Click here to load reader

Ringkasan Praktikum

  • View
    425

  • Download
    5

Embed Size (px)

Text of Ringkasan Praktikum

Uji Outlier a.Analyze > Regression > Linier Variabel dependen = Promosi_jabatan_baru(pemilihanvariabeldependenbebas,karenahanyainginmelihatjarakmahalanobisnya.Sedangkan sisanya menjadi variabel independen) Variabel independen = Penghargaan_atas_prestasi_kerja,Tunjangan_diterima_di_luar_gaji, Rotasi_jabatan_lain, Kondisi_kerja_yang_kondusif, Dukungan_dari_rekan_kerja, Kenaikan_pangkat_jabatan. Save: Distance mahalanobis b.Mencari t _hitung Transform > Compute t_hitung = MAH_1/ jumlah variabel yang dianalisis(6) c.Mencari t_tabel Transform > Compute t_tabel = IDF.T (1-;jumlah variabel yang dianalisis) = IDF.T(0.95;6) d.Kriteria Outlier Data > Select Cases > If Digunakan kriteria t_hit < t_tabel, mk pd data SPSS kolom $_filter yang bernomor 0 adalah outlier. Uji Normalitas Univariat Analyze > Descriptive Statistics > Explore Dependen list = Penghargaan_atas_prestasi_kerja,Tunjangan_diterima_di_luar_gaji, Rotasi_jabatan_lain, Promosi_jabatan_baru Kondisi_kerja_yang_kondusif, Dukungan_dari_rekan_kerja, Kenaikan_pangkat_jabatan. Di bagian Display kiri bawah PlotsPlots: Boxplots None Descriptive Stem-and-leaf Histogram Normality plot with tests Uji Hipotesis: H0: data berdistribusi normal vsH1: data tidak berdistribusi normal Uji Normalitas Multivariat a.Mengurutkan data MAH_1 dari terkecil ke terbesar Data > Sort Cases.. Sort by: MAH_2 Sort Order: Ascending b.Membuat variabel baru obs berisi no. 1 - n untuk kasus ini 1 - 59 c.Membuat nilai persentil (varibel baru prob_value) Transform > Compute > prob_value = (obs - 0.5) / n untuk kasus ini prob_value = (obs - 0.5) / 59 d.Menghitung Chi-Square Transform>Compute>chi_square=IDF.CHISQ(prob_value,banyakvariabelindependendi Mahalanobis-1)untuk kasus ini chi_square = IDF.CHISQ (prob_value, 5) e.Membuat Scatter Plot Graphs >Legacy Dialogs > Scatter/Dot > Simple Scatter > Define Y Axis = chi_square X Axis = MAH_1 f.Inferensi Analyze > Correlate > Bivariate Variabels : chi_square MAH_1 Uji Hipotesis:H0: data berdistribusi normal secara multivariat H1: data tidak berdistribusi normal secara multivariat Tingkat signifikansi: = 0.05n = 59 S9 SS6u SS= (Niloi Kritik untuk n = S9) (Niloi Kritik untuk n = SS)(Niloi Kritik untuk n = 6u) (Niloi Kritik untuk n = SS) 4S=(Niloi Kritik untuk n = S9) u.9787 u.98u1 u.9787=(Niloi Kritik untuk n = S9) u.9787 u.uu14 (Niloi Kritik untuk n = S9) =u.uu14 4S+ u,9787 = u.97982 Uji Validitas Validitasberasaldarikatavalidityyangmempunyaiartisejauhmanaketepatandankecermatansuatu alatukurdalammelakukanfungsiukurnya.Validtidaknyasuatualatukurtergantungpadamampu tidaknya alat ukur tersebut mencapai tujuan pengukuran yang dikehendaki dengan tepat. Caranya: Analyze > Scale > Reliability Analysis Items: Penghargaan_atas_prestasi_kerja Tunjangan_diterima_di_luar_gaji Rotasi_jabatan_lain Promosi_jabatan_baru Kondisi_kerja_yang_kondusif Dukungan_dari_rekan_kerja Kenaikan_pangkat_jabatan Statistics: Item Scale Scale if Item Deleted OK Uji Hipotesis: H0: terkoreksi 0 (skor variabel berkorelasi positif dengan skor faktor) H1: terkoreksi > 0 (skor variabel tidak berkorelasi positif dengan skor faktor) StatistikUji:nilairuntuktiapitemdapatdilihatpadakolomCorrectedItem-Total Correlation Daerahkritik: H0 tidak ditolak jika rhasil positif, serta rhasil >rtabel, sehinggavariabel tersebut dikatakan valid. Uji Reliabilitas Uji reliabilitas adalah pengujian kehandalan alat ukur untuk mengetahui sejauh mana suatu pengukuran dapat memberikan hasil yang sama bila dilakukan pengukuran kembali pada subyek yang sama, selama aspek yang diukur dalam diri responden tidak mengalami perubahan. Uji Hipotesis: H0: skor variabel berkorelasi positif dengan komposit faktornya H1: skor variabel tidak berkorelasi positif dengan komposit faktornya Statistik Uji: Cronbachs alpha = 0.677 Daerahkritik:H0tidakditolakjikaCronbachsalpha>0.60,sehinggavariabeltersebut dikatakan reliabel. Analisis Faktor Analyze > Data Reduction > Faktor Variabels: Penghargaan_atas_prestasi_kerja Tunjangan_diterima_di_luar_gaji Rotasi_jabatan_lain Kondisi_kerja_yang_kondusif Dukungan_dari_rekan_kerja Kenaikan_pangkat_jabatan Descriptive: Initial Solution Anti Image KMO and Barletts test of sphericity Extraction: Unrotated faktor solution Scree Plot Rotation: Varimax Rotated Solution Loading Plot(s) Scores: Save as variabels Display faktor score coefficient matrix a.KMO and Barletts test Dalampemilihanvariabelanalisisperlumemperhatikanapakahmatrikskorelasiadalahmatriks identitasataubukan,karenamatriksidentitastidakdapat digunakanuntukanalisisberikut.Untuk menguji kesesuaian pemakaian analisis faktor digunakan Metode Kaiser-Meyer-Olkin (KMO) Uji Hipotesis: H0: Sampel belum memadai untuk analisis lebih lanjutH1: Sampel sudah memadai untuk analisis lebih lanjut Tingkat signifikansi: = 0.05 Statistik Uji: Hasil KMO = 0.640 Sig = 0.000 Daerah kritik: H0 ditolak jika Sign < Kesimpulan:KarenaSign(0.000) 0.5 artinya variabel masih bisa diprediksi dan dianalisis lebih lanjut MSA0.5yangberartivariabel-variabeltersebutmasihbisadiprediksidandianalisis lebih lanjut. c.Communalitas VariansiPenghargaan_atas_prestasi_kerja=0.620,artinya62.0%variansidarivariansi Penghargaan_atas_prestasi_kerja dapat dijelaskan oleh faktor yang akan dibentuk..... d.Total Variance Explained Rotated Component Matrixa.731 .291.162 .848-.009 .842.838 .141.659 -.118.409 .369Penghargaan_atas_prestasi_kerjaTunjangan_diterima_di_luar_gajiRotasi_jabatan_lainKondisi_kerja_yang_kondusifDukungan_dari_rekan_kerjaKenaikan_pangkat_jabatan1 2ComponentExtraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.Rotation converged in 3 iterations.a. Ada 6variabelyang dimasukkan dalamanalisisfaktor. Dengan masing-masingvariabelyang mempunyaivariansi1makatotalvariansi=6x1=6.Kemudiandari6variabeltersebutdiringkas menjadi 2 faktor dengan masing-masing variansi yang dapat dijelaskan sebagai berikut: Iorionsi Foktor 1 =IotolExtroction o SouorcJ IooJings7 1uu% =2.3166 1uu%= S8.6u8%Iorionsi Foktor 2 =IotolExtroction o SouorcJ IooJings7 1uu% =1.2326 1uu%= 2u.SS7%Totalkeduafaktortersebutakandapat menjelaskan59.145% darivariabilitas6variabel.Daritabeldi atas dapat dilihat hanya ada dua faktoryang terbentuk karena nilai eigen kedua variabel tersebut masih di atas satu. Hal tersebut dapat dilihat juga pada Scree Plot. e.Scree Plot Ada 2 nilai eigen >1 yang berarti jumlah faktor yang akan dibentuk ada 2 faktor. f.Componen Matrix Tabel Component Matrix menjelaskan distribusi 6 variabel pada dua faktor yang ada. Sedangkan angka pada tabel adalah faktor loading atau besar korelasi antara suatu variabel dengan faktor 1 dan 2. Karenamasihadavariabelyangtidakmemilikiperbedaanyangnyata(Variabel Dukungan_dari_rekan_kerja)denganbeberapafaktorlainnya,yaitudengannilailoadingataubesar korelasikurang dari0,55 maka variabel tersebut tidak dapat dimasukkanke salahsatuvariabel dengan melihatbesarkorelasinya.Karenaituperludilakukanrotasifaktoruntukmemperjelaskedudukan variabel tersebut. g.Rotated Componen Matrix ComponentMatrixhasildariprosesrotasi (Rotated Component Matrix) memperlihatkan distribusi variabelyanglebihjelasdannyatadibandingkan denganjikatidakdilakukanrotasi.Ditentukanangka pembatas (cut of point) = 0.55. Variabel yang memiliki faktorloading>>>>mengelompokkan variabel sesuai yang kita inginkan Langkah2 di spss: Buka file tata letak toko buku.sav Analyze>classify>K-means cluster Variables: u1-u21 Label cases by: responden(variabel yang ingin dicluster) Number of cluster: 3 (jml cluster yang ingin dibentuk) Save: cluster membership dan distance cluster center Option: intial cluster centers, ANOVA table dan cluster information for each case Output yang ditampilin intial cluster centers Output ini berisi tentang informasi mengenai pusat cluster awal yang ditentukan secara acak oleh program.Pusatclusterinikemudiandigunakanuntukmenghitungjarakmasing-masingobjek terhadap pusat cluster pada iterasi pertama. Initial Cluster Centers Cluster 123 Tata letak Buku1,0005,3205,320 Kelengkapan Buku2,2544,6634,663 Buku yang Baru Terbit4,6923,3354,692 Harga Buku yang Kompetitif1,0003,6425,240 Desain Interior yang Menarik2,0003,5035,184 Sistem Informasi yang Mudah Diakses4,9133,5744,913 Pendingin Udara yang Memadai4,7614,7614,761 Penitipan barang yang memadai1,0004,9162,164 Kebersihan gedung3,6355,1685,168 Tempat parkir yang luas1,0004,6172,382 Keamanan tempat parkir4,0175,6922,000 Lokasi TB Gramedia yang strategis2,0005,5125,512 Pelayanan kasir yang cepat5,4785,4783,817 Satpam bertugas dengan baik5,3605,3603,719 Karyawan berpenampilan menarik5,2715,2713,631 Karyawan memahami keinginan konsumen3,3734,8532,000 Karyawan ramah dalam melayani konsumen5,2945,2943,685 Pengetahuan karyawan tetang koleksi buku2,7545,7082,754 Respon atas komplain konsumen3,6685,5092,000 Fasilitas diskon kepada konsumen1,0004,6802,368 Promosi kepada konsumen5,8234,1232,790 Iteration history Padaoutputinidiperlihatkanprosesyangdilaluiuntukmemperolehjumlahclusteryang dikehendaki berdasarkan criteriayang diberikan. Tampak bahwajumlah iterasiyang diperlukan agar selisih nilai pusat cluster pada iterasi ke n dan iterasi ke n-1 adalah 0 tercapai pada iterasi ke 10, setelah sampai iterasi ke 10 ini proses berhenti karena salah satu kriteria sudah tercapai. Iteration History(a) IterationChange in Cluster Centers 123 15,9364,4205,513 2,737,468,207 3,394,173,091 4,297,132,097 5,280,110,106 6,224,070,090 7,204,000,088 8,094,000,043 9,073,084,056 10,049,000,024 aIterations stopped because the maximum number of iterations was performed. Iterations failed to converge. The maximum absolute coordinate change for any center is ,018. The current iteration is 10. The minimum distance between initial centers is 9,069. Final cluster center Nilairata-ratavariabeltataletaktokobukudicluster1adalahsebesar3,228.Padacluster2 sebesar4,128 dan pada cluster 3sebesar 3,773. Terlihat disini cl