Bengkel Jahat
TM
CARA OLAH DATA DAN MEMBACA DATA (PRIMER) 1.
Analisis Deskriptif
Analisis deskriptif ini bertujuan untuk mendeskripsikan atau menggambarkan suatu data dalam variabel yang dilihat dari nilai rata-rata ( mean), minimum, maksimum, dan standar deviasi (Ghozali, 2011). Statistik deskriptif biasanya digunakan untuk menggambarkan profil data sampel sebelum memanfaatkan teknik analisis statistik yang berfungsi untuk menguji hipotesis. Statistika deskriptif akan memberikan gambaran mengenai data penelitian berupa variabelvariabel dependen dan independen. Cara mengolah dalam program aplikasi SPSS Sebagai berikut: Klik Analyze >> Descriptive Statistics >> Descriptive
Contoh tampilan SPSS Sebagai berikut :
1
Bengkel Jahat
TM
Maka akan muncul tampilan seperti ini :
Masukkan variabel dependen dan independen menggunakan klik tanda Contoh sebagai berikut :
ke Variable(s)
2
TM
Bengkel Jahat
Kemudian Klik tombol
akan muncul tampilan sebagai berikut :
Beri tanda ˅ Mean, ˅ Std. deviation, ˅ Minimum, ˅ Maximum
Klik Continue kemudian Klik OKmaka akan muncul tabel seperti di bawah ini : Descriptive Statistics N
Minimum
Maximum
Mean
Std. Deviation
X1
74
10
24
16,42
3,424
X2
74
12
20
15,72
1,732
X3
74
23
33
27,89
2,546
Y
74
18
28
22,62
2,256
Valid N (listwise)
74
Keterangan : N
: Jumlah Sampel Penelitian
Minimum
: Nilai terendah dari data penelitian
Maximum
: Nilai tertinggi dari data penelitian
Mean
: Rata-rata data penelitian 3
Bengkel Jahat
Std. Deviation 2.
TM
: Nilai penyimpangan data
Uji Validitas dan Uji Reliabilitas a. Uji Validitas
Dalam Ghozali (2011), 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. Suatu instrumen yang valid atau sah mempunyai validitas tinggi, sebaliknya instrumen yang kurang valid berarti memiliki validitas yang rendah. Cara mengolah dalam program aplikasi SPSS Sebagai berikut: Klik Analyze >> Correlate >> Bivariate
Contoh tampilan SPSS Sebagai berikut :
4
Bengkel Jahat
TM
Maka akan muncul tampilan sebagai berikut :
Masukkan Pertanyaan Indikator variabel dependen maupun independen dan Jumlah dari data variabel dependen maupun independen satu per satuklik symbol
ke Variable(s) Contoh
sebagai berikut :
5
TM
Bengkel Jahat
Klik OK maka akan muncul tabel seperti di bawah ini : Correlations X1.1 X1.1
Pearson Correlation
X1.2 1
,539
Sig. (2-tailed) N X1.2
Pearson Correlation Sig. (2-tailed) N
X1.3
Pearson Correlation Sig. (2-tailed) N
X1.4
Pearson Correlation Sig. (2-tailed) N
X1.5
Pearson Correlation Sig. (2-tailed) N
X1.6
Pearson Correlation Sig. (2-tailed) N
X1
Pearson Correlation Sig. (2-tailed) N
**
,364
,001
74
74
1
74
74
**
**
,471
,001
,000
74
74
,510
**
,000
,408
**
**
,000
74 ,393
1
74 ,347
**
X1.5
,510
**
**
,347
**
,002
,001
,000
74
74
74
**
**
**
,372
74 ,372
**
,310
,007
,001
74
74
74
1
,187
,001 74
74
**
,310 ,187
,111
,001
74
74
1
74
**
**
**
**
**
,381
,000
,001
,001
,001
,001
74
74
74
74
74
,672
**
,690
**
**
,381
74 ,390
**
,390
,111
,382
,382
,001
74
**
74 ,738
74
,007
,738
**
,000
74
**
,000
74
,002
,776
,388
**
,000
74
,388
,776
74
**
,001
,404
**
,000
74
**
X1
,404
,001
74 ,408
X1.6
,393
,000
**
,471
,000
,364
X1.4 **
,000 74 ,539
X1.3 **
,616
**
1
,672
**
,000 74 ,690
**
,000 74 ,616
**
,001
,000
74
74 **
,712
,000 74
74
**
1
,712
,000
,000
,000
,000
,000
,000
74
74
74
74
74
74
74
**. Correlation is significant at the 0.01 level (2-tailed).
Keterangan :
Instrumen dinyatakan valid apabila sig. (2-tailed) dari jumlah data variabel dependen maupun independen kurang dari 0,05 (5%), sedangkan apabila lebih dari 0,05 (5%) maka dinyatakan tidak valid ATAU Instrumen dinyatakan valid apabila Pearson Correlation dari jumlah data variabel dependen maupun independen lebih dari angka r tabel dengan rumus mencari r tabel ( df = (N-2)) Keterangan : N = Jumlah sampel *NB : r Tabel terlampir 6
Bengkel Jahat
TM
b. Uji Reliabilitas
Uji reliabilitas adalah alat ukur untuk mengukur suatu kuesioner yang mempunyai indikator dari variabel atau konstruk. Suatu kuesioner dinyatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu (Ghozali, 2011). Pengukuran reliabilitas dapat dilakukan dengan dua cara yaitu : 1. Repeted measure atau pengukuran yaitu seseorang akan disodori pertanyaan yang sama pada waktu yang berbeda, dan kemudian dilihat apakah ia tetap konsisten dengan jawabannya. 2. One Shot atau pengukuran sekali saja dan kemudian hasilnya dibandingkan dengan pertanyaan yang lain atau mengukur korelasi antara jawaban dengan pertanyaan. Uji reliabilitas dapat dilakukan dengan menggunakan bantuan program SPSS, yang akan memberikan fasilitas untuk mengukur reliabilitas dengan uji statistic Cronbach Alpha ( α ). Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbanch Alpha > 0,70 (Nunnally,1994) dalam (Ghozali,2011). Cara mengolah dalam program aplikasi SPSS Sebagai berikut: Klik Analyze >> Scale >> ReliabilityAnalysis…
Contoh tampilan SPSS Sebagai berikut :
7
TM
Bengkel Jahat
Maka akan muncul tampilan sebagai berikut :
Masukkan Pertanyaan Indikator variabel dependen maupun independen “ satu per satu” tanpa jumlah data variabel dependen maupun independenklik symbol
ke
Items Contoh sebagai
berikut :
8
Bengkel Jahat
Kemudian Klik symbol
TM
akan muncul tampilan sebagai berikut :
Beri tanda ˅ Item, ˅ Scale, ˅ Scale if Item deleted, ˅ Correlations
Klik Continue kemudian kemudian Klik OK maka akan muncul tabel seperti di bawah ini : Case Processing Summary N Cases
Valid
% 74
a
Excluded
0
100,0
,0
Total
74
100,0
a. Listwise deletion based on all variables in the procedure.
Reliability Statistics Cronbach's Alpha Cronbach's Alpha
Based on Standardized Items
,792
N of Items ,793
6
9
TM
Bengkel Jahat
Item Statistics Mean
Std. Deviation
N
X1.1
2,14
,896
74
X1.2
2,47
,744
74
X1.3
3,15
,734
74
X1.4
2,30
,840
74
X1.5
3,09
,779
74
X1.6
3,27
,880
74
Inter-Item Correlation Matrix X1.1
X1.2
X1.3
X1.4
X1.5
X1.6
X1.1
1,000
,539
,364
,510
,393
,404
X1.2
,539
1,000
,471
,408
,347
,388
X1.3
,364
,471
1,000
,372
,310
,382
X1.4
,510
,408
,372
1,000
,187
,390
X1.5
,393
,347
,310
,187
1,000
,381
X1.6
,404
,388
,382
,390
,381
1,000
Item-Total Statistics Scale Mean if
Scale Variance if
Corrected Item-
Squared Multiple
Cronbach's Alpha
Item Deleted
Item Deleted
Total Correlation
Correlation
if Item Deleted
X1.1
14,28
7,768
,632
,439
,738
X1.2
13,95
8,518
,611
,400
,747
X1.3
13,27
8,885
,526
,300
,765
X1.4
14,12
8,464
,523
,338
,766
X1.5
13,32
9,044
,443
,244
,783
X1.6
13,15
8,210
,543
,302
,761
Scale Statistics Mean
Variance
16,42
11,726
Std. Deviation 3,424
N of Items 6
Keterangan : Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai “Cronbanch Alpha > 0,70 dalam tabel reliability statistics” (Nunnally,1994) dalam (Ghozali,2011).
10
Bengkel Jahat
3.
TM
Analisis Regresi Linier Berganda, Uji Normalitas, Uji Multikolonearitas, Uji Heteroskedastisitas, Koefisien Determinasi (R²), Uji Kelayakan Model (Uji F), Uji t
Teknik regresi linear berganda bermanfaat untuk mendeteksi pengaruh variabel bebas terhadap variabel terikat. Cara mengolah dalam program aplikasi SPSS Sebagai berikut: Klik Analyze >> Regression >>Linear…
11
TM
Bengkel Jahat
Maka akan muncul tampilan sebagai berikut :
Masukkan jumlah variabel dependen ke dependent klik symbol independenklik symbol
maupun
independen ke
ke Items Contoh sebagai berikut :
12
Bengkel Jahat
Kemudian Klik symbol
TM
akan muncul tampilan sebagai berikut :
Beri tanda ˅ Estimates, ˅ Covariance matrix, ˅ Model fit, ˅ Colilinearity diagnostics
Klik Continue : Setelah itu Klik
kemudian akan muncul tampilan sebagai berikut :
13
TM
Bengkel Jahat
Kemudian masukan *SRESID dengan Klik symbol
ke Y dan *ZPRED Ke Symbol X dan
beri Beri tanda ˅ Histogram, ˅ Normal probability plot kemudian Klik Continue Ditampilkan seperti di bawah ini :
Selanjutnya Klik symbol
maka akan muncul tampilan di bawah ini :
beri Beri tanda ˅ Unstandardized kemudian Klik Continue
14
TM
Bengkel Jahat
Ditampilkan seperti di bawah ini :
Kemudian Klik OK a)
Output : SPSS Persamaan Regresi Contoh : a
Coefficients Standardized Unstandardized Coefficients Model 1
B
Std. Error
(Constant)
6,748
4,186
X1
-,163
,067
X2
,327
X3
,256
X4
,127
Coefficients Beta
Collinearity Statistics T
Sig.
Tolerance
VIF
1,612
,112
-,248
-2,422
,018
,536
1,866
,132
,251
2,483
,015
,548
1,826
,085
,289
3,031
,003
,615
1,625
,055
,203
2,313
,024
,725
1,380
a. Dependent Variable: Y
Contoh Model persamaan regresi linear berganda dalam penelitian ini dapat
diformulasikan sebagai berikut: γ = 6,748 + -,63X1 + ,327 X2 + ,256X3 + ,127X4 + ε 15
Bengkel Jahat
TM
Keterangan: γ= Variabel dependen β0 = Konstanta = Faktor Eror X1= Variabel independen 1 X2= Variabel independen 2 X3= Variabel independen 3 X4= Variabel independen 4 β1, β2, β3, = Koefisien regresi dari setiap variabel independen. b)
Output SPSS : Uji Asumsi Klasik
Pengujian terhadap asumsi klasik adalah untuk menguji model analisis yang digunakan akan menghasilkan permasalahan yang baik apabila memenuhi pengujian sebagai berikut : Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam regresi, variabel dependen dan variabel independen keduanya mempunyai distribusi normal atau tidak (Ghozali, 2011). Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal. Pada prinsipnya normalitas dapat dideteksi dengan penyebaran data (titik) pada sumbu diagonal dari grafik atau melihat histogram dari residualnya (Ghozali, 2011). Jika data menyebar sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. Jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal, maka regresi tidak memenuhi asumsi normalitas. Output SPSS akan menampilkan gambar seperti dibawah ini :
16
Bengkel Jahat
TM
Selain uji normalitas dengan grafik dapat dilakukan juga dengan menggunakan analisis statistic. Untuk melengkapinya dapat dilakukan dengan uji statistik non-parametrik Kolmogorov-
Smirnov (K-S). Cara mengolah dalam program aplikasi SPSS Sebagai beriku t: Klik Analyze >> Nonparametric Tests >> Legacy Dialogs >> 1-Sample K-S..
17
Bengkel Jahat
TM
Maka akan muncul tampilan sebagai berikut :
Masukkan Unstandardized Residual klik symbol
ke Test Variabel List Contoh sebagai
berikut :
18
TM
Bengkel Jahat
Kemudian Klik OK maka akan Muncul Output SPSS seperti dibawah ini : One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
74
Normal Parameters Mean
a,b
,0000000 Std. Deviation
Most Extreme Differences
2,10273019
Absolute Positive
,049 ,045
Negative
-,049
Kolmogorov-Smirnov Z
,418
Asymp. Sig. (2-tailed)
,995
a. Test distribution is Normal. b. Calculated from data.
Keterangan : Perhatikan Asymp. Sig.(2-tailed) data terdistribusi normal jika nilai Asymp. Sig. (2tailed) lebih besar dari 0,05 Uji Multikolonearitas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen (Ghozhali, 2011). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi maka variabel-variabel tersebut tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Tolerance mengukur bebas yang terpilih yang tidak dapat dijelaskan variabel bebas lainnya. Nilai tolerance yang rendah sama dengan VIF yang tinggi (karena VIF=1/tolerance).
19
TM
Bengkel Jahat
Output SPSS akan menampilkan tabel seperti di bawah ini (perhatikan tabel coefficients): a
Coefficients Standardized Unstandardized Coefficients Model 1
B
Coefficients
Std. Error
(Constant)
6,748
4,186
X1
-,163
,067
X2
,327
,132
X3
,256
X4
,127
Beta
Collinearity Statistics t
Sig.
Tolerance
VIF
1,612
,112
-,248
-2,422
,018
,536
1,866
,251
2,483
,015
,548
1,826
,085
,289
3,031
,003
,615
1,625
,055
,203
2,313
,024
,725
1,380
a. Dependent Variable: Y
Keterangan : Nilai yang umum digunakan untuk memperlihatkan tidak adanya multikolinearitas adalah nilai tolerance > 0,1 atau sama dengan nilai VIF < 10 (Ghozali, 2011). Perhatikan bagian Collinearity Statistics saja. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain (Ghozali, 2011). Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas dengan melihat grafik plot antara nilai prediksi variabel dependen, dasar analisisnya adalah : 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
20
Bengkel Jahat
TM
Output SPSS akan menampilkan gambar seperti dibawah ini :
Selain itu, agar mendapatkan hasil yang lebih akurat, diperlukan analisis uji statistik yaitu uji glejser yaitu dengan meregres nilai absolute residual terhadap variabel independen (Ghozali, 2011:143). Sebelumnya kita harus mengeluarkan data AbsRes terlebih dahulu yaitu dengan cara :
21
Bengkel Jahat
TM
Kemudian isi rumus seperti yang di beri tanda merah
Setelah itu akan muncul nilai AbsRes pada tabel :
22
TM
Bengkel Jahat
Caranya sama dengan Analisis Regresi Berganda tetapi bedanya adalah pada isi variabel dependent yaitu memasukan AbsRes dengan menggunakan symbol
. contoh tampilan
sebagai berikut :
Kemudian klik OK maka akan muncul OUTPUT SPSS sebagai Berikut : a
Coefficients Standardized Unstandardized Coefficients Model 1
B
Std. Error
(Constant)
,582
3,713
X1
,081
,060
X2
,079
,117
X3
,040
,075
X4
-,053
,049
Sig.
Coefficients Beta
Collinearity Statistics t
Tolerance
VIF
,157
,876
,216
1,353
,181
,536
1,866
,107
,678
,500
,548
1,826
,080
,540
,591
,615
1,625
-,150
-1,093
,278
,725
1,380
a. Dependent Variable: AbsRes
Keterangan : Perhatikan saja bagian Coefficients bagian sig. Nilai
signifikansi
yang
lebih
dari
0.05
menunjukkan
bahwa
tidak
terjadi
heteroskedastisitas dalam model regresi.
23
Bengkel Jahat
c)
TM
Output : SPSS EvaluasiGoodness Of F it
Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari Goodness of Fitnya. Secara statistik, setidaknya ini dapat diukur dari nilai koefisien determinasi, nilai statistik F dan nilai statistik t. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis (daerah dimana H0 ditolak ). Sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah dimana H0 diterima (Ghozali, 2011). Koefisien Determinasi (R²)
Koefisien determinasi (R²) pada intinya mengukur seberapa jauh model dalam menerangkan variasi variabel dependen (Goodness of fit) suatu model. Nilai koefisien determinasi berada di antara nol dan satu. Nilai R² yang kecil berarti kemampuan variabelvariabel independen dalam menjelaskan dependen amat terbatas (Ghozali, 2011). Nilai yang mendekati satu (100%) berarti variabel independen memberikan hamper semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Kelemahan mendasar penggunaan koefisien determinasi adalah bisa terhadap jumlah variabel independen yang dimasukkan kedalam model. Setiap tambahan 1 variabel independen, maka R² pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu, peneliti menganjurkan untuk menggunakan nilai
AdjustedR², karena nilai tersebut dapat naik atau turun apabila penambahan variabel independen ditambahkan kedalam model (Ghozali, 2011). Dalam kenyataannya nilai adjustedR² dapat bernilai negative, walaupun yang dikehendaki harus bernilai positif. Menurut Gujarati (2003) dalam Ghozali (2011) jika dalam uji empiris didapat nilai adjustedR² negative, maka nilai adjustedR² dianggap bernilai nol. Secara matematis, jika R² = 1, maka adjusted R²=1 = R² sedangkan jika nilai R²=0, maka adjusted R²= (1-k)(n-k). Jika k>1, maka adjusted R² akan bernilai negatif.
24
Bengkel Jahat
TM
Output SPSS akan menampilkan tabel seperti dibawah ini : b
Model Summary
Model
R a
1
Adjusted R
Std. Error of the
Square
Estimate
R Square
,783 ,614
,591
1,442
a. Predictors: (Constant), X4, X3, X2, X1 b. Dependent Variable: Y
Keterangan : Perhatikan pada tabel model summary bagian AdjustedR Square Uji Kelayakan Model (Uji F)
Uji statistik F pada dasarnya menunjukan apakah semua variabel independen atau bebas mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat (Ghozali, 2011). Hipotesis nol (H0) yang hendak diuji adalah apakah semua parameter dalam model sama dengan nol, atau: H0 : β l = β 2 = ..........= β n = 0 Artinya apakah semua variabel independen bukan merupakan penjelasan yang signifikan terhadap variabel dependen (Ghozali, 2011). Hipotesis alternatifnya (H A) tidak semua parameter secara simultan sama dengan nol, atau: HA : tidak semua β berharga 0 (nol) Artinya semua variabel independen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen.
25
TM
Bengkel Jahat
Output SPSS akan menampilkan tabel seperti dibawah ini : b
ANOVA Model 1
Sum of Squares
df
Mean Square
Regression
227,896
4
56,974
Residual
143,509
69
2,080
Total
371,405
73
F 27,393
Sig. ,000
a
a. Predictors: (Constant), X4, X3, X2, X1 b. Dependent Variable: Y
Keterangan : Perhatikan pada tabel ANOVA bagian Sig. Untuk menguji hipotesis ini digunakan statistik F dengan kriteria pengambilan keputusan sebagai berikut: 1.
Jika nilai signifikansi > 0,05, maka H0 tidak dapat ditolak. Jadi variabel bebas dari regresi linier tidak mampu menjelaskan variabel terikat.
2.
Jika nilai signifikan < 0,05, maka H0 ditolak. Jadi variabel bebas dari regresi linier mampu menjelaskan variabel terikat. Uji t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel depenpen (Ghozali, 2011). Pengujian ini bertujuan untuk menguji apakah secara parsial variabel bebas yaitu lingkungan kerja fisik (X1), kompensasi (X2), dan beban kerja (X 3) mempunyai pengaruh terhadap variabel dependen (Y) yaitu kinerja guru dan karyawan. Prosedur pengujian adalah sebagai berikut : 1. Perumusan Hipotesis Ho: β1 ≤ 0, tidak terdapat pengaruh antara variabel bebas terhadap variabel terikat. Ha: β1 > 0, terdapat pengaruh antara variabel bebas terhadap variabel terikat.
26
TM
Bengkel Jahat
Output SPSS akan menampilkan tabel seperti dibawah ini : a
Coefficients Standardized Unstandardized Coefficients Model 1
B
Coefficients
Std. Error
(Constant)
6,748
4,186
X1
-,163
,067
X2
,327
,132
X3
,256
X4
,127
Beta
Collinearity Statistics T
Sig.
Tolerance
VIF
1,612
,112
-,248
-2,422
,018
,536
1,866
,251
2,483
,015
,548
1,826
,085
,289
3,031
,003
,615
1,625
,055
,203
2,313
,024
,725
1,380
a. Dependent Variable: Y
Keterangan : Perhatikan pada tabel Coefficients bagian Sig. Menentukan tarafnya (
) dalam penelitian ini menggunakan
keputusan dengan derajat keputusan dengan tingkat signifikan (
= 5%. Pengambilan ) = 0,05 ditentukan
sebagai berikut : 0 tidak bisa ditolak dan H1 tidak bisa a. Apabila tingkat signifikansinya > 0,05 maka H diterima
b. Apabila tingkat signifikansinya < 0,05 maka H 1 diterima dan H0 tidak bisa ditolak
27
