analisis regresi berganda

Perbincangan Seputar Pengolahan Data Penelitian

(Pendekatan Praktis dengan SPSS versi Mahasiswa S1)

Bismillaahirrahmaanirrahiim, Wabihii nasta’inu Subhaanaka laa ’ilmalana illaa maa ‘allamtana innaka antal ‘aliimul hakiim. Alhamdulillahil fattahil jawadil mu’ini min manihtarohu minal ‘ibadi. Allahumma Shalli ‘ala sayyida Muhammad shahibul maqom al mahmudi

Penulis berserah diri kepada Allah SWT, yang Maha Suci yang tidak mempunyai kekurangan dalam segala hal yang diketahui maupun yang tidak ketahui oleh makhluk-NYA, sehingga mendapat kesempatan untuk menggerakkan tangan bagi tulisan tulisan kecil ini untuk sekedar berbagi pengetahuan.

Kata Pengantar

…….. Dalam suatu ujian skripsi, tujuh peserta ujian ditanya oleh penguji…. “Apa alasan anda memilih regresi berganda sebagai alat analisa ?..,” peserta 1, 2 dan 3 menjawab, dengan senyuman alias nggak ngerti, peserta 4 menjawab ikut skripsi yang lalu, peserta 5 dan 6 menjawab atas saran dosen pembimbing, peserta 7 menjawab karena pertimbangan masalah penelitian dan tujuan penelitian serta formulasi model penelitian.….. mana kira-kira jawaban yang terbaik…….. !

Berdasarkan pengalaman penulis dalam membimbing dan menguji skripsi selama ini, masih ada beberapa mahasiswa yang telah lupa atau belum faham mengenai apa dan bagaimana proses analisis data itu dilakukan sebagai alat bantu pembuatan kesimpulan penelitian.

Suplemen ini merupakan pelengkap modul mata kuliah metode penelitian dan praktikum statistik yang biasa digunakan oleh penulis dalam memberikan materi perkuliahan di kelas. Lebih lanjut, suplemen ini disusun atas dasar keinginan penulis untuk membantu mahasiswa STIEMARA yang sedang menyusun tugas akhir dan ingin mengolah data secara mandiri.

Terdapat beberapa alat analisa yang umum digunakan oleh mahasiswa S1 dalam menjawab permasalahan, tujuan serta hipotesis penelitian antara lain analisis regresi berganda, analisis jalur, uji beda dan analisis factor.

Buku ini boleh di copy atau diperbanyak tanpa seijin penulis.

Edisi 1 Tahun 2002

Dalam suplemen ini terdapat petunjuk praktis proses pengolahan data dengan menggunakan regresi berganda, analisis jalur, uji beda dan analisis factor.

Semoga suplemen kecil ini ada guna dan manfaat bagi yang membutuhkan khususnya adik-adik mahasiswa dalam menyelesaikan tugas akhirnya.

Hanya Allah yang maha sempurna sehingga karya ini tidak mungkin sempurna, penyusun mengharap saran guna perbaikan.

Wassalam

Penyusun

2

Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Bagian SatuAnalisa Regresi Berganda

Tujuan penggunaan Regresi BergandaRegresi Berganda adalah bagian dari analisis multivariate. Tujuan utama analisis regresi berganda adalah untuk menduga besarnya koefisien regresi. Selanjutnya, koefisien regresi inilah yang akan menunjukkan besarnya pengaruh peubah bebas (independent variable/X) terhadap peubah tak bebas (dependent variable/Y). Kata “berganda” diambil sebagai penjelas untuk menunjukkan bahwa peneliti dalam penelitiannya menggunakan lebih dari satu variabel bebas (di kampus tercinta ini variabel diistilahkan dengan kata peubah, pengertian keduanya mempunyai arti yang sama). Dengan demikian peneliti seharusnya fokus pada regresi berganda. Pemborosan yang sering dilakukan oleh mahasiswa dalam skripsinya ialah ia menyajikan semua analisa seperti regresi sederhana, korelasi sedehana, regresi berganda, korelasi berganda yang pada akhirnya menyebabkan mahasiswa bingung sendiri, alat analisa mana yang dipakai?.

Seiring kemajuan teknologi software, semua tujuan untuk uji hubungan maupun pengaruh baik secara bersama-sama maupun secara parsial dapat diselesaikan hanya dengan satu “click” yaitu “regression”. Semua tindakan olah data itu dapat dilakukan bahkan berulang-ulang dengan beberapa perbaikan yang dimungkinkan hanya dalam hitungan menit. Bersyukurlah kita karena sudah ada software pengolah data yang saudara kenal dengan sebutan SPSS for windows.

Jangan bayangkan statistic berwajah rumus yang “jlimet” dan seabrek perhitungan lainnya, disini statistik sebagai alat dan sebagai alat ia telah mengalamai metamorfosis, ibarat menghitung perkalian 2435364 x 647469865, dengan manual ???? jelas BT abis, tetapi dengan calculator “no problem” Gitu Lho. Demikian juga regresi berganda, dengan manual ??????, tetapi dengan SPSS “smile dan menantang”. Yang terpenting dari semua aspek teknis itu saudara bisa membaca hasil output SPSS tersebut untuk pengambilan kesimpulan atas masalah dan tujuan penelitian, misal untuk apa mengetahui nilai R, R square, nilai F, nilai b, nilai t, nilai Sig dan beberapa parameter lain yang diperlukan untuk pengujian hipotesis.

Hiburan……., Ibarat anda sakit batuk dan tentu anda beli obat batuk, yang penting adalah anda mengerti aturan/cara minum, kontra indikasi

3

Edisi 1 Tahun 2002

serta pantangannya. Anda tidak perlu tahu bagaimana unsur-unsur kimia itu diproses dan bagaimana komposisi zat itu dihitung takarannya. Sebab itu sudah menjadi tanggung jawab ahli-ahli kimia dan kedokteran dan tentunya telah melalui proses quality control yang ketat sebelum dijual. Analisis regresi dengan bantuan software SPSS layaknya seperti contoh diatas. Ketahui saja bagimana persyaratan-persyaratan sebelum proses input data, pengolahan dan outputnya sebagai bahan untuk pengambilan kesimpulan, jelaskan temuan angka-angka itu dengan bersandar pada teori dan empiris, jangan sibuk belajar dari mana asal muasal angka R, R square, t, beta, dsb apalagi sampai dibuktikan secara manual, akhirnya energi saudara habis untuk urusan hitung menghitung yang sebenarnya bukan tujuan utama saudara. Akibatnya pembahasan pembuktian thesis, anti-thesis dan sintesa antara kajian teori dan temuan empiris menjadi tidak tajam karena anda lebih mengutamakan belajar darimana angka-angka ini tapi bukan belajar apa arti angka-angka itu. Fenomena ini sering penulis temui ketika menjelang ujian skripsi mahasiswa sibuk dan stress gara-gara rumus. Bukan sibuk mempersiapkan penjelasan yang logis atas temuan penelitiannya. Mohon direnungkan……

Sebagai misal peneliti ingin mengetahui apakah ada pengaruh antara gaji karyawan dan Kedisiplinan kerja karyawan terhadap Prestasi kerja karyawan. Lihat model penelitian berikut:1

Based on the model, dapat kita mengerti bahwa terdapat dua 1 Model penelitian dimaksudkan untuk membuat penyederhanaan dalam

membaca permasalahan penelitian, sehingga pembaca dapat mengetahui alur atau arah sekaligus cerita penelitian yang dilakukan.

didalam akhir bab II, gambar ini biasanya disajikan sebagai kerangka/model penelitan

Gaji karyawan

Kedisiplinan kerja karyawan

Prestasi kerja karyawan

4


peubah bebas (x1 dan x2) dan satu peubah terikat (Y), yang selanjutnya ingin diketahui bagaimana pengaruhnya dengan menggunakan analisis regresi berganda.

Apa yang perlu dipersiapkan ?

Setelah bangunan teori di susun dengan menyajikan argumen yang kuat dan relevan. Berikutnya perumusan hipotesis dilakukan sebagai dasar pengujian. Dalam contoh diatas peneliti mempunyai fokus pada peubah gaji karyawan (x1) dan kedisiplinan karyawan (x2) sebagai peubah bebas yang berpengaruh pada prestasi kerja karyawan (Y) (lihat model penelitian). Selanjutnya peneliti harus menyusun pengukuran dari peubah-peubah tersebut. (dalam skripsi saudara, perbincangan ini masuk pada bab III, Peubah dan Pengukuran2). Untuk mempermudah penguasan peubah dan pengukuran, saudara lebih baik membuat tabel yang berisikan penjelasan atas peubah dan pengukuran tersebut, lihat contoh berikut:

2 Penjelasan dapat dilihat pada intisari metode penelitian

5

Edisi 1 Tahun 2002

Tabel 1. Peubah dan pengukuran Peubah Penelitian Indikator peubah Skala

pengukuran

Gaji karyawan (X1) 1. jumlah gaji2. kesesuaian dengan

beban 3. unsur keadilan

1. ordinal-interval

2. ordinal-interval

3. ordinal-interval

Kedisiplinan karyawan (x2)

1. taat pada aturan2. absensi3. pemanfaatan fasilitas

1. ordinal-interval

2. ordinal-interval

3. ordinal-interval

Prestasi Kerja karyawan (Y)

1. kuantitas hasil kerja2. kesesuaian dengan

standart

3. ketepatan waktu

1.interval

2.interval

3.interval

Penyusunan peubah dan pengukuran seperti saran diatas juga berlaku untuk bidang kajian yang lain misalnya bidang pemasaran, SDM, dll. Setelah peubah dan pengukuran tersebut dikonsultasikan dengan pembimbing dan dinilai sudah tepat artinya sesuai dengan tujuan penelitian dan kondisi empiris/lapangan, maka indikator-indikator tersebut untuk selanjutnya digunakan sebagai bahan penyusunan kuesioner dalam bentuk pertanyaan-pertanyaan. Selanjutnya kuesioner dibagikan kepada responden, dan jawaban-jawaban responden yang telah terdokumentasi didalam kuesioner diolah SPSS editor dengan langkah-langkah sebagai berikut:

Penjelasan mengenai skala pengukuran dan teknik prosedur penyusunan instrument penelitian baca di modul metpen atau konsultasikan pada Dosen pembimbing yang terhormat

6


Langkah awal. Lakukan peng-kode-an atas peubah dan indikatornya dengan menyusun terlebih dahulu peubah dan pengukurannya tersebut sebelum di input kedalam SPSS editor. Lihat contoh sbb. (berdasarkan tabel hal 3)

Peubah Gaji karyawan (x1), Indikatornya: x1.1 Jumlah gaji

x1.2 kesesuaian dengan beban kerjax1.3 unsur keadilan

7

Edisi 1 Tahun 2002

Contoh pertanyaan didalam kuisioner:

1. Bagaimana pendapat bpk/ibu/sdr tentang jumlah gaji yang diterima perbulan dari perusahaan.a. sangat memadaib. memadaic. cukupd. kurange. sangat tidak memadai

informasi lain : …… ………………………………………………………… ……. …………………………………………………………

Peubah kedisiplinan karyawan (x2)Indikatornya: X2.13 Taat pada aturan

X2.2 absensiX2.3 pemanfaatan fasiltas

Selanjutnya buatlah pertanyaan yang mudah dipahami responden seperti contoh diatas.

Peubah Prestasi kerja Karyawan (Y)Indikatornya: Y.1 kuantitas hasil kerja

Y.2 kesesuaian dengan standartY.3 Ketepatan waktu

Selanjutnya buatlah pertanyaan yang mudah dipahami responden seperti contoh diatas.

3 keterangan:(x1.1; x1.2; Y1 dst hanyalah pemberian istilah saja (kode) untuk mempermudah mengenali peubah beserta indikatornya. X1.1 artinya indikator kesatu dari peubah 1, x2.2 artinya indikator kedua dari peubah 2, dst)

8

Jawaban a dinilai 5, b nilai 4, dst, e nilai 1 Lihat panduan penyusunan Likert

Terkadang didalam kuesioner perlu diberikan pertanyaan terbuka untuk memperoleh informasi lain yang mungkin diperlukan dan berguna pada saat mendeskripsikan profil


Menjalankan SPSS.1. Buka SPSS , bisa open lewat program, windows explorer atau

klik dua kali icon SPSS.Hasilnya akan nampak seperti ini:

Setelah media spss editor dalam posisi ready, selanjutya tinggal ketik nama-nama variable beserta masing-masing indikatornya dengan cara sbb: (untuk memulai memberi nama variable, klik variable view pada bagian paling bawah sebelah kiri)

Hasilnya akan tampak sbb:

Berikutnya entry data bisa dimulai dengan kesabaran dan ketelitian. Sekali lagi proses ini sangat mudah sekali tinggal klik sana klik sini dan langsung jadi. Hasilnya lihat dibawah ini.

9

Edisi 1 Tahun 2002

Data diatas berjumlah n=30 namun hanya tampak n=12

Setelah data lengkap disajikan didalam spss editor selanjutnya akan dilakukan analisis regresi, dengan tahapan sebagai berikut.

Tahap Awal.Lakukan uji Validitas dan Reliabilitas seperti petunjuk di bawah ini

Arahkan pointer saudara pada menu Analyze Pilih Scale, selanjutnya pilih Reliability Analysis (lihat kotak )

Berikutnya akan tampak kotak sbb:

10


Masukkan tiap peubah dan indikator ke dalam kotak item (pakai tanda untuk memasukkan dan mengeluarkan tiap peubah beserta indikatornya) sesuai dengan kelompoknya masing-masing, Gambar diatas adalah proses untuk menguji validitas dan reliabilitas untuk indikator-indikator X1, lakukan hal yang sama untuk x2 dan Y lakukan sesuai kelompoknya

Klik Ok dan hasilnya adalah

11

Reliability ****** Method 1 (space saver) will be used for this analysis ******

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Mean Std Dev Cases

1. X1.1 3.5667 .7279 30.0 2. X1.2 3.9333 .5833 30.0 3. X1.3 3.9333 .6915 30.0 4. X1TOTAL 11.4000 1.0372 30.0

Item-total Statistics

Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted

X1.1 19.2667 2.9609 .5157 .5404X1.2 18.9000 3.4034 .5499 .5816X1.3 18.9000 3.5414 .6007 .6758X1TOTAL 11.4333 1.0816 .7746 .7698

Reliability Coefficients

N of Cases = 30.0 N of Items = 4

Alpha = .7784

Edisi 1 Tahun 2002

Membaca output uji Validitas dan Reliabilitas.Secara statistik, Instrumen penelitian dikatakan mempunyai tingkat validitas yang baik jika Nilai corrected item-total correlation dibandingkan dengan nila r kritik pada tabel harus lebih besar. Instrumen penelitian dikatakan mempunyai tingkat reliabilitas yang tinggi jika nilai Alpha lebih besar dari 0,6. Jadi instrument penelitian untuk merespon peubah gaji sudah “valid dan reliable”, lakukan interpretasi yang sama untuk x2 dan Y dengan bersandar pada ketentuan diatas. Setelah melakukan uji validitas dan reliabilitas, berikutnya lakukan pengujian asumsi klasik4 (untuk uji asumsi klasik akan dijelaskan pada bagian akhir). Proses uji asumsi klasik bisa dilakukan secara bersama dengan analisi regresi berganda. Dengan tahapan sebagai berikut:

Pilih menu Analyze, pilih Regression, pilih linear, tampilannya akan tampak sebagai berikut.

4 multikolinieritas, autokorelasi dan heteroskedastisitas, normalitas

12


Klik linear maka akan tampak kotak perintah sbb: ikuti langkah berikut:

Masukkan peubah bebas (hanya nilai total saja, x1, x2 ) pada kotak independent

Masukkan peubah terikat (hanya nilai total Y) pada kotak dependent

Berikutnya klik icon “statistics….” Kemudian beri tanda check ( ) pada kotak yang telah disediakan, sesuaikan dengan contoh

Setelah

13

Edisi 1 Tahun 2002

Selanjutnya klik continue dan klik Ok, maka spss sedang running… tunggu beberapa saat dan hasil analisis regresi berganda sudah bisa dilihat seperti tampilan berikut ini.

Regression

Variables Entered/Removedb

kedisiplinan, gajikaryawan

a . Enter

Model1

VariablesEntered

VariablesRemoved Method

All requested variables entered.a.

Dependent Variable: prestasi kerjab.

Model Summaryb

.738a .544 .510 .9066 .544 16.103 2 27 .000 2.002Model1

R R SquareAdjustedR Square

Std. Error ofthe Estimate

R SquareChange F Change df1 df2 Sig. F Change

Change Statistics

Durbin-Watson

Predictors: (Constant), kedisiplinan, gaji karyawana.


ANOVAb

26.473 2 13.237 16.103 .000a

22.194 27 .822

48.667 29

Regression

Residual

Total

Model1

Sum ofSquares df Mean Square F Sig.

Predictors: (Constant), kedisiplinan, gaji karyawana.


14


Coefficientsa

-4.35E-04 2.181 .000 1.000

.588 .179 .471 3.279 .003 .642 .534 .426 .819 1.220

.512 .183 .402 2.799 .009 .602 .474 .364 .819 1.220

(Constant)

gaji karyawan

kedisiplinan

Model1

B Std. Error

UnstandardizedCoefficients

Beta

Standardized

Coefficients

t Sig. Zero-order Partial Part

Correlations

Tolerance VIF

Collinearity Statistics

Dependent Variable: prestasi kerjaa.

Berikutnya adalah melakukan interpretasi atas hasil analisis regresi. Dalam membaca print out SPSS tersebut, saudara harus bersandar pada rumusan masalah, tujuan dan hipotesis penelitian. Artinya tidak semua angka-angka/parameter diinterpretasikan.

Dalam contoh ini telah disebutkan bahwa peneliti ingin mengetahui dan menguji: Apakah ada pengaruh antara gaji karyawan (x1) dan kedisiplinan

(x2) terhadap prestasi kerja (Y) secara bersama-sama mapun secara parsial

Dengan demikian hipotesis penelitian akan dinyatakan : Ada pengaruh yang signifikan antara gaji karyawan (x1) dan

kedisiplinan (x2) terhadap prestasi kerja (Y) secara bersama-sama mapun secara parsial.

Atau bisa disusun secara terpisah, sbb. Ada pengaruh yang signifikan antara gaji karyawan (x1) dan

kedisiplinan (x2) terhadap prestasi kerja secara bersama-sama. Ada pengaruh yang signifikan antara gaji karyawan (x1)

terhadap prestasi kerja (Y) (parsial) Ada pengaruh yang signifikan antara kedisiplinan (x2) terhadap

prestasi kerja (y) (parsial)

Jika dimungkinkan, saudara juga diperbolehkan menduga bahwa salah satu variabel mempunyai pengaruh paling dominan, asalkan saudara mempunyai argumen yang kuat berdasarkan teori maupun penelitian terdahulu, ingat harus punya argumen tidak sekedar menduga tanpa dasar atau hanya mengikuti kebiasan dan adat istiadat penelitian

Misalnya,

15

Edisi 1 Tahun 2002

Gaji karyawan (x1) mempunyai pengaruh yang paling dominant terhadap prestasi kerja (Y), pernyataan hipotesis ini tentunya harus didukung dengan alasan yang kuat bukan berdasarkan toeri, hasil penelitian maupun kondisi empirik objek penelitian

Sekarang marilah kita mulai dengan belajar membaca print out spss regresi berganda.

Pengujian hipotesis,Ada pengaruh yang signifikan antara gaji karyawan (x1) dan kedisiplinan (x2) terhadap prestasi kerja (Y) secara bersama-sama.

16


Untuk pengujian penelitian, secara statistik biasanya ada prosedur sbb

1. lihat nilai R (koefisien korelasi berganda) gunanya untuk mengetahui keeratan hubungan antara peubah x1 dan x2 (secara sumultan) terhadap peubah terikat (y). Nilai korelasi bisa bernotasi negative maupun positif, notasi ini mengindikasikan bentuk atau arah hunungan yang terjadi. Perhatikan Kriteria nilai korelasi pada tabel berikut:

Nilai R (korelasi) Kriteria hubungan0 Tidak ada hubungan0 – 0,5 Korelasi lemah0,5 – 0,8 Korelasi sedang/cukup

kuat0,8 – 1 Korelasi kuat1 Korelasi sempurna

Hasil analisis menunjukkan nilai R= 0.738, hal ini menunjukkan bahwa terdapat hubungan yang cukup kuat antara gaji karyawan (x1) dan kedisipliinan (x2) secara bersama-sama terhadap prestasi kerja (Y). Artinya jika x1 dan x2 meningkat maka Y juga akan meningkat (korelasi positif).

2. Lihat nilai R square (R2) juga disebut sebagai koefisien determinasi gunanya untuk mengetahui besarnya kontribusi peubah bebas (x) secara serempak didalam menjelaskan peubah terikat (Y). R Square juga dapat menunjukkan ragam naik atau turunnya peubah terikat (Y) yang diterangkan oleh pengaruh linier peubah bebas (X). Ukuran nilai R Square adalah semakin mendekati angka satu berarti garis regresi yang terbentuk dapat meramalkan peubah terikat (Y) secara lebih baik menuju kesempurnaan (model fit)Dalam tabel model summary, kita lihat nilai R2 sebesar 0,544. Hal ini diartikan bahwa peubah bebas dalam hal ini gaji dan kedisiplinan secara bersama-sama menjelaskan peubah prestasi kerja sebesar 54,4 %, sedangkan sisanya 45,6 % dijelaskan oleh peubah lain yang tidak diteliti dalam penelitian ini atau model penelitian. Semakin besar nilai R2 semakin menunjukkan ketepatan model yang telah disusun atau model yang diuji (model yang dimaksud adalah model penelitian berbasis teori).

17

Edisi 1 Tahun 2002

3. Lihat Nilai F statistic (biasa disebut Uji F) dan Nilai Sig. (lihat table ANOVA)

NIlai F statistic dapat digunakan untuk mengetahui tingkat signifikansi kontribusi peubah bebas (secara bersama-sama) dalam menjelaskan peubah terikat. Artinya apakah pengaruhnya nyata atau bermakna. Dengan membandingkan nilai F statistic dengan nilai F table dapat diketahui tingkat signifikansinya.Kita lihat dari table ANOVA bahwa nilai F stat sebesar 16.03 sedangkan F table dapat di tentukan dengan cara melihat tabel sebagai berikut:Lihat df (degree of freedom) atau derajat bebas (db) rumusnya k, n-k-1 atau langsung lihat di table anova, df nya adalah 2 (jumlah peubah bebas) , dan 27 (jumlah responden – peubah bebas -1 jadi 30-2-1=27) setelah diketahui df nya berikutnya lihat table F yang tersedia di setiap buku statistik. Cara baca tabelnya adalah sebagai berikutLihat angka 2 pada kolom db pembilang dan lihat angka 27 pada kolom db penyebut dan hubungkan perpotongan keduanya pada tingkat alpha (misal 0,05) maka akan terlihat angka sebesar 3,35.Jika kita bandingkan antara F stat dengan F table maka 16,033.35, jadi keputusannya adalah menerima hipotesis yang menyatakan bahwa terdapat pengaruh yang signifikan antara gaji karyawan (x1) dan Kedisiplinan karyawan (x2) secara bersama-sama terhadap prestasi kerja karyawan (Y)

Cara lain untuk melihat tingkat signifikansi.Cara menarik kesimpulan untuk menerima atau menolak

hipotesis dapat juga dilakukan dengan melihat nilai signifikansi atau nilai Sig pada table anova. Cara ini lebih mudah dan praktis yaitu cukup membandingkan antara nilai Sig tersebut dengan standar kesalahan atau alpha yang telah ditetapkan oleh peneliti. Biasanya peneliti menetapkan alpha 5 persen atau 0,05 walaupun untuk penelitian sosial alpha 10 persen pun masih ditoleransi. Dalam table anova terlihat nilai Sig sebesar 0.000 yang masih dibawah alpha sebesar 0,05, artinya semua obyek yang diamati (30 responden) sesuai dengan model yang ditetapkan. Jadi 30 karyawan yang menjadi obyek amatan menjelaskan bahwa secara bersama-sama antara gaji dan disiplin mempengaruhi prestasi kerja. Dua cara tersebut, yaitu membandingkan antara F stat dengan F table atau membandingkan Nilai Sig dengan Alpha, silahkan saudara pilih mana yang lebih mudah.

Analisis Secara Parsial

18


Setelah mengetahui pengaruh secara bersama-sama, selanjutnya kita akan analisis bagaimana pengaruhnya secara parsial (pengaruh secara sendiri-sendiri, artinya bagiamana pengaruh X1 thd Y dalam kondisi X2 dikontrol/tetap/cateris paribus).

Adapun manfaat lain mengetahui pengaruh secara parsial adalah untuk mencari informasi dari keseluruhan peubah bebas, peubah mana yang pengaruhnya paling dominan atau paling besar.Untuk tujuan itu kita bisa lihat dari table coefficient berikut ini.

Coefficientsa

-4.35E-04 2.181 .000 1.000

.588 .179 .471 3.279 .003 .642 .534 .426 .819 1.220

.512 .183 .402 2.799 .009 .602 .474 .364 .819 1.220

(Constant)

gaji karyawan

kedisiplinan

Model1

B Std. Error

UnstandardizedCoefficients

Beta

Standardized

Coefficients

t Sig. Zero-order Partial Part

Correlations

Tolerance VIF

Collinearity Statistics

Dependent Variable: prestasi kerjaa.

19

Edisi 1 Tahun 2002

Secara parsial semua peubah bebas mempunyai pengaruh yang signifikan hal ini bisa dilihat dari nilai t stat maupun Sig, dimana nilai t stat lebih besar dari t table sedangkan nilai Sig masih dibawah Alpha 0,05 Peubah gaji karyawan pengaruhnya signifikan terhadap prestasi kerja (t stat =3.279 > t table=2,056). Demikian juga nilai Sig=0.003 < 0,05 dengan koefisien regresi sebesar 0.588. Hal ini menyimpulkan bahwa hipotesis diterima.

Demikian juga dengan peubah kedisiplinan, dengan melihat nilai yang sama seperti diatas dapat disimpulkan bahwa, kedisiplinan mempunyai pengaruh signifikan terhadap prestasi kerja. Hal ini menyimpulkan bahwa hipotesis diterima.

Dari kedua peubah tersebut, dapat disimpulkan bahwa peubah gaji karyawan mempunyai pengaruh yang paling dominant, hal ini ditunjukkan oleh nilai B maupun nilai beta dan t yang lebih besar dan Sig yang lebih kecil dibandingkan dengan peubah kedisiplinan.

Rekapitulasi hasil analisis regresi berganda

20

Gaji karyawan (x1)B=0,588t=3,279Sig=0,003

Kedisiplinan kerja karyawan (x2)B=0,512t=2,799Sig=0,009

Prestasi kerja karyawan (Y).

R = 0,738R2 = 0,544

F =16,03Sig = 0,00

Semua Hipotesis diterima, pada :F tabel = 3,35t table = 2,056Alpha = 0,05


Jadi untuk tujuan penelitian ini beberapa parameter yang harus saudara ketahui ialah: Nilai R, R square, Nilai F(uji F), Nilai koefisien b atau beta, Nilai t (uji t), Nilai SigKetika saudara mengartikan beberapa nilai statistik tersebut, itu berarti saudara sudah melakukan interpretasi secara statistik. Pekerjaan saudara selanjutnya adalah menjelaskan atau interpretasi secara teoritis dan empiris (pemaknaan temuan penelitian). Artinya secara statistik terbukti ada pengaruh nyata (berdasarkan pada parameter-parameter tsb), berikutnya perlu penjelasan dan pemaknaan, ….mengapa dan bagaimana itu terjadi, untuk itu kuasai dasar teorinya dan pertajam hasil observasi empiris untuk menyingkap yang tersurat dari penelitian saudara.

Oh ya hampir lupa, terkadang pembimbing menghendaki ada asumsi klasik dalam analisis regresi sebagai syarat, untuk urusan yang satu ini disarankan saudara berdiskusi secara langsung dengan dosen statistic yang ada atau berdiskusi dengan dosen pembimbing yang terhormat atau ke penulis. InsyaAllah kami bantu asalkan mampu.

21

Edisi 1 Tahun 2002

Bagian DuaPath Analysis (Analisa Jalur)5

Prinsip dan keterbatasanPath Analysis (analis jalur) pada dasarnya merupakan cabang dari multiple regression. Dalam analisis jalur terdapat suatu set variabel yang merupakan kumpulan atau rangkaian dari beberapa hubungan antar variabel yang telah membentuk sebuah model penelitian yang kita yakini variabel-variabel tersebut saling berpengaruh satu dengan yang lainnya. Tujuan path analysis adalah memberikan estimasi terhadap hubungan sebab akibat antara variabel-variabel yang diteliti. Disamping mengetahui hubungan, dengan path analysis peneliti akan mengetahui pengaruh secara langsung maupun pengaruh secara tidak langsung antar variabel tersebut.Seperti halnya alat analisa yang lain, path analysis juga mempunyai keterbatasan. Keterbatasannya adalah : (1) tidak bisa digunakan untuk menguji pola hubungan timbal balik (feed back). Jadi gerak hubungan hanya dimungkinkan untuk lurus atau turun artinya satu tujuan. (2) setiap ada intervening variable, maka ia dianggap sebagai dependent variable. (3) skala pengukuran hanyalah interval atau rasio. Sedangkan untuk skala nominal, ordinal atau dichotomies tidak mungkin dilakukan.

Penggunaan Sebagai contoh perhatikan figure 16 yang menjelaskan sebuah set variabel yang berhubungan dengan survey tentang kepuasan kerja.

5 Prosedur analisis jalur sama dengan regresi berganda yang telah dibahas pada bagian 1. 6 Model ini dikutip dari Bryman, A. & Cramer,D.(1990). Quantitative data analysis for social scientists, pp.246-251)

22


Diagram Input

Figure 1 menjelaskan bahwa peneliti ingin mengetahui bagaimana pengaruh kepuasan kerja yang akan diukur dari masa kerja, otonomi dan income secara langsung maupun tidak langsung.Untuk mengetahui tujuan itu, kita harus menghitung path coefficients. Path coefficients ini bisa kita peroleh dari nilai standardized regression coefficient atau beta. Pada bahasan regresi berganda nilai beta terdapat pada table coefficient.

Selanjutnya kita akan merumuskan persamaan dasar berdasarkan figure 1 sebagai berikut:

1. kepuasan kerja = 11 masa kerja + 12 otonomi + 13 income + e1

2. Income = 21 masa kerja + 22 otonomi + e2

3. Otonomi = 31 masa kerja + e2

Keterangan: adalah path coefficient, yang diperoleh dari nilai beta. e1, e2, e3 adalah error atau unexplained variance. Jika diperlukan nilai e1, e2, e3, diperoleh dari 1-R2 (note: bukan 1-R2

adj)Formulasi persamaan ini pada dasarnya sama dengan regresi berganda, namun nilai konstanta (a) tidak diperlukan. (bryman, A. & Cramer, D:1990:246-251)

Tahapan pengoalahan data.

23

Masa kerja

otonomi

income

Kepuasan kerja

Edisi 1 Tahun 2002

Berdasarkan figure 1 maka, proses pengolahan untuk mencari nilai –nilai yang diperlukan seperti nilai , R2 dan e akan dilakukan secara bertahap. Lakukan analisis regresi dengan formulasi sbb:

Indentifikasi variabel dan formulasi persamaan regresiTahap

Variabel independent

Variable dependent

Persamaan

1 Masa kerja (x11)

Otonomi (x12) Income (x13)

Kepuasan kerja (Y1)

11 masa kerja + 12otonomi + 13income + e1

(regresi berganda)2 Masa kerja

(x21) Otonomi (x22)

Income(Y2) 21masa kerja + 22otonomi + e2

(regresi berganda)3 Masa kerja

(x31) Otonomi (Y3) 31masa kerja + e2

(regresi sederhana)

4 Masa kerja (x)

Kepuasan kerja (Y)

masa kerja + e1

(regresi sederhana)

Setelah diolah dengan spss, masukkan setiap nilai beta pada garis panah yang menghubungkan antar variable untuk mempermudah pembacaan hasil dan interpretasi hasil analisis. Sebagai misal lihat diagram output berikut:

Diagram output ( p<0.05)

24

- 0.08Masa kerja

otonomi

income

Kepuasan kerja

0.28

0.57

0.58

0.47

0.22


25

Edisi 1 Tahun 2002

Berdasarkan diagram output kita bisa menarik kesimpulan secara statistic sebagai berikut. 1. Pengaruh secara langsung antara masa kerja dengan kepuasan

adalah -0.08 (pola negative)2. Pengaruh secara tidak langsung dapat kita hitung sebagai

berikut:

masa kerja income kepuasan kerja = 0.57 x 0.47 = 0.26masa kerja otonomi kepuasan kerja = 0.28 x 0.58 = 0.16masa kerja otonomi income kepuasan kerja= 0.28 x 0.22 x 0.47 = 0.03Total pengaruh tidak langsung = 0.45Total pengaruh adalah -0.08 + 0.45 = 0.37

Interpretasi Hasil ini menjelaskan bahwa secara uji statistik pengaruh langsung antara masa kerja dengan kepuasan adalah kecil dan negative (-0.08), sedangkan pengaruh secara tidak langsung adalah positif dan lebih besar (0.37). Berikutnya peneliti menjelaskan secara teoritis dan empiris mengapa hal itu terjadi. Menurut logika penulis hal ini sangat dimungkinkan sebab semakin lama masa kerja jika tidak diikuti oleh peningkatan peran akan menyebabkan pegawai merasa jenuh dan berada pada tingkat maturity atau kejenuhan, kondisi ini mungkin menyebabkan pegawai merasa bosan sehingga kepuasan kerjanya menjadi menurun. Lain halnya jika masa kerja yang lama dibarengi juga dengan peningkatan wewenang untuk mengatur aktivitasnya (otonomi), perbaikan pendapatan atau pergharaan lain (income), maka kepuasan kerja akan meningkat sebab pegawai merasa semakain dihargai senioritas dan pengabdiannya. Tentunya pendapat yang disampaikan akan lebih kuat jika didukung oleh teori maupun hasil penelitian terdahulu.

Demikian Path Analysis, ia mempunyai kelebihan dibanding regresi berganda biasa dimana ia dapat mengungkap pengaruh secara langsung maupun pengaruh secara tidak langsung yang mungkin diperlukan peneliti.

26


Bagian TigaAnalisa Paired – Samples t testsdan Independent Samples t tests

(Uji Beda Untuk Sampel Berpasangan dan Tidak Berpasangan)

Analisa uji beda untuk sample berpasangan (Paired – Samples t tests)Terkadang tujuan penelitian menyebutkan ingin mengetahui perbedaan antara dua kelompok yang diamati. Misalkan Peneliti ingin mengetahui apakah ada perbedaan rasa kopi antara merek A dan merek B. Untuk tujuan ini bisa digunakan Uji t atau uji beda untuk sample yang berpasangan. Perhatikan contoh berikut:

Contoh 1Misal, peneliti ingin mengetahui apakah ada perbedaan antara rasa kopi merek A dan merek B. Untuk tujuan tersebut peneliti telah menyiapkan 10 orang relawan yang suka kopi untuk mencoba rasa kopi merek A dan merek B. kemudian diminta memberikan nilai dengan skala 1 sampai dengan 8 seperti berikut.

Skala pengukuran (semantic differential) Tidak Enak Cukup Sangat Enak

1 2 3 4 5 6 7 8

Hasil dari kuesioner ditampilkan dalam tabel sbb.

Relawan Kopi A Kopi B1 8 62 8 73 6 74 7 55 6 56 8 77 8 88 5 69 8 7

10 6 5

Berikutnya untuk menjawab tujuan penelitian, data tersebut kita siapkan di SPSS editor dengan langkah sebagai berikut:

27

Edisi 1 Tahun 2002

Selanjutnya analisa dapat dimulai dengan langkah sbb:Klik Analyze pilih Compare Means pilih Paired Samples T Test. Maka akan tampil BOX seperti berikut:Selanjutnya klik merek a (a) dan merek b (b) kemudian klik tanda panah maka merek a dan merek b yang dibandingkan masuk dalam kotak Paired Variables, Kemudian OK,

Hasil pengolahan dengan menggunakan SPSS dapat dilihat pada output dibawah ini.

28


T-Test

Paired Samples Statistics

7.0000 10 1.1547 .3651

6.3000 10 1.0593 .3350

merek a

merek b

Pair1

Mean N Std. DeviationStd. Error

Mean

Paired Samples Correlations

10 .545 .103merek a & merek bPair 1N Correlation Sig.

Paired Samples Test

.7000 1.0593 .3350 -5.78E-02 1.4578 2.090 9 .066merek a - merek bPair 1Mean Std. Deviation

Std. ErrorMean Lower Upper

95% ConfidenceInterval of the

Difference

Paired Differences

t df Sig. (2-tailed)

Dari hasil diatas dapat ditarik kesimpulan sebagai berikut:

HipotesisnyaHo: µa-µb = 0, artinya antara merek a dan merek b tidak ada perbedaan rasaHa: µa-µb ≠ 0, artinya antara merek a dan merek b ada perbedaan yang significanttingkat signifikan menggunakan 0.05Dari uji Paired - samples t test yang digunakan untuk menguji hipotesis menyatakan bahwa ada perbedaan nilai rata-rata, merek a dengan mean =7 merek b dengan mean=6.3, tetapi perbedaan tersebut tidak significant dimana t=2.09 dan p<0.066 ( pada significant level 0.05). Informasi lainnya adalah terdapat korelasi yang positif antara merek a dan merek b artinya peningkatan kepuasan merek a akan juga diikuti peningkatan kepuasan merek b, hal ini mengindikasikan antara merek a dan merek b mempunyai daya saing yang relative sama dari segi rasa.

Contoh 2.Misal peneliti ingin mengetahui apakah BPNN selaku badan penyehatan perbankan berhasil meningkatkan kinerja Bank yang menjadi pasiennya. Untuk tujuan itu diperlukan indikator untuk menilai kinerja bank tsb, misalnya CAR. Andaikan ada 10 bank yang

29

Edisi 1 Tahun 2002

telah diperbaiki dengan nilai CAR sebelum dan sesudah ditangani BPPN selengkapnya disajikan dalam tabel berikut.

30


Bank CAR (%)SebelumMasuk BPPN

SesudahMasuk BPPN

A -2 3,5B 1 4,6C 0,5 3,7D -4 2,1E -4 1,2F -3 2G 0,5 3,8H 2 6,6I 1,3 4.8J -1 3

Kriteria Hipotesis yang diajukan.Ho: µa-µb = 0 maka usaha BPPN untuk meningkatkan CAR yang sakit, tidak berartiHa: µa-µb 0 maka usaha BPPN untuk meningkatkan CAR yang sakit, berarti.Tingkat signifikansi adalah 0.05Dengan tahapan analisis seperti pada contoh satu maka didapat output spss sebagai berikut:

T-Test

Paired Samples Statistics

-.8700 10 2.2514 .7120

3.5300 10 1.5770 .4987

SEBELUM

SESUDAH

Pair1

Mean N Std. DeviationStd. Error

Mean

Paired Samples Correlations

10 .917 .000SEBELUM & SESUDAHPair 1N Correlation Sig.

Paired Samples Test

-4.4000 1.0220 .3232 -5.1311 -3.6689 -13.615 9 .000SEBELUM - SESUDAHPair 1Mean Std. Deviation

Std. ErrorMean Lower Upper


Difference

Paired Differences

t df Sig. (2-tailed)

Dari output diatas dapat ditarik suatu kesimpulan sebagai berikut:

31

Edisi 1 Tahun 2002

Dilihat dari nilai rata-rata, ternyata ada perbedaan kinerja bank (CAR) antara sebelum (mean=-0.87) dan sesudah di tangani BPPN (mean=3.35). Perbedaan tersebut singnificant dengan t=-13.615 dan p>0.000. Sehingga BPPN patut mendapat pujian karena mampu meningkatkan nilai CAR bank sakit yang ditangani. Jadi Ha diterima.Informasi lainnya adalah dari nilai korelasi positif , sangat kuat dan significant (r=0.917; sig<p) artinya bank dengan posisi CAR baik(positif) cenderung akan semakin meningkat kinerjanya setelah ditangani BPPN. Atau bisa diartikan Usaha BPPN ditunjang juga oleh kinerja Bank yang ditangani sebelumnya. Demikian mengenai Uji beda untuk sample yang berpasangan. Dua kasus tersebut hanyalah contoh, dan masih bisa dikembangkan untuk menjawab permasalahan penelitan yang lain.

Uji beda untuk uji satu kelompok (one samples t test)Sekarang mari kembali pada contoh kasus 2, dimana peneliti ingin mengetahui apakah target BPPN untuk menyehatkan bank sakit mampu memiliki CAR 3% dapat dikatakan tercapai secara keseluruhan.Dengan demikian maka hipotesis dapat dirumuskan sebagai berikut:Ho= bank = 3%Ha= bank 3%Tingkat signifikan menggunakan 0.05Selanjutnya mari kita uji hipotesis tersebut, dengan langkah-langkah pengolahan sebagai berikut.

Pilih Compare mean, pilih one samples t test

Pilih “variable sesudah” untuk dianalisa, dengan test value 3. dan confidence interval 95%. Klik OK, tunggu data sedang diolah .

32


Hasil pengolahan akan nampak sebagai berikut:T-Test

One-Sample Statistics

10 3.5300 1.5770 .4987SESUDAHN Mean Std. Deviation

Std. ErrorMean

One-Sample Test

1.063 9 .316 .5300 -.5981 1.6581SESUDAHt df Sig. (2-tailed)

MeanDifference Lower Upper


Difference

Test Value = 3

Kesimpulan yang dapat ditarik dari print out tersebut adalah:Secara keseluruhan CAR bank yang ditangani oleh BPPN dengan batas ambang CAR 3% terpenuhi. Hal ini ditunjukkan oleh Nilai t=1.063 dengan p<0.316 yang artinya tidak ada perbedaan signifikan sehingga H0 diterima.

LatihanSebuah industri bola lampu ingin menguji apakah produknya mempunyai daya nyala selama 1000 jam nonstop. Untuk keperluan pengujian, telah diambil 10 bola lampu secara acak dari 2 lini

33

Edisi 1 Tahun 2002

produk masing-masing 5 unit dan dinyalakan secara bersama-sama dan daya tahan lampu tersebut didokumentasikan seperti dalam table berikut.

34


lampu

Daya tahan(jam)

1 9982 10503 10254 10685 9986 10097 10168 9359 100510 997

Dengan langkah yang sama maka hasil disajikan sebagai berikut

T-Test

One-Sample Statistics

10 1010.1000 35.4854 11.2215WAKTUN Mean Std. Deviation

Std. ErrorMean

One-Sample Test

.900 9 .392 10.1000 -15.2847 35.4847WAKTUt df Sig. (2-tailed)

MeanDifference Lower Upper


Difference

Test Value = 1000

Berdasarkan hasil perhitungan tersebut, apa kesimpulan saudara ?.

35

Edisi 1 Tahun 2002

Bagian EmpatAnalisis Faktor

Dasar pemikiran

Terkadang dalam suatu penelitian kita dihadapkan pada beragam factor atau variable yang diduga mempunyai kaitan dengan suatu permasalahan yang ingin kita cari tahu jawabannya. Banyaknya factor atau variable ini terkadang bisa membuat bias dalam perumusan/formulasi permsalahan atau terkadang akan merepotkan peneliti karena harus mengendalikan banyaknya variable atau factor tersebut yang secara bangunan teori terkadang kurang kuat. Berdasar pada situasi tersebut maka timbul pemikiran untuk mereduksi atau meringkas beragam factor atau variable tersebut menjadi suatu bentuk/model teori yang baru dengan harapan model tersebut nantinya akan dapat menjelaskan secara optimal tentang permasalahan yang ingin kita cari tahu jawabannya. Dengan demikian, merujuk pada pendapat Malhotra (1993), analisis factor adalah merupakan sekelompok prosedur untuk mengurangi dan meringkas data.

Dengan model matematisnya adalah :

Sedangkan faktor-faktor umum dapat dinyatakan sebagai berikut:

Akurasi Model Faktor

36

Xi = Ai1F1 ┿ Ai2F2 ┿ Ai3F3 ┿ …………. ┿ AimFm ┿ ViUi

Xi :variable standar ke-iAij :koefisien loading dari variable I pada factor umum jF :factor umumVi :koefisien standartized loading dari variable I pada factor khusus IUi : factor khusus bagi variable Im :jumlah dari factor umum

F1 = Wi1Xi1+Wi2Xi2+Wi3Xi3+…………+WikXik

Ket:F1 :estimasi factor loading ke-1Wi :bobot atau koefisien nilai factork :jumlah variabel


Agar terdapat kesesuaian antara permasalahan yang akan dijawab beserta data yang diperoleh dengan alat analisis yang akan digunakan maka perlu dilakukan telaah akurasi model factor. Prosedur dalam analisis factor adalah mengikuti beberapa tahapan sebagai berikut:

Gambar 1. Prosedur analisi faktor. (Malhotra:1996)

Penjelasan Gambar 1.

1. Memformulasikan permasalahan

Beberapa yang perlu diperhatikan dalam memformulasikan permasalahan yaitu: Mengidentifikasi tujuan analisis faktor

37

Memformulasikan permasalahan

Membuat matrik korelasi

Menentukan jumlah factor/komponen

Rotasi faktor

Interpretasi factor-faktor

Menghitung skor faktor

Memilih variable pengganti

Menentukan Model Fit

Edisi 1 Tahun 2002

Variabel-variabel yang akan dimasukkan dalam analisis faktor berdasarkan pada penelitian terdahulu, teori dan keputusan peneliti.

Kesesuaian antara instrumen penelitian dengan sampel penelitian.

2. Membentuk matrik korelasi.Proses analisis berdasarkan pada matriks korelasi antar variable-variabel yang diteliti. Agar analisis faktor dapat dilakukan variabel-variabel tersebut harus berkorelasi. Jika korelasi antar variabel kecil maka analisis faktor tidak dapat dilakukan. Pengujian korelasi antar variabel tersebut merupakan langkah pendahuluan sekaligus sebagai tindakan koreksi seperlunya. Selanjutnya diteruskan dengan penentuan metode yang cocok dalam analisis faktor. Metode yang lazim digunakan jika fokus tujuannya adalah untuk menentukan jumlah faktor minimum dari berbagai faktor yang ada yaitu: Principal Component analysis (PCA)

3. Menentukan jumlah factorDalam tahap ini informasi-informasi dalam variable-variabel awal diekstraksi menjadi factor-faktor yang lebih kecil. Dengan menggunakan criteria eigenvalues dimana dalam pendekatan ini, hanya factor yang mempunyai eigenvalues lebih besar dari 1 akan dipilih sedangkan yang laiinya tidak disertakan dalam model.

4. Rotasi factor.Hasil penyederhanaan dalam matrik factor memperlihatkan hubungan antara factor dengan variable individual. Tetapi dengan banyaknya variable yang saling berkorelasi sehingga sulit untuk diinterpretasikan. Untuk itu harus dilakukan rotasi factor matrik yang hasilnya lebih sederhana sehingga mudah dibaca. Dalam rotasi matrik factor ini metode yang digunakan adalah Varimax yaitu metode rotasi orthogonal untuk meminimumkan jumlah variable dengan berpedoman pada nilai loading tertinggi.

5. Interprestasi faktor-faktor.Interprestasi factor dapat dilakukan dengan mengelompokkan variable yang mempunyai factor loading tertinggi kedalam factor tersebut. Untuk interpretasi hasil perilaku ini, factor loading dengan nilai > 0,5 sedangkan yang < 0,5 dikeluarkan dari model.

38


6. Menentukan Model FitTahap akhir dalam analisis factor adalah menentukan model fit yaitu untuk mengetahui apakah model mampu menjelaskan data dengan baik.

Beberapa ketentuan yang harus diketahui dalam FA

1. Uji BartlettYaitu uji tingkat independen dari variable-variabel. Hasil Bartlett test of sphericity dengan melihat tingkat signifikansi kesalahan untuk mengindikasikan sejauhmana antar variable tersebut berkorelasi.

2. Nilai KMO (kaiser-meyer-olkin)Untuk mengetahui ketepatan dari analisis factor. Nilai KMO > 0,5 dianggap mempunyai ketepatan.

39

Edisi 1 Tahun 2002

Ukuran ketepatan KMO

Ukuran KMO Rekomendasi>0.9 Baik sekali>0.8 Baik>0.7 Sedang/agak

baik>0.6 Cukup>0.5 Kurang<0.5 Ditolak

3. Penentuan jumlah factor.Untuk menentukan jumlah factor biasanya digunakan ukuran sbb: Eigenvalue > 1 (menurut pendapat kaiser) atau > 0,5

(menurut pendapat lawley and maxwell) Persentase kumulatif > 60% atau mencapai 85%

4. Model FITAnalisis ini sebenarnya untuk seberapa besar residual antara korelasi yang diamati dengan korelasi yang direproduksi. Sebagai ukuran jika terdapat banyak nilai residual melebihi nilai absolut 0.05 maka model tidak dapat diterima.

Petunjuk praktis teknis Analisis Faktor dengan SPSS.

Follow this direction

Open SPSS Siapkan data yang akan diolah Klik menu analyze, pilih Data Reduction, pilih factor. Muncul box menu berisikan:

Kotak variables (sebelah kiri berisikan variable, kanan kosong)

Masukkan variable yang akan difaktorisasi (kolom sebelah kiri) kedalam kolom sebelah kanan, dengan menekan tanda ►.

Descriptives (pada menu box, pilih coefficient dan KMO and Bartlett test atau klik semua pilihan), continue

Extraction ( pada menu box, pilih metode principal component, eigenvalue 1 atau 0,5. continue

Rotation (pada menu box pilih method varimax )continue Scores

40


Option Tekan OK, output akan nampak seperti dibawah ini:

41

Edisi 1 Tahun 2002

Contoh Print out factor analysis dari SPSS

KMO and Bartlett's TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.

,644

Bartlett's Test of Sphericity

Approx. Chi-Square

562,809

df 153Sig. ,000

Cara membaca table:

Uji Bartlett's Test of Sphericity menyatakan sebesar 562,809 dengan Sig. 0,000. artinya peluang terjadi kesalahan untuk variable saling tidak independent sebesar 0% dengan demikian antar variable memiliki korelasi.

Nilai Kaiser-meyer-olkin / KMO measure of sampling adequacy sebesar 0,644 melebihi nilai baku 0,5 maka analisis factor memiliki ketepatan untuk digunakan.

Total Variance ExplainedInitial

Eigenvalues

Rotation Sums of Squared Loadings

Component

Total %of

Variance

Cumulative %

Total %of

Variance

Cumulative%

1 3,920 21,779 21,779 2,526 14,032 14,0322 2,700 15,002 36,781 2,307 12,817 26,8493 2,279 12,662 49,444 2,273 12,626 39,4754 1,909 10,604 60,048 1,994 11,079 50,5545 1,382 7,678 67,726 1,625 9,026 59,5806 ,980 5,447 73,173 1,280 7,109 66,6897 ,907 5,040 78,213 1,162 6,456 73,1458 ,708 3,932 82,145 1,155 6,416 79,5619 ,598 3,321 85,466 1,063 5,905 85,466

10 ,489 2,719 88,18511 ,397 2,204 90,38812 ,335 1,863 92,25113 ,327 1,817 94,06914 ,293 1,630 95,69915 ,266 1,480 97,17916 ,219 1,219 98,398

42


17 ,166 ,924 99,32318 ,122 ,677 100,000

Extraction Method: Principal Component Analysis.

Cara membaca table:Dengan menggunakan metode principle component diperoleh 9 faktor dari 18 variabel yang telah diajukan. Hasil tersebut diperoleh dengan melihat nilai eigenvalue yang lebih besar dari 0,5. (ketika mengolah penulis menetapkan eigenvalue=0,5, namun jika yang ditetapkan sebesar 1 makan hanya terdapat 5 faktor yang akan membentuk model).9 faktor tersebut memiliki Cumulative % sebesar 85,466 %. Dengan demikian asumsi kedua telah terpenuhi yaitu menetapkan eigenvalue sebesar 0,5 dengan perolehan % kumulatif variance sebesar > 85,466%.

Reproduced CorrelationsX1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X1

1X1

2X1

3X1

4X1

5X1

6X17 X1

8Reproduced Correlation

X1,839

,786

,627

,346

,335

-4,322E-03

-6,781E-02

2,933E-02

,313

-,160

-7,

704E

-02

4,623E-02

,137

,125

-5,107E-02

5,292E-02

,126,263

X2,786

,841

,641

,348

,378

2,638E-02

-9,256E-02

6,656E-02

,294

9,155E-02

,183

,293

,175

9,251E-02

-3,397E-02

,110

,133,359

X3,627

,641

,794

,573

,642

-2,050E-02

8,999E-03

3,426E-02

,196

2,196E-02

8,035E

-02

,248

,241

,123

-2,259E-02

4,622E-02

,219,103

X4,346

,348

,573

,912

,483

-2,026E-

-7,119E-

,210

,354

-9,470E-02

-9,

844E

,240

,179

9,545E-02

,197

,224

,228,211

43

Edisi 1 Tahun 2002

02 02 -02

X5,335

,378

,642

,483

,896

-1,901E-02

,151

,175

,133

-2,107E-02

-7,

114E

-03

9,784E-02

,318

-3,969E-02

-,124

-,144

6,005E-02

,310

X6 -4,322E-03

2,638E-02

-2,050E-02

-2,026E-02

-1,901E-02

,760

,659

,668

,350

,290 ,192

,137

3,971E-02

,212

-1,225E-03

-8,216E-03

6,378E-02

-7,724E-02

X7 -6,781E-02

-9,256E-02

8,999E-03

-7,119E-02

,151

,659

,844

,501

,432

,176 6,762E

-02

2,245E-02

,171

,331

5,272E-02

-,100

,227 -2,059E-02

X82,933E-02

6,656E-02

3,426E-02

,210

,175

,668

,501

,871

,255

8,641E-02

6,678E

-02

3,496E-02

,148

8,463E-02

,126

,156

3,736E-02

,168

X9,313

,294

,196

,354

,133

,350

,432

,255

,896

3,747E-02

-5,

108E

-02

,163

-4,644E-02

,155

6,569E-02

-4,526E-02

,218,440

X10

-,160

9,155E-02

2,196E-02

-9,470E-02

-2,107E-02

,290

,176

8,641E-02

3,747E-02

,841 ,693

,711

,177

,216

-,108

-2,872E-02

-1,640E-02

-2,802E-02

X11

-7,704E-02

,183

8,035E-02

-9,844E-02

-7,114E-03

,192

6,762E-02

6,678E-02

-5,108E-02

,693 ,841

,696

5,551E-05

-2,944E-02

,233

,329

,2972,144E-02

X12

4,623E-02

,293

,248

,240

9,784E-02

,137

2,245E-02

3,496E-02

,163

,711 ,696

,805

,191

,198

,164

,253

,251,134

44


X13

,137

,175

,241

,179

,318

3,971E-02

,171

,148

-4,644E-02

,177 5,551E

-05

,191

,841

,681

9,091E-02

7,777E-02

,111,244

X14

,125

9,251E-02

,123

9,545E-02

-3,969E-02

,212

,331

8,463E-02

,155

,216 -2,

944E

-02

,198

,681

,866

,121

7,150E-02

,211 -3,270E-02

X15

-5,107E-02

-3,397E-02

-2,259E-02

,197

-,124

-1,225E-03

5,272E-02

,126

6,569E-02

-,108

,233

,164

9,091E-02

,121

,885

,823

,772,156

X16

5,292E-02

,110

4,622E-02

,224

-,144

-8,216E-03

-,100

,156

-4,526E-02

-2,872E-02

,329

,253

7,777E-02

7,150E-02

,823

,860

,678,125

X17

,126

,133

,219

,228

6,005E-02

6,378E-02

,227

3,736E-02

,218

-1,640E-02

,297

,251

,111

,211

,772

,678

,8578,084E-02

X18

,263

,359

,103

,211

,310

-7,724E-02

-2,059E-02

,168

,440

-2,802E-02

2,144E

-02

,134

,244

-3,270E-02

,156

,125

8,084E-02

,935

Residual

X1 -,119

-6,649E-02

3,427E-02

1,976E-02

6,025E-03

1,355E-02

-1,312E-02

-3,146E-02

2,790E-02

1,718E

-02

1,342E-02

-1,051E-03

-1,240E-02

2,204E-02

-2,305E-02

-2,832E-03

9,364E-03

X2 -,119

-4,327E-02

9,907E-03

-2,214E-03

-3,116E-02

2,471E-02

1,131E-02

2,957E-03

-1,603E-02

-2,

662E

-02

2,385E-03

9,050E-03

-7,707E-03

-1,269E-02

-7,008E-03

2,489E-02

-3,145E-02

X3 -6,6

-4,3

-5,8

-7,8

-1,6

4,785

1,823

1,899

3,686E-

-3,

-2,8

-7,9

-5,3

1,168

3,867

-4,33

4,296

45

Edisi 1 Tahun 2002

49E-02

27E-02

93E-02

23E-02

25E-02

E-03

E-02

E-02

02 179E

-02

71E-02

56E-03

54E-03

E-02

E-02

9E-02

E-02

X43,427E-02

9,907E-03

-5,893E-02

-2,274E-02

1,591E-02

4,941E-02

-4,488E-02

-5,268E-02

1,753E-02

4,915E

-02

-5,995E-02

3,466E-03

-8,112E-03

-1,602E-02

-1,612E-02

1,489E-02

2,631E-02

X51,976E-02

-2,214E-03

-7,823E-02

-2,274E-02

4,022E-02

-5,269E-02

-1,691E-02

2,021E-02

-2,897E-02

8,224E

-03

2,464E-02

-4,845E-02

6,594E-02

1,288E-02

2,458E-02

-2,675E-02

-2,256E-02

X66,025E-03

-3,116E-02

-1,625E-02

1,591E-02

4,022E-02

-9,289E-02

-,142

-1,629E-02

-7,074E-02

2,390E

-02

1,453E-02

4,015E-02

-1,639E-02

4,655E-02

-2,826E-02

-1,909E-02

2,787E-02

X71,355E-02

2,471E-02

4,785E-03

4,941E-02

-5,269E-02

-9,289E-02

-7,864E-03

-6,756E-02

3,609E-02

-3,

223E

-02

7,842E-03

-3,576E-02

-1,078E-02

-2,715E-02

5,889E-02

-4,170E-02

3,141E-02

X8 -1,312E-02

1,131E-02

1,823E-02

-4,488E-02

-1,691E-02

-,142

-7,864E-03

3,070E-02

2,975E-02

-2,

574E

-02

1,588E-02

-1,740E-02

1,372E-02

-2,798E-02

-2,748E-02

6,123E-02

-2,924E-02

X9 -3,146E-02

2,957E-03

1,899E-02

-5,268E-02

2,021E-02

-1,629E-02

-6,756E-02

3,070E-02

-2,314E-02

3,974E

-02

-2,114E-02

6,451E-02

-2,235E-02

1,709E-02

6,136E-03

-2,191E-02

-6,462E-02

X10

2,790E-02

-1,603E-02

3,686E-02

1,753E-02

-2,897E-02

-7,074E-02

3,609E-02

2,975E-02

-2,314E-02

-5,

588E

-02

-9,390E-02

-3,550E-02

-4,429E-03

7,926E-03

1,797E-02

1,863E-02

2,367E-02

X11,7 - -4,98,22,3 - -3,9 - -3,22,5 - - - -

46


1 18E-02

2,662E-02

3,179E-02

15E-02

24E-03

90E-02

3,223E-02

2,574E-02

74E-02

5,588E-02

9,248E-02

00E-02

04E-02

5,619E-03

1,715E-02

2,567E-02

1,186E-02

X12

1,342E-02

2,385E-03

-2,871E-02

-5,995E-02

2,464E-02

1,453E-02

7,842E-03

1,588E-02

-2,114E-02

-9,390E-02

-9,

248E

-02

-6,866E-04

-2,037E-02

5,166E-03

-1,435E-02

7,200E-03

-1,643E-02

X13

-1,051E-03

9,050E-03

-7,956E-03

3,466E-03

-4,845E-02

4,015E-02

-3,576E-02

-1,740E-02

6,451E-02

-3,550E-02

3,200E

-02

-6,866E-04

-,130

2,565E-02

-5,600E-02

2,042E-02

-5,813E-02

X14

-1,240E-02

-7,707E-03

-5,354E-03

-8,112E-03

6,594E-02

-1,639E-02

-1,078E-02

1,372E-02

-2,235E-02

-4,429E-03

2,504E

-02

-2,037E-02

-,130

-2,438E-02

4,440E-02

-2,414E-02

3,440E-02

X15

2,204E-02

-1,269E-02

1,168E-02

-1,602E-02

1,288E-02

4,655E-02

-2,715E-02

-2,798E-02

1,709E-02

7,926E-03

-5,

619E

-03

5,166E-03

2,565E-02

-2,438E-02

-5,186E-02

-5,747E-02

-1,820E-02

X16

-2,305E-02

-7,008E-03

3,867E-02

-1,612E-02

2,458E-02

-2,826E-02

5,889E-02

-2,748E-02

6,136E-03

1,797E-02

-1,

715E

-02

-1,435E-02

-5,600E-02

4,440E-02

-5,186E-02

-7,541E-02

1,713E-02

X17

-2,832E-03

2,489E-02

-4,339E-02

1,489E-02

-2,675E-02

-1,909E-02

-4,170E-02

6,123E-02

-2,191E-02

1,863E-02

-2,

567E

-02

7,200E-03

2,042E-02

-2,414E-02

-5,747E-02

-7,541E-02

-4,336E-04

X18

9,364E-03

-3,145E-02

4,296E-02

2,631E-02

-2,256E-02

2,787E-02

3,141E-02

-2,924E-02

-6,462E-02

2,367E-02

-1,

186E

-

-1,643E-02

-5,813E-02

3,440E-02

-1,820E-02

1,713E-02

-4,336E-04

47

Edisi 1 Tahun 2002

02Extraction Method: Principal Component Analysis.a Residuals are computed between observed and reproduced correlations. There are 25 (16,0%) nonredundant residuals with absolute values > 0.05.b Reproduced communalities

Cara membaca tabelPada tahap ini bertujuan untuk menetapkan Model Fit. Dari hasil perhitungan tabel Reproduced Correlations disimpulkan sbb:There are 25 (16,0%) nonredundant residuals with absolute values > 0.05. artinya nilai residual dari korelasi observasi dengan korelasi reproduksi yang mempunyai korelasi dengan nilai > 0,5 sangat sedikit yaitu sebesar 16 % sedangkan sisanya 84 % mempunyai korelasi < 0,05.

Rotated Component Matrix

Factor

Component

1 2 3 4 5 6 7 8 9 X1 -,118 ,891 X2 ,179 ,868 ,107 ,189 X3 ,648 ,102 ,501 -,115 ,288 X4 ,180 ,270 ,287 ,132 ,836 X5 ,273 ,857 ,171 ,198 X6 ,179 ,809 ,217 -,118 X7 -,127 ,653 ,227 ,231 ,469 -,116 -,24

3 X8 ,891 ,172 ,176 X9 ,229 ,262 ,809 ,281 ,198 X10 -,144 ,876 ,131 ,160 X11 ,265 ,843 -,121 -,16

4 X12 ,151 ,838 ,119 ,118 ,203 X13 ,837 ,234 -,160 ,199 X14 ,104 ,881 -,113 ,178 -,123 X15 ,925 X16 ,867 ,121 -,151 -,195 ,135 X17 ,856 ,103 ,100 ,152 ,252 X18 ,180 ,118 ,165 ,921

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

48


a Rotation converged in 9 iterations. Cara membaca tabel:Tabel Rotated Component Matrix merupakan inti analisa factor yaitu menentukan ke sembilan factor yang telah teridentifikasi melalui beberapa tahapan diatas.

Cara menentukan factor adalah sbb:Dalam tabel terdapat 9 komponen (lihat kolom), artinya ada 9 faktor yang akan direkomendasi menuju analisa lebih lanjut misal correl atau regress

Prosedur menentukan factor:1. Pilih koefisien tertinggi pada masing-masing kolom (hanya nilai

tertinggi) 2. Setelah semua kolom terpilih nilai tertingginya. Hubungkan nilai-

nilai tersebut dengan kolom factor.( kolom paling kiri).

Sebagai contohPada kolom komponen 1 nilai tertinggi adalah ,925 nama factor atau variable adalah X15Pada kolom komponen 9 nilai tertinggi adalah ,836 nama factor atau variable adalah X4

Oke untuk latihan ….Teruskan sendiri ya! yang ngetik udah ngantuk.Demikianlah perbincangan kita, semoga ada guna dan manfaat…..

49

Edisi 1 Tahun 2002

Bagian AkhirPenutup

Tujuan Penulisan : membantu mahasiswa mengolah data skripsi secara mandiri.

Untuk pemahaman lebih lanjut :mahasiswa dianjurkan untuk konsultasi pada dosen statistik yang tersedia membaca literature analisis multivariate yang tersedia di Perpustakaan kampus. Telusuri juga dengan fasilitas internet example : yahoo.com, lycos.com, google.com or whatever you can.

Masih banyak terdapat kekurangan dalam Cerpen diatas, saran, kritik yang sifatnya konstruktif sangat ditunggu dan diharapkan oleh penulis.

Finally,…………………

Seperti pesan Imam As Syafii kepada para pendidik Ra’yuna shawab yahtamil al khata’ Wa ra’yuna ghairina khata’ yahtamil al shawabBersandar pada pendapat ini, masihkan kita saling bertahan dengan pendapat pribadi dengan mengabaikan pendapat orang lain yang kemungkinan mengandung kebenaran dan membawa pencerahan…..

Penulis mengharapkan saran dari pembaca untuk perbaikan. Demikian suplemen ini semoga ada manfaatnya, Bagi adik-adik mahasiswa diberikan kesempatan seluas-luasnya untuk berdiskusi dengan penulis jika terdapat ketidakjelasan atau perbedaan pendapat.

Wallaahua’lam bisshawab Singosari, 27 Rajab 2002

Penyusun,

Hanif Mauludin,e-mail: [email protected]: STIE –MCE 491813 ext 129 (ruang mce internet)

50

mailto:[email protected]


segera terbit suplemen edisi revisi untuk mahasiswa ABM dengan tambahan analysis cluster dan analisis diskriminan

51

Edisi 1 Tahun 2002

REFERENCE

1. Everitt, B.S, & Dunn, G. (1991). Applied multivariate data analysis. London: Edward Arnold.

2. Bryman, A & Cramer, D. (1990). Quantitative data analysis for social scientists. pp. 246-251

3. Rietveld & Sunaryanto, (1994). 87 masalah pokok dalam regresi berganda

4. Sugiarto. (1992). Tahap awal dan Aplikasi analisis Regresi5. http://www.exeter.ac.uk/~SEGLea/multvar2

52

http://www.exeter.ac.uk/~SEGLea/multvar2

Documents

analisis regresi berganda