Download - Pengantar spss

Transcript
Page 1: Pengantar spss

Pengantar Pengolahan Data Statistik Menggunakan SPSS 22Isram Rasal ST, MMSI, MSc

Page 2: Pengantar spss

Statistika

Page 3: Pengantar spss

Statistika

Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data.

Statistika (statistics) berbeda dengan statistik (statistic).

Statistika merupakan ilmu yang berkenaan dengan data, sedangkan statistik adalah kumpulan data yang menggambarkan suatu persoalan.

Page 4: Pengantar spss

Populasi dan Sampel

Populasi adalah keseluruhan objek yang dibatasi oleh kriteria tertentu.

Sampel adalah sebagian objek yang diambil dari populasi dengan menggunakan cara-cara tertentu.

Syarat suatu sampel: Sampel mewakili populasi yang diwakili Sampel tidak boleh subjektif, dalam pemilihannya

harus random.

Page 5: Pengantar spss

Analisis Statistik

Secara garis besar, analisis data statistic dibagi menjadi dua kelompok, yaitu:

Statistik deskriptif: Adalah analisis yang memberikan gambaran secara umum mengenai karakteristik data seperti mean, median, mode, varian dan range.

Statistik inferensi: Adalah membuat inferensi terhadap data yang diolah, seperti untuk perkiraan dan pengambilan keputusan berdasarkan data statistik. Biasa disebut dengan statistic induktif

Page 6: Pengantar spss

Statistik Inferensi

Statistika Inferensi

Parametrik

Non-Parametrik

Page 7: Pengantar spss

Statistika Parametrik

Statistika parametrik mempertimbangkan jenis sebaran (distribusi) data, yaitu apakah data menyebar normal atau tidak.

Statistika parametrik menetapkan adanya syarat-syarat tertentu (asumsi-asumsi) tentang variabel random atau populasi yang merupakan sumber sampel penelitian.

Banyak digunakan untuk menganalisis data yang berskala interval atau rasio.

Page 8: Pengantar spss

Statistika Non-Parametrik

Statistika non-parametrik adalah statistika bebas sebaran, artinya tidak mensyaratkan bentuk sebaran parameter populasi.

Banyak digunakan untuk menganalisis data yang berskala nominal atau ordinal

Page 9: Pengantar spss

Jenis Data Statistik

Dalam ilmu statistic, jenis data dibedakan menjadi 4 bagian, yaitu:

Nominal Ordinal Interval Rasio

Page 10: Pengantar spss

Jenis Data Statistik: Nominal

Digunakan untuk mengklasifikasikan informasi/data.

Contoh: Data jenis kelamin, yaitu laki-laki dan Perempuan. Biasanya, saat analisis data, tipe data seperti ini

dilambangkan dengan bilangan numerik (angka). Laki-laki dilambangkan dengan angka 1,

sedangkan perempuan dilambangkan dengan angka 0.

Tidak berarti angka 0 lebih rendah dari angka 1

Page 11: Pengantar spss

Jenis Data Statistik: Ordinal

Digunakan untuk mengklasifikasikan serta memiliki tingkatan.

Tipe data ordinal lebih tinggi daripada nominal karena kemampuannya untuk membentuk tingkatan.

Contoh: Jabatan di dalam perusahaan yang terdiri dari

karyawan, manager, direktur utama. Misal, karyawan dilambangkan dengan 1, manager

dengan 2, dan direktur utama dengan 3. Pada tipe data ini, angka 1 dianggap lebih rendah

dari angka 2, dst. Bisa saja karyawan dilambangkan dengan angka 1,

tetapi manager angka 3 dan direktur utama dengan angka 10. Tipe data ini tidak mensyaratkan jarak yang sama antar angka yang digunakan sebagai lambang. Yang perlu diperhatikan hanyalah bahwa angka 3 lebih tinggi dari angka 1, angka 10 lebih tinggi dari angka 3.

Page 12: Pengantar spss

Jenis Data Statistik: Interval

Memiliki poin jarak objektif dalam keteraturan kategori peringkat, tapi jarak yang tercipta sama antar masing-masing angka.

Contoh Data Variabel : Umur 20-30 tahun = 1 Umur 31-40 tahun = 2 Umur 41-50 tahun = 3

Suhu 0-50 Celsius = 1 Suhu 51-100 Celsius = 2 Suhu 101-150 Celsius = 3

Page 13: Pengantar spss

Jenis Data Statistik: Rasio

Memiliki kemampuan dari ketiga tipe data sebelumnya, dan angka nol dianggap mutlak.

Contoh: data berat badan (kg). Angka Nol kg berarti

memang tidak ada berat.

Page 14: Pengantar spss

Jenis Data Statitik

Computing : Nominal Ordinal Interval Ratio

frequency distribution. Yes Yes Yes Yes

median and percentiles. No Yes Yes Yes

add or subtract. No No Yes Yes

mean, standard deviation, standard error of the mean. No No Yes Yes

ratio, or coefficient of variation. No No No Yes

Page 15: Pengantar spss

SPSS

SPSS adalah sebuah program aplikasi yang memiliki kemampuan analisis statistik cukup tinggi serta sistem manajemen data pada lingkungan grafis dengan menggunakan menu-menu deskriptif dan kotak-kotak dialog yang sederhana sehingga mudah untuk dipahami cara pengoperasiannya

Page 16: Pengantar spss

Input Data Ada 3 cara untuk input/memasukkan data:

Impor data dari spreadsheet, MS. Excel Impor dari file notepad (.txt) Membuat data file SPSS yang baru

Page 17: Pengantar spss

Membuat file SPSS yang baru

Ketika memasukkan data SPSS yang baru, ada 2 tampilan yaitu data view dan variable view.

Data view mirip dengan Excel, namun ada beberapa perbedaan, yaitu:

Baris pada SPSS adalah merupakan kasus. Pada setiap baris sel di halaman SPSS mewakili

satu kasus atau observasi. Kolom merupakan variable.

Page 18: Pengantar spss

Data View

Data view digunakan untuk memasukkan dan mengedit data

Page 19: Pengantar spss

Variable View

Variable view digunakan untuk memasukkan informasi atribut variabel:

Name: nama variable Type: jenis variabel (numerik, tanggal,

nominal,teks/string, dsb). Width: lebar kolom dalam tampilan data view. Secara

otomatis/default biasanya berisi 8 (delapan) karakter. Decimals: jumlah digit di belakang koma. Label: penjelasan lebih lanjut dari nama variabel,

misalnya: dalam nama variabel berisi RESID, kemudian labelnya diisikan dengan RESPONDENT IDENTITY.

Values: nilai variabel, misalnya: 1= laki-laki, 0=perempuan

Missing: perlakuan untuk nilai yang kosong Columns: lebar kolom Align: rata kiri, rata kanan atau tengah. Measure: ukuran variabel, yaitu skala, ordinal atau

nominal.

Page 20: Pengantar spss

Variable View

Page 21: Pengantar spss

Label Data Label data digunakan untuk memberikan keterangan penjelas dari data.

Misalnya, variable “IP” diberi label “Indeks Prestasi”

Page 22: Pengantar spss

Statistik DeskriptifStudi Kasus Hatco

Page 23: Pengantar spss

HATCO

HATCO adalah perusahaan yang menjualbahan – bahan kebutuhan produksi kepada perusahaan lain.

Perlu dilakukan penelitian untuk mencari tahu variabel apa yang mempengaruhi konsumen dalam membeli produk HATCO.

Page 24: Pengantar spss

Var. View

Page 25: Pengantar spss

Data View

Page 26: Pengantar spss

Berikut ini adalah langkah-langkah untuk menghasilkan statistik deskriptif: Klik ANALYZE >> DESCRIPTIVE STATISTIC >> DESCRIPTIVES

Muncul kotak dialog DESCRIPTIVES. Kemudian sorot semua variabel kecuali ID yang terdapat di kotak sebelah kiri dan pindahkan ke kotak sebelah kanan dengan mengklik panah yang terdapat di antara kotak sebelah kiri dan kotak sebelah kanan hingga tampil seperti ini:

Page 27: Pengantar spss

Berikut ini adalah langkah-langkah untuk menghasilkan statistik deskriptif: Kemudian klik OPTIONS… hingga muncul kotak dialog DESCRIPTIVES: OPTIONS,

kemudian beri tanda ceklist pada 7 kotak: MEAN, STD. DEVIATION, VARIANCE, RANGE, MINIMUM, MAXIMUM, S.E. MEAN dan biarkan lainnyapada kondisi standar/default lalu klik CONTINUE >> OK.

Page 28: Pengantar spss

Berikut ini adalah langkah-langkah untuk menghasilkan statistik deskriptif: Diperoleh tampilan sebagai berikut di SPSS Output Viewer:

.

Page 29: Pengantar spss

Statistik InferensiStudi Kasus Penelitian di KBN

Page 30: Pengantar spss

Uji Kualitas Data:Uji Validitas

Untuk melakukan Uji Validitas item pertanyaan Variabel X1 adalah dengan langkah: klik Analyze, pilih Correlate, dan klik Bivariate.

Pilih Pearson, ok

Page 31: Pengantar spss

Uji Kualitas Data:Uji Validitas

Page 32: Pengantar spss

Uji Kualitas Data:Uji Realibilitas

Misalnya menguji Reliabilitas untuk Variabel X1: klik Analyze, pilih Scale, klik Reliability Analysis….

Setelah tampil kotak Reliability Analysis, pindahkan item-item pertanyaan X1 dan Variabel X1 ke kotak Items kemudian klik tanda panah dan klik Statistics maka akan muncul kotak Reliability Analysis: Statistics.

Page 33: Pengantar spss

Uji Kualitas Data:Uji Realibilitas

Ceklist kotak item dan scan if item deleted

Page 34: Pengantar spss

Uji Kualitas Data:Uji Realibilitas

Page 35: Pengantar spss

Uji Asumsi Klasik

Uji asumsi klasik. Tujuan pengujian ini adalah untuk memperoleh hasil atau nilai yang tidak bias atau estimator linear tidak bias yang terbaik (Best Linear Unbiased Estimator/BLUE).

Uji asumsi klasik tersebut yaitu: Uji Normalitas Uji Multikolinearitas Uji Autokorelasi Uji Heteroskedastisitas

Page 36: Pengantar spss

Uji Normalitas

• Langkah-langkah : Analyze >> Regression >> Linear

Page 37: Pengantar spss

Uji Normalitas

• Centang pilihan Unstandardized pada bagian Residuals, kemudian pilih Continue dan pada tampilan awal pilih tombol OK, akan menghasilkan variabel baru bernama Unstandardized Residual(RES_1). • Selanjutnya Analyze>>Descriptive Statistics

>>Descriptives akan muncul tampilan sebagai berikut.

Page 38: Pengantar spss

Uji Normalitas

• Centang pilihan Unstandardized pada bagian Residuals, kemudian pilih Continue dan pada tampilan awal pilih tombol OK, akan menghasilkan variabel baru bernama Unstandardized Residual(RES_1).

• Selanjutnya Analyze>>Descriptive Statistics >>Descriptives akan muncul tampilan sebagai berikut.

• Karena rasio skewness dan rasio kurtosis berada di antara –2 hingga +2, maka dapat disimpulkan bahwa distribusi data adalah normal

Page 39: Pengantar spss

Uji Autokorelasi

Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya korelasi antara anggota–anggota serangkaian observasi yang tersusun dalam rangkaian waktu atau yang tersusun dalam rangkaian ruang.

Hasil dari output SPSS menunjukkan nilai Durbin-Watson (DW) hitung sebesar 1,984, sedangkan pada tabel DW diperoleh nilai dU (Upper Durbin-Watson) sebesar 1.7887. Model regresi dinyatakan tidak terdapat permasalahan autokorelasi apabila nilai Durbin-Watson (DW) terletak diantara dU dan 4-dU. Angka DW hitung pada model penelitian ini berada diantara DW tabel dengan menggunakan derajat kepercayaan 95% dan α 5% yaitu 1.7887 < DW hitung < 2,2113. Dapat disimpulkan tidak terjadi autokorelasi atau tidak terdapat autokorelasi positif dan negatif pada model regresi ini.

Page 40: Pengantar spss

Uji Hipotesis:Koefisien Determinasi

Koefisien Determinasi (R2) berfungsi untuk melihat sejauh mana keseluruhan variabel independen dapat menjelaskan variabel dependen

Terdapat nilai Adjusted R Square yaitu sebesar 0,704 atau 70,4%. Hal tersebut mengindikasikan bahwa 70,4% variabel dependen dapat dijelaskan oleh variabel independen, sedangkan sisanya sebesar 29.6% dijelaskan oleh faktor-faktor lain

Page 41: Pengantar spss

Uji Hipotesis:Analisis Regresi Berganda

Maka dapat dibentuk model persamaan regresi berganda sebagai berikut:

Y= - α + β1X1 + β2X2 + e Keterangan:

Y = Kinerja Karyawan X1 = Kompensasi X2 = Displin β = Koefisien Regresi X1 dan X2 α = Konstanta e = Error

Page 42: Pengantar spss

Uji Hipotesis:Uji Parsial (t)

Pengaruh Kompensasi terhadap Kinerja Karyawan H1= Kompensasi berpengaruh positif dan

signifikan terhadap kinerja karyawan. Pada tabel diatas terdapat nilai t hitung yaitu 7,457 dan

tingkat signifikansi sebesar 0.000. Nilai signifikansi tersebut lebih kecil dari 0.05 dan nilai t hitung (7,457) lebih besar dari t tabel (1,651). Hal tersebut mengindikasikan bahwa kompensasi berpengaruh signifikan secara parsial terhadap kinerja karyawan. Pada tabel diatas terdapat nilai koefisien (β) yaitu positif, artinya pengaruh yang diberikan oleh variabel tersebut adalah positif. Dapat disimpulkan bahwa kompensasi berpengaruh positif dan signifikan terhadap kinerja karyawan, sehingga hipotesis (H1) diterima.

Page 43: Pengantar spss

Uji Hipotesis:Uji Simultan (f)

Diperoleh nilai F hitung sebesar 302,108 yang lebih besar dari F tabel sebesar 3.04 .

Hal tersebut mengindikasikan bahwa kompensasi dan disiplin berpengaruh positif dan signifikan terhadap kinerja karyawan, maka H3 diterima.

Page 44: Pengantar spss

Terima Kasih