MODUL PRAKTIKUM STATISTIC FOR ECONOMICS 2: ANALISIS DATA DENGAN PROGRAM SPSS DAN LISREL

UNTUK PENELITIAN MANAJEMAN

PENYUSUN

NOVI PERMATA INDAH

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS SINGAPERBANGSA KARAWANG

KARAWANG

2018

BAB I

UJI VALIDITAS DAN RELIABILITAS DATA PRIMER

1.1 Uji Validitas

Validitas berasal dari kata validity yang mempunyai arti sejauh mana ketepatan dan

kecermatan suatu alat ukur dalam melakukam fungsi ukurannya (Azwar 1986). Selain itu

validitas adalah suatu ukuran yang menunjukkan bahwa variabel yang diukur memang benar-

benar variabel yang hendak diteliti oleh peneliti (Cooper dan Schindler, dalam Zulganef, 2006).

Sedangkan menurut Sugiharto dan Sitinjak (2006), validitas berhubungan dengan suatu peubah

mengukur apa yang seharusnya diukur. Ghozali (2009) menyatakan bahwa uji validitas

digunakan untuk mengukur sah,  atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan

valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur

oleh kuesioner tersebut.

Dalam pengujian validitas terhadap kuesioner, dibedakan menjadi 2, yaitu validitas faktor

dan validitas item. Validitas faktor diukur bila item yang disusun menggunakan lebih dari satu

faktor (antara faktor satu dengan yang lain ada kesamaan). Pengukuran validitas faktor ini

dengan cara mengkorelasikan antara skor faktor (penjumlahan item dalam satu faktor) dengan

skor total faktor (total keseluruhan faktor).

Validitas item ditunjukkan dengan adanya korelasi atau dukungan terhadap item total (skor

total), perhitungan dilakukan dengan cara mengkorelasikan antara skor item dengan skor total

item. Bila kita menggunakan lebih dari satu faktor berarti pengujian validitas item dengan cara

mengkorelasikan antara skor item dengan skor faktor, kemudian dilanjutkan mengkorelasikan

antara skor item dengan skor total faktor (penjumlahan dari beberapa faktor).

Dari hasil perhitungan korelasi akan didapat suatu koefisien korelasi yang digunakan untuk

mengukur tingkat validitas suatu item dan untuk menentukan apakah suatu item layak digunakan

atau tidak. Dalam penentuan layak atau tidaknya suatu item yang akan digunakan, biasanya

dilakukan uji signifikansi koefisien korelasi pada taraf signifikansi 0,05, artinya suatu item

dianggap valid jika berkorelasi signifikan terhadap skor total.

Untuk melakukan uji validitas ini menggunakan program SPSS.  Teknik pengujian yang

sering digunakan para peneliti untuk uji validitas adalah menggunakan korelasi Bivariate

Pearson (Produk Momen Pearson). Analisis ini dengan cara mengkorelasikan masing-masing

skor item dengan skor total. Skor total adalah penjumlahan dari keseluruhan item. Item-item

pertanyaan yang berkorelasi signifikan dengan skor total menunjukkan item-item tersebut

mampu memberikan dukungan dalam mengungkap apa yang ingin diungkap à Valid. Jika r

hitung ≥ r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-item pertanyaan

berkorelasi signifikan terhadap skor total (dinyatakan valid).

1.2 Uji Reliabilitas

Reliabilitas berasal dari kata reliability. Pengertian dari reliability (rliabilitas) adalah

keajegan pengukuran (Walizer, 1987). Sugiharto dan Situnjak (2006) menyatakan bahwa

reliabilitas menunjuk pada suatu pengertian bahwa instrumen yang digunakan dalam penelitian

untuk memperoleh informasi yang digunakan dapat dipercaya sebagai alat pengumpulan data

dan mampu mengungkap informasi yang sebenarnya dilapangan. Ghozali (2009) menyatakan

bahwa reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari

peubah atau konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang

terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu. Reliabilitas suatu test

merujuk pada derajat stabilitas, konsistensi, daya prediksi, dan akurasi. Pengukuran yang

memiliki reliabilitas yang tinggi adalah pengukuran yang dapat menghasilkan data yang reliabel

Menurut Masri Singarimbun, realibilitas adalah indeks yang menunjukkan sejauh mana

suatu alat ukur dapat dipercaya atau dapat diandalkan. Bila suatu alat pengukur dipakai dua kali

untuk mengukur gejala yang sama dan hasil pengukuran yang diperoleh relative konsisten, maka

alat pengukur tersebut reliable. Dengan kata lain, realibitas menunjukkan konsistensi suatu alat

pengukur di dalam pengukur gejala yang sama.

Menurut Sumadi Suryabrata (2004: 28) reliabilitas menunjukkan sejauhmana hasil

pengukuran dengan alat tersebut dapat dipercaya. Hasil pengukuran harus reliabel dalam artian

harus memiliki tingkat konsistensi dan kemantapan.

Reliabilitas, atau keandalan, adalah konsistensi dari serangkaian pengukuran atau

serangkaian alat ukur. Hal tersebut bisa berupa pengukuran dari alat ukur yang sama (tes dengan

tes ulang) akan memberikan hasil yang sama, atau untuk pengukuran yang lebih subjektif,

apakah dua orang penilai memberikan skor yang mirip (reliabilitas antar penilai). Reliabilitas

tidak sama dengan validitas. Artinya pengukuran yang dapat diandalkan akan mengukur secara

konsisten, tapi belum tentu mengukur apa yang seharusnya diukur. Dalam penelitian, reliabilitas

adalah sejauh mana pengukuran dari suatu tes tetap konsisten setelah dilakukan berulang-ulang

terhadap subjek dan dalam kondisi yang sama. Penelitian dianggap dapat diandalkan bila

memberikan hasil yang konsisten untuk pengukuran yang sama. Tidak bisa diandalkan bila

pengukuran yang berulang itu memberikan hasil yang berbeda-beda.

Tinggi rendahnya reliabilitas, secara empirik ditunjukan oleh suatu angka yang disebut

nilai koefisien reliabilitas. Reliabilitas yang tinggi ditunjukan dengan nilai rxx mendekati angka

1. Kesepakatan secara umum reliabilitas yang dianggap sudah cukup memuaskan jika ≥ 0.600.

Pengujian reliabilitas instrumen dengan menggunakan rumus Alpha Cronbach karena

instrumen penelitian ini berbentuk angket dan skala bertingkat. Rumus Alpha Cronbach sevagai

berikut :

r11=n

n−11−

∑ σ t2

σ t2

Keterangan :

r11

:=reliabilitas yang dicari

n

:=jumlah item pertanyaan yang diuji

∑ σ t2

:=jumlah varians skor tiap-tiap item

σ t2

:= varians total

Jika nilai alpha > 0.6 artinya reliabilitas mencukupi (sufficient reliability) sementara jika

alpha > 0.80 ini mensugestikan seluruh item reliabel dan seluruh tes secara konsisten memiliki

reliabilitas yang kuat. Atau, ada pula yang memaknakannya sebagai berikut:Jika alpha > 0.90

maka reliabilitas sempurna. Jika alpha antara 0.70 – 0.90 maka reliabilitas tinggi. Jika alpha 0.50

– 0.70 maka reliabilitas moderat. Jika alpha < 0.50 maka reliabilitas rendah. Jika alpha rendah,

kemungkinan satu atau beberapa item tidak reliabel.

1.3 Studi Kasus

Suatu penelitian pada bidang manajemen pemasaran yang berjudul “Pengaruh Iklan Media

Cetak dan Word of Mouth Terhadap Keputusan Berkunjung Fitness Center (Studi Kasus Pada

Helios Fitness Technomart Karawang)”. Berdasarkan hal ini maka akan dilakukann uji validitas

dan reliabilitas dari setiap pertanyaan pada masing-masing varibel penelitian yaitu iklan media

cetak (imc), word of mouth (WOM) dan keputusan berkunjung (KB).

Langkah-langkah uji validitas dengan SPSS

1. Input data ke dalam SPSS

2. Pada menu utama klik Analyze, correlate dan klik Bivariat.

3. Patikan seluruh pertanyaan dan variabel berada pada kotak variables. Pilih correlation

coefficients Person dan test of significance two-tailed dan pilih ok.

4. Hasil Dan Pembahsan

Hasil uji validitas tiap item pertanyaan pada setiap variabel dapat dilihat dari nilai Sig(2-tailed).

Jika seluruh item pertanyaan memiliki nilai Sig(2-tailed) < signifikansi error atau tingkat

kesalahan yang ditetapkan maka uji validitas terpenuhi. Artinya setiap pertanyaan pada variabel

tersebut dapat dinyatakan valid.

Langkah-langkah uji reliabilitas dengan SPSS

1. Input data ke dalam SPSS

2. Pada menu utama klik Analyze, scale dan pilih reliability analysis.

3. Patikan seluruh pertanyaan dan variabel berada pada kotak items. Pilih pilih model alpha

dan klik ok.

4. Hasil Dan Pembahsan

Hasil uji reliabilitas tiap item pertanyaan pada setiap variabel dapat dilihat dari nilai cronbach’s

alpha. Jika seluruh item pertanyaan memiliki nilai cronbach’s alpha < 0,6 maka uji reliabilitas

terpenuhi. Artinya setiap pertanyaan pada variabel tersebut dapat dinyatakan reliabel. 0,6

merupakan angka ketetapan yang merujuk pada buku metodologi penelitian Sugiono.

BAB II

ANALISIS KORELASI

Studi Kasus

Suatu penelitian pada bidang manajemen pemasaran yang berjudul “Pengaruh Iklan Media

Cetak dan Word of Mouth Terhadap Keputusan Berkunjung Fitness Center (Studi Kasus Pada

Helios Fitness Technomart Karawang)”. Berdasarkan hal ini maka akan diihat kekuatan

hubungan dari tiap varibel yaitu iklan media cetak (IMC) dan word of mouth (WOM) dengan

keputusan berkunjung (KB). Selain itu juga akan di tentukan signifikansi koefisien korelasi dari

tiap variabel.

Langkah-langkah menentukan koefisien korelasi dan signifikansi koefisien korelasi

dengan SPSS

1. Input data ke dalam SPSS

2. Pada menu utama klik Analyze, correlate dan klik Bivariat.

3. Patikan seluruh variabel berada pada kotak variables. Pilih correlation coefficients Person

dan test of significance two-tailed dan pilih ok.

4. Hasil Dan Pembahsan

Hasil dari output SPSS memeperlihatkan bahwa nilai korelasi antara IMC dengan WOM sebesar

+0,748, IMC dengan KB +0,571 sedangkan koefisien korelasi antara WOM dengan KB adalah

+0,524. Signifikansi dari tiap-tiap nilai koefisien korelasi data dilihat dari nilai Sig( 2-tailed)

dimana hasil olah data pada kasus ini menunjukan bahawa seluruh nilai Sig( 2-tailed) lebih kecil

dari nilai signifikansi error yang ditetapkan. Dapat disimpulkan bahwa koefisien korelasi anatar

variebl dalan kasus ini memiliki nilai yang signifikan.

BAB III

ANALISIS REGRESI LINIER

3.1 Studi Kasus 1 Data SekunderDesa Sragen Wetan adalah sentra produksi tahu di kabupaten Sragen, permintaan akan

tahu cukup tinggi tetapi produksi tahu di desa ini tidak mampu menyukupinya dan produksinya

tidak dapat berkembang pesat. Oleh karena itu ingin diketahui faktor-faktor produksi yang

mempengaruhi produksi tahu di Desa Sragen Wetan. Faktor-faktor produksi yang digunakan

dalam industri tahu yaitu : kedelai, tenaga kerja, solar, sekam, air dan laru. Besarnya produksi

dalam industri tahu ditentukan oleh faktor-faktor produksi tersebut.

Kedelai (X1) merupakan bahan baku utama dalam membuat tahu. Jumlah kedelai yang

digunakan sebagai input produksi diukur dalam satuan kilogram (kg) dan dihitung selama

satu bulan.

Tenaga kerja (X2) adalah tenaga kerja yang digunakan dalam proses produksi yang meliputi

kegiatan penyortiran, pencucian, perendaman, pengupasan, penggilingan, pendidihan,

penyaringan, penggumpalan, pencetakan dan perebusan. Faktor produksi tenaga kerja

menggunakan jumlah jam kerja per gilingan selama satu bulan.

Solar (X3) diperlukan sebagai bahan bakar untuk menggiling kedelai agar menjadi bubur.

Satuan solar diukur dalam liter dan dihitung selama satu bulan.

Sekam (X4) merupakan bahan bakar yang digunakan untuk memanaskan air yang uapnya

akan digunakan untuk merebus tahu. Satuan sekam diukur dalam karung dan dihitung

selama satu bulan.

Air (X5) diperlukan dalam proses produksi tahu antara lain untuk pencucian dan

perendaman kedelai. Satuan air diukur dalam liter dan dihitung selama satu bulan.

Laru atau bibit tahu (X6) dipakai sebagai campuran sari kedelai, agar dapat menggumpal

menjadi tahu. Satuan laru dihitung dalam liter dan dihitung selama satu bulan.

Produksi (Y) yang dihasilkan dipengaruhi oleh kombinasi faktor-faktor produksi yang

digunakan. Produksi yang dihasilkan dinyatakan dalam satuan kotak (tempat tahu yang

terbuat dari kayu) dan dihitung selama satu bulan.

Data

Daftar produksi dan faktor-faktor produksi responden

n

o

produk

si

kedel

ai

tenaga

kerjasolar sekam

air

(liter)

laru

(liter)kotak (kg) (jam)

(liter

)

(karun

g)

1 1080 1500 240 90 300 42000 4200

2 900 1500 180 120 450 44100 5250

3 1410 2400 600 60 450 72600 6600

4 1200 2400 240 120 450 82500 7920

5 1290 2400 240 150 450 79200 7590

6 1320 2400 360 120 440 82500 7320

7 1550 3000 420 150 750

10500

0 9240

8 1600 3000 450 150 900

10080

0

1050

0

9 1600 3000 420 150 480

10290

0 8820

1

0 1550 3000 450 180 450 96600 9660

1

1 1560 3000 540 150 750 98700

1050

0

1

2 1530 3000 420 150 450 96600 9240

1

3 1570 3000 450 150 480 98700 9660

1

4 1535 3000 540 180 450 96600 8820

1

5 1650 3000 420 150 750

10290

0 9660

1

6 1700 3000 540 180 480 98700 9240

1 1600 3000 420 180 450 98700 9240

7

1

8 1550 3000 420 180 480

10290

0 9660

1

9 1950 3750 480 150 750

13500

0

1080

0

2

0 2260 4500 540 150 900

13860

0

1323

0

2

1 2200 4500 540 300 900

15750

0

1575

0

2

2 2160 4500 510 180 600

14175

0

1512

0

2

3 2160 4500 540 180 450

15372

0

1386

0

2

4 2400 4500 600 150 750

14679

0

1134

0

2

5 2300 4500 540 180 900

14679

0

1323

0

2

6 2200 4500 540 180 900

14175

0

1575

0

2

7 2225 4500 570 150 750

15435

0

1197

0

2

8 2325 4500 540 300 750

15750

0

1386

0

2

9 2350 4500 540 300 750

14175

0

1386

0

3

0 2190 4500 510 150 600

15372

0

1512

0

3

1 2300 4500 570 180 600

14679

0

1386

0

3

2 2215 4500 540 180 750

15372

0

1197

0

3

3 2700 6000 630 210 600

19572

0

2100

0

3

4 2500 6000 600 210 750

20412

0

1932

0

3

5 2800 6000 660 210 600

20328

0

1764

0

3

6 2750 6000 600 180 750

20328

0

1932

0

3

7 2800 6000 630 180 800

20412

0

1764

0

Langkah-langkah dengan SPSS

1. Input data ke dalam SPSS

2. Pada menu utama klik Analyze, pilih Regression dan klik Linear

3. Akan tampil dilayar sebagai berikut. Isikan variabel Y ke Dependent dan X1-X6 ke

Independent(s). Selanjutnya klik Statistics

4. Pilih Estimate, Model Fit, R square change, Descriptive, Part and Partial correlation,

Collinearity diagnostics dan Durbin-Watson. Kemudian klik Continue

Kemudian klik Plots, isikan *RESID ke Y: dan *ZPRED ke X:, klik Continue

Selanjutnya klik Save, pada kolom Residuals pilih Unstandardize, klik Continue, klik OK

5. Uji Kenormalan Residual dengan mengunkan uji Kolmogorov Smirnov. Dengan cara

sebagai berikut:

Nilai residual telah diperoleh dari tahapan ke-4, selanjutnya klik Analyze, Non Parametric

Test, Legacy Dialogs, 1-Sample K-S

Akan tampil dilayar seperti berikut, isikan Unstadardizes Residuals ke Test Variable List,

pada kolom Test Distibution, pilih Normal, klik OK

Hasil dan pembahasan

Uji Asumsi

1. Linieritas (korelasi)

Hipotesis:

H0: ρ=0 (tidak ada hubungan linier antara x dan y)

H1: ρ≠0 (ada hubungan linier antara x dan y)Correlations

Y X1 X2 X3 X4 X5 X6

Pearson Correlation Y 1.000 .984 .842 .579 .607 .974 .929

X1 .984 1.000 .814 .565 .574 .993 .966

X2 .842 .814 1.000 .431 .515 .799 .751

X3 .579 .565 .431 1.000 .420 .575 .602

X4 .607 .574 .515 .420 1.000 .576 .561

X5 .974 .993 .799 .575 .576 1.000 .956

X6 .929 .966 .751 .602 .561 .956 1.000

Sig. (1-tailed) Y . .000 .000 .000 .000 .000 .000

X1 .000 . .000 .000 .000 .000 .000

X2 .000 .000 . .004 .001 .000 .000

X3 .000 .000 .004 . .005 .000 .000

X4 .000 .000 .001 .005 . .000 .000

X5 .000 .000 .000 .000 .000 . .000

X6 .000 .000 .000 .000 .000 .000 .

Berdasarkan output SPSS, korelasi antara variabel penjelas dan variabel respon, masing-

masing memiliki P-value (kolom ketiga) < 0.05. sehingga keputusan tolak H0, artinya

dengan kepercayaan 95% setiap variabel penjelas memiliki hubungan linier (korelasi)

yang nyata terhadap variabel respon. Diikuti dengan nilai korelasi yang cukup tinggi.

variabel penjelas dan variabel respon, menunjukkan bahwa variabel penjelas memiliki

hubungan linier positif dengan variabel respon. Dengan terpenuhinya hubungan linier,

maka data ini dapat dianalisis dengan regresi linier berganda.

2. Kenormalan

Hipotesis:

H0 : residula berdistribusi normal

H1 : residula tidak berdistribusi normal

uji kenormalan kolmogorof-SmirnovOne-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual

N 37

Normal Parametersa,b Mean .0000000

Std. Deviation 62.99251845

Most Extreme Differences Absolute .113

Positive .087

Negative -.113

Kolmogorov-Smirnov Z .687

Asymp. Sig. (2-tailed) .733

Dengan menggunakan uji kenormalan Kolmogorov-Smirnov P-value pada uji kenormalan KS

sebesar 0.733 > 0,05. Sehingga keputusan terima H0, dapat disimpulkan bahwa residual

menyebar normal.

3. Homosketdastisitas

Metode ini digunakan dengan cara melihat grafik scatter plot antara fitted value

dengan residual. Ada tidaknya pola tertentu pada grafik scatter plot dimana sumbu Y adalah

nilai Y yang telah diprediksi dan sumbu X adalah residual (Y –Y).

Berdasarkan grafik di residual menyebar secara acak, tidak mengikuti pola

tertentu, sehingga dapat disimpulkan bahwa galat mempunyai ragam yang sama. Dengan

demikian, asumsi Homoskedastisitas terpenuhi.

4. Non autokorelasi

Hipotesis

H0: ρ=0 (tidak terdapat autokorelasi)

H1: ρ≠0 (terdapat autokorelasi)

Model Summaryb

Model R

R

Square

Adjusted R

Square

Std. Error of the

Estimate

Change Statistics

Durbin-

Watson

R Square

Change

F

Change df1 df2

Sig. F

Change

1 .992a .985 .982 69.00485 .985 322.791 6 30 .000 2.039

Tabel Durbin Watson k=6, n=37, alfa=0,05 : dL=1.130 du=1.87

Jika d > du maka tidak tolak H0. Jadi, dari uji Durbin Watson dapat disimpulkan bahwa

tidak terjadi autokorelasi, asumsi non autokorelasi terpenuhi.

5. Non Multikolinieritas

Output SPSS untuk VIFCoefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

Correlations Collinearity Statistics

B

Std.

Error Beta

Zero-

order Partial Part Tolerance VIF

1 (Constant) 204.162 60.199 3.391 .002

X1 .648 .097 1.594 6.661 .000 .984 .772 .150 .009 112.672

X2 .307 .178 .070 1.720 .096 .842 .300 .039 .304 3.289

X3 .693 .300 .067 2.312 .028 .579 .389 .052 .602 1.661

X4 .163 .083 .055 1.971 .058 .607 .339 .044 .646 1.549

X5 -.005 .002 -.392 -

1.959

.059 .974 -.337 -.044 .013 78.547

X6 -.046 .012 -.361 -

3.838

.001 .929 -.574 -.087 .058 17.353

Pada data tersebut terdapat multikolinieritas pada pada peubah penjelas kedelai, air

dan laru dengan VIF1=112,7; VIF5=78,5 dan VIF5=17,4 lebih dari 10. Tidak

terpenuhinya asumsi ini dapat dapat mengakibatkan:

- Koefisien regresi yang dihasilkan oleh analisis regresi berganda menjadi sangat

lemah atau tidak dapat memberikan hasil analisis yang mewakili sifat atau pengaruh

dari variabel bebas yang bersangkutan

- Dalam banyak hal, masalah Multikolinearitas dapat menyebabkan uji t menjadi

tidak signifikan padahal jika masing-masing variabel bebas diregresikan secara

terpisah dengan variabel tak bebas (simple regression) uji t menunjukkan hasil yang

signifikan.

Salah satu cara untuk itu menyelesaikan permasalahan multikolinieritas adalah dengan

regresi komponen utama.

Interpretasi Model

1. Uji simultan

Hipotesis:

H0: peubah X tidak mempengaruhi Y secara bersama-sama

H1: minimal ada satu peubah X yang mempengaruhi Y

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 9222152.637 6 1537025.439 322.791 .000a

Residual 142850.066 30 4761.669

Total 9365002.703 36

Pengujian secara simultan dilakukkan dengan uji statistik F, berdasarkan output

SPSS didapatkan P-value 0.000< 0.05, sehingga keputusan tolak H0. Artinya, minimal

ada satu peubah penjelas x mempengaruhi peubah respon Y.

2. Uji parsial

Hipotesis:

H0: βj = 0 (variabel Xj tidak berpengaruh nyata)

H1: βj ≠ 0 (variabel Xj berpengaruh nyata) j= 0, 1, 2,. . ., p; p= banyak parameter

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.B

Std.

Error Beta

1 (Constant) 204.162 60.199 3.391 .002

X1 .648 .097 1.594 6.661 .000

X2 .307 .178 .070 1.720 .096

X3 .693 .300 .067 2.312 .028

X4 .163 .083 .055 1.971 .058

X5 -.005 .002 -.392 -1.959 .059

X6 -.046 .012 -.361 -3.838 .001

Dengan menggunakan statistik uji t. Berdasarkan output SPSS, diperoleh P value pada

variabel X2, X4, dan X6 lebih besar dari 0.05, sehingga keputusan terima H0, sehinga faktor

tenaga kerja, sekam dan laru atau bibit tahu tidak mempengaruhi produksi tahu secara nyata.

Sedangkan variabel X1, X3, dan X5 mimiliki P-value kurang dari 0.05, sehingga keputusan

tolak H0. Jadi dapat disimpulkan bahwa yang mempengaruhi produksi tahu secara signifikan

atau nyata pada sentra produksi tahu di Sragen adalah kedelai, solar, dan air.

3. Koefisien determinasi

Koefisien Determinasi (R-Square) merupakan suatu proporsi keragaman y yang dapat

dijelaskan oleh peubah prediktor x dan Adjusted R-Square (pada regresi linier sederhana)

merupakan suatu proporsi keragaman y yang dapat dijelaskan oleh variable regressor x

apabila jumlah observasi variable regressor x mengalami perubahan. Adapun Adjusted R-

Square (pada regresi linier sederhana berganda) merupakan suatu proporsi keragaman y

yang dapat dijelaskan oleh peubah prediktor x apabila jumlah variable regressor x

mengalami perubahan.

Model Summaryb

Model R

R

Square

Adjusted R

Square

Std. Error

of the

Estimate

Change Statistics

Durbin-

Watson

R Square

Change

F

Change df1 df2

Sig. F

Change

1 .992a .985 .982 69.00485 .985 322.791 6 30 .000 2.039

Berdasarkan output SPSS, nilai R2 sebesar 0.985 artinya 98.5% keragaman jumlah

produksi tahu (Y) dapat dijelaskan oleh faktor-faktor dalam model (X). Sisanya

dijelakan faktor lain yang tidak masuk dalam model.

3.2 Studi Kasus 2 Data Primer

Suatu penelitian pada bidang manajemen pemasaran ingin melihat pengaruh iklan media cetak,

dan promosi dengan cara menyebarkan berita dari mulut ke mulut atau dikenal dengan istilah

word of mouth yang dilakukan oleh Helios Fitness di kota Karawang.

Berdasarkan hal ini maka akan dilakukan penelitia mengenai iklan media cetak, word of mouth

dan keputusan berkunjung dengan judul penelitian

“Pengaruh Iklan Media Cetak dan Word of Mouth Terhadap Keputusan Berkunjung Fitness

Center (Studi Kasus Pada Helios Fitness Technomart Karawang)”. Data terlampir.

Hasil dan pembahasanUji Asumsi

1. Linieritas

Hipotesis:

H0: ρ=0 (tidak ada hubungan linier antara x dan y)

H1: ρ≠0 (ada hubungan linier antara x dan y)

• P-value< 0.05. sehingga keputusan tolak H0, artinya dengan kepercayaan 95% setiap

variabel bebas memiliki hubungan linier (korelasi) yang nyata terhadap variabel respon.

Diikuti dengan nilai korelasi yang cukup tinggi. Korelasi antara variabel IMC dan WOM

terhadap KB sebesar 0,571 dan 0,524.

• Kesimplan: uji asumsi linieritas dipenuhi.

2. Normalitas

Hipotesis:

H0 : galat/error berdistribusi normal

H1 : galat/error tidak berdistribusi normal

Uji kenormalan kolmogorof-Smirnov

P-value pada uji kenormalan KS sebesar 0.116 > 0,05. Sehingga keputusan terima H0, dapat

disimpulkan bahwa residual/galat/error menyebar normal atau asumsi normalitas dipenuhi.

Berdasarkan normal P-P plot dapat dilihat bahwa standardized residual menyebat disekitar

garis normal, sehingga dapat disimpulkan bahwa residual memiliki sebaran yang normal.

Dengan demikian, asumsi noralitas terpenuhi.

3. Homoskedasitas

rafik scatter plot antara fitted value dengan residual. Ada tidaknya pola tertentu pada grafik

scatter plot dimana sumbu Y adalah nilai Y yang telah diprediksi dan sumbu X adalah

residual (Y –Y).

Berdasarkan grafik di residual menyebar secara acak, tidak mengikuti pola tertentu,

sehingga dapat disimpulkan bahwa galat mempunyai ragam yang sama. Dengan demikian,

asumsi Homoskedastisitas terpenuhi.

4. Non Autokorelasi

Hipotesis

H0: ρ=0 (tidak terdapat autokorelasi)

H1: ρ≠0 (terdapat autokorelasi)

Tabel Durbin Watson k=2, n=119, alfa=0,05 : dL=1,6669 du=1,7352

Jika dw > du maka tidak tolak H0. Jadi, dari uji Durbin Watson dapat disimpulkan bahwa

tidak terjadi autokorelasi, asumsi non autokorelasi terpenuhi.

5. Non Multikolinieritas

Nilai VIF dari variabel IMC dan WOM lebih kecil dari 10, hal ini memperlihatkan bahwa tidak

terjadi multikolonieritas pada model regresi.

Interpretasi Model

1. Uji simultan

Hipotesis:

H0: peubah X tidak mempengaruhi Y secara bersama-sama

H1: peubah X yang mempengaruhi Y secara bersama-sama

Pengujian secara simultan dilakukkan dengan uji statistik F, berdasarkan output SPSS

didapatkan P-value 0.000< 0.05, sehingga keputusan tolak H0. Artinya, peubah penjelas X

mempengaruhi peubah respon Y secara bersama-sama. Atau dapat disimpulkan bahwa IMC

dan WOM mempengaruhi KB secara bersama-sama/simultan.

2. Uji parsial

Hipotesis:

H0: βj = 0 (variabel Xj tidak berpengaruh nyata)

H1: βj ≠ 0 (variabel Xj berpengaruh nyata) j= 0, 1, 2,. . ., p; p= banyak parameter

•

P value pada variabel X2 lebih besar dari 0.05, sehingga keputusan terima H0, sehinga

WOM tidak berpengaruh signifikan terhadap KB .

•

Variabel X1 mimiliki P-value kurang dari 0.05, sehingga keputusan tolak H0. Jadi dapat

disimpulkan bahwa IMC berpengaruh signifikan terhadap KB.

3. Koefisien determinasi

Berdasarkan output SPSS, nilai R2 sebesar 0,348 artinya 34,8% keragaman jumlah

KB (Y) dapat dijelaskan oleh faktor-faktor dalam model yaitu IMC (X1) dan WOM (X2).

Sisanya dijelakan faktor lain yang tidak masuk dalam model atau variabel lain yang tidak

termasuk dalam variabel penelitian.

BAB V

ANALISIS JALUR (PATH ANALYSIS)

Studi Kasus

Suatu penelitian asosiatif yang bertujuan mempelajari pengaruh variable Remunerasi (X1),

Motivasi Kerja (X2), dan Suasana Kerja (X3) terhadap Kinerja Pegawai (Y). Berikut data

penelitian.

Data:

no 1 2 3 4 5 6 7 8 9

1

0 11 12

1

3 14 15

1

6 17 18

1

9 20

X1 70

4

9 33 51

6

7 41

7

1 60 59

3

1 75 43

4

6 43 33

5

1 60 59

3

1 56

X2 69

4

8 29 48

5

9 33

7

0 54 61

3

4 76 43

5

6 42 29

4

8 54 61

3

4 58

X3 69

5

0 30 40

6

0 31

7

0 55 58

2

6 78 45

4

7 34 40

4

0 55 58

2

6 57

Y 68

4

7 34 50

5

6 36

7

1 60 61

2

9 77 46

5

0 39 34

5

0 60 61

2

9 56

Hipotesis penelitian:

• Ho: tidak ada pengaruh yang signifikan dalam variabel

• H1: remunerasi berpengaruh signifikan terhadap motivasi kerja

• H2: remunerasi berpengaruh signifikan terhadap suasana kerja

• H3: motivasi kerja berpengaruh signifikan terhadap suasana kerja

• H4: remunerasi berpengaruh signifikan terhadap kinerja pegawai

• H5: motivasi kerja berpengaruh signifikan terhadap kinerja pegawai

• H6: suasana kerja berpengaruh signifikan terhadap kinerja pegawai

Berikut ini merupakan diagram jalur yang akan diuji

Langkah-Langkah dengan Lisrel

1. Simpan data dalam SPSS

2. Double klik icon LISREL 9.2 Student, sehingga akan tampil

3. Klik File pilih New

4. Maka akan muncul tampilan berikut ini, pilih LISREL Data klik OK

5. Kemabali ke menu utama, klik File pilih Import Data

6. cari tempat menyimpan data (data disimpan dalam SPSS). Pilih SPSS Data File (*sav),

7. pilih data yang akan digunakan (PATH Lisrel.sav), klik Open

8. Beri nama untuk LISREL Data, nama yang digunakan boleh sama atau berbeda dengan

SPSS, klik Save

Akan tampil seebagai berikut

9. Pada menu utama klik File, klik New, pilih SIMPLIS Project, klik OK

Isikan nama ke File Name (missal, “data simplis path”), klik Save sehingga muncul

10. Kembali ke menu utama, pilih Setup, plih Variables

Sehingga akan muncul

11. Klik Add/Read variables, sehingga muncul tampilan berikut

Pada Read from file isikan LISREL System File. Klik Browse dan isikan “data simplis

path”, klik OK

12. Klik Next, pada Number of Observation isikan jumlah observasi yaitu “20”, lalu klik OK

13. Kembali ke menu utama, kotak SIMPLIS kosong seperti berikut

14. Pada menu utama pilih Output, pilih LISREL Output dan klik Selection

Pilih Total Effects and Inderect Effects dan CompletelyStandardized Solution.

Selanjutnya klik OK

Maka muncul gambar berikut

Selanjutnya membuat persamaan yang mengaitkan hubungan antara variable, setelah

baris relationships

Klik Run sehingga diperoleh koefisien jalur dalam bentuk Standardized Solution

seperti berikut

Gambar di atas dapat di atur kembali, dengan cara menggeser letak variable dan garis

penghubung antara variable, sehingga menjadi seperti berikut

Selanjutnya diagram jalur setelah uji signifikansi dengan uji statistik uji-t sebagai berikut

Dari diagram jalur di atas terlihat bahwa tidak terdapat jalur yang berwana merah. Hal

tersebut menunjukkan bahwa semua koefisien jalur signifikan.

15. Interpretasi Output

Warna biru menunjukkan Koefisien regresi dan warna kuning menunjukkan nilai statistic

Z dan p-Value.

Pada regresi X2 terhadap X1. Hasil uji statistik menunjukkan bahwa nilai P-value

0.000 kurang dari 0.05 sehingga tolak H0, terima H1. Jadi dapat disimpulkan

bahwa peningkatan remunerasi memberikan pengaruh yang signifikan terhadap

peningkatan motivasi kerja pegawai. Peningkatan satu satuan remunerasi (X1)

akan meningkatkan 96.3% motivasi kerja (X2).

Nilai R2 (koefisien determinasi) sebesar 90.4%. Artinya 90.4% keragaman

motivasi kerja(X2) mampu dijelaskan oleh variabel remunerasi (X1) sisanya

9.6% dijelaskan oleh variable lain.

LISREL Estimates (Maximum Likelihood)

Structural Equations

X2 = 0.963*X1, Errorvar.= 18.607, R² = 0.904

Standerr (0.0718) (6.037)

Z-values 13.407 3.082

P-values 0.000 0.002

Pada regresi X3 terhadap X1 dan X2. Hasil uji statistika menunjukkan bahwa

nilai P-value untuk variable X1 0.019 dan X2 0.04 keduanya kurang dari 0.05

sehingga tolak H0, terima H2 dan H3. Jadi dapat disimpulkan bahwa remunerasi

dan motivasi kerja masing-masing berbengaruh signifikan terhadap suasana kerja.

Peningkatan satu satuan remunerasi akan meningkatkan 56.4% suasana kerja.

Peningkatan motivasi kerja akan meningkatkan 48.8% suasana kerja.

Nilai R2 (koefisien determinasi) sebesar 91.2%. Artinya 91.2% keragaman

suasana kerja(X3) mampu dijelaskan oleh variabel remunerasi (X1) dan motivasi

kerja(X2), sisanya 8.8% dijelaskan oleh variable lain.

X3 = 0.488*X2 + 0.564*X1, Errorvar.= 20.076, R² = 0.912

Standerr (0.238) (0.241) (6.514)

Z-values 2.049 2.339 3.082

P-values 0.040 0.019 0.002

Pada regresi Y terhadap X1, X2 dan X3. Hasil uji statistiak meninjukkan bahwa

nilai P-value unruk ketiga variable tersebut adalah 0.005, 0.035, 0.031 ketiganya

memiliki nilai kurang dari 0.05 sehingga tolak H0. Jadi dapat disimpulkan bahwa

remunerasi, motivasi kerja dan suasana kerja masing-masing berpengaruh

signifikan terhadap kinerja pegawai. Setiap peningkatan remunerasi akan

meningkatkan 42% kinerja pegawai, setiap peningkatan motivasi kerja akan

meningkatkan 30.2% kinerja pegawai dan setiap peningkatan suasana kerja akan

meningkatkan 26.9% kinerja pegawai.

Nilai R2 (koefisien determinasi) sebesar 97%. Artinya 97% keragaman Kinerja

pegawai (Y) mampu dijelaskan oleh variabel remunerasi (X1), motivasi kerja(X2)

dan suasana kerja(X3), sisanya 3% dijelaskan oleh variable lain.

Y = 0.302*X2 + 0.269*X3 + 0.420*X1, Errorvar.= 5.962 , R² = 0.970

Standerr (0.143) (0.125) (0.149) (1.934)

Z-values 2.105 2.152 2.812 3.082

P-values 0.035 0.031 0.005 0.002

16. Koefisien jalur Pengaruh langsung dan Pengaruh Total

Pada menu utama klik Setup, pilih Build LISREL Syntax

Klik Output, pilih LISREL Output, pilih selection, Pilih Total Effects and Inderect

Effects dan Completely Standardized Solution. Selanjutnya klik OK

Klik Run sehingga diperoleh hasil sebagai berikut

Koefisien Jalur (Standardized Solution)

Beta

P32 = 0.364 adalah koefisien jalur X2 terhadap endogen X3

PY2 = 0.369 adalah koefisien jalur X2 terhadap endogen Y

PY3 = 0.044 adalah koefisien jalur X3 terhadap endogen YStandardized Solution

BETA

X2 X3 Y

-------- -------- --------

X2 - - - - - -

X3 0.364 - - - -

Y 0.369 0.044 - -

Gamma

P21 = 0.925 adalah koefisien jalur eksogen X1 terhadap endogen X2

P31 = 0.627 adalah koefisien jalur eksogen X1 terhadap endogen X3

PY1 = 0.592 adalah koefisien jalur eksogen X1 terhadap endogen Y

GAMMA

X1

--------

X2 0.925

X3 0.627

Y 0.592

Total and Indirect Effect

Pengaruh total eksogen dan endogen

Pengaruh total X1 terhadap X2 = 0.952

Pengaruh total X1 terhadap X3 = P31 + P21P32 = 0.627 + (0.925)(0.364) = 0.963

Pengaruh total X1 terhadap Y = Py1 + P21PY2 + P31PY3 + P21P32PY3

=0.592+(0.925)(0.369)+(0.627)(0.044)+(0.925)(0.364)(0.044)

=0.976Standardized Total Effects of X on Y

X1

--------

X2 0.925

X3 0.963

Y 0.976

Pengaruh tidak langsung eksogen dan endogen

Pengaruh tidak langsung X1 terhadap X3 = P21P32 = (0.925)(0.364) = 0.336

Pengaruh tidak langsung X1 Terhadap Y = P21PY2 + P31PY3 + P21P32PY3 = (0.925)

(0.369)+(0.627)(0.044)+(0.925)(0.364)(0.044) = 0.384 Standardized Indirect Effects of X on Y

X1

--------

X2 - -

X3 0.336

Y 0.384

Pengaruh total endogen dan endogen

Pengaruh total X2 terhadap X3 = P32 = 0.364

Pengaruh total X2 terhadap Y = PY2 + P32PY3 = 0.369 + (0.364)(0.044) = 0.386

Pengaruh total X3 terhadap Y = PY3 = 0.044 Standardized Total Effects of Y on Y

X2 X3 Y

-------- -------- --------

X2 - - - - - -

X3 0.364 - - - -

Y 0.386 0.044 - -

Pengaruh tidak langsung endogen dan endogen

Pengaruh tidak langsung X2 terhadap Y = (0.364)(0.044) = 0.016

Standardized Indirect Effects of Y on Y

X2 X3 Y

-------- -------- --------

X2 - - - - - -

X3 - - - - - -

Y 0.016 - - - -