TEORI YANG MELANDASI PEMAHAMAN SPSS

 

Pada bab ini kita akan belajar mengenai teori, konsep dan pengertian yang melandasipengguinaan program SPSS, yang meliputi:

Memahami konsep dan pengertian mengenai variable dan model hubungannya Memahami konsep dan pengertian mengenai skala pengukuran Memahami konsep dan pengertian tingkat kepercayaan (Confindence Interval) Memahami konsep dan pengertian tingkat signifikansi / probabilitas

(significance level) Memahami konsep dan pengertian data / kasus Memahami konsep dan pengertian hipotesis, uji hipotesis satu sisi (one tailed)

dan uji dua sisi (two tailed) Memahami konsep dan pengertian mengenai derajat kebebasan (degree of

freedom) Memahami konsep dan pengertian mengenai nilai kritis Memahami konsep dan pengertian mengenai statistik parametrik dan

nonparamterik

 

 

 

2.1 Pendahuluan

Untuk memudahkan pembaca memahami penggunaan SPSS dengan baikdan benar serta dapat memperoleh hasil yang maksimal, makapembaca perlu memahami beberapa konsep dasar yang berfungsisebagai teori untuk melandasai dalam mengoperasikan SPSS danmenfasir keluaran secara benar. Konsep-konsep dasar itu adalahvariable, model hubungan antar variable, tingkat kepercayaan(Confindence Interval, tingkat signifikansi / probabilitas(significance level), pengertian data / kasus, pengertian ujihipotesis satu sisi (one tailed) dan uji hipotesis dua sisi(two tailed), hipotesis, derajat kebebasan (degree of

freedom), nilai kritis, statistik parametrik dannonparametrik.

 

2.2 Pengertian Variabel

Beberapa pengertian mengenai variabel akan diterangkan padabagian ini, diantaranya:

Variabel didefinisikan sebagai “something that may vary or differ” (Brown, 1998:7). Definisi lain yang lebih detil mengatakan bahwa variabel “ is simply symbol or a concept that can assume any one of a set of values” (Davis, 1998:23).

 

Definisi pertama menyatakan bahwa variabel ialah sesuatu yang berbeda atau bervariasi, penekanan kata sesuatu diperjelas dalam definisi kedua yaitu simbol atau konsep yang diasumsikan sebagai seperangkat nilai-nilai. Definisi abstrak tersebut akan lebih jelas bila diberi contoh sebagai berikut:

 

a.       Hubungan antara motivasi dengan kinerja pegawai

b.      Pengaruh promosi terhadap minat beli sepeda motor X

c.       Hubungan antara kualitas produk dengan volumepenjualan

 

Contoh-contoh variabel ialah: motivasi, kinerja, promosi, minat beli, kualitas produk dan volume penjualan

 

2.3 Tipe-Tipe Variabel

Pada bagian ini penulis akan menerangkan mengenai pengertian dancontoh-contoh untuk variable bebas, tergantung, moderat, kontrol,dan variable perantara.

2.3.1 Variabel Bebas (Independent Variable)

Variabel bebas merupakan variabel stimulus atau variabel yang mempengaruhi variabel lain. Variabel bebas merupakan variabel yang variabelitasnya diukur, dimanipulasi, atau dipilih oleh peneliti untuk menentukan hubungannya dengan suatu gejala yang diobservasi.

 

Pada contoh di atas, “promosi” adalah variabel bebas yang dapat dimanipulasi dan dilihat pengaruhnya terhadap “minat beli”, misalnya apakah promosi yang dilakukan di televisi akan mempunyai pengaruh yang lebih kuat dibandikan dengan melalui Koran dalam kaitannya dengan minat beli konsumen terhadap sepeda motor tersebut.

 

2.3.2 Variabel Tergantung (Dependent Variable)

Variabel tergantung adalah variabel yang memberikan reaksi / respon jika dihubungkan dengan variabel bebas. Variabel tergantung adalah adalah variabel yang variabelitasnya diamati dan diukur untuk menentukan pengaruh yang disebabkan oleh variabel bebas. Pada contoh pengaruh promosi terhadap minat beli sepeda motor, maka variabel tergantungnya ialah “minat beli”. Seberapa besar pengaruh promosi terhadap minat beli konsumen untuk sepeda motor tersebut. Untuk meyakinkan pengaruh variabel bebas promosi di tv terhadap minat beli maka media tv dapat diganti dengan media koran. Jika besaran pengaruhnya berbeda makamanipulasi terhadap variabel bebas membuktikan adanya hubungan antara variabel bebas promosi dan minat beli konsumen.

 

2.3.3 Hubungan Antara Variabel Bebas dan Variabel Tergantung

Dalam penelitian kuantitatif pada umumnya peneliti melakukan penelitian dengan menggunakan lebih dari satu variable atau setidak-tidaknya dua variabel, yang meliputi satu variabel bebas dan satu variabel tergantung. Kedua varibel tersebut kemudian dicari hubungannya atau pengaruh dari variabel satu terhadap lainnya. Untuk memperjelas keterangan tersebut, di bawah ini akandiberikan contoh.

 

Contoh 1

        Hipotesis penelitian: Ada hubungan antara “gayakepemimpinan” dengan “kinerja” pegawai

        Variabel bebas: gaya kepemimpinan

        Variabel tergantung: kinerja pegawai

 

Gaya kepemimpinan mempunyai hubungan dengan kinerja pegawai, misalnya gaya kepemimpinan yang sentralistis akan berdampak terhadap kinerja pegawai secara berbeda dengan gaya kepemimipinan yang bersifat delegatif.

 

Contoh 2

        Hipotesa penelitian: Ada hubungan antara promosidengan volume penjualan

        Variabel bebas: promosi

        Variabel tergantung: volume penjualan

 

Promosi mempunyai hubungan dengan ada dan tidaknya peningkatan volume penjualan di perusahaan tertentu.

 

2.3.4 Variabel Moderat (Moderate Variable)

Variabel moderat adalah variabel bebas kedua yang sengajadipilih oleh peneliti untuk menentukan apakah kehadirannyaberpengaruh terhadap hubungan antara variabel bebas pertamadan variabel tergantung. Variabel moderat merupakan variabelyang variabelitasnya diukur, dimanipulasi, atau dipilih olehpeneliti untuk mengetahui apakah variabel tersebut mengubahhubungan antara variabel bebas dan variabel tergantung yangsedang dikaji.

 

Pada kasus adanya hubungan antara promosi dengan minat beli,peneliti memilih variabel moderatnya ialah “harga”. Dengandimasukannya variabel moderat harga, peneliti inginmengetahui apakah besaran hubungan kedua variabel tersebutberubah. Jika berubah maka keberadaan variabel moderatberperan, sedang jika tidak berubah maka variabel moderattidak mempengaruhi hubungan kedua variabel yang diteliti.

 

Contoh lain:

        Hipotesis: Ada hubungan antara promosi di mediatelevisi dengan meningkatnya kesadaran merek handphoneSamsung di kalangan konsumen

        Variabel bebas: promosi

        Variabel tergantung: kesadaran merek

        Variabel moderat: media promosi

 

2.3.5 Variabel Kontrol (Control Variable)

Dalam penelitian peneliti selalu berusaha menghilangkan atau menetralkan pengaruh yang dapat menganggu hubungan antara variabel bebas dan variabel tergantung. Suatu variabel yang pengaruhnya akan dihilangkan disebut variabel kontrol. Variabel kontrol didefinisikan sebagai variabel yang variabelitasnya dikontrol oleh peneliti untuk menetralisasi pengaruhnya. Jika tidak dikontrol variabel tersebut akan mempengaruhi gejala yang sedang dikaji.

 

Contoh:

        Hipotesis: ada pengaruh warna handphone Nokiaterhadap keputusan membeli di kalangan wanita

        Variabel bebas: warna

        Variabel tergantung: keputusan membeli

        Variabel kontrol: wanita (jenis kelamin)

 

Pada kasus penelitian di atas variabel kontrolnya jenis kelamin wanita. Asumsi peneliti hanya wanita saja yang terpengaruh warna handphone Nokia jika mereka ingin membelinya.

 

 

2.3.6 Variabel Perantara (Intervening Variable)

Variabel bebas, tergantung, kontrol dan moderat merupakan variabel-variabel konkrit. Ketiga variabel, yaitu variabel bebas,

kontrol dan moderat tersebut dapat dimanipulasi oleh peneliti danpengaruh ketiga variabel tersebut dapat dilihat atau diobservasi.Lain halnya dengan variabel perantara, variabel tersebut bersifathipotetikal artinya secara konkrit pengaruhnya tidak kelihatan, tetapi secara teoritis dapat mempengaruhi hubungan antara variabel bebas dan tergantung yang sedang diteliti. Oleh karena itu, variabel perantara didefinisikan sebagai variabel yang secara teoritis mempengaruhi hubungan variabel yang sedang diteliti tetapi tidak dapat dilihat, diukur, dan dimanipulasi; pengaruhnya harus disimpulkan dari pengaruh-pengaruh variabel bebas dan variabel moderat terhadap gejala yang sedang diteliti.

 

Contoh:

        Hipotesis: Jika minat pegawai terhadap tugas yang dibebankan meningkat, maka kinerja mengerjakan tugas tersebut akan semakin meningkat

        Variabel bebas: minat terhadap tugas

        Variabel tergantung: kinerja dalam mengerjakan tugas

        Variabel perantara: pemahaman mengenai tugas

 

Keterangan kasus di atas adalah sebagai berikut jika seorang pegawai tertarik terhadap tugas yang diberikan oleh atasan, maka hasilnya akan baik. Besar kecilnya kinerja dipengaruhi oleh minat; sekalipun demikian hasil akhir pengerjaan tugas tersebut dipengaruhi oleh faktor pegawai mau mempelajari atau tidak terlebih dahulu tugas yang akan dikerjakan tersebut. Dengan minatyang tinggi dan pemahaman yang baik, maka kinerjanya akan semakinbesar.

Contoh 2:

        Hipotesis: Layanan yang baik mempengaruhi kepuasan pelanggan

        Variabel bebas: layanan yang baik

        Variabel tergantung: kepuasan pelanggan

        Variabel pengganggu: kualitas jasa / produk

 

Pada umumnya layanan yang baik akan memberikan kepuasan yang tinggi terhadap pelanggan; sekalipun demikian kualitas jasa akan mempengaruhi hubungan variabel layanan dengan variabel kepuasan. Layanan baik belum tentu memberikan kepuasan kepada pelanggan jika kualitas jasanya atau produknya rendah. Misalnya sebuah tokosepatu memberikan layanan yang baik kepada pelanggannnya. Ketika seorang pembeli mengetahui bahwa sepatunya sobek pada bagian tertentu maka tingkat kepuasannya akan turun.

 

 

2.4 Skema Hubungan Variabel

Skema hubungan antar variabel menunjukkan adanya hubungan antara variabel bebas, moderat, kontrol dan perantara dengan variabel tergantung. Skema di bawah ini merupakan model pertama yang dibuat oleh Tuckman (Tuckman 1978:70) dikutip oleh Jonathan Sarwono dalam Metodologi Penelitian Kuantitatif (Sarwono: 2006)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Tabel 2.1. Skema Hubungan Antar Variabel Tuckman

 

 

 

Skema di atas dapat dibaca sebagai berikut, fokus utama adalah variabel bebas dan variabel tergantung, peneliti dapat juga mempertimbangkan variabel-variabel lainnya yaitu variabel moderatdan variabel kontrol. Hubungan variabel bebas dengan variabel tergantung melalui suatu label yang disebut variabel perantara. Variabel ini bersifat hipotetikal, artinya secara fakta tidak nampak tetapi secara teoritis ada dan mempengaruhi hubungan antara variabel bebas dan tergantung.

 

 

 

2.5 Contoh Kasus

Dalam kasus ini peneliti ingin mengukur tingkat loyalitas konsumen produk komputer X dengan menggunakan variable harga, tipe komputer, layanan purna jual, dan tingkat kepuasan.

        Variabel bebas: harga

        Variabel tergantung: loyalitas

        Variabel moderat: tipe komputer

        Variabel kontrol: layanan purna jual

        Variabel pengganggu: kepuasan

 

Keterangan dari kasus di atas adalah sebagai berikut: Peneliti ingin mengetahui ada dan tidaknya pengaruh variable harga terhadap loyalitas konsumen. Harga merupakan variabel bebas dan loyalitas merupakan variabel tergantung. Peneliti juga mempertimbangkan adanya faktor lain yang mempengaruhi hubungan dua variabel tersebut, yaitu tipe komputer. Variabel tipe komputer sengaja dipilih untuk menentukan apakah kehadirannya mempengaruhi hubungan antara variabel bebas dan variabel tergantung. Peneliti bermaksud menetralisasi kemungkinan berpengaruhnya faktor variable layanan purna jual, oleh karena itu layanan purna jual akan dikontrol sebagai variabel kontrol. Tujuannya ialah menghilangkan kemungkinan munculnya kerancuan akibat faktor tersebut. Secara teori variable kepuasan akan mempengaruhi hubungan antara harga dan loyalitas. Maka variable kepuasan dijadikan sebagai variabel perantara.

Dalam SPSS variable dikenal sebagai kolom. Jadi jumlah kolom samadengan jumlah variable yang dianalisis.

 

2.6 Skala Pengukuran

Ada empat tipe skala pengukuran dalam penelitian, yaitu nominal, ordinal, interval dan ratio.

2.6.1 Nominal

Skala pengukuran nominal digunakan untuk mengklasifikasi obyek, individual atau kelompok; sebagai contoh mengklasifikasi jenis kelamin, agama, pekerjaan, dan area

geografis. Dalam mengidentifikasi hal-hal di atas digunakan angka-angka sebagai symbol. Apabila kita menggunakan skala pengukuran nominal, maka statistik non-parametrik digunakan untuk menganalisis datanya. Hasil analisis dipresentasikan dalam bentuk persentase. Sebagai contoh kita mengklasifikasi variabel jenis kelamin menjadi sebagai berikut: laki-laki kita beri simbol angka 1 dan wanita angka 2. Kita tidak dapatmelakukan operasi arimatika dengan angka-angka tersebut, karena angka-angka tersebut hanya menunjukkan keberadaan atauketidakadanya karaktersitik tertentu.

 

Contoh:

Jawaban pertanyaan berupa dua pilihan “ya” dan “tidak” yangbersifat kategorikal dapat diberi simbol angka-angka sebagaiberikut: jawaban “ya” diberi angka 1 dan tidak diberi angka2.

Misalnya dalam pertanyaan:

        Apakah saudara setuju tentang kenaikan harga BBM?Jawaban: a. ya dan b tidak. Jika digunakan skalanominal, maka “ya” diberi nilai 1 dan “tidak” diberinilai 0

 

 

2.6.2 Ordinal

Skala pengukuran ordinal memberikan informasi tentang jumlah relatif karakteristik berbeda yang dimiliki oleh obyek atau individu tertentu. Tingkat pengukuran ini mempunyai informasiskala nominal ditambah dengan sarana peringkat relatif tertentu yang memberikan informasi apakah suatu obyek memiliki karakteristik yang lebih atau kurang tetapi bukan berapa banyak kekurangan dan kelebihannya.

 

Contoh:

Jawaban pertanyaan berupa peringkat misalnya: sangat tidaksetuju, tidak setuju, netral, setuju dan sangat setuju dapatdiberi symbol angka 1, 2,3,4 dan 5. Angka-angka ini hanyamerupakan simbol peringkat, tidak mengekspresikan jumlah.

Misalnya dalam pertanyaan:

        Apakah saudara setuju tentang kenaikan tarif tiketpesawat terbang? Jawaban: a. sangat tidak setuju, btidak setuju, c. ragu-ragu, d. setuju, e. setujusekali. Jika digunakan skala ordinal, maka “sangattidak setuju” diberi nilai 1, “tidak setuju” diberinilai 2, “ragu-ragu” 3, “setuju” 4 dan “setuju sekali”5

 

 

2.6.3 Interval

Skala interval mempunyai karakteristik seperti yang dimiliki oleh skala nominal dan ordinal dengan ditambah karakteristik lain, yaitu berupa adanya interval yang tetap. Dengan demikian peneliti dapat melihat besarnya perbedaan karaktersitik antara satu individu atau obyek dengan lainnya.Skala pengukuran interval benar-benar merupakan angka. Angka-angka yang digunakan dapat dipergunakan dapat dilakukan operasi aritmatika, misalnya dijumlahkan atau dikalikan. Untuk melakukan analisis, skala pengukuran ini menggunakan statistik parametric.

 

 

 

Contoh:

Jawaban pertanyaan menyangkut frekuensi dalam pertanyaan,misalnya: Berapa kali Anda berbelanja di Supermarket X dalamsatu bulan terakhir ini? Jawaban: 1 kali, 3 kali, dan 5 kali.Maka angka-angka 1,3, dan 5 merupakan angka sebenarnya denganmenggunakan interval 2.

Misalnya dalam pertanyaan ini menggunakan interval 1:

        Berapa kali Saudara berbelanja di Supermarket inidalam satu bulan? Jawaban berupa angka sebenarnya: a. 1kali, b. 2 kali, c. 3 kali, d. 4 kali dan

e. 5 kali

 

2.6.4 Ratio

Skala pengukuran ratio mempunyai semua karakteristik yang dipunyai oleh skala nominal, ordinal dan interval dengan kelebihan skala ini mempunyai nilai 0 (nol) empiris absolut. Nilai absoult nol tersebut terjadi pada saat ketidakhadirannya suatu karakteristik yang sedang diukur. Pengukuran ratio biasanya dalam bentuk perbandingan antara satu individu atau obyek tertentu dengan lainnya.

 

Contoh:

Berat Rinso 3 gram sedang berat Soklin 6 gram. Maka beratRinso dibanding dengan berat Soklin sama dengan 1 dibanding2.

Misalnya dalam pertanyaan;

        Berapa berat badan anda sebelum dan sesudah makanobat diet tersebut? Jawabannya berupa angka sebenarnya:Berat sebelum minum obat 70 kg dan berat sesudah minumobat 60 kg.

 

 

Dalam SPSS skala pengukuran disebut “Measure” yang terdiri dari nominal, ordinal dan scale. Scale merupakan penggabungan dari skala pengukuran interval dan ratio.

 

2.7 Tingkat Kepercayaan (Confidence Interval)

Tingkat kepercayaan atau disebut juga confidence interval atau risk level didasarkan pada gagasan yang berasal dari Teorema Batas Sentral (Central Limit Theorem). Gagasan pokok yang berasal dari teorema tersebut ialah apabila suatu populasi secara berulang-ulang ditarik sampel, maka nilai rata-rata atribut yang diperolehdari sampel-sampel tersebut sejajar dengan nilai populasi yang sebenarnya. Lebih lanjut, nilai-nilai yang diperoleh tersebut yang berasal dari sampel-sampel yang sudah ditarik didistribusikan secara normal dalam bentuk nilai benar / nyata. Bentuk nilai-nilai tersebut akan menjadi nilai-nilai sampel yang lebih tinggi atau lebih rendah jika dibandingkan dengan nilai populasinya. Dalam suatu distribusi normal, sekitar 95% nilai-nilai sampel berada dalam dua simpangan baku (standard deviation)dari nilai populasi sebenarnya. Dengan kata lain, jika tingkat kepercayaan sebesar 95% dipilih, maka 95 dari 100 sampelakan mempunyai nilai populasi yang sebenarnya dalam jangkauan ketepatan sebagaimana sudah dispesifikasi sebelumnya. Ada kalanyabahwa sampel yang kita peroleh tidak mewakili nilai populasi yangsebenarnya.Tingkat kepercayaan berkisar antara 99% yang tertinggidan 90% yang terendah. Dalam SPSS tingkat kepercayaan secara default diisi 95%.

 

2.8 Signifikansi / Probabilitas (Significance Level)

Signifikansi atau disebut juga probabilitas merupakantingkat ketepatan (presisi) dalam kaitannya dengan kesalahan

pengambilan sampel (sampling error), merupakan jangkauan dimananilai populasi yang tepat diperkirakan. Jangkauan ini seringdiekspresikan dengan menggunakan poin-poin persentase, misalnya1% atau 5%. Oleh karena itu jika seorang peneliti menemukan bahwa60% pegawai perusahaan tertentu yang digunakan sebagai sampelsudah mengadopsi suatu metode bekerja yang direkomendasikandengan tingkat ketepatan sebesar ±1%, maka peneliti tersebutdapat menyimpulkan bahwa antara 59% dan 61% dari pegawaiperusahaan tersebut yang menjadi populasi sudah mengadopsimetode tersebut. Dalam SPSS signifikansi ditulis secara defaultsebagai 0,05 (5%).

 

2.9 Jumlah Data / Kasus

Dalam SPSS jumlah data disebut sebagai kasus. Cara membacanya ialah dengan melihat baris. Jadi jumlah baris sama dengan jumlah kasus / data. Di SPSS jumlah data ini dberi simbol N. SPSS tidak membedakan antara N (populasi) dan n (sample).

 

2.10 Pengertian Hipotesis Serta Uji Hipotesis Satu Sisi (One Tailed) dan Uji Dua Sisi (Two Tailed)

Bagian ini akan memberikan pengertian dasar mengenai hipotesis, cara membuat hipotesis dan pengujian hipotesis.

 

2.10.1. Pengertian

Setelah masalah dirumuskan, maka langkah berikutnya ialah merumuskan hipotesis. Apakah hipotesis itu? Ada banyak definisi hipotesis yang pada hakikatnya mengacu pada pengertian yang sama. Diantaranya ialah hipotesis adalah jawaban sementara terhadap masalah yang sedang diteliti.

 

Menurut Prof. Dr. S. Nasution definisi hipotesis ialah “pernyataan tentative yang merupakan dugaan mengenai apa saja yang sedang kita amati dalam usaha untuk memahaminya”. (Nasution:2000)

Zikmund (1997:112) mendefinisikan hipotesis sebagai: “Unproven proposition or supposition that tentatively explains certain facts or phenomena; a probable answer to a research question”. Menurut Zimundhipotesis merupakan proposisi atau dugaan yang belum terbukti yang secara tentative menerangkan fakta-fakta atau fenomena tertentu dan juga merupakan jawaban yang memungkinkan terhadap suatu pertanyaan riset.

 

 

2.10.2 Pertimbangan dalam Merumuskan Hipotesis

Dalam merumuskan hipotesis peneliti perlu pertimbangan- pertimbangan diantaranya:

       Harus mengekpresikan hubungan antara dua variabelatau lebih, maksudnya dalam merumuskan hipotesisseorang peneliti harus setidak-tidaknya mempunyai duavariabel yang akan dikaji. Kedua variabel tersebutadalah variabel bebas dan variabel tergantung. Jikavariabel lebih dari dua, maka biasanya satu variabeltergantung dua variabel bebas.

       Harus dinyatakan secara jelas dan tidak bermaknaganda, artinya rumusan hipotesis harus bersifatspesifik dan mengacu pada satu makna tidak bolehmenimbulkan penafsiran lebih dari satu makna. Jikahipotesis dirumuskan secara umum, maka hipotesistersebut tidak dapat diuji secara empiris.

       Harus dapat diuji secara empiris, maksudnya ialah memungkinkan untuk diungkapkan dalam bentuk

operasional yang dapat dievaluasi berdasarkan data yang didapatkan secara empiris. Sebaiknya hipotesis jangan mencerminkan unsur-unsur moral, nilai-nilai atau sikap.

 

2.10.3 Jenis-Jenis Hipotesis

Secara garis besar ada dua jenis hipotesis didasarkan padatingkat abstraksi dan bentuknya.

 

Menurut tingkat abstraksinya hipotesis dibagi menjadi:

a) Hipotesis yang menyatakan adanya kesamaan-kesamaan dalam dunia empiris: hipotesis jenis ini berkaitan dengan pernyataan-pernyataan yang bersifat umum yang kebenarannya diakui oleh orang banyak pada umumnya, misalnya “orang jawa halus budinya dan sikapnya lemah lembut”, “jika ada bunyi hewan tenggeret maka musim kemarau mulai tiba, “ jika hujan kota Jakarta Banjir”. Kebenaran-kebenaran umum seperti di atas yang sudah diketahui oleh orang banyak pada umumnya, jika diuji secara ilmiah belum tentu benar.

 

b) Hipotesis yang berkenaan dengan model ideal: pada kenyataannya dunia ini sangat kompleks, maka untuk mempelajari kekomplesitasan dunia tersebut kita memerlukan bantuan filsafat, metode, tipe-tipe yang ada. Pengetahuan mengenai otoriterisme akan membantu kita memahami, misalnya dalam dunia kepemimpinan, hubungan ayah dalam mendidik anaknya. Pengetahuan mengenai ide nativisme akan membantu kita memahami munculnya seorang pemimpin.

 

c) Hipotesis yang digunakan untuk mencari hubungan antar variabel: hipotesis ini merumuskan hubungan antar dua atau lebih variabel-variabel yang diteliti. Dalam menyusun hipotesisnya, peneliti harus dapat mengetahui variabel mana yang mempengaruhi variabel lainnya sehingga variabel tersebut berubah.

 

Menurut bentuknya, hipotesis dibagi menjadi tiga:

a) Hipotesis penelitian / kerja: hipotesis penelitia merupakan anggapan dasar peneliti terhadap suatu masalah yang sedang dikaji. Dalam hipotesis ini peneliti mengaggap benar hipotesisnya yang kemudian akan dibuktikan secara empiris melalui pengujian hipotesis dengan mempergunakan data yang diperolehnya selama melakukan penelitian. Misalnya: Ada hubungan antara krisis ekonomi dengan jumlah orang stress

 

b) Hipotesis operasional: hipotesis operasional merupakan hipotesis yang bersifat obyektif. Artinya peneliti merumuskan hipotesis tidak semata-mata berdasarkan anggapan dasarnya, tetapi juga berdasarkanobyektifitasnya, bahwa hipotesis penelitian yang dibuatbelum tentu benar setelah diuji dengan menggunakan datayang ada. Untuk itu peneliti memerlukan hipotesis pembanding yang bersifat obyektif dan netral atau secara teknis disebut hipotesis nol (H0). H0 digunakan untuk memberikan keseimbangan pada hipotesis penelitiankarena peneliti meyakini dalam pengujian nanti benar atau salahnya hipotesis penelitian tergantung dari bukti-bukti yang diperolehnya selama melakukan penelitian. Contoh:

H0: Tidak ada hubungan antara jumlah jam kerja dengan jumlah pegawai yang mengalami stress.

 

c) Hipotesis statistik: Hipotesis statistik merupakan jenis hipotesis yang dirumuskan dalam bentuk notasi statistik. Hipotesis ini dirumuskan berdasarkan pengamatan peneliti terhadap populasi dalam bentuk angka-angka (kuantitatif). Misalnya: H0: r = 0; atau H0: p = 0

 

 

2.10.4 Cara Merumuskan Hipotesis

Cara merumuskan hipotesis ialah dengan tahapan sebagai berikut: rumuskan hipotesis penelitian, hipotesis operasional, dan hipotesis statistik.

 

Hipotesis penelitian ialah hipotesis yang kita buat dandinyatakan dalam bentuk kalimat dan didasarkan olehasumsi.

 

Contoh 1: Hipotesis asosiatif

Rumusan masalah:

    Adakah hubungan antara gaya kepemimpininan dengankinerja pegawai?

 

Hipotesis penelitian:

             Ada hubungan antara gaya kepemimpininan dengankinerja pegawai

 

Hipotesis operasional ialah mendefinisikan hipotesis secara operasional variabel-variabel yang ada di dalamnya agar dapat dioperasionalisasikan. Misalnya “gaya kepemimpinan” dioperasionalisasikan sebagai cara memberikan instruksi terhadap bawahan. Kinerja pegawai dioperasionalisasikan sebagai tinggi rendahnya pemasukan perusahaan. Hipotesis operasional dijadikan menjadi dua, yaitu hipotesis 0 yang bersifat netral dan hipotesis 1 yang bersifat tidak netral

 

Maka bunyi hipotesis operasionalnya:

H0: Tidak ada hubungan antara cara memberikan instruksiterhadap bawahan dengan tinggi – rendahnya revenueperusahaan

H1: Ada hubungan antara cara memberikan instruksi terhadapbawahan dengan tinggi – rendahnya revenue perusahaan

 

Hipotesis statistik ialah hipotesis operasional yangditerjemahkan kedalam bentuk angka-angka statistik sesuaidengan alat ukur yang dipilih oleh peneliti. Dalam contohini asumsi kenaikan revenue sebesar 30%, maka hipotesisnyaberbunyi sebagai berikut:

 

H0: r= 0,3

H1: r ¹ 0,3

 

Contoh 2: Hipotesis deskriptif

Rumusan masalahnya:

o        Berapa besar tingkat kenaikan suku bunga di Bank X?

 

Hipotesis penelitian:

o        Tingkat kenaikan suku bunga di Bank X kurang dari standar

 

Hipotesis operasional bunyinya:

o        H0 = Tingkat kenaikan suku bunga di Bank X samadengan standar

o        H1 = Tingkat kenaikan suku bunga di Bank X tidaksama dengan standar

 

Hipotesis statistik

o                        H0: r = 5% (0,05)

o                        H1: r ¹ 5% (0,05)

Diasumsikan standar kenaikan sama dengan 5%.

 

Contoh 3: Hipotesis komparatif

Rumusan masalahnya:

o            Bagaimana sikap konsumen di Bandung terhadapkenaikan tarif kereta api dibandingkan dengan sikapkonsumen di Yogyakarta

 

Hipotesis penelitian:

o            Ada perbedaan sikap konsumen di Bandung terhadapkenaikan tarif kereta api jika dibandingkan dengansikap konsumen di Yogyakarta

 

 

Hipotesis operasional:

o            H0 = Tidak ada perbedaan persentase antara sikapkonsumen di Bandung terhadap kenaikan tarif kereta apidengan sikap konsumen di Yogyakarta

o            H1 = Ada perbedaan persentase antara sikapkonsumen di Bandung terhadap kenaikan tarif kereta apidengan sikap konsumen di Yogyakarta

 

Hipotesis Statistik:

H0: r Bandung = r Yogyakarta

H1: : r Bandung ¹ r Yogyakarta

 

2.10.5. Uji Hipotesis

Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal,yaitu: tingkat signifikansi atau probabilitas (α) dan tingkatkepercayaan atau confidence interval. Didasarkan tingkat signifikansipada umumnya orang menggunakan 0,05. Kisaran tingkat signifikansimulai dari 0,01 sampai dengan 0,1. Yang dimaksud dengan tingkatsignifikansi adalah probabilitas melakukan kesalahan tipe I,yaitu kesalahan menolak hipotesis ketika hipotesis tersebutbenar. Tingkat kepercayaan pada umumnya ialah sebesar 95%, yangdimaksud dengan tingkat kepercayaan ialah tingkat dimana sebesar

95% nilai sample akan mewakili nilai populasi dimana sampleberasal. Dalam melakukan uji hipotesis terdapat dua hipotesis,yaitu:

H0 (hipotessis nol) dan H1 (hipotesis alternatif)

 

Contoh uji hipotesis misalnya rata-rata produktivitas pegawaisama dengan 10 (μ x= 10), maka bunyi hipotesisnya ialah:

H0: Rata-rata produktivitas pegawai sama dengan 10 H1: Rata-rata produktivitas pegawai tidak sama dengan 10

 

Hipotesis statistiknya:

H0: μ x= 10 H1: μ x > 10 Untuk uji satu sisi (one tailed) atau H1: μ x < 10 H1: μ x ≠ 10 Untuk uji dua sisi (two tailed)

 

Beberapa hal yang harus diperhatikan dalam uji hipotesis ialah;

Untuk pengujian hipotesis kita menggunakan data sample. Dalam pengujian akan menghasilkan dua kemungkinan, yaitu

pengujian signifikan secara statistik jika kita menolak H0dan pengujian tidak signifikan secara statistik jika kitamenerima H0.

Jika kita menggunakan nilai t, maka jika nilai t yangsemakin besar atau menjauhi 0, kita akan cenderung menolakH0; sebaliknya jika nila t semakin kecil atau mendekati 0kita akan cenderung menerima H0.

 

Menggunakan kurva untuk menguji hipotesis dapat digambarkansebagai berikut:

a)      Untuk uji dua sisi

 

 

 

 

 

 

 

 

 

 

 

 

 

b)     

Untuk uji satu sisi sebelah kanan

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

c)     

Untuk uji satu sisi sebelah kiri

 

 

 

 

 

 

 

 

 

 

 

 

2.11 Derajat Kebebasan (Degree of Freedom)

Derajat kebebasan mempunyai dua makna yang berbeda. Dalam kaitannya dengan distribusi statistic untuk memberikan nama dari salah satu parameternya. Dalam kaitannya dengan kecocokan model, derajat kebebasan menunjuk pada jumlah informasi yang independen yang ada digunakan untuk membuat estimasi terhadap informasi yanglain. Umumnya kita memulai jumlah derajat kebebasan dengan data. Semakin suatu prosedur atau model cocok, maka jumlah derajat kebebasan semakin kecil. Penghitungan derajat kebebasan dilakukan melalui ukuran sampel. Derajat kebebasan merupakan pengukuran jumlah informasi dari data sample yang telah digunakan. Setiap penghitungan statistik dilakukan dari suatu sampel tertentu, maka satu derajat kebebasan digunakan. Setiap rumus dalam SPSS cara menghitung derajat kebebasan (DF /Degree ofFreedom) berbeda, misalnya dalam Chi Square untuk menghitung DF digunakan rumus (C-1) x (R -1); sedang untuk uji t sampel bebas untuk menghitung DF digunakan rumus n -2; untuk uji t sampel berpasangan untuk menghitung DF digunakan rumus n -1 dstnya.

 

 

 

2.12 Nilai Kritis (Critical Value)

Nilai kritis digunakan untuk pengujian signifikansi. Nilai dimanapengujian statistik harus melampaui nilai tertentu agar hipotesis0 ditolak. Misalnya nilai kritis t dengan derajat kebebasan sebesar 12 dan tingkat signifikansi sebesar 0,05 adalah 1,98. Nilai absolut t harus lebih besar dari 1,98 agar H0 ditolak.

Nilai kritis diambil dari table nilai kritis t sedang nilai absolut berasal dari data.

 

2.13 Statistik Parametrik dan Nonparametrik

Statistik parametrik merupakan statitik dimana populasi diasumsikan cocok dengan setiap distribusi yang diukur, umunya distibusi normal. Metode statistik inferensi parametrik merupakan prosedur matematik untuk pengujian hipotesis statistik yang mengasumsikan bahwa distribusi variabel-variabel tersebut sedang dinilai sesuai dengan kelompok parameter yang berdistribusi normal, contoh dalam SPSS: ANOVA dan Korelasi Pearson. Sebaliknya statistik nonparametrik berkaitan dengan model-model non parametrik dan inferensi non parametrik. Pengertian ini juga mengacu pada statistik yang interpretasinya tidak tergantung pada populasi yang dicocokkan dengan setiap distribusi normal, contoh dalam SPSS Korelasi Spearman.

 

 

2.14 Ringkasan

Untuk memahami SPSS secara benar, kita harus mengetahui konsep-konsep yang melandasi penggunaan SPSS. Konsep-konsep itu ada di teori statistik. Konsep-konsep yang setidak-tidaknya harus kita ketahui ialah diantaranya: adalah variable, model hubungan antar variable, tingkat kepercayaan (Confindence Interval, tingkat signifikansi / probabilitas (significance level), pengertian data/ kasus, pengertian uji satu sisi (one tailed) dan uji dua sisi (two tailed), hipotesis, derajat kebebasan (degree of freedom), nilai kritis, parametric dan nonparametric

 

 

2.15 Konsep-Konsep yang Harus Dipahami

        Variabel

        Model hubungan antar variabel

        Tingkat kepercayaan (Confindence Interval)

        Tingkat signifikansi / probabilitas (significance level)

        Pengertian data / kasus

        Uji hipotesis satu sisi (one tailed) dan uji hipotesis dua sisi (two tailed)

        Derajat kebebasan (degree of freedom)

        Nilai kritis

        Statistik parametrik dan nonparametrik

 

2.16 Pertanyaan-Pertanyaan

1. Terangkan apa yang dimaksud dengan variable?

2. Sebutkan variable apa saja dalam penelitian dan terangkan masing-masing pengertiannya!

3. Ada empat skala pengukuran dalam penelitian. Sebutkan satu persatu dan terangkan maksudnya!

4. Apa hubungan antara variable dengan skala pengukuran?

5. Jelaskan mengenai pengertian hipotesis?

6. Ada berapa tipe hipotesis?

7.      Jelaskan mengenai pengertian tingkat kepercayaan (Confindence Interval)!

8.      Jelaskan mengenai pengertian tingkat signifikansi / probabilitas (significance level)!

9.      Apa yang dimaksud dengan data / kasus dalam SPSS?

10.  Jelaskan mengenai pengertian uji hipotesis satu sisi (one tailed) dan uji hipotesis dua sisi (two tailed)!

11.  Jelaskan mengenai pengertian derajat kebebasan (degree of freedom)!

12.  Apa itu nilai kritis? Dimana kita dapat memperoleh nilai kritis?

13.  Jelaskan mengenai pengertian statistik parametrik dan nonparametrik!

 

 

 

 

 

 

 

 

 

REGRESI VARIABEL   MODERATOR Jun 2

Posted by hendry

REGRESI DENGAN VARIABEL MODERATOR

Variabel moderator adalah variabel yang mempengaruhi (baik memperlemah atau memperkuat hubungan antara variabel independen ke dependen.

Berbeda dengan variabel intervening (bahasannya dapat dilihat disini), variabel moderator tidak menyaratkan adanya hubungan antara X ke M.

Contohnya adalah pengaruh motivasi terhadap kinerja. Seseorang yang punya motivasi yang kuat akan mempengaruhi kinerjanya, dan akan semakin baik jika ia memiliki tingkat pendidikan yang tinggi. Di sini, pendidikan ditempatkan sebagai variabel moderator yang akan menaikturunkan pengaruh motivasi terhadap kinerja

Contoh Kasus :

Seorang peneliti ingin mengetahui pengaruh penghasilan keluarga terhadap tabungan yang dimiliki oleh keluarga tersebut. Data dikumpulkan dari 58 keluarga pada sebuah sekolah di Jakarta. Model yang ingin diuji adalah pengaruh penghasilan terhadap tabungan, yang dimoderasi oleh jumlah anggota keluarga

Hipotesis yang dibangun adalah semakin tinggi penghasilan keluarga dan jumlah anggota keluarga yang sedikit maka akan semakin tinggi pula tabungan yang dimiliki oleh keluarga tersebut. Semakin rendah penghasilan dan semakin banyak anggota keluarga maka akan semakin rendah pula tabungan yang dimiliki oleh keluarga tersebut.

Persamaannya adalah :

JTK = a + b1 PK – b2 JK + b3 PK*JAK + e

b3 merupakan variabel perkalian PK (penghasilan keluarga) dengan JK (jumlah keluarga) merupakan variabel moderating pada hubungan PK ke JTK (jumlah tabungan keluarga)

PENYELESAIAN

Data dapat anda lihat di sini

Pertama, membuat variabel interaksi dengan mengklik “Transform”, lalu pilih “Compute”

Ketik M pada kotak “Target variable”, lalu masukkan perkalian PK dan JK seperti terlihat pada gambar berikut :

Klik OK, maka kita akan punya variabel baru M yang merupakan perkalian antara PK dan JK

Klik Analyze – Regression, dan pilih Linear

Masukkan variabel TK ke kotak dependent, dan masukkan penghasilan, jumlah keluarga dan variabel moderat (M) ke box independent.

Abaikan yang lain, lalu klik OK

INTERPRESTASI DAN PEMBAHASAN

Koefisien Determinasi dan uji Signifikansi

Nilai koefisien determinasi pada hasil analisis di atas adalah sebesar 0,469 atau dapat dikatakan perubahan jumlah tabungan keluarga dipengaruhi oleh variabel penghasilan keluarga, jumlah keluarga dan variabel moderator sebesar 46,90% sedangkan sisanya 54,10% dipengaruhi variabel lain diluar model

Hasil uji signifikansi (uji F) memperlihatkan nilai F hitung sebesar 17,805 dengan probabilitas 0,000 (< 0,005). Dengan demikian dapat disimpulkan model ini signifikan dan dapat digunakan untuk memprediksi tabungan keluarga melalui PK, JK dan M

Uji Signifikansi Model Parsial

hasil Uji model parsial (uji t) memperlihatkan bahwa penghasilan memberikan nilai koefisien parameter sebesar 3,869 dengan sig 0,000. Variabel jumlah keluarga memberikan nilai koefisien sebesar 2,875 dengan sig 0,053, sementara variabel M memberikan nilai koefisien sebesar negative (0,465) dengan sig 0,034

Kesimpulan yang bisa diperoleh dari hasil di atas adalah Moderator terbukti signifikan dalam mempengaruhi penghasilan terhadap jumlah tabungan. Prediksi nilai negative mengindikasikanbahwa efek moderasi yang diberikan adalah negative, artinya jumlah keluarga memberi efek mengurangi pengaruh penghasilan terhadap jumlah tabungan.

Tidak signifikannya koefisien jumlah keluarga (sig 0,053) menunjukkan bahwa variabel ini merupakan variabel moderator murnidan tidak bisa ditempatkan sebagai variabel independen. Namun jika hasil menunjukkan bahwa jumlah keluarga (b2) dan moderator (b3) sama-sama signifikan maka dapat disimpulkan bahwa variabel jumlah keluarga adalah variabel quasi moderator atau dapat digunakan sebagai variabel independen sekaligus variabel moderator.

Selamat mencoba….

Full Text PDF tutorial ini download disini

 

Link Bagus untuk pembahasan ini :

David E Kenny, Moderator variable, disini