Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
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 - - - -