Pengantar PengolahanData StatistikMenggunakan SPSS 22Isram Rasal ST, MMSI, MSc

Statistika

Statistika

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

Statistika (statistics) berbeda dengan statistik (statistic).

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

Populasi danSampel

Populasi adalah keseluruhan objek yang dibatasi olehkriteria tertentu.

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

Syarat suatu sampel: Sampel mewakili populasi yang diwakili

Sampel tidak boleh subjektif, dalam pemilihannya harusrandom.

AnalisisStatistik

Secara garis besar, analisis data statistic dibagi menjadidua kelompok, yaitu:

Statistik deskriptif: Adalah analisis yang memberikangambaran secara umum mengenai karakteristik data sepertimean, median, mode, varian dan range.

Statistik inferensi: Adalah membuat inferensi terhadap data yang diolah, seperti untuk perkiraan dan pengambilankeputusan berdasarkan data statistik. Biasa disebut denganstatistic induktif

StatistikInferensi

StatistikaInferensi

Parametrik

Non-Parametrik

StatistikaParametrik

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

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

Banyak digunakan untuk menganalisis data yang berskala interval atau rasio.

Statistika Non-Parametrik

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

Banyak digunakan untuk menganalisis data yang berskala nominal atau ordinal

Jenis Data Statistik

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

Nominal

Ordinal

Interval

Rasio

Jenis Data Statistik: Nominal

Digunakan untuk mengklasifikasikan informasi/data.

Contoh: Data jenis kelamin, yaitu laki-laki dan Perempuan.

Biasanya, saat analisis data, tipe data seperti ini dilambangkan dengan bilangan numerik (angka).

Laki-laki dilambangkan dengan angka 1, sedangkan perempuan dilambangkan dengan angka 0.

Tidak berarti angka 0 lebih rendah dari angka 1

Jenis Data Statistik: Ordinal

Digunakan untuk mengklasifikasikan serta memiliki tingkatan.

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

Contoh: Jabatan di dalam perusahaan yang terdiri dari karyawan,

manager, direktur utama.

Misal, karyawan dilambangkan dengan 1, manager dengan 2, dan direktur utama dengan 3.

Pada tipe data ini, angka 1 dianggap lebih rendah dari angka 2, dst.

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

Jenis Data Statistik: Interval

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

Contoh Data Variabel : Umur 20-30 tahun = 1

Umur 31-40 tahun = 2

Umur 41-50 tahun = 3

Suhu 0-50 Celsius = 1

Suhu 51-100 Celsius = 2

Suhu 101-150 Celsius = 3

Jenis Data Statistik: Rasio

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

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

tidak ada berat.

Jenis Data Statitik

Computing : Nominal Ordinal Interval Ratio

frequency distribution. Yes Yes Yes Yes

median and percentiles. No Yes Yes Yes

add or subtract. No No Yes Yes

mean, standard deviation, standard error

of the mean.No No Yes Yes

ratio, or coefficient of variation. No No No Yes

SPSS

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

Input Data Ada 3 cara untuk input/memasukkan data:

Impor data dari spreadsheet, MS. Excel

Impor dari file notepad (.txt)

Membuat data file SPSS yang baru

Membuat file SPSS yang baru

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

Data view mirip dengan Excel, namun ada beberapaperbedaan, yaitu:

Baris pada SPSS adalah merupakan kasus.

Pada setiap baris sel di halaman SPSS mewakili satu kasus atauobservasi.

Kolom merupakan variable.

Data View

Data view digunakan untuk memasukkan danmengedit data

Variable View

Variable view digunakan untuk memasukkan informasi atribut variabel:

Name: nama variable

Type: jenis variabel (numerik, tanggal, nominal,teks/string, dsb).

Width: lebar kolom dalam tampilan data view. Secaraotomatis/default biasanya berisi 8 (delapan) karakter.

Decimals: jumlah digit di belakang koma.

Label: penjelasan lebih lanjut dari nama variabel, misalnya: dalam nama variabel berisi RESID, kemudian labelnya diisikan dengan RESPONDENT IDENTITY.

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

Missing: perlakuan untuk nilai yang kosong

Columns: lebar kolom

Align: rata kiri, rata kanan atau tengah.

Measure: ukuran variabel, yaitu skala, ordinal atau nominal.

Variable View

Label Data Label data digunakan untuk memberikan keterangan

penjelas dari data.

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

Statistik DeskriptifStudi Kasus Hatco

HATCO

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

Perlu dilakukan penelitian untuk mencari tahu variabelapa yang mempengaruhi konsumen dalam membeliproduk HATCO.

Var. View

Data View

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

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

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

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

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

.

Statistik InferensiStudi Kasus Penelitian di KBN

Uji Kualitas Data:Uji Validitas

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

Pilih Pearson, ok

Uji Kualitas Data:Uji Validitas

Uji Kualitas Data:Uji Realibilitas

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

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

Uji Kualitas Data:Uji Realibilitas

Ceklist kotak item dan scan if item deleted

Uji Kualitas Data:Uji Realibilitas

Uji AsumsiKlasik

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

Uji asumsi klasik tersebut yaitu: Uji Normalitas

Uji Multikolinearitas

Uji Autokorelasi

Uji Heteroskedastisitas

Uji Normalitas

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

Uji Normalitas

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

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

•

Uji Normalitas

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

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

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

UjiAutokorelasi

Uji autokorelasi digunakan untuk mengetahui ada atau tidaknyakorelasi antara anggota–anggota serangkaian observasi yang tersusun dalam rangkaian waktu atau yang tersusun dalam rangkaianruang.

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

Uji Hipotesis:KoefisienDeterminasi

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

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

Uji Hipotesis:AnalisisRegresiBerganda

Maka dapat dibentuk model persamaan regresi berganda sebagaiberikut:

Y= - α + β1X1 + β2X2 + e

Keterangan: Y = Kinerja Karyawan

X1 = Kompensasi

X2= Displin

β = Koefisien Regresi X1 dan X2

α = Konstanta

e = Error

Uji Hipotesis:Uji Parsial (t)

Pengaruh Kompensasi terhadap Kinerja Karyawan

H1= Kompensasi berpengaruh positif dan signifikan terhadapkinerja karyawan.

Pada tabel diatas terdapat nilai t hitung yaitu 7,457 dan tingkatsignifikansi sebesar 0.000. Nilai signifikansi tersebut lebih kecildari 0.05 dan nilai t hitung (7,457) lebih besar dari t tabel (1,651). Hal tersebut mengindikasikan bahwa kompensasi berpengaruhsignifikan secara parsial terhadap kinerja karyawan. Pada tabeldiatas terdapat nilai koefisien (β) yaitu positif, artinya pengaruhyang diberikan oleh variabel tersebut adalah positif. Dapatdisimpulkan bahwa kompensasi berpengaruh positif dansignifikan terhadap kinerja karyawan, sehingga hipotesis (H1) diterima.

Uji Hipotesis:Uji Simultan (f)

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

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

Terima Kasih