modul spss basic

23
MODUL PELATIHAN (Statistical Package for the Social Sciences) BASIC – PERTEMUAN I OLEH : NURJANNAH, S.Si (Staf Pengajar Program Studi Statistika Univ. Brawijaya Malang) Melbourne Autumn, 2008

Upload: tonysuherman

Post on 12-Apr-2018

290 views

Category:

Documents


3 download

TRANSCRIPT

Page 1: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 122

MODUL PELATIHAN

(Statistical Package for the Social Sciences)

BASIC ndash PERTEMUAN I

OLEH

NURJANNAH SSi

(Staf Pengajar Program Studi Statistika Univ Brawijaya Malang)

Melbourne

Autumn 2008

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 1

BAB I

PENDAHULUAN

A LATAR BELAKANG

Dalam banyak kasus orang sering enggan menyelesaikan permasalahan-permasalahan

yang berkaitan dengan statistika Hal ini terjadi karena secara umum orang mengetahui bahwa

statistika adalah ilmu yang sulit dan penuh rumus-rumus matematika yang tidak mudah

dipahami Namun kita tidak bisa memungkiri dan telah mengetahui bersama bahwa statistika

merupakan salah satu ilmu yang banyak digunakan dan dibutuhkan dalam penelitian

pengambilan keputusan dan penentuan kebijakan yang berbasis data dan fakta sebagai

informasi di berbagai bidang Oleh karena itu para peneliti mau tidak mau harus memahami

statistika walaupun tidak melalui pemodelan dasar matematikanya tetapi menguasai ciri dan

karakteristik serta persyaratan cukup dari penggunaan metode-metode statistik yang dibarengioleh penguasaan pengetahuan struktur data setiap metode pada paket program statistika yang

memfasilitasinya

Kini permasalahan-permasalahan statistika bukan suatu masalah rumit karena seiring

dengan perkembangan teknologi komputer pekerjaan statistik sangat terbantu dengan adanya

program aplikasi komputer untuk statistik yang kini sudah banyak dipasarkan Komputer sangat

membantu membantu pekerjaan statistik terutama dalam melakukan perhitungan statistik yang

menggunakan rumus-rumus matematika yang rumit dan banyak data SPSS merupakan salah

satu program aplikasi untuk analisis statistik yang sudah cukup diakui

B PENGANTAR STATISTIKA

Dengan merujuk pada definisi tersebut maka peranan statistika dapat diilustrasikan seperti padabagan berikut

Gambar 11 Peranan Statistika dalam proses penelitian

Statistika adalah Ilmu dan atau seni yang berkaitan dengan tata cara (metode) pengumpulan data analisis data dan interpretasi hasil analisis untuk mendapatkaninformasi sebagai landasan di dalam pengambilan keputusan dan penarikan kesimpulan

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 322

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 2

Ciri pokok statistika adalah merupakan pendekatan kuantitatif yaitu menghendaki data bersifat

numerik Sehingga data kualitatif harus dirubah ke bentuk numerik (dengan cara memberikan

skor)

Statistika merupakan alat yang memberikan obyektivitas dan ketelitian pengamatan dan

keuntungan berpikir statistika adalah

Lebih mementingkan fakta dari pada konsep (teori) yang bersifat abstrak ataupun

prasangkaperasaan

Tidak mengekspresikan fakta ke dalam perasaan atau ide Menggunakan gambaran yang

diturunkan dari hasil pengamatan (data) spesifik

Di dalam hasil pengamatan terdapat variasi yang merupakan bagian yang tersembunyi dan

mencari bagian tersembunyi ini merupakan tujuan puncak pengamatan

D VARIABEL PENELITIAN

Sebelum ke pembahasan lebih lanjut agar memiliki persepsi yang sama maka akan

diuraikan pengertian tentang variabel dan data Untuk mempermudah memahami pengertian

variabel dan data perhatikan ilustrasi pada Tabel 11 berikut

Tabel 11 Beberapa obyek penelitian sifat-sifat yang dimiliki dan datanya

Obyek Karakteristik Hasil amatan

Petani

Perusahaan A

Puskesmas

- Agama- Umur- Pendidikan

- Modal- Aset- Bentuk

- Kinerja Manajerial- Kepuasan Pasien- Kepuasan Karyawan

- Islam- 50 tahun- SLTA

- Satu milyar Rp- 12 milyad Rp- Perorangan

- Skala Likert- Skala Likert- Skala Likert

Di dalam statistikadisebut

Obyek kajian

Karakteristik yang relevandengan permaslahan

Variabel atau peubahTunggal = Datum Jamak = Data

Merujuk pada tabel di atas variabel dapat didefinisikan sebagai karakteristik atau sifat dari

obyek kajian yang mana data diamati atau diukur atau dicacah dari padanya Namun demikian

tidak semua karakteristik yang melekat pada suatu obyek mesti merupakan variabel penelitian

akan tetapi hanyalah karakteristik yang mempunyai relevansi dengan permasalahan penelitian

disebut variabel

Ditinjau dari keberadaan keterkaitan dan struktur pengaruhnya di dalam hipotesis

(permasalahan) penelitian variabel dapat dibedakan menjadi intraneous dan extraneous

variables Intraneous variables adalah variabel yang tercakup di dalam hipotesis penelitian

Sedangkan extraneous variables adalah variabel yang tidak tercakup di dalam hipotesispenelitian akan tetapi memiliki kontribusi pengaruh terhadap variabel dependen

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 3

Intraneous variables meliputi

(1) Variabel tergantung (dependent variables ) adalah suatu variabel yang tercakup di

dalam hipotesis penelitian yang keragamannya (variabilitasnya) ditentukan atau

tergantung atau dipengaruhi oleh variabel lainnya

(2) Variabel bebas (independent variables ) adalah suatu variabel tercakup di dalam hipotesis

penelitian yang keragamannya sebagai akibat dari manipulasi atau intervensi

peneliti atau merupakan suatu keadaan atau kondisi atau fenomena yang ingin

diselidiki diteliti atau dikaji Variabel ini mempengaruhi variabel tergantung

(3) Variabel antara atau variabel intervening (intervene variables ) adalah variabel yang

bersifat menjadi perantara (mediating ) dari hubungan variabel bebas ke variabel

tergantung Sifatnya dapat memperlemah atau memperkuat hubungan antara variabel

bebas dengan variabel tergantung

(4) Variabel Moderator adalah variabel yang bersifat memperkuat atau memperlemahpengaruh variabel bebas terhadap variabel tergantung

Extraneous variables meliputi

(1) Variabel pembaur (confounding variables ) adalah suatu variabel dalam penelitian yang

tidak tercakup dalam hipotesis penelitian akan tetapi muncul dalam penelitian dan

berpengaruh terhadap variabel tergantung Pengaruhnya mencampuri atau berbaur dengan

variabel bebas Suatu penelitian biasanya ingin mengetahui pengaruh variabel bebas

terhadap variabel tergantung yang tentunya pengaruh tersebut harus terbebas dari

berbaurnya pengaruh variabel-variabel lain

(2) Variabel kendali (control variables ) adalah variabel pembaur (cofounding ) yang

pengaruhnya dapat dikendalikan Pengendalian dapat diakukan dengan cara blocking yaitu

mengelompokkan obyek penelitian menjadi kelompok-kelompok yang relatif homogen Cra

kedua adalah melalui kriteria ekalusi-inklusi yaitu mengeluarkan obyek yang tidak memenuhi

kriteria (ekslusi) dan mengambil obyek yang memenuhi kriteria untuk diikutkan dalam sampel

penelitian (inklusi)

(3) Variabel penyerta (concomitant variables ) adalah variabel pembaur (cofounding ) yang

tidak dapat dikendalikan sehingga tetap menyertai (terikut) dalam proses penelitian

Konsekuensinya data tersebut harus diamati Pengaruh baurnya dihilangkan (dieliminasi)

pada tahap analisis data misalnya dengan ANCOVA atau MANCOVA

Bilamana variabel penelitian telah ditentukan kemudian harus dibuat definisi operasional

variabel secara tegas dan tajam dengan merujuk pada teori dan konsep yang relevan Langkah

berikutnya data collecting dapat dilakukan

Suatu penelitian dapat memiliki seluruh jenis variabel tersebut atau hanya memiliki

sebagian saja Terlibatnya seluruh variabel atau tidak membawa konsekuensi terhadap metode

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 4

analisis data yang akan digunakan Dengan kata lain perlu dilakukan pemilihan metode

analisis yang tepat sehubungan dengan jenis dan jumlah variabel yang akan dianalisis

E DATA PENELITIAN

D a t a adalah bentuk jamak dari kata datum (Bahasa Latin) yang artinya kurnia atau

pemberian atau penyajian Dalam kontek statistika data diartikan sebagai berikut

Data adalah kumpulan angka fakta fenomena atau keadaan atau lainnya yang merupakan hasil

pengamatan pengukuran atau pencacahan dan sebagainya terhadap variabel dari suatu obyek

kajian yang berfungsi dapat digunakan untuk membedakan obyek yang satu dengan lainnya

pada variabel yang sama

a) Jenis data berdasarkan sifat kekontinyuannyaBerdasarkan sifat kekontinyuannya data hasil pengamatan dapat dibedakan menjadi

data diskrit dan kontinyu

(1) Data diskrit adalah data yang hanya dapat menempati titik-titik tertentu pada sebuah garis

Misal jumlah anak = 0 1 2 3 4 5 6

0 1 2 3 4--+-------+--------+--------+--------+--------+--

(hanya dapat menempati +)

(2) Data kontinyu adalah data yang dapat menempati seluruh titik pada sebuah garis Misal

Data Pendapatan Per Kapita Per Bulan = 150 ribu rupiah sampai dengan 2 juta rupiah

++++++++++++++++++++++++++++++++++

150 ribu rupiah 2 juta rupiah

(seluruh titik dapat ditempati data pendapatan)

b) Jenis Data Berdasarkan Skala Ukurnya

Berdasarkan skala ukurnya data dapat dibedakan menjadi data nominal ordinal interval dan

ratio

(1) Data nominal adalah data yang hanya mengandung unsur penamaan (Bahasa Latin nomos =

nama) Misal

Bntuk Perusahaan Skor yang mungkin

PT 1 3 2CV 2 2 1

Perorangan 3 1 3

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 5

Statistika adalah pendekatan kuantitatif sehingga data nominal yang bersifat kualitatif harus

dirubah menjadi bentuk numerik dengan cara pemberian skor (skoring)

Perhatikan pemberian skor data nominal bersifat sembarang yaitu hanya sekedar untuk dapat

membedakan (penamaan saja) sehingga dapat dibolak-balik

(2) Data ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur urutan

(order = urutan) Misal

Sikap Skor yang mungkin

Sangat setuju 4 1Setuju 3 2Kurang setuju 2 3Tidak setuju 1 4

Perhatikan dengan seksama pembuatan skor antara data nominal dan ordinal dimana untuk data

nominal skor tersebut dapat dibuat sembarang yaitu hanya sekedar dapat mebedakan Akan

tetapi untuk data ordinal urutan angka dalam skor menunjukkan arah tingkatan Pada data

ordinal ini interval (selang)-nya tidak mempunyai arti (tidak bermakna) misalnya selisih antara

skor 4 dengan 2 adalah 2 dan selisih antara 3 dengan 1 adalah 2 yang mana 2 dengan 2 arti

dan maknanya tidak sama

(3) Data interval adalah data yang selain mengandung unsur penamaan dan urutan juga memiliki

sifat interval (selang)-nya bermakna Di samping itu data ini memiliki ciri angka nol-nya tidak

mutlak Misal

Indeks Prestasi Suhu (oC) IHK

0 0 1001 10 1152 20 1203 30 1204 40 140

Perhatikan bahwa 0 pada Indeks Prestasi barangkali akan setara dengan lt 30 untuk skala nilai 1

ndash 100 dan 0 pada suhu dengan derajat Celcius = 32 oF Ratio dari data ini tidak memiliki

makna misal IP 4 bukan berarti pintarnya sama dengan dua kali IP 2 demikian halnya suhu 40 o

C bukan berarti panasnya frac12 dari suhu 80o C

(4) Data ratio adalah data yang memiliki unsur penamaan urutan intervalnya bermakna dan angka

nolnya mutlak sehingga rationya mempunyai makna Misal

Pendapatan($)

Panjang Jalan(km)

21 12045 14070 160

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 6

Disebut nol-nya mutlak sebab memang tidak akan ada benda (jalan) yang panjangnya nol

kilometer Pendapatan 0 berarti tidak menghasilkan pendapatan sama sekali

Jika kedua klasifikasi data tersebut dikombinasikan maka akan diperoleh seperti pada Tabel 12

sebagai berikut

Tabel 12 Kaitan antara skala ukur data dengan sifat kekontinyuannya

DISKRIT KONTINYU

NOMINAL V

ORDINAL V

INTERVAL V V

RATIO V V

Keterangan V = bersesuaian

F Taraf Nyata (αααα) dan p-value

Taraf nyata αααα adalah peluang menolak Ho yang pada hakekanya benar disebut peluang salah

jenis tipe I

αααα = P(Ho ditolak Ho benar)

Secara pragmatis alpha didefinisikan sebagai resiko salah dalam penarikan kesimpulan penelitian

Dengan memperkecil αααα berarti memperkecil resiko salah dalam penarikan kesimpulan Hal ini

dapat ditempuh dengan jalan memperkecil kesalahan (ketidakpastian) dalam setiap langkah

rangkaian analisis data inferensial Untuk memahami lebih lanjut mengenai αααα dapat diperhatikan

ilustarasi di bawah ini

Pelaksanaan pelatihan terhadap karyawan diharapkan dapat meningkatkan kinerjanya Untuk itu

dilakukan penelitian dengan mengajukan hipotesis statistika

Ho microb = micros lawan

H1 microb lt micros

Dalam hal ini microb = kinerja sebelum dilakukan pelatihan dan micros = kinerja sesudah dilakuan pelatihan

Katakanlah hasil pengujian cukup bermakna dengan p = 0027 Interpretasi Pelatihan dapatmeningkatkan kinerja karyawan Dimana kesimpulan tersebut mengandung resiko salah sebesar 27

Arti pragmatisnya Seandainya akan dilakukan pelatihan terhadap 1000 karyawan maka

berdasarkan hasil penelitian tersebut dimungkinkan 27 orang kinerjanya tidak meningkat

Perbedaan antara α dengan p-value

Besarnya α ditetukan berdasarkan konvensi (kesepakatan) para ahli yaitu 1 untuk penelitian

yang sifatnya kritis dan 5 untuk yang kurang kritis Nilai (titik) kritis beberapa statistik uji

misalnya t F Z dan χ2 pada alpha 1 5 atau 10 telah dihitung dan di tabelkan Sehingga

pengguna statistika tidak perlu sulit-sulit menghitungnya sendiri Hal ini dilatarbelakangi oleh kendala

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 7

sulitnya prosedur perhitungan tersebut terutama sebelum berkembangnya komputer Untuk jelasnya

perhatikan uraian berikut Untuk menghitung atau p pada statistik t dengan nilai thitung = 2288 pada

derajat bebas (db) = 10 adalah

( ) ( )

005t1

10210

21

12

1102

2882

=+

Β

int+

minus+infin

dt

dalam hal ini B(____) adalah fungsi Beta Dengan kata lain untuk thit = 2288 dengan db=10

diperoleh p = 005 atau dengan α = 005 dan db=10 diperoleh ttabel = 2288

Oleh karena itu sebelum komputer berkembang para ahli menggunakan mesin hitung yang

telah ada untuk menghitung permasalahan tersebut dan hasilnya dituangkan dalam Tabel Kaidah

pengujiannya adalah jika thit gt ttabel pada α tertentu maka tolak Ho dan sebaliknya Kelemahannya

adalah tidak bisa memberikan informasi resiko salah secara eksak Jadi seandainya p yang

sebenarnya = 0017 dan pada uji konvensional digunakan α = 005 maka resiko salah dalam

penarikan kesimpulan adalah 5 yang sebenarnya secara eksak adalah 17

Dengan berkembangnya komputer perhitungan nilai p untuk beberapa statistik uji dapat

dengan mudah dan cepat dilakukan Umumnya dinyatakan dalam notasi p-value atau p saja atau

Sig (di SPSS) Dengan demikian dapat dikatakan bahwa p adalah berupa signifikansi aktual

sedangkan alpha adalah signifikansi batas Berdasarkan taraf uji aktual yang merujuk pada p-value

maka keputusan uji hipotesis akan berbunyi

Tolak H 0 (bermakna) dengan resiko salah sebesar p x 100

Mengenai berapa besar nilai p yang masih dapat ditolerir sangat tergantung dari tingkat kekritisan

penelitian dan kepentingan pengguna hasil penelitian

Berdasarkan uraian tersebut dapat dikatakan bahwa kesimpulan yang ditarik berdasarkan uji

statistik tidak pernah bersifat benar mutlak Misal jika pengujian secara statistik mendapatkan

bahwa obat O dapat menyembuhkan penyakit S dengan p = 002 maka tidak semua penderita

penyakit S yang diobati O pasti sembuh akan tetapi dimungkinkan 98 sembuh dan 2 tidak

sembuh Oleh karena itu kesimpulan statistika tidak pernah dogmatis

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

A STATISTIKA DISKRIPTIF

Statistika diskriptif mer

deskripsi (gambaran) data sehin

sajian yang lebih menarik Ada

pie chart boxplot (dalam bentuk

Buka data SPSS deskriptif D

mempengaruhi pembelian kart

responden yang diambil sebagai

- usia adalah usia responden

- kusia adalah kelompok usi

- pddk adalah tingkat pendidi

- lama adalah lama penggun

- klama adalah kelompok la

- phsl adalah penghasilanbul

- kphsl adalah kelompok pen

- jangkau adalah penilaian r

kurang luas)

- signal adalah penilaian resp

kurang kuat)

- suara adalah penilaian resp

baik)

Histogram

Misalkan kita ingin membuat his

Pilih menu Graph gt Histogram

Lalu isi Variable phsl hidupka

983138 983090983088983088983096

P a g e | 8

BAB II

STATISTIKA DESKRIPTIF

upakan bagian statistika yang membahas te

gga informasi yang terkandung dalam data mu

beberapa cara mendeskriptifkan data antara lai

grafik) dan cara mengukur dengan nilai rata-rat

ata tersebut adalah hasil penelitian mengenai

Mentari pada PT Satelit Palapa Indonesia

sampel Adapun data dalam worksheet adalah s

responden (15-25 tahun 25-34 tahun 35-43 ta

an responden (SLTP SMU Sarjana)

an kartu Mentari (dalam bulan)

a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun

an responden (dalam juta rupiah)

ghasilan responden (lt1juta 1-15juta 15-2juta

sponden terhadap daya jangkau (sangat luas l

onden terhadap kekuatan signal (sangat kuat k

nden terhadap kualitas suara (sangat baik baik

ogram data penghasilan responden

display normal curve tekan OK

tang penataan dan

ah dipahami dengan

dengan histogram

variance dll

analisis faktor yang

Surabaya dari 100

bagai berikut

hun)

gt3 tahun)

gt2juta)

uas cukup luas dan

uat cukup kuat dan

cukup baik kurang

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

Pie Chart

Misalkan kita ingin membuat pie

Pilih menu Graph gt Pie

Pilih Summary for groups of c

Kemudian masukkan define sli

Box Plot

Misalkan kita ingin membuat Bo

Pilih menu Graph gt Boxplot

Pilih Summaries of Separate

Kemudian masukkan Boxes Re

Deskriptif Ukur

Misalkan kita ingin membuat sta

Pilih menu Analyze gt Descript

Kemudian masukkan variables

hidupkan range lalu OK

983138 983090983088983088983096

P a g e | 9

chart data pendidikan responden

ases lalu define

es pddk tekan OK

Plot data lama penggunaan kartu mentari oleh

Variables lalu define

resent lama tekan OK

istika deskriptif data usia responden

ive Statistics gt Descriptive

usia tekan option dan pilih statistik yang

esponden

ibutuhkan misalkan

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 10

Deskriptif Frekuensi

Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau

kekuatan signal dan kualitas suara kartu Mentari

Pilih menu Analyze gt Descriptive Statistics gt Frequencies

Kemudian masukkan variables jangkau tekan OK

Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan

cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya

B STATISTIKA INFERENSIAL

Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika

(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk

menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat

diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk

menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti

terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu

statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika

inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat

data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik

bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya

tak normal walaupun dengan transformasi

1 Uji Kenormalan

Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran

normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya

Descriptive Statistics

100 28 15 43 2538 7663

100

USIA

Valid N (listwise)

N Range Minimum Maximum Mean Std Deviation

JANGKAU

26 260 260 260

46 460 460 720

19 190 190 910

9 90 90 1000

100 1000 1000

kurang luas

cukup luas

luas

sangat luas

Total

ValidFrequency Percent Valid Percent

Cumulative

Percent

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 11

adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang

diamati tidak normal

Contoh menggunakan data penghasilan responden pada data deskriptif

Apakah data penghasilan responden menyebar normal

Pilih menu Analyze gt Descriptive Statistics gt Explore

Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with

test continue dan OK

Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi

bahwa data penghasilan mempunyai sebaran normal karena

sig gt α (0106 gt 005)

2 Statistika Inferensi parametrik untuk 1 Populasi

Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai

dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak

diketahui dari data yang mempunyai sebaran normal

Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan

seluruh pelanggan kartu Mentari sebesar 1 juta

Hipotesis

Ho micro = 1 juta

lawan

H1 micro ne 1 juta

Maka statistik ujinya adalah

nsxt test microminus=

Selang kepercayaannya

αminus=+ltmicroltminus 1)ntsxntsx(P

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

i

1n

)xx(s

Tests of Normality

081 100 106 972 100 032PHSL

Statistic df Sig Statistic df Sig

Kolmogorov-Smirnova

Shapiro-Wilk

Lilliefors Significance Correctiona

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1322

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 12

Cara melakukan analisis dengan SPSS adalah sbb

Pilih menu Analyze gt Compare Means gt One sample T test

Kemudian masukkan Test variable phsl Test value 1 tekan OK

Hasil SPSS ini berarti

Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value

sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-

rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta

C Statistika inferensi parametrik untuk 2 populasi

C1 Dua populasi bebas (Independent )

Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai

karakteristik yang berbeda

Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan

penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas

kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)

menggunakan metode pola latihan SQ3R

Statistik uji dan hipotesisnya adalah

H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2

Uji statistiknya - Untuk ragam kedua populasi sama

)n

1

n

1(s

xxt

21

2

gab

21

test

+

minus=

2nn

s)1n(s)1n(s

21

2

22

2

112

gab minus+

minus+minus=

- Untuk ragam kedua populasi berbeda

)n

s

n

s

(

xxt

2

2

2

1

2

1

21

test

+

minus=

One-Sample Statistics

100 1501 5544 0554PHSL

N Mean Std Deviation

Std Error

Mean

One-Sample Test

9037 99 000 501 391 611PHSL

t df Sig (2-tailed)

Mean

Difference Lower Upper

95 Confidence

Interval of the

Difference

Test Value = 1

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 13

- Selang kepercayaan untuk ragam kedua populasi sama

αminus=++minusltmicrominusmicrolt+minusminus 1)

n

1

n

1(st)xx(

n

1

n

1(st)xx((P

21

2

gab2121

21

2

gab21

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)

- Selang kepercayaan untuk ragam kedua populasi berbeda

αminus=++minusltmicrominusmicrolt+minusminus 1)n

s

n

st)xx(

n

s

n

st)xx((P

2

2

2

1

2

12121

2

2

2

1

2

121

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar

2

)1n(

)ns(

)1n(

)ns(

)nsns(v

2

2

2

2

2

1

2

1

2

1

2

2

2

21

2

1 minus

+++

+=

Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005

Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun

kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas

pertama (kelas biasa) atau kelas kedua (kelas sq3r)

Cara melakukan analisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Compare Means gt Independent samples T test

Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK

Group Statistics

30 581973 534223 97535

30 756117 405790 74087

KELAS

biasa

sq3r

NILAI

N Mean Std Deviation

Std Error

Mean

Independent Samples Test

620 434 -142 58 000 -174143 122483 -1987 -1496

-142 54 000 -174143 122483 -1987 -1496

Equal variances

assumed

Equal variances

not assumed

NILAI

F Sig

LevenesTest for

Equality of

Variances

t df

Sig

(2-tailed)

Mean

Difference

Std Error

Difference Lower Upper

95

Confidence

Interval of the

Difference

t-test for Equality of Means

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 14

Hasil SPSS berarti

Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil

pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)

sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama

Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)

diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat

perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen

lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa

C2 Dua populasi dependen (dua populasi berpasangan)

Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara

berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu

data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen

(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara

mengamatinya secara berpasang-pasangan

Statistik uji dan hipotesisnya sebagai berikut

H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB

Statistik ujinya

ns

Dt

Dtest

=

di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya

αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

iD

1n

)DD(s

Contoh

Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi

konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD

Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data

hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan

plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)

Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan

makanan modern

Pilih menu Analyze gt Compare Means gt Paired-samples T tes

Kemudian masukkan Paired variable prdtra dan prdmod tekan OK

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 15

Hasil SPSS ini berarti

Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =

klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi

tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat

perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern

D Uji Instrumentasi Penelitian

Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat

pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan

uji instrumentasi yaitu uji validitas dan reliabilitas

D1 Uji Validitas

Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil

penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang

sesungguhnya terjadi pada obyek yang diteliti

Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi

product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat

digunakan rumus

rxy =( )( )

( )( ) ( )( )sum sumsum sumsumsum sum

minusminus

minus2222

YY NXX N

YXXY N

Keterangan

rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan

Paired Samples Statistics

406 108 600 058

239 108 884 085

PRDTRAD

PRDMOD

Pair

1

Mean N Std Deviation

Std Error

Mean

Paired Samples Correlations

108 128 186PRDTRAD amp PRDMODPair 1

N Correlation Sig

Paired Samples Test

168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1

MeanStd

Deviation

Std

Error Mean Lower Upper

95 Confidence

Interval of the

Difference

Paired Differences

t df Sig

(2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 2: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 1

BAB I

PENDAHULUAN

A LATAR BELAKANG

Dalam banyak kasus orang sering enggan menyelesaikan permasalahan-permasalahan

yang berkaitan dengan statistika Hal ini terjadi karena secara umum orang mengetahui bahwa

statistika adalah ilmu yang sulit dan penuh rumus-rumus matematika yang tidak mudah

dipahami Namun kita tidak bisa memungkiri dan telah mengetahui bersama bahwa statistika

merupakan salah satu ilmu yang banyak digunakan dan dibutuhkan dalam penelitian

pengambilan keputusan dan penentuan kebijakan yang berbasis data dan fakta sebagai

informasi di berbagai bidang Oleh karena itu para peneliti mau tidak mau harus memahami

statistika walaupun tidak melalui pemodelan dasar matematikanya tetapi menguasai ciri dan

karakteristik serta persyaratan cukup dari penggunaan metode-metode statistik yang dibarengioleh penguasaan pengetahuan struktur data setiap metode pada paket program statistika yang

memfasilitasinya

Kini permasalahan-permasalahan statistika bukan suatu masalah rumit karena seiring

dengan perkembangan teknologi komputer pekerjaan statistik sangat terbantu dengan adanya

program aplikasi komputer untuk statistik yang kini sudah banyak dipasarkan Komputer sangat

membantu membantu pekerjaan statistik terutama dalam melakukan perhitungan statistik yang

menggunakan rumus-rumus matematika yang rumit dan banyak data SPSS merupakan salah

satu program aplikasi untuk analisis statistik yang sudah cukup diakui

B PENGANTAR STATISTIKA

Dengan merujuk pada definisi tersebut maka peranan statistika dapat diilustrasikan seperti padabagan berikut

Gambar 11 Peranan Statistika dalam proses penelitian

Statistika adalah Ilmu dan atau seni yang berkaitan dengan tata cara (metode) pengumpulan data analisis data dan interpretasi hasil analisis untuk mendapatkaninformasi sebagai landasan di dalam pengambilan keputusan dan penarikan kesimpulan

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 322

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 2

Ciri pokok statistika adalah merupakan pendekatan kuantitatif yaitu menghendaki data bersifat

numerik Sehingga data kualitatif harus dirubah ke bentuk numerik (dengan cara memberikan

skor)

Statistika merupakan alat yang memberikan obyektivitas dan ketelitian pengamatan dan

keuntungan berpikir statistika adalah

Lebih mementingkan fakta dari pada konsep (teori) yang bersifat abstrak ataupun

prasangkaperasaan

Tidak mengekspresikan fakta ke dalam perasaan atau ide Menggunakan gambaran yang

diturunkan dari hasil pengamatan (data) spesifik

Di dalam hasil pengamatan terdapat variasi yang merupakan bagian yang tersembunyi dan

mencari bagian tersembunyi ini merupakan tujuan puncak pengamatan

D VARIABEL PENELITIAN

Sebelum ke pembahasan lebih lanjut agar memiliki persepsi yang sama maka akan

diuraikan pengertian tentang variabel dan data Untuk mempermudah memahami pengertian

variabel dan data perhatikan ilustrasi pada Tabel 11 berikut

Tabel 11 Beberapa obyek penelitian sifat-sifat yang dimiliki dan datanya

Obyek Karakteristik Hasil amatan

Petani

Perusahaan A

Puskesmas

- Agama- Umur- Pendidikan

- Modal- Aset- Bentuk

- Kinerja Manajerial- Kepuasan Pasien- Kepuasan Karyawan

- Islam- 50 tahun- SLTA

- Satu milyar Rp- 12 milyad Rp- Perorangan

- Skala Likert- Skala Likert- Skala Likert

Di dalam statistikadisebut

Obyek kajian

Karakteristik yang relevandengan permaslahan

Variabel atau peubahTunggal = Datum Jamak = Data

Merujuk pada tabel di atas variabel dapat didefinisikan sebagai karakteristik atau sifat dari

obyek kajian yang mana data diamati atau diukur atau dicacah dari padanya Namun demikian

tidak semua karakteristik yang melekat pada suatu obyek mesti merupakan variabel penelitian

akan tetapi hanyalah karakteristik yang mempunyai relevansi dengan permasalahan penelitian

disebut variabel

Ditinjau dari keberadaan keterkaitan dan struktur pengaruhnya di dalam hipotesis

(permasalahan) penelitian variabel dapat dibedakan menjadi intraneous dan extraneous

variables Intraneous variables adalah variabel yang tercakup di dalam hipotesis penelitian

Sedangkan extraneous variables adalah variabel yang tidak tercakup di dalam hipotesispenelitian akan tetapi memiliki kontribusi pengaruh terhadap variabel dependen

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 3

Intraneous variables meliputi

(1) Variabel tergantung (dependent variables ) adalah suatu variabel yang tercakup di

dalam hipotesis penelitian yang keragamannya (variabilitasnya) ditentukan atau

tergantung atau dipengaruhi oleh variabel lainnya

(2) Variabel bebas (independent variables ) adalah suatu variabel tercakup di dalam hipotesis

penelitian yang keragamannya sebagai akibat dari manipulasi atau intervensi

peneliti atau merupakan suatu keadaan atau kondisi atau fenomena yang ingin

diselidiki diteliti atau dikaji Variabel ini mempengaruhi variabel tergantung

(3) Variabel antara atau variabel intervening (intervene variables ) adalah variabel yang

bersifat menjadi perantara (mediating ) dari hubungan variabel bebas ke variabel

tergantung Sifatnya dapat memperlemah atau memperkuat hubungan antara variabel

bebas dengan variabel tergantung

(4) Variabel Moderator adalah variabel yang bersifat memperkuat atau memperlemahpengaruh variabel bebas terhadap variabel tergantung

Extraneous variables meliputi

(1) Variabel pembaur (confounding variables ) adalah suatu variabel dalam penelitian yang

tidak tercakup dalam hipotesis penelitian akan tetapi muncul dalam penelitian dan

berpengaruh terhadap variabel tergantung Pengaruhnya mencampuri atau berbaur dengan

variabel bebas Suatu penelitian biasanya ingin mengetahui pengaruh variabel bebas

terhadap variabel tergantung yang tentunya pengaruh tersebut harus terbebas dari

berbaurnya pengaruh variabel-variabel lain

(2) Variabel kendali (control variables ) adalah variabel pembaur (cofounding ) yang

pengaruhnya dapat dikendalikan Pengendalian dapat diakukan dengan cara blocking yaitu

mengelompokkan obyek penelitian menjadi kelompok-kelompok yang relatif homogen Cra

kedua adalah melalui kriteria ekalusi-inklusi yaitu mengeluarkan obyek yang tidak memenuhi

kriteria (ekslusi) dan mengambil obyek yang memenuhi kriteria untuk diikutkan dalam sampel

penelitian (inklusi)

(3) Variabel penyerta (concomitant variables ) adalah variabel pembaur (cofounding ) yang

tidak dapat dikendalikan sehingga tetap menyertai (terikut) dalam proses penelitian

Konsekuensinya data tersebut harus diamati Pengaruh baurnya dihilangkan (dieliminasi)

pada tahap analisis data misalnya dengan ANCOVA atau MANCOVA

Bilamana variabel penelitian telah ditentukan kemudian harus dibuat definisi operasional

variabel secara tegas dan tajam dengan merujuk pada teori dan konsep yang relevan Langkah

berikutnya data collecting dapat dilakukan

Suatu penelitian dapat memiliki seluruh jenis variabel tersebut atau hanya memiliki

sebagian saja Terlibatnya seluruh variabel atau tidak membawa konsekuensi terhadap metode

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 4

analisis data yang akan digunakan Dengan kata lain perlu dilakukan pemilihan metode

analisis yang tepat sehubungan dengan jenis dan jumlah variabel yang akan dianalisis

E DATA PENELITIAN

D a t a adalah bentuk jamak dari kata datum (Bahasa Latin) yang artinya kurnia atau

pemberian atau penyajian Dalam kontek statistika data diartikan sebagai berikut

Data adalah kumpulan angka fakta fenomena atau keadaan atau lainnya yang merupakan hasil

pengamatan pengukuran atau pencacahan dan sebagainya terhadap variabel dari suatu obyek

kajian yang berfungsi dapat digunakan untuk membedakan obyek yang satu dengan lainnya

pada variabel yang sama

a) Jenis data berdasarkan sifat kekontinyuannyaBerdasarkan sifat kekontinyuannya data hasil pengamatan dapat dibedakan menjadi

data diskrit dan kontinyu

(1) Data diskrit adalah data yang hanya dapat menempati titik-titik tertentu pada sebuah garis

Misal jumlah anak = 0 1 2 3 4 5 6

0 1 2 3 4--+-------+--------+--------+--------+--------+--

(hanya dapat menempati +)

(2) Data kontinyu adalah data yang dapat menempati seluruh titik pada sebuah garis Misal

Data Pendapatan Per Kapita Per Bulan = 150 ribu rupiah sampai dengan 2 juta rupiah

++++++++++++++++++++++++++++++++++

150 ribu rupiah 2 juta rupiah

(seluruh titik dapat ditempati data pendapatan)

b) Jenis Data Berdasarkan Skala Ukurnya

Berdasarkan skala ukurnya data dapat dibedakan menjadi data nominal ordinal interval dan

ratio

(1) Data nominal adalah data yang hanya mengandung unsur penamaan (Bahasa Latin nomos =

nama) Misal

Bntuk Perusahaan Skor yang mungkin

PT 1 3 2CV 2 2 1

Perorangan 3 1 3

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 5

Statistika adalah pendekatan kuantitatif sehingga data nominal yang bersifat kualitatif harus

dirubah menjadi bentuk numerik dengan cara pemberian skor (skoring)

Perhatikan pemberian skor data nominal bersifat sembarang yaitu hanya sekedar untuk dapat

membedakan (penamaan saja) sehingga dapat dibolak-balik

(2) Data ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur urutan

(order = urutan) Misal

Sikap Skor yang mungkin

Sangat setuju 4 1Setuju 3 2Kurang setuju 2 3Tidak setuju 1 4

Perhatikan dengan seksama pembuatan skor antara data nominal dan ordinal dimana untuk data

nominal skor tersebut dapat dibuat sembarang yaitu hanya sekedar dapat mebedakan Akan

tetapi untuk data ordinal urutan angka dalam skor menunjukkan arah tingkatan Pada data

ordinal ini interval (selang)-nya tidak mempunyai arti (tidak bermakna) misalnya selisih antara

skor 4 dengan 2 adalah 2 dan selisih antara 3 dengan 1 adalah 2 yang mana 2 dengan 2 arti

dan maknanya tidak sama

(3) Data interval adalah data yang selain mengandung unsur penamaan dan urutan juga memiliki

sifat interval (selang)-nya bermakna Di samping itu data ini memiliki ciri angka nol-nya tidak

mutlak Misal

Indeks Prestasi Suhu (oC) IHK

0 0 1001 10 1152 20 1203 30 1204 40 140

Perhatikan bahwa 0 pada Indeks Prestasi barangkali akan setara dengan lt 30 untuk skala nilai 1

ndash 100 dan 0 pada suhu dengan derajat Celcius = 32 oF Ratio dari data ini tidak memiliki

makna misal IP 4 bukan berarti pintarnya sama dengan dua kali IP 2 demikian halnya suhu 40 o

C bukan berarti panasnya frac12 dari suhu 80o C

(4) Data ratio adalah data yang memiliki unsur penamaan urutan intervalnya bermakna dan angka

nolnya mutlak sehingga rationya mempunyai makna Misal

Pendapatan($)

Panjang Jalan(km)

21 12045 14070 160

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 6

Disebut nol-nya mutlak sebab memang tidak akan ada benda (jalan) yang panjangnya nol

kilometer Pendapatan 0 berarti tidak menghasilkan pendapatan sama sekali

Jika kedua klasifikasi data tersebut dikombinasikan maka akan diperoleh seperti pada Tabel 12

sebagai berikut

Tabel 12 Kaitan antara skala ukur data dengan sifat kekontinyuannya

DISKRIT KONTINYU

NOMINAL V

ORDINAL V

INTERVAL V V

RATIO V V

Keterangan V = bersesuaian

F Taraf Nyata (αααα) dan p-value

Taraf nyata αααα adalah peluang menolak Ho yang pada hakekanya benar disebut peluang salah

jenis tipe I

αααα = P(Ho ditolak Ho benar)

Secara pragmatis alpha didefinisikan sebagai resiko salah dalam penarikan kesimpulan penelitian

Dengan memperkecil αααα berarti memperkecil resiko salah dalam penarikan kesimpulan Hal ini

dapat ditempuh dengan jalan memperkecil kesalahan (ketidakpastian) dalam setiap langkah

rangkaian analisis data inferensial Untuk memahami lebih lanjut mengenai αααα dapat diperhatikan

ilustarasi di bawah ini

Pelaksanaan pelatihan terhadap karyawan diharapkan dapat meningkatkan kinerjanya Untuk itu

dilakukan penelitian dengan mengajukan hipotesis statistika

Ho microb = micros lawan

H1 microb lt micros

Dalam hal ini microb = kinerja sebelum dilakukan pelatihan dan micros = kinerja sesudah dilakuan pelatihan

Katakanlah hasil pengujian cukup bermakna dengan p = 0027 Interpretasi Pelatihan dapatmeningkatkan kinerja karyawan Dimana kesimpulan tersebut mengandung resiko salah sebesar 27

Arti pragmatisnya Seandainya akan dilakukan pelatihan terhadap 1000 karyawan maka

berdasarkan hasil penelitian tersebut dimungkinkan 27 orang kinerjanya tidak meningkat

Perbedaan antara α dengan p-value

Besarnya α ditetukan berdasarkan konvensi (kesepakatan) para ahli yaitu 1 untuk penelitian

yang sifatnya kritis dan 5 untuk yang kurang kritis Nilai (titik) kritis beberapa statistik uji

misalnya t F Z dan χ2 pada alpha 1 5 atau 10 telah dihitung dan di tabelkan Sehingga

pengguna statistika tidak perlu sulit-sulit menghitungnya sendiri Hal ini dilatarbelakangi oleh kendala

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 7

sulitnya prosedur perhitungan tersebut terutama sebelum berkembangnya komputer Untuk jelasnya

perhatikan uraian berikut Untuk menghitung atau p pada statistik t dengan nilai thitung = 2288 pada

derajat bebas (db) = 10 adalah

( ) ( )

005t1

10210

21

12

1102

2882

=+

Β

int+

minus+infin

dt

dalam hal ini B(____) adalah fungsi Beta Dengan kata lain untuk thit = 2288 dengan db=10

diperoleh p = 005 atau dengan α = 005 dan db=10 diperoleh ttabel = 2288

Oleh karena itu sebelum komputer berkembang para ahli menggunakan mesin hitung yang

telah ada untuk menghitung permasalahan tersebut dan hasilnya dituangkan dalam Tabel Kaidah

pengujiannya adalah jika thit gt ttabel pada α tertentu maka tolak Ho dan sebaliknya Kelemahannya

adalah tidak bisa memberikan informasi resiko salah secara eksak Jadi seandainya p yang

sebenarnya = 0017 dan pada uji konvensional digunakan α = 005 maka resiko salah dalam

penarikan kesimpulan adalah 5 yang sebenarnya secara eksak adalah 17

Dengan berkembangnya komputer perhitungan nilai p untuk beberapa statistik uji dapat

dengan mudah dan cepat dilakukan Umumnya dinyatakan dalam notasi p-value atau p saja atau

Sig (di SPSS) Dengan demikian dapat dikatakan bahwa p adalah berupa signifikansi aktual

sedangkan alpha adalah signifikansi batas Berdasarkan taraf uji aktual yang merujuk pada p-value

maka keputusan uji hipotesis akan berbunyi

Tolak H 0 (bermakna) dengan resiko salah sebesar p x 100

Mengenai berapa besar nilai p yang masih dapat ditolerir sangat tergantung dari tingkat kekritisan

penelitian dan kepentingan pengguna hasil penelitian

Berdasarkan uraian tersebut dapat dikatakan bahwa kesimpulan yang ditarik berdasarkan uji

statistik tidak pernah bersifat benar mutlak Misal jika pengujian secara statistik mendapatkan

bahwa obat O dapat menyembuhkan penyakit S dengan p = 002 maka tidak semua penderita

penyakit S yang diobati O pasti sembuh akan tetapi dimungkinkan 98 sembuh dan 2 tidak

sembuh Oleh karena itu kesimpulan statistika tidak pernah dogmatis

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

A STATISTIKA DISKRIPTIF

Statistika diskriptif mer

deskripsi (gambaran) data sehin

sajian yang lebih menarik Ada

pie chart boxplot (dalam bentuk

Buka data SPSS deskriptif D

mempengaruhi pembelian kart

responden yang diambil sebagai

- usia adalah usia responden

- kusia adalah kelompok usi

- pddk adalah tingkat pendidi

- lama adalah lama penggun

- klama adalah kelompok la

- phsl adalah penghasilanbul

- kphsl adalah kelompok pen

- jangkau adalah penilaian r

kurang luas)

- signal adalah penilaian resp

kurang kuat)

- suara adalah penilaian resp

baik)

Histogram

Misalkan kita ingin membuat his

Pilih menu Graph gt Histogram

Lalu isi Variable phsl hidupka

983138 983090983088983088983096

P a g e | 8

BAB II

STATISTIKA DESKRIPTIF

upakan bagian statistika yang membahas te

gga informasi yang terkandung dalam data mu

beberapa cara mendeskriptifkan data antara lai

grafik) dan cara mengukur dengan nilai rata-rat

ata tersebut adalah hasil penelitian mengenai

Mentari pada PT Satelit Palapa Indonesia

sampel Adapun data dalam worksheet adalah s

responden (15-25 tahun 25-34 tahun 35-43 ta

an responden (SLTP SMU Sarjana)

an kartu Mentari (dalam bulan)

a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun

an responden (dalam juta rupiah)

ghasilan responden (lt1juta 1-15juta 15-2juta

sponden terhadap daya jangkau (sangat luas l

onden terhadap kekuatan signal (sangat kuat k

nden terhadap kualitas suara (sangat baik baik

ogram data penghasilan responden

display normal curve tekan OK

tang penataan dan

ah dipahami dengan

dengan histogram

variance dll

analisis faktor yang

Surabaya dari 100

bagai berikut

hun)

gt3 tahun)

gt2juta)

uas cukup luas dan

uat cukup kuat dan

cukup baik kurang

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

Pie Chart

Misalkan kita ingin membuat pie

Pilih menu Graph gt Pie

Pilih Summary for groups of c

Kemudian masukkan define sli

Box Plot

Misalkan kita ingin membuat Bo

Pilih menu Graph gt Boxplot

Pilih Summaries of Separate

Kemudian masukkan Boxes Re

Deskriptif Ukur

Misalkan kita ingin membuat sta

Pilih menu Analyze gt Descript

Kemudian masukkan variables

hidupkan range lalu OK

983138 983090983088983088983096

P a g e | 9

chart data pendidikan responden

ases lalu define

es pddk tekan OK

Plot data lama penggunaan kartu mentari oleh

Variables lalu define

resent lama tekan OK

istika deskriptif data usia responden

ive Statistics gt Descriptive

usia tekan option dan pilih statistik yang

esponden

ibutuhkan misalkan

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 10

Deskriptif Frekuensi

Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau

kekuatan signal dan kualitas suara kartu Mentari

Pilih menu Analyze gt Descriptive Statistics gt Frequencies

Kemudian masukkan variables jangkau tekan OK

Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan

cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya

B STATISTIKA INFERENSIAL

Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika

(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk

menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat

diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk

menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti

terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu

statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika

inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat

data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik

bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya

tak normal walaupun dengan transformasi

1 Uji Kenormalan

Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran

normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya

Descriptive Statistics

100 28 15 43 2538 7663

100

USIA

Valid N (listwise)

N Range Minimum Maximum Mean Std Deviation

JANGKAU

26 260 260 260

46 460 460 720

19 190 190 910

9 90 90 1000

100 1000 1000

kurang luas

cukup luas

luas

sangat luas

Total

ValidFrequency Percent Valid Percent

Cumulative

Percent

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 11

adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang

diamati tidak normal

Contoh menggunakan data penghasilan responden pada data deskriptif

Apakah data penghasilan responden menyebar normal

Pilih menu Analyze gt Descriptive Statistics gt Explore

Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with

test continue dan OK

Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi

bahwa data penghasilan mempunyai sebaran normal karena

sig gt α (0106 gt 005)

2 Statistika Inferensi parametrik untuk 1 Populasi

Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai

dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak

diketahui dari data yang mempunyai sebaran normal

Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan

seluruh pelanggan kartu Mentari sebesar 1 juta

Hipotesis

Ho micro = 1 juta

lawan

H1 micro ne 1 juta

Maka statistik ujinya adalah

nsxt test microminus=

Selang kepercayaannya

αminus=+ltmicroltminus 1)ntsxntsx(P

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

i

1n

)xx(s

Tests of Normality

081 100 106 972 100 032PHSL

Statistic df Sig Statistic df Sig

Kolmogorov-Smirnova

Shapiro-Wilk

Lilliefors Significance Correctiona

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1322

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 12

Cara melakukan analisis dengan SPSS adalah sbb

Pilih menu Analyze gt Compare Means gt One sample T test

Kemudian masukkan Test variable phsl Test value 1 tekan OK

Hasil SPSS ini berarti

Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value

sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-

rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta

C Statistika inferensi parametrik untuk 2 populasi

C1 Dua populasi bebas (Independent )

Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai

karakteristik yang berbeda

Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan

penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas

kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)

menggunakan metode pola latihan SQ3R

Statistik uji dan hipotesisnya adalah

H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2

Uji statistiknya - Untuk ragam kedua populasi sama

)n

1

n

1(s

xxt

21

2

gab

21

test

+

minus=

2nn

s)1n(s)1n(s

21

2

22

2

112

gab minus+

minus+minus=

- Untuk ragam kedua populasi berbeda

)n

s

n

s

(

xxt

2

2

2

1

2

1

21

test

+

minus=

One-Sample Statistics

100 1501 5544 0554PHSL

N Mean Std Deviation

Std Error

Mean

One-Sample Test

9037 99 000 501 391 611PHSL

t df Sig (2-tailed)

Mean

Difference Lower Upper

95 Confidence

Interval of the

Difference

Test Value = 1

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 13

- Selang kepercayaan untuk ragam kedua populasi sama

αminus=++minusltmicrominusmicrolt+minusminus 1)

n

1

n

1(st)xx(

n

1

n

1(st)xx((P

21

2

gab2121

21

2

gab21

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)

- Selang kepercayaan untuk ragam kedua populasi berbeda

αminus=++minusltmicrominusmicrolt+minusminus 1)n

s

n

st)xx(

n

s

n

st)xx((P

2

2

2

1

2

12121

2

2

2

1

2

121

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar

2

)1n(

)ns(

)1n(

)ns(

)nsns(v

2

2

2

2

2

1

2

1

2

1

2

2

2

21

2

1 minus

+++

+=

Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005

Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun

kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas

pertama (kelas biasa) atau kelas kedua (kelas sq3r)

Cara melakukan analisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Compare Means gt Independent samples T test

Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK

Group Statistics

30 581973 534223 97535

30 756117 405790 74087

KELAS

biasa

sq3r

NILAI

N Mean Std Deviation

Std Error

Mean

Independent Samples Test

620 434 -142 58 000 -174143 122483 -1987 -1496

-142 54 000 -174143 122483 -1987 -1496

Equal variances

assumed

Equal variances

not assumed

NILAI

F Sig

LevenesTest for

Equality of

Variances

t df

Sig

(2-tailed)

Mean

Difference

Std Error

Difference Lower Upper

95

Confidence

Interval of the

Difference

t-test for Equality of Means

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 14

Hasil SPSS berarti

Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil

pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)

sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama

Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)

diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat

perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen

lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa

C2 Dua populasi dependen (dua populasi berpasangan)

Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara

berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu

data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen

(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara

mengamatinya secara berpasang-pasangan

Statistik uji dan hipotesisnya sebagai berikut

H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB

Statistik ujinya

ns

Dt

Dtest

=

di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya

αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

iD

1n

)DD(s

Contoh

Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi

konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD

Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data

hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan

plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)

Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan

makanan modern

Pilih menu Analyze gt Compare Means gt Paired-samples T tes

Kemudian masukkan Paired variable prdtra dan prdmod tekan OK

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 15

Hasil SPSS ini berarti

Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =

klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi

tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat

perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern

D Uji Instrumentasi Penelitian

Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat

pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan

uji instrumentasi yaitu uji validitas dan reliabilitas

D1 Uji Validitas

Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil

penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang

sesungguhnya terjadi pada obyek yang diteliti

Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi

product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat

digunakan rumus

rxy =( )( )

( )( ) ( )( )sum sumsum sumsumsum sum

minusminus

minus2222

YY NXX N

YXXY N

Keterangan

rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan

Paired Samples Statistics

406 108 600 058

239 108 884 085

PRDTRAD

PRDMOD

Pair

1

Mean N Std Deviation

Std Error

Mean

Paired Samples Correlations

108 128 186PRDTRAD amp PRDMODPair 1

N Correlation Sig

Paired Samples Test

168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1

MeanStd

Deviation

Std

Error Mean Lower Upper

95 Confidence

Interval of the

Difference

Paired Differences

t df Sig

(2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 3: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 322

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 2

Ciri pokok statistika adalah merupakan pendekatan kuantitatif yaitu menghendaki data bersifat

numerik Sehingga data kualitatif harus dirubah ke bentuk numerik (dengan cara memberikan

skor)

Statistika merupakan alat yang memberikan obyektivitas dan ketelitian pengamatan dan

keuntungan berpikir statistika adalah

Lebih mementingkan fakta dari pada konsep (teori) yang bersifat abstrak ataupun

prasangkaperasaan

Tidak mengekspresikan fakta ke dalam perasaan atau ide Menggunakan gambaran yang

diturunkan dari hasil pengamatan (data) spesifik

Di dalam hasil pengamatan terdapat variasi yang merupakan bagian yang tersembunyi dan

mencari bagian tersembunyi ini merupakan tujuan puncak pengamatan

D VARIABEL PENELITIAN

Sebelum ke pembahasan lebih lanjut agar memiliki persepsi yang sama maka akan

diuraikan pengertian tentang variabel dan data Untuk mempermudah memahami pengertian

variabel dan data perhatikan ilustrasi pada Tabel 11 berikut

Tabel 11 Beberapa obyek penelitian sifat-sifat yang dimiliki dan datanya

Obyek Karakteristik Hasil amatan

Petani

Perusahaan A

Puskesmas

- Agama- Umur- Pendidikan

- Modal- Aset- Bentuk

- Kinerja Manajerial- Kepuasan Pasien- Kepuasan Karyawan

- Islam- 50 tahun- SLTA

- Satu milyar Rp- 12 milyad Rp- Perorangan

- Skala Likert- Skala Likert- Skala Likert

Di dalam statistikadisebut

Obyek kajian

Karakteristik yang relevandengan permaslahan

Variabel atau peubahTunggal = Datum Jamak = Data

Merujuk pada tabel di atas variabel dapat didefinisikan sebagai karakteristik atau sifat dari

obyek kajian yang mana data diamati atau diukur atau dicacah dari padanya Namun demikian

tidak semua karakteristik yang melekat pada suatu obyek mesti merupakan variabel penelitian

akan tetapi hanyalah karakteristik yang mempunyai relevansi dengan permasalahan penelitian

disebut variabel

Ditinjau dari keberadaan keterkaitan dan struktur pengaruhnya di dalam hipotesis

(permasalahan) penelitian variabel dapat dibedakan menjadi intraneous dan extraneous

variables Intraneous variables adalah variabel yang tercakup di dalam hipotesis penelitian

Sedangkan extraneous variables adalah variabel yang tidak tercakup di dalam hipotesispenelitian akan tetapi memiliki kontribusi pengaruh terhadap variabel dependen

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 3

Intraneous variables meliputi

(1) Variabel tergantung (dependent variables ) adalah suatu variabel yang tercakup di

dalam hipotesis penelitian yang keragamannya (variabilitasnya) ditentukan atau

tergantung atau dipengaruhi oleh variabel lainnya

(2) Variabel bebas (independent variables ) adalah suatu variabel tercakup di dalam hipotesis

penelitian yang keragamannya sebagai akibat dari manipulasi atau intervensi

peneliti atau merupakan suatu keadaan atau kondisi atau fenomena yang ingin

diselidiki diteliti atau dikaji Variabel ini mempengaruhi variabel tergantung

(3) Variabel antara atau variabel intervening (intervene variables ) adalah variabel yang

bersifat menjadi perantara (mediating ) dari hubungan variabel bebas ke variabel

tergantung Sifatnya dapat memperlemah atau memperkuat hubungan antara variabel

bebas dengan variabel tergantung

(4) Variabel Moderator adalah variabel yang bersifat memperkuat atau memperlemahpengaruh variabel bebas terhadap variabel tergantung

Extraneous variables meliputi

(1) Variabel pembaur (confounding variables ) adalah suatu variabel dalam penelitian yang

tidak tercakup dalam hipotesis penelitian akan tetapi muncul dalam penelitian dan

berpengaruh terhadap variabel tergantung Pengaruhnya mencampuri atau berbaur dengan

variabel bebas Suatu penelitian biasanya ingin mengetahui pengaruh variabel bebas

terhadap variabel tergantung yang tentunya pengaruh tersebut harus terbebas dari

berbaurnya pengaruh variabel-variabel lain

(2) Variabel kendali (control variables ) adalah variabel pembaur (cofounding ) yang

pengaruhnya dapat dikendalikan Pengendalian dapat diakukan dengan cara blocking yaitu

mengelompokkan obyek penelitian menjadi kelompok-kelompok yang relatif homogen Cra

kedua adalah melalui kriteria ekalusi-inklusi yaitu mengeluarkan obyek yang tidak memenuhi

kriteria (ekslusi) dan mengambil obyek yang memenuhi kriteria untuk diikutkan dalam sampel

penelitian (inklusi)

(3) Variabel penyerta (concomitant variables ) adalah variabel pembaur (cofounding ) yang

tidak dapat dikendalikan sehingga tetap menyertai (terikut) dalam proses penelitian

Konsekuensinya data tersebut harus diamati Pengaruh baurnya dihilangkan (dieliminasi)

pada tahap analisis data misalnya dengan ANCOVA atau MANCOVA

Bilamana variabel penelitian telah ditentukan kemudian harus dibuat definisi operasional

variabel secara tegas dan tajam dengan merujuk pada teori dan konsep yang relevan Langkah

berikutnya data collecting dapat dilakukan

Suatu penelitian dapat memiliki seluruh jenis variabel tersebut atau hanya memiliki

sebagian saja Terlibatnya seluruh variabel atau tidak membawa konsekuensi terhadap metode

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 4

analisis data yang akan digunakan Dengan kata lain perlu dilakukan pemilihan metode

analisis yang tepat sehubungan dengan jenis dan jumlah variabel yang akan dianalisis

E DATA PENELITIAN

D a t a adalah bentuk jamak dari kata datum (Bahasa Latin) yang artinya kurnia atau

pemberian atau penyajian Dalam kontek statistika data diartikan sebagai berikut

Data adalah kumpulan angka fakta fenomena atau keadaan atau lainnya yang merupakan hasil

pengamatan pengukuran atau pencacahan dan sebagainya terhadap variabel dari suatu obyek

kajian yang berfungsi dapat digunakan untuk membedakan obyek yang satu dengan lainnya

pada variabel yang sama

a) Jenis data berdasarkan sifat kekontinyuannyaBerdasarkan sifat kekontinyuannya data hasil pengamatan dapat dibedakan menjadi

data diskrit dan kontinyu

(1) Data diskrit adalah data yang hanya dapat menempati titik-titik tertentu pada sebuah garis

Misal jumlah anak = 0 1 2 3 4 5 6

0 1 2 3 4--+-------+--------+--------+--------+--------+--

(hanya dapat menempati +)

(2) Data kontinyu adalah data yang dapat menempati seluruh titik pada sebuah garis Misal

Data Pendapatan Per Kapita Per Bulan = 150 ribu rupiah sampai dengan 2 juta rupiah

++++++++++++++++++++++++++++++++++

150 ribu rupiah 2 juta rupiah

(seluruh titik dapat ditempati data pendapatan)

b) Jenis Data Berdasarkan Skala Ukurnya

Berdasarkan skala ukurnya data dapat dibedakan menjadi data nominal ordinal interval dan

ratio

(1) Data nominal adalah data yang hanya mengandung unsur penamaan (Bahasa Latin nomos =

nama) Misal

Bntuk Perusahaan Skor yang mungkin

PT 1 3 2CV 2 2 1

Perorangan 3 1 3

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 5

Statistika adalah pendekatan kuantitatif sehingga data nominal yang bersifat kualitatif harus

dirubah menjadi bentuk numerik dengan cara pemberian skor (skoring)

Perhatikan pemberian skor data nominal bersifat sembarang yaitu hanya sekedar untuk dapat

membedakan (penamaan saja) sehingga dapat dibolak-balik

(2) Data ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur urutan

(order = urutan) Misal

Sikap Skor yang mungkin

Sangat setuju 4 1Setuju 3 2Kurang setuju 2 3Tidak setuju 1 4

Perhatikan dengan seksama pembuatan skor antara data nominal dan ordinal dimana untuk data

nominal skor tersebut dapat dibuat sembarang yaitu hanya sekedar dapat mebedakan Akan

tetapi untuk data ordinal urutan angka dalam skor menunjukkan arah tingkatan Pada data

ordinal ini interval (selang)-nya tidak mempunyai arti (tidak bermakna) misalnya selisih antara

skor 4 dengan 2 adalah 2 dan selisih antara 3 dengan 1 adalah 2 yang mana 2 dengan 2 arti

dan maknanya tidak sama

(3) Data interval adalah data yang selain mengandung unsur penamaan dan urutan juga memiliki

sifat interval (selang)-nya bermakna Di samping itu data ini memiliki ciri angka nol-nya tidak

mutlak Misal

Indeks Prestasi Suhu (oC) IHK

0 0 1001 10 1152 20 1203 30 1204 40 140

Perhatikan bahwa 0 pada Indeks Prestasi barangkali akan setara dengan lt 30 untuk skala nilai 1

ndash 100 dan 0 pada suhu dengan derajat Celcius = 32 oF Ratio dari data ini tidak memiliki

makna misal IP 4 bukan berarti pintarnya sama dengan dua kali IP 2 demikian halnya suhu 40 o

C bukan berarti panasnya frac12 dari suhu 80o C

(4) Data ratio adalah data yang memiliki unsur penamaan urutan intervalnya bermakna dan angka

nolnya mutlak sehingga rationya mempunyai makna Misal

Pendapatan($)

Panjang Jalan(km)

21 12045 14070 160

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 6

Disebut nol-nya mutlak sebab memang tidak akan ada benda (jalan) yang panjangnya nol

kilometer Pendapatan 0 berarti tidak menghasilkan pendapatan sama sekali

Jika kedua klasifikasi data tersebut dikombinasikan maka akan diperoleh seperti pada Tabel 12

sebagai berikut

Tabel 12 Kaitan antara skala ukur data dengan sifat kekontinyuannya

DISKRIT KONTINYU

NOMINAL V

ORDINAL V

INTERVAL V V

RATIO V V

Keterangan V = bersesuaian

F Taraf Nyata (αααα) dan p-value

Taraf nyata αααα adalah peluang menolak Ho yang pada hakekanya benar disebut peluang salah

jenis tipe I

αααα = P(Ho ditolak Ho benar)

Secara pragmatis alpha didefinisikan sebagai resiko salah dalam penarikan kesimpulan penelitian

Dengan memperkecil αααα berarti memperkecil resiko salah dalam penarikan kesimpulan Hal ini

dapat ditempuh dengan jalan memperkecil kesalahan (ketidakpastian) dalam setiap langkah

rangkaian analisis data inferensial Untuk memahami lebih lanjut mengenai αααα dapat diperhatikan

ilustarasi di bawah ini

Pelaksanaan pelatihan terhadap karyawan diharapkan dapat meningkatkan kinerjanya Untuk itu

dilakukan penelitian dengan mengajukan hipotesis statistika

Ho microb = micros lawan

H1 microb lt micros

Dalam hal ini microb = kinerja sebelum dilakukan pelatihan dan micros = kinerja sesudah dilakuan pelatihan

Katakanlah hasil pengujian cukup bermakna dengan p = 0027 Interpretasi Pelatihan dapatmeningkatkan kinerja karyawan Dimana kesimpulan tersebut mengandung resiko salah sebesar 27

Arti pragmatisnya Seandainya akan dilakukan pelatihan terhadap 1000 karyawan maka

berdasarkan hasil penelitian tersebut dimungkinkan 27 orang kinerjanya tidak meningkat

Perbedaan antara α dengan p-value

Besarnya α ditetukan berdasarkan konvensi (kesepakatan) para ahli yaitu 1 untuk penelitian

yang sifatnya kritis dan 5 untuk yang kurang kritis Nilai (titik) kritis beberapa statistik uji

misalnya t F Z dan χ2 pada alpha 1 5 atau 10 telah dihitung dan di tabelkan Sehingga

pengguna statistika tidak perlu sulit-sulit menghitungnya sendiri Hal ini dilatarbelakangi oleh kendala

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 7

sulitnya prosedur perhitungan tersebut terutama sebelum berkembangnya komputer Untuk jelasnya

perhatikan uraian berikut Untuk menghitung atau p pada statistik t dengan nilai thitung = 2288 pada

derajat bebas (db) = 10 adalah

( ) ( )

005t1

10210

21

12

1102

2882

=+

Β

int+

minus+infin

dt

dalam hal ini B(____) adalah fungsi Beta Dengan kata lain untuk thit = 2288 dengan db=10

diperoleh p = 005 atau dengan α = 005 dan db=10 diperoleh ttabel = 2288

Oleh karena itu sebelum komputer berkembang para ahli menggunakan mesin hitung yang

telah ada untuk menghitung permasalahan tersebut dan hasilnya dituangkan dalam Tabel Kaidah

pengujiannya adalah jika thit gt ttabel pada α tertentu maka tolak Ho dan sebaliknya Kelemahannya

adalah tidak bisa memberikan informasi resiko salah secara eksak Jadi seandainya p yang

sebenarnya = 0017 dan pada uji konvensional digunakan α = 005 maka resiko salah dalam

penarikan kesimpulan adalah 5 yang sebenarnya secara eksak adalah 17

Dengan berkembangnya komputer perhitungan nilai p untuk beberapa statistik uji dapat

dengan mudah dan cepat dilakukan Umumnya dinyatakan dalam notasi p-value atau p saja atau

Sig (di SPSS) Dengan demikian dapat dikatakan bahwa p adalah berupa signifikansi aktual

sedangkan alpha adalah signifikansi batas Berdasarkan taraf uji aktual yang merujuk pada p-value

maka keputusan uji hipotesis akan berbunyi

Tolak H 0 (bermakna) dengan resiko salah sebesar p x 100

Mengenai berapa besar nilai p yang masih dapat ditolerir sangat tergantung dari tingkat kekritisan

penelitian dan kepentingan pengguna hasil penelitian

Berdasarkan uraian tersebut dapat dikatakan bahwa kesimpulan yang ditarik berdasarkan uji

statistik tidak pernah bersifat benar mutlak Misal jika pengujian secara statistik mendapatkan

bahwa obat O dapat menyembuhkan penyakit S dengan p = 002 maka tidak semua penderita

penyakit S yang diobati O pasti sembuh akan tetapi dimungkinkan 98 sembuh dan 2 tidak

sembuh Oleh karena itu kesimpulan statistika tidak pernah dogmatis

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

A STATISTIKA DISKRIPTIF

Statistika diskriptif mer

deskripsi (gambaran) data sehin

sajian yang lebih menarik Ada

pie chart boxplot (dalam bentuk

Buka data SPSS deskriptif D

mempengaruhi pembelian kart

responden yang diambil sebagai

- usia adalah usia responden

- kusia adalah kelompok usi

- pddk adalah tingkat pendidi

- lama adalah lama penggun

- klama adalah kelompok la

- phsl adalah penghasilanbul

- kphsl adalah kelompok pen

- jangkau adalah penilaian r

kurang luas)

- signal adalah penilaian resp

kurang kuat)

- suara adalah penilaian resp

baik)

Histogram

Misalkan kita ingin membuat his

Pilih menu Graph gt Histogram

Lalu isi Variable phsl hidupka

983138 983090983088983088983096

P a g e | 8

BAB II

STATISTIKA DESKRIPTIF

upakan bagian statistika yang membahas te

gga informasi yang terkandung dalam data mu

beberapa cara mendeskriptifkan data antara lai

grafik) dan cara mengukur dengan nilai rata-rat

ata tersebut adalah hasil penelitian mengenai

Mentari pada PT Satelit Palapa Indonesia

sampel Adapun data dalam worksheet adalah s

responden (15-25 tahun 25-34 tahun 35-43 ta

an responden (SLTP SMU Sarjana)

an kartu Mentari (dalam bulan)

a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun

an responden (dalam juta rupiah)

ghasilan responden (lt1juta 1-15juta 15-2juta

sponden terhadap daya jangkau (sangat luas l

onden terhadap kekuatan signal (sangat kuat k

nden terhadap kualitas suara (sangat baik baik

ogram data penghasilan responden

display normal curve tekan OK

tang penataan dan

ah dipahami dengan

dengan histogram

variance dll

analisis faktor yang

Surabaya dari 100

bagai berikut

hun)

gt3 tahun)

gt2juta)

uas cukup luas dan

uat cukup kuat dan

cukup baik kurang

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

Pie Chart

Misalkan kita ingin membuat pie

Pilih menu Graph gt Pie

Pilih Summary for groups of c

Kemudian masukkan define sli

Box Plot

Misalkan kita ingin membuat Bo

Pilih menu Graph gt Boxplot

Pilih Summaries of Separate

Kemudian masukkan Boxes Re

Deskriptif Ukur

Misalkan kita ingin membuat sta

Pilih menu Analyze gt Descript

Kemudian masukkan variables

hidupkan range lalu OK

983138 983090983088983088983096

P a g e | 9

chart data pendidikan responden

ases lalu define

es pddk tekan OK

Plot data lama penggunaan kartu mentari oleh

Variables lalu define

resent lama tekan OK

istika deskriptif data usia responden

ive Statistics gt Descriptive

usia tekan option dan pilih statistik yang

esponden

ibutuhkan misalkan

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 10

Deskriptif Frekuensi

Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau

kekuatan signal dan kualitas suara kartu Mentari

Pilih menu Analyze gt Descriptive Statistics gt Frequencies

Kemudian masukkan variables jangkau tekan OK

Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan

cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya

B STATISTIKA INFERENSIAL

Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika

(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk

menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat

diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk

menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti

terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu

statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika

inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat

data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik

bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya

tak normal walaupun dengan transformasi

1 Uji Kenormalan

Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran

normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya

Descriptive Statistics

100 28 15 43 2538 7663

100

USIA

Valid N (listwise)

N Range Minimum Maximum Mean Std Deviation

JANGKAU

26 260 260 260

46 460 460 720

19 190 190 910

9 90 90 1000

100 1000 1000

kurang luas

cukup luas

luas

sangat luas

Total

ValidFrequency Percent Valid Percent

Cumulative

Percent

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 11

adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang

diamati tidak normal

Contoh menggunakan data penghasilan responden pada data deskriptif

Apakah data penghasilan responden menyebar normal

Pilih menu Analyze gt Descriptive Statistics gt Explore

Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with

test continue dan OK

Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi

bahwa data penghasilan mempunyai sebaran normal karena

sig gt α (0106 gt 005)

2 Statistika Inferensi parametrik untuk 1 Populasi

Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai

dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak

diketahui dari data yang mempunyai sebaran normal

Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan

seluruh pelanggan kartu Mentari sebesar 1 juta

Hipotesis

Ho micro = 1 juta

lawan

H1 micro ne 1 juta

Maka statistik ujinya adalah

nsxt test microminus=

Selang kepercayaannya

αminus=+ltmicroltminus 1)ntsxntsx(P

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

i

1n

)xx(s

Tests of Normality

081 100 106 972 100 032PHSL

Statistic df Sig Statistic df Sig

Kolmogorov-Smirnova

Shapiro-Wilk

Lilliefors Significance Correctiona

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1322

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 12

Cara melakukan analisis dengan SPSS adalah sbb

Pilih menu Analyze gt Compare Means gt One sample T test

Kemudian masukkan Test variable phsl Test value 1 tekan OK

Hasil SPSS ini berarti

Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value

sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-

rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta

C Statistika inferensi parametrik untuk 2 populasi

C1 Dua populasi bebas (Independent )

Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai

karakteristik yang berbeda

Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan

penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas

kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)

menggunakan metode pola latihan SQ3R

Statistik uji dan hipotesisnya adalah

H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2

Uji statistiknya - Untuk ragam kedua populasi sama

)n

1

n

1(s

xxt

21

2

gab

21

test

+

minus=

2nn

s)1n(s)1n(s

21

2

22

2

112

gab minus+

minus+minus=

- Untuk ragam kedua populasi berbeda

)n

s

n

s

(

xxt

2

2

2

1

2

1

21

test

+

minus=

One-Sample Statistics

100 1501 5544 0554PHSL

N Mean Std Deviation

Std Error

Mean

One-Sample Test

9037 99 000 501 391 611PHSL

t df Sig (2-tailed)

Mean

Difference Lower Upper

95 Confidence

Interval of the

Difference

Test Value = 1

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 13

- Selang kepercayaan untuk ragam kedua populasi sama

αminus=++minusltmicrominusmicrolt+minusminus 1)

n

1

n

1(st)xx(

n

1

n

1(st)xx((P

21

2

gab2121

21

2

gab21

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)

- Selang kepercayaan untuk ragam kedua populasi berbeda

αminus=++minusltmicrominusmicrolt+minusminus 1)n

s

n

st)xx(

n

s

n

st)xx((P

2

2

2

1

2

12121

2

2

2

1

2

121

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar

2

)1n(

)ns(

)1n(

)ns(

)nsns(v

2

2

2

2

2

1

2

1

2

1

2

2

2

21

2

1 minus

+++

+=

Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005

Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun

kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas

pertama (kelas biasa) atau kelas kedua (kelas sq3r)

Cara melakukan analisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Compare Means gt Independent samples T test

Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK

Group Statistics

30 581973 534223 97535

30 756117 405790 74087

KELAS

biasa

sq3r

NILAI

N Mean Std Deviation

Std Error

Mean

Independent Samples Test

620 434 -142 58 000 -174143 122483 -1987 -1496

-142 54 000 -174143 122483 -1987 -1496

Equal variances

assumed

Equal variances

not assumed

NILAI

F Sig

LevenesTest for

Equality of

Variances

t df

Sig

(2-tailed)

Mean

Difference

Std Error

Difference Lower Upper

95

Confidence

Interval of the

Difference

t-test for Equality of Means

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 14

Hasil SPSS berarti

Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil

pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)

sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama

Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)

diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat

perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen

lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa

C2 Dua populasi dependen (dua populasi berpasangan)

Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara

berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu

data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen

(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara

mengamatinya secara berpasang-pasangan

Statistik uji dan hipotesisnya sebagai berikut

H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB

Statistik ujinya

ns

Dt

Dtest

=

di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya

αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

iD

1n

)DD(s

Contoh

Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi

konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD

Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data

hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan

plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)

Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan

makanan modern

Pilih menu Analyze gt Compare Means gt Paired-samples T tes

Kemudian masukkan Paired variable prdtra dan prdmod tekan OK

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 15

Hasil SPSS ini berarti

Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =

klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi

tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat

perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern

D Uji Instrumentasi Penelitian

Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat

pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan

uji instrumentasi yaitu uji validitas dan reliabilitas

D1 Uji Validitas

Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil

penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang

sesungguhnya terjadi pada obyek yang diteliti

Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi

product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat

digunakan rumus

rxy =( )( )

( )( ) ( )( )sum sumsum sumsumsum sum

minusminus

minus2222

YY NXX N

YXXY N

Keterangan

rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan

Paired Samples Statistics

406 108 600 058

239 108 884 085

PRDTRAD

PRDMOD

Pair

1

Mean N Std Deviation

Std Error

Mean

Paired Samples Correlations

108 128 186PRDTRAD amp PRDMODPair 1

N Correlation Sig

Paired Samples Test

168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1

MeanStd

Deviation

Std

Error Mean Lower Upper

95 Confidence

Interval of the

Difference

Paired Differences

t df Sig

(2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 4: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 3

Intraneous variables meliputi

(1) Variabel tergantung (dependent variables ) adalah suatu variabel yang tercakup di

dalam hipotesis penelitian yang keragamannya (variabilitasnya) ditentukan atau

tergantung atau dipengaruhi oleh variabel lainnya

(2) Variabel bebas (independent variables ) adalah suatu variabel tercakup di dalam hipotesis

penelitian yang keragamannya sebagai akibat dari manipulasi atau intervensi

peneliti atau merupakan suatu keadaan atau kondisi atau fenomena yang ingin

diselidiki diteliti atau dikaji Variabel ini mempengaruhi variabel tergantung

(3) Variabel antara atau variabel intervening (intervene variables ) adalah variabel yang

bersifat menjadi perantara (mediating ) dari hubungan variabel bebas ke variabel

tergantung Sifatnya dapat memperlemah atau memperkuat hubungan antara variabel

bebas dengan variabel tergantung

(4) Variabel Moderator adalah variabel yang bersifat memperkuat atau memperlemahpengaruh variabel bebas terhadap variabel tergantung

Extraneous variables meliputi

(1) Variabel pembaur (confounding variables ) adalah suatu variabel dalam penelitian yang

tidak tercakup dalam hipotesis penelitian akan tetapi muncul dalam penelitian dan

berpengaruh terhadap variabel tergantung Pengaruhnya mencampuri atau berbaur dengan

variabel bebas Suatu penelitian biasanya ingin mengetahui pengaruh variabel bebas

terhadap variabel tergantung yang tentunya pengaruh tersebut harus terbebas dari

berbaurnya pengaruh variabel-variabel lain

(2) Variabel kendali (control variables ) adalah variabel pembaur (cofounding ) yang

pengaruhnya dapat dikendalikan Pengendalian dapat diakukan dengan cara blocking yaitu

mengelompokkan obyek penelitian menjadi kelompok-kelompok yang relatif homogen Cra

kedua adalah melalui kriteria ekalusi-inklusi yaitu mengeluarkan obyek yang tidak memenuhi

kriteria (ekslusi) dan mengambil obyek yang memenuhi kriteria untuk diikutkan dalam sampel

penelitian (inklusi)

(3) Variabel penyerta (concomitant variables ) adalah variabel pembaur (cofounding ) yang

tidak dapat dikendalikan sehingga tetap menyertai (terikut) dalam proses penelitian

Konsekuensinya data tersebut harus diamati Pengaruh baurnya dihilangkan (dieliminasi)

pada tahap analisis data misalnya dengan ANCOVA atau MANCOVA

Bilamana variabel penelitian telah ditentukan kemudian harus dibuat definisi operasional

variabel secara tegas dan tajam dengan merujuk pada teori dan konsep yang relevan Langkah

berikutnya data collecting dapat dilakukan

Suatu penelitian dapat memiliki seluruh jenis variabel tersebut atau hanya memiliki

sebagian saja Terlibatnya seluruh variabel atau tidak membawa konsekuensi terhadap metode

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 4

analisis data yang akan digunakan Dengan kata lain perlu dilakukan pemilihan metode

analisis yang tepat sehubungan dengan jenis dan jumlah variabel yang akan dianalisis

E DATA PENELITIAN

D a t a adalah bentuk jamak dari kata datum (Bahasa Latin) yang artinya kurnia atau

pemberian atau penyajian Dalam kontek statistika data diartikan sebagai berikut

Data adalah kumpulan angka fakta fenomena atau keadaan atau lainnya yang merupakan hasil

pengamatan pengukuran atau pencacahan dan sebagainya terhadap variabel dari suatu obyek

kajian yang berfungsi dapat digunakan untuk membedakan obyek yang satu dengan lainnya

pada variabel yang sama

a) Jenis data berdasarkan sifat kekontinyuannyaBerdasarkan sifat kekontinyuannya data hasil pengamatan dapat dibedakan menjadi

data diskrit dan kontinyu

(1) Data diskrit adalah data yang hanya dapat menempati titik-titik tertentu pada sebuah garis

Misal jumlah anak = 0 1 2 3 4 5 6

0 1 2 3 4--+-------+--------+--------+--------+--------+--

(hanya dapat menempati +)

(2) Data kontinyu adalah data yang dapat menempati seluruh titik pada sebuah garis Misal

Data Pendapatan Per Kapita Per Bulan = 150 ribu rupiah sampai dengan 2 juta rupiah

++++++++++++++++++++++++++++++++++

150 ribu rupiah 2 juta rupiah

(seluruh titik dapat ditempati data pendapatan)

b) Jenis Data Berdasarkan Skala Ukurnya

Berdasarkan skala ukurnya data dapat dibedakan menjadi data nominal ordinal interval dan

ratio

(1) Data nominal adalah data yang hanya mengandung unsur penamaan (Bahasa Latin nomos =

nama) Misal

Bntuk Perusahaan Skor yang mungkin

PT 1 3 2CV 2 2 1

Perorangan 3 1 3

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 5

Statistika adalah pendekatan kuantitatif sehingga data nominal yang bersifat kualitatif harus

dirubah menjadi bentuk numerik dengan cara pemberian skor (skoring)

Perhatikan pemberian skor data nominal bersifat sembarang yaitu hanya sekedar untuk dapat

membedakan (penamaan saja) sehingga dapat dibolak-balik

(2) Data ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur urutan

(order = urutan) Misal

Sikap Skor yang mungkin

Sangat setuju 4 1Setuju 3 2Kurang setuju 2 3Tidak setuju 1 4

Perhatikan dengan seksama pembuatan skor antara data nominal dan ordinal dimana untuk data

nominal skor tersebut dapat dibuat sembarang yaitu hanya sekedar dapat mebedakan Akan

tetapi untuk data ordinal urutan angka dalam skor menunjukkan arah tingkatan Pada data

ordinal ini interval (selang)-nya tidak mempunyai arti (tidak bermakna) misalnya selisih antara

skor 4 dengan 2 adalah 2 dan selisih antara 3 dengan 1 adalah 2 yang mana 2 dengan 2 arti

dan maknanya tidak sama

(3) Data interval adalah data yang selain mengandung unsur penamaan dan urutan juga memiliki

sifat interval (selang)-nya bermakna Di samping itu data ini memiliki ciri angka nol-nya tidak

mutlak Misal

Indeks Prestasi Suhu (oC) IHK

0 0 1001 10 1152 20 1203 30 1204 40 140

Perhatikan bahwa 0 pada Indeks Prestasi barangkali akan setara dengan lt 30 untuk skala nilai 1

ndash 100 dan 0 pada suhu dengan derajat Celcius = 32 oF Ratio dari data ini tidak memiliki

makna misal IP 4 bukan berarti pintarnya sama dengan dua kali IP 2 demikian halnya suhu 40 o

C bukan berarti panasnya frac12 dari suhu 80o C

(4) Data ratio adalah data yang memiliki unsur penamaan urutan intervalnya bermakna dan angka

nolnya mutlak sehingga rationya mempunyai makna Misal

Pendapatan($)

Panjang Jalan(km)

21 12045 14070 160

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 6

Disebut nol-nya mutlak sebab memang tidak akan ada benda (jalan) yang panjangnya nol

kilometer Pendapatan 0 berarti tidak menghasilkan pendapatan sama sekali

Jika kedua klasifikasi data tersebut dikombinasikan maka akan diperoleh seperti pada Tabel 12

sebagai berikut

Tabel 12 Kaitan antara skala ukur data dengan sifat kekontinyuannya

DISKRIT KONTINYU

NOMINAL V

ORDINAL V

INTERVAL V V

RATIO V V

Keterangan V = bersesuaian

F Taraf Nyata (αααα) dan p-value

Taraf nyata αααα adalah peluang menolak Ho yang pada hakekanya benar disebut peluang salah

jenis tipe I

αααα = P(Ho ditolak Ho benar)

Secara pragmatis alpha didefinisikan sebagai resiko salah dalam penarikan kesimpulan penelitian

Dengan memperkecil αααα berarti memperkecil resiko salah dalam penarikan kesimpulan Hal ini

dapat ditempuh dengan jalan memperkecil kesalahan (ketidakpastian) dalam setiap langkah

rangkaian analisis data inferensial Untuk memahami lebih lanjut mengenai αααα dapat diperhatikan

ilustarasi di bawah ini

Pelaksanaan pelatihan terhadap karyawan diharapkan dapat meningkatkan kinerjanya Untuk itu

dilakukan penelitian dengan mengajukan hipotesis statistika

Ho microb = micros lawan

H1 microb lt micros

Dalam hal ini microb = kinerja sebelum dilakukan pelatihan dan micros = kinerja sesudah dilakuan pelatihan

Katakanlah hasil pengujian cukup bermakna dengan p = 0027 Interpretasi Pelatihan dapatmeningkatkan kinerja karyawan Dimana kesimpulan tersebut mengandung resiko salah sebesar 27

Arti pragmatisnya Seandainya akan dilakukan pelatihan terhadap 1000 karyawan maka

berdasarkan hasil penelitian tersebut dimungkinkan 27 orang kinerjanya tidak meningkat

Perbedaan antara α dengan p-value

Besarnya α ditetukan berdasarkan konvensi (kesepakatan) para ahli yaitu 1 untuk penelitian

yang sifatnya kritis dan 5 untuk yang kurang kritis Nilai (titik) kritis beberapa statistik uji

misalnya t F Z dan χ2 pada alpha 1 5 atau 10 telah dihitung dan di tabelkan Sehingga

pengguna statistika tidak perlu sulit-sulit menghitungnya sendiri Hal ini dilatarbelakangi oleh kendala

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 7

sulitnya prosedur perhitungan tersebut terutama sebelum berkembangnya komputer Untuk jelasnya

perhatikan uraian berikut Untuk menghitung atau p pada statistik t dengan nilai thitung = 2288 pada

derajat bebas (db) = 10 adalah

( ) ( )

005t1

10210

21

12

1102

2882

=+

Β

int+

minus+infin

dt

dalam hal ini B(____) adalah fungsi Beta Dengan kata lain untuk thit = 2288 dengan db=10

diperoleh p = 005 atau dengan α = 005 dan db=10 diperoleh ttabel = 2288

Oleh karena itu sebelum komputer berkembang para ahli menggunakan mesin hitung yang

telah ada untuk menghitung permasalahan tersebut dan hasilnya dituangkan dalam Tabel Kaidah

pengujiannya adalah jika thit gt ttabel pada α tertentu maka tolak Ho dan sebaliknya Kelemahannya

adalah tidak bisa memberikan informasi resiko salah secara eksak Jadi seandainya p yang

sebenarnya = 0017 dan pada uji konvensional digunakan α = 005 maka resiko salah dalam

penarikan kesimpulan adalah 5 yang sebenarnya secara eksak adalah 17

Dengan berkembangnya komputer perhitungan nilai p untuk beberapa statistik uji dapat

dengan mudah dan cepat dilakukan Umumnya dinyatakan dalam notasi p-value atau p saja atau

Sig (di SPSS) Dengan demikian dapat dikatakan bahwa p adalah berupa signifikansi aktual

sedangkan alpha adalah signifikansi batas Berdasarkan taraf uji aktual yang merujuk pada p-value

maka keputusan uji hipotesis akan berbunyi

Tolak H 0 (bermakna) dengan resiko salah sebesar p x 100

Mengenai berapa besar nilai p yang masih dapat ditolerir sangat tergantung dari tingkat kekritisan

penelitian dan kepentingan pengguna hasil penelitian

Berdasarkan uraian tersebut dapat dikatakan bahwa kesimpulan yang ditarik berdasarkan uji

statistik tidak pernah bersifat benar mutlak Misal jika pengujian secara statistik mendapatkan

bahwa obat O dapat menyembuhkan penyakit S dengan p = 002 maka tidak semua penderita

penyakit S yang diobati O pasti sembuh akan tetapi dimungkinkan 98 sembuh dan 2 tidak

sembuh Oleh karena itu kesimpulan statistika tidak pernah dogmatis

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

A STATISTIKA DISKRIPTIF

Statistika diskriptif mer

deskripsi (gambaran) data sehin

sajian yang lebih menarik Ada

pie chart boxplot (dalam bentuk

Buka data SPSS deskriptif D

mempengaruhi pembelian kart

responden yang diambil sebagai

- usia adalah usia responden

- kusia adalah kelompok usi

- pddk adalah tingkat pendidi

- lama adalah lama penggun

- klama adalah kelompok la

- phsl adalah penghasilanbul

- kphsl adalah kelompok pen

- jangkau adalah penilaian r

kurang luas)

- signal adalah penilaian resp

kurang kuat)

- suara adalah penilaian resp

baik)

Histogram

Misalkan kita ingin membuat his

Pilih menu Graph gt Histogram

Lalu isi Variable phsl hidupka

983138 983090983088983088983096

P a g e | 8

BAB II

STATISTIKA DESKRIPTIF

upakan bagian statistika yang membahas te

gga informasi yang terkandung dalam data mu

beberapa cara mendeskriptifkan data antara lai

grafik) dan cara mengukur dengan nilai rata-rat

ata tersebut adalah hasil penelitian mengenai

Mentari pada PT Satelit Palapa Indonesia

sampel Adapun data dalam worksheet adalah s

responden (15-25 tahun 25-34 tahun 35-43 ta

an responden (SLTP SMU Sarjana)

an kartu Mentari (dalam bulan)

a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun

an responden (dalam juta rupiah)

ghasilan responden (lt1juta 1-15juta 15-2juta

sponden terhadap daya jangkau (sangat luas l

onden terhadap kekuatan signal (sangat kuat k

nden terhadap kualitas suara (sangat baik baik

ogram data penghasilan responden

display normal curve tekan OK

tang penataan dan

ah dipahami dengan

dengan histogram

variance dll

analisis faktor yang

Surabaya dari 100

bagai berikut

hun)

gt3 tahun)

gt2juta)

uas cukup luas dan

uat cukup kuat dan

cukup baik kurang

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

Pie Chart

Misalkan kita ingin membuat pie

Pilih menu Graph gt Pie

Pilih Summary for groups of c

Kemudian masukkan define sli

Box Plot

Misalkan kita ingin membuat Bo

Pilih menu Graph gt Boxplot

Pilih Summaries of Separate

Kemudian masukkan Boxes Re

Deskriptif Ukur

Misalkan kita ingin membuat sta

Pilih menu Analyze gt Descript

Kemudian masukkan variables

hidupkan range lalu OK

983138 983090983088983088983096

P a g e | 9

chart data pendidikan responden

ases lalu define

es pddk tekan OK

Plot data lama penggunaan kartu mentari oleh

Variables lalu define

resent lama tekan OK

istika deskriptif data usia responden

ive Statistics gt Descriptive

usia tekan option dan pilih statistik yang

esponden

ibutuhkan misalkan

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 10

Deskriptif Frekuensi

Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau

kekuatan signal dan kualitas suara kartu Mentari

Pilih menu Analyze gt Descriptive Statistics gt Frequencies

Kemudian masukkan variables jangkau tekan OK

Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan

cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya

B STATISTIKA INFERENSIAL

Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika

(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk

menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat

diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk

menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti

terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu

statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika

inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat

data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik

bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya

tak normal walaupun dengan transformasi

1 Uji Kenormalan

Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran

normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya

Descriptive Statistics

100 28 15 43 2538 7663

100

USIA

Valid N (listwise)

N Range Minimum Maximum Mean Std Deviation

JANGKAU

26 260 260 260

46 460 460 720

19 190 190 910

9 90 90 1000

100 1000 1000

kurang luas

cukup luas

luas

sangat luas

Total

ValidFrequency Percent Valid Percent

Cumulative

Percent

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 11

adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang

diamati tidak normal

Contoh menggunakan data penghasilan responden pada data deskriptif

Apakah data penghasilan responden menyebar normal

Pilih menu Analyze gt Descriptive Statistics gt Explore

Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with

test continue dan OK

Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi

bahwa data penghasilan mempunyai sebaran normal karena

sig gt α (0106 gt 005)

2 Statistika Inferensi parametrik untuk 1 Populasi

Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai

dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak

diketahui dari data yang mempunyai sebaran normal

Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan

seluruh pelanggan kartu Mentari sebesar 1 juta

Hipotesis

Ho micro = 1 juta

lawan

H1 micro ne 1 juta

Maka statistik ujinya adalah

nsxt test microminus=

Selang kepercayaannya

αminus=+ltmicroltminus 1)ntsxntsx(P

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

i

1n

)xx(s

Tests of Normality

081 100 106 972 100 032PHSL

Statistic df Sig Statistic df Sig

Kolmogorov-Smirnova

Shapiro-Wilk

Lilliefors Significance Correctiona

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1322

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 12

Cara melakukan analisis dengan SPSS adalah sbb

Pilih menu Analyze gt Compare Means gt One sample T test

Kemudian masukkan Test variable phsl Test value 1 tekan OK

Hasil SPSS ini berarti

Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value

sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-

rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta

C Statistika inferensi parametrik untuk 2 populasi

C1 Dua populasi bebas (Independent )

Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai

karakteristik yang berbeda

Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan

penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas

kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)

menggunakan metode pola latihan SQ3R

Statistik uji dan hipotesisnya adalah

H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2

Uji statistiknya - Untuk ragam kedua populasi sama

)n

1

n

1(s

xxt

21

2

gab

21

test

+

minus=

2nn

s)1n(s)1n(s

21

2

22

2

112

gab minus+

minus+minus=

- Untuk ragam kedua populasi berbeda

)n

s

n

s

(

xxt

2

2

2

1

2

1

21

test

+

minus=

One-Sample Statistics

100 1501 5544 0554PHSL

N Mean Std Deviation

Std Error

Mean

One-Sample Test

9037 99 000 501 391 611PHSL

t df Sig (2-tailed)

Mean

Difference Lower Upper

95 Confidence

Interval of the

Difference

Test Value = 1

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 13

- Selang kepercayaan untuk ragam kedua populasi sama

αminus=++minusltmicrominusmicrolt+minusminus 1)

n

1

n

1(st)xx(

n

1

n

1(st)xx((P

21

2

gab2121

21

2

gab21

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)

- Selang kepercayaan untuk ragam kedua populasi berbeda

αminus=++minusltmicrominusmicrolt+minusminus 1)n

s

n

st)xx(

n

s

n

st)xx((P

2

2

2

1

2

12121

2

2

2

1

2

121

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar

2

)1n(

)ns(

)1n(

)ns(

)nsns(v

2

2

2

2

2

1

2

1

2

1

2

2

2

21

2

1 minus

+++

+=

Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005

Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun

kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas

pertama (kelas biasa) atau kelas kedua (kelas sq3r)

Cara melakukan analisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Compare Means gt Independent samples T test

Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK

Group Statistics

30 581973 534223 97535

30 756117 405790 74087

KELAS

biasa

sq3r

NILAI

N Mean Std Deviation

Std Error

Mean

Independent Samples Test

620 434 -142 58 000 -174143 122483 -1987 -1496

-142 54 000 -174143 122483 -1987 -1496

Equal variances

assumed

Equal variances

not assumed

NILAI

F Sig

LevenesTest for

Equality of

Variances

t df

Sig

(2-tailed)

Mean

Difference

Std Error

Difference Lower Upper

95

Confidence

Interval of the

Difference

t-test for Equality of Means

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 14

Hasil SPSS berarti

Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil

pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)

sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama

Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)

diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat

perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen

lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa

C2 Dua populasi dependen (dua populasi berpasangan)

Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara

berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu

data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen

(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara

mengamatinya secara berpasang-pasangan

Statistik uji dan hipotesisnya sebagai berikut

H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB

Statistik ujinya

ns

Dt

Dtest

=

di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya

αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

iD

1n

)DD(s

Contoh

Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi

konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD

Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data

hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan

plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)

Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan

makanan modern

Pilih menu Analyze gt Compare Means gt Paired-samples T tes

Kemudian masukkan Paired variable prdtra dan prdmod tekan OK

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 15

Hasil SPSS ini berarti

Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =

klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi

tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat

perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern

D Uji Instrumentasi Penelitian

Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat

pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan

uji instrumentasi yaitu uji validitas dan reliabilitas

D1 Uji Validitas

Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil

penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang

sesungguhnya terjadi pada obyek yang diteliti

Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi

product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat

digunakan rumus

rxy =( )( )

( )( ) ( )( )sum sumsum sumsumsum sum

minusminus

minus2222

YY NXX N

YXXY N

Keterangan

rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan

Paired Samples Statistics

406 108 600 058

239 108 884 085

PRDTRAD

PRDMOD

Pair

1

Mean N Std Deviation

Std Error

Mean

Paired Samples Correlations

108 128 186PRDTRAD amp PRDMODPair 1

N Correlation Sig

Paired Samples Test

168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1

MeanStd

Deviation

Std

Error Mean Lower Upper

95 Confidence

Interval of the

Difference

Paired Differences

t df Sig

(2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 5: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 4

analisis data yang akan digunakan Dengan kata lain perlu dilakukan pemilihan metode

analisis yang tepat sehubungan dengan jenis dan jumlah variabel yang akan dianalisis

E DATA PENELITIAN

D a t a adalah bentuk jamak dari kata datum (Bahasa Latin) yang artinya kurnia atau

pemberian atau penyajian Dalam kontek statistika data diartikan sebagai berikut

Data adalah kumpulan angka fakta fenomena atau keadaan atau lainnya yang merupakan hasil

pengamatan pengukuran atau pencacahan dan sebagainya terhadap variabel dari suatu obyek

kajian yang berfungsi dapat digunakan untuk membedakan obyek yang satu dengan lainnya

pada variabel yang sama

a) Jenis data berdasarkan sifat kekontinyuannyaBerdasarkan sifat kekontinyuannya data hasil pengamatan dapat dibedakan menjadi

data diskrit dan kontinyu

(1) Data diskrit adalah data yang hanya dapat menempati titik-titik tertentu pada sebuah garis

Misal jumlah anak = 0 1 2 3 4 5 6

0 1 2 3 4--+-------+--------+--------+--------+--------+--

(hanya dapat menempati +)

(2) Data kontinyu adalah data yang dapat menempati seluruh titik pada sebuah garis Misal

Data Pendapatan Per Kapita Per Bulan = 150 ribu rupiah sampai dengan 2 juta rupiah

++++++++++++++++++++++++++++++++++

150 ribu rupiah 2 juta rupiah

(seluruh titik dapat ditempati data pendapatan)

b) Jenis Data Berdasarkan Skala Ukurnya

Berdasarkan skala ukurnya data dapat dibedakan menjadi data nominal ordinal interval dan

ratio

(1) Data nominal adalah data yang hanya mengandung unsur penamaan (Bahasa Latin nomos =

nama) Misal

Bntuk Perusahaan Skor yang mungkin

PT 1 3 2CV 2 2 1

Perorangan 3 1 3

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 5

Statistika adalah pendekatan kuantitatif sehingga data nominal yang bersifat kualitatif harus

dirubah menjadi bentuk numerik dengan cara pemberian skor (skoring)

Perhatikan pemberian skor data nominal bersifat sembarang yaitu hanya sekedar untuk dapat

membedakan (penamaan saja) sehingga dapat dibolak-balik

(2) Data ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur urutan

(order = urutan) Misal

Sikap Skor yang mungkin

Sangat setuju 4 1Setuju 3 2Kurang setuju 2 3Tidak setuju 1 4

Perhatikan dengan seksama pembuatan skor antara data nominal dan ordinal dimana untuk data

nominal skor tersebut dapat dibuat sembarang yaitu hanya sekedar dapat mebedakan Akan

tetapi untuk data ordinal urutan angka dalam skor menunjukkan arah tingkatan Pada data

ordinal ini interval (selang)-nya tidak mempunyai arti (tidak bermakna) misalnya selisih antara

skor 4 dengan 2 adalah 2 dan selisih antara 3 dengan 1 adalah 2 yang mana 2 dengan 2 arti

dan maknanya tidak sama

(3) Data interval adalah data yang selain mengandung unsur penamaan dan urutan juga memiliki

sifat interval (selang)-nya bermakna Di samping itu data ini memiliki ciri angka nol-nya tidak

mutlak Misal

Indeks Prestasi Suhu (oC) IHK

0 0 1001 10 1152 20 1203 30 1204 40 140

Perhatikan bahwa 0 pada Indeks Prestasi barangkali akan setara dengan lt 30 untuk skala nilai 1

ndash 100 dan 0 pada suhu dengan derajat Celcius = 32 oF Ratio dari data ini tidak memiliki

makna misal IP 4 bukan berarti pintarnya sama dengan dua kali IP 2 demikian halnya suhu 40 o

C bukan berarti panasnya frac12 dari suhu 80o C

(4) Data ratio adalah data yang memiliki unsur penamaan urutan intervalnya bermakna dan angka

nolnya mutlak sehingga rationya mempunyai makna Misal

Pendapatan($)

Panjang Jalan(km)

21 12045 14070 160

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 6

Disebut nol-nya mutlak sebab memang tidak akan ada benda (jalan) yang panjangnya nol

kilometer Pendapatan 0 berarti tidak menghasilkan pendapatan sama sekali

Jika kedua klasifikasi data tersebut dikombinasikan maka akan diperoleh seperti pada Tabel 12

sebagai berikut

Tabel 12 Kaitan antara skala ukur data dengan sifat kekontinyuannya

DISKRIT KONTINYU

NOMINAL V

ORDINAL V

INTERVAL V V

RATIO V V

Keterangan V = bersesuaian

F Taraf Nyata (αααα) dan p-value

Taraf nyata αααα adalah peluang menolak Ho yang pada hakekanya benar disebut peluang salah

jenis tipe I

αααα = P(Ho ditolak Ho benar)

Secara pragmatis alpha didefinisikan sebagai resiko salah dalam penarikan kesimpulan penelitian

Dengan memperkecil αααα berarti memperkecil resiko salah dalam penarikan kesimpulan Hal ini

dapat ditempuh dengan jalan memperkecil kesalahan (ketidakpastian) dalam setiap langkah

rangkaian analisis data inferensial Untuk memahami lebih lanjut mengenai αααα dapat diperhatikan

ilustarasi di bawah ini

Pelaksanaan pelatihan terhadap karyawan diharapkan dapat meningkatkan kinerjanya Untuk itu

dilakukan penelitian dengan mengajukan hipotesis statistika

Ho microb = micros lawan

H1 microb lt micros

Dalam hal ini microb = kinerja sebelum dilakukan pelatihan dan micros = kinerja sesudah dilakuan pelatihan

Katakanlah hasil pengujian cukup bermakna dengan p = 0027 Interpretasi Pelatihan dapatmeningkatkan kinerja karyawan Dimana kesimpulan tersebut mengandung resiko salah sebesar 27

Arti pragmatisnya Seandainya akan dilakukan pelatihan terhadap 1000 karyawan maka

berdasarkan hasil penelitian tersebut dimungkinkan 27 orang kinerjanya tidak meningkat

Perbedaan antara α dengan p-value

Besarnya α ditetukan berdasarkan konvensi (kesepakatan) para ahli yaitu 1 untuk penelitian

yang sifatnya kritis dan 5 untuk yang kurang kritis Nilai (titik) kritis beberapa statistik uji

misalnya t F Z dan χ2 pada alpha 1 5 atau 10 telah dihitung dan di tabelkan Sehingga

pengguna statistika tidak perlu sulit-sulit menghitungnya sendiri Hal ini dilatarbelakangi oleh kendala

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 7

sulitnya prosedur perhitungan tersebut terutama sebelum berkembangnya komputer Untuk jelasnya

perhatikan uraian berikut Untuk menghitung atau p pada statistik t dengan nilai thitung = 2288 pada

derajat bebas (db) = 10 adalah

( ) ( )

005t1

10210

21

12

1102

2882

=+

Β

int+

minus+infin

dt

dalam hal ini B(____) adalah fungsi Beta Dengan kata lain untuk thit = 2288 dengan db=10

diperoleh p = 005 atau dengan α = 005 dan db=10 diperoleh ttabel = 2288

Oleh karena itu sebelum komputer berkembang para ahli menggunakan mesin hitung yang

telah ada untuk menghitung permasalahan tersebut dan hasilnya dituangkan dalam Tabel Kaidah

pengujiannya adalah jika thit gt ttabel pada α tertentu maka tolak Ho dan sebaliknya Kelemahannya

adalah tidak bisa memberikan informasi resiko salah secara eksak Jadi seandainya p yang

sebenarnya = 0017 dan pada uji konvensional digunakan α = 005 maka resiko salah dalam

penarikan kesimpulan adalah 5 yang sebenarnya secara eksak adalah 17

Dengan berkembangnya komputer perhitungan nilai p untuk beberapa statistik uji dapat

dengan mudah dan cepat dilakukan Umumnya dinyatakan dalam notasi p-value atau p saja atau

Sig (di SPSS) Dengan demikian dapat dikatakan bahwa p adalah berupa signifikansi aktual

sedangkan alpha adalah signifikansi batas Berdasarkan taraf uji aktual yang merujuk pada p-value

maka keputusan uji hipotesis akan berbunyi

Tolak H 0 (bermakna) dengan resiko salah sebesar p x 100

Mengenai berapa besar nilai p yang masih dapat ditolerir sangat tergantung dari tingkat kekritisan

penelitian dan kepentingan pengguna hasil penelitian

Berdasarkan uraian tersebut dapat dikatakan bahwa kesimpulan yang ditarik berdasarkan uji

statistik tidak pernah bersifat benar mutlak Misal jika pengujian secara statistik mendapatkan

bahwa obat O dapat menyembuhkan penyakit S dengan p = 002 maka tidak semua penderita

penyakit S yang diobati O pasti sembuh akan tetapi dimungkinkan 98 sembuh dan 2 tidak

sembuh Oleh karena itu kesimpulan statistika tidak pernah dogmatis

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

A STATISTIKA DISKRIPTIF

Statistika diskriptif mer

deskripsi (gambaran) data sehin

sajian yang lebih menarik Ada

pie chart boxplot (dalam bentuk

Buka data SPSS deskriptif D

mempengaruhi pembelian kart

responden yang diambil sebagai

- usia adalah usia responden

- kusia adalah kelompok usi

- pddk adalah tingkat pendidi

- lama adalah lama penggun

- klama adalah kelompok la

- phsl adalah penghasilanbul

- kphsl adalah kelompok pen

- jangkau adalah penilaian r

kurang luas)

- signal adalah penilaian resp

kurang kuat)

- suara adalah penilaian resp

baik)

Histogram

Misalkan kita ingin membuat his

Pilih menu Graph gt Histogram

Lalu isi Variable phsl hidupka

983138 983090983088983088983096

P a g e | 8

BAB II

STATISTIKA DESKRIPTIF

upakan bagian statistika yang membahas te

gga informasi yang terkandung dalam data mu

beberapa cara mendeskriptifkan data antara lai

grafik) dan cara mengukur dengan nilai rata-rat

ata tersebut adalah hasil penelitian mengenai

Mentari pada PT Satelit Palapa Indonesia

sampel Adapun data dalam worksheet adalah s

responden (15-25 tahun 25-34 tahun 35-43 ta

an responden (SLTP SMU Sarjana)

an kartu Mentari (dalam bulan)

a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun

an responden (dalam juta rupiah)

ghasilan responden (lt1juta 1-15juta 15-2juta

sponden terhadap daya jangkau (sangat luas l

onden terhadap kekuatan signal (sangat kuat k

nden terhadap kualitas suara (sangat baik baik

ogram data penghasilan responden

display normal curve tekan OK

tang penataan dan

ah dipahami dengan

dengan histogram

variance dll

analisis faktor yang

Surabaya dari 100

bagai berikut

hun)

gt3 tahun)

gt2juta)

uas cukup luas dan

uat cukup kuat dan

cukup baik kurang

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

Pie Chart

Misalkan kita ingin membuat pie

Pilih menu Graph gt Pie

Pilih Summary for groups of c

Kemudian masukkan define sli

Box Plot

Misalkan kita ingin membuat Bo

Pilih menu Graph gt Boxplot

Pilih Summaries of Separate

Kemudian masukkan Boxes Re

Deskriptif Ukur

Misalkan kita ingin membuat sta

Pilih menu Analyze gt Descript

Kemudian masukkan variables

hidupkan range lalu OK

983138 983090983088983088983096

P a g e | 9

chart data pendidikan responden

ases lalu define

es pddk tekan OK

Plot data lama penggunaan kartu mentari oleh

Variables lalu define

resent lama tekan OK

istika deskriptif data usia responden

ive Statistics gt Descriptive

usia tekan option dan pilih statistik yang

esponden

ibutuhkan misalkan

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 10

Deskriptif Frekuensi

Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau

kekuatan signal dan kualitas suara kartu Mentari

Pilih menu Analyze gt Descriptive Statistics gt Frequencies

Kemudian masukkan variables jangkau tekan OK

Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan

cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya

B STATISTIKA INFERENSIAL

Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika

(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk

menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat

diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk

menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti

terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu

statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika

inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat

data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik

bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya

tak normal walaupun dengan transformasi

1 Uji Kenormalan

Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran

normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya

Descriptive Statistics

100 28 15 43 2538 7663

100

USIA

Valid N (listwise)

N Range Minimum Maximum Mean Std Deviation

JANGKAU

26 260 260 260

46 460 460 720

19 190 190 910

9 90 90 1000

100 1000 1000

kurang luas

cukup luas

luas

sangat luas

Total

ValidFrequency Percent Valid Percent

Cumulative

Percent

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 11

adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang

diamati tidak normal

Contoh menggunakan data penghasilan responden pada data deskriptif

Apakah data penghasilan responden menyebar normal

Pilih menu Analyze gt Descriptive Statistics gt Explore

Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with

test continue dan OK

Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi

bahwa data penghasilan mempunyai sebaran normal karena

sig gt α (0106 gt 005)

2 Statistika Inferensi parametrik untuk 1 Populasi

Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai

dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak

diketahui dari data yang mempunyai sebaran normal

Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan

seluruh pelanggan kartu Mentari sebesar 1 juta

Hipotesis

Ho micro = 1 juta

lawan

H1 micro ne 1 juta

Maka statistik ujinya adalah

nsxt test microminus=

Selang kepercayaannya

αminus=+ltmicroltminus 1)ntsxntsx(P

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

i

1n

)xx(s

Tests of Normality

081 100 106 972 100 032PHSL

Statistic df Sig Statistic df Sig

Kolmogorov-Smirnova

Shapiro-Wilk

Lilliefors Significance Correctiona

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1322

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 12

Cara melakukan analisis dengan SPSS adalah sbb

Pilih menu Analyze gt Compare Means gt One sample T test

Kemudian masukkan Test variable phsl Test value 1 tekan OK

Hasil SPSS ini berarti

Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value

sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-

rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta

C Statistika inferensi parametrik untuk 2 populasi

C1 Dua populasi bebas (Independent )

Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai

karakteristik yang berbeda

Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan

penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas

kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)

menggunakan metode pola latihan SQ3R

Statistik uji dan hipotesisnya adalah

H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2

Uji statistiknya - Untuk ragam kedua populasi sama

)n

1

n

1(s

xxt

21

2

gab

21

test

+

minus=

2nn

s)1n(s)1n(s

21

2

22

2

112

gab minus+

minus+minus=

- Untuk ragam kedua populasi berbeda

)n

s

n

s

(

xxt

2

2

2

1

2

1

21

test

+

minus=

One-Sample Statistics

100 1501 5544 0554PHSL

N Mean Std Deviation

Std Error

Mean

One-Sample Test

9037 99 000 501 391 611PHSL

t df Sig (2-tailed)

Mean

Difference Lower Upper

95 Confidence

Interval of the

Difference

Test Value = 1

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 13

- Selang kepercayaan untuk ragam kedua populasi sama

αminus=++minusltmicrominusmicrolt+minusminus 1)

n

1

n

1(st)xx(

n

1

n

1(st)xx((P

21

2

gab2121

21

2

gab21

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)

- Selang kepercayaan untuk ragam kedua populasi berbeda

αminus=++minusltmicrominusmicrolt+minusminus 1)n

s

n

st)xx(

n

s

n

st)xx((P

2

2

2

1

2

12121

2

2

2

1

2

121

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar

2

)1n(

)ns(

)1n(

)ns(

)nsns(v

2

2

2

2

2

1

2

1

2

1

2

2

2

21

2

1 minus

+++

+=

Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005

Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun

kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas

pertama (kelas biasa) atau kelas kedua (kelas sq3r)

Cara melakukan analisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Compare Means gt Independent samples T test

Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK

Group Statistics

30 581973 534223 97535

30 756117 405790 74087

KELAS

biasa

sq3r

NILAI

N Mean Std Deviation

Std Error

Mean

Independent Samples Test

620 434 -142 58 000 -174143 122483 -1987 -1496

-142 54 000 -174143 122483 -1987 -1496

Equal variances

assumed

Equal variances

not assumed

NILAI

F Sig

LevenesTest for

Equality of

Variances

t df

Sig

(2-tailed)

Mean

Difference

Std Error

Difference Lower Upper

95

Confidence

Interval of the

Difference

t-test for Equality of Means

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 14

Hasil SPSS berarti

Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil

pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)

sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama

Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)

diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat

perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen

lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa

C2 Dua populasi dependen (dua populasi berpasangan)

Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara

berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu

data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen

(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara

mengamatinya secara berpasang-pasangan

Statistik uji dan hipotesisnya sebagai berikut

H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB

Statistik ujinya

ns

Dt

Dtest

=

di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya

αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

iD

1n

)DD(s

Contoh

Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi

konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD

Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data

hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan

plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)

Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan

makanan modern

Pilih menu Analyze gt Compare Means gt Paired-samples T tes

Kemudian masukkan Paired variable prdtra dan prdmod tekan OK

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 15

Hasil SPSS ini berarti

Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =

klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi

tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat

perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern

D Uji Instrumentasi Penelitian

Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat

pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan

uji instrumentasi yaitu uji validitas dan reliabilitas

D1 Uji Validitas

Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil

penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang

sesungguhnya terjadi pada obyek yang diteliti

Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi

product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat

digunakan rumus

rxy =( )( )

( )( ) ( )( )sum sumsum sumsumsum sum

minusminus

minus2222

YY NXX N

YXXY N

Keterangan

rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan

Paired Samples Statistics

406 108 600 058

239 108 884 085

PRDTRAD

PRDMOD

Pair

1

Mean N Std Deviation

Std Error

Mean

Paired Samples Correlations

108 128 186PRDTRAD amp PRDMODPair 1

N Correlation Sig

Paired Samples Test

168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1

MeanStd

Deviation

Std

Error Mean Lower Upper

95 Confidence

Interval of the

Difference

Paired Differences

t df Sig

(2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 6: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 5

Statistika adalah pendekatan kuantitatif sehingga data nominal yang bersifat kualitatif harus

dirubah menjadi bentuk numerik dengan cara pemberian skor (skoring)

Perhatikan pemberian skor data nominal bersifat sembarang yaitu hanya sekedar untuk dapat

membedakan (penamaan saja) sehingga dapat dibolak-balik

(2) Data ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur urutan

(order = urutan) Misal

Sikap Skor yang mungkin

Sangat setuju 4 1Setuju 3 2Kurang setuju 2 3Tidak setuju 1 4

Perhatikan dengan seksama pembuatan skor antara data nominal dan ordinal dimana untuk data

nominal skor tersebut dapat dibuat sembarang yaitu hanya sekedar dapat mebedakan Akan

tetapi untuk data ordinal urutan angka dalam skor menunjukkan arah tingkatan Pada data

ordinal ini interval (selang)-nya tidak mempunyai arti (tidak bermakna) misalnya selisih antara

skor 4 dengan 2 adalah 2 dan selisih antara 3 dengan 1 adalah 2 yang mana 2 dengan 2 arti

dan maknanya tidak sama

(3) Data interval adalah data yang selain mengandung unsur penamaan dan urutan juga memiliki

sifat interval (selang)-nya bermakna Di samping itu data ini memiliki ciri angka nol-nya tidak

mutlak Misal

Indeks Prestasi Suhu (oC) IHK

0 0 1001 10 1152 20 1203 30 1204 40 140

Perhatikan bahwa 0 pada Indeks Prestasi barangkali akan setara dengan lt 30 untuk skala nilai 1

ndash 100 dan 0 pada suhu dengan derajat Celcius = 32 oF Ratio dari data ini tidak memiliki

makna misal IP 4 bukan berarti pintarnya sama dengan dua kali IP 2 demikian halnya suhu 40 o

C bukan berarti panasnya frac12 dari suhu 80o C

(4) Data ratio adalah data yang memiliki unsur penamaan urutan intervalnya bermakna dan angka

nolnya mutlak sehingga rationya mempunyai makna Misal

Pendapatan($)

Panjang Jalan(km)

21 12045 14070 160

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 6

Disebut nol-nya mutlak sebab memang tidak akan ada benda (jalan) yang panjangnya nol

kilometer Pendapatan 0 berarti tidak menghasilkan pendapatan sama sekali

Jika kedua klasifikasi data tersebut dikombinasikan maka akan diperoleh seperti pada Tabel 12

sebagai berikut

Tabel 12 Kaitan antara skala ukur data dengan sifat kekontinyuannya

DISKRIT KONTINYU

NOMINAL V

ORDINAL V

INTERVAL V V

RATIO V V

Keterangan V = bersesuaian

F Taraf Nyata (αααα) dan p-value

Taraf nyata αααα adalah peluang menolak Ho yang pada hakekanya benar disebut peluang salah

jenis tipe I

αααα = P(Ho ditolak Ho benar)

Secara pragmatis alpha didefinisikan sebagai resiko salah dalam penarikan kesimpulan penelitian

Dengan memperkecil αααα berarti memperkecil resiko salah dalam penarikan kesimpulan Hal ini

dapat ditempuh dengan jalan memperkecil kesalahan (ketidakpastian) dalam setiap langkah

rangkaian analisis data inferensial Untuk memahami lebih lanjut mengenai αααα dapat diperhatikan

ilustarasi di bawah ini

Pelaksanaan pelatihan terhadap karyawan diharapkan dapat meningkatkan kinerjanya Untuk itu

dilakukan penelitian dengan mengajukan hipotesis statistika

Ho microb = micros lawan

H1 microb lt micros

Dalam hal ini microb = kinerja sebelum dilakukan pelatihan dan micros = kinerja sesudah dilakuan pelatihan

Katakanlah hasil pengujian cukup bermakna dengan p = 0027 Interpretasi Pelatihan dapatmeningkatkan kinerja karyawan Dimana kesimpulan tersebut mengandung resiko salah sebesar 27

Arti pragmatisnya Seandainya akan dilakukan pelatihan terhadap 1000 karyawan maka

berdasarkan hasil penelitian tersebut dimungkinkan 27 orang kinerjanya tidak meningkat

Perbedaan antara α dengan p-value

Besarnya α ditetukan berdasarkan konvensi (kesepakatan) para ahli yaitu 1 untuk penelitian

yang sifatnya kritis dan 5 untuk yang kurang kritis Nilai (titik) kritis beberapa statistik uji

misalnya t F Z dan χ2 pada alpha 1 5 atau 10 telah dihitung dan di tabelkan Sehingga

pengguna statistika tidak perlu sulit-sulit menghitungnya sendiri Hal ini dilatarbelakangi oleh kendala

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 7

sulitnya prosedur perhitungan tersebut terutama sebelum berkembangnya komputer Untuk jelasnya

perhatikan uraian berikut Untuk menghitung atau p pada statistik t dengan nilai thitung = 2288 pada

derajat bebas (db) = 10 adalah

( ) ( )

005t1

10210

21

12

1102

2882

=+

Β

int+

minus+infin

dt

dalam hal ini B(____) adalah fungsi Beta Dengan kata lain untuk thit = 2288 dengan db=10

diperoleh p = 005 atau dengan α = 005 dan db=10 diperoleh ttabel = 2288

Oleh karena itu sebelum komputer berkembang para ahli menggunakan mesin hitung yang

telah ada untuk menghitung permasalahan tersebut dan hasilnya dituangkan dalam Tabel Kaidah

pengujiannya adalah jika thit gt ttabel pada α tertentu maka tolak Ho dan sebaliknya Kelemahannya

adalah tidak bisa memberikan informasi resiko salah secara eksak Jadi seandainya p yang

sebenarnya = 0017 dan pada uji konvensional digunakan α = 005 maka resiko salah dalam

penarikan kesimpulan adalah 5 yang sebenarnya secara eksak adalah 17

Dengan berkembangnya komputer perhitungan nilai p untuk beberapa statistik uji dapat

dengan mudah dan cepat dilakukan Umumnya dinyatakan dalam notasi p-value atau p saja atau

Sig (di SPSS) Dengan demikian dapat dikatakan bahwa p adalah berupa signifikansi aktual

sedangkan alpha adalah signifikansi batas Berdasarkan taraf uji aktual yang merujuk pada p-value

maka keputusan uji hipotesis akan berbunyi

Tolak H 0 (bermakna) dengan resiko salah sebesar p x 100

Mengenai berapa besar nilai p yang masih dapat ditolerir sangat tergantung dari tingkat kekritisan

penelitian dan kepentingan pengguna hasil penelitian

Berdasarkan uraian tersebut dapat dikatakan bahwa kesimpulan yang ditarik berdasarkan uji

statistik tidak pernah bersifat benar mutlak Misal jika pengujian secara statistik mendapatkan

bahwa obat O dapat menyembuhkan penyakit S dengan p = 002 maka tidak semua penderita

penyakit S yang diobati O pasti sembuh akan tetapi dimungkinkan 98 sembuh dan 2 tidak

sembuh Oleh karena itu kesimpulan statistika tidak pernah dogmatis

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

A STATISTIKA DISKRIPTIF

Statistika diskriptif mer

deskripsi (gambaran) data sehin

sajian yang lebih menarik Ada

pie chart boxplot (dalam bentuk

Buka data SPSS deskriptif D

mempengaruhi pembelian kart

responden yang diambil sebagai

- usia adalah usia responden

- kusia adalah kelompok usi

- pddk adalah tingkat pendidi

- lama adalah lama penggun

- klama adalah kelompok la

- phsl adalah penghasilanbul

- kphsl adalah kelompok pen

- jangkau adalah penilaian r

kurang luas)

- signal adalah penilaian resp

kurang kuat)

- suara adalah penilaian resp

baik)

Histogram

Misalkan kita ingin membuat his

Pilih menu Graph gt Histogram

Lalu isi Variable phsl hidupka

983138 983090983088983088983096

P a g e | 8

BAB II

STATISTIKA DESKRIPTIF

upakan bagian statistika yang membahas te

gga informasi yang terkandung dalam data mu

beberapa cara mendeskriptifkan data antara lai

grafik) dan cara mengukur dengan nilai rata-rat

ata tersebut adalah hasil penelitian mengenai

Mentari pada PT Satelit Palapa Indonesia

sampel Adapun data dalam worksheet adalah s

responden (15-25 tahun 25-34 tahun 35-43 ta

an responden (SLTP SMU Sarjana)

an kartu Mentari (dalam bulan)

a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun

an responden (dalam juta rupiah)

ghasilan responden (lt1juta 1-15juta 15-2juta

sponden terhadap daya jangkau (sangat luas l

onden terhadap kekuatan signal (sangat kuat k

nden terhadap kualitas suara (sangat baik baik

ogram data penghasilan responden

display normal curve tekan OK

tang penataan dan

ah dipahami dengan

dengan histogram

variance dll

analisis faktor yang

Surabaya dari 100

bagai berikut

hun)

gt3 tahun)

gt2juta)

uas cukup luas dan

uat cukup kuat dan

cukup baik kurang

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

Pie Chart

Misalkan kita ingin membuat pie

Pilih menu Graph gt Pie

Pilih Summary for groups of c

Kemudian masukkan define sli

Box Plot

Misalkan kita ingin membuat Bo

Pilih menu Graph gt Boxplot

Pilih Summaries of Separate

Kemudian masukkan Boxes Re

Deskriptif Ukur

Misalkan kita ingin membuat sta

Pilih menu Analyze gt Descript

Kemudian masukkan variables

hidupkan range lalu OK

983138 983090983088983088983096

P a g e | 9

chart data pendidikan responden

ases lalu define

es pddk tekan OK

Plot data lama penggunaan kartu mentari oleh

Variables lalu define

resent lama tekan OK

istika deskriptif data usia responden

ive Statistics gt Descriptive

usia tekan option dan pilih statistik yang

esponden

ibutuhkan misalkan

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 10

Deskriptif Frekuensi

Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau

kekuatan signal dan kualitas suara kartu Mentari

Pilih menu Analyze gt Descriptive Statistics gt Frequencies

Kemudian masukkan variables jangkau tekan OK

Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan

cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya

B STATISTIKA INFERENSIAL

Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika

(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk

menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat

diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk

menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti

terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu

statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika

inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat

data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik

bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya

tak normal walaupun dengan transformasi

1 Uji Kenormalan

Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran

normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya

Descriptive Statistics

100 28 15 43 2538 7663

100

USIA

Valid N (listwise)

N Range Minimum Maximum Mean Std Deviation

JANGKAU

26 260 260 260

46 460 460 720

19 190 190 910

9 90 90 1000

100 1000 1000

kurang luas

cukup luas

luas

sangat luas

Total

ValidFrequency Percent Valid Percent

Cumulative

Percent

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 11

adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang

diamati tidak normal

Contoh menggunakan data penghasilan responden pada data deskriptif

Apakah data penghasilan responden menyebar normal

Pilih menu Analyze gt Descriptive Statistics gt Explore

Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with

test continue dan OK

Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi

bahwa data penghasilan mempunyai sebaran normal karena

sig gt α (0106 gt 005)

2 Statistika Inferensi parametrik untuk 1 Populasi

Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai

dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak

diketahui dari data yang mempunyai sebaran normal

Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan

seluruh pelanggan kartu Mentari sebesar 1 juta

Hipotesis

Ho micro = 1 juta

lawan

H1 micro ne 1 juta

Maka statistik ujinya adalah

nsxt test microminus=

Selang kepercayaannya

αminus=+ltmicroltminus 1)ntsxntsx(P

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

i

1n

)xx(s

Tests of Normality

081 100 106 972 100 032PHSL

Statistic df Sig Statistic df Sig

Kolmogorov-Smirnova

Shapiro-Wilk

Lilliefors Significance Correctiona

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1322

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 12

Cara melakukan analisis dengan SPSS adalah sbb

Pilih menu Analyze gt Compare Means gt One sample T test

Kemudian masukkan Test variable phsl Test value 1 tekan OK

Hasil SPSS ini berarti

Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value

sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-

rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta

C Statistika inferensi parametrik untuk 2 populasi

C1 Dua populasi bebas (Independent )

Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai

karakteristik yang berbeda

Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan

penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas

kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)

menggunakan metode pola latihan SQ3R

Statistik uji dan hipotesisnya adalah

H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2

Uji statistiknya - Untuk ragam kedua populasi sama

)n

1

n

1(s

xxt

21

2

gab

21

test

+

minus=

2nn

s)1n(s)1n(s

21

2

22

2

112

gab minus+

minus+minus=

- Untuk ragam kedua populasi berbeda

)n

s

n

s

(

xxt

2

2

2

1

2

1

21

test

+

minus=

One-Sample Statistics

100 1501 5544 0554PHSL

N Mean Std Deviation

Std Error

Mean

One-Sample Test

9037 99 000 501 391 611PHSL

t df Sig (2-tailed)

Mean

Difference Lower Upper

95 Confidence

Interval of the

Difference

Test Value = 1

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 13

- Selang kepercayaan untuk ragam kedua populasi sama

αminus=++minusltmicrominusmicrolt+minusminus 1)

n

1

n

1(st)xx(

n

1

n

1(st)xx((P

21

2

gab2121

21

2

gab21

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)

- Selang kepercayaan untuk ragam kedua populasi berbeda

αminus=++minusltmicrominusmicrolt+minusminus 1)n

s

n

st)xx(

n

s

n

st)xx((P

2

2

2

1

2

12121

2

2

2

1

2

121

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar

2

)1n(

)ns(

)1n(

)ns(

)nsns(v

2

2

2

2

2

1

2

1

2

1

2

2

2

21

2

1 minus

+++

+=

Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005

Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun

kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas

pertama (kelas biasa) atau kelas kedua (kelas sq3r)

Cara melakukan analisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Compare Means gt Independent samples T test

Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK

Group Statistics

30 581973 534223 97535

30 756117 405790 74087

KELAS

biasa

sq3r

NILAI

N Mean Std Deviation

Std Error

Mean

Independent Samples Test

620 434 -142 58 000 -174143 122483 -1987 -1496

-142 54 000 -174143 122483 -1987 -1496

Equal variances

assumed

Equal variances

not assumed

NILAI

F Sig

LevenesTest for

Equality of

Variances

t df

Sig

(2-tailed)

Mean

Difference

Std Error

Difference Lower Upper

95

Confidence

Interval of the

Difference

t-test for Equality of Means

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 14

Hasil SPSS berarti

Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil

pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)

sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama

Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)

diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat

perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen

lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa

C2 Dua populasi dependen (dua populasi berpasangan)

Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara

berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu

data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen

(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara

mengamatinya secara berpasang-pasangan

Statistik uji dan hipotesisnya sebagai berikut

H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB

Statistik ujinya

ns

Dt

Dtest

=

di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya

αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

iD

1n

)DD(s

Contoh

Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi

konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD

Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data

hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan

plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)

Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan

makanan modern

Pilih menu Analyze gt Compare Means gt Paired-samples T tes

Kemudian masukkan Paired variable prdtra dan prdmod tekan OK

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 15

Hasil SPSS ini berarti

Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =

klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi

tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat

perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern

D Uji Instrumentasi Penelitian

Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat

pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan

uji instrumentasi yaitu uji validitas dan reliabilitas

D1 Uji Validitas

Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil

penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang

sesungguhnya terjadi pada obyek yang diteliti

Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi

product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat

digunakan rumus

rxy =( )( )

( )( ) ( )( )sum sumsum sumsumsum sum

minusminus

minus2222

YY NXX N

YXXY N

Keterangan

rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan

Paired Samples Statistics

406 108 600 058

239 108 884 085

PRDTRAD

PRDMOD

Pair

1

Mean N Std Deviation

Std Error

Mean

Paired Samples Correlations

108 128 186PRDTRAD amp PRDMODPair 1

N Correlation Sig

Paired Samples Test

168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1

MeanStd

Deviation

Std

Error Mean Lower Upper

95 Confidence

Interval of the

Difference

Paired Differences

t df Sig

(2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 7: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 6

Disebut nol-nya mutlak sebab memang tidak akan ada benda (jalan) yang panjangnya nol

kilometer Pendapatan 0 berarti tidak menghasilkan pendapatan sama sekali

Jika kedua klasifikasi data tersebut dikombinasikan maka akan diperoleh seperti pada Tabel 12

sebagai berikut

Tabel 12 Kaitan antara skala ukur data dengan sifat kekontinyuannya

DISKRIT KONTINYU

NOMINAL V

ORDINAL V

INTERVAL V V

RATIO V V

Keterangan V = bersesuaian

F Taraf Nyata (αααα) dan p-value

Taraf nyata αααα adalah peluang menolak Ho yang pada hakekanya benar disebut peluang salah

jenis tipe I

αααα = P(Ho ditolak Ho benar)

Secara pragmatis alpha didefinisikan sebagai resiko salah dalam penarikan kesimpulan penelitian

Dengan memperkecil αααα berarti memperkecil resiko salah dalam penarikan kesimpulan Hal ini

dapat ditempuh dengan jalan memperkecil kesalahan (ketidakpastian) dalam setiap langkah

rangkaian analisis data inferensial Untuk memahami lebih lanjut mengenai αααα dapat diperhatikan

ilustarasi di bawah ini

Pelaksanaan pelatihan terhadap karyawan diharapkan dapat meningkatkan kinerjanya Untuk itu

dilakukan penelitian dengan mengajukan hipotesis statistika

Ho microb = micros lawan

H1 microb lt micros

Dalam hal ini microb = kinerja sebelum dilakukan pelatihan dan micros = kinerja sesudah dilakuan pelatihan

Katakanlah hasil pengujian cukup bermakna dengan p = 0027 Interpretasi Pelatihan dapatmeningkatkan kinerja karyawan Dimana kesimpulan tersebut mengandung resiko salah sebesar 27

Arti pragmatisnya Seandainya akan dilakukan pelatihan terhadap 1000 karyawan maka

berdasarkan hasil penelitian tersebut dimungkinkan 27 orang kinerjanya tidak meningkat

Perbedaan antara α dengan p-value

Besarnya α ditetukan berdasarkan konvensi (kesepakatan) para ahli yaitu 1 untuk penelitian

yang sifatnya kritis dan 5 untuk yang kurang kritis Nilai (titik) kritis beberapa statistik uji

misalnya t F Z dan χ2 pada alpha 1 5 atau 10 telah dihitung dan di tabelkan Sehingga

pengguna statistika tidak perlu sulit-sulit menghitungnya sendiri Hal ini dilatarbelakangi oleh kendala

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 7

sulitnya prosedur perhitungan tersebut terutama sebelum berkembangnya komputer Untuk jelasnya

perhatikan uraian berikut Untuk menghitung atau p pada statistik t dengan nilai thitung = 2288 pada

derajat bebas (db) = 10 adalah

( ) ( )

005t1

10210

21

12

1102

2882

=+

Β

int+

minus+infin

dt

dalam hal ini B(____) adalah fungsi Beta Dengan kata lain untuk thit = 2288 dengan db=10

diperoleh p = 005 atau dengan α = 005 dan db=10 diperoleh ttabel = 2288

Oleh karena itu sebelum komputer berkembang para ahli menggunakan mesin hitung yang

telah ada untuk menghitung permasalahan tersebut dan hasilnya dituangkan dalam Tabel Kaidah

pengujiannya adalah jika thit gt ttabel pada α tertentu maka tolak Ho dan sebaliknya Kelemahannya

adalah tidak bisa memberikan informasi resiko salah secara eksak Jadi seandainya p yang

sebenarnya = 0017 dan pada uji konvensional digunakan α = 005 maka resiko salah dalam

penarikan kesimpulan adalah 5 yang sebenarnya secara eksak adalah 17

Dengan berkembangnya komputer perhitungan nilai p untuk beberapa statistik uji dapat

dengan mudah dan cepat dilakukan Umumnya dinyatakan dalam notasi p-value atau p saja atau

Sig (di SPSS) Dengan demikian dapat dikatakan bahwa p adalah berupa signifikansi aktual

sedangkan alpha adalah signifikansi batas Berdasarkan taraf uji aktual yang merujuk pada p-value

maka keputusan uji hipotesis akan berbunyi

Tolak H 0 (bermakna) dengan resiko salah sebesar p x 100

Mengenai berapa besar nilai p yang masih dapat ditolerir sangat tergantung dari tingkat kekritisan

penelitian dan kepentingan pengguna hasil penelitian

Berdasarkan uraian tersebut dapat dikatakan bahwa kesimpulan yang ditarik berdasarkan uji

statistik tidak pernah bersifat benar mutlak Misal jika pengujian secara statistik mendapatkan

bahwa obat O dapat menyembuhkan penyakit S dengan p = 002 maka tidak semua penderita

penyakit S yang diobati O pasti sembuh akan tetapi dimungkinkan 98 sembuh dan 2 tidak

sembuh Oleh karena itu kesimpulan statistika tidak pernah dogmatis

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

A STATISTIKA DISKRIPTIF

Statistika diskriptif mer

deskripsi (gambaran) data sehin

sajian yang lebih menarik Ada

pie chart boxplot (dalam bentuk

Buka data SPSS deskriptif D

mempengaruhi pembelian kart

responden yang diambil sebagai

- usia adalah usia responden

- kusia adalah kelompok usi

- pddk adalah tingkat pendidi

- lama adalah lama penggun

- klama adalah kelompok la

- phsl adalah penghasilanbul

- kphsl adalah kelompok pen

- jangkau adalah penilaian r

kurang luas)

- signal adalah penilaian resp

kurang kuat)

- suara adalah penilaian resp

baik)

Histogram

Misalkan kita ingin membuat his

Pilih menu Graph gt Histogram

Lalu isi Variable phsl hidupka

983138 983090983088983088983096

P a g e | 8

BAB II

STATISTIKA DESKRIPTIF

upakan bagian statistika yang membahas te

gga informasi yang terkandung dalam data mu

beberapa cara mendeskriptifkan data antara lai

grafik) dan cara mengukur dengan nilai rata-rat

ata tersebut adalah hasil penelitian mengenai

Mentari pada PT Satelit Palapa Indonesia

sampel Adapun data dalam worksheet adalah s

responden (15-25 tahun 25-34 tahun 35-43 ta

an responden (SLTP SMU Sarjana)

an kartu Mentari (dalam bulan)

a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun

an responden (dalam juta rupiah)

ghasilan responden (lt1juta 1-15juta 15-2juta

sponden terhadap daya jangkau (sangat luas l

onden terhadap kekuatan signal (sangat kuat k

nden terhadap kualitas suara (sangat baik baik

ogram data penghasilan responden

display normal curve tekan OK

tang penataan dan

ah dipahami dengan

dengan histogram

variance dll

analisis faktor yang

Surabaya dari 100

bagai berikut

hun)

gt3 tahun)

gt2juta)

uas cukup luas dan

uat cukup kuat dan

cukup baik kurang

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

Pie Chart

Misalkan kita ingin membuat pie

Pilih menu Graph gt Pie

Pilih Summary for groups of c

Kemudian masukkan define sli

Box Plot

Misalkan kita ingin membuat Bo

Pilih menu Graph gt Boxplot

Pilih Summaries of Separate

Kemudian masukkan Boxes Re

Deskriptif Ukur

Misalkan kita ingin membuat sta

Pilih menu Analyze gt Descript

Kemudian masukkan variables

hidupkan range lalu OK

983138 983090983088983088983096

P a g e | 9

chart data pendidikan responden

ases lalu define

es pddk tekan OK

Plot data lama penggunaan kartu mentari oleh

Variables lalu define

resent lama tekan OK

istika deskriptif data usia responden

ive Statistics gt Descriptive

usia tekan option dan pilih statistik yang

esponden

ibutuhkan misalkan

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 10

Deskriptif Frekuensi

Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau

kekuatan signal dan kualitas suara kartu Mentari

Pilih menu Analyze gt Descriptive Statistics gt Frequencies

Kemudian masukkan variables jangkau tekan OK

Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan

cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya

B STATISTIKA INFERENSIAL

Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika

(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk

menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat

diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk

menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti

terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu

statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika

inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat

data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik

bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya

tak normal walaupun dengan transformasi

1 Uji Kenormalan

Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran

normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya

Descriptive Statistics

100 28 15 43 2538 7663

100

USIA

Valid N (listwise)

N Range Minimum Maximum Mean Std Deviation

JANGKAU

26 260 260 260

46 460 460 720

19 190 190 910

9 90 90 1000

100 1000 1000

kurang luas

cukup luas

luas

sangat luas

Total

ValidFrequency Percent Valid Percent

Cumulative

Percent

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 11

adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang

diamati tidak normal

Contoh menggunakan data penghasilan responden pada data deskriptif

Apakah data penghasilan responden menyebar normal

Pilih menu Analyze gt Descriptive Statistics gt Explore

Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with

test continue dan OK

Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi

bahwa data penghasilan mempunyai sebaran normal karena

sig gt α (0106 gt 005)

2 Statistika Inferensi parametrik untuk 1 Populasi

Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai

dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak

diketahui dari data yang mempunyai sebaran normal

Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan

seluruh pelanggan kartu Mentari sebesar 1 juta

Hipotesis

Ho micro = 1 juta

lawan

H1 micro ne 1 juta

Maka statistik ujinya adalah

nsxt test microminus=

Selang kepercayaannya

αminus=+ltmicroltminus 1)ntsxntsx(P

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

i

1n

)xx(s

Tests of Normality

081 100 106 972 100 032PHSL

Statistic df Sig Statistic df Sig

Kolmogorov-Smirnova

Shapiro-Wilk

Lilliefors Significance Correctiona

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1322

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 12

Cara melakukan analisis dengan SPSS adalah sbb

Pilih menu Analyze gt Compare Means gt One sample T test

Kemudian masukkan Test variable phsl Test value 1 tekan OK

Hasil SPSS ini berarti

Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value

sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-

rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta

C Statistika inferensi parametrik untuk 2 populasi

C1 Dua populasi bebas (Independent )

Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai

karakteristik yang berbeda

Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan

penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas

kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)

menggunakan metode pola latihan SQ3R

Statistik uji dan hipotesisnya adalah

H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2

Uji statistiknya - Untuk ragam kedua populasi sama

)n

1

n

1(s

xxt

21

2

gab

21

test

+

minus=

2nn

s)1n(s)1n(s

21

2

22

2

112

gab minus+

minus+minus=

- Untuk ragam kedua populasi berbeda

)n

s

n

s

(

xxt

2

2

2

1

2

1

21

test

+

minus=

One-Sample Statistics

100 1501 5544 0554PHSL

N Mean Std Deviation

Std Error

Mean

One-Sample Test

9037 99 000 501 391 611PHSL

t df Sig (2-tailed)

Mean

Difference Lower Upper

95 Confidence

Interval of the

Difference

Test Value = 1

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 13

- Selang kepercayaan untuk ragam kedua populasi sama

αminus=++minusltmicrominusmicrolt+minusminus 1)

n

1

n

1(st)xx(

n

1

n

1(st)xx((P

21

2

gab2121

21

2

gab21

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)

- Selang kepercayaan untuk ragam kedua populasi berbeda

αminus=++minusltmicrominusmicrolt+minusminus 1)n

s

n

st)xx(

n

s

n

st)xx((P

2

2

2

1

2

12121

2

2

2

1

2

121

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar

2

)1n(

)ns(

)1n(

)ns(

)nsns(v

2

2

2

2

2

1

2

1

2

1

2

2

2

21

2

1 minus

+++

+=

Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005

Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun

kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas

pertama (kelas biasa) atau kelas kedua (kelas sq3r)

Cara melakukan analisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Compare Means gt Independent samples T test

Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK

Group Statistics

30 581973 534223 97535

30 756117 405790 74087

KELAS

biasa

sq3r

NILAI

N Mean Std Deviation

Std Error

Mean

Independent Samples Test

620 434 -142 58 000 -174143 122483 -1987 -1496

-142 54 000 -174143 122483 -1987 -1496

Equal variances

assumed

Equal variances

not assumed

NILAI

F Sig

LevenesTest for

Equality of

Variances

t df

Sig

(2-tailed)

Mean

Difference

Std Error

Difference Lower Upper

95

Confidence

Interval of the

Difference

t-test for Equality of Means

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 14

Hasil SPSS berarti

Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil

pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)

sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama

Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)

diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat

perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen

lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa

C2 Dua populasi dependen (dua populasi berpasangan)

Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara

berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu

data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen

(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara

mengamatinya secara berpasang-pasangan

Statistik uji dan hipotesisnya sebagai berikut

H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB

Statistik ujinya

ns

Dt

Dtest

=

di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya

αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

iD

1n

)DD(s

Contoh

Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi

konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD

Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data

hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan

plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)

Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan

makanan modern

Pilih menu Analyze gt Compare Means gt Paired-samples T tes

Kemudian masukkan Paired variable prdtra dan prdmod tekan OK

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 15

Hasil SPSS ini berarti

Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =

klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi

tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat

perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern

D Uji Instrumentasi Penelitian

Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat

pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan

uji instrumentasi yaitu uji validitas dan reliabilitas

D1 Uji Validitas

Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil

penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang

sesungguhnya terjadi pada obyek yang diteliti

Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi

product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat

digunakan rumus

rxy =( )( )

( )( ) ( )( )sum sumsum sumsumsum sum

minusminus

minus2222

YY NXX N

YXXY N

Keterangan

rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan

Paired Samples Statistics

406 108 600 058

239 108 884 085

PRDTRAD

PRDMOD

Pair

1

Mean N Std Deviation

Std Error

Mean

Paired Samples Correlations

108 128 186PRDTRAD amp PRDMODPair 1

N Correlation Sig

Paired Samples Test

168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1

MeanStd

Deviation

Std

Error Mean Lower Upper

95 Confidence

Interval of the

Difference

Paired Differences

t df Sig

(2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 8: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 7

sulitnya prosedur perhitungan tersebut terutama sebelum berkembangnya komputer Untuk jelasnya

perhatikan uraian berikut Untuk menghitung atau p pada statistik t dengan nilai thitung = 2288 pada

derajat bebas (db) = 10 adalah

( ) ( )

005t1

10210

21

12

1102

2882

=+

Β

int+

minus+infin

dt

dalam hal ini B(____) adalah fungsi Beta Dengan kata lain untuk thit = 2288 dengan db=10

diperoleh p = 005 atau dengan α = 005 dan db=10 diperoleh ttabel = 2288

Oleh karena itu sebelum komputer berkembang para ahli menggunakan mesin hitung yang

telah ada untuk menghitung permasalahan tersebut dan hasilnya dituangkan dalam Tabel Kaidah

pengujiannya adalah jika thit gt ttabel pada α tertentu maka tolak Ho dan sebaliknya Kelemahannya

adalah tidak bisa memberikan informasi resiko salah secara eksak Jadi seandainya p yang

sebenarnya = 0017 dan pada uji konvensional digunakan α = 005 maka resiko salah dalam

penarikan kesimpulan adalah 5 yang sebenarnya secara eksak adalah 17

Dengan berkembangnya komputer perhitungan nilai p untuk beberapa statistik uji dapat

dengan mudah dan cepat dilakukan Umumnya dinyatakan dalam notasi p-value atau p saja atau

Sig (di SPSS) Dengan demikian dapat dikatakan bahwa p adalah berupa signifikansi aktual

sedangkan alpha adalah signifikansi batas Berdasarkan taraf uji aktual yang merujuk pada p-value

maka keputusan uji hipotesis akan berbunyi

Tolak H 0 (bermakna) dengan resiko salah sebesar p x 100

Mengenai berapa besar nilai p yang masih dapat ditolerir sangat tergantung dari tingkat kekritisan

penelitian dan kepentingan pengguna hasil penelitian

Berdasarkan uraian tersebut dapat dikatakan bahwa kesimpulan yang ditarik berdasarkan uji

statistik tidak pernah bersifat benar mutlak Misal jika pengujian secara statistik mendapatkan

bahwa obat O dapat menyembuhkan penyakit S dengan p = 002 maka tidak semua penderita

penyakit S yang diobati O pasti sembuh akan tetapi dimungkinkan 98 sembuh dan 2 tidak

sembuh Oleh karena itu kesimpulan statistika tidak pernah dogmatis

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

A STATISTIKA DISKRIPTIF

Statistika diskriptif mer

deskripsi (gambaran) data sehin

sajian yang lebih menarik Ada

pie chart boxplot (dalam bentuk

Buka data SPSS deskriptif D

mempengaruhi pembelian kart

responden yang diambil sebagai

- usia adalah usia responden

- kusia adalah kelompok usi

- pddk adalah tingkat pendidi

- lama adalah lama penggun

- klama adalah kelompok la

- phsl adalah penghasilanbul

- kphsl adalah kelompok pen

- jangkau adalah penilaian r

kurang luas)

- signal adalah penilaian resp

kurang kuat)

- suara adalah penilaian resp

baik)

Histogram

Misalkan kita ingin membuat his

Pilih menu Graph gt Histogram

Lalu isi Variable phsl hidupka

983138 983090983088983088983096

P a g e | 8

BAB II

STATISTIKA DESKRIPTIF

upakan bagian statistika yang membahas te

gga informasi yang terkandung dalam data mu

beberapa cara mendeskriptifkan data antara lai

grafik) dan cara mengukur dengan nilai rata-rat

ata tersebut adalah hasil penelitian mengenai

Mentari pada PT Satelit Palapa Indonesia

sampel Adapun data dalam worksheet adalah s

responden (15-25 tahun 25-34 tahun 35-43 ta

an responden (SLTP SMU Sarjana)

an kartu Mentari (dalam bulan)

a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun

an responden (dalam juta rupiah)

ghasilan responden (lt1juta 1-15juta 15-2juta

sponden terhadap daya jangkau (sangat luas l

onden terhadap kekuatan signal (sangat kuat k

nden terhadap kualitas suara (sangat baik baik

ogram data penghasilan responden

display normal curve tekan OK

tang penataan dan

ah dipahami dengan

dengan histogram

variance dll

analisis faktor yang

Surabaya dari 100

bagai berikut

hun)

gt3 tahun)

gt2juta)

uas cukup luas dan

uat cukup kuat dan

cukup baik kurang

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

Pie Chart

Misalkan kita ingin membuat pie

Pilih menu Graph gt Pie

Pilih Summary for groups of c

Kemudian masukkan define sli

Box Plot

Misalkan kita ingin membuat Bo

Pilih menu Graph gt Boxplot

Pilih Summaries of Separate

Kemudian masukkan Boxes Re

Deskriptif Ukur

Misalkan kita ingin membuat sta

Pilih menu Analyze gt Descript

Kemudian masukkan variables

hidupkan range lalu OK

983138 983090983088983088983096

P a g e | 9

chart data pendidikan responden

ases lalu define

es pddk tekan OK

Plot data lama penggunaan kartu mentari oleh

Variables lalu define

resent lama tekan OK

istika deskriptif data usia responden

ive Statistics gt Descriptive

usia tekan option dan pilih statistik yang

esponden

ibutuhkan misalkan

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 10

Deskriptif Frekuensi

Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau

kekuatan signal dan kualitas suara kartu Mentari

Pilih menu Analyze gt Descriptive Statistics gt Frequencies

Kemudian masukkan variables jangkau tekan OK

Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan

cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya

B STATISTIKA INFERENSIAL

Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika

(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk

menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat

diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk

menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti

terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu

statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika

inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat

data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik

bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya

tak normal walaupun dengan transformasi

1 Uji Kenormalan

Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran

normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya

Descriptive Statistics

100 28 15 43 2538 7663

100

USIA

Valid N (listwise)

N Range Minimum Maximum Mean Std Deviation

JANGKAU

26 260 260 260

46 460 460 720

19 190 190 910

9 90 90 1000

100 1000 1000

kurang luas

cukup luas

luas

sangat luas

Total

ValidFrequency Percent Valid Percent

Cumulative

Percent

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 11

adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang

diamati tidak normal

Contoh menggunakan data penghasilan responden pada data deskriptif

Apakah data penghasilan responden menyebar normal

Pilih menu Analyze gt Descriptive Statistics gt Explore

Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with

test continue dan OK

Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi

bahwa data penghasilan mempunyai sebaran normal karena

sig gt α (0106 gt 005)

2 Statistika Inferensi parametrik untuk 1 Populasi

Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai

dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak

diketahui dari data yang mempunyai sebaran normal

Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan

seluruh pelanggan kartu Mentari sebesar 1 juta

Hipotesis

Ho micro = 1 juta

lawan

H1 micro ne 1 juta

Maka statistik ujinya adalah

nsxt test microminus=

Selang kepercayaannya

αminus=+ltmicroltminus 1)ntsxntsx(P

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

i

1n

)xx(s

Tests of Normality

081 100 106 972 100 032PHSL

Statistic df Sig Statistic df Sig

Kolmogorov-Smirnova

Shapiro-Wilk

Lilliefors Significance Correctiona

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1322

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 12

Cara melakukan analisis dengan SPSS adalah sbb

Pilih menu Analyze gt Compare Means gt One sample T test

Kemudian masukkan Test variable phsl Test value 1 tekan OK

Hasil SPSS ini berarti

Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value

sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-

rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta

C Statistika inferensi parametrik untuk 2 populasi

C1 Dua populasi bebas (Independent )

Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai

karakteristik yang berbeda

Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan

penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas

kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)

menggunakan metode pola latihan SQ3R

Statistik uji dan hipotesisnya adalah

H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2

Uji statistiknya - Untuk ragam kedua populasi sama

)n

1

n

1(s

xxt

21

2

gab

21

test

+

minus=

2nn

s)1n(s)1n(s

21

2

22

2

112

gab minus+

minus+minus=

- Untuk ragam kedua populasi berbeda

)n

s

n

s

(

xxt

2

2

2

1

2

1

21

test

+

minus=

One-Sample Statistics

100 1501 5544 0554PHSL

N Mean Std Deviation

Std Error

Mean

One-Sample Test

9037 99 000 501 391 611PHSL

t df Sig (2-tailed)

Mean

Difference Lower Upper

95 Confidence

Interval of the

Difference

Test Value = 1

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 13

- Selang kepercayaan untuk ragam kedua populasi sama

αminus=++minusltmicrominusmicrolt+minusminus 1)

n

1

n

1(st)xx(

n

1

n

1(st)xx((P

21

2

gab2121

21

2

gab21

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)

- Selang kepercayaan untuk ragam kedua populasi berbeda

αminus=++minusltmicrominusmicrolt+minusminus 1)n

s

n

st)xx(

n

s

n

st)xx((P

2

2

2

1

2

12121

2

2

2

1

2

121

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar

2

)1n(

)ns(

)1n(

)ns(

)nsns(v

2

2

2

2

2

1

2

1

2

1

2

2

2

21

2

1 minus

+++

+=

Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005

Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun

kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas

pertama (kelas biasa) atau kelas kedua (kelas sq3r)

Cara melakukan analisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Compare Means gt Independent samples T test

Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK

Group Statistics

30 581973 534223 97535

30 756117 405790 74087

KELAS

biasa

sq3r

NILAI

N Mean Std Deviation

Std Error

Mean

Independent Samples Test

620 434 -142 58 000 -174143 122483 -1987 -1496

-142 54 000 -174143 122483 -1987 -1496

Equal variances

assumed

Equal variances

not assumed

NILAI

F Sig

LevenesTest for

Equality of

Variances

t df

Sig

(2-tailed)

Mean

Difference

Std Error

Difference Lower Upper

95

Confidence

Interval of the

Difference

t-test for Equality of Means

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 14

Hasil SPSS berarti

Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil

pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)

sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama

Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)

diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat

perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen

lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa

C2 Dua populasi dependen (dua populasi berpasangan)

Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara

berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu

data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen

(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara

mengamatinya secara berpasang-pasangan

Statistik uji dan hipotesisnya sebagai berikut

H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB

Statistik ujinya

ns

Dt

Dtest

=

di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya

αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

iD

1n

)DD(s

Contoh

Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi

konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD

Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data

hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan

plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)

Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan

makanan modern

Pilih menu Analyze gt Compare Means gt Paired-samples T tes

Kemudian masukkan Paired variable prdtra dan prdmod tekan OK

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 15

Hasil SPSS ini berarti

Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =

klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi

tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat

perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern

D Uji Instrumentasi Penelitian

Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat

pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan

uji instrumentasi yaitu uji validitas dan reliabilitas

D1 Uji Validitas

Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil

penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang

sesungguhnya terjadi pada obyek yang diteliti

Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi

product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat

digunakan rumus

rxy =( )( )

( )( ) ( )( )sum sumsum sumsumsum sum

minusminus

minus2222

YY NXX N

YXXY N

Keterangan

rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan

Paired Samples Statistics

406 108 600 058

239 108 884 085

PRDTRAD

PRDMOD

Pair

1

Mean N Std Deviation

Std Error

Mean

Paired Samples Correlations

108 128 186PRDTRAD amp PRDMODPair 1

N Correlation Sig

Paired Samples Test

168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1

MeanStd

Deviation

Std

Error Mean Lower Upper

95 Confidence

Interval of the

Difference

Paired Differences

t df Sig

(2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 9: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

A STATISTIKA DISKRIPTIF

Statistika diskriptif mer

deskripsi (gambaran) data sehin

sajian yang lebih menarik Ada

pie chart boxplot (dalam bentuk

Buka data SPSS deskriptif D

mempengaruhi pembelian kart

responden yang diambil sebagai

- usia adalah usia responden

- kusia adalah kelompok usi

- pddk adalah tingkat pendidi

- lama adalah lama penggun

- klama adalah kelompok la

- phsl adalah penghasilanbul

- kphsl adalah kelompok pen

- jangkau adalah penilaian r

kurang luas)

- signal adalah penilaian resp

kurang kuat)

- suara adalah penilaian resp

baik)

Histogram

Misalkan kita ingin membuat his

Pilih menu Graph gt Histogram

Lalu isi Variable phsl hidupka

983138 983090983088983088983096

P a g e | 8

BAB II

STATISTIKA DESKRIPTIF

upakan bagian statistika yang membahas te

gga informasi yang terkandung dalam data mu

beberapa cara mendeskriptifkan data antara lai

grafik) dan cara mengukur dengan nilai rata-rat

ata tersebut adalah hasil penelitian mengenai

Mentari pada PT Satelit Palapa Indonesia

sampel Adapun data dalam worksheet adalah s

responden (15-25 tahun 25-34 tahun 35-43 ta

an responden (SLTP SMU Sarjana)

an kartu Mentari (dalam bulan)

a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun

an responden (dalam juta rupiah)

ghasilan responden (lt1juta 1-15juta 15-2juta

sponden terhadap daya jangkau (sangat luas l

onden terhadap kekuatan signal (sangat kuat k

nden terhadap kualitas suara (sangat baik baik

ogram data penghasilan responden

display normal curve tekan OK

tang penataan dan

ah dipahami dengan

dengan histogram

variance dll

analisis faktor yang

Surabaya dari 100

bagai berikut

hun)

gt3 tahun)

gt2juta)

uas cukup luas dan

uat cukup kuat dan

cukup baik kurang

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

Pie Chart

Misalkan kita ingin membuat pie

Pilih menu Graph gt Pie

Pilih Summary for groups of c

Kemudian masukkan define sli

Box Plot

Misalkan kita ingin membuat Bo

Pilih menu Graph gt Boxplot

Pilih Summaries of Separate

Kemudian masukkan Boxes Re

Deskriptif Ukur

Misalkan kita ingin membuat sta

Pilih menu Analyze gt Descript

Kemudian masukkan variables

hidupkan range lalu OK

983138 983090983088983088983096

P a g e | 9

chart data pendidikan responden

ases lalu define

es pddk tekan OK

Plot data lama penggunaan kartu mentari oleh

Variables lalu define

resent lama tekan OK

istika deskriptif data usia responden

ive Statistics gt Descriptive

usia tekan option dan pilih statistik yang

esponden

ibutuhkan misalkan

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 10

Deskriptif Frekuensi

Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau

kekuatan signal dan kualitas suara kartu Mentari

Pilih menu Analyze gt Descriptive Statistics gt Frequencies

Kemudian masukkan variables jangkau tekan OK

Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan

cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya

B STATISTIKA INFERENSIAL

Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika

(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk

menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat

diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk

menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti

terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu

statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika

inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat

data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik

bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya

tak normal walaupun dengan transformasi

1 Uji Kenormalan

Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran

normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya

Descriptive Statistics

100 28 15 43 2538 7663

100

USIA

Valid N (listwise)

N Range Minimum Maximum Mean Std Deviation

JANGKAU

26 260 260 260

46 460 460 720

19 190 190 910

9 90 90 1000

100 1000 1000

kurang luas

cukup luas

luas

sangat luas

Total

ValidFrequency Percent Valid Percent

Cumulative

Percent

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 11

adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang

diamati tidak normal

Contoh menggunakan data penghasilan responden pada data deskriptif

Apakah data penghasilan responden menyebar normal

Pilih menu Analyze gt Descriptive Statistics gt Explore

Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with

test continue dan OK

Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi

bahwa data penghasilan mempunyai sebaran normal karena

sig gt α (0106 gt 005)

2 Statistika Inferensi parametrik untuk 1 Populasi

Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai

dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak

diketahui dari data yang mempunyai sebaran normal

Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan

seluruh pelanggan kartu Mentari sebesar 1 juta

Hipotesis

Ho micro = 1 juta

lawan

H1 micro ne 1 juta

Maka statistik ujinya adalah

nsxt test microminus=

Selang kepercayaannya

αminus=+ltmicroltminus 1)ntsxntsx(P

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

i

1n

)xx(s

Tests of Normality

081 100 106 972 100 032PHSL

Statistic df Sig Statistic df Sig

Kolmogorov-Smirnova

Shapiro-Wilk

Lilliefors Significance Correctiona

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1322

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 12

Cara melakukan analisis dengan SPSS adalah sbb

Pilih menu Analyze gt Compare Means gt One sample T test

Kemudian masukkan Test variable phsl Test value 1 tekan OK

Hasil SPSS ini berarti

Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value

sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-

rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta

C Statistika inferensi parametrik untuk 2 populasi

C1 Dua populasi bebas (Independent )

Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai

karakteristik yang berbeda

Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan

penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas

kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)

menggunakan metode pola latihan SQ3R

Statistik uji dan hipotesisnya adalah

H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2

Uji statistiknya - Untuk ragam kedua populasi sama

)n

1

n

1(s

xxt

21

2

gab

21

test

+

minus=

2nn

s)1n(s)1n(s

21

2

22

2

112

gab minus+

minus+minus=

- Untuk ragam kedua populasi berbeda

)n

s

n

s

(

xxt

2

2

2

1

2

1

21

test

+

minus=

One-Sample Statistics

100 1501 5544 0554PHSL

N Mean Std Deviation

Std Error

Mean

One-Sample Test

9037 99 000 501 391 611PHSL

t df Sig (2-tailed)

Mean

Difference Lower Upper

95 Confidence

Interval of the

Difference

Test Value = 1

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 13

- Selang kepercayaan untuk ragam kedua populasi sama

αminus=++minusltmicrominusmicrolt+minusminus 1)

n

1

n

1(st)xx(

n

1

n

1(st)xx((P

21

2

gab2121

21

2

gab21

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)

- Selang kepercayaan untuk ragam kedua populasi berbeda

αminus=++minusltmicrominusmicrolt+minusminus 1)n

s

n

st)xx(

n

s

n

st)xx((P

2

2

2

1

2

12121

2

2

2

1

2

121

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar

2

)1n(

)ns(

)1n(

)ns(

)nsns(v

2

2

2

2

2

1

2

1

2

1

2

2

2

21

2

1 minus

+++

+=

Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005

Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun

kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas

pertama (kelas biasa) atau kelas kedua (kelas sq3r)

Cara melakukan analisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Compare Means gt Independent samples T test

Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK

Group Statistics

30 581973 534223 97535

30 756117 405790 74087

KELAS

biasa

sq3r

NILAI

N Mean Std Deviation

Std Error

Mean

Independent Samples Test

620 434 -142 58 000 -174143 122483 -1987 -1496

-142 54 000 -174143 122483 -1987 -1496

Equal variances

assumed

Equal variances

not assumed

NILAI

F Sig

LevenesTest for

Equality of

Variances

t df

Sig

(2-tailed)

Mean

Difference

Std Error

Difference Lower Upper

95

Confidence

Interval of the

Difference

t-test for Equality of Means

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 14

Hasil SPSS berarti

Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil

pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)

sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama

Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)

diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat

perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen

lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa

C2 Dua populasi dependen (dua populasi berpasangan)

Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara

berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu

data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen

(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara

mengamatinya secara berpasang-pasangan

Statistik uji dan hipotesisnya sebagai berikut

H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB

Statistik ujinya

ns

Dt

Dtest

=

di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya

αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

iD

1n

)DD(s

Contoh

Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi

konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD

Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data

hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan

plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)

Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan

makanan modern

Pilih menu Analyze gt Compare Means gt Paired-samples T tes

Kemudian masukkan Paired variable prdtra dan prdmod tekan OK

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 15

Hasil SPSS ini berarti

Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =

klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi

tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat

perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern

D Uji Instrumentasi Penelitian

Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat

pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan

uji instrumentasi yaitu uji validitas dan reliabilitas

D1 Uji Validitas

Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil

penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang

sesungguhnya terjadi pada obyek yang diteliti

Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi

product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat

digunakan rumus

rxy =( )( )

( )( ) ( )( )sum sumsum sumsumsum sum

minusminus

minus2222

YY NXX N

YXXY N

Keterangan

rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan

Paired Samples Statistics

406 108 600 058

239 108 884 085

PRDTRAD

PRDMOD

Pair

1

Mean N Std Deviation

Std Error

Mean

Paired Samples Correlations

108 128 186PRDTRAD amp PRDMODPair 1

N Correlation Sig

Paired Samples Test

168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1

MeanStd

Deviation

Std

Error Mean Lower Upper

95 Confidence

Interval of the

Difference

Paired Differences

t df Sig

(2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 10: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141

Pie Chart

Misalkan kita ingin membuat pie

Pilih menu Graph gt Pie

Pilih Summary for groups of c

Kemudian masukkan define sli

Box Plot

Misalkan kita ingin membuat Bo

Pilih menu Graph gt Boxplot

Pilih Summaries of Separate

Kemudian masukkan Boxes Re

Deskriptif Ukur

Misalkan kita ingin membuat sta

Pilih menu Analyze gt Descript

Kemudian masukkan variables

hidupkan range lalu OK

983138 983090983088983088983096

P a g e | 9

chart data pendidikan responden

ases lalu define

es pddk tekan OK

Plot data lama penggunaan kartu mentari oleh

Variables lalu define

resent lama tekan OK

istika deskriptif data usia responden

ive Statistics gt Descriptive

usia tekan option dan pilih statistik yang

esponden

ibutuhkan misalkan

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 10

Deskriptif Frekuensi

Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau

kekuatan signal dan kualitas suara kartu Mentari

Pilih menu Analyze gt Descriptive Statistics gt Frequencies

Kemudian masukkan variables jangkau tekan OK

Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan

cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya

B STATISTIKA INFERENSIAL

Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika

(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk

menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat

diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk

menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti

terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu

statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika

inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat

data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik

bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya

tak normal walaupun dengan transformasi

1 Uji Kenormalan

Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran

normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya

Descriptive Statistics

100 28 15 43 2538 7663

100

USIA

Valid N (listwise)

N Range Minimum Maximum Mean Std Deviation

JANGKAU

26 260 260 260

46 460 460 720

19 190 190 910

9 90 90 1000

100 1000 1000

kurang luas

cukup luas

luas

sangat luas

Total

ValidFrequency Percent Valid Percent

Cumulative

Percent

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 11

adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang

diamati tidak normal

Contoh menggunakan data penghasilan responden pada data deskriptif

Apakah data penghasilan responden menyebar normal

Pilih menu Analyze gt Descriptive Statistics gt Explore

Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with

test continue dan OK

Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi

bahwa data penghasilan mempunyai sebaran normal karena

sig gt α (0106 gt 005)

2 Statistika Inferensi parametrik untuk 1 Populasi

Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai

dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak

diketahui dari data yang mempunyai sebaran normal

Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan

seluruh pelanggan kartu Mentari sebesar 1 juta

Hipotesis

Ho micro = 1 juta

lawan

H1 micro ne 1 juta

Maka statistik ujinya adalah

nsxt test microminus=

Selang kepercayaannya

αminus=+ltmicroltminus 1)ntsxntsx(P

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

i

1n

)xx(s

Tests of Normality

081 100 106 972 100 032PHSL

Statistic df Sig Statistic df Sig

Kolmogorov-Smirnova

Shapiro-Wilk

Lilliefors Significance Correctiona

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1322

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 12

Cara melakukan analisis dengan SPSS adalah sbb

Pilih menu Analyze gt Compare Means gt One sample T test

Kemudian masukkan Test variable phsl Test value 1 tekan OK

Hasil SPSS ini berarti

Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value

sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-

rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta

C Statistika inferensi parametrik untuk 2 populasi

C1 Dua populasi bebas (Independent )

Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai

karakteristik yang berbeda

Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan

penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas

kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)

menggunakan metode pola latihan SQ3R

Statistik uji dan hipotesisnya adalah

H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2

Uji statistiknya - Untuk ragam kedua populasi sama

)n

1

n

1(s

xxt

21

2

gab

21

test

+

minus=

2nn

s)1n(s)1n(s

21

2

22

2

112

gab minus+

minus+minus=

- Untuk ragam kedua populasi berbeda

)n

s

n

s

(

xxt

2

2

2

1

2

1

21

test

+

minus=

One-Sample Statistics

100 1501 5544 0554PHSL

N Mean Std Deviation

Std Error

Mean

One-Sample Test

9037 99 000 501 391 611PHSL

t df Sig (2-tailed)

Mean

Difference Lower Upper

95 Confidence

Interval of the

Difference

Test Value = 1

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 13

- Selang kepercayaan untuk ragam kedua populasi sama

αminus=++minusltmicrominusmicrolt+minusminus 1)

n

1

n

1(st)xx(

n

1

n

1(st)xx((P

21

2

gab2121

21

2

gab21

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)

- Selang kepercayaan untuk ragam kedua populasi berbeda

αminus=++minusltmicrominusmicrolt+minusminus 1)n

s

n

st)xx(

n

s

n

st)xx((P

2

2

2

1

2

12121

2

2

2

1

2

121

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar

2

)1n(

)ns(

)1n(

)ns(

)nsns(v

2

2

2

2

2

1

2

1

2

1

2

2

2

21

2

1 minus

+++

+=

Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005

Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun

kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas

pertama (kelas biasa) atau kelas kedua (kelas sq3r)

Cara melakukan analisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Compare Means gt Independent samples T test

Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK

Group Statistics

30 581973 534223 97535

30 756117 405790 74087

KELAS

biasa

sq3r

NILAI

N Mean Std Deviation

Std Error

Mean

Independent Samples Test

620 434 -142 58 000 -174143 122483 -1987 -1496

-142 54 000 -174143 122483 -1987 -1496

Equal variances

assumed

Equal variances

not assumed

NILAI

F Sig

LevenesTest for

Equality of

Variances

t df

Sig

(2-tailed)

Mean

Difference

Std Error

Difference Lower Upper

95

Confidence

Interval of the

Difference

t-test for Equality of Means

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 14

Hasil SPSS berarti

Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil

pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)

sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama

Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)

diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat

perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen

lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa

C2 Dua populasi dependen (dua populasi berpasangan)

Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara

berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu

data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen

(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara

mengamatinya secara berpasang-pasangan

Statistik uji dan hipotesisnya sebagai berikut

H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB

Statistik ujinya

ns

Dt

Dtest

=

di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya

αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

iD

1n

)DD(s

Contoh

Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi

konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD

Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data

hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan

plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)

Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan

makanan modern

Pilih menu Analyze gt Compare Means gt Paired-samples T tes

Kemudian masukkan Paired variable prdtra dan prdmod tekan OK

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 15

Hasil SPSS ini berarti

Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =

klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi

tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat

perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern

D Uji Instrumentasi Penelitian

Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat

pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan

uji instrumentasi yaitu uji validitas dan reliabilitas

D1 Uji Validitas

Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil

penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang

sesungguhnya terjadi pada obyek yang diteliti

Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi

product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat

digunakan rumus

rxy =( )( )

( )( ) ( )( )sum sumsum sumsumsum sum

minusminus

minus2222

YY NXX N

YXXY N

Keterangan

rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan

Paired Samples Statistics

406 108 600 058

239 108 884 085

PRDTRAD

PRDMOD

Pair

1

Mean N Std Deviation

Std Error

Mean

Paired Samples Correlations

108 128 186PRDTRAD amp PRDMODPair 1

N Correlation Sig

Paired Samples Test

168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1

MeanStd

Deviation

Std

Error Mean Lower Upper

95 Confidence

Interval of the

Difference

Paired Differences

t df Sig

(2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 11: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 10

Deskriptif Frekuensi

Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau

kekuatan signal dan kualitas suara kartu Mentari

Pilih menu Analyze gt Descriptive Statistics gt Frequencies

Kemudian masukkan variables jangkau tekan OK

Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan

cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya

B STATISTIKA INFERENSIAL

Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika

(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk

menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat

diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk

menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti

terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu

statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika

inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat

data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik

bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya

tak normal walaupun dengan transformasi

1 Uji Kenormalan

Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran

normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya

Descriptive Statistics

100 28 15 43 2538 7663

100

USIA

Valid N (listwise)

N Range Minimum Maximum Mean Std Deviation

JANGKAU

26 260 260 260

46 460 460 720

19 190 190 910

9 90 90 1000

100 1000 1000

kurang luas

cukup luas

luas

sangat luas

Total

ValidFrequency Percent Valid Percent

Cumulative

Percent

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 11

adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang

diamati tidak normal

Contoh menggunakan data penghasilan responden pada data deskriptif

Apakah data penghasilan responden menyebar normal

Pilih menu Analyze gt Descriptive Statistics gt Explore

Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with

test continue dan OK

Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi

bahwa data penghasilan mempunyai sebaran normal karena

sig gt α (0106 gt 005)

2 Statistika Inferensi parametrik untuk 1 Populasi

Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai

dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak

diketahui dari data yang mempunyai sebaran normal

Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan

seluruh pelanggan kartu Mentari sebesar 1 juta

Hipotesis

Ho micro = 1 juta

lawan

H1 micro ne 1 juta

Maka statistik ujinya adalah

nsxt test microminus=

Selang kepercayaannya

αminus=+ltmicroltminus 1)ntsxntsx(P

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

i

1n

)xx(s

Tests of Normality

081 100 106 972 100 032PHSL

Statistic df Sig Statistic df Sig

Kolmogorov-Smirnova

Shapiro-Wilk

Lilliefors Significance Correctiona

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1322

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 12

Cara melakukan analisis dengan SPSS adalah sbb

Pilih menu Analyze gt Compare Means gt One sample T test

Kemudian masukkan Test variable phsl Test value 1 tekan OK

Hasil SPSS ini berarti

Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value

sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-

rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta

C Statistika inferensi parametrik untuk 2 populasi

C1 Dua populasi bebas (Independent )

Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai

karakteristik yang berbeda

Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan

penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas

kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)

menggunakan metode pola latihan SQ3R

Statistik uji dan hipotesisnya adalah

H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2

Uji statistiknya - Untuk ragam kedua populasi sama

)n

1

n

1(s

xxt

21

2

gab

21

test

+

minus=

2nn

s)1n(s)1n(s

21

2

22

2

112

gab minus+

minus+minus=

- Untuk ragam kedua populasi berbeda

)n

s

n

s

(

xxt

2

2

2

1

2

1

21

test

+

minus=

One-Sample Statistics

100 1501 5544 0554PHSL

N Mean Std Deviation

Std Error

Mean

One-Sample Test

9037 99 000 501 391 611PHSL

t df Sig (2-tailed)

Mean

Difference Lower Upper

95 Confidence

Interval of the

Difference

Test Value = 1

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 13

- Selang kepercayaan untuk ragam kedua populasi sama

αminus=++minusltmicrominusmicrolt+minusminus 1)

n

1

n

1(st)xx(

n

1

n

1(st)xx((P

21

2

gab2121

21

2

gab21

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)

- Selang kepercayaan untuk ragam kedua populasi berbeda

αminus=++minusltmicrominusmicrolt+minusminus 1)n

s

n

st)xx(

n

s

n

st)xx((P

2

2

2

1

2

12121

2

2

2

1

2

121

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar

2

)1n(

)ns(

)1n(

)ns(

)nsns(v

2

2

2

2

2

1

2

1

2

1

2

2

2

21

2

1 minus

+++

+=

Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005

Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun

kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas

pertama (kelas biasa) atau kelas kedua (kelas sq3r)

Cara melakukan analisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Compare Means gt Independent samples T test

Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK

Group Statistics

30 581973 534223 97535

30 756117 405790 74087

KELAS

biasa

sq3r

NILAI

N Mean Std Deviation

Std Error

Mean

Independent Samples Test

620 434 -142 58 000 -174143 122483 -1987 -1496

-142 54 000 -174143 122483 -1987 -1496

Equal variances

assumed

Equal variances

not assumed

NILAI

F Sig

LevenesTest for

Equality of

Variances

t df

Sig

(2-tailed)

Mean

Difference

Std Error

Difference Lower Upper

95

Confidence

Interval of the

Difference

t-test for Equality of Means

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 14

Hasil SPSS berarti

Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil

pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)

sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama

Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)

diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat

perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen

lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa

C2 Dua populasi dependen (dua populasi berpasangan)

Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara

berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu

data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen

(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara

mengamatinya secara berpasang-pasangan

Statistik uji dan hipotesisnya sebagai berikut

H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB

Statistik ujinya

ns

Dt

Dtest

=

di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya

αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

iD

1n

)DD(s

Contoh

Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi

konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD

Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data

hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan

plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)

Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan

makanan modern

Pilih menu Analyze gt Compare Means gt Paired-samples T tes

Kemudian masukkan Paired variable prdtra dan prdmod tekan OK

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 15

Hasil SPSS ini berarti

Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =

klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi

tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat

perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern

D Uji Instrumentasi Penelitian

Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat

pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan

uji instrumentasi yaitu uji validitas dan reliabilitas

D1 Uji Validitas

Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil

penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang

sesungguhnya terjadi pada obyek yang diteliti

Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi

product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat

digunakan rumus

rxy =( )( )

( )( ) ( )( )sum sumsum sumsumsum sum

minusminus

minus2222

YY NXX N

YXXY N

Keterangan

rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan

Paired Samples Statistics

406 108 600 058

239 108 884 085

PRDTRAD

PRDMOD

Pair

1

Mean N Std Deviation

Std Error

Mean

Paired Samples Correlations

108 128 186PRDTRAD amp PRDMODPair 1

N Correlation Sig

Paired Samples Test

168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1

MeanStd

Deviation

Std

Error Mean Lower Upper

95 Confidence

Interval of the

Difference

Paired Differences

t df Sig

(2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 12: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 11

adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang

diamati tidak normal

Contoh menggunakan data penghasilan responden pada data deskriptif

Apakah data penghasilan responden menyebar normal

Pilih menu Analyze gt Descriptive Statistics gt Explore

Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with

test continue dan OK

Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi

bahwa data penghasilan mempunyai sebaran normal karena

sig gt α (0106 gt 005)

2 Statistika Inferensi parametrik untuk 1 Populasi

Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai

dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak

diketahui dari data yang mempunyai sebaran normal

Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan

seluruh pelanggan kartu Mentari sebesar 1 juta

Hipotesis

Ho micro = 1 juta

lawan

H1 micro ne 1 juta

Maka statistik ujinya adalah

nsxt test microminus=

Selang kepercayaannya

αminus=+ltmicroltminus 1)ntsxntsx(P

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

i

1n

)xx(s

Tests of Normality

081 100 106 972 100 032PHSL

Statistic df Sig Statistic df Sig

Kolmogorov-Smirnova

Shapiro-Wilk

Lilliefors Significance Correctiona

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1322

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 12

Cara melakukan analisis dengan SPSS adalah sbb

Pilih menu Analyze gt Compare Means gt One sample T test

Kemudian masukkan Test variable phsl Test value 1 tekan OK

Hasil SPSS ini berarti

Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value

sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-

rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta

C Statistika inferensi parametrik untuk 2 populasi

C1 Dua populasi bebas (Independent )

Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai

karakteristik yang berbeda

Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan

penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas

kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)

menggunakan metode pola latihan SQ3R

Statistik uji dan hipotesisnya adalah

H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2

Uji statistiknya - Untuk ragam kedua populasi sama

)n

1

n

1(s

xxt

21

2

gab

21

test

+

minus=

2nn

s)1n(s)1n(s

21

2

22

2

112

gab minus+

minus+minus=

- Untuk ragam kedua populasi berbeda

)n

s

n

s

(

xxt

2

2

2

1

2

1

21

test

+

minus=

One-Sample Statistics

100 1501 5544 0554PHSL

N Mean Std Deviation

Std Error

Mean

One-Sample Test

9037 99 000 501 391 611PHSL

t df Sig (2-tailed)

Mean

Difference Lower Upper

95 Confidence

Interval of the

Difference

Test Value = 1

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 13

- Selang kepercayaan untuk ragam kedua populasi sama

αminus=++minusltmicrominusmicrolt+minusminus 1)

n

1

n

1(st)xx(

n

1

n

1(st)xx((P

21

2

gab2121

21

2

gab21

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)

- Selang kepercayaan untuk ragam kedua populasi berbeda

αminus=++minusltmicrominusmicrolt+minusminus 1)n

s

n

st)xx(

n

s

n

st)xx((P

2

2

2

1

2

12121

2

2

2

1

2

121

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar

2

)1n(

)ns(

)1n(

)ns(

)nsns(v

2

2

2

2

2

1

2

1

2

1

2

2

2

21

2

1 minus

+++

+=

Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005

Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun

kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas

pertama (kelas biasa) atau kelas kedua (kelas sq3r)

Cara melakukan analisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Compare Means gt Independent samples T test

Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK

Group Statistics

30 581973 534223 97535

30 756117 405790 74087

KELAS

biasa

sq3r

NILAI

N Mean Std Deviation

Std Error

Mean

Independent Samples Test

620 434 -142 58 000 -174143 122483 -1987 -1496

-142 54 000 -174143 122483 -1987 -1496

Equal variances

assumed

Equal variances

not assumed

NILAI

F Sig

LevenesTest for

Equality of

Variances

t df

Sig

(2-tailed)

Mean

Difference

Std Error

Difference Lower Upper

95

Confidence

Interval of the

Difference

t-test for Equality of Means

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 14

Hasil SPSS berarti

Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil

pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)

sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama

Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)

diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat

perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen

lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa

C2 Dua populasi dependen (dua populasi berpasangan)

Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara

berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu

data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen

(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara

mengamatinya secara berpasang-pasangan

Statistik uji dan hipotesisnya sebagai berikut

H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB

Statistik ujinya

ns

Dt

Dtest

=

di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya

αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

iD

1n

)DD(s

Contoh

Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi

konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD

Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data

hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan

plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)

Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan

makanan modern

Pilih menu Analyze gt Compare Means gt Paired-samples T tes

Kemudian masukkan Paired variable prdtra dan prdmod tekan OK

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 15

Hasil SPSS ini berarti

Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =

klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi

tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat

perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern

D Uji Instrumentasi Penelitian

Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat

pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan

uji instrumentasi yaitu uji validitas dan reliabilitas

D1 Uji Validitas

Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil

penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang

sesungguhnya terjadi pada obyek yang diteliti

Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi

product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat

digunakan rumus

rxy =( )( )

( )( ) ( )( )sum sumsum sumsumsum sum

minusminus

minus2222

YY NXX N

YXXY N

Keterangan

rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan

Paired Samples Statistics

406 108 600 058

239 108 884 085

PRDTRAD

PRDMOD

Pair

1

Mean N Std Deviation

Std Error

Mean

Paired Samples Correlations

108 128 186PRDTRAD amp PRDMODPair 1

N Correlation Sig

Paired Samples Test

168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1

MeanStd

Deviation

Std

Error Mean Lower Upper

95 Confidence

Interval of the

Difference

Paired Differences

t df Sig

(2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 13: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1322

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 12

Cara melakukan analisis dengan SPSS adalah sbb

Pilih menu Analyze gt Compare Means gt One sample T test

Kemudian masukkan Test variable phsl Test value 1 tekan OK

Hasil SPSS ini berarti

Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value

sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-

rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta

C Statistika inferensi parametrik untuk 2 populasi

C1 Dua populasi bebas (Independent )

Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai

karakteristik yang berbeda

Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan

penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas

kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)

menggunakan metode pola latihan SQ3R

Statistik uji dan hipotesisnya adalah

H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2

Uji statistiknya - Untuk ragam kedua populasi sama

)n

1

n

1(s

xxt

21

2

gab

21

test

+

minus=

2nn

s)1n(s)1n(s

21

2

22

2

112

gab minus+

minus+minus=

- Untuk ragam kedua populasi berbeda

)n

s

n

s

(

xxt

2

2

2

1

2

1

21

test

+

minus=

One-Sample Statistics

100 1501 5544 0554PHSL

N Mean Std Deviation

Std Error

Mean

One-Sample Test

9037 99 000 501 391 611PHSL

t df Sig (2-tailed)

Mean

Difference Lower Upper

95 Confidence

Interval of the

Difference

Test Value = 1

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 13

- Selang kepercayaan untuk ragam kedua populasi sama

αminus=++minusltmicrominusmicrolt+minusminus 1)

n

1

n

1(st)xx(

n

1

n

1(st)xx((P

21

2

gab2121

21

2

gab21

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)

- Selang kepercayaan untuk ragam kedua populasi berbeda

αminus=++minusltmicrominusmicrolt+minusminus 1)n

s

n

st)xx(

n

s

n

st)xx((P

2

2

2

1

2

12121

2

2

2

1

2

121

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar

2

)1n(

)ns(

)1n(

)ns(

)nsns(v

2

2

2

2

2

1

2

1

2

1

2

2

2

21

2

1 minus

+++

+=

Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005

Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun

kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas

pertama (kelas biasa) atau kelas kedua (kelas sq3r)

Cara melakukan analisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Compare Means gt Independent samples T test

Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK

Group Statistics

30 581973 534223 97535

30 756117 405790 74087

KELAS

biasa

sq3r

NILAI

N Mean Std Deviation

Std Error

Mean

Independent Samples Test

620 434 -142 58 000 -174143 122483 -1987 -1496

-142 54 000 -174143 122483 -1987 -1496

Equal variances

assumed

Equal variances

not assumed

NILAI

F Sig

LevenesTest for

Equality of

Variances

t df

Sig

(2-tailed)

Mean

Difference

Std Error

Difference Lower Upper

95

Confidence

Interval of the

Difference

t-test for Equality of Means

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 14

Hasil SPSS berarti

Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil

pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)

sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama

Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)

diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat

perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen

lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa

C2 Dua populasi dependen (dua populasi berpasangan)

Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara

berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu

data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen

(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara

mengamatinya secara berpasang-pasangan

Statistik uji dan hipotesisnya sebagai berikut

H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB

Statistik ujinya

ns

Dt

Dtest

=

di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya

αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

iD

1n

)DD(s

Contoh

Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi

konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD

Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data

hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan

plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)

Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan

makanan modern

Pilih menu Analyze gt Compare Means gt Paired-samples T tes

Kemudian masukkan Paired variable prdtra dan prdmod tekan OK

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 15

Hasil SPSS ini berarti

Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =

klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi

tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat

perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern

D Uji Instrumentasi Penelitian

Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat

pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan

uji instrumentasi yaitu uji validitas dan reliabilitas

D1 Uji Validitas

Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil

penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang

sesungguhnya terjadi pada obyek yang diteliti

Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi

product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat

digunakan rumus

rxy =( )( )

( )( ) ( )( )sum sumsum sumsumsum sum

minusminus

minus2222

YY NXX N

YXXY N

Keterangan

rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan

Paired Samples Statistics

406 108 600 058

239 108 884 085

PRDTRAD

PRDMOD

Pair

1

Mean N Std Deviation

Std Error

Mean

Paired Samples Correlations

108 128 186PRDTRAD amp PRDMODPair 1

N Correlation Sig

Paired Samples Test

168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1

MeanStd

Deviation

Std

Error Mean Lower Upper

95 Confidence

Interval of the

Difference

Paired Differences

t df Sig

(2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 14: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1422

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 13

- Selang kepercayaan untuk ragam kedua populasi sama

αminus=++minusltmicrominusmicrolt+minusminus 1)

n

1

n

1(st)xx(

n

1

n

1(st)xx((P

21

2

gab2121

21

2

gab21

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)

- Selang kepercayaan untuk ragam kedua populasi berbeda

αminus=++minusltmicrominusmicrolt+minusminus 1)n

s

n

st)xx(

n

s

n

st)xx((P

2

2

2

1

2

12121

2

2

2

1

2

121

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar

2

)1n(

)ns(

)1n(

)ns(

)nsns(v

2

2

2

2

2

1

2

1

2

1

2

2

2

21

2

1 minus

+++

+=

Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005

Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun

kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas

pertama (kelas biasa) atau kelas kedua (kelas sq3r)

Cara melakukan analisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Compare Means gt Independent samples T test

Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK

Group Statistics

30 581973 534223 97535

30 756117 405790 74087

KELAS

biasa

sq3r

NILAI

N Mean Std Deviation

Std Error

Mean

Independent Samples Test

620 434 -142 58 000 -174143 122483 -1987 -1496

-142 54 000 -174143 122483 -1987 -1496

Equal variances

assumed

Equal variances

not assumed

NILAI

F Sig

LevenesTest for

Equality of

Variances

t df

Sig

(2-tailed)

Mean

Difference

Std Error

Difference Lower Upper

95

Confidence

Interval of the

Difference

t-test for Equality of Means

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 14

Hasil SPSS berarti

Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil

pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)

sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama

Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)

diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat

perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen

lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa

C2 Dua populasi dependen (dua populasi berpasangan)

Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara

berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu

data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen

(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara

mengamatinya secara berpasang-pasangan

Statistik uji dan hipotesisnya sebagai berikut

H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB

Statistik ujinya

ns

Dt

Dtest

=

di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya

αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

iD

1n

)DD(s

Contoh

Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi

konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD

Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data

hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan

plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)

Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan

makanan modern

Pilih menu Analyze gt Compare Means gt Paired-samples T tes

Kemudian masukkan Paired variable prdtra dan prdmod tekan OK

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 15

Hasil SPSS ini berarti

Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =

klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi

tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat

perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern

D Uji Instrumentasi Penelitian

Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat

pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan

uji instrumentasi yaitu uji validitas dan reliabilitas

D1 Uji Validitas

Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil

penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang

sesungguhnya terjadi pada obyek yang diteliti

Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi

product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat

digunakan rumus

rxy =( )( )

( )( ) ( )( )sum sumsum sumsumsum sum

minusminus

minus2222

YY NXX N

YXXY N

Keterangan

rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan

Paired Samples Statistics

406 108 600 058

239 108 884 085

PRDTRAD

PRDMOD

Pair

1

Mean N Std Deviation

Std Error

Mean

Paired Samples Correlations

108 128 186PRDTRAD amp PRDMODPair 1

N Correlation Sig

Paired Samples Test

168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1

MeanStd

Deviation

Std

Error Mean Lower Upper

95 Confidence

Interval of the

Difference

Paired Differences

t df Sig

(2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 15: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1522

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 14

Hasil SPSS berarti

Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil

pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)

sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama

Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)

diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat

perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen

lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa

C2 Dua populasi dependen (dua populasi berpasangan)

Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara

berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu

data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen

(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara

mengamatinya secara berpasang-pasangan

Statistik uji dan hipotesisnya sebagai berikut

H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB

Statistik ujinya

ns

Dt

Dtest

=

di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya

αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD

dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah

sum minus

minus=

i

2

iD

1n

)DD(s

Contoh

Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi

konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD

Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data

hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan

plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)

Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan

makanan modern

Pilih menu Analyze gt Compare Means gt Paired-samples T tes

Kemudian masukkan Paired variable prdtra dan prdmod tekan OK

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 15

Hasil SPSS ini berarti

Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =

klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi

tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat

perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern

D Uji Instrumentasi Penelitian

Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat

pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan

uji instrumentasi yaitu uji validitas dan reliabilitas

D1 Uji Validitas

Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil

penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang

sesungguhnya terjadi pada obyek yang diteliti

Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi

product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat

digunakan rumus

rxy =( )( )

( )( ) ( )( )sum sumsum sumsumsum sum

minusminus

minus2222

YY NXX N

YXXY N

Keterangan

rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan

Paired Samples Statistics

406 108 600 058

239 108 884 085

PRDTRAD

PRDMOD

Pair

1

Mean N Std Deviation

Std Error

Mean

Paired Samples Correlations

108 128 186PRDTRAD amp PRDMODPair 1

N Correlation Sig

Paired Samples Test

168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1

MeanStd

Deviation

Std

Error Mean Lower Upper

95 Confidence

Interval of the

Difference

Paired Differences

t df Sig

(2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 16: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1622

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 15

Hasil SPSS ini berarti

Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =

klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi

tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat

perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern

D Uji Instrumentasi Penelitian

Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat

pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan

uji instrumentasi yaitu uji validitas dan reliabilitas

D1 Uji Validitas

Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil

penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang

sesungguhnya terjadi pada obyek yang diteliti

Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi

product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat

digunakan rumus

rxy =( )( )

( )( ) ( )( )sum sumsum sumsumsum sum

minusminus

minus2222

YY NXX N

YXXY N

Keterangan

rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan

Paired Samples Statistics

406 108 600 058

239 108 884 085

PRDTRAD

PRDMOD

Pair

1

Mean N Std Deviation

Std Error

Mean

Paired Samples Correlations

108 128 186PRDTRAD amp PRDMODPair 1

N Correlation Sig

Paired Samples Test

168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1

MeanStd

Deviation

Std

Error Mean Lower Upper

95 Confidence

Interval of the

Difference

Paired Differences

t df Sig

(2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 17: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1722

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 16

Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan

sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)

Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah

penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan

Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)

Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson

tekan OK

Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir

pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas

adalah sebagai berikut

- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000

Karena nilai sig lt α 005 maka butir dinyatakan valid

- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena

nilai sig lt α 005 maka butir ini dinyatakan valid

- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai

sig lt α 005 maka butir ini dinyatakan valid

Output SPSS

Correlations

1 813 752 765 799 676

000 000 000 000 000

108 108 108 108 108 108

813 1 483 583 507 442

000 000 000 000 000

108 108 108 108 108 108

752 483 1 412 502 381

000 000 000 000 000

108 108 108 108 108 108

765 583 412 1 483 516

000 000 000 000 000

108 108 108 108 108 108

799 507 502 483 1 506

000 000 000 000 000

108 108 108 108 108 108

676 442 381 516 506 1

000 000 000 000 000

108 108 108 108 108 108

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

X1

X11

X12

X13

X14

X15

X1 X11 X12 X13 X14 X15

Correlation is significant at the 001 level (2-tailed)

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 18: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1822

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 17

D2 Uji Reliabilitas

Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat

dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus

r11=

σ

σminus

minus

sum2

t

2

b1

1k

k

Di mana

r11 = koefisien alpha cronbach

k = banyaknya butir pertanyaan atau banyaknya soal

sumσb2 = jumlah varians butir

σt2 = varians total

Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas

sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah

sebagai berikut

Kriteria Indeks kofiesien reliabilitas

No Interval Kriteria

1 lt0200 sangat rendah

2 0200-0399 Rendah

3 0400-0599 Cukup

4 0600-0799 Tinggi

5 0800-100 sangat tinggi

Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal

memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel

Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis

Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK

Reliability

Method 1 (space saver) will be used for this analysis

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 1080 N of Items = 5

Alpha = 8068

Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 19: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 1922

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 18

E Statistika Inferensi parametrik

1 Analisis Korelasi

Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati

tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai

dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika

nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan

searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik

Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value

di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya

korelasi antar variabel menggunakan kriteria sebagai berikut

Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel

Jika sig le α maka tolak H0 artinya ada korelasi antar variabel

Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu

menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan

Self-Management Leadership Questionnaire (X2)

Cara menganalisis dengan SPSS adalah sebagai berikut

Pilih menu Analyze gt Correlate gt Bivariate

Kemudian masukkan Variables smlq dan iases tekan OK

Hasil analisis SPSS adalah

Hasil SPSS ini berarti

- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management

Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)

maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya

Correlations

1 678

000

36 36

678 1

000

36 36

Pearson Correlation

Sig (2-tailed)

N

Pearson Correlation

Sig (2-tailed)

N

SMLQ

IASES

SMLQ IASES

Correlation is significant at the 001 level

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 20: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2022

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 19

2 Analisis Regresi Linier Sederhana

Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen

(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas

(independen) maka disebut analisis regresi linier sederhana

Modelnya adalah

Y i= β0 + β1X1i + εi

Sedangkan model sampelnya adalah

i110i X b by +=

Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan

pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan

cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik

uji t

Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika

sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le

α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan

variabel tak bebas (respon)

Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada

parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier

dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang

diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon

Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja

Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier

sederhana dengan rumus umum

Y = b0+b1X1 + e

Dimana

Y = Kinerja Karyawan

X1 = Gaji b0 = konstanta

b1 = koefisien regresi e = kesalahan pengganggu

Variabel Item

Gaji (X1) X11 Sistem pembayaran gaji

X12 Kesesuaian dengan peker-jaan

X13 Kesesuaian gaji dengan lama kerja

X14 Kesesuaian gaji tingkat pendidikan

X15 Kesesuaian gaji senioritas

X16 Pemenuhan kebutuhan po-kok

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 21: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2122

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

P a g e | 20

Kinerja Karyawan (Y) Y1 Ketelitian kerja

Y2 Kebersihan kerja

Y3 Kerapian hasil kerja

Y4 Ketepatan waktu

Y5 Standar kerja

Untuk menguji regresi pilih menu Analyze gt Regression gt Linear

Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih

Descriptive tekan OK

Regression

Descriptive Statistics

42775 74460 80

35896 66606 80

Y

X1

Mean Std Deviation N

Correlations

1000 479

479 1000

000

000

80 80

80 80

Y

X1

Y

X1

Y

X1

Pearson Correlation

Sig (1-tailed)

N

Y X1

Variables EnteredRemovedb

X1a Enter

Model

1

Variables

Entered

Variables

Removed Method

All requested variables entereda

Dependent Variable Yb

Model Summary

479a 230 220 65772Model1

R R Square

Adjusted

R Square

Std Error of

the Estimate

Predictors (Constant) X1a

ANOVAb

10057 1 10057 23249 000a

33742 78 433

43800 79

Regression

Residual

Total

Model

1

Sum of

Squares df Mean Square F Sig

Predictors (Constant) X1a

Dependent Variable Yb

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya

Page 22: Modul Spss Basic

7212019 Modul Spss Basic

httpslidepdfcomreaderfullmodul-spss-basic 2222

983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096

Hasil SPSS ini berarti

Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y

dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar

Gaji

Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut

Y= 2355 + 0536 X1 + e

Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel

bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel

Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar

ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel

Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)

Coefficientsa

2355 406 5806 000

536 111 479 4822 000

(Constant)

X1

Model

1

B Std Error

Unstandardized

Coefficients

Beta

Standardized

Coefficients

t Sig

Dependent Variable Ya