Dasar dasar SPSS, Uji Statistik

Dasar-Dasar SPSS

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

 Syarat suatu sampel: 

 Sampel mewakili populasi yang diwakili 

 Sampel tidak boleh subjektif, dalam pemilihannya harus random. Analisis Statistik 

 Secara garis besar, analisis data statistic dibagi menjadi dua kelompok, yaitu: 

 Statistik deskriptif: Adalah analisis yang memberikan gambaran secara umum mengenai karakteristik data seperti mean, median, mode, varian dan range. 

 Statistik inferensi: Adalah membuat inferensi terhadap data yang diolah, seperti untuk perkiraan dan pengambilan keputusan berdasarkan data statistik. Biasa disebut dengan statistic induktif Statistik Inferensi 

Statistika Inferensi 

Parametrik Non-Parametrik Statistika Parametrik 

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

 Statistika parametrik menetapkan adanya syaratsyarat 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 masingmasing 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 beberapa perbedaan, yaitu: 

 Baris pada SPSS adalah merupakan kasus. 

 Pada setiap baris sel di halaman SPSS mewakili satu kasus atau observasi. 

 Kolom merupakan variable. 

 Data view digunakan untuk memasukkan dan mengedit data Data View 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. Secara otomatis/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 Deskriptif Studi Kasus Hatco HATCO 

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

 Perlu dilakukan penelitian untuk mencari tahu variabel apa yang mempengaruhi konsumen dalam membeli produk 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 kotak sebelah kiri dan pindahkan ke kotak sebelah kanan dengan mengklik panah yang terdapat di antara kotak sebelah 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 Inferensi Studi 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, klik Reliability Analysis…. 

 Setelah tampil kotak Reliability Analysis, pindahkan item-item pertanyaan X1 dan Variabel X1 ke kotak Items kemudian klik tanda panah dan klik Statistics maka 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 Asumsi Klasik 

 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 • Langkah-langkah : Analyze >> Regression >> Linear Uji Normalitas 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 Uji Autokorelasi 

 Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya korelasi antara anggota–anggota serangkaian observasi yang tersusun dalam rangkaian waktu atau yang tersusun dalam rangkaian ruang. 

 Hasil dari output SPSS menunjukkan nilai Durbin-Watson (DW) hitung sebesar 1,984, sedangkan pada tabel DW diperoleh nilai dU (Upper Durbin-Watson) sebesar 1.7887. Model regresi dinyatakan tidak terdapat 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. Dapat disimpulkan tidak terjadi autokorelasi atau tidak terdapat autokorelasi positif dan negatif pada model regresi ini. 

 Koefisien Determinasi (R 2 ) berfungsi untuk melihat sejauh mana keseluruhan variabel independen dapat menjelaskan variabel dependen Uji Hipotesis: Koefisien Determinasi 

 Terdapat nilai Adjusted R Square yaitu sebesar 0,704 atau 70,4%. Hal tersebut mengindikasikan bahwa 70,4% variabel dependen dapat dijelaskan oleh variabel independen, sedangkan sisanya sebesar 29.6% dijelaskan oleh faktor-faktor lain Uji Hipotesis: Analisis Regresi Berganda 

 Maka dapat dibentuk model persamaan regresi berganda sebagai berikut: 

 Y= α + β 1 X 1 + β 2 X 2 + e 

 Keterangan: 

 Y = Kinerja Karyawan 

 X 1 = Kompensasi 

 X 2 = Displin 

 β = Koefisien Regresi X 1 dan X 2 

 α = Konstanta 

 e = Error Uji Hipotesis: Uji Parsial (t) 

 Pengaruh Kompensasi terhadap Kinerja Karyawan 

 H 1 = Kompensasi berpengaruh positif dan signifikan terhadap kinerja karyawan. 

 

terdapat nilai t hitung yaitu 7,457 dan tingkat signifikansi sebesar 0.000. Nilai signifikansi tersebut lebih kecil dari 0.05 dan nilai t hitung (7,457) lebih besar dari t tabel (1,651). Hal tersebut mengindikasikan bahwa kompensasi berpengaruh signifikan secara parsial terhadap kinerja karyawan. 

terdapat nilai koefisien (β) yaitu positif, artinya pengaruh yang diberikan oleh variabel tersebut adalah positif. Dapat disimpulkan bahwa kompensasi berpengaruh positif dan signifikan terhadap kinerja karyawan, sehingga hipotesis (H 1 ) 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 disiplin berpengaruh positif dan signifikan terhadap kinerja karyawan, maka H 3 diterima.