Pengolahan Data Menggunakan SPSS

88
Kuswahyudi, SE., MM. Banjar RT.5 Tamanan Banguntapan Bantul Telp. 0838-67-234-001, 0274-4396583 Blog : http://dosenku-kus.blogspot.com http://tutorialpenelitian.blogspot.com E-mail - Facebook : [email protected] PIN BB : 3156B7D6

Transcript of Pengolahan Data Menggunakan SPSS

Page 1: 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

Page 2: Pengolahan Data Menggunakan SPSS

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  

Page 3: Pengolahan Data Menggunakan SPSS
Page 4: Pengolahan Data Menggunakan SPSS
Page 5: Pengolahan Data Menggunakan SPSS

Uji Kuesioner

Page 6: Pengolahan Data Menggunakan SPSS
Page 7: Pengolahan Data Menggunakan SPSS

Secara umum uji validitas adalah untuk melihat apakah item pertanyaan yang dipergunakan mampu mengukur apa yang ingin diukur.

Page 8: Pengolahan Data Menggunakan SPSS

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.

Page 9: Pengolahan Data Menggunakan SPSS

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

Page 10: Pengolahan Data Menggunakan SPSS
Page 11: Pengolahan Data Menggunakan SPSS
Page 12: Pengolahan Data Menggunakan SPSS
Page 13: Pengolahan Data Menggunakan SPSS

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)

Page 14: Pengolahan Data Menggunakan SPSS

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.

Page 15: Pengolahan Data Menggunakan SPSS
Page 16: Pengolahan Data Menggunakan SPSS
Page 17: Pengolahan Data Menggunakan SPSS
Page 18: Pengolahan Data Menggunakan SPSS
Page 19: Pengolahan Data Menggunakan SPSS

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.

Page 20: Pengolahan Data Menggunakan SPSS

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.

Page 21: Pengolahan Data Menggunakan SPSS
Page 22: Pengolahan Data Menggunakan SPSS
Page 23: Pengolahan Data Menggunakan SPSS
Page 24: Pengolahan Data Menggunakan SPSS
Page 25: Pengolahan Data Menggunakan SPSS

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.

Page 26: Pengolahan Data Menggunakan SPSS

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.

Page 27: Pengolahan Data Menggunakan SPSS

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.

Page 28: Pengolahan Data Menggunakan SPSS

4. Metode pengujian mana yang paling tepat?

Jawab: Tidak ada ketentuan yang pasti dan tergantung dari model yang dipergunakan dalam penelitian.

Page 29: Pengolahan Data Menggunakan SPSS

Uji Asumsi Klasik

Page 30: Pengolahan Data Menggunakan SPSS

Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda.

Page 31: Pengolahan Data Menggunakan SPSS

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)

Page 32: Pengolahan Data Menggunakan SPSS

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.

Page 33: Pengolahan Data Menggunakan SPSS

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

Page 34: Pengolahan Data Menggunakan SPSS
Page 35: Pengolahan Data Menggunakan SPSS
Page 36: Pengolahan Data Menggunakan SPSS
Page 37: Pengolahan Data Menggunakan SPSS
Page 38: Pengolahan Data Menggunakan SPSS

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

Page 39: Pengolahan Data Menggunakan SPSS
Page 40: Pengolahan Data Menggunakan SPSS
Page 41: Pengolahan Data Menggunakan SPSS

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.

Page 42: Pengolahan Data Menggunakan SPSS

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

Page 43: Pengolahan Data Menggunakan SPSS

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.

Page 44: Pengolahan Data Menggunakan SPSS

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.

Page 45: Pengolahan Data Menggunakan SPSS

Alat statistik yang sering dipergunakan untuk menguji gangguan multikolinearitas adalah dengan variance inflation factor (VIF), korelasi pearson antara variabel-variabel bebas.

Page 46: Pengolahan Data Menggunakan SPSS

Menggunakan VIF

Page 47: Pengolahan Data Menggunakan SPSS
Page 48: Pengolahan Data Menggunakan SPSS
Page 49: Pengolahan Data Menggunakan SPSS

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.

Page 50: Pengolahan Data Menggunakan SPSS

Menggunakan Korelasi Pearson

Page 51: Pengolahan Data Menggunakan SPSS
Page 52: Pengolahan Data Menggunakan SPSS

Correlations

kompensasi kepemimpinankompensasi Pearson Correlation

1 .244

Sig. (2-tailed).099

N47 47

kepemimpinan Pearson Correlation.244 1

Sig. (2-tailed).099

N47 47

Page 53: Pengolahan Data Menggunakan SPSS

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.

Page 54: Pengolahan Data Menggunakan SPSS

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

Page 55: Pengolahan Data Menggunakan SPSS
Page 56: Pengolahan Data Menggunakan SPSS
Page 57: Pengolahan Data Menggunakan SPSS
Page 58: Pengolahan Data Menggunakan SPSS
Page 59: Pengolahan Data Menggunakan SPSS
Page 60: Pengolahan Data Menggunakan SPSS
Page 61: Pengolahan Data Menggunakan SPSS

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

Page 62: Pengolahan Data Menggunakan SPSS

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

Page 63: Pengolahan Data Menggunakan SPSS
Page 64: Pengolahan Data Menggunakan SPSS
Page 65: Pengolahan Data Menggunakan SPSS
Page 66: Pengolahan Data Menggunakan SPSS
Page 67: Pengolahan Data Menggunakan SPSS
Page 68: Pengolahan Data Menggunakan SPSS

1. Ada pengaruh secara parsial dari kompensasi dan kepemimpinan terhadap semangat kerja.

2. Ada pengaruh secara simultan dari kompensasi dan kepemimpinan terhadap semangat kerja.

Page 69: Pengolahan Data Menggunakan SPSS
Page 70: Pengolahan Data Menggunakan SPSS
Page 71: Pengolahan Data Menggunakan SPSS

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

Page 72: Pengolahan Data Menggunakan SPSS

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.

Page 73: Pengolahan Data Menggunakan SPSS

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

Page 74: Pengolahan Data Menggunakan SPSS

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

Page 75: Pengolahan Data Menggunakan SPSS

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.

Page 76: Pengolahan Data Menggunakan SPSS

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

Page 77: Pengolahan Data Menggunakan SPSS

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

Page 78: Pengolahan Data Menggunakan SPSS

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

Page 79: Pengolahan Data Menggunakan SPSS

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.

Page 80: Pengolahan Data Menggunakan SPSS

STEPWISE

Page 81: Pengolahan Data Menggunakan SPSS
Page 82: Pengolahan Data Menggunakan SPSS

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

Page 83: Pengolahan Data Menggunakan SPSS

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

Page 84: Pengolahan Data Menggunakan SPSS

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).

Page 85: Pengolahan Data Menggunakan SPSS

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)

Page 86: Pengolahan Data Menggunakan SPSS

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%.

Page 87: Pengolahan Data Menggunakan SPSS

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.

Page 88: Pengolahan Data Menggunakan SPSS