Pengolahan Data Menggunakan SPSS
-
Upload
toklo-maning -
Category
Documents
-
view
193 -
download
2
Transcript of Pengolahan Data Menggunakan SPSS
Kuswahyudi, SE., MM.Banjar RT.5 Tamanan Banguntapan BantulTelp. 0838-67-234-001, 0274-4396583Blog : http://dosenku-kus.blogspot.com http://tutorialpenelitian.blogspot.com
E-mail - Facebook : [email protected]
PIN BB : 3156B7D6
MATERI KETERANGAN1. Uji Kuesioner
a. Uji Validitas Cara mengatasi data yg tidak Valid dan/atau tidak Reliabel
b. Uji Reliabilitas
2. Uji Asumsi Klasik
a. Uji NormalitasPerbedaan penggunaan uji (misal perbedaan
normalitas menggunakan grafik dan uji Gleyser)
b. Uji Heteroskedastisitas
c. Uji Multikolinearitas
3. Uji Hipotesis
a. Uji TCara mengolah data menggunakan SPSS dan
cara menganalisa hasil output SPSSb. Uji F
4. Koefisien Determinasi
Uji Kuesioner
Secara umum uji validitas adalah untuk melihat apakah item pertanyaan yang dipergunakan mampu mengukur apa yang ingin diukur.
Sebagai contoh:Besarnya gaji valid dipergunakan untuk
mengukur kekayaan seseorang; atau jumlah anak tidak valid dipergunakan
untuk mengukur kekayaan seseorang. Artinya gaji berkorelasi dengan tingkat
kekayaan seseorang, tetapi jumlah anak tidak berkorelasi dengan tingkat
kekayaan seseorang.
Beberapa alat analisis yang sering dipergunakan untuk melakukan uji validitas adalah:1.Korelasi Product Moment
Item butir dinyatakan valid jika mempunyai korelasi dengan skor total
ButirNilai Correlation Sig. Status
1 0,741 0,000 Valid
2 0,636 0,000 Valid
3 0,806 0,000 Valid
4 0,659 0,000 Valid
5 0,539 0,000 Valid
6 0,626 0,000 Valid
Tabel 4.6Uji Validitas Variabel
Kompensasi
Sumber : Data Primer (diolah)
2. Corrected Item to Total Correlation
Adalah dengan mengkoreksi nilai r hitung karena adanya spurious overlap. Perhitungan dengan SPSS menggunakan Analyze --> Scale --> Reliability Analysis, pindahkan jawaban responden pada masing-masing butir (tanpa skor total) dari kiri ke kanan --> Pilih Statistic è Klik pada Scale if item deleted --> OK. Nilai yang dipergunakan pada kolom Corrected item-total correlation.
Lantas, mana item-item yang lolos seleksi? Pilihlah item-item yang mempunyai koefisien korelasi item-total dengan koreksi (corrected item-total correlation) di atas 0.30 pada kolom corrected item-total correlation. Mengapa 0.30? menurut Azwar (1999:65), pada prinsipnya adalah semakin mendekati angka 1.00 pada koefisien korelasinya, berarti item itu makin bagus. Namun, masih menurut Azwar (1995 : 65), nilai koefisien korelasi yang tinggi memang ikut meningkatkan reliabilitas skala; tetapi, tidak selalu meningkatkan validitas skala. Nilai koefisien korelasi item-total itu menunjukkan daya beda item.
Uji reliabilitas adalah untuk melihat apakah rangkaian kuesioner yang dipergunakan untuk mengukur suatu konstruk tidak mempunyai kecenderungan tertentu. Nilai yang lazim dipakai adalah 0,6.
Reliabilitas statistik diperlukan untuk memastikan validitas dan ketepatan analisis statistik. Ia mengacu pada kemampuan untuk mereproduksi hasil lagi dan lagi sesuai kebutuhan. Hal ini penting karena akan membangun tingkat kepercayaan dalam analisis statistik dan hasil yang diperoleh.
1. Bagaimana perlakuan terhadap butir pertanyaan yang tidak valid?
Jawab: Butir yang tidak valid berarti tidak mampu mengukur suatu konstruk yang akan diukur, sehingga sebaiknya dikeluarkan dari model penelitian.
2. Butir-butir pertanyaan sudah valid semua, tetapi mengapa tidak reliabel?
Jawab: Meskipun ada kecenderungan bahwa jika semua butir sudah valid akan reliabel, akan tetapi hal tersebut tidak merupakan suatu jaminan. Upaya yang dapat dilakukan agar menjadi reliabel adalah dengan memodifikasi indikator yang dipergunakan.
3. Kuesioner sudah valid dan reliabel, tetapi mengapa hipotesis tidak diterima?
Jawab: Tidak ada hubungan antara uji validitas dan reliabilitas dengan penerimaan hipotesis. Uji validitas dan reliabilitas hanya untuk melihat apakah alat ukur yang dipergunakan (kuesioner) sudah layak dipergunakan atau belum.
4. Metode pengujian mana yang paling tepat?
Jawab: Tidak ada ketentuan yang pasti dan tergantung dari model yang dipergunakan dalam penelitian.
Uji Asumsi Klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda.
Setidaknya ada lima uji asumsi klasik, yaitu uji multikolinearitas, uji heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas. Tidak ada ketentuan yang pasti tentang urutan uji mana dulu yang harus dipenuhi. Analisis dapat dilakukan tergantung pada data yang ada. Sebagai contoh, dilakukan analisis terhadap semua uji asumsi klasik, lalu dilihat mana yang tidak memenuhi persyaratan. Kemudian dilakukan perbaikan pada uji tersebut, dan setelah memenuhi persyaratan, dilakukan pengujian pada uji yang lain.
Tapi ada 2 uji asumsi yang sangat jarang digunakan yaitu autokorelasi (khusus data keuangan/time series) dan linieritas (byk penulis tdk menggunakan uji ini)
Uji normalitas adalah uji yang dilakukan untuk mengecek apakah data penelitian kita berasal dari populasi yang sebarannya normal. Uji ini perlu dilakukan karena semua perhitungan statistik parametrik memiliki asumsi normalitas sebaran.
Uji normalitas digunakan untuk mengetahui apakah dalam sebuah model regresi, variabel bebas dan variabel terikat atau keduanya mempunyai distribusi normal atau tidak. Model yang baik adalah mempunyai distribusi data normal atau mendekati normal.
Data yang normal apabila didalam hasil analisis ditunjukkan data-data atau grafik dimana titik berada disekitar garis vertikal atau didekat garis. Sehingga jika data atau titik tersebut didalam garis atau disekitar garis maka data tersebut dianggap normal.Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Kepercayaan Guru
Observed Cum Prob
1.00.75.50.250.00
Exp
ecte
d C
um
Pro
b
1.00
.75
.50
.25
0.00
Uji normalitas dapat digunakan uji Kolmogorov Smirnov (Alhusin, 2001:262), kriterianya adalah : Jika probabilitas > 0.05, maka distribusi
data normal Jika probabilitas < 0.05, maka distribusi
data tidak normal
One-Sample Kolmogorov-Smirnov Test
kompensasi kepemimpinan semangat kerja Prestasi Kerja
N47 47 47 47
Normal Parametersa Mean19.0638 25.2766 24.277 25.0426
Std. Deviation3.54722 2.64330 2.5255 1.87614
Most Extreme Differences Absolute.115 .161 .180 .179
Positive.094 .088 .139 .179
Negative-.115 -.161 -.180 -.119
Kolmogorov-Smirnov Z.786 1.104 1.233 1.226
Asymp. Sig. (2-tailed).566 .175 .096 .099
a. Test distribution is Normal.
Variabel Tingkat Signifikansi
Keterangan
Prestasi Kerja (Y2) 0,099 Valid
Semangat Kerja (Y1) 0,096 Valid
Kepemimpinan (X2) 0,175 Valid
Kompensasi (X1) 0,566 Valid
Tabel 4.10Hasil Uji Normalitas
Sumber : Data Primer Diolah
MULTIKOLINEARITAS
Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu.
Sebagai ilustrasi, adalah model regresi dengan variabel bebasnya motivasi, kepemimpinan dan kepuasan kerja dengan variabel terikatnya adalah kinerja. Logika sederhananya adalah bahwa model tersebut untuk mencari pengaruh antara motivasi, kepemimpinan dan kepuasan kerja terhadap kinerja. Jadi tidak boleh ada korelasi yang tinggi antara motivasi dengan kepemimpinan, motivasi dengan kepuasan kerja atau antara kepemimpinan dengan kepuasan kerja.
Alat statistik yang sering dipergunakan untuk menguji gangguan multikolinearitas adalah dengan variance inflation factor (VIF), korelasi pearson antara variabel-variabel bebas.
Menggunakan VIF
Kreteria yang dipakai jika VIF > 5, maka variabel tersebut mempunyai persoalan multikolinieritas dengan variabel bebas lainnya dan jika VIF 5 berarti tidak terjadi multikolinieritas antar variabel.
Menggunakan Korelasi Pearson
Correlations
kompensasi kepemimpinankompensasi Pearson Correlation
1 .244
Sig. (2-tailed).099
N47 47
kepemimpinan Pearson Correlation.244 1
Sig. (2-tailed).099
N47 47
3. Uji Heteroskedastisitas
Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain. Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas.
Deteksi heteroskedastisitas dapat dilakukan dengan metode scatter plot dengan memplotkan nilai ZPRED (nilai prediksi) dengan SRESID (nilai residualnya). Model yang baik didapatkan jika tidak terdapat pola tertentu pada grafik, seperti mengumpul di tengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit. Uji statistik yang dapat digunakan adalah uji Glejser
Correlations
kompensasikepemimpin
an
Unstandardized
Residual
Spearman's rho kompensasi Correlation Coefficient
1.000 .191 -.002
Sig. (2-tailed) . .198 .992
N 47 47 47
kepemimpinan Correlation Coefficient
.191 1.000 -.035
Sig. (2-tailed) .198 . .817
N 47 47 47
Unstandardized Residual
Correlation Coefficient
-.002 -.035 1.000
Sig. (2-tailed) .992 .817 .
N 47 47 47
Variabel Nilai Korelasi Sig. Ket.
Kompensasi (X1) -,002 0,992 Bebas Hetero
Kepemimpinan (X2) -,035 0,817 Bebas Hetero
Tabel 4.11 Hasil Uji Heteroskedastisitas Model Regresi I
Sumber : Data Primer
Diolah
1. Ada pengaruh secara parsial dari kompensasi dan kepemimpinan terhadap semangat kerja.
2. Ada pengaruh secara simultan dari kompensasi dan kepemimpinan terhadap semangat kerja.
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.B Std. Error Beta
1 (Constant)5.013 2.459 2.039 .048
kompensasi.266 .071 .374 3.768 .000
kepemimpinan.561 .095 .587 5.918 .000
a. Dependent Variable: semangat kerja
Y = a + bxY = 5,013 + 0,266X1 + 0,561X2Berdasarkan persamaan tersebut, maka dapat dijabarkan sebagai berikut: Konstanta = 5,013 yang menunjukkan bahwa tanpa adanya
perubahan terhadap kompensasi dan kepemimpinan, maka semangat kerja tetap sebesar 8,166.
Kompensasi (X1) = 0,266, ini menunjukkan bahwa kompensasi mempunyai pengaruh yang positif terhadap semangat kerja. Jika nilai kompensasi naik 1 point sementara variabel lain tetap, maka semangat kerja akan naik sebesar 0,266.
Kepemimpinan (X2) = 0,561, ini menunjukkan bahwa kepemimpinan mempunyai pengaruh yang positif terhadap semangat kerja. Jika nilai kepemimpinan naik 1 point sementara variabel lain tetap, maka semangat kerja akan naik sebesar 0,214.
Model Summaryb
Model R R Square Adjusted R SquareStd. Error of the
Estimate1
.770a .592 .574 1.6491
a. Predictors: (Constant), kepemimpinan, kompensasi
b. Dependent Variable: semangat kerja
R = Korelasi Ganda R Square = Koefisien Determinasi
Model Summaryb
Model R R SquareAdjusted R
SquareStd. Error of the
Estimate1 .770a .592 .574 1.6491
a. Predictors: (Constant), kepemimpinan, kompensasi
b. Dependent Variable: semangat kerja
R Square : 0,592Dari analisis diperoleh nilai koefisien
determinasi (R2) sebesar 0,592 atau 59,2%. Ini menunjukkan bahwa kompensasi dan kepemimpinan dapat menjelaskan pengaruhnya terhadap semangat kerja sebesar 59,2%. Sedangkan sisanya sebesar 40,8% dipengaruhi variabel lainnya.
ANOVAb
ModelSum of
Squares dfMean
Square F Sig.1 Regression
173.741 2 86.871 31.942 .000a
Residual119.663 44 2.720
Total293.404 46
a. Predictors: (Constant), kepemimpinan, kompensasi
b. Dependent Variable: semangat kerja
F = 31,942 Sig = 0,000
Dengan nilai uji F sebesar 31,942 dengan tingkat signifikan 0,000 menunjukkan bahwa kompensasi (X1) dan kepemimpinan (X2) secara bersama-sama berpengaruh signifikan terhadap semangat kerja
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.B Std. Error Beta
1 (Constant)5.013 2.459 2.039 .048
kompensasi.266 .071 .374 3.768 .000
kepemimpinan.561 .095 .587 5.918 .000
a. Dependent Variable: semangat kerja
Dari hasil analisis di atas diketahui bahwa variabel kepemimpinan tranformasional (X1) mempunyai nilai t sebesar 2,048 dengan tingkat signifikan 0,031. Hasil ini menyatakan bahwa kepemimpinan transformasional (X1) mempunyai pengaruh yang signifikan terhadap prestasi kerja (Y) guru di SMA Taman Madya Jetis Yogyakarta.
Dari hasil analisis di atas diketahui bahwa variabel kompensasi (X2) mempunyai nilai t sebesar 2,191 dengan tingkat signifikan 0,000. Hasil ini menyatakan bahwa kompensasi (X2) mempunyai pengaruh yang signifikan terhadap prestasi kerja (Y) guru di SMA Taman Madya Jetis Yogyakarta.
STEPWISE
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta1 (Constant) 7.887 2.658 2.967 .005
kepemimpinan .648 .105 .679 6.198 .000
2 (Constant) 5.013 2.459 2.039 .048
kepemimpinan .561 .095 .587 5.918 .000
kompensasi .266 .071 .374 3.768 .000
a. Dependent Variable: semangat kerja
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.B Std. Error Beta
1 (Constant)5.013 2.459 2.039 .048
kompensasi.266 .071 .374 3.768 .000
kepemimpinan.561 .095 .587 5.918 .000
a. Dependent Variable: semangat kerja
Dari hasil olah data pada Standardized Coefficients pada nilai Beta diperoleh nilai terbesar pada variabel kepemimpinan yaitu 0,587, sehingga dapat disimpulkan bahwa kepemimpinan adalah variabel yang dominan mempengaruhi semangat kerja (Y).
Deskriptif Variabel KompensasiVariabel kompensasi mempunyai 6 butir
pernyataan, dengan demikian skor total maksimum adalah 30 dan total skor minimum adalah 6. Sehingga diperoleh interval sebagai berikut :
Interval = (Skor tertinggi – Skor terendah) / Jumlah Katagori
= (30 – 6) / 5 = 4,8(Sri Mulyono, 1991:9)
Skor Kategori Jumlah Porsentase
6 - 10,8 Sangat Tidak Sesuai 0 0
>10,8 – 15,6 Tidak Sesuai 8 17
>15,6 – 20,4 Biasa Saja 21 45
>20,4 – 25,2 Sudah Sesuai 17 36
> 25,2 - 30 Sangat Sesuai 1 2
Jumlah 47 100
Tabel 4.15 Hasil Penilaian Variabel Kompensasi
(X1)
Sumber : Data Primer Diolah
Dari hasil analisis di atas diketahui kategori terbesar adalah biasa saja yaitu sebanyak 21 responden atau 45%, kategori sudah sesuai 17 responden atau 36%, kategori tidak sesuai ada 8 responden atau 17% dan kategori sangat sesuai ada 1 responden atau 2%.
Dari hasil ini menunjukkan bahwa kompensasi yang diberikan dipersepsikan oleh sebagian besar responden dalam kategori biasa saja dan sudah sesuai. Karena tidak adanya dominasi yang terbesar dari kategori jadi dapat dikatakan bahwa dari segi kesesuaian besarnya kompensai dengan besarnya tanggungjawab, kesesuaian dengan prestasi, kesesuaian masa kerja, kesesuaian kebutuhan hidup sehari-hari dan ada kenaikan yang berkala dianggap oleh masing-masing responden beragam.