data Kepuasan

Pelanggan nilai signifikansi 0,000, data kualitas pelayanan 0,008, data kualitas produk 0,125.


Ketentuan untuk uji ini yaitu apabila signifikansi > 0,05 maka data berdistribusi Normal,

apabila signifikansi < 0,05 maka data tidak berdistribusi normal. Maka dari output tersebut

maka data yang berdistribusi normal hanya data kualitas produk yang berdistribusi normal

karena 0,125 > 0,05, sedangkan data kepuasan pelanggan dan kualitas pelayanan tidak

berdistribusi normal karena nilai signifikansi nya < 0,005.

b. Metode Kolmogorov Smirnov Z

Langkah input sama dengan metode Liliefors, setelah mengisikan data maka selanjutnya Klik :

Menu Analyze>>Nonparametric Test>>one sample

Selanjutnya akan terbuka dialogOne Sample Non Parametric Testseperti berikut ini :


Kemudian Klik Tombol Run , maka akan keluar output seperti berikut :


Pada output diatas yaitu hasil uji normalitas, Data Kepuasan Pelanggan nilai signifikansi 0,084,

data kualitas pelayanan 0,235, data kualitas produk 0,579. Ketentuan untuk uji ini yaitu

apabila signifikansi > 0,05 maka data berdistribusi Normal, apabila signifikansi < 0,05 maka

data tidak berdistribusi normal. Maka dari output tersebutseluruh data berdistribusi normal

karena nilai signifikansi > 0,05.


2. Uji Linearitas

Bertujuan untuk mengetahui apakah 2 variabel yang akandikenai prosedur analisis statistik

korelasional menunjukan hubungan yang linier atau tidak. Input Data sama dengan Uji

Normalitas data, Selanjutnya Klik :

Menu Analyze>>Compare Means>>Means

Kemudian akan terbuka kotak dialog Means, Pindahkan variabel Y ke kolom Dependent List,

variabel X ke kolom Independent List, kemudian klik tombol Options :


Pada Kotak dialog Options dibawah, beri tanda centang (v) pada Test for linearity kemudian klik

Continue, dan akan kembali kotak dialog sebelumnya, lalu klik tombol OK :

lalu klik tombol OK , maka akan muncul hasil output sebagai berikut :



Pada output diatas yaitu hasil uji Linearitas, pada Output pertama menunjukan hubungan

Kepuasan Pelanggan dengan Kualitas Pelayanan menunjukan nilai signifikansi 0,748, pada

output kedua menunjukan hubungan Kepuasan Pelanggan dengan Kualitas Produk dengan

nilai signifikansi 0,214. Ketentuan untuk uji ini yaitu apabila signifikansiLinearity > 0,05 maka

hubungan antara 2 variabel tidak linier, apabila signifikansiLinearity < 0,05 maka hubungan

antara 2 variabel linier. Maka dari output tersebut maka seluruh hubungan 2 variabel Tidak

Linier karena nilai signifikansi > 0,05.

3. Analisis Korelasi Product Moment

Menggunakan input data yang sama dengan uji normalitas, selanjutnya klik :

Menu Analyze >>Correlate>>Bivariate

Kemudian akan terbuka dialogBivariate Correlation seperti berikut ini, kemudian pindahkan

variabel X dan Y ke kolom Variables


Kemudian klik tombol OK, maka hasil outputnya sebagai berikut :

Correlations

Kepuasan

Pelanggan

Kualitas

Pelayanan

Kualitas Produk

Kepuasan Pelanggan

Pearson Correlation 1 .066 .223

Sig. (2-tailed) .728 .237

N 30 30 30

Kualitas Pelayanan

Pearson Correlation .066 1 .798**

Sig. (2-tailed) .728 .000

N 30 30 30

Kualitas Produk

Pearson Correlation .223 .798** 1

Sig. (2-tailed) .237 .000

N 30 30 30

**. Correlation is significant at the 0.01 level (2-tailed).


Pada output diatas yaitu hasil uji Korelasi, pada Output menunjukan hubungan Kepuasan

Pelanggan dengan Kualitas Pelayanan menunjukan nilai hubungan 0,066, pada output

hubungan Kepuasan Pelanggan dengan Kualitas Produk dengan nilai hubungan 0,223. Untuk

mengukur kuat lemahnya hubungan antar 2 variabel, menggunakan patokan dari Sugiyono

(2007) dengan interpretasi koefisien korelasi sebagai berikut :


0,00 - 0,199 = sangat Rendah

0,20 - 0,399 = rendah

0,40 - 0,599 = sedang

0,60 - 0,799 = kuat

0,80 - 1,000 = sangat kuat

Dengan demikian maka hubungan Kepuasan Pelanggan dengan Kualitas Pelayanan

menunjukan nilai hubungan 0,066 dapat disimpulkan hubungan sangat rendah, sedangkan

hubungan Kepuasan Pelanggan dengan Kualitas Produk dengan nilai hubungan 0,223

menunjukan hubungan yang rendah. Sedangkan pengujian hubungan, apakah hubungan

signifikan atau tidak menggunakan ketentuan apabila nilai signifikansi < 0,05 maka hubungan

signifikan, sedangkan apabila > 0,05 hubungan tidak signifikan. Dari Output diatas menunjukan

hubungan Kepuasan Pelanggan dengan Kualitas Pelayanan menunjukan nilai signifikansi

0,728 > 0,05 artinya tidak ada hubungan yang signifikan. Untuk hubungan Kepuasan

Pelanggan dengan Kualitas Produk dengan nilai signifikansi 0,237 > 0,05 artinya tidak ada

hubungan yang signifikan.

VI. UJI ASUMSI KLASIK

Apa itu Uji Asumi Klasik ?itu pertanyaan yang sering dilontarkan terutama bagi para

peneliti yang sedang mengolah data yang mengharuskan memenuhi kriteria Best Linear

Unbiased Estimator (BLUE). BLUE dapat dicapai bila memenuhi asumsi klasik.

Asumsi klasiktersebut antara lain adalah:

• Model regresi dispesifikasikan dengan benar.

• Error menyebar normal dengan rataan nol dan memiliki suatu ragam (variance) tertentu.

• Tidak terjadi heteroskedastisitas pada ragam error.


• Tidak terjadi multikolinieritas antara peubah bebas.

• Error tidak mengalami autokorelasi (error tidak berkorelasi dengan dirinya sendiri).

1. Uji Normalitas Data

Pada uji Normalitas asumsi klasik dapat menggunakan cara yang sama seperti yang telah

kita gunakan pada Uji Normalitas pada korelasi produk Momen, dalam hal ini kita menggunakan

Metode Liliefors dan Metode Kolmogorov-Smirnov Z, juga dengan menggunakan Data yang

sama yakni Kepuasan Pelanggan (Y), kualitas pelayanan (X1), dan kualitas produk (X2)

a.Metode Liliefors

Setelah mengisikan data maka selanjutnya Klik :

Menu Analyze>>Descriptive Statistics>>Explore

Selanjutnya akan terbuka kotak dialog Explore, lalu pindahkan seluruh variabel X dan Y ke

kolom Dependent List


Pada display pilih tombol Plots, kemudian pada display Plots beri tanda centang (v) pada

Normality plot with tests kemudian klik tombol Continue. Selanjutnya akan kembali ke kotak

Dialog sebelumnya (seperti diatas) dan klik tombol OK

Maka akan keluar output seperti berikut :



Cases

Valid Missing Total

N Percent N Percent N Percent

Kepuasan Pelanggan 30 100.0% 0 0.0% 30 100.0%

Kualitas Pelayanan 30 100.0% 0 0.0% 30 100.0%

Kualitas Produk 30 100.0% 0 0.0% 30 100.0%

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Kepuasan Pelanggan .230 30 .000 .846 30 .001

Kualitas Pelayanan .189 30 .008 .856 30 .001

Kualitas Produk .142 30 .125 .944 30 .118

a. Lilliefors Significance Correction


Pada Output pertama, Case Processing Summary, dapat diketahui jumlah data valid sebanyak

30 dan tidak ada data missing. Pada output kedua yaitu hasil uji normalitas. Data Kepuasan

Pelanggan nilai signifikansi 0,000, data kualitas pelayanan 0,008, data kualitas produk 0,125.

Ketentuan untuk uji ini yaitu apabila signifikansi > 0,05 maka data berdistribusi Normal,

apabila signifikansi < 0,05 maka data tidak berdistribusi normal. Maka dari output tersebut

maka data yang berdistribusi normal hanya data kualitas produk yang berdistribusi normal

karena 0,125 > 0,05, sedangkan data kepuasan pelanggan dan kualitas pelayanan tidak

berdistribusi normal karena nilai signifikansi nya < 0,005.

b. Metode Kolmogorov Smirnov Z

Langkah input sama dengan metode Liliefors, setelah mengisikan data maka selanjutnya Klik :

Menu Analyze>>Nonparametric Test>>one sample


Selanjutnya akan terbuka dialog One Sample Non Parametric Test

Kemudian Klik Tombol Run , maka akan keluar output seperti berikut :



Pada output diatas yaitu hasil uji normalitas, Data Kepuasan Pelanggan nilai signifikansi 0,084,

data kualitas pelayanan 0,235, data kualitas produk 0,579. Ketentuan untuk uji ini yaitu

apabila signifikansi > 0,05 maka data berdistribusi Normal, apabila signifikansi < 0,05 maka

data tidak berdistribusi normal. Maka dari output tersebut maka seluruh data berdistribusi

normal karena nilai signifikansi > 0,05.

Selain dengan metode diatas, kita juga dapat menggunakan Metode Normal probability Plots

yang berbentuk grafik untuk mengetahui apakah dalam sebuah model regresi, nilai regresi

rsidual terdistribusi dengan normal atau tidak. Model regresi yang baik seharusnya distribusi

regresi residual normal atau mendekati normal.

Input data sama dengan metode Kolmogorov-Smirnov Z. Selanjutnya Klik :

menu Analyze>>Regression>> Linear


Selanjutnya akan terbuka kotak dialog Linear Regression seperti berikut, kemudian pindahkan

variabel Y ke kolom Dependent, dan variabel X ke kolom Independent(s) :

Selanjutnya Klik tombol Plots, kemudian beri tanda centang (v) pada Normal probability Plot

kemudian klik tombol Continue :


Selanjutnya akan kembali ke kotak dialog sebelumnya lalu klik tombol OK, maka hasil

Outputnya sebagai berikut :


Pada output diatas untuk mendeteksi kenormalan adalah jika data menyebar disekitar garis

diagonal dan mengikuti arah diagonal, maka model regresi memenuhi asumsi normalitas.

2. Uji Multikolinearitas


Adalah keadaan dimana antara variabel independen atau lebih pada model regresi terjadi

hubungan linier yang sempurna atau mendekati sempurna. Model regresi yang baik

mensyaratkan tidak adanya masalah Multikolinearitas. Untuk mendeteksi ada tidaknya

Multikolinearitas, kita akan menggunakan Metode melihat nilai Tolerance dan VIF .

Langkah-langkahnya sebagai berikut :

Klik menu Analyze>>Regression>> Linear , selanjutnya akan terbuka kotak dialog Linear

Regression kemudian pindahkan variabel Y ke kolom Dependent, dan variabel X ke kolom

Independent(s) :

Selanjutnya Klik tombol Statistics, kemudian beri tanda centang pada Collinearity diagnostics

kemudian klik tombol Continue :

Selanjutnya akan kembali ke kotak dialog sebelumnya lalu klik tombol OK, maka hasil

Outputnya sebagai berikut :



Metode pengambilan keputusannya yaitu Apabila semakin kecil nilai Tolerance dan semakin

besar nilai VIF maka semakin mendekati masalah multikolinearitas. Persyaratannya apabila

nilai Tolerance > 0,1 dan VIF < 10 maka tidak terjadi multikolinearitas. Dari tabel output

diatas diketahui bahwa nilai Tolerance dari kedua variabel independen sebesar 0,363 > 0,1

dan VIF sebesar 2.758 < 10, jadi dapat disimpulkan bahwa dalam model regresi tidak

terjadi masalah multikolinearitas.

3. Uji Heteroskedastisitas

Adalah keadaan dimana terjadinya ketidaksamaan varian dari residual pada model regresi.

Model regresi yang baik mensyaratkan tidak adanya masalah Heteroskedastisitas. Untuk

mendeteksi ada tidaknya Heteroskedastisitas , kita akan menggunakan Metode Spearman’s

rho . Langkah-langkahnya sebagai berikut :

Klik menu Analyze>>Regression>> Linear , selanjutnya akan terbuka kotak dialog Linear

Regression kemudian pindahkan variabel Y ke kolom Dependent, dan variabel X ke kolom

Independent(s) :


Selanjutnya Klik tombol Save, kemudian beri tanda centang pada Unstandardized (pada

residuals)kemudian klik tombol Continue :

Selanjutnya akan kembali ke kotak dialog sebelumnya lalu klik tombol OK, hiraukan hasil

output regresi yang diperoleh, buka input data anda, maka akan ada tambahan satu variabel

bernama RES_1 seperti berikut ini :


Selanjutnya lakukan korelasi Spearman’s rho dengan cara :

klik menu Analyze>>Correlate>>Bivariate kemudian pindahkan variabel Unstandardized

residual, X1 dan X2 ke kolom variables. Kemudian pada Correlation Coefficients beri tanda

centang pada Spearman dan hilangkan tanda centang pada Pearson

Selanjutnya klik tombol OK , maka hasil outputnya sebagai berikut :



Metode pengambilan keputusannya jika nilai signifikansi antara variabel independen dengan

residual > 0,05maka tidak terjadiHeteroskedastisitas, sebaliknya apabila signifikansi < 0,05

maka terjadi Heteroskedastisitas. Dari tabel output diatas diketahui bahwa nilai signifikansi

kualitas pelayanan sebesar 0,922, kualitas produk 0,827. Karena nilai signifikansi lebih dari 0,05

jadi dapat disimpulkan bahwa dalam model regresi tidak terjadi masalahHeteroskedastisitas.

4. Uji Autokorelasi

Adalah keadaaan dimana terjadinya korelasi dari residual untuk pengamatan 1 dengan

pengamatan yang lain yang disusun menurut runtut waktu. Model regresi yang baik

mensyaratkan tidak adanya masalah autokorelasi. Untuk mendeteksi ada tidaknya autokorelasi

digunakan Uji Durbin Watson (DW Test) . Langkah-langkahnya sebagai berikut:

Setelah melakukan input data, lakukan analisis linier berganda untuk mendapatkan nilai Durbin

watson. Caranya yaitu klik : Menu Analyze>>Regression>>Linear selanjutnya akan terbuka

kotak dialog Linear Regresion. kemudian pindahkan variabel Y ke kolom Dependent, dan

variabel X ke kolom Independent(s) :


Selanjutnya klik tombol Statistics

Beri tanda centang (V) pada Durbin Watson, kemudian klik tombol Continue. Maka akan

kembali ke kotak dialog sebelumnya, lalu klik tombol OK, maka outputnya sebagai berikut :

Model Summaryb

Model R R Square Adjusted R

Square

Std. Error of the

Estimate

Durbin-Watson

1 .290a .084 .016 3.45340 2.265

a. Predictors: (Constant), Kualitas Produk, Kualitas Pelayanan

b. Dependent Variable: Kepuasan Pelanggan


Cara membaca Output dan prosedur pengujian :

Uji Durbin Watson yaitu membandingkan nilai Durbin Watson dari hasil regresi dengan nilai

Durbin Watson tabel. Prosedurnya sebagai berikut :

1. Menentukan hipotesis nol dan hipotesis alternatif

H0 = Tidak terjadi Auto Korelasi

H1 = Terjadi Auto Krelasi

2. Menetukan taraf signifikansi

Taraf signifikansi menggunakan 0,05

3. Menentukan nilai d (Durbin-Watson)

Nilai Durbin-Watson yang didapat dari hasil regresi adalah 2,265.

4. Menetukan nilai dL dan dU

Nilai dL dan dU dapat dilihat pada tabel diatas pada signifikansi 0,05, n=30 dan k=2 (n

adalah jumlah data dan k adalah jumlah variabel independen) . Dari tabel Durbin-

Watson didapat dL = 1,283 dan dU = 1,566. Jadi dapat dihitung nilai 4- dL = 2,717 dan

4- dU = 2,434.

5. Pengambilan keputusan

a. dU < DW < 4-dU maka H0 diterima (tidak terjadi auto korelasi)

b. DW < dL atau DW > 4-dL maka H0 ditolak (terjadi auto korelasi)

c. dL < DW < dU atau 4-dU < DW < 4-dL maka tidak ada keputusan yang pasti

6. Hasil Pengujian

dU = 1,566 , DW = 2,265 , 4-dU = 2,434

dU (1,566) < DW(2,265) < 4-dU (2,434)

7. Kesimpulan

Dapat diketahui bahwa nilai Durbin Watson sebesar 2,265 terletak didaerah

dU < DW < 4-dU , maka dapat disimpulkan bahwa H0 diterima (tidak terjadi auto

korelasi)


VII. ANALISIS REGRESI LINIER 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.

Langkah-langkah regresi linier sama dengan yang kita lakukan pada uji asumsi klasik, adalah

sebagai berikut :

Setelah melakukan input data selanjutnya lakukan regresi linier berganda. Caranya :

Klik menu analyze>>Regression>>Linear

Selanjutnya akan terbuka kotak dialog Linear Regression


kemudian pindahkan variabel Y ke kolom Dependent, dan variabel X ke kolom Independent(s)

selanjutnya tekan tombol OK , maka hasil outputnya sebagai berikut :

Variables Entered/Removeda

Model Variables

Entered

Variables

Removed

Method

1

Kualitas Produk,

Kualitas

Pelayananb

. Enter

a. Dependent Variable: Kepuasan Pelanggan

b. All requested variables entered.

Output Pertama diatas menjelaskan variabel yang dimasukan dan dikeluarkan. Semua variabel yang dimasukan menggunakan metode Enter

Model Summaryb


Model R R Square Adjusted R

Square

Std. Error of the

Estimate

1 .290a .084 .016 3.45340

a. Predictors: (Constant), Kualitas Produk, Kualitas Pelayanan

b. Dependent Variable: Kepuasan Pelanggan

Output Kedua diatas Menjelaskan tentang nilai R2 (R Square) atau Koefisien Determinasi,

digunakan untuk mengetahui seberapa besar prosentase sumbangan pengaruh variabel

independen secara bersama-sama terhadap variabel dependen. Apabila regresi menggunakan

2 variabel independen maka yang digunakan adalah R2 (R Square), sedangkan apabila regresi

menggunakan 3 atau lebih variabel independenmenggunakan Koefisien Determinasi Adjusted

R Square. Karena kita menggunakan 2 variabel independen maka yang digunakan adalah R2 (R

Square), Dari tabel output tersebut dapat diketahui Nilai R2 (R square) adalah sebesar 0,084.

Artinya Sumbangan pengaruh dari variabel independen yaitu sebesar 8,4 %, sedangkan sisanya

sebesar 91,6% dipengaruhi oleh faktor lain yang tidak diteliti.

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 29.465 2 14.733 1.235 .307b

Residual 322.001 27 11.926

Total 351.467 29


b. Predictors: (Constant), Kualitas Produk, Kualitas Pelayanan

Output Ketigadiatas menjelaskan pengujian secara bersama-sama (Uji F / uji Simultan),

ukurannya jika signifikansi < dari 0,05 , maka ada pengaruh secara bersama-sama/simultan

variabel independen terhadap variabel dependen, sebaliknya apabila signifikansi > dari 0,05

maka tidak ada pengaruh secara bersama-sama/simultan variabel independen terhadap

variabel dependen.

Ukuran lainnya dengan menentukan F hitung dan F tabel. Apabila F Hitung > F tabel, maka

ada pengaruh secara bersama-sama/simultan variabel independen terhadap variabel

dependen, sebaliknya Apabila F Hitung < F tabel, maka tidak ada pengaruh secara bersama-

sama/simultan variabel independen terhadap variabel dependen.


F tabel dapat dicari pada tabel F statistik 0,05 , dimana menentukan terlebih dulu df1 = k - 1

3 – 1 = 2, dan df2 = n – k 30 – 3 = 27,( k = jumlah variabel, n = jumlah sampel), maka

didapat F tabel sebesar 3,35.

Dari output diatas dihasilkan nilai signifikansi sebesar 0,307> 0,05 artinya variabel independen

secara bersama-sama / simultan tidak berpengaruh terhadap variabel dependen. Sedangkan F

Hitung dari output tersebut sebesar 1.235< 3.35 artinya variabel independen secara bersama-

sama / simultan tidak berpengaruh terhadap variabel dependen.

Coefficientsa

Model Unstandardized Coefficients Standardized

Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 15.919 12.153 1.310 .201

Kualitas Pelayanan -.232 .231 -.308 -1.005 .324

Kualitas Produk .649 .424 .468 1.530 .138


Output keempat menjelaskan 2 hal yaitu Persamaan Regresi Linier Berganda dan Uji t / Uji

Parsial. Pertama, kita bahas terlebih dahulu persamaan regresi linier berganda dengan 2

variabel independen sebagai berikut :

Y’ = a + b1X1+ b2X2

Y’ = Variabel dependen yang diramalkan

a = Konstanta

b = Koefisien regresi (nilai peningkatan ataupun penurunan)

X1 dan X2 = Variabel independen

Nilai koefisien dapat dilihat pada output tabel diatas dn dimasukan pada persamaan sebagai berikut :

Y’ = 15.919 - 0.232X1 + 0.649X2


a. konstanta = 15.919

artinya jika kualitas pelayanan dan kualitas produk = 0, maka kepuasan pelanggan nilainya 15.919

b. koefisien b1 = - 0,232

artinya kualitas pelayanan ditingkatkan sebesar 1 satuan, maka kepuasan pelanggan akan menurun sebesar 0,232 satuan

c. koefisien b2 = 0,649

artinya kualitas produk ditingkatkan sebesar 1 satuan, maka kepuasan pelanggan akan meningkat sebesar 0,649 satuan

Penjelasan kedua atas output keempat tersebut adalah mengenai Uji t / Uji Parsialukurannya jika signifikansi < dari 0,05 , maka ada pengaruh secara parsial variabel independen terhadap variabel dependen, sebaliknya apabila signifikansi > dari 0,05 maka tidak ada pengaruh secara parsial variabel independen terhadap variabel dependen.

Ukuran lainnya dengan menentukan t hitung dan t tabel. Apabila t Hitung> t tabel, maka

ada pengaruh secara parsial variabel independen terhadap variabel dependen, sebaliknya

Apabila t Hitung < t tabel, maka tidak ada pengaruh secara parsial variabel independen

terhadap variabel dependen.

t tabel dapat dicari pada tabel t statistik 0,05/2 = 0.025 (uji 2 sisi) , dimana menentukan

terlebih dulu df = n- k - 1 30 - 2 – 1 = 27, ( k = jumlah variabel independen , n = jumlah

sampel), maka didapat t tabel sebesar 2.052.

Dari output diatas dihasilkan nilai signifikansi untuk kualitas pelayanan sebesar 0,324> 0,05

artinya variabel kualitas pelayanan secara parsial tidak berpengaruh terhadap variabel

kepuasan pelanggan, nilai signifikansi untuk kualitas produk sebesar 0,138> 0,05 artinya

variabel kualitas produk secara parsial tidak berpengaruh terhadap variabel kepuasan

pelanggan, Sedangkan t Hitung dari output tersebut untuk kualitas pelayanan sebesar - 1.005

< 2.052artinya variabel kualitas pelayanan secara parsial tidak berpengaruh terhadap variabel


kepuasan pelanggan. Untuk kualitas produk sebesar 1.530 < 2.052 artinya variabel kualitas

produk secara parsial tidak berpengaruh terhadap variabel kepuasan pelanggan.

DAFTAR PUSTAKA

Agusyana, Yus, 2011, Olah Data Skripsi dan Penelitian dengan SPSS 19, Jakarta, Elex Media Komputindo

Duwi Priyatno, 2010, Teknik Mudah dan Cepat Melakukan Penelitian dengan SPSS dan Tanya jawab Ujian Pendadaran, Yogyakarta, Gava Media

Duwi Priyatno, 2009, SPSS untuk Analisis Korelasi, Regresi, dan Multivariate, Yogyakarta, Gava Media

Komputer, Wahana, 2010, Mudah Belajar Statistik SPSS 18, Semarang, Penerbit Andi

Sambas Ali Muhidin & Maman Abdurahman, 2011, Analisis Korelasi, Regresi dan Jalur dalam Penelitian, Pustaa Setia, Bandung.


Singgih Santoso, 2014, Statistik Multivariat konsep dan Aplikasi dengan SPSS, Elex media Computindo, Jakarta.

Sugiyono, Prof. Dr, 2012, Metode Penelitian Kuantitatif Kualitatif dan RD, Bandung, Alfabeta

V. Wiratna Sujarweni, 2014, SPSS untuk Penelitian, Pustaka Baru Press, Yogyakarta


Pedoman SPSS

Documents

Transcript of Pedoman SPSS

Modul Belajar SPSS

Excel Spss

somay spss

PRAKTIKUM 1 PENGENALAN SPSS - …suparti.blog.undip.ac.id/files/MODUL-PRAKTIKUM-SPSS-PWK.pdf · PRAKTIKUM 1 PENGENALAN SPSS 1. MEMULAI SPSS Jika anda akan memulai SPSS 10.0 for Windows,

PENGGUNAAN SPSS

HASIL SPSS

Ujian Spss

BAB I PENDAHULUAN 1.1. SPSS FOR WINDOWS SPSS adalah ...

petunjuk spss

Analisis spss

ModuL SPSS

MUDUL SPSS

Dasar Dasar SPSS

Interpretasi SPSS

ModulPenggabunganData spss

Belajar SPSS

Quesioner + spss

SPSS - Psikologi

Lancar Menggunakan SPSS untuk Pemula Gambar 2.2 Ikon IBM SPSS Statistics untuk meluncurkan SPSS WINDOWS 10 Pengguna Windows 10 dapat meluncurkan SPSS dengan memanfaatkan cara-cara

Output Spss