Upload
erick-daniel
View
238
Download
1
Embed Size (px)
DESCRIPTION
syarat penting sebelum menganalisa data skripsi kuantitatif
Citation preview
ANALISIS DATA DENGAN MENGGUNAKAN SPSS
Langkah-langkah uji normalitas.
1. Masukkan data X1, X2, dan Y kedalam 3 buah kolom
2. Pilih analyze, descriptive, explore
3. Selanjutnya masukkan X1, X2, dan Y kedalam kolom dependent list
4. Kemudian klik plot
5. Kemudian klik continue dan klik OK
6. HasilnyaDescriptives
Statistic Std. Error
Gaya Kepemimpinan
Mean 67.0667 1.55063
95% Confidence Interval for
Mean
Lower Bound 63.7409
Upper Bound 70.3924
5% Trimmed Mean 67.1852
Median 68.0000
Variance 36.067
Std. Deviation 6.00555
Minimum 56.00
Maximum 76.00
Range 20.00
Interquartile Range 10.00
Skewness -.438 .580
Kurtosis -.743 1.121
Motivasi Kerja
Mean 66.0000 2.22539
95% Confidence Interval for
Mean
Lower Bound 61.2270
Upper Bound 70.7730
5% Trimmed Mean 65.8889
Median 66.0000
Variance 74.286
Std. Deviation 8.61892
Minimum 54.00
Maximum 80.00
Range 26.00
Interquartile Range 16.00
Skewness .012 .580
Kurtosis -1.182 1.121
Kinerja Pekerja Mean 74.3333 2.08548
95% Confidence Interval for
Mean
Lower Bound 69.8604
Upper Bound 78.8062
5% Trimmed Mean 74.4259
Median 76.0000
Variance 65.238
Std. Deviation 8.07701
Minimum 62.00
Maximum 85.00
Range 23.00
Interquartile Range 14.00
Skewness -.101 .580
Kurtosis -1.636 1.121
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Gaya Kepemimpinan .162 15 .200* .959 15 .683
Motivasi Kerja .144 15 .200* .940 15 .386
Kinerja Pekerja .171 15 .200* .906 15 .118
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
7. Menafsirkan hasil uji normalitasPerhatikan bilangan statistic untuk gaya kepemimpinan pada uji Kolmogorov-Smirnov besarnya 0.162 dengan bilangan signifikansi besarnya 0.200. apabila ditetapkan taraf signifikansi α = 0.050, maka bilangan signifikansi (sig) lebih besar dari pada α. Maka data hasil penelitian berasal dari populasi yang berdistribusi normal.
Langkah-langkah uji Homogenitas
1. Masukkan data X1 dan X2 dalam satu table. Kemudian untuk X1 diberi kode 1 dan X2 diberi kode 2.
2. Kemudian klik, analyze, general, univariate
3. Kemudian masukkan data ke kolom dependent variable, dan grup ke kolom fixed factor
4. Kemudian klik option, klik descriptive, dan homogeneity
5. Kemudian klik continue dan klik ok.6. Hasilnya
Levene's Test of Equality of Error Variancesa
Dependent Variable: Data
F df1 df2 Sig.
2.325 1 28 .139
Tests the null hypothesis that the error variance of
the dependent variable is equal across groups.
a. Design: Intercept + Grup
Tests of Between-Subjects Effects
Dependent Variable: Data
Source Type III Sum of
Squares
df Mean Square F Sig.
Corrected Model 8.533a 1 8.533 .155 .697
Intercept 132800.533 1 132800.533 2406.845 .000
Grup 8.533 1 8.533 .155 .697
Error 1544.933 28 55.176
Total 134354.000 30
Corrected Total 1553.467 29
a. R Squared = .005 (Adjusted R Squared = -.030)
7. Menafsirkan hasil analisisTable tersebut menunjukkan nilai F = 2.325 dengan dk pembilang 1 dan dk penyebut 28 dan nilai signifikansi (sig) sama dengan 0.139. apabila ditetapkan taraf signifikansi α = 0.05, maka nilai sig
jauh lebih besar dari pada nilai α. Artinya semua kelompok data memiliki varians yang homogeny.
Langkah uji Linieritas dan keberartian arah regresi
1. Masukkan data X1, X2, dan Y kedalam
3 buah kolom
2. Kemudian klik analyze, compare means, means
3. Kemudian masukkan variable X kedalam kolom independent, dan variable Y kedalam kolom dependent.
4. Kemudian klik option, anova, dan test of linearity
5. Kemudian klik continue, dan ok
6. Hasilnya
ANOVA Table
Sum of Squares df Mean Square F Sig.
Kinerja Pekerja * Gaya
Kepemimpinan
Between
Groups
(Combined) 862.667 12 71.889 2.838 .290
Linearity 654.030 1 654.030 25.817 .037
Deviation from Linearity 208.636 11 18.967 .749 .698
Within Groups 50.667 2 25.333
Total 913.333 14
Measures of Association
R R Squared Eta Eta Squared
Kinerja Pekerja * Gaya
Kepemimpinan
.846 .716 .972 .945
7. Menafsirkan hasil analisis
Bagian yang harus diperhatikan untuk uji keberartian arah regresi adalah linearity,
sedangkan untuk uji linearitas regresi bagian yang harus diperhatikan adalah deviation
from linearity .
Ternyata hasilnya menunjukkan bahwa nilai F linearity besarnya 25.817 dengaan nilai
signifikansi (sig) sebesar 0.037. Jika ditetapkan taraf signifikansi α = 0.05,maka nilai sig
lebih kecil dari pada α. Dengan demikian koefisien arah regresi berarti atau signifikan.
Sedangkan untuk F deviation from linearity besarnya 0.749 dengan nilai signifikansi (sig)
sebesar 0.698. Jika ditetapkan taraf signifikansi α = 0.05, maka nilai sig jauh lebih besar
dari pada α. Dengan demikian bentuk regresi memang benar linier.
Langkah uji Multikolinieritas
1. Masukkan data X1, X2, dan Y kedalam 3 buah kolom
2. Kemudian klik analyze, regression, linear
3. Kemudian masukkan variable X1, dan X2 kedalam kolom independent, dan variable Y kedalam kolom dependent.
4. Kemudian klik statistic, estimates, model fit, collinearity
5. Kemudian klik continue, ok
6. Hasilnya
Coefficientsa
Model Unstandardized
Coefficients
Standardized
Coefficients
t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1
(Constant) .867 13.635 .064 .950
Gaya Kepemimpinan .857 .337 .637 2.544 .026 .346 2.890
Motivasi Kerja .242 .235 .258 1.030 .323 .346 2.890
a. Dependent Variable: Kinerja Pekerja
7. Menafsirkan hasil analisisHasil analisis diatas tampak bahwa nilai tolerance dan VIF dari masing-masing variable bebas. Nilai VIF dari variable X1 besarnya 2.890, sehingga tolerance 0.346. Nilai VIF dari variable X2 besarnya 2.890, sehingga tolerance 0.346. Ini berarti tidak terjadi multikolinearitas karena semua nilai tolerance lebih besar dari 0.1 dan semua nilai VIF lebih kecil dari 10.
Langkah-langkah uji Autokorelasi
1. Masukkan data X1, X2, dan Y kedalam 3 buah kolom
2. Kemudian klik analyze, regression, linear.
3. Kemudian
4. Kemudian masukkan variable X1, dan X2 kedalam kolom independent, dan variable Y kedalam kolom dependent.
5. Kemudian klik estimate, model fit, durbin Watson.
6. Kemudian klik continue, ok
7. Hasilnya
Model Summaryb
Model R R Square Adjusted R
Square
Std. Error of the
Estimate
Durbin-Watson
1 .860a .739 .696 4.45570 1.704
a. Predictors: (Constant), Motivasi Kerja, Gaya Kepemimpinan
b. Dependent Variable: Kinerja Pekerja
8. Menafsirkan hasil analisisNilai Durbin-Watson dari table = 1.704 dengan n = 15 (banyak data) dan k = 2 (banyak variable bebas) pada taraf signifikansi 5%, maka diperoleh dL = 0.946 dan dU = 1.543. Maka, dU < dtabel(Durbin-
Watson) = 1.704 dan dtabel < (4 – dU) . Dimana 4 – dU = 4 – 1.543 adalah 2.457. Maka dtabel (1.704) < 4 – dU (2.547). Secara matematis dapat dinyatakan 1.543 < 1.704 <2.457. Jadi data diatas tidak terjadi autokorelasi.
Langkah-langkah pengujian Heterokedastisitas
1. Masukkan data X dan Y kedalam 2 kolom
2. Kemudian klik regression, linear
3. Kemudian masukkan variable X kedalam kolom independent, dan variable Y kedalam kolom dependent.
4. Kemudian klik plots dan masukkan *SRESID ke Y dan *ZPRED ke X kemudian klik continue, ok.
5. Hasilnya
6. Menafsirkan hasil analisis data
Pada diagram pencar di atas titik-titik menyebar secara merata dan berimbang, baik di atas dan di bawah sumbu X maupun di atas dan di bawah sumbu Y. Titik-titik menyebar merata tidak membentuk pola tertentu. Oleh karena itu, dapat disimpulkan bahwa tidak terjadi masalah heterokedastisitas.
Langkah-langkah analisis Regresi Sederhana1. Masukkan data X dan Y kedalam 2 kolom
2. Kemudian klik regression, linear
3. Kemudian masukkan variable X ke dalam kolom independent, dan variable Y ke dalam kolom dependent.
4. Kemudian klik statistic, estimates, model fit, R square change, descriptives kemudian klik continue, ok
5. HasilnyaCoefficientsa
Model Unstandardized Coefficients Standardized
Coefficients
t Sig.
B Std. Error Beta
1(Constant) -1.996 13.380 -.149 .884
X 1.138 .199 .846 5.726 .000
a. Dependent Variable: Y
Hasil diatas menunjukkan bahwa persamaan garis regresi yang diperoleh adalah
= - 1.996 + 1.138 X. Dengan thitung = 5.726 dimana signifikansi 0.000 < 0.05, maka ada
pengaruh yang signifikan antara variable X dan Y.
Model Summaryb
Model R R
Square
Adjusted R
Square
Std. Error of
the Estimate
Change Statistics
R Square
Change
F Change df1 df2 Sig. F Change
1 .846a .716 .694 4.46614 .716 32.789 1 13 .000
a. Predictors: (Constant), X
b. Dependent Variable: Y
Ternyata koefisien korelasi R besarnya 0.846 dan koefisien determinasi atau R2 besarnya 0.694.
koefisien korelasi tersebut signifikan karena uji F memperoleh koefisien F sebesar 32,789
dengan signifikansi 0.000 < 0.05. Jadi kontribusi variable X terhadap Y besarnya 69.4%.