7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 122
MODUL PELATIHAN
(Statistical Package for the Social Sciences)
BASIC ndash PERTEMUAN I
OLEH
NURJANNAH SSi
(Staf Pengajar Program Studi Statistika Univ Brawijaya Malang)
Melbourne
Autumn 2008
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 1
BAB I
PENDAHULUAN
A LATAR BELAKANG
Dalam banyak kasus orang sering enggan menyelesaikan permasalahan-permasalahan
yang berkaitan dengan statistika Hal ini terjadi karena secara umum orang mengetahui bahwa
statistika adalah ilmu yang sulit dan penuh rumus-rumus matematika yang tidak mudah
dipahami Namun kita tidak bisa memungkiri dan telah mengetahui bersama bahwa statistika
merupakan salah satu ilmu yang banyak digunakan dan dibutuhkan dalam penelitian
pengambilan keputusan dan penentuan kebijakan yang berbasis data dan fakta sebagai
informasi di berbagai bidang Oleh karena itu para peneliti mau tidak mau harus memahami
statistika walaupun tidak melalui pemodelan dasar matematikanya tetapi menguasai ciri dan
karakteristik serta persyaratan cukup dari penggunaan metode-metode statistik yang dibarengioleh penguasaan pengetahuan struktur data setiap metode pada paket program statistika yang
memfasilitasinya
Kini permasalahan-permasalahan statistika bukan suatu masalah rumit karena seiring
dengan perkembangan teknologi komputer pekerjaan statistik sangat terbantu dengan adanya
program aplikasi komputer untuk statistik yang kini sudah banyak dipasarkan Komputer sangat
membantu membantu pekerjaan statistik terutama dalam melakukan perhitungan statistik yang
menggunakan rumus-rumus matematika yang rumit dan banyak data SPSS merupakan salah
satu program aplikasi untuk analisis statistik yang sudah cukup diakui
B PENGANTAR STATISTIKA
Dengan merujuk pada definisi tersebut maka peranan statistika dapat diilustrasikan seperti padabagan berikut
Gambar 11 Peranan Statistika dalam proses penelitian
Statistika adalah Ilmu dan atau seni yang berkaitan dengan tata cara (metode) pengumpulan data analisis data dan interpretasi hasil analisis untuk mendapatkaninformasi sebagai landasan di dalam pengambilan keputusan dan penarikan kesimpulan
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 322
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 2
Ciri pokok statistika adalah merupakan pendekatan kuantitatif yaitu menghendaki data bersifat
numerik Sehingga data kualitatif harus dirubah ke bentuk numerik (dengan cara memberikan
skor)
Statistika merupakan alat yang memberikan obyektivitas dan ketelitian pengamatan dan
keuntungan berpikir statistika adalah
Lebih mementingkan fakta dari pada konsep (teori) yang bersifat abstrak ataupun
prasangkaperasaan
Tidak mengekspresikan fakta ke dalam perasaan atau ide Menggunakan gambaran yang
diturunkan dari hasil pengamatan (data) spesifik
Di dalam hasil pengamatan terdapat variasi yang merupakan bagian yang tersembunyi dan
mencari bagian tersembunyi ini merupakan tujuan puncak pengamatan
D VARIABEL PENELITIAN
Sebelum ke pembahasan lebih lanjut agar memiliki persepsi yang sama maka akan
diuraikan pengertian tentang variabel dan data Untuk mempermudah memahami pengertian
variabel dan data perhatikan ilustrasi pada Tabel 11 berikut
Tabel 11 Beberapa obyek penelitian sifat-sifat yang dimiliki dan datanya
Obyek Karakteristik Hasil amatan
Petani
Perusahaan A
Puskesmas
- Agama- Umur- Pendidikan
- Modal- Aset- Bentuk
- Kinerja Manajerial- Kepuasan Pasien- Kepuasan Karyawan
- Islam- 50 tahun- SLTA
- Satu milyar Rp- 12 milyad Rp- Perorangan
- Skala Likert- Skala Likert- Skala Likert
Di dalam statistikadisebut
Obyek kajian
Karakteristik yang relevandengan permaslahan
Variabel atau peubahTunggal = Datum Jamak = Data
Merujuk pada tabel di atas variabel dapat didefinisikan sebagai karakteristik atau sifat dari
obyek kajian yang mana data diamati atau diukur atau dicacah dari padanya Namun demikian
tidak semua karakteristik yang melekat pada suatu obyek mesti merupakan variabel penelitian
akan tetapi hanyalah karakteristik yang mempunyai relevansi dengan permasalahan penelitian
disebut variabel
Ditinjau dari keberadaan keterkaitan dan struktur pengaruhnya di dalam hipotesis
(permasalahan) penelitian variabel dapat dibedakan menjadi intraneous dan extraneous
variables Intraneous variables adalah variabel yang tercakup di dalam hipotesis penelitian
Sedangkan extraneous variables adalah variabel yang tidak tercakup di dalam hipotesispenelitian akan tetapi memiliki kontribusi pengaruh terhadap variabel dependen
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 3
Intraneous variables meliputi
(1) Variabel tergantung (dependent variables ) adalah suatu variabel yang tercakup di
dalam hipotesis penelitian yang keragamannya (variabilitasnya) ditentukan atau
tergantung atau dipengaruhi oleh variabel lainnya
(2) Variabel bebas (independent variables ) adalah suatu variabel tercakup di dalam hipotesis
penelitian yang keragamannya sebagai akibat dari manipulasi atau intervensi
peneliti atau merupakan suatu keadaan atau kondisi atau fenomena yang ingin
diselidiki diteliti atau dikaji Variabel ini mempengaruhi variabel tergantung
(3) Variabel antara atau variabel intervening (intervene variables ) adalah variabel yang
bersifat menjadi perantara (mediating ) dari hubungan variabel bebas ke variabel
tergantung Sifatnya dapat memperlemah atau memperkuat hubungan antara variabel
bebas dengan variabel tergantung
(4) Variabel Moderator adalah variabel yang bersifat memperkuat atau memperlemahpengaruh variabel bebas terhadap variabel tergantung
Extraneous variables meliputi
(1) Variabel pembaur (confounding variables ) adalah suatu variabel dalam penelitian yang
tidak tercakup dalam hipotesis penelitian akan tetapi muncul dalam penelitian dan
berpengaruh terhadap variabel tergantung Pengaruhnya mencampuri atau berbaur dengan
variabel bebas Suatu penelitian biasanya ingin mengetahui pengaruh variabel bebas
terhadap variabel tergantung yang tentunya pengaruh tersebut harus terbebas dari
berbaurnya pengaruh variabel-variabel lain
(2) Variabel kendali (control variables ) adalah variabel pembaur (cofounding ) yang
pengaruhnya dapat dikendalikan Pengendalian dapat diakukan dengan cara blocking yaitu
mengelompokkan obyek penelitian menjadi kelompok-kelompok yang relatif homogen Cra
kedua adalah melalui kriteria ekalusi-inklusi yaitu mengeluarkan obyek yang tidak memenuhi
kriteria (ekslusi) dan mengambil obyek yang memenuhi kriteria untuk diikutkan dalam sampel
penelitian (inklusi)
(3) Variabel penyerta (concomitant variables ) adalah variabel pembaur (cofounding ) yang
tidak dapat dikendalikan sehingga tetap menyertai (terikut) dalam proses penelitian
Konsekuensinya data tersebut harus diamati Pengaruh baurnya dihilangkan (dieliminasi)
pada tahap analisis data misalnya dengan ANCOVA atau MANCOVA
Bilamana variabel penelitian telah ditentukan kemudian harus dibuat definisi operasional
variabel secara tegas dan tajam dengan merujuk pada teori dan konsep yang relevan Langkah
berikutnya data collecting dapat dilakukan
Suatu penelitian dapat memiliki seluruh jenis variabel tersebut atau hanya memiliki
sebagian saja Terlibatnya seluruh variabel atau tidak membawa konsekuensi terhadap metode
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 4
analisis data yang akan digunakan Dengan kata lain perlu dilakukan pemilihan metode
analisis yang tepat sehubungan dengan jenis dan jumlah variabel yang akan dianalisis
E DATA PENELITIAN
D a t a adalah bentuk jamak dari kata datum (Bahasa Latin) yang artinya kurnia atau
pemberian atau penyajian Dalam kontek statistika data diartikan sebagai berikut
Data adalah kumpulan angka fakta fenomena atau keadaan atau lainnya yang merupakan hasil
pengamatan pengukuran atau pencacahan dan sebagainya terhadap variabel dari suatu obyek
kajian yang berfungsi dapat digunakan untuk membedakan obyek yang satu dengan lainnya
pada variabel yang sama
a) Jenis data berdasarkan sifat kekontinyuannyaBerdasarkan sifat kekontinyuannya data hasil pengamatan dapat dibedakan menjadi
data diskrit dan kontinyu
(1) Data diskrit adalah data yang hanya dapat menempati titik-titik tertentu pada sebuah garis
Misal jumlah anak = 0 1 2 3 4 5 6
0 1 2 3 4--+-------+--------+--------+--------+--------+--
(hanya dapat menempati +)
(2) Data kontinyu adalah data yang dapat menempati seluruh titik pada sebuah garis Misal
Data Pendapatan Per Kapita Per Bulan = 150 ribu rupiah sampai dengan 2 juta rupiah
++++++++++++++++++++++++++++++++++
150 ribu rupiah 2 juta rupiah
(seluruh titik dapat ditempati data pendapatan)
b) Jenis Data Berdasarkan Skala Ukurnya
Berdasarkan skala ukurnya data dapat dibedakan menjadi data nominal ordinal interval dan
ratio
(1) Data nominal adalah data yang hanya mengandung unsur penamaan (Bahasa Latin nomos =
nama) Misal
Bntuk Perusahaan Skor yang mungkin
PT 1 3 2CV 2 2 1
Perorangan 3 1 3
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 5
Statistika adalah pendekatan kuantitatif sehingga data nominal yang bersifat kualitatif harus
dirubah menjadi bentuk numerik dengan cara pemberian skor (skoring)
Perhatikan pemberian skor data nominal bersifat sembarang yaitu hanya sekedar untuk dapat
membedakan (penamaan saja) sehingga dapat dibolak-balik
(2) Data ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur urutan
(order = urutan) Misal
Sikap Skor yang mungkin
Sangat setuju 4 1Setuju 3 2Kurang setuju 2 3Tidak setuju 1 4
Perhatikan dengan seksama pembuatan skor antara data nominal dan ordinal dimana untuk data
nominal skor tersebut dapat dibuat sembarang yaitu hanya sekedar dapat mebedakan Akan
tetapi untuk data ordinal urutan angka dalam skor menunjukkan arah tingkatan Pada data
ordinal ini interval (selang)-nya tidak mempunyai arti (tidak bermakna) misalnya selisih antara
skor 4 dengan 2 adalah 2 dan selisih antara 3 dengan 1 adalah 2 yang mana 2 dengan 2 arti
dan maknanya tidak sama
(3) Data interval adalah data yang selain mengandung unsur penamaan dan urutan juga memiliki
sifat interval (selang)-nya bermakna Di samping itu data ini memiliki ciri angka nol-nya tidak
mutlak Misal
Indeks Prestasi Suhu (oC) IHK
0 0 1001 10 1152 20 1203 30 1204 40 140
Perhatikan bahwa 0 pada Indeks Prestasi barangkali akan setara dengan lt 30 untuk skala nilai 1
ndash 100 dan 0 pada suhu dengan derajat Celcius = 32 oF Ratio dari data ini tidak memiliki
makna misal IP 4 bukan berarti pintarnya sama dengan dua kali IP 2 demikian halnya suhu 40 o
C bukan berarti panasnya frac12 dari suhu 80o C
(4) Data ratio adalah data yang memiliki unsur penamaan urutan intervalnya bermakna dan angka
nolnya mutlak sehingga rationya mempunyai makna Misal
Pendapatan($)
Panjang Jalan(km)
21 12045 14070 160
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 6
Disebut nol-nya mutlak sebab memang tidak akan ada benda (jalan) yang panjangnya nol
kilometer Pendapatan 0 berarti tidak menghasilkan pendapatan sama sekali
Jika kedua klasifikasi data tersebut dikombinasikan maka akan diperoleh seperti pada Tabel 12
sebagai berikut
Tabel 12 Kaitan antara skala ukur data dengan sifat kekontinyuannya
DISKRIT KONTINYU
NOMINAL V
ORDINAL V
INTERVAL V V
RATIO V V
Keterangan V = bersesuaian
F Taraf Nyata (αααα) dan p-value
Taraf nyata αααα adalah peluang menolak Ho yang pada hakekanya benar disebut peluang salah
jenis tipe I
αααα = P(Ho ditolak Ho benar)
Secara pragmatis alpha didefinisikan sebagai resiko salah dalam penarikan kesimpulan penelitian
Dengan memperkecil αααα berarti memperkecil resiko salah dalam penarikan kesimpulan Hal ini
dapat ditempuh dengan jalan memperkecil kesalahan (ketidakpastian) dalam setiap langkah
rangkaian analisis data inferensial Untuk memahami lebih lanjut mengenai αααα dapat diperhatikan
ilustarasi di bawah ini
Pelaksanaan pelatihan terhadap karyawan diharapkan dapat meningkatkan kinerjanya Untuk itu
dilakukan penelitian dengan mengajukan hipotesis statistika
Ho microb = micros lawan
H1 microb lt micros
Dalam hal ini microb = kinerja sebelum dilakukan pelatihan dan micros = kinerja sesudah dilakuan pelatihan
Katakanlah hasil pengujian cukup bermakna dengan p = 0027 Interpretasi Pelatihan dapatmeningkatkan kinerja karyawan Dimana kesimpulan tersebut mengandung resiko salah sebesar 27
Arti pragmatisnya Seandainya akan dilakukan pelatihan terhadap 1000 karyawan maka
berdasarkan hasil penelitian tersebut dimungkinkan 27 orang kinerjanya tidak meningkat
Perbedaan antara α dengan p-value
Besarnya α ditetukan berdasarkan konvensi (kesepakatan) para ahli yaitu 1 untuk penelitian
yang sifatnya kritis dan 5 untuk yang kurang kritis Nilai (titik) kritis beberapa statistik uji
misalnya t F Z dan χ2 pada alpha 1 5 atau 10 telah dihitung dan di tabelkan Sehingga
pengguna statistika tidak perlu sulit-sulit menghitungnya sendiri Hal ini dilatarbelakangi oleh kendala
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 7
sulitnya prosedur perhitungan tersebut terutama sebelum berkembangnya komputer Untuk jelasnya
perhatikan uraian berikut Untuk menghitung atau p pada statistik t dengan nilai thitung = 2288 pada
derajat bebas (db) = 10 adalah
( ) ( )
005t1
10210
21
12
1102
2882
=+
Β
int+
minus+infin
dt
dalam hal ini B(____) adalah fungsi Beta Dengan kata lain untuk thit = 2288 dengan db=10
diperoleh p = 005 atau dengan α = 005 dan db=10 diperoleh ttabel = 2288
Oleh karena itu sebelum komputer berkembang para ahli menggunakan mesin hitung yang
telah ada untuk menghitung permasalahan tersebut dan hasilnya dituangkan dalam Tabel Kaidah
pengujiannya adalah jika thit gt ttabel pada α tertentu maka tolak Ho dan sebaliknya Kelemahannya
adalah tidak bisa memberikan informasi resiko salah secara eksak Jadi seandainya p yang
sebenarnya = 0017 dan pada uji konvensional digunakan α = 005 maka resiko salah dalam
penarikan kesimpulan adalah 5 yang sebenarnya secara eksak adalah 17
Dengan berkembangnya komputer perhitungan nilai p untuk beberapa statistik uji dapat
dengan mudah dan cepat dilakukan Umumnya dinyatakan dalam notasi p-value atau p saja atau
Sig (di SPSS) Dengan demikian dapat dikatakan bahwa p adalah berupa signifikansi aktual
sedangkan alpha adalah signifikansi batas Berdasarkan taraf uji aktual yang merujuk pada p-value
maka keputusan uji hipotesis akan berbunyi
Tolak H 0 (bermakna) dengan resiko salah sebesar p x 100
Mengenai berapa besar nilai p yang masih dapat ditolerir sangat tergantung dari tingkat kekritisan
penelitian dan kepentingan pengguna hasil penelitian
Berdasarkan uraian tersebut dapat dikatakan bahwa kesimpulan yang ditarik berdasarkan uji
statistik tidak pernah bersifat benar mutlak Misal jika pengujian secara statistik mendapatkan
bahwa obat O dapat menyembuhkan penyakit S dengan p = 002 maka tidak semua penderita
penyakit S yang diobati O pasti sembuh akan tetapi dimungkinkan 98 sembuh dan 2 tidak
sembuh Oleh karena itu kesimpulan statistika tidak pernah dogmatis
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
A STATISTIKA DISKRIPTIF
Statistika diskriptif mer
deskripsi (gambaran) data sehin
sajian yang lebih menarik Ada
pie chart boxplot (dalam bentuk
Buka data SPSS deskriptif D
mempengaruhi pembelian kart
responden yang diambil sebagai
- usia adalah usia responden
- kusia adalah kelompok usi
- pddk adalah tingkat pendidi
- lama adalah lama penggun
- klama adalah kelompok la
- phsl adalah penghasilanbul
- kphsl adalah kelompok pen
- jangkau adalah penilaian r
kurang luas)
- signal adalah penilaian resp
kurang kuat)
- suara adalah penilaian resp
baik)
Histogram
Misalkan kita ingin membuat his
Pilih menu Graph gt Histogram
Lalu isi Variable phsl hidupka
983138 983090983088983088983096
P a g e | 8
BAB II
STATISTIKA DESKRIPTIF
upakan bagian statistika yang membahas te
gga informasi yang terkandung dalam data mu
beberapa cara mendeskriptifkan data antara lai
grafik) dan cara mengukur dengan nilai rata-rat
ata tersebut adalah hasil penelitian mengenai
Mentari pada PT Satelit Palapa Indonesia
sampel Adapun data dalam worksheet adalah s
responden (15-25 tahun 25-34 tahun 35-43 ta
an responden (SLTP SMU Sarjana)
an kartu Mentari (dalam bulan)
a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun
an responden (dalam juta rupiah)
ghasilan responden (lt1juta 1-15juta 15-2juta
sponden terhadap daya jangkau (sangat luas l
onden terhadap kekuatan signal (sangat kuat k
nden terhadap kualitas suara (sangat baik baik
ogram data penghasilan responden
display normal curve tekan OK
tang penataan dan
ah dipahami dengan
dengan histogram
variance dll
analisis faktor yang
Surabaya dari 100
bagai berikut
hun)
gt3 tahun)
gt2juta)
uas cukup luas dan
uat cukup kuat dan
cukup baik kurang
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
Pie Chart
Misalkan kita ingin membuat pie
Pilih menu Graph gt Pie
Pilih Summary for groups of c
Kemudian masukkan define sli
Box Plot
Misalkan kita ingin membuat Bo
Pilih menu Graph gt Boxplot
Pilih Summaries of Separate
Kemudian masukkan Boxes Re
Deskriptif Ukur
Misalkan kita ingin membuat sta
Pilih menu Analyze gt Descript
Kemudian masukkan variables
hidupkan range lalu OK
983138 983090983088983088983096
P a g e | 9
chart data pendidikan responden
ases lalu define
es pddk tekan OK
Plot data lama penggunaan kartu mentari oleh
Variables lalu define
resent lama tekan OK
istika deskriptif data usia responden
ive Statistics gt Descriptive
usia tekan option dan pilih statistik yang
esponden
ibutuhkan misalkan
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 10
Deskriptif Frekuensi
Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau
kekuatan signal dan kualitas suara kartu Mentari
Pilih menu Analyze gt Descriptive Statistics gt Frequencies
Kemudian masukkan variables jangkau tekan OK
Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan
cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya
B STATISTIKA INFERENSIAL
Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika
(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk
menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat
diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk
menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti
terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu
statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika
inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat
data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik
bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya
tak normal walaupun dengan transformasi
1 Uji Kenormalan
Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran
normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya
Descriptive Statistics
100 28 15 43 2538 7663
100
USIA
Valid N (listwise)
N Range Minimum Maximum Mean Std Deviation
JANGKAU
26 260 260 260
46 460 460 720
19 190 190 910
9 90 90 1000
100 1000 1000
kurang luas
cukup luas
luas
sangat luas
Total
ValidFrequency Percent Valid Percent
Cumulative
Percent
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 11
adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang
diamati tidak normal
Contoh menggunakan data penghasilan responden pada data deskriptif
Apakah data penghasilan responden menyebar normal
Pilih menu Analyze gt Descriptive Statistics gt Explore
Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with
test continue dan OK
Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi
bahwa data penghasilan mempunyai sebaran normal karena
sig gt α (0106 gt 005)
2 Statistika Inferensi parametrik untuk 1 Populasi
Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai
dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak
diketahui dari data yang mempunyai sebaran normal
Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan
seluruh pelanggan kartu Mentari sebesar 1 juta
Hipotesis
Ho micro = 1 juta
lawan
H1 micro ne 1 juta
Maka statistik ujinya adalah
nsxt test microminus=
Selang kepercayaannya
αminus=+ltmicroltminus 1)ntsxntsx(P
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
i
1n
)xx(s
Tests of Normality
081 100 106 972 100 032PHSL
Statistic df Sig Statistic df Sig
Kolmogorov-Smirnova
Shapiro-Wilk
Lilliefors Significance Correctiona
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1322
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 12
Cara melakukan analisis dengan SPSS adalah sbb
Pilih menu Analyze gt Compare Means gt One sample T test
Kemudian masukkan Test variable phsl Test value 1 tekan OK
Hasil SPSS ini berarti
Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value
sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-
rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta
C Statistika inferensi parametrik untuk 2 populasi
C1 Dua populasi bebas (Independent )
Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai
karakteristik yang berbeda
Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan
penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas
kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)
menggunakan metode pola latihan SQ3R
Statistik uji dan hipotesisnya adalah
H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2
Uji statistiknya - Untuk ragam kedua populasi sama
)n
1
n
1(s
xxt
21
2
gab
21
test
+
minus=
2nn
s)1n(s)1n(s
21
2
22
2
112
gab minus+
minus+minus=
- Untuk ragam kedua populasi berbeda
)n
s
n
s
(
xxt
2
2
2
1
2
1
21
test
+
minus=
One-Sample Statistics
100 1501 5544 0554PHSL
N Mean Std Deviation
Std Error
Mean
One-Sample Test
9037 99 000 501 391 611PHSL
t df Sig (2-tailed)
Mean
Difference Lower Upper
95 Confidence
Interval of the
Difference
Test Value = 1
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 13
- Selang kepercayaan untuk ragam kedua populasi sama
αminus=++minusltmicrominusmicrolt+minusminus 1)
n
1
n
1(st)xx(
n
1
n
1(st)xx((P
21
2
gab2121
21
2
gab21
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)
- Selang kepercayaan untuk ragam kedua populasi berbeda
αminus=++minusltmicrominusmicrolt+minusminus 1)n
s
n
st)xx(
n
s
n
st)xx((P
2
2
2
1
2
12121
2
2
2
1
2
121
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar
2
)1n(
)ns(
)1n(
)ns(
)nsns(v
2
2
2
2
2
1
2
1
2
1
2
2
2
21
2
1 minus
+++
+=
Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005
Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun
kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas
pertama (kelas biasa) atau kelas kedua (kelas sq3r)
Cara melakukan analisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Compare Means gt Independent samples T test
Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK
Group Statistics
30 581973 534223 97535
30 756117 405790 74087
KELAS
biasa
sq3r
NILAI
N Mean Std Deviation
Std Error
Mean
Independent Samples Test
620 434 -142 58 000 -174143 122483 -1987 -1496
-142 54 000 -174143 122483 -1987 -1496
Equal variances
assumed
Equal variances
not assumed
NILAI
F Sig
LevenesTest for
Equality of
Variances
t df
Sig
(2-tailed)
Mean
Difference
Std Error
Difference Lower Upper
95
Confidence
Interval of the
Difference
t-test for Equality of Means
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 14
Hasil SPSS berarti
Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil
pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)
sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama
Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)
diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat
perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen
lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa
C2 Dua populasi dependen (dua populasi berpasangan)
Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara
berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu
data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen
(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara
mengamatinya secara berpasang-pasangan
Statistik uji dan hipotesisnya sebagai berikut
H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB
Statistik ujinya
ns
Dt
Dtest
=
di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya
αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
iD
1n
)DD(s
Contoh
Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi
konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD
Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data
hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan
plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)
Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan
makanan modern
Pilih menu Analyze gt Compare Means gt Paired-samples T tes
Kemudian masukkan Paired variable prdtra dan prdmod tekan OK
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 15
Hasil SPSS ini berarti
Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =
klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi
tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat
perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern
D Uji Instrumentasi Penelitian
Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat
pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan
uji instrumentasi yaitu uji validitas dan reliabilitas
D1 Uji Validitas
Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil
penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti
Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi
product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat
digunakan rumus
rxy =( )( )
( )( ) ( )( )sum sumsum sumsumsum sum
minusminus
minus2222
YY NXX N
YXXY N
Keterangan
rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan
Paired Samples Statistics
406 108 600 058
239 108 884 085
PRDTRAD
PRDMOD
Pair
1
Mean N Std Deviation
Std Error
Mean
Paired Samples Correlations
108 128 186PRDTRAD amp PRDMODPair 1
N Correlation Sig
Paired Samples Test
168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1
MeanStd
Deviation
Std
Error Mean Lower Upper
95 Confidence
Interval of the
Difference
Paired Differences
t df Sig
(2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 1
BAB I
PENDAHULUAN
A LATAR BELAKANG
Dalam banyak kasus orang sering enggan menyelesaikan permasalahan-permasalahan
yang berkaitan dengan statistika Hal ini terjadi karena secara umum orang mengetahui bahwa
statistika adalah ilmu yang sulit dan penuh rumus-rumus matematika yang tidak mudah
dipahami Namun kita tidak bisa memungkiri dan telah mengetahui bersama bahwa statistika
merupakan salah satu ilmu yang banyak digunakan dan dibutuhkan dalam penelitian
pengambilan keputusan dan penentuan kebijakan yang berbasis data dan fakta sebagai
informasi di berbagai bidang Oleh karena itu para peneliti mau tidak mau harus memahami
statistika walaupun tidak melalui pemodelan dasar matematikanya tetapi menguasai ciri dan
karakteristik serta persyaratan cukup dari penggunaan metode-metode statistik yang dibarengioleh penguasaan pengetahuan struktur data setiap metode pada paket program statistika yang
memfasilitasinya
Kini permasalahan-permasalahan statistika bukan suatu masalah rumit karena seiring
dengan perkembangan teknologi komputer pekerjaan statistik sangat terbantu dengan adanya
program aplikasi komputer untuk statistik yang kini sudah banyak dipasarkan Komputer sangat
membantu membantu pekerjaan statistik terutama dalam melakukan perhitungan statistik yang
menggunakan rumus-rumus matematika yang rumit dan banyak data SPSS merupakan salah
satu program aplikasi untuk analisis statistik yang sudah cukup diakui
B PENGANTAR STATISTIKA
Dengan merujuk pada definisi tersebut maka peranan statistika dapat diilustrasikan seperti padabagan berikut
Gambar 11 Peranan Statistika dalam proses penelitian
Statistika adalah Ilmu dan atau seni yang berkaitan dengan tata cara (metode) pengumpulan data analisis data dan interpretasi hasil analisis untuk mendapatkaninformasi sebagai landasan di dalam pengambilan keputusan dan penarikan kesimpulan
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 322
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 2
Ciri pokok statistika adalah merupakan pendekatan kuantitatif yaitu menghendaki data bersifat
numerik Sehingga data kualitatif harus dirubah ke bentuk numerik (dengan cara memberikan
skor)
Statistika merupakan alat yang memberikan obyektivitas dan ketelitian pengamatan dan
keuntungan berpikir statistika adalah
Lebih mementingkan fakta dari pada konsep (teori) yang bersifat abstrak ataupun
prasangkaperasaan
Tidak mengekspresikan fakta ke dalam perasaan atau ide Menggunakan gambaran yang
diturunkan dari hasil pengamatan (data) spesifik
Di dalam hasil pengamatan terdapat variasi yang merupakan bagian yang tersembunyi dan
mencari bagian tersembunyi ini merupakan tujuan puncak pengamatan
D VARIABEL PENELITIAN
Sebelum ke pembahasan lebih lanjut agar memiliki persepsi yang sama maka akan
diuraikan pengertian tentang variabel dan data Untuk mempermudah memahami pengertian
variabel dan data perhatikan ilustrasi pada Tabel 11 berikut
Tabel 11 Beberapa obyek penelitian sifat-sifat yang dimiliki dan datanya
Obyek Karakteristik Hasil amatan
Petani
Perusahaan A
Puskesmas
- Agama- Umur- Pendidikan
- Modal- Aset- Bentuk
- Kinerja Manajerial- Kepuasan Pasien- Kepuasan Karyawan
- Islam- 50 tahun- SLTA
- Satu milyar Rp- 12 milyad Rp- Perorangan
- Skala Likert- Skala Likert- Skala Likert
Di dalam statistikadisebut
Obyek kajian
Karakteristik yang relevandengan permaslahan
Variabel atau peubahTunggal = Datum Jamak = Data
Merujuk pada tabel di atas variabel dapat didefinisikan sebagai karakteristik atau sifat dari
obyek kajian yang mana data diamati atau diukur atau dicacah dari padanya Namun demikian
tidak semua karakteristik yang melekat pada suatu obyek mesti merupakan variabel penelitian
akan tetapi hanyalah karakteristik yang mempunyai relevansi dengan permasalahan penelitian
disebut variabel
Ditinjau dari keberadaan keterkaitan dan struktur pengaruhnya di dalam hipotesis
(permasalahan) penelitian variabel dapat dibedakan menjadi intraneous dan extraneous
variables Intraneous variables adalah variabel yang tercakup di dalam hipotesis penelitian
Sedangkan extraneous variables adalah variabel yang tidak tercakup di dalam hipotesispenelitian akan tetapi memiliki kontribusi pengaruh terhadap variabel dependen
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 3
Intraneous variables meliputi
(1) Variabel tergantung (dependent variables ) adalah suatu variabel yang tercakup di
dalam hipotesis penelitian yang keragamannya (variabilitasnya) ditentukan atau
tergantung atau dipengaruhi oleh variabel lainnya
(2) Variabel bebas (independent variables ) adalah suatu variabel tercakup di dalam hipotesis
penelitian yang keragamannya sebagai akibat dari manipulasi atau intervensi
peneliti atau merupakan suatu keadaan atau kondisi atau fenomena yang ingin
diselidiki diteliti atau dikaji Variabel ini mempengaruhi variabel tergantung
(3) Variabel antara atau variabel intervening (intervene variables ) adalah variabel yang
bersifat menjadi perantara (mediating ) dari hubungan variabel bebas ke variabel
tergantung Sifatnya dapat memperlemah atau memperkuat hubungan antara variabel
bebas dengan variabel tergantung
(4) Variabel Moderator adalah variabel yang bersifat memperkuat atau memperlemahpengaruh variabel bebas terhadap variabel tergantung
Extraneous variables meliputi
(1) Variabel pembaur (confounding variables ) adalah suatu variabel dalam penelitian yang
tidak tercakup dalam hipotesis penelitian akan tetapi muncul dalam penelitian dan
berpengaruh terhadap variabel tergantung Pengaruhnya mencampuri atau berbaur dengan
variabel bebas Suatu penelitian biasanya ingin mengetahui pengaruh variabel bebas
terhadap variabel tergantung yang tentunya pengaruh tersebut harus terbebas dari
berbaurnya pengaruh variabel-variabel lain
(2) Variabel kendali (control variables ) adalah variabel pembaur (cofounding ) yang
pengaruhnya dapat dikendalikan Pengendalian dapat diakukan dengan cara blocking yaitu
mengelompokkan obyek penelitian menjadi kelompok-kelompok yang relatif homogen Cra
kedua adalah melalui kriteria ekalusi-inklusi yaitu mengeluarkan obyek yang tidak memenuhi
kriteria (ekslusi) dan mengambil obyek yang memenuhi kriteria untuk diikutkan dalam sampel
penelitian (inklusi)
(3) Variabel penyerta (concomitant variables ) adalah variabel pembaur (cofounding ) yang
tidak dapat dikendalikan sehingga tetap menyertai (terikut) dalam proses penelitian
Konsekuensinya data tersebut harus diamati Pengaruh baurnya dihilangkan (dieliminasi)
pada tahap analisis data misalnya dengan ANCOVA atau MANCOVA
Bilamana variabel penelitian telah ditentukan kemudian harus dibuat definisi operasional
variabel secara tegas dan tajam dengan merujuk pada teori dan konsep yang relevan Langkah
berikutnya data collecting dapat dilakukan
Suatu penelitian dapat memiliki seluruh jenis variabel tersebut atau hanya memiliki
sebagian saja Terlibatnya seluruh variabel atau tidak membawa konsekuensi terhadap metode
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 4
analisis data yang akan digunakan Dengan kata lain perlu dilakukan pemilihan metode
analisis yang tepat sehubungan dengan jenis dan jumlah variabel yang akan dianalisis
E DATA PENELITIAN
D a t a adalah bentuk jamak dari kata datum (Bahasa Latin) yang artinya kurnia atau
pemberian atau penyajian Dalam kontek statistika data diartikan sebagai berikut
Data adalah kumpulan angka fakta fenomena atau keadaan atau lainnya yang merupakan hasil
pengamatan pengukuran atau pencacahan dan sebagainya terhadap variabel dari suatu obyek
kajian yang berfungsi dapat digunakan untuk membedakan obyek yang satu dengan lainnya
pada variabel yang sama
a) Jenis data berdasarkan sifat kekontinyuannyaBerdasarkan sifat kekontinyuannya data hasil pengamatan dapat dibedakan menjadi
data diskrit dan kontinyu
(1) Data diskrit adalah data yang hanya dapat menempati titik-titik tertentu pada sebuah garis
Misal jumlah anak = 0 1 2 3 4 5 6
0 1 2 3 4--+-------+--------+--------+--------+--------+--
(hanya dapat menempati +)
(2) Data kontinyu adalah data yang dapat menempati seluruh titik pada sebuah garis Misal
Data Pendapatan Per Kapita Per Bulan = 150 ribu rupiah sampai dengan 2 juta rupiah
++++++++++++++++++++++++++++++++++
150 ribu rupiah 2 juta rupiah
(seluruh titik dapat ditempati data pendapatan)
b) Jenis Data Berdasarkan Skala Ukurnya
Berdasarkan skala ukurnya data dapat dibedakan menjadi data nominal ordinal interval dan
ratio
(1) Data nominal adalah data yang hanya mengandung unsur penamaan (Bahasa Latin nomos =
nama) Misal
Bntuk Perusahaan Skor yang mungkin
PT 1 3 2CV 2 2 1
Perorangan 3 1 3
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 5
Statistika adalah pendekatan kuantitatif sehingga data nominal yang bersifat kualitatif harus
dirubah menjadi bentuk numerik dengan cara pemberian skor (skoring)
Perhatikan pemberian skor data nominal bersifat sembarang yaitu hanya sekedar untuk dapat
membedakan (penamaan saja) sehingga dapat dibolak-balik
(2) Data ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur urutan
(order = urutan) Misal
Sikap Skor yang mungkin
Sangat setuju 4 1Setuju 3 2Kurang setuju 2 3Tidak setuju 1 4
Perhatikan dengan seksama pembuatan skor antara data nominal dan ordinal dimana untuk data
nominal skor tersebut dapat dibuat sembarang yaitu hanya sekedar dapat mebedakan Akan
tetapi untuk data ordinal urutan angka dalam skor menunjukkan arah tingkatan Pada data
ordinal ini interval (selang)-nya tidak mempunyai arti (tidak bermakna) misalnya selisih antara
skor 4 dengan 2 adalah 2 dan selisih antara 3 dengan 1 adalah 2 yang mana 2 dengan 2 arti
dan maknanya tidak sama
(3) Data interval adalah data yang selain mengandung unsur penamaan dan urutan juga memiliki
sifat interval (selang)-nya bermakna Di samping itu data ini memiliki ciri angka nol-nya tidak
mutlak Misal
Indeks Prestasi Suhu (oC) IHK
0 0 1001 10 1152 20 1203 30 1204 40 140
Perhatikan bahwa 0 pada Indeks Prestasi barangkali akan setara dengan lt 30 untuk skala nilai 1
ndash 100 dan 0 pada suhu dengan derajat Celcius = 32 oF Ratio dari data ini tidak memiliki
makna misal IP 4 bukan berarti pintarnya sama dengan dua kali IP 2 demikian halnya suhu 40 o
C bukan berarti panasnya frac12 dari suhu 80o C
(4) Data ratio adalah data yang memiliki unsur penamaan urutan intervalnya bermakna dan angka
nolnya mutlak sehingga rationya mempunyai makna Misal
Pendapatan($)
Panjang Jalan(km)
21 12045 14070 160
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 6
Disebut nol-nya mutlak sebab memang tidak akan ada benda (jalan) yang panjangnya nol
kilometer Pendapatan 0 berarti tidak menghasilkan pendapatan sama sekali
Jika kedua klasifikasi data tersebut dikombinasikan maka akan diperoleh seperti pada Tabel 12
sebagai berikut
Tabel 12 Kaitan antara skala ukur data dengan sifat kekontinyuannya
DISKRIT KONTINYU
NOMINAL V
ORDINAL V
INTERVAL V V
RATIO V V
Keterangan V = bersesuaian
F Taraf Nyata (αααα) dan p-value
Taraf nyata αααα adalah peluang menolak Ho yang pada hakekanya benar disebut peluang salah
jenis tipe I
αααα = P(Ho ditolak Ho benar)
Secara pragmatis alpha didefinisikan sebagai resiko salah dalam penarikan kesimpulan penelitian
Dengan memperkecil αααα berarti memperkecil resiko salah dalam penarikan kesimpulan Hal ini
dapat ditempuh dengan jalan memperkecil kesalahan (ketidakpastian) dalam setiap langkah
rangkaian analisis data inferensial Untuk memahami lebih lanjut mengenai αααα dapat diperhatikan
ilustarasi di bawah ini
Pelaksanaan pelatihan terhadap karyawan diharapkan dapat meningkatkan kinerjanya Untuk itu
dilakukan penelitian dengan mengajukan hipotesis statistika
Ho microb = micros lawan
H1 microb lt micros
Dalam hal ini microb = kinerja sebelum dilakukan pelatihan dan micros = kinerja sesudah dilakuan pelatihan
Katakanlah hasil pengujian cukup bermakna dengan p = 0027 Interpretasi Pelatihan dapatmeningkatkan kinerja karyawan Dimana kesimpulan tersebut mengandung resiko salah sebesar 27
Arti pragmatisnya Seandainya akan dilakukan pelatihan terhadap 1000 karyawan maka
berdasarkan hasil penelitian tersebut dimungkinkan 27 orang kinerjanya tidak meningkat
Perbedaan antara α dengan p-value
Besarnya α ditetukan berdasarkan konvensi (kesepakatan) para ahli yaitu 1 untuk penelitian
yang sifatnya kritis dan 5 untuk yang kurang kritis Nilai (titik) kritis beberapa statistik uji
misalnya t F Z dan χ2 pada alpha 1 5 atau 10 telah dihitung dan di tabelkan Sehingga
pengguna statistika tidak perlu sulit-sulit menghitungnya sendiri Hal ini dilatarbelakangi oleh kendala
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 7
sulitnya prosedur perhitungan tersebut terutama sebelum berkembangnya komputer Untuk jelasnya
perhatikan uraian berikut Untuk menghitung atau p pada statistik t dengan nilai thitung = 2288 pada
derajat bebas (db) = 10 adalah
( ) ( )
005t1
10210
21
12
1102
2882
=+
Β
int+
minus+infin
dt
dalam hal ini B(____) adalah fungsi Beta Dengan kata lain untuk thit = 2288 dengan db=10
diperoleh p = 005 atau dengan α = 005 dan db=10 diperoleh ttabel = 2288
Oleh karena itu sebelum komputer berkembang para ahli menggunakan mesin hitung yang
telah ada untuk menghitung permasalahan tersebut dan hasilnya dituangkan dalam Tabel Kaidah
pengujiannya adalah jika thit gt ttabel pada α tertentu maka tolak Ho dan sebaliknya Kelemahannya
adalah tidak bisa memberikan informasi resiko salah secara eksak Jadi seandainya p yang
sebenarnya = 0017 dan pada uji konvensional digunakan α = 005 maka resiko salah dalam
penarikan kesimpulan adalah 5 yang sebenarnya secara eksak adalah 17
Dengan berkembangnya komputer perhitungan nilai p untuk beberapa statistik uji dapat
dengan mudah dan cepat dilakukan Umumnya dinyatakan dalam notasi p-value atau p saja atau
Sig (di SPSS) Dengan demikian dapat dikatakan bahwa p adalah berupa signifikansi aktual
sedangkan alpha adalah signifikansi batas Berdasarkan taraf uji aktual yang merujuk pada p-value
maka keputusan uji hipotesis akan berbunyi
Tolak H 0 (bermakna) dengan resiko salah sebesar p x 100
Mengenai berapa besar nilai p yang masih dapat ditolerir sangat tergantung dari tingkat kekritisan
penelitian dan kepentingan pengguna hasil penelitian
Berdasarkan uraian tersebut dapat dikatakan bahwa kesimpulan yang ditarik berdasarkan uji
statistik tidak pernah bersifat benar mutlak Misal jika pengujian secara statistik mendapatkan
bahwa obat O dapat menyembuhkan penyakit S dengan p = 002 maka tidak semua penderita
penyakit S yang diobati O pasti sembuh akan tetapi dimungkinkan 98 sembuh dan 2 tidak
sembuh Oleh karena itu kesimpulan statistika tidak pernah dogmatis
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
A STATISTIKA DISKRIPTIF
Statistika diskriptif mer
deskripsi (gambaran) data sehin
sajian yang lebih menarik Ada
pie chart boxplot (dalam bentuk
Buka data SPSS deskriptif D
mempengaruhi pembelian kart
responden yang diambil sebagai
- usia adalah usia responden
- kusia adalah kelompok usi
- pddk adalah tingkat pendidi
- lama adalah lama penggun
- klama adalah kelompok la
- phsl adalah penghasilanbul
- kphsl adalah kelompok pen
- jangkau adalah penilaian r
kurang luas)
- signal adalah penilaian resp
kurang kuat)
- suara adalah penilaian resp
baik)
Histogram
Misalkan kita ingin membuat his
Pilih menu Graph gt Histogram
Lalu isi Variable phsl hidupka
983138 983090983088983088983096
P a g e | 8
BAB II
STATISTIKA DESKRIPTIF
upakan bagian statistika yang membahas te
gga informasi yang terkandung dalam data mu
beberapa cara mendeskriptifkan data antara lai
grafik) dan cara mengukur dengan nilai rata-rat
ata tersebut adalah hasil penelitian mengenai
Mentari pada PT Satelit Palapa Indonesia
sampel Adapun data dalam worksheet adalah s
responden (15-25 tahun 25-34 tahun 35-43 ta
an responden (SLTP SMU Sarjana)
an kartu Mentari (dalam bulan)
a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun
an responden (dalam juta rupiah)
ghasilan responden (lt1juta 1-15juta 15-2juta
sponden terhadap daya jangkau (sangat luas l
onden terhadap kekuatan signal (sangat kuat k
nden terhadap kualitas suara (sangat baik baik
ogram data penghasilan responden
display normal curve tekan OK
tang penataan dan
ah dipahami dengan
dengan histogram
variance dll
analisis faktor yang
Surabaya dari 100
bagai berikut
hun)
gt3 tahun)
gt2juta)
uas cukup luas dan
uat cukup kuat dan
cukup baik kurang
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
Pie Chart
Misalkan kita ingin membuat pie
Pilih menu Graph gt Pie
Pilih Summary for groups of c
Kemudian masukkan define sli
Box Plot
Misalkan kita ingin membuat Bo
Pilih menu Graph gt Boxplot
Pilih Summaries of Separate
Kemudian masukkan Boxes Re
Deskriptif Ukur
Misalkan kita ingin membuat sta
Pilih menu Analyze gt Descript
Kemudian masukkan variables
hidupkan range lalu OK
983138 983090983088983088983096
P a g e | 9
chart data pendidikan responden
ases lalu define
es pddk tekan OK
Plot data lama penggunaan kartu mentari oleh
Variables lalu define
resent lama tekan OK
istika deskriptif data usia responden
ive Statistics gt Descriptive
usia tekan option dan pilih statistik yang
esponden
ibutuhkan misalkan
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 10
Deskriptif Frekuensi
Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau
kekuatan signal dan kualitas suara kartu Mentari
Pilih menu Analyze gt Descriptive Statistics gt Frequencies
Kemudian masukkan variables jangkau tekan OK
Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan
cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya
B STATISTIKA INFERENSIAL
Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika
(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk
menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat
diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk
menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti
terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu
statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika
inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat
data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik
bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya
tak normal walaupun dengan transformasi
1 Uji Kenormalan
Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran
normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya
Descriptive Statistics
100 28 15 43 2538 7663
100
USIA
Valid N (listwise)
N Range Minimum Maximum Mean Std Deviation
JANGKAU
26 260 260 260
46 460 460 720
19 190 190 910
9 90 90 1000
100 1000 1000
kurang luas
cukup luas
luas
sangat luas
Total
ValidFrequency Percent Valid Percent
Cumulative
Percent
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 11
adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang
diamati tidak normal
Contoh menggunakan data penghasilan responden pada data deskriptif
Apakah data penghasilan responden menyebar normal
Pilih menu Analyze gt Descriptive Statistics gt Explore
Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with
test continue dan OK
Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi
bahwa data penghasilan mempunyai sebaran normal karena
sig gt α (0106 gt 005)
2 Statistika Inferensi parametrik untuk 1 Populasi
Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai
dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak
diketahui dari data yang mempunyai sebaran normal
Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan
seluruh pelanggan kartu Mentari sebesar 1 juta
Hipotesis
Ho micro = 1 juta
lawan
H1 micro ne 1 juta
Maka statistik ujinya adalah
nsxt test microminus=
Selang kepercayaannya
αminus=+ltmicroltminus 1)ntsxntsx(P
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
i
1n
)xx(s
Tests of Normality
081 100 106 972 100 032PHSL
Statistic df Sig Statistic df Sig
Kolmogorov-Smirnova
Shapiro-Wilk
Lilliefors Significance Correctiona
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1322
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 12
Cara melakukan analisis dengan SPSS adalah sbb
Pilih menu Analyze gt Compare Means gt One sample T test
Kemudian masukkan Test variable phsl Test value 1 tekan OK
Hasil SPSS ini berarti
Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value
sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-
rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta
C Statistika inferensi parametrik untuk 2 populasi
C1 Dua populasi bebas (Independent )
Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai
karakteristik yang berbeda
Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan
penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas
kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)
menggunakan metode pola latihan SQ3R
Statistik uji dan hipotesisnya adalah
H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2
Uji statistiknya - Untuk ragam kedua populasi sama
)n
1
n
1(s
xxt
21
2
gab
21
test
+
minus=
2nn
s)1n(s)1n(s
21
2
22
2
112
gab minus+
minus+minus=
- Untuk ragam kedua populasi berbeda
)n
s
n
s
(
xxt
2
2
2
1
2
1
21
test
+
minus=
One-Sample Statistics
100 1501 5544 0554PHSL
N Mean Std Deviation
Std Error
Mean
One-Sample Test
9037 99 000 501 391 611PHSL
t df Sig (2-tailed)
Mean
Difference Lower Upper
95 Confidence
Interval of the
Difference
Test Value = 1
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 13
- Selang kepercayaan untuk ragam kedua populasi sama
αminus=++minusltmicrominusmicrolt+minusminus 1)
n
1
n
1(st)xx(
n
1
n
1(st)xx((P
21
2
gab2121
21
2
gab21
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)
- Selang kepercayaan untuk ragam kedua populasi berbeda
αminus=++minusltmicrominusmicrolt+minusminus 1)n
s
n
st)xx(
n
s
n
st)xx((P
2
2
2
1
2
12121
2
2
2
1
2
121
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar
2
)1n(
)ns(
)1n(
)ns(
)nsns(v
2
2
2
2
2
1
2
1
2
1
2
2
2
21
2
1 minus
+++
+=
Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005
Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun
kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas
pertama (kelas biasa) atau kelas kedua (kelas sq3r)
Cara melakukan analisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Compare Means gt Independent samples T test
Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK
Group Statistics
30 581973 534223 97535
30 756117 405790 74087
KELAS
biasa
sq3r
NILAI
N Mean Std Deviation
Std Error
Mean
Independent Samples Test
620 434 -142 58 000 -174143 122483 -1987 -1496
-142 54 000 -174143 122483 -1987 -1496
Equal variances
assumed
Equal variances
not assumed
NILAI
F Sig
LevenesTest for
Equality of
Variances
t df
Sig
(2-tailed)
Mean
Difference
Std Error
Difference Lower Upper
95
Confidence
Interval of the
Difference
t-test for Equality of Means
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 14
Hasil SPSS berarti
Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil
pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)
sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama
Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)
diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat
perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen
lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa
C2 Dua populasi dependen (dua populasi berpasangan)
Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara
berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu
data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen
(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara
mengamatinya secara berpasang-pasangan
Statistik uji dan hipotesisnya sebagai berikut
H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB
Statistik ujinya
ns
Dt
Dtest
=
di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya
αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
iD
1n
)DD(s
Contoh
Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi
konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD
Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data
hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan
plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)
Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan
makanan modern
Pilih menu Analyze gt Compare Means gt Paired-samples T tes
Kemudian masukkan Paired variable prdtra dan prdmod tekan OK
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 15
Hasil SPSS ini berarti
Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =
klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi
tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat
perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern
D Uji Instrumentasi Penelitian
Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat
pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan
uji instrumentasi yaitu uji validitas dan reliabilitas
D1 Uji Validitas
Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil
penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti
Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi
product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat
digunakan rumus
rxy =( )( )
( )( ) ( )( )sum sumsum sumsumsum sum
minusminus
minus2222
YY NXX N
YXXY N
Keterangan
rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan
Paired Samples Statistics
406 108 600 058
239 108 884 085
PRDTRAD
PRDMOD
Pair
1
Mean N Std Deviation
Std Error
Mean
Paired Samples Correlations
108 128 186PRDTRAD amp PRDMODPair 1
N Correlation Sig
Paired Samples Test
168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1
MeanStd
Deviation
Std
Error Mean Lower Upper
95 Confidence
Interval of the
Difference
Paired Differences
t df Sig
(2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 322
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 2
Ciri pokok statistika adalah merupakan pendekatan kuantitatif yaitu menghendaki data bersifat
numerik Sehingga data kualitatif harus dirubah ke bentuk numerik (dengan cara memberikan
skor)
Statistika merupakan alat yang memberikan obyektivitas dan ketelitian pengamatan dan
keuntungan berpikir statistika adalah
Lebih mementingkan fakta dari pada konsep (teori) yang bersifat abstrak ataupun
prasangkaperasaan
Tidak mengekspresikan fakta ke dalam perasaan atau ide Menggunakan gambaran yang
diturunkan dari hasil pengamatan (data) spesifik
Di dalam hasil pengamatan terdapat variasi yang merupakan bagian yang tersembunyi dan
mencari bagian tersembunyi ini merupakan tujuan puncak pengamatan
D VARIABEL PENELITIAN
Sebelum ke pembahasan lebih lanjut agar memiliki persepsi yang sama maka akan
diuraikan pengertian tentang variabel dan data Untuk mempermudah memahami pengertian
variabel dan data perhatikan ilustrasi pada Tabel 11 berikut
Tabel 11 Beberapa obyek penelitian sifat-sifat yang dimiliki dan datanya
Obyek Karakteristik Hasil amatan
Petani
Perusahaan A
Puskesmas
- Agama- Umur- Pendidikan
- Modal- Aset- Bentuk
- Kinerja Manajerial- Kepuasan Pasien- Kepuasan Karyawan
- Islam- 50 tahun- SLTA
- Satu milyar Rp- 12 milyad Rp- Perorangan
- Skala Likert- Skala Likert- Skala Likert
Di dalam statistikadisebut
Obyek kajian
Karakteristik yang relevandengan permaslahan
Variabel atau peubahTunggal = Datum Jamak = Data
Merujuk pada tabel di atas variabel dapat didefinisikan sebagai karakteristik atau sifat dari
obyek kajian yang mana data diamati atau diukur atau dicacah dari padanya Namun demikian
tidak semua karakteristik yang melekat pada suatu obyek mesti merupakan variabel penelitian
akan tetapi hanyalah karakteristik yang mempunyai relevansi dengan permasalahan penelitian
disebut variabel
Ditinjau dari keberadaan keterkaitan dan struktur pengaruhnya di dalam hipotesis
(permasalahan) penelitian variabel dapat dibedakan menjadi intraneous dan extraneous
variables Intraneous variables adalah variabel yang tercakup di dalam hipotesis penelitian
Sedangkan extraneous variables adalah variabel yang tidak tercakup di dalam hipotesispenelitian akan tetapi memiliki kontribusi pengaruh terhadap variabel dependen
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 3
Intraneous variables meliputi
(1) Variabel tergantung (dependent variables ) adalah suatu variabel yang tercakup di
dalam hipotesis penelitian yang keragamannya (variabilitasnya) ditentukan atau
tergantung atau dipengaruhi oleh variabel lainnya
(2) Variabel bebas (independent variables ) adalah suatu variabel tercakup di dalam hipotesis
penelitian yang keragamannya sebagai akibat dari manipulasi atau intervensi
peneliti atau merupakan suatu keadaan atau kondisi atau fenomena yang ingin
diselidiki diteliti atau dikaji Variabel ini mempengaruhi variabel tergantung
(3) Variabel antara atau variabel intervening (intervene variables ) adalah variabel yang
bersifat menjadi perantara (mediating ) dari hubungan variabel bebas ke variabel
tergantung Sifatnya dapat memperlemah atau memperkuat hubungan antara variabel
bebas dengan variabel tergantung
(4) Variabel Moderator adalah variabel yang bersifat memperkuat atau memperlemahpengaruh variabel bebas terhadap variabel tergantung
Extraneous variables meliputi
(1) Variabel pembaur (confounding variables ) adalah suatu variabel dalam penelitian yang
tidak tercakup dalam hipotesis penelitian akan tetapi muncul dalam penelitian dan
berpengaruh terhadap variabel tergantung Pengaruhnya mencampuri atau berbaur dengan
variabel bebas Suatu penelitian biasanya ingin mengetahui pengaruh variabel bebas
terhadap variabel tergantung yang tentunya pengaruh tersebut harus terbebas dari
berbaurnya pengaruh variabel-variabel lain
(2) Variabel kendali (control variables ) adalah variabel pembaur (cofounding ) yang
pengaruhnya dapat dikendalikan Pengendalian dapat diakukan dengan cara blocking yaitu
mengelompokkan obyek penelitian menjadi kelompok-kelompok yang relatif homogen Cra
kedua adalah melalui kriteria ekalusi-inklusi yaitu mengeluarkan obyek yang tidak memenuhi
kriteria (ekslusi) dan mengambil obyek yang memenuhi kriteria untuk diikutkan dalam sampel
penelitian (inklusi)
(3) Variabel penyerta (concomitant variables ) adalah variabel pembaur (cofounding ) yang
tidak dapat dikendalikan sehingga tetap menyertai (terikut) dalam proses penelitian
Konsekuensinya data tersebut harus diamati Pengaruh baurnya dihilangkan (dieliminasi)
pada tahap analisis data misalnya dengan ANCOVA atau MANCOVA
Bilamana variabel penelitian telah ditentukan kemudian harus dibuat definisi operasional
variabel secara tegas dan tajam dengan merujuk pada teori dan konsep yang relevan Langkah
berikutnya data collecting dapat dilakukan
Suatu penelitian dapat memiliki seluruh jenis variabel tersebut atau hanya memiliki
sebagian saja Terlibatnya seluruh variabel atau tidak membawa konsekuensi terhadap metode
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 4
analisis data yang akan digunakan Dengan kata lain perlu dilakukan pemilihan metode
analisis yang tepat sehubungan dengan jenis dan jumlah variabel yang akan dianalisis
E DATA PENELITIAN
D a t a adalah bentuk jamak dari kata datum (Bahasa Latin) yang artinya kurnia atau
pemberian atau penyajian Dalam kontek statistika data diartikan sebagai berikut
Data adalah kumpulan angka fakta fenomena atau keadaan atau lainnya yang merupakan hasil
pengamatan pengukuran atau pencacahan dan sebagainya terhadap variabel dari suatu obyek
kajian yang berfungsi dapat digunakan untuk membedakan obyek yang satu dengan lainnya
pada variabel yang sama
a) Jenis data berdasarkan sifat kekontinyuannyaBerdasarkan sifat kekontinyuannya data hasil pengamatan dapat dibedakan menjadi
data diskrit dan kontinyu
(1) Data diskrit adalah data yang hanya dapat menempati titik-titik tertentu pada sebuah garis
Misal jumlah anak = 0 1 2 3 4 5 6
0 1 2 3 4--+-------+--------+--------+--------+--------+--
(hanya dapat menempati +)
(2) Data kontinyu adalah data yang dapat menempati seluruh titik pada sebuah garis Misal
Data Pendapatan Per Kapita Per Bulan = 150 ribu rupiah sampai dengan 2 juta rupiah
++++++++++++++++++++++++++++++++++
150 ribu rupiah 2 juta rupiah
(seluruh titik dapat ditempati data pendapatan)
b) Jenis Data Berdasarkan Skala Ukurnya
Berdasarkan skala ukurnya data dapat dibedakan menjadi data nominal ordinal interval dan
ratio
(1) Data nominal adalah data yang hanya mengandung unsur penamaan (Bahasa Latin nomos =
nama) Misal
Bntuk Perusahaan Skor yang mungkin
PT 1 3 2CV 2 2 1
Perorangan 3 1 3
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 5
Statistika adalah pendekatan kuantitatif sehingga data nominal yang bersifat kualitatif harus
dirubah menjadi bentuk numerik dengan cara pemberian skor (skoring)
Perhatikan pemberian skor data nominal bersifat sembarang yaitu hanya sekedar untuk dapat
membedakan (penamaan saja) sehingga dapat dibolak-balik
(2) Data ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur urutan
(order = urutan) Misal
Sikap Skor yang mungkin
Sangat setuju 4 1Setuju 3 2Kurang setuju 2 3Tidak setuju 1 4
Perhatikan dengan seksama pembuatan skor antara data nominal dan ordinal dimana untuk data
nominal skor tersebut dapat dibuat sembarang yaitu hanya sekedar dapat mebedakan Akan
tetapi untuk data ordinal urutan angka dalam skor menunjukkan arah tingkatan Pada data
ordinal ini interval (selang)-nya tidak mempunyai arti (tidak bermakna) misalnya selisih antara
skor 4 dengan 2 adalah 2 dan selisih antara 3 dengan 1 adalah 2 yang mana 2 dengan 2 arti
dan maknanya tidak sama
(3) Data interval adalah data yang selain mengandung unsur penamaan dan urutan juga memiliki
sifat interval (selang)-nya bermakna Di samping itu data ini memiliki ciri angka nol-nya tidak
mutlak Misal
Indeks Prestasi Suhu (oC) IHK
0 0 1001 10 1152 20 1203 30 1204 40 140
Perhatikan bahwa 0 pada Indeks Prestasi barangkali akan setara dengan lt 30 untuk skala nilai 1
ndash 100 dan 0 pada suhu dengan derajat Celcius = 32 oF Ratio dari data ini tidak memiliki
makna misal IP 4 bukan berarti pintarnya sama dengan dua kali IP 2 demikian halnya suhu 40 o
C bukan berarti panasnya frac12 dari suhu 80o C
(4) Data ratio adalah data yang memiliki unsur penamaan urutan intervalnya bermakna dan angka
nolnya mutlak sehingga rationya mempunyai makna Misal
Pendapatan($)
Panjang Jalan(km)
21 12045 14070 160
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 6
Disebut nol-nya mutlak sebab memang tidak akan ada benda (jalan) yang panjangnya nol
kilometer Pendapatan 0 berarti tidak menghasilkan pendapatan sama sekali
Jika kedua klasifikasi data tersebut dikombinasikan maka akan diperoleh seperti pada Tabel 12
sebagai berikut
Tabel 12 Kaitan antara skala ukur data dengan sifat kekontinyuannya
DISKRIT KONTINYU
NOMINAL V
ORDINAL V
INTERVAL V V
RATIO V V
Keterangan V = bersesuaian
F Taraf Nyata (αααα) dan p-value
Taraf nyata αααα adalah peluang menolak Ho yang pada hakekanya benar disebut peluang salah
jenis tipe I
αααα = P(Ho ditolak Ho benar)
Secara pragmatis alpha didefinisikan sebagai resiko salah dalam penarikan kesimpulan penelitian
Dengan memperkecil αααα berarti memperkecil resiko salah dalam penarikan kesimpulan Hal ini
dapat ditempuh dengan jalan memperkecil kesalahan (ketidakpastian) dalam setiap langkah
rangkaian analisis data inferensial Untuk memahami lebih lanjut mengenai αααα dapat diperhatikan
ilustarasi di bawah ini
Pelaksanaan pelatihan terhadap karyawan diharapkan dapat meningkatkan kinerjanya Untuk itu
dilakukan penelitian dengan mengajukan hipotesis statistika
Ho microb = micros lawan
H1 microb lt micros
Dalam hal ini microb = kinerja sebelum dilakukan pelatihan dan micros = kinerja sesudah dilakuan pelatihan
Katakanlah hasil pengujian cukup bermakna dengan p = 0027 Interpretasi Pelatihan dapatmeningkatkan kinerja karyawan Dimana kesimpulan tersebut mengandung resiko salah sebesar 27
Arti pragmatisnya Seandainya akan dilakukan pelatihan terhadap 1000 karyawan maka
berdasarkan hasil penelitian tersebut dimungkinkan 27 orang kinerjanya tidak meningkat
Perbedaan antara α dengan p-value
Besarnya α ditetukan berdasarkan konvensi (kesepakatan) para ahli yaitu 1 untuk penelitian
yang sifatnya kritis dan 5 untuk yang kurang kritis Nilai (titik) kritis beberapa statistik uji
misalnya t F Z dan χ2 pada alpha 1 5 atau 10 telah dihitung dan di tabelkan Sehingga
pengguna statistika tidak perlu sulit-sulit menghitungnya sendiri Hal ini dilatarbelakangi oleh kendala
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 7
sulitnya prosedur perhitungan tersebut terutama sebelum berkembangnya komputer Untuk jelasnya
perhatikan uraian berikut Untuk menghitung atau p pada statistik t dengan nilai thitung = 2288 pada
derajat bebas (db) = 10 adalah
( ) ( )
005t1
10210
21
12
1102
2882
=+
Β
int+
minus+infin
dt
dalam hal ini B(____) adalah fungsi Beta Dengan kata lain untuk thit = 2288 dengan db=10
diperoleh p = 005 atau dengan α = 005 dan db=10 diperoleh ttabel = 2288
Oleh karena itu sebelum komputer berkembang para ahli menggunakan mesin hitung yang
telah ada untuk menghitung permasalahan tersebut dan hasilnya dituangkan dalam Tabel Kaidah
pengujiannya adalah jika thit gt ttabel pada α tertentu maka tolak Ho dan sebaliknya Kelemahannya
adalah tidak bisa memberikan informasi resiko salah secara eksak Jadi seandainya p yang
sebenarnya = 0017 dan pada uji konvensional digunakan α = 005 maka resiko salah dalam
penarikan kesimpulan adalah 5 yang sebenarnya secara eksak adalah 17
Dengan berkembangnya komputer perhitungan nilai p untuk beberapa statistik uji dapat
dengan mudah dan cepat dilakukan Umumnya dinyatakan dalam notasi p-value atau p saja atau
Sig (di SPSS) Dengan demikian dapat dikatakan bahwa p adalah berupa signifikansi aktual
sedangkan alpha adalah signifikansi batas Berdasarkan taraf uji aktual yang merujuk pada p-value
maka keputusan uji hipotesis akan berbunyi
Tolak H 0 (bermakna) dengan resiko salah sebesar p x 100
Mengenai berapa besar nilai p yang masih dapat ditolerir sangat tergantung dari tingkat kekritisan
penelitian dan kepentingan pengguna hasil penelitian
Berdasarkan uraian tersebut dapat dikatakan bahwa kesimpulan yang ditarik berdasarkan uji
statistik tidak pernah bersifat benar mutlak Misal jika pengujian secara statistik mendapatkan
bahwa obat O dapat menyembuhkan penyakit S dengan p = 002 maka tidak semua penderita
penyakit S yang diobati O pasti sembuh akan tetapi dimungkinkan 98 sembuh dan 2 tidak
sembuh Oleh karena itu kesimpulan statistika tidak pernah dogmatis
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
A STATISTIKA DISKRIPTIF
Statistika diskriptif mer
deskripsi (gambaran) data sehin
sajian yang lebih menarik Ada
pie chart boxplot (dalam bentuk
Buka data SPSS deskriptif D
mempengaruhi pembelian kart
responden yang diambil sebagai
- usia adalah usia responden
- kusia adalah kelompok usi
- pddk adalah tingkat pendidi
- lama adalah lama penggun
- klama adalah kelompok la
- phsl adalah penghasilanbul
- kphsl adalah kelompok pen
- jangkau adalah penilaian r
kurang luas)
- signal adalah penilaian resp
kurang kuat)
- suara adalah penilaian resp
baik)
Histogram
Misalkan kita ingin membuat his
Pilih menu Graph gt Histogram
Lalu isi Variable phsl hidupka
983138 983090983088983088983096
P a g e | 8
BAB II
STATISTIKA DESKRIPTIF
upakan bagian statistika yang membahas te
gga informasi yang terkandung dalam data mu
beberapa cara mendeskriptifkan data antara lai
grafik) dan cara mengukur dengan nilai rata-rat
ata tersebut adalah hasil penelitian mengenai
Mentari pada PT Satelit Palapa Indonesia
sampel Adapun data dalam worksheet adalah s
responden (15-25 tahun 25-34 tahun 35-43 ta
an responden (SLTP SMU Sarjana)
an kartu Mentari (dalam bulan)
a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun
an responden (dalam juta rupiah)
ghasilan responden (lt1juta 1-15juta 15-2juta
sponden terhadap daya jangkau (sangat luas l
onden terhadap kekuatan signal (sangat kuat k
nden terhadap kualitas suara (sangat baik baik
ogram data penghasilan responden
display normal curve tekan OK
tang penataan dan
ah dipahami dengan
dengan histogram
variance dll
analisis faktor yang
Surabaya dari 100
bagai berikut
hun)
gt3 tahun)
gt2juta)
uas cukup luas dan
uat cukup kuat dan
cukup baik kurang
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
Pie Chart
Misalkan kita ingin membuat pie
Pilih menu Graph gt Pie
Pilih Summary for groups of c
Kemudian masukkan define sli
Box Plot
Misalkan kita ingin membuat Bo
Pilih menu Graph gt Boxplot
Pilih Summaries of Separate
Kemudian masukkan Boxes Re
Deskriptif Ukur
Misalkan kita ingin membuat sta
Pilih menu Analyze gt Descript
Kemudian masukkan variables
hidupkan range lalu OK
983138 983090983088983088983096
P a g e | 9
chart data pendidikan responden
ases lalu define
es pddk tekan OK
Plot data lama penggunaan kartu mentari oleh
Variables lalu define
resent lama tekan OK
istika deskriptif data usia responden
ive Statistics gt Descriptive
usia tekan option dan pilih statistik yang
esponden
ibutuhkan misalkan
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 10
Deskriptif Frekuensi
Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau
kekuatan signal dan kualitas suara kartu Mentari
Pilih menu Analyze gt Descriptive Statistics gt Frequencies
Kemudian masukkan variables jangkau tekan OK
Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan
cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya
B STATISTIKA INFERENSIAL
Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika
(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk
menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat
diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk
menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti
terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu
statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika
inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat
data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik
bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya
tak normal walaupun dengan transformasi
1 Uji Kenormalan
Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran
normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya
Descriptive Statistics
100 28 15 43 2538 7663
100
USIA
Valid N (listwise)
N Range Minimum Maximum Mean Std Deviation
JANGKAU
26 260 260 260
46 460 460 720
19 190 190 910
9 90 90 1000
100 1000 1000
kurang luas
cukup luas
luas
sangat luas
Total
ValidFrequency Percent Valid Percent
Cumulative
Percent
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 11
adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang
diamati tidak normal
Contoh menggunakan data penghasilan responden pada data deskriptif
Apakah data penghasilan responden menyebar normal
Pilih menu Analyze gt Descriptive Statistics gt Explore
Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with
test continue dan OK
Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi
bahwa data penghasilan mempunyai sebaran normal karena
sig gt α (0106 gt 005)
2 Statistika Inferensi parametrik untuk 1 Populasi
Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai
dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak
diketahui dari data yang mempunyai sebaran normal
Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan
seluruh pelanggan kartu Mentari sebesar 1 juta
Hipotesis
Ho micro = 1 juta
lawan
H1 micro ne 1 juta
Maka statistik ujinya adalah
nsxt test microminus=
Selang kepercayaannya
αminus=+ltmicroltminus 1)ntsxntsx(P
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
i
1n
)xx(s
Tests of Normality
081 100 106 972 100 032PHSL
Statistic df Sig Statistic df Sig
Kolmogorov-Smirnova
Shapiro-Wilk
Lilliefors Significance Correctiona
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1322
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 12
Cara melakukan analisis dengan SPSS adalah sbb
Pilih menu Analyze gt Compare Means gt One sample T test
Kemudian masukkan Test variable phsl Test value 1 tekan OK
Hasil SPSS ini berarti
Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value
sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-
rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta
C Statistika inferensi parametrik untuk 2 populasi
C1 Dua populasi bebas (Independent )
Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai
karakteristik yang berbeda
Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan
penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas
kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)
menggunakan metode pola latihan SQ3R
Statistik uji dan hipotesisnya adalah
H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2
Uji statistiknya - Untuk ragam kedua populasi sama
)n
1
n
1(s
xxt
21
2
gab
21
test
+
minus=
2nn
s)1n(s)1n(s
21
2
22
2
112
gab minus+
minus+minus=
- Untuk ragam kedua populasi berbeda
)n
s
n
s
(
xxt
2
2
2
1
2
1
21
test
+
minus=
One-Sample Statistics
100 1501 5544 0554PHSL
N Mean Std Deviation
Std Error
Mean
One-Sample Test
9037 99 000 501 391 611PHSL
t df Sig (2-tailed)
Mean
Difference Lower Upper
95 Confidence
Interval of the
Difference
Test Value = 1
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 13
- Selang kepercayaan untuk ragam kedua populasi sama
αminus=++minusltmicrominusmicrolt+minusminus 1)
n
1
n
1(st)xx(
n
1
n
1(st)xx((P
21
2
gab2121
21
2
gab21
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)
- Selang kepercayaan untuk ragam kedua populasi berbeda
αminus=++minusltmicrominusmicrolt+minusminus 1)n
s
n
st)xx(
n
s
n
st)xx((P
2
2
2
1
2
12121
2
2
2
1
2
121
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar
2
)1n(
)ns(
)1n(
)ns(
)nsns(v
2
2
2
2
2
1
2
1
2
1
2
2
2
21
2
1 minus
+++
+=
Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005
Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun
kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas
pertama (kelas biasa) atau kelas kedua (kelas sq3r)
Cara melakukan analisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Compare Means gt Independent samples T test
Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK
Group Statistics
30 581973 534223 97535
30 756117 405790 74087
KELAS
biasa
sq3r
NILAI
N Mean Std Deviation
Std Error
Mean
Independent Samples Test
620 434 -142 58 000 -174143 122483 -1987 -1496
-142 54 000 -174143 122483 -1987 -1496
Equal variances
assumed
Equal variances
not assumed
NILAI
F Sig
LevenesTest for
Equality of
Variances
t df
Sig
(2-tailed)
Mean
Difference
Std Error
Difference Lower Upper
95
Confidence
Interval of the
Difference
t-test for Equality of Means
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 14
Hasil SPSS berarti
Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil
pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)
sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama
Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)
diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat
perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen
lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa
C2 Dua populasi dependen (dua populasi berpasangan)
Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara
berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu
data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen
(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara
mengamatinya secara berpasang-pasangan
Statistik uji dan hipotesisnya sebagai berikut
H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB
Statistik ujinya
ns
Dt
Dtest
=
di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya
αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
iD
1n
)DD(s
Contoh
Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi
konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD
Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data
hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan
plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)
Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan
makanan modern
Pilih menu Analyze gt Compare Means gt Paired-samples T tes
Kemudian masukkan Paired variable prdtra dan prdmod tekan OK
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 15
Hasil SPSS ini berarti
Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =
klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi
tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat
perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern
D Uji Instrumentasi Penelitian
Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat
pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan
uji instrumentasi yaitu uji validitas dan reliabilitas
D1 Uji Validitas
Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil
penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti
Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi
product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat
digunakan rumus
rxy =( )( )
( )( ) ( )( )sum sumsum sumsumsum sum
minusminus
minus2222
YY NXX N
YXXY N
Keterangan
rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan
Paired Samples Statistics
406 108 600 058
239 108 884 085
PRDTRAD
PRDMOD
Pair
1
Mean N Std Deviation
Std Error
Mean
Paired Samples Correlations
108 128 186PRDTRAD amp PRDMODPair 1
N Correlation Sig
Paired Samples Test
168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1
MeanStd
Deviation
Std
Error Mean Lower Upper
95 Confidence
Interval of the
Difference
Paired Differences
t df Sig
(2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 3
Intraneous variables meliputi
(1) Variabel tergantung (dependent variables ) adalah suatu variabel yang tercakup di
dalam hipotesis penelitian yang keragamannya (variabilitasnya) ditentukan atau
tergantung atau dipengaruhi oleh variabel lainnya
(2) Variabel bebas (independent variables ) adalah suatu variabel tercakup di dalam hipotesis
penelitian yang keragamannya sebagai akibat dari manipulasi atau intervensi
peneliti atau merupakan suatu keadaan atau kondisi atau fenomena yang ingin
diselidiki diteliti atau dikaji Variabel ini mempengaruhi variabel tergantung
(3) Variabel antara atau variabel intervening (intervene variables ) adalah variabel yang
bersifat menjadi perantara (mediating ) dari hubungan variabel bebas ke variabel
tergantung Sifatnya dapat memperlemah atau memperkuat hubungan antara variabel
bebas dengan variabel tergantung
(4) Variabel Moderator adalah variabel yang bersifat memperkuat atau memperlemahpengaruh variabel bebas terhadap variabel tergantung
Extraneous variables meliputi
(1) Variabel pembaur (confounding variables ) adalah suatu variabel dalam penelitian yang
tidak tercakup dalam hipotesis penelitian akan tetapi muncul dalam penelitian dan
berpengaruh terhadap variabel tergantung Pengaruhnya mencampuri atau berbaur dengan
variabel bebas Suatu penelitian biasanya ingin mengetahui pengaruh variabel bebas
terhadap variabel tergantung yang tentunya pengaruh tersebut harus terbebas dari
berbaurnya pengaruh variabel-variabel lain
(2) Variabel kendali (control variables ) adalah variabel pembaur (cofounding ) yang
pengaruhnya dapat dikendalikan Pengendalian dapat diakukan dengan cara blocking yaitu
mengelompokkan obyek penelitian menjadi kelompok-kelompok yang relatif homogen Cra
kedua adalah melalui kriteria ekalusi-inklusi yaitu mengeluarkan obyek yang tidak memenuhi
kriteria (ekslusi) dan mengambil obyek yang memenuhi kriteria untuk diikutkan dalam sampel
penelitian (inklusi)
(3) Variabel penyerta (concomitant variables ) adalah variabel pembaur (cofounding ) yang
tidak dapat dikendalikan sehingga tetap menyertai (terikut) dalam proses penelitian
Konsekuensinya data tersebut harus diamati Pengaruh baurnya dihilangkan (dieliminasi)
pada tahap analisis data misalnya dengan ANCOVA atau MANCOVA
Bilamana variabel penelitian telah ditentukan kemudian harus dibuat definisi operasional
variabel secara tegas dan tajam dengan merujuk pada teori dan konsep yang relevan Langkah
berikutnya data collecting dapat dilakukan
Suatu penelitian dapat memiliki seluruh jenis variabel tersebut atau hanya memiliki
sebagian saja Terlibatnya seluruh variabel atau tidak membawa konsekuensi terhadap metode
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 4
analisis data yang akan digunakan Dengan kata lain perlu dilakukan pemilihan metode
analisis yang tepat sehubungan dengan jenis dan jumlah variabel yang akan dianalisis
E DATA PENELITIAN
D a t a adalah bentuk jamak dari kata datum (Bahasa Latin) yang artinya kurnia atau
pemberian atau penyajian Dalam kontek statistika data diartikan sebagai berikut
Data adalah kumpulan angka fakta fenomena atau keadaan atau lainnya yang merupakan hasil
pengamatan pengukuran atau pencacahan dan sebagainya terhadap variabel dari suatu obyek
kajian yang berfungsi dapat digunakan untuk membedakan obyek yang satu dengan lainnya
pada variabel yang sama
a) Jenis data berdasarkan sifat kekontinyuannyaBerdasarkan sifat kekontinyuannya data hasil pengamatan dapat dibedakan menjadi
data diskrit dan kontinyu
(1) Data diskrit adalah data yang hanya dapat menempati titik-titik tertentu pada sebuah garis
Misal jumlah anak = 0 1 2 3 4 5 6
0 1 2 3 4--+-------+--------+--------+--------+--------+--
(hanya dapat menempati +)
(2) Data kontinyu adalah data yang dapat menempati seluruh titik pada sebuah garis Misal
Data Pendapatan Per Kapita Per Bulan = 150 ribu rupiah sampai dengan 2 juta rupiah
++++++++++++++++++++++++++++++++++
150 ribu rupiah 2 juta rupiah
(seluruh titik dapat ditempati data pendapatan)
b) Jenis Data Berdasarkan Skala Ukurnya
Berdasarkan skala ukurnya data dapat dibedakan menjadi data nominal ordinal interval dan
ratio
(1) Data nominal adalah data yang hanya mengandung unsur penamaan (Bahasa Latin nomos =
nama) Misal
Bntuk Perusahaan Skor yang mungkin
PT 1 3 2CV 2 2 1
Perorangan 3 1 3
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 5
Statistika adalah pendekatan kuantitatif sehingga data nominal yang bersifat kualitatif harus
dirubah menjadi bentuk numerik dengan cara pemberian skor (skoring)
Perhatikan pemberian skor data nominal bersifat sembarang yaitu hanya sekedar untuk dapat
membedakan (penamaan saja) sehingga dapat dibolak-balik
(2) Data ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur urutan
(order = urutan) Misal
Sikap Skor yang mungkin
Sangat setuju 4 1Setuju 3 2Kurang setuju 2 3Tidak setuju 1 4
Perhatikan dengan seksama pembuatan skor antara data nominal dan ordinal dimana untuk data
nominal skor tersebut dapat dibuat sembarang yaitu hanya sekedar dapat mebedakan Akan
tetapi untuk data ordinal urutan angka dalam skor menunjukkan arah tingkatan Pada data
ordinal ini interval (selang)-nya tidak mempunyai arti (tidak bermakna) misalnya selisih antara
skor 4 dengan 2 adalah 2 dan selisih antara 3 dengan 1 adalah 2 yang mana 2 dengan 2 arti
dan maknanya tidak sama
(3) Data interval adalah data yang selain mengandung unsur penamaan dan urutan juga memiliki
sifat interval (selang)-nya bermakna Di samping itu data ini memiliki ciri angka nol-nya tidak
mutlak Misal
Indeks Prestasi Suhu (oC) IHK
0 0 1001 10 1152 20 1203 30 1204 40 140
Perhatikan bahwa 0 pada Indeks Prestasi barangkali akan setara dengan lt 30 untuk skala nilai 1
ndash 100 dan 0 pada suhu dengan derajat Celcius = 32 oF Ratio dari data ini tidak memiliki
makna misal IP 4 bukan berarti pintarnya sama dengan dua kali IP 2 demikian halnya suhu 40 o
C bukan berarti panasnya frac12 dari suhu 80o C
(4) Data ratio adalah data yang memiliki unsur penamaan urutan intervalnya bermakna dan angka
nolnya mutlak sehingga rationya mempunyai makna Misal
Pendapatan($)
Panjang Jalan(km)
21 12045 14070 160
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 6
Disebut nol-nya mutlak sebab memang tidak akan ada benda (jalan) yang panjangnya nol
kilometer Pendapatan 0 berarti tidak menghasilkan pendapatan sama sekali
Jika kedua klasifikasi data tersebut dikombinasikan maka akan diperoleh seperti pada Tabel 12
sebagai berikut
Tabel 12 Kaitan antara skala ukur data dengan sifat kekontinyuannya
DISKRIT KONTINYU
NOMINAL V
ORDINAL V
INTERVAL V V
RATIO V V
Keterangan V = bersesuaian
F Taraf Nyata (αααα) dan p-value
Taraf nyata αααα adalah peluang menolak Ho yang pada hakekanya benar disebut peluang salah
jenis tipe I
αααα = P(Ho ditolak Ho benar)
Secara pragmatis alpha didefinisikan sebagai resiko salah dalam penarikan kesimpulan penelitian
Dengan memperkecil αααα berarti memperkecil resiko salah dalam penarikan kesimpulan Hal ini
dapat ditempuh dengan jalan memperkecil kesalahan (ketidakpastian) dalam setiap langkah
rangkaian analisis data inferensial Untuk memahami lebih lanjut mengenai αααα dapat diperhatikan
ilustarasi di bawah ini
Pelaksanaan pelatihan terhadap karyawan diharapkan dapat meningkatkan kinerjanya Untuk itu
dilakukan penelitian dengan mengajukan hipotesis statistika
Ho microb = micros lawan
H1 microb lt micros
Dalam hal ini microb = kinerja sebelum dilakukan pelatihan dan micros = kinerja sesudah dilakuan pelatihan
Katakanlah hasil pengujian cukup bermakna dengan p = 0027 Interpretasi Pelatihan dapatmeningkatkan kinerja karyawan Dimana kesimpulan tersebut mengandung resiko salah sebesar 27
Arti pragmatisnya Seandainya akan dilakukan pelatihan terhadap 1000 karyawan maka
berdasarkan hasil penelitian tersebut dimungkinkan 27 orang kinerjanya tidak meningkat
Perbedaan antara α dengan p-value
Besarnya α ditetukan berdasarkan konvensi (kesepakatan) para ahli yaitu 1 untuk penelitian
yang sifatnya kritis dan 5 untuk yang kurang kritis Nilai (titik) kritis beberapa statistik uji
misalnya t F Z dan χ2 pada alpha 1 5 atau 10 telah dihitung dan di tabelkan Sehingga
pengguna statistika tidak perlu sulit-sulit menghitungnya sendiri Hal ini dilatarbelakangi oleh kendala
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 7
sulitnya prosedur perhitungan tersebut terutama sebelum berkembangnya komputer Untuk jelasnya
perhatikan uraian berikut Untuk menghitung atau p pada statistik t dengan nilai thitung = 2288 pada
derajat bebas (db) = 10 adalah
( ) ( )
005t1
10210
21
12
1102
2882
=+
Β
int+
minus+infin
dt
dalam hal ini B(____) adalah fungsi Beta Dengan kata lain untuk thit = 2288 dengan db=10
diperoleh p = 005 atau dengan α = 005 dan db=10 diperoleh ttabel = 2288
Oleh karena itu sebelum komputer berkembang para ahli menggunakan mesin hitung yang
telah ada untuk menghitung permasalahan tersebut dan hasilnya dituangkan dalam Tabel Kaidah
pengujiannya adalah jika thit gt ttabel pada α tertentu maka tolak Ho dan sebaliknya Kelemahannya
adalah tidak bisa memberikan informasi resiko salah secara eksak Jadi seandainya p yang
sebenarnya = 0017 dan pada uji konvensional digunakan α = 005 maka resiko salah dalam
penarikan kesimpulan adalah 5 yang sebenarnya secara eksak adalah 17
Dengan berkembangnya komputer perhitungan nilai p untuk beberapa statistik uji dapat
dengan mudah dan cepat dilakukan Umumnya dinyatakan dalam notasi p-value atau p saja atau
Sig (di SPSS) Dengan demikian dapat dikatakan bahwa p adalah berupa signifikansi aktual
sedangkan alpha adalah signifikansi batas Berdasarkan taraf uji aktual yang merujuk pada p-value
maka keputusan uji hipotesis akan berbunyi
Tolak H 0 (bermakna) dengan resiko salah sebesar p x 100
Mengenai berapa besar nilai p yang masih dapat ditolerir sangat tergantung dari tingkat kekritisan
penelitian dan kepentingan pengguna hasil penelitian
Berdasarkan uraian tersebut dapat dikatakan bahwa kesimpulan yang ditarik berdasarkan uji
statistik tidak pernah bersifat benar mutlak Misal jika pengujian secara statistik mendapatkan
bahwa obat O dapat menyembuhkan penyakit S dengan p = 002 maka tidak semua penderita
penyakit S yang diobati O pasti sembuh akan tetapi dimungkinkan 98 sembuh dan 2 tidak
sembuh Oleh karena itu kesimpulan statistika tidak pernah dogmatis
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
A STATISTIKA DISKRIPTIF
Statistika diskriptif mer
deskripsi (gambaran) data sehin
sajian yang lebih menarik Ada
pie chart boxplot (dalam bentuk
Buka data SPSS deskriptif D
mempengaruhi pembelian kart
responden yang diambil sebagai
- usia adalah usia responden
- kusia adalah kelompok usi
- pddk adalah tingkat pendidi
- lama adalah lama penggun
- klama adalah kelompok la
- phsl adalah penghasilanbul
- kphsl adalah kelompok pen
- jangkau adalah penilaian r
kurang luas)
- signal adalah penilaian resp
kurang kuat)
- suara adalah penilaian resp
baik)
Histogram
Misalkan kita ingin membuat his
Pilih menu Graph gt Histogram
Lalu isi Variable phsl hidupka
983138 983090983088983088983096
P a g e | 8
BAB II
STATISTIKA DESKRIPTIF
upakan bagian statistika yang membahas te
gga informasi yang terkandung dalam data mu
beberapa cara mendeskriptifkan data antara lai
grafik) dan cara mengukur dengan nilai rata-rat
ata tersebut adalah hasil penelitian mengenai
Mentari pada PT Satelit Palapa Indonesia
sampel Adapun data dalam worksheet adalah s
responden (15-25 tahun 25-34 tahun 35-43 ta
an responden (SLTP SMU Sarjana)
an kartu Mentari (dalam bulan)
a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun
an responden (dalam juta rupiah)
ghasilan responden (lt1juta 1-15juta 15-2juta
sponden terhadap daya jangkau (sangat luas l
onden terhadap kekuatan signal (sangat kuat k
nden terhadap kualitas suara (sangat baik baik
ogram data penghasilan responden
display normal curve tekan OK
tang penataan dan
ah dipahami dengan
dengan histogram
variance dll
analisis faktor yang
Surabaya dari 100
bagai berikut
hun)
gt3 tahun)
gt2juta)
uas cukup luas dan
uat cukup kuat dan
cukup baik kurang
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
Pie Chart
Misalkan kita ingin membuat pie
Pilih menu Graph gt Pie
Pilih Summary for groups of c
Kemudian masukkan define sli
Box Plot
Misalkan kita ingin membuat Bo
Pilih menu Graph gt Boxplot
Pilih Summaries of Separate
Kemudian masukkan Boxes Re
Deskriptif Ukur
Misalkan kita ingin membuat sta
Pilih menu Analyze gt Descript
Kemudian masukkan variables
hidupkan range lalu OK
983138 983090983088983088983096
P a g e | 9
chart data pendidikan responden
ases lalu define
es pddk tekan OK
Plot data lama penggunaan kartu mentari oleh
Variables lalu define
resent lama tekan OK
istika deskriptif data usia responden
ive Statistics gt Descriptive
usia tekan option dan pilih statistik yang
esponden
ibutuhkan misalkan
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 10
Deskriptif Frekuensi
Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau
kekuatan signal dan kualitas suara kartu Mentari
Pilih menu Analyze gt Descriptive Statistics gt Frequencies
Kemudian masukkan variables jangkau tekan OK
Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan
cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya
B STATISTIKA INFERENSIAL
Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika
(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk
menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat
diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk
menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti
terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu
statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika
inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat
data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik
bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya
tak normal walaupun dengan transformasi
1 Uji Kenormalan
Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran
normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya
Descriptive Statistics
100 28 15 43 2538 7663
100
USIA
Valid N (listwise)
N Range Minimum Maximum Mean Std Deviation
JANGKAU
26 260 260 260
46 460 460 720
19 190 190 910
9 90 90 1000
100 1000 1000
kurang luas
cukup luas
luas
sangat luas
Total
ValidFrequency Percent Valid Percent
Cumulative
Percent
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 11
adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang
diamati tidak normal
Contoh menggunakan data penghasilan responden pada data deskriptif
Apakah data penghasilan responden menyebar normal
Pilih menu Analyze gt Descriptive Statistics gt Explore
Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with
test continue dan OK
Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi
bahwa data penghasilan mempunyai sebaran normal karena
sig gt α (0106 gt 005)
2 Statistika Inferensi parametrik untuk 1 Populasi
Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai
dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak
diketahui dari data yang mempunyai sebaran normal
Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan
seluruh pelanggan kartu Mentari sebesar 1 juta
Hipotesis
Ho micro = 1 juta
lawan
H1 micro ne 1 juta
Maka statistik ujinya adalah
nsxt test microminus=
Selang kepercayaannya
αminus=+ltmicroltminus 1)ntsxntsx(P
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
i
1n
)xx(s
Tests of Normality
081 100 106 972 100 032PHSL
Statistic df Sig Statistic df Sig
Kolmogorov-Smirnova
Shapiro-Wilk
Lilliefors Significance Correctiona
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1322
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 12
Cara melakukan analisis dengan SPSS adalah sbb
Pilih menu Analyze gt Compare Means gt One sample T test
Kemudian masukkan Test variable phsl Test value 1 tekan OK
Hasil SPSS ini berarti
Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value
sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-
rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta
C Statistika inferensi parametrik untuk 2 populasi
C1 Dua populasi bebas (Independent )
Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai
karakteristik yang berbeda
Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan
penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas
kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)
menggunakan metode pola latihan SQ3R
Statistik uji dan hipotesisnya adalah
H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2
Uji statistiknya - Untuk ragam kedua populasi sama
)n
1
n
1(s
xxt
21
2
gab
21
test
+
minus=
2nn
s)1n(s)1n(s
21
2
22
2
112
gab minus+
minus+minus=
- Untuk ragam kedua populasi berbeda
)n
s
n
s
(
xxt
2
2
2
1
2
1
21
test
+
minus=
One-Sample Statistics
100 1501 5544 0554PHSL
N Mean Std Deviation
Std Error
Mean
One-Sample Test
9037 99 000 501 391 611PHSL
t df Sig (2-tailed)
Mean
Difference Lower Upper
95 Confidence
Interval of the
Difference
Test Value = 1
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 13
- Selang kepercayaan untuk ragam kedua populasi sama
αminus=++minusltmicrominusmicrolt+minusminus 1)
n
1
n
1(st)xx(
n
1
n
1(st)xx((P
21
2
gab2121
21
2
gab21
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)
- Selang kepercayaan untuk ragam kedua populasi berbeda
αminus=++minusltmicrominusmicrolt+minusminus 1)n
s
n
st)xx(
n
s
n
st)xx((P
2
2
2
1
2
12121
2
2
2
1
2
121
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar
2
)1n(
)ns(
)1n(
)ns(
)nsns(v
2
2
2
2
2
1
2
1
2
1
2
2
2
21
2
1 minus
+++
+=
Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005
Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun
kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas
pertama (kelas biasa) atau kelas kedua (kelas sq3r)
Cara melakukan analisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Compare Means gt Independent samples T test
Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK
Group Statistics
30 581973 534223 97535
30 756117 405790 74087
KELAS
biasa
sq3r
NILAI
N Mean Std Deviation
Std Error
Mean
Independent Samples Test
620 434 -142 58 000 -174143 122483 -1987 -1496
-142 54 000 -174143 122483 -1987 -1496
Equal variances
assumed
Equal variances
not assumed
NILAI
F Sig
LevenesTest for
Equality of
Variances
t df
Sig
(2-tailed)
Mean
Difference
Std Error
Difference Lower Upper
95
Confidence
Interval of the
Difference
t-test for Equality of Means
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 14
Hasil SPSS berarti
Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil
pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)
sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama
Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)
diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat
perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen
lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa
C2 Dua populasi dependen (dua populasi berpasangan)
Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara
berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu
data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen
(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara
mengamatinya secara berpasang-pasangan
Statistik uji dan hipotesisnya sebagai berikut
H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB
Statistik ujinya
ns
Dt
Dtest
=
di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya
αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
iD
1n
)DD(s
Contoh
Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi
konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD
Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data
hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan
plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)
Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan
makanan modern
Pilih menu Analyze gt Compare Means gt Paired-samples T tes
Kemudian masukkan Paired variable prdtra dan prdmod tekan OK
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 15
Hasil SPSS ini berarti
Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =
klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi
tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat
perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern
D Uji Instrumentasi Penelitian
Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat
pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan
uji instrumentasi yaitu uji validitas dan reliabilitas
D1 Uji Validitas
Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil
penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti
Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi
product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat
digunakan rumus
rxy =( )( )
( )( ) ( )( )sum sumsum sumsumsum sum
minusminus
minus2222
YY NXX N
YXXY N
Keterangan
rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan
Paired Samples Statistics
406 108 600 058
239 108 884 085
PRDTRAD
PRDMOD
Pair
1
Mean N Std Deviation
Std Error
Mean
Paired Samples Correlations
108 128 186PRDTRAD amp PRDMODPair 1
N Correlation Sig
Paired Samples Test
168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1
MeanStd
Deviation
Std
Error Mean Lower Upper
95 Confidence
Interval of the
Difference
Paired Differences
t df Sig
(2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 4
analisis data yang akan digunakan Dengan kata lain perlu dilakukan pemilihan metode
analisis yang tepat sehubungan dengan jenis dan jumlah variabel yang akan dianalisis
E DATA PENELITIAN
D a t a adalah bentuk jamak dari kata datum (Bahasa Latin) yang artinya kurnia atau
pemberian atau penyajian Dalam kontek statistika data diartikan sebagai berikut
Data adalah kumpulan angka fakta fenomena atau keadaan atau lainnya yang merupakan hasil
pengamatan pengukuran atau pencacahan dan sebagainya terhadap variabel dari suatu obyek
kajian yang berfungsi dapat digunakan untuk membedakan obyek yang satu dengan lainnya
pada variabel yang sama
a) Jenis data berdasarkan sifat kekontinyuannyaBerdasarkan sifat kekontinyuannya data hasil pengamatan dapat dibedakan menjadi
data diskrit dan kontinyu
(1) Data diskrit adalah data yang hanya dapat menempati titik-titik tertentu pada sebuah garis
Misal jumlah anak = 0 1 2 3 4 5 6
0 1 2 3 4--+-------+--------+--------+--------+--------+--
(hanya dapat menempati +)
(2) Data kontinyu adalah data yang dapat menempati seluruh titik pada sebuah garis Misal
Data Pendapatan Per Kapita Per Bulan = 150 ribu rupiah sampai dengan 2 juta rupiah
++++++++++++++++++++++++++++++++++
150 ribu rupiah 2 juta rupiah
(seluruh titik dapat ditempati data pendapatan)
b) Jenis Data Berdasarkan Skala Ukurnya
Berdasarkan skala ukurnya data dapat dibedakan menjadi data nominal ordinal interval dan
ratio
(1) Data nominal adalah data yang hanya mengandung unsur penamaan (Bahasa Latin nomos =
nama) Misal
Bntuk Perusahaan Skor yang mungkin
PT 1 3 2CV 2 2 1
Perorangan 3 1 3
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 5
Statistika adalah pendekatan kuantitatif sehingga data nominal yang bersifat kualitatif harus
dirubah menjadi bentuk numerik dengan cara pemberian skor (skoring)
Perhatikan pemberian skor data nominal bersifat sembarang yaitu hanya sekedar untuk dapat
membedakan (penamaan saja) sehingga dapat dibolak-balik
(2) Data ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur urutan
(order = urutan) Misal
Sikap Skor yang mungkin
Sangat setuju 4 1Setuju 3 2Kurang setuju 2 3Tidak setuju 1 4
Perhatikan dengan seksama pembuatan skor antara data nominal dan ordinal dimana untuk data
nominal skor tersebut dapat dibuat sembarang yaitu hanya sekedar dapat mebedakan Akan
tetapi untuk data ordinal urutan angka dalam skor menunjukkan arah tingkatan Pada data
ordinal ini interval (selang)-nya tidak mempunyai arti (tidak bermakna) misalnya selisih antara
skor 4 dengan 2 adalah 2 dan selisih antara 3 dengan 1 adalah 2 yang mana 2 dengan 2 arti
dan maknanya tidak sama
(3) Data interval adalah data yang selain mengandung unsur penamaan dan urutan juga memiliki
sifat interval (selang)-nya bermakna Di samping itu data ini memiliki ciri angka nol-nya tidak
mutlak Misal
Indeks Prestasi Suhu (oC) IHK
0 0 1001 10 1152 20 1203 30 1204 40 140
Perhatikan bahwa 0 pada Indeks Prestasi barangkali akan setara dengan lt 30 untuk skala nilai 1
ndash 100 dan 0 pada suhu dengan derajat Celcius = 32 oF Ratio dari data ini tidak memiliki
makna misal IP 4 bukan berarti pintarnya sama dengan dua kali IP 2 demikian halnya suhu 40 o
C bukan berarti panasnya frac12 dari suhu 80o C
(4) Data ratio adalah data yang memiliki unsur penamaan urutan intervalnya bermakna dan angka
nolnya mutlak sehingga rationya mempunyai makna Misal
Pendapatan($)
Panjang Jalan(km)
21 12045 14070 160
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 6
Disebut nol-nya mutlak sebab memang tidak akan ada benda (jalan) yang panjangnya nol
kilometer Pendapatan 0 berarti tidak menghasilkan pendapatan sama sekali
Jika kedua klasifikasi data tersebut dikombinasikan maka akan diperoleh seperti pada Tabel 12
sebagai berikut
Tabel 12 Kaitan antara skala ukur data dengan sifat kekontinyuannya
DISKRIT KONTINYU
NOMINAL V
ORDINAL V
INTERVAL V V
RATIO V V
Keterangan V = bersesuaian
F Taraf Nyata (αααα) dan p-value
Taraf nyata αααα adalah peluang menolak Ho yang pada hakekanya benar disebut peluang salah
jenis tipe I
αααα = P(Ho ditolak Ho benar)
Secara pragmatis alpha didefinisikan sebagai resiko salah dalam penarikan kesimpulan penelitian
Dengan memperkecil αααα berarti memperkecil resiko salah dalam penarikan kesimpulan Hal ini
dapat ditempuh dengan jalan memperkecil kesalahan (ketidakpastian) dalam setiap langkah
rangkaian analisis data inferensial Untuk memahami lebih lanjut mengenai αααα dapat diperhatikan
ilustarasi di bawah ini
Pelaksanaan pelatihan terhadap karyawan diharapkan dapat meningkatkan kinerjanya Untuk itu
dilakukan penelitian dengan mengajukan hipotesis statistika
Ho microb = micros lawan
H1 microb lt micros
Dalam hal ini microb = kinerja sebelum dilakukan pelatihan dan micros = kinerja sesudah dilakuan pelatihan
Katakanlah hasil pengujian cukup bermakna dengan p = 0027 Interpretasi Pelatihan dapatmeningkatkan kinerja karyawan Dimana kesimpulan tersebut mengandung resiko salah sebesar 27
Arti pragmatisnya Seandainya akan dilakukan pelatihan terhadap 1000 karyawan maka
berdasarkan hasil penelitian tersebut dimungkinkan 27 orang kinerjanya tidak meningkat
Perbedaan antara α dengan p-value
Besarnya α ditetukan berdasarkan konvensi (kesepakatan) para ahli yaitu 1 untuk penelitian
yang sifatnya kritis dan 5 untuk yang kurang kritis Nilai (titik) kritis beberapa statistik uji
misalnya t F Z dan χ2 pada alpha 1 5 atau 10 telah dihitung dan di tabelkan Sehingga
pengguna statistika tidak perlu sulit-sulit menghitungnya sendiri Hal ini dilatarbelakangi oleh kendala
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 7
sulitnya prosedur perhitungan tersebut terutama sebelum berkembangnya komputer Untuk jelasnya
perhatikan uraian berikut Untuk menghitung atau p pada statistik t dengan nilai thitung = 2288 pada
derajat bebas (db) = 10 adalah
( ) ( )
005t1
10210
21
12
1102
2882
=+
Β
int+
minus+infin
dt
dalam hal ini B(____) adalah fungsi Beta Dengan kata lain untuk thit = 2288 dengan db=10
diperoleh p = 005 atau dengan α = 005 dan db=10 diperoleh ttabel = 2288
Oleh karena itu sebelum komputer berkembang para ahli menggunakan mesin hitung yang
telah ada untuk menghitung permasalahan tersebut dan hasilnya dituangkan dalam Tabel Kaidah
pengujiannya adalah jika thit gt ttabel pada α tertentu maka tolak Ho dan sebaliknya Kelemahannya
adalah tidak bisa memberikan informasi resiko salah secara eksak Jadi seandainya p yang
sebenarnya = 0017 dan pada uji konvensional digunakan α = 005 maka resiko salah dalam
penarikan kesimpulan adalah 5 yang sebenarnya secara eksak adalah 17
Dengan berkembangnya komputer perhitungan nilai p untuk beberapa statistik uji dapat
dengan mudah dan cepat dilakukan Umumnya dinyatakan dalam notasi p-value atau p saja atau
Sig (di SPSS) Dengan demikian dapat dikatakan bahwa p adalah berupa signifikansi aktual
sedangkan alpha adalah signifikansi batas Berdasarkan taraf uji aktual yang merujuk pada p-value
maka keputusan uji hipotesis akan berbunyi
Tolak H 0 (bermakna) dengan resiko salah sebesar p x 100
Mengenai berapa besar nilai p yang masih dapat ditolerir sangat tergantung dari tingkat kekritisan
penelitian dan kepentingan pengguna hasil penelitian
Berdasarkan uraian tersebut dapat dikatakan bahwa kesimpulan yang ditarik berdasarkan uji
statistik tidak pernah bersifat benar mutlak Misal jika pengujian secara statistik mendapatkan
bahwa obat O dapat menyembuhkan penyakit S dengan p = 002 maka tidak semua penderita
penyakit S yang diobati O pasti sembuh akan tetapi dimungkinkan 98 sembuh dan 2 tidak
sembuh Oleh karena itu kesimpulan statistika tidak pernah dogmatis
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
A STATISTIKA DISKRIPTIF
Statistika diskriptif mer
deskripsi (gambaran) data sehin
sajian yang lebih menarik Ada
pie chart boxplot (dalam bentuk
Buka data SPSS deskriptif D
mempengaruhi pembelian kart
responden yang diambil sebagai
- usia adalah usia responden
- kusia adalah kelompok usi
- pddk adalah tingkat pendidi
- lama adalah lama penggun
- klama adalah kelompok la
- phsl adalah penghasilanbul
- kphsl adalah kelompok pen
- jangkau adalah penilaian r
kurang luas)
- signal adalah penilaian resp
kurang kuat)
- suara adalah penilaian resp
baik)
Histogram
Misalkan kita ingin membuat his
Pilih menu Graph gt Histogram
Lalu isi Variable phsl hidupka
983138 983090983088983088983096
P a g e | 8
BAB II
STATISTIKA DESKRIPTIF
upakan bagian statistika yang membahas te
gga informasi yang terkandung dalam data mu
beberapa cara mendeskriptifkan data antara lai
grafik) dan cara mengukur dengan nilai rata-rat
ata tersebut adalah hasil penelitian mengenai
Mentari pada PT Satelit Palapa Indonesia
sampel Adapun data dalam worksheet adalah s
responden (15-25 tahun 25-34 tahun 35-43 ta
an responden (SLTP SMU Sarjana)
an kartu Mentari (dalam bulan)
a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun
an responden (dalam juta rupiah)
ghasilan responden (lt1juta 1-15juta 15-2juta
sponden terhadap daya jangkau (sangat luas l
onden terhadap kekuatan signal (sangat kuat k
nden terhadap kualitas suara (sangat baik baik
ogram data penghasilan responden
display normal curve tekan OK
tang penataan dan
ah dipahami dengan
dengan histogram
variance dll
analisis faktor yang
Surabaya dari 100
bagai berikut
hun)
gt3 tahun)
gt2juta)
uas cukup luas dan
uat cukup kuat dan
cukup baik kurang
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
Pie Chart
Misalkan kita ingin membuat pie
Pilih menu Graph gt Pie
Pilih Summary for groups of c
Kemudian masukkan define sli
Box Plot
Misalkan kita ingin membuat Bo
Pilih menu Graph gt Boxplot
Pilih Summaries of Separate
Kemudian masukkan Boxes Re
Deskriptif Ukur
Misalkan kita ingin membuat sta
Pilih menu Analyze gt Descript
Kemudian masukkan variables
hidupkan range lalu OK
983138 983090983088983088983096
P a g e | 9
chart data pendidikan responden
ases lalu define
es pddk tekan OK
Plot data lama penggunaan kartu mentari oleh
Variables lalu define
resent lama tekan OK
istika deskriptif data usia responden
ive Statistics gt Descriptive
usia tekan option dan pilih statistik yang
esponden
ibutuhkan misalkan
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 10
Deskriptif Frekuensi
Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau
kekuatan signal dan kualitas suara kartu Mentari
Pilih menu Analyze gt Descriptive Statistics gt Frequencies
Kemudian masukkan variables jangkau tekan OK
Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan
cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya
B STATISTIKA INFERENSIAL
Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika
(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk
menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat
diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk
menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti
terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu
statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika
inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat
data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik
bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya
tak normal walaupun dengan transformasi
1 Uji Kenormalan
Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran
normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya
Descriptive Statistics
100 28 15 43 2538 7663
100
USIA
Valid N (listwise)
N Range Minimum Maximum Mean Std Deviation
JANGKAU
26 260 260 260
46 460 460 720
19 190 190 910
9 90 90 1000
100 1000 1000
kurang luas
cukup luas
luas
sangat luas
Total
ValidFrequency Percent Valid Percent
Cumulative
Percent
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 11
adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang
diamati tidak normal
Contoh menggunakan data penghasilan responden pada data deskriptif
Apakah data penghasilan responden menyebar normal
Pilih menu Analyze gt Descriptive Statistics gt Explore
Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with
test continue dan OK
Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi
bahwa data penghasilan mempunyai sebaran normal karena
sig gt α (0106 gt 005)
2 Statistika Inferensi parametrik untuk 1 Populasi
Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai
dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak
diketahui dari data yang mempunyai sebaran normal
Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan
seluruh pelanggan kartu Mentari sebesar 1 juta
Hipotesis
Ho micro = 1 juta
lawan
H1 micro ne 1 juta
Maka statistik ujinya adalah
nsxt test microminus=
Selang kepercayaannya
αminus=+ltmicroltminus 1)ntsxntsx(P
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
i
1n
)xx(s
Tests of Normality
081 100 106 972 100 032PHSL
Statistic df Sig Statistic df Sig
Kolmogorov-Smirnova
Shapiro-Wilk
Lilliefors Significance Correctiona
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1322
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 12
Cara melakukan analisis dengan SPSS adalah sbb
Pilih menu Analyze gt Compare Means gt One sample T test
Kemudian masukkan Test variable phsl Test value 1 tekan OK
Hasil SPSS ini berarti
Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value
sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-
rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta
C Statistika inferensi parametrik untuk 2 populasi
C1 Dua populasi bebas (Independent )
Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai
karakteristik yang berbeda
Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan
penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas
kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)
menggunakan metode pola latihan SQ3R
Statistik uji dan hipotesisnya adalah
H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2
Uji statistiknya - Untuk ragam kedua populasi sama
)n
1
n
1(s
xxt
21
2
gab
21
test
+
minus=
2nn
s)1n(s)1n(s
21
2
22
2
112
gab minus+
minus+minus=
- Untuk ragam kedua populasi berbeda
)n
s
n
s
(
xxt
2
2
2
1
2
1
21
test
+
minus=
One-Sample Statistics
100 1501 5544 0554PHSL
N Mean Std Deviation
Std Error
Mean
One-Sample Test
9037 99 000 501 391 611PHSL
t df Sig (2-tailed)
Mean
Difference Lower Upper
95 Confidence
Interval of the
Difference
Test Value = 1
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 13
- Selang kepercayaan untuk ragam kedua populasi sama
αminus=++minusltmicrominusmicrolt+minusminus 1)
n
1
n
1(st)xx(
n
1
n
1(st)xx((P
21
2
gab2121
21
2
gab21
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)
- Selang kepercayaan untuk ragam kedua populasi berbeda
αminus=++minusltmicrominusmicrolt+minusminus 1)n
s
n
st)xx(
n
s
n
st)xx((P
2
2
2
1
2
12121
2
2
2
1
2
121
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar
2
)1n(
)ns(
)1n(
)ns(
)nsns(v
2
2
2
2
2
1
2
1
2
1
2
2
2
21
2
1 minus
+++
+=
Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005
Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun
kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas
pertama (kelas biasa) atau kelas kedua (kelas sq3r)
Cara melakukan analisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Compare Means gt Independent samples T test
Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK
Group Statistics
30 581973 534223 97535
30 756117 405790 74087
KELAS
biasa
sq3r
NILAI
N Mean Std Deviation
Std Error
Mean
Independent Samples Test
620 434 -142 58 000 -174143 122483 -1987 -1496
-142 54 000 -174143 122483 -1987 -1496
Equal variances
assumed
Equal variances
not assumed
NILAI
F Sig
LevenesTest for
Equality of
Variances
t df
Sig
(2-tailed)
Mean
Difference
Std Error
Difference Lower Upper
95
Confidence
Interval of the
Difference
t-test for Equality of Means
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 14
Hasil SPSS berarti
Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil
pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)
sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama
Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)
diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat
perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen
lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa
C2 Dua populasi dependen (dua populasi berpasangan)
Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara
berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu
data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen
(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara
mengamatinya secara berpasang-pasangan
Statistik uji dan hipotesisnya sebagai berikut
H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB
Statistik ujinya
ns
Dt
Dtest
=
di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya
αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
iD
1n
)DD(s
Contoh
Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi
konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD
Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data
hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan
plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)
Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan
makanan modern
Pilih menu Analyze gt Compare Means gt Paired-samples T tes
Kemudian masukkan Paired variable prdtra dan prdmod tekan OK
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 15
Hasil SPSS ini berarti
Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =
klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi
tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat
perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern
D Uji Instrumentasi Penelitian
Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat
pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan
uji instrumentasi yaitu uji validitas dan reliabilitas
D1 Uji Validitas
Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil
penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti
Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi
product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat
digunakan rumus
rxy =( )( )
( )( ) ( )( )sum sumsum sumsumsum sum
minusminus
minus2222
YY NXX N
YXXY N
Keterangan
rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan
Paired Samples Statistics
406 108 600 058
239 108 884 085
PRDTRAD
PRDMOD
Pair
1
Mean N Std Deviation
Std Error
Mean
Paired Samples Correlations
108 128 186PRDTRAD amp PRDMODPair 1
N Correlation Sig
Paired Samples Test
168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1
MeanStd
Deviation
Std
Error Mean Lower Upper
95 Confidence
Interval of the
Difference
Paired Differences
t df Sig
(2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 5
Statistika adalah pendekatan kuantitatif sehingga data nominal yang bersifat kualitatif harus
dirubah menjadi bentuk numerik dengan cara pemberian skor (skoring)
Perhatikan pemberian skor data nominal bersifat sembarang yaitu hanya sekedar untuk dapat
membedakan (penamaan saja) sehingga dapat dibolak-balik
(2) Data ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur urutan
(order = urutan) Misal
Sikap Skor yang mungkin
Sangat setuju 4 1Setuju 3 2Kurang setuju 2 3Tidak setuju 1 4
Perhatikan dengan seksama pembuatan skor antara data nominal dan ordinal dimana untuk data
nominal skor tersebut dapat dibuat sembarang yaitu hanya sekedar dapat mebedakan Akan
tetapi untuk data ordinal urutan angka dalam skor menunjukkan arah tingkatan Pada data
ordinal ini interval (selang)-nya tidak mempunyai arti (tidak bermakna) misalnya selisih antara
skor 4 dengan 2 adalah 2 dan selisih antara 3 dengan 1 adalah 2 yang mana 2 dengan 2 arti
dan maknanya tidak sama
(3) Data interval adalah data yang selain mengandung unsur penamaan dan urutan juga memiliki
sifat interval (selang)-nya bermakna Di samping itu data ini memiliki ciri angka nol-nya tidak
mutlak Misal
Indeks Prestasi Suhu (oC) IHK
0 0 1001 10 1152 20 1203 30 1204 40 140
Perhatikan bahwa 0 pada Indeks Prestasi barangkali akan setara dengan lt 30 untuk skala nilai 1
ndash 100 dan 0 pada suhu dengan derajat Celcius = 32 oF Ratio dari data ini tidak memiliki
makna misal IP 4 bukan berarti pintarnya sama dengan dua kali IP 2 demikian halnya suhu 40 o
C bukan berarti panasnya frac12 dari suhu 80o C
(4) Data ratio adalah data yang memiliki unsur penamaan urutan intervalnya bermakna dan angka
nolnya mutlak sehingga rationya mempunyai makna Misal
Pendapatan($)
Panjang Jalan(km)
21 12045 14070 160
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 6
Disebut nol-nya mutlak sebab memang tidak akan ada benda (jalan) yang panjangnya nol
kilometer Pendapatan 0 berarti tidak menghasilkan pendapatan sama sekali
Jika kedua klasifikasi data tersebut dikombinasikan maka akan diperoleh seperti pada Tabel 12
sebagai berikut
Tabel 12 Kaitan antara skala ukur data dengan sifat kekontinyuannya
DISKRIT KONTINYU
NOMINAL V
ORDINAL V
INTERVAL V V
RATIO V V
Keterangan V = bersesuaian
F Taraf Nyata (αααα) dan p-value
Taraf nyata αααα adalah peluang menolak Ho yang pada hakekanya benar disebut peluang salah
jenis tipe I
αααα = P(Ho ditolak Ho benar)
Secara pragmatis alpha didefinisikan sebagai resiko salah dalam penarikan kesimpulan penelitian
Dengan memperkecil αααα berarti memperkecil resiko salah dalam penarikan kesimpulan Hal ini
dapat ditempuh dengan jalan memperkecil kesalahan (ketidakpastian) dalam setiap langkah
rangkaian analisis data inferensial Untuk memahami lebih lanjut mengenai αααα dapat diperhatikan
ilustarasi di bawah ini
Pelaksanaan pelatihan terhadap karyawan diharapkan dapat meningkatkan kinerjanya Untuk itu
dilakukan penelitian dengan mengajukan hipotesis statistika
Ho microb = micros lawan
H1 microb lt micros
Dalam hal ini microb = kinerja sebelum dilakukan pelatihan dan micros = kinerja sesudah dilakuan pelatihan
Katakanlah hasil pengujian cukup bermakna dengan p = 0027 Interpretasi Pelatihan dapatmeningkatkan kinerja karyawan Dimana kesimpulan tersebut mengandung resiko salah sebesar 27
Arti pragmatisnya Seandainya akan dilakukan pelatihan terhadap 1000 karyawan maka
berdasarkan hasil penelitian tersebut dimungkinkan 27 orang kinerjanya tidak meningkat
Perbedaan antara α dengan p-value
Besarnya α ditetukan berdasarkan konvensi (kesepakatan) para ahli yaitu 1 untuk penelitian
yang sifatnya kritis dan 5 untuk yang kurang kritis Nilai (titik) kritis beberapa statistik uji
misalnya t F Z dan χ2 pada alpha 1 5 atau 10 telah dihitung dan di tabelkan Sehingga
pengguna statistika tidak perlu sulit-sulit menghitungnya sendiri Hal ini dilatarbelakangi oleh kendala
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 7
sulitnya prosedur perhitungan tersebut terutama sebelum berkembangnya komputer Untuk jelasnya
perhatikan uraian berikut Untuk menghitung atau p pada statistik t dengan nilai thitung = 2288 pada
derajat bebas (db) = 10 adalah
( ) ( )
005t1
10210
21
12
1102
2882
=+
Β
int+
minus+infin
dt
dalam hal ini B(____) adalah fungsi Beta Dengan kata lain untuk thit = 2288 dengan db=10
diperoleh p = 005 atau dengan α = 005 dan db=10 diperoleh ttabel = 2288
Oleh karena itu sebelum komputer berkembang para ahli menggunakan mesin hitung yang
telah ada untuk menghitung permasalahan tersebut dan hasilnya dituangkan dalam Tabel Kaidah
pengujiannya adalah jika thit gt ttabel pada α tertentu maka tolak Ho dan sebaliknya Kelemahannya
adalah tidak bisa memberikan informasi resiko salah secara eksak Jadi seandainya p yang
sebenarnya = 0017 dan pada uji konvensional digunakan α = 005 maka resiko salah dalam
penarikan kesimpulan adalah 5 yang sebenarnya secara eksak adalah 17
Dengan berkembangnya komputer perhitungan nilai p untuk beberapa statistik uji dapat
dengan mudah dan cepat dilakukan Umumnya dinyatakan dalam notasi p-value atau p saja atau
Sig (di SPSS) Dengan demikian dapat dikatakan bahwa p adalah berupa signifikansi aktual
sedangkan alpha adalah signifikansi batas Berdasarkan taraf uji aktual yang merujuk pada p-value
maka keputusan uji hipotesis akan berbunyi
Tolak H 0 (bermakna) dengan resiko salah sebesar p x 100
Mengenai berapa besar nilai p yang masih dapat ditolerir sangat tergantung dari tingkat kekritisan
penelitian dan kepentingan pengguna hasil penelitian
Berdasarkan uraian tersebut dapat dikatakan bahwa kesimpulan yang ditarik berdasarkan uji
statistik tidak pernah bersifat benar mutlak Misal jika pengujian secara statistik mendapatkan
bahwa obat O dapat menyembuhkan penyakit S dengan p = 002 maka tidak semua penderita
penyakit S yang diobati O pasti sembuh akan tetapi dimungkinkan 98 sembuh dan 2 tidak
sembuh Oleh karena itu kesimpulan statistika tidak pernah dogmatis
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
A STATISTIKA DISKRIPTIF
Statistika diskriptif mer
deskripsi (gambaran) data sehin
sajian yang lebih menarik Ada
pie chart boxplot (dalam bentuk
Buka data SPSS deskriptif D
mempengaruhi pembelian kart
responden yang diambil sebagai
- usia adalah usia responden
- kusia adalah kelompok usi
- pddk adalah tingkat pendidi
- lama adalah lama penggun
- klama adalah kelompok la
- phsl adalah penghasilanbul
- kphsl adalah kelompok pen
- jangkau adalah penilaian r
kurang luas)
- signal adalah penilaian resp
kurang kuat)
- suara adalah penilaian resp
baik)
Histogram
Misalkan kita ingin membuat his
Pilih menu Graph gt Histogram
Lalu isi Variable phsl hidupka
983138 983090983088983088983096
P a g e | 8
BAB II
STATISTIKA DESKRIPTIF
upakan bagian statistika yang membahas te
gga informasi yang terkandung dalam data mu
beberapa cara mendeskriptifkan data antara lai
grafik) dan cara mengukur dengan nilai rata-rat
ata tersebut adalah hasil penelitian mengenai
Mentari pada PT Satelit Palapa Indonesia
sampel Adapun data dalam worksheet adalah s
responden (15-25 tahun 25-34 tahun 35-43 ta
an responden (SLTP SMU Sarjana)
an kartu Mentari (dalam bulan)
a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun
an responden (dalam juta rupiah)
ghasilan responden (lt1juta 1-15juta 15-2juta
sponden terhadap daya jangkau (sangat luas l
onden terhadap kekuatan signal (sangat kuat k
nden terhadap kualitas suara (sangat baik baik
ogram data penghasilan responden
display normal curve tekan OK
tang penataan dan
ah dipahami dengan
dengan histogram
variance dll
analisis faktor yang
Surabaya dari 100
bagai berikut
hun)
gt3 tahun)
gt2juta)
uas cukup luas dan
uat cukup kuat dan
cukup baik kurang
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
Pie Chart
Misalkan kita ingin membuat pie
Pilih menu Graph gt Pie
Pilih Summary for groups of c
Kemudian masukkan define sli
Box Plot
Misalkan kita ingin membuat Bo
Pilih menu Graph gt Boxplot
Pilih Summaries of Separate
Kemudian masukkan Boxes Re
Deskriptif Ukur
Misalkan kita ingin membuat sta
Pilih menu Analyze gt Descript
Kemudian masukkan variables
hidupkan range lalu OK
983138 983090983088983088983096
P a g e | 9
chart data pendidikan responden
ases lalu define
es pddk tekan OK
Plot data lama penggunaan kartu mentari oleh
Variables lalu define
resent lama tekan OK
istika deskriptif data usia responden
ive Statistics gt Descriptive
usia tekan option dan pilih statistik yang
esponden
ibutuhkan misalkan
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 10
Deskriptif Frekuensi
Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau
kekuatan signal dan kualitas suara kartu Mentari
Pilih menu Analyze gt Descriptive Statistics gt Frequencies
Kemudian masukkan variables jangkau tekan OK
Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan
cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya
B STATISTIKA INFERENSIAL
Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika
(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk
menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat
diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk
menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti
terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu
statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika
inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat
data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik
bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya
tak normal walaupun dengan transformasi
1 Uji Kenormalan
Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran
normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya
Descriptive Statistics
100 28 15 43 2538 7663
100
USIA
Valid N (listwise)
N Range Minimum Maximum Mean Std Deviation
JANGKAU
26 260 260 260
46 460 460 720
19 190 190 910
9 90 90 1000
100 1000 1000
kurang luas
cukup luas
luas
sangat luas
Total
ValidFrequency Percent Valid Percent
Cumulative
Percent
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 11
adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang
diamati tidak normal
Contoh menggunakan data penghasilan responden pada data deskriptif
Apakah data penghasilan responden menyebar normal
Pilih menu Analyze gt Descriptive Statistics gt Explore
Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with
test continue dan OK
Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi
bahwa data penghasilan mempunyai sebaran normal karena
sig gt α (0106 gt 005)
2 Statistika Inferensi parametrik untuk 1 Populasi
Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai
dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak
diketahui dari data yang mempunyai sebaran normal
Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan
seluruh pelanggan kartu Mentari sebesar 1 juta
Hipotesis
Ho micro = 1 juta
lawan
H1 micro ne 1 juta
Maka statistik ujinya adalah
nsxt test microminus=
Selang kepercayaannya
αminus=+ltmicroltminus 1)ntsxntsx(P
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
i
1n
)xx(s
Tests of Normality
081 100 106 972 100 032PHSL
Statistic df Sig Statistic df Sig
Kolmogorov-Smirnova
Shapiro-Wilk
Lilliefors Significance Correctiona
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1322
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 12
Cara melakukan analisis dengan SPSS adalah sbb
Pilih menu Analyze gt Compare Means gt One sample T test
Kemudian masukkan Test variable phsl Test value 1 tekan OK
Hasil SPSS ini berarti
Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value
sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-
rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta
C Statistika inferensi parametrik untuk 2 populasi
C1 Dua populasi bebas (Independent )
Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai
karakteristik yang berbeda
Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan
penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas
kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)
menggunakan metode pola latihan SQ3R
Statistik uji dan hipotesisnya adalah
H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2
Uji statistiknya - Untuk ragam kedua populasi sama
)n
1
n
1(s
xxt
21
2
gab
21
test
+
minus=
2nn
s)1n(s)1n(s
21
2
22
2
112
gab minus+
minus+minus=
- Untuk ragam kedua populasi berbeda
)n
s
n
s
(
xxt
2
2
2
1
2
1
21
test
+
minus=
One-Sample Statistics
100 1501 5544 0554PHSL
N Mean Std Deviation
Std Error
Mean
One-Sample Test
9037 99 000 501 391 611PHSL
t df Sig (2-tailed)
Mean
Difference Lower Upper
95 Confidence
Interval of the
Difference
Test Value = 1
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 13
- Selang kepercayaan untuk ragam kedua populasi sama
αminus=++minusltmicrominusmicrolt+minusminus 1)
n
1
n
1(st)xx(
n
1
n
1(st)xx((P
21
2
gab2121
21
2
gab21
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)
- Selang kepercayaan untuk ragam kedua populasi berbeda
αminus=++minusltmicrominusmicrolt+minusminus 1)n
s
n
st)xx(
n
s
n
st)xx((P
2
2
2
1
2
12121
2
2
2
1
2
121
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar
2
)1n(
)ns(
)1n(
)ns(
)nsns(v
2
2
2
2
2
1
2
1
2
1
2
2
2
21
2
1 minus
+++
+=
Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005
Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun
kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas
pertama (kelas biasa) atau kelas kedua (kelas sq3r)
Cara melakukan analisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Compare Means gt Independent samples T test
Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK
Group Statistics
30 581973 534223 97535
30 756117 405790 74087
KELAS
biasa
sq3r
NILAI
N Mean Std Deviation
Std Error
Mean
Independent Samples Test
620 434 -142 58 000 -174143 122483 -1987 -1496
-142 54 000 -174143 122483 -1987 -1496
Equal variances
assumed
Equal variances
not assumed
NILAI
F Sig
LevenesTest for
Equality of
Variances
t df
Sig
(2-tailed)
Mean
Difference
Std Error
Difference Lower Upper
95
Confidence
Interval of the
Difference
t-test for Equality of Means
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 14
Hasil SPSS berarti
Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil
pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)
sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama
Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)
diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat
perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen
lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa
C2 Dua populasi dependen (dua populasi berpasangan)
Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara
berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu
data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen
(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara
mengamatinya secara berpasang-pasangan
Statistik uji dan hipotesisnya sebagai berikut
H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB
Statistik ujinya
ns
Dt
Dtest
=
di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya
αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
iD
1n
)DD(s
Contoh
Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi
konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD
Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data
hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan
plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)
Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan
makanan modern
Pilih menu Analyze gt Compare Means gt Paired-samples T tes
Kemudian masukkan Paired variable prdtra dan prdmod tekan OK
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 15
Hasil SPSS ini berarti
Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =
klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi
tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat
perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern
D Uji Instrumentasi Penelitian
Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat
pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan
uji instrumentasi yaitu uji validitas dan reliabilitas
D1 Uji Validitas
Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil
penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti
Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi
product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat
digunakan rumus
rxy =( )( )
( )( ) ( )( )sum sumsum sumsumsum sum
minusminus
minus2222
YY NXX N
YXXY N
Keterangan
rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan
Paired Samples Statistics
406 108 600 058
239 108 884 085
PRDTRAD
PRDMOD
Pair
1
Mean N Std Deviation
Std Error
Mean
Paired Samples Correlations
108 128 186PRDTRAD amp PRDMODPair 1
N Correlation Sig
Paired Samples Test
168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1
MeanStd
Deviation
Std
Error Mean Lower Upper
95 Confidence
Interval of the
Difference
Paired Differences
t df Sig
(2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 6
Disebut nol-nya mutlak sebab memang tidak akan ada benda (jalan) yang panjangnya nol
kilometer Pendapatan 0 berarti tidak menghasilkan pendapatan sama sekali
Jika kedua klasifikasi data tersebut dikombinasikan maka akan diperoleh seperti pada Tabel 12
sebagai berikut
Tabel 12 Kaitan antara skala ukur data dengan sifat kekontinyuannya
DISKRIT KONTINYU
NOMINAL V
ORDINAL V
INTERVAL V V
RATIO V V
Keterangan V = bersesuaian
F Taraf Nyata (αααα) dan p-value
Taraf nyata αααα adalah peluang menolak Ho yang pada hakekanya benar disebut peluang salah
jenis tipe I
αααα = P(Ho ditolak Ho benar)
Secara pragmatis alpha didefinisikan sebagai resiko salah dalam penarikan kesimpulan penelitian
Dengan memperkecil αααα berarti memperkecil resiko salah dalam penarikan kesimpulan Hal ini
dapat ditempuh dengan jalan memperkecil kesalahan (ketidakpastian) dalam setiap langkah
rangkaian analisis data inferensial Untuk memahami lebih lanjut mengenai αααα dapat diperhatikan
ilustarasi di bawah ini
Pelaksanaan pelatihan terhadap karyawan diharapkan dapat meningkatkan kinerjanya Untuk itu
dilakukan penelitian dengan mengajukan hipotesis statistika
Ho microb = micros lawan
H1 microb lt micros
Dalam hal ini microb = kinerja sebelum dilakukan pelatihan dan micros = kinerja sesudah dilakuan pelatihan
Katakanlah hasil pengujian cukup bermakna dengan p = 0027 Interpretasi Pelatihan dapatmeningkatkan kinerja karyawan Dimana kesimpulan tersebut mengandung resiko salah sebesar 27
Arti pragmatisnya Seandainya akan dilakukan pelatihan terhadap 1000 karyawan maka
berdasarkan hasil penelitian tersebut dimungkinkan 27 orang kinerjanya tidak meningkat
Perbedaan antara α dengan p-value
Besarnya α ditetukan berdasarkan konvensi (kesepakatan) para ahli yaitu 1 untuk penelitian
yang sifatnya kritis dan 5 untuk yang kurang kritis Nilai (titik) kritis beberapa statistik uji
misalnya t F Z dan χ2 pada alpha 1 5 atau 10 telah dihitung dan di tabelkan Sehingga
pengguna statistika tidak perlu sulit-sulit menghitungnya sendiri Hal ini dilatarbelakangi oleh kendala
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 7
sulitnya prosedur perhitungan tersebut terutama sebelum berkembangnya komputer Untuk jelasnya
perhatikan uraian berikut Untuk menghitung atau p pada statistik t dengan nilai thitung = 2288 pada
derajat bebas (db) = 10 adalah
( ) ( )
005t1
10210
21
12
1102
2882
=+
Β
int+
minus+infin
dt
dalam hal ini B(____) adalah fungsi Beta Dengan kata lain untuk thit = 2288 dengan db=10
diperoleh p = 005 atau dengan α = 005 dan db=10 diperoleh ttabel = 2288
Oleh karena itu sebelum komputer berkembang para ahli menggunakan mesin hitung yang
telah ada untuk menghitung permasalahan tersebut dan hasilnya dituangkan dalam Tabel Kaidah
pengujiannya adalah jika thit gt ttabel pada α tertentu maka tolak Ho dan sebaliknya Kelemahannya
adalah tidak bisa memberikan informasi resiko salah secara eksak Jadi seandainya p yang
sebenarnya = 0017 dan pada uji konvensional digunakan α = 005 maka resiko salah dalam
penarikan kesimpulan adalah 5 yang sebenarnya secara eksak adalah 17
Dengan berkembangnya komputer perhitungan nilai p untuk beberapa statistik uji dapat
dengan mudah dan cepat dilakukan Umumnya dinyatakan dalam notasi p-value atau p saja atau
Sig (di SPSS) Dengan demikian dapat dikatakan bahwa p adalah berupa signifikansi aktual
sedangkan alpha adalah signifikansi batas Berdasarkan taraf uji aktual yang merujuk pada p-value
maka keputusan uji hipotesis akan berbunyi
Tolak H 0 (bermakna) dengan resiko salah sebesar p x 100
Mengenai berapa besar nilai p yang masih dapat ditolerir sangat tergantung dari tingkat kekritisan
penelitian dan kepentingan pengguna hasil penelitian
Berdasarkan uraian tersebut dapat dikatakan bahwa kesimpulan yang ditarik berdasarkan uji
statistik tidak pernah bersifat benar mutlak Misal jika pengujian secara statistik mendapatkan
bahwa obat O dapat menyembuhkan penyakit S dengan p = 002 maka tidak semua penderita
penyakit S yang diobati O pasti sembuh akan tetapi dimungkinkan 98 sembuh dan 2 tidak
sembuh Oleh karena itu kesimpulan statistika tidak pernah dogmatis
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
A STATISTIKA DISKRIPTIF
Statistika diskriptif mer
deskripsi (gambaran) data sehin
sajian yang lebih menarik Ada
pie chart boxplot (dalam bentuk
Buka data SPSS deskriptif D
mempengaruhi pembelian kart
responden yang diambil sebagai
- usia adalah usia responden
- kusia adalah kelompok usi
- pddk adalah tingkat pendidi
- lama adalah lama penggun
- klama adalah kelompok la
- phsl adalah penghasilanbul
- kphsl adalah kelompok pen
- jangkau adalah penilaian r
kurang luas)
- signal adalah penilaian resp
kurang kuat)
- suara adalah penilaian resp
baik)
Histogram
Misalkan kita ingin membuat his
Pilih menu Graph gt Histogram
Lalu isi Variable phsl hidupka
983138 983090983088983088983096
P a g e | 8
BAB II
STATISTIKA DESKRIPTIF
upakan bagian statistika yang membahas te
gga informasi yang terkandung dalam data mu
beberapa cara mendeskriptifkan data antara lai
grafik) dan cara mengukur dengan nilai rata-rat
ata tersebut adalah hasil penelitian mengenai
Mentari pada PT Satelit Palapa Indonesia
sampel Adapun data dalam worksheet adalah s
responden (15-25 tahun 25-34 tahun 35-43 ta
an responden (SLTP SMU Sarjana)
an kartu Mentari (dalam bulan)
a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun
an responden (dalam juta rupiah)
ghasilan responden (lt1juta 1-15juta 15-2juta
sponden terhadap daya jangkau (sangat luas l
onden terhadap kekuatan signal (sangat kuat k
nden terhadap kualitas suara (sangat baik baik
ogram data penghasilan responden
display normal curve tekan OK
tang penataan dan
ah dipahami dengan
dengan histogram
variance dll
analisis faktor yang
Surabaya dari 100
bagai berikut
hun)
gt3 tahun)
gt2juta)
uas cukup luas dan
uat cukup kuat dan
cukup baik kurang
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
Pie Chart
Misalkan kita ingin membuat pie
Pilih menu Graph gt Pie
Pilih Summary for groups of c
Kemudian masukkan define sli
Box Plot
Misalkan kita ingin membuat Bo
Pilih menu Graph gt Boxplot
Pilih Summaries of Separate
Kemudian masukkan Boxes Re
Deskriptif Ukur
Misalkan kita ingin membuat sta
Pilih menu Analyze gt Descript
Kemudian masukkan variables
hidupkan range lalu OK
983138 983090983088983088983096
P a g e | 9
chart data pendidikan responden
ases lalu define
es pddk tekan OK
Plot data lama penggunaan kartu mentari oleh
Variables lalu define
resent lama tekan OK
istika deskriptif data usia responden
ive Statistics gt Descriptive
usia tekan option dan pilih statistik yang
esponden
ibutuhkan misalkan
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 10
Deskriptif Frekuensi
Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau
kekuatan signal dan kualitas suara kartu Mentari
Pilih menu Analyze gt Descriptive Statistics gt Frequencies
Kemudian masukkan variables jangkau tekan OK
Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan
cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya
B STATISTIKA INFERENSIAL
Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika
(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk
menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat
diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk
menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti
terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu
statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika
inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat
data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik
bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya
tak normal walaupun dengan transformasi
1 Uji Kenormalan
Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran
normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya
Descriptive Statistics
100 28 15 43 2538 7663
100
USIA
Valid N (listwise)
N Range Minimum Maximum Mean Std Deviation
JANGKAU
26 260 260 260
46 460 460 720
19 190 190 910
9 90 90 1000
100 1000 1000
kurang luas
cukup luas
luas
sangat luas
Total
ValidFrequency Percent Valid Percent
Cumulative
Percent
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 11
adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang
diamati tidak normal
Contoh menggunakan data penghasilan responden pada data deskriptif
Apakah data penghasilan responden menyebar normal
Pilih menu Analyze gt Descriptive Statistics gt Explore
Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with
test continue dan OK
Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi
bahwa data penghasilan mempunyai sebaran normal karena
sig gt α (0106 gt 005)
2 Statistika Inferensi parametrik untuk 1 Populasi
Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai
dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak
diketahui dari data yang mempunyai sebaran normal
Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan
seluruh pelanggan kartu Mentari sebesar 1 juta
Hipotesis
Ho micro = 1 juta
lawan
H1 micro ne 1 juta
Maka statistik ujinya adalah
nsxt test microminus=
Selang kepercayaannya
αminus=+ltmicroltminus 1)ntsxntsx(P
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
i
1n
)xx(s
Tests of Normality
081 100 106 972 100 032PHSL
Statistic df Sig Statistic df Sig
Kolmogorov-Smirnova
Shapiro-Wilk
Lilliefors Significance Correctiona
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1322
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 12
Cara melakukan analisis dengan SPSS adalah sbb
Pilih menu Analyze gt Compare Means gt One sample T test
Kemudian masukkan Test variable phsl Test value 1 tekan OK
Hasil SPSS ini berarti
Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value
sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-
rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta
C Statistika inferensi parametrik untuk 2 populasi
C1 Dua populasi bebas (Independent )
Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai
karakteristik yang berbeda
Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan
penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas
kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)
menggunakan metode pola latihan SQ3R
Statistik uji dan hipotesisnya adalah
H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2
Uji statistiknya - Untuk ragam kedua populasi sama
)n
1
n
1(s
xxt
21
2
gab
21
test
+
minus=
2nn
s)1n(s)1n(s
21
2
22
2
112
gab minus+
minus+minus=
- Untuk ragam kedua populasi berbeda
)n
s
n
s
(
xxt
2
2
2
1
2
1
21
test
+
minus=
One-Sample Statistics
100 1501 5544 0554PHSL
N Mean Std Deviation
Std Error
Mean
One-Sample Test
9037 99 000 501 391 611PHSL
t df Sig (2-tailed)
Mean
Difference Lower Upper
95 Confidence
Interval of the
Difference
Test Value = 1
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 13
- Selang kepercayaan untuk ragam kedua populasi sama
αminus=++minusltmicrominusmicrolt+minusminus 1)
n
1
n
1(st)xx(
n
1
n
1(st)xx((P
21
2
gab2121
21
2
gab21
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)
- Selang kepercayaan untuk ragam kedua populasi berbeda
αminus=++minusltmicrominusmicrolt+minusminus 1)n
s
n
st)xx(
n
s
n
st)xx((P
2
2
2
1
2
12121
2
2
2
1
2
121
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar
2
)1n(
)ns(
)1n(
)ns(
)nsns(v
2
2
2
2
2
1
2
1
2
1
2
2
2
21
2
1 minus
+++
+=
Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005
Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun
kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas
pertama (kelas biasa) atau kelas kedua (kelas sq3r)
Cara melakukan analisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Compare Means gt Independent samples T test
Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK
Group Statistics
30 581973 534223 97535
30 756117 405790 74087
KELAS
biasa
sq3r
NILAI
N Mean Std Deviation
Std Error
Mean
Independent Samples Test
620 434 -142 58 000 -174143 122483 -1987 -1496
-142 54 000 -174143 122483 -1987 -1496
Equal variances
assumed
Equal variances
not assumed
NILAI
F Sig
LevenesTest for
Equality of
Variances
t df
Sig
(2-tailed)
Mean
Difference
Std Error
Difference Lower Upper
95
Confidence
Interval of the
Difference
t-test for Equality of Means
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 14
Hasil SPSS berarti
Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil
pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)
sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama
Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)
diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat
perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen
lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa
C2 Dua populasi dependen (dua populasi berpasangan)
Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara
berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu
data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen
(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara
mengamatinya secara berpasang-pasangan
Statistik uji dan hipotesisnya sebagai berikut
H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB
Statistik ujinya
ns
Dt
Dtest
=
di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya
αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
iD
1n
)DD(s
Contoh
Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi
konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD
Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data
hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan
plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)
Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan
makanan modern
Pilih menu Analyze gt Compare Means gt Paired-samples T tes
Kemudian masukkan Paired variable prdtra dan prdmod tekan OK
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 15
Hasil SPSS ini berarti
Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =
klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi
tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat
perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern
D Uji Instrumentasi Penelitian
Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat
pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan
uji instrumentasi yaitu uji validitas dan reliabilitas
D1 Uji Validitas
Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil
penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti
Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi
product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat
digunakan rumus
rxy =( )( )
( )( ) ( )( )sum sumsum sumsumsum sum
minusminus
minus2222
YY NXX N
YXXY N
Keterangan
rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan
Paired Samples Statistics
406 108 600 058
239 108 884 085
PRDTRAD
PRDMOD
Pair
1
Mean N Std Deviation
Std Error
Mean
Paired Samples Correlations
108 128 186PRDTRAD amp PRDMODPair 1
N Correlation Sig
Paired Samples Test
168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1
MeanStd
Deviation
Std
Error Mean Lower Upper
95 Confidence
Interval of the
Difference
Paired Differences
t df Sig
(2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 7
sulitnya prosedur perhitungan tersebut terutama sebelum berkembangnya komputer Untuk jelasnya
perhatikan uraian berikut Untuk menghitung atau p pada statistik t dengan nilai thitung = 2288 pada
derajat bebas (db) = 10 adalah
( ) ( )
005t1
10210
21
12
1102
2882
=+
Β
int+
minus+infin
dt
dalam hal ini B(____) adalah fungsi Beta Dengan kata lain untuk thit = 2288 dengan db=10
diperoleh p = 005 atau dengan α = 005 dan db=10 diperoleh ttabel = 2288
Oleh karena itu sebelum komputer berkembang para ahli menggunakan mesin hitung yang
telah ada untuk menghitung permasalahan tersebut dan hasilnya dituangkan dalam Tabel Kaidah
pengujiannya adalah jika thit gt ttabel pada α tertentu maka tolak Ho dan sebaliknya Kelemahannya
adalah tidak bisa memberikan informasi resiko salah secara eksak Jadi seandainya p yang
sebenarnya = 0017 dan pada uji konvensional digunakan α = 005 maka resiko salah dalam
penarikan kesimpulan adalah 5 yang sebenarnya secara eksak adalah 17
Dengan berkembangnya komputer perhitungan nilai p untuk beberapa statistik uji dapat
dengan mudah dan cepat dilakukan Umumnya dinyatakan dalam notasi p-value atau p saja atau
Sig (di SPSS) Dengan demikian dapat dikatakan bahwa p adalah berupa signifikansi aktual
sedangkan alpha adalah signifikansi batas Berdasarkan taraf uji aktual yang merujuk pada p-value
maka keputusan uji hipotesis akan berbunyi
Tolak H 0 (bermakna) dengan resiko salah sebesar p x 100
Mengenai berapa besar nilai p yang masih dapat ditolerir sangat tergantung dari tingkat kekritisan
penelitian dan kepentingan pengguna hasil penelitian
Berdasarkan uraian tersebut dapat dikatakan bahwa kesimpulan yang ditarik berdasarkan uji
statistik tidak pernah bersifat benar mutlak Misal jika pengujian secara statistik mendapatkan
bahwa obat O dapat menyembuhkan penyakit S dengan p = 002 maka tidak semua penderita
penyakit S yang diobati O pasti sembuh akan tetapi dimungkinkan 98 sembuh dan 2 tidak
sembuh Oleh karena itu kesimpulan statistika tidak pernah dogmatis
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
A STATISTIKA DISKRIPTIF
Statistika diskriptif mer
deskripsi (gambaran) data sehin
sajian yang lebih menarik Ada
pie chart boxplot (dalam bentuk
Buka data SPSS deskriptif D
mempengaruhi pembelian kart
responden yang diambil sebagai
- usia adalah usia responden
- kusia adalah kelompok usi
- pddk adalah tingkat pendidi
- lama adalah lama penggun
- klama adalah kelompok la
- phsl adalah penghasilanbul
- kphsl adalah kelompok pen
- jangkau adalah penilaian r
kurang luas)
- signal adalah penilaian resp
kurang kuat)
- suara adalah penilaian resp
baik)
Histogram
Misalkan kita ingin membuat his
Pilih menu Graph gt Histogram
Lalu isi Variable phsl hidupka
983138 983090983088983088983096
P a g e | 8
BAB II
STATISTIKA DESKRIPTIF
upakan bagian statistika yang membahas te
gga informasi yang terkandung dalam data mu
beberapa cara mendeskriptifkan data antara lai
grafik) dan cara mengukur dengan nilai rata-rat
ata tersebut adalah hasil penelitian mengenai
Mentari pada PT Satelit Palapa Indonesia
sampel Adapun data dalam worksheet adalah s
responden (15-25 tahun 25-34 tahun 35-43 ta
an responden (SLTP SMU Sarjana)
an kartu Mentari (dalam bulan)
a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun
an responden (dalam juta rupiah)
ghasilan responden (lt1juta 1-15juta 15-2juta
sponden terhadap daya jangkau (sangat luas l
onden terhadap kekuatan signal (sangat kuat k
nden terhadap kualitas suara (sangat baik baik
ogram data penghasilan responden
display normal curve tekan OK
tang penataan dan
ah dipahami dengan
dengan histogram
variance dll
analisis faktor yang
Surabaya dari 100
bagai berikut
hun)
gt3 tahun)
gt2juta)
uas cukup luas dan
uat cukup kuat dan
cukup baik kurang
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
Pie Chart
Misalkan kita ingin membuat pie
Pilih menu Graph gt Pie
Pilih Summary for groups of c
Kemudian masukkan define sli
Box Plot
Misalkan kita ingin membuat Bo
Pilih menu Graph gt Boxplot
Pilih Summaries of Separate
Kemudian masukkan Boxes Re
Deskriptif Ukur
Misalkan kita ingin membuat sta
Pilih menu Analyze gt Descript
Kemudian masukkan variables
hidupkan range lalu OK
983138 983090983088983088983096
P a g e | 9
chart data pendidikan responden
ases lalu define
es pddk tekan OK
Plot data lama penggunaan kartu mentari oleh
Variables lalu define
resent lama tekan OK
istika deskriptif data usia responden
ive Statistics gt Descriptive
usia tekan option dan pilih statistik yang
esponden
ibutuhkan misalkan
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 10
Deskriptif Frekuensi
Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau
kekuatan signal dan kualitas suara kartu Mentari
Pilih menu Analyze gt Descriptive Statistics gt Frequencies
Kemudian masukkan variables jangkau tekan OK
Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan
cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya
B STATISTIKA INFERENSIAL
Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika
(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk
menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat
diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk
menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti
terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu
statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika
inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat
data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik
bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya
tak normal walaupun dengan transformasi
1 Uji Kenormalan
Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran
normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya
Descriptive Statistics
100 28 15 43 2538 7663
100
USIA
Valid N (listwise)
N Range Minimum Maximum Mean Std Deviation
JANGKAU
26 260 260 260
46 460 460 720
19 190 190 910
9 90 90 1000
100 1000 1000
kurang luas
cukup luas
luas
sangat luas
Total
ValidFrequency Percent Valid Percent
Cumulative
Percent
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 11
adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang
diamati tidak normal
Contoh menggunakan data penghasilan responden pada data deskriptif
Apakah data penghasilan responden menyebar normal
Pilih menu Analyze gt Descriptive Statistics gt Explore
Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with
test continue dan OK
Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi
bahwa data penghasilan mempunyai sebaran normal karena
sig gt α (0106 gt 005)
2 Statistika Inferensi parametrik untuk 1 Populasi
Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai
dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak
diketahui dari data yang mempunyai sebaran normal
Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan
seluruh pelanggan kartu Mentari sebesar 1 juta
Hipotesis
Ho micro = 1 juta
lawan
H1 micro ne 1 juta
Maka statistik ujinya adalah
nsxt test microminus=
Selang kepercayaannya
αminus=+ltmicroltminus 1)ntsxntsx(P
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
i
1n
)xx(s
Tests of Normality
081 100 106 972 100 032PHSL
Statistic df Sig Statistic df Sig
Kolmogorov-Smirnova
Shapiro-Wilk
Lilliefors Significance Correctiona
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1322
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 12
Cara melakukan analisis dengan SPSS adalah sbb
Pilih menu Analyze gt Compare Means gt One sample T test
Kemudian masukkan Test variable phsl Test value 1 tekan OK
Hasil SPSS ini berarti
Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value
sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-
rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta
C Statistika inferensi parametrik untuk 2 populasi
C1 Dua populasi bebas (Independent )
Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai
karakteristik yang berbeda
Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan
penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas
kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)
menggunakan metode pola latihan SQ3R
Statistik uji dan hipotesisnya adalah
H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2
Uji statistiknya - Untuk ragam kedua populasi sama
)n
1
n
1(s
xxt
21
2
gab
21
test
+
minus=
2nn
s)1n(s)1n(s
21
2
22
2
112
gab minus+
minus+minus=
- Untuk ragam kedua populasi berbeda
)n
s
n
s
(
xxt
2
2
2
1
2
1
21
test
+
minus=
One-Sample Statistics
100 1501 5544 0554PHSL
N Mean Std Deviation
Std Error
Mean
One-Sample Test
9037 99 000 501 391 611PHSL
t df Sig (2-tailed)
Mean
Difference Lower Upper
95 Confidence
Interval of the
Difference
Test Value = 1
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 13
- Selang kepercayaan untuk ragam kedua populasi sama
αminus=++minusltmicrominusmicrolt+minusminus 1)
n
1
n
1(st)xx(
n
1
n
1(st)xx((P
21
2
gab2121
21
2
gab21
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)
- Selang kepercayaan untuk ragam kedua populasi berbeda
αminus=++minusltmicrominusmicrolt+minusminus 1)n
s
n
st)xx(
n
s
n
st)xx((P
2
2
2
1
2
12121
2
2
2
1
2
121
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar
2
)1n(
)ns(
)1n(
)ns(
)nsns(v
2
2
2
2
2
1
2
1
2
1
2
2
2
21
2
1 minus
+++
+=
Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005
Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun
kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas
pertama (kelas biasa) atau kelas kedua (kelas sq3r)
Cara melakukan analisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Compare Means gt Independent samples T test
Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK
Group Statistics
30 581973 534223 97535
30 756117 405790 74087
KELAS
biasa
sq3r
NILAI
N Mean Std Deviation
Std Error
Mean
Independent Samples Test
620 434 -142 58 000 -174143 122483 -1987 -1496
-142 54 000 -174143 122483 -1987 -1496
Equal variances
assumed
Equal variances
not assumed
NILAI
F Sig
LevenesTest for
Equality of
Variances
t df
Sig
(2-tailed)
Mean
Difference
Std Error
Difference Lower Upper
95
Confidence
Interval of the
Difference
t-test for Equality of Means
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 14
Hasil SPSS berarti
Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil
pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)
sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama
Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)
diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat
perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen
lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa
C2 Dua populasi dependen (dua populasi berpasangan)
Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara
berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu
data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen
(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara
mengamatinya secara berpasang-pasangan
Statistik uji dan hipotesisnya sebagai berikut
H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB
Statistik ujinya
ns
Dt
Dtest
=
di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya
αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
iD
1n
)DD(s
Contoh
Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi
konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD
Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data
hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan
plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)
Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan
makanan modern
Pilih menu Analyze gt Compare Means gt Paired-samples T tes
Kemudian masukkan Paired variable prdtra dan prdmod tekan OK
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 15
Hasil SPSS ini berarti
Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =
klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi
tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat
perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern
D Uji Instrumentasi Penelitian
Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat
pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan
uji instrumentasi yaitu uji validitas dan reliabilitas
D1 Uji Validitas
Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil
penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti
Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi
product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat
digunakan rumus
rxy =( )( )
( )( ) ( )( )sum sumsum sumsumsum sum
minusminus
minus2222
YY NXX N
YXXY N
Keterangan
rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan
Paired Samples Statistics
406 108 600 058
239 108 884 085
PRDTRAD
PRDMOD
Pair
1
Mean N Std Deviation
Std Error
Mean
Paired Samples Correlations
108 128 186PRDTRAD amp PRDMODPair 1
N Correlation Sig
Paired Samples Test
168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1
MeanStd
Deviation
Std
Error Mean Lower Upper
95 Confidence
Interval of the
Difference
Paired Differences
t df Sig
(2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
A STATISTIKA DISKRIPTIF
Statistika diskriptif mer
deskripsi (gambaran) data sehin
sajian yang lebih menarik Ada
pie chart boxplot (dalam bentuk
Buka data SPSS deskriptif D
mempengaruhi pembelian kart
responden yang diambil sebagai
- usia adalah usia responden
- kusia adalah kelompok usi
- pddk adalah tingkat pendidi
- lama adalah lama penggun
- klama adalah kelompok la
- phsl adalah penghasilanbul
- kphsl adalah kelompok pen
- jangkau adalah penilaian r
kurang luas)
- signal adalah penilaian resp
kurang kuat)
- suara adalah penilaian resp
baik)
Histogram
Misalkan kita ingin membuat his
Pilih menu Graph gt Histogram
Lalu isi Variable phsl hidupka
983138 983090983088983088983096
P a g e | 8
BAB II
STATISTIKA DESKRIPTIF
upakan bagian statistika yang membahas te
gga informasi yang terkandung dalam data mu
beberapa cara mendeskriptifkan data antara lai
grafik) dan cara mengukur dengan nilai rata-rat
ata tersebut adalah hasil penelitian mengenai
Mentari pada PT Satelit Palapa Indonesia
sampel Adapun data dalam worksheet adalah s
responden (15-25 tahun 25-34 tahun 35-43 ta
an responden (SLTP SMU Sarjana)
an kartu Mentari (dalam bulan)
a penggunaan (lt 1 tahun 1-2 tahun 2-3 tahun
an responden (dalam juta rupiah)
ghasilan responden (lt1juta 1-15juta 15-2juta
sponden terhadap daya jangkau (sangat luas l
onden terhadap kekuatan signal (sangat kuat k
nden terhadap kualitas suara (sangat baik baik
ogram data penghasilan responden
display normal curve tekan OK
tang penataan dan
ah dipahami dengan
dengan histogram
variance dll
analisis faktor yang
Surabaya dari 100
bagai berikut
hun)
gt3 tahun)
gt2juta)
uas cukup luas dan
uat cukup kuat dan
cukup baik kurang
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
Pie Chart
Misalkan kita ingin membuat pie
Pilih menu Graph gt Pie
Pilih Summary for groups of c
Kemudian masukkan define sli
Box Plot
Misalkan kita ingin membuat Bo
Pilih menu Graph gt Boxplot
Pilih Summaries of Separate
Kemudian masukkan Boxes Re
Deskriptif Ukur
Misalkan kita ingin membuat sta
Pilih menu Analyze gt Descript
Kemudian masukkan variables
hidupkan range lalu OK
983138 983090983088983088983096
P a g e | 9
chart data pendidikan responden
ases lalu define
es pddk tekan OK
Plot data lama penggunaan kartu mentari oleh
Variables lalu define
resent lama tekan OK
istika deskriptif data usia responden
ive Statistics gt Descriptive
usia tekan option dan pilih statistik yang
esponden
ibutuhkan misalkan
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 10
Deskriptif Frekuensi
Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau
kekuatan signal dan kualitas suara kartu Mentari
Pilih menu Analyze gt Descriptive Statistics gt Frequencies
Kemudian masukkan variables jangkau tekan OK
Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan
cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya
B STATISTIKA INFERENSIAL
Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika
(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk
menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat
diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk
menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti
terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu
statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika
inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat
data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik
bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya
tak normal walaupun dengan transformasi
1 Uji Kenormalan
Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran
normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya
Descriptive Statistics
100 28 15 43 2538 7663
100
USIA
Valid N (listwise)
N Range Minimum Maximum Mean Std Deviation
JANGKAU
26 260 260 260
46 460 460 720
19 190 190 910
9 90 90 1000
100 1000 1000
kurang luas
cukup luas
luas
sangat luas
Total
ValidFrequency Percent Valid Percent
Cumulative
Percent
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 11
adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang
diamati tidak normal
Contoh menggunakan data penghasilan responden pada data deskriptif
Apakah data penghasilan responden menyebar normal
Pilih menu Analyze gt Descriptive Statistics gt Explore
Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with
test continue dan OK
Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi
bahwa data penghasilan mempunyai sebaran normal karena
sig gt α (0106 gt 005)
2 Statistika Inferensi parametrik untuk 1 Populasi
Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai
dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak
diketahui dari data yang mempunyai sebaran normal
Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan
seluruh pelanggan kartu Mentari sebesar 1 juta
Hipotesis
Ho micro = 1 juta
lawan
H1 micro ne 1 juta
Maka statistik ujinya adalah
nsxt test microminus=
Selang kepercayaannya
αminus=+ltmicroltminus 1)ntsxntsx(P
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
i
1n
)xx(s
Tests of Normality
081 100 106 972 100 032PHSL
Statistic df Sig Statistic df Sig
Kolmogorov-Smirnova
Shapiro-Wilk
Lilliefors Significance Correctiona
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1322
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 12
Cara melakukan analisis dengan SPSS adalah sbb
Pilih menu Analyze gt Compare Means gt One sample T test
Kemudian masukkan Test variable phsl Test value 1 tekan OK
Hasil SPSS ini berarti
Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value
sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-
rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta
C Statistika inferensi parametrik untuk 2 populasi
C1 Dua populasi bebas (Independent )
Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai
karakteristik yang berbeda
Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan
penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas
kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)
menggunakan metode pola latihan SQ3R
Statistik uji dan hipotesisnya adalah
H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2
Uji statistiknya - Untuk ragam kedua populasi sama
)n
1
n
1(s
xxt
21
2
gab
21
test
+
minus=
2nn
s)1n(s)1n(s
21
2
22
2
112
gab minus+
minus+minus=
- Untuk ragam kedua populasi berbeda
)n
s
n
s
(
xxt
2
2
2
1
2
1
21
test
+
minus=
One-Sample Statistics
100 1501 5544 0554PHSL
N Mean Std Deviation
Std Error
Mean
One-Sample Test
9037 99 000 501 391 611PHSL
t df Sig (2-tailed)
Mean
Difference Lower Upper
95 Confidence
Interval of the
Difference
Test Value = 1
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 13
- Selang kepercayaan untuk ragam kedua populasi sama
αminus=++minusltmicrominusmicrolt+minusminus 1)
n
1
n
1(st)xx(
n
1
n
1(st)xx((P
21
2
gab2121
21
2
gab21
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)
- Selang kepercayaan untuk ragam kedua populasi berbeda
αminus=++minusltmicrominusmicrolt+minusminus 1)n
s
n
st)xx(
n
s
n
st)xx((P
2
2
2
1
2
12121
2
2
2
1
2
121
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar
2
)1n(
)ns(
)1n(
)ns(
)nsns(v
2
2
2
2
2
1
2
1
2
1
2
2
2
21
2
1 minus
+++
+=
Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005
Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun
kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas
pertama (kelas biasa) atau kelas kedua (kelas sq3r)
Cara melakukan analisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Compare Means gt Independent samples T test
Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK
Group Statistics
30 581973 534223 97535
30 756117 405790 74087
KELAS
biasa
sq3r
NILAI
N Mean Std Deviation
Std Error
Mean
Independent Samples Test
620 434 -142 58 000 -174143 122483 -1987 -1496
-142 54 000 -174143 122483 -1987 -1496
Equal variances
assumed
Equal variances
not assumed
NILAI
F Sig
LevenesTest for
Equality of
Variances
t df
Sig
(2-tailed)
Mean
Difference
Std Error
Difference Lower Upper
95
Confidence
Interval of the
Difference
t-test for Equality of Means
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 14
Hasil SPSS berarti
Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil
pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)
sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama
Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)
diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat
perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen
lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa
C2 Dua populasi dependen (dua populasi berpasangan)
Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara
berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu
data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen
(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara
mengamatinya secara berpasang-pasangan
Statistik uji dan hipotesisnya sebagai berikut
H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB
Statistik ujinya
ns
Dt
Dtest
=
di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya
αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
iD
1n
)DD(s
Contoh
Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi
konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD
Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data
hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan
plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)
Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan
makanan modern
Pilih menu Analyze gt Compare Means gt Paired-samples T tes
Kemudian masukkan Paired variable prdtra dan prdmod tekan OK
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 15
Hasil SPSS ini berarti
Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =
klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi
tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat
perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern
D Uji Instrumentasi Penelitian
Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat
pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan
uji instrumentasi yaitu uji validitas dan reliabilitas
D1 Uji Validitas
Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil
penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti
Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi
product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat
digunakan rumus
rxy =( )( )
( )( ) ( )( )sum sumsum sumsumsum sum
minusminus
minus2222
YY NXX N
YXXY N
Keterangan
rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan
Paired Samples Statistics
406 108 600 058
239 108 884 085
PRDTRAD
PRDMOD
Pair
1
Mean N Std Deviation
Std Error
Mean
Paired Samples Correlations
108 128 186PRDTRAD amp PRDMODPair 1
N Correlation Sig
Paired Samples Test
168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1
MeanStd
Deviation
Std
Error Mean Lower Upper
95 Confidence
Interval of the
Difference
Paired Differences
t df Sig
(2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141
Pie Chart
Misalkan kita ingin membuat pie
Pilih menu Graph gt Pie
Pilih Summary for groups of c
Kemudian masukkan define sli
Box Plot
Misalkan kita ingin membuat Bo
Pilih menu Graph gt Boxplot
Pilih Summaries of Separate
Kemudian masukkan Boxes Re
Deskriptif Ukur
Misalkan kita ingin membuat sta
Pilih menu Analyze gt Descript
Kemudian masukkan variables
hidupkan range lalu OK
983138 983090983088983088983096
P a g e | 9
chart data pendidikan responden
ases lalu define
es pddk tekan OK
Plot data lama penggunaan kartu mentari oleh
Variables lalu define
resent lama tekan OK
istika deskriptif data usia responden
ive Statistics gt Descriptive
usia tekan option dan pilih statistik yang
esponden
ibutuhkan misalkan
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 10
Deskriptif Frekuensi
Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau
kekuatan signal dan kualitas suara kartu Mentari
Pilih menu Analyze gt Descriptive Statistics gt Frequencies
Kemudian masukkan variables jangkau tekan OK
Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan
cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya
B STATISTIKA INFERENSIAL
Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika
(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk
menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat
diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk
menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti
terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu
statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika
inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat
data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik
bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya
tak normal walaupun dengan transformasi
1 Uji Kenormalan
Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran
normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya
Descriptive Statistics
100 28 15 43 2538 7663
100
USIA
Valid N (listwise)
N Range Minimum Maximum Mean Std Deviation
JANGKAU
26 260 260 260
46 460 460 720
19 190 190 910
9 90 90 1000
100 1000 1000
kurang luas
cukup luas
luas
sangat luas
Total
ValidFrequency Percent Valid Percent
Cumulative
Percent
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 11
adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang
diamati tidak normal
Contoh menggunakan data penghasilan responden pada data deskriptif
Apakah data penghasilan responden menyebar normal
Pilih menu Analyze gt Descriptive Statistics gt Explore
Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with
test continue dan OK
Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi
bahwa data penghasilan mempunyai sebaran normal karena
sig gt α (0106 gt 005)
2 Statistika Inferensi parametrik untuk 1 Populasi
Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai
dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak
diketahui dari data yang mempunyai sebaran normal
Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan
seluruh pelanggan kartu Mentari sebesar 1 juta
Hipotesis
Ho micro = 1 juta
lawan
H1 micro ne 1 juta
Maka statistik ujinya adalah
nsxt test microminus=
Selang kepercayaannya
αminus=+ltmicroltminus 1)ntsxntsx(P
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
i
1n
)xx(s
Tests of Normality
081 100 106 972 100 032PHSL
Statistic df Sig Statistic df Sig
Kolmogorov-Smirnova
Shapiro-Wilk
Lilliefors Significance Correctiona
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1322
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 12
Cara melakukan analisis dengan SPSS adalah sbb
Pilih menu Analyze gt Compare Means gt One sample T test
Kemudian masukkan Test variable phsl Test value 1 tekan OK
Hasil SPSS ini berarti
Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value
sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-
rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta
C Statistika inferensi parametrik untuk 2 populasi
C1 Dua populasi bebas (Independent )
Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai
karakteristik yang berbeda
Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan
penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas
kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)
menggunakan metode pola latihan SQ3R
Statistik uji dan hipotesisnya adalah
H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2
Uji statistiknya - Untuk ragam kedua populasi sama
)n
1
n
1(s
xxt
21
2
gab
21
test
+
minus=
2nn
s)1n(s)1n(s
21
2
22
2
112
gab minus+
minus+minus=
- Untuk ragam kedua populasi berbeda
)n
s
n
s
(
xxt
2
2
2
1
2
1
21
test
+
minus=
One-Sample Statistics
100 1501 5544 0554PHSL
N Mean Std Deviation
Std Error
Mean
One-Sample Test
9037 99 000 501 391 611PHSL
t df Sig (2-tailed)
Mean
Difference Lower Upper
95 Confidence
Interval of the
Difference
Test Value = 1
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 13
- Selang kepercayaan untuk ragam kedua populasi sama
αminus=++minusltmicrominusmicrolt+minusminus 1)
n
1
n
1(st)xx(
n
1
n
1(st)xx((P
21
2
gab2121
21
2
gab21
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)
- Selang kepercayaan untuk ragam kedua populasi berbeda
αminus=++minusltmicrominusmicrolt+minusminus 1)n
s
n
st)xx(
n
s
n
st)xx((P
2
2
2
1
2
12121
2
2
2
1
2
121
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar
2
)1n(
)ns(
)1n(
)ns(
)nsns(v
2
2
2
2
2
1
2
1
2
1
2
2
2
21
2
1 minus
+++
+=
Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005
Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun
kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas
pertama (kelas biasa) atau kelas kedua (kelas sq3r)
Cara melakukan analisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Compare Means gt Independent samples T test
Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK
Group Statistics
30 581973 534223 97535
30 756117 405790 74087
KELAS
biasa
sq3r
NILAI
N Mean Std Deviation
Std Error
Mean
Independent Samples Test
620 434 -142 58 000 -174143 122483 -1987 -1496
-142 54 000 -174143 122483 -1987 -1496
Equal variances
assumed
Equal variances
not assumed
NILAI
F Sig
LevenesTest for
Equality of
Variances
t df
Sig
(2-tailed)
Mean
Difference
Std Error
Difference Lower Upper
95
Confidence
Interval of the
Difference
t-test for Equality of Means
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 14
Hasil SPSS berarti
Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil
pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)
sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama
Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)
diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat
perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen
lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa
C2 Dua populasi dependen (dua populasi berpasangan)
Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara
berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu
data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen
(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara
mengamatinya secara berpasang-pasangan
Statistik uji dan hipotesisnya sebagai berikut
H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB
Statistik ujinya
ns
Dt
Dtest
=
di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya
αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
iD
1n
)DD(s
Contoh
Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi
konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD
Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data
hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan
plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)
Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan
makanan modern
Pilih menu Analyze gt Compare Means gt Paired-samples T tes
Kemudian masukkan Paired variable prdtra dan prdmod tekan OK
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 15
Hasil SPSS ini berarti
Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =
klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi
tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat
perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern
D Uji Instrumentasi Penelitian
Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat
pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan
uji instrumentasi yaitu uji validitas dan reliabilitas
D1 Uji Validitas
Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil
penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti
Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi
product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat
digunakan rumus
rxy =( )( )
( )( ) ( )( )sum sumsum sumsumsum sum
minusminus
minus2222
YY NXX N
YXXY N
Keterangan
rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan
Paired Samples Statistics
406 108 600 058
239 108 884 085
PRDTRAD
PRDMOD
Pair
1
Mean N Std Deviation
Std Error
Mean
Paired Samples Correlations
108 128 186PRDTRAD amp PRDMODPair 1
N Correlation Sig
Paired Samples Test
168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1
MeanStd
Deviation
Std
Error Mean Lower Upper
95 Confidence
Interval of the
Difference
Paired Differences
t df Sig
(2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 10
Deskriptif Frekuensi
Misalkan kita ingin membuat distribusi frekuensi hasil penilaian responden terhadap daya jangkau
kekuatan signal dan kualitas suara kartu Mentari
Pilih menu Analyze gt Descriptive Statistics gt Frequencies
Kemudian masukkan variables jangkau tekan OK
Dari 100 responden 26 menyatakan daya jangkau Mentari masih kurang luas 46 menyatakan
cukup puas 19 menyatakan luas dan 9 menyatakan sangat luas dan seterusnya
B STATISTIKA INFERENSIAL
Statistika inferensial merupakan bagian statistika yang membahas tentang inferensi statistika
(statistika kesimpulan) sehingga dari data sampel yang diperoleh dapat digunakan untuk
menyimpulkan tentang populasinya dengan tingkat kebenaran atau tingkat kesalahan yang dapat
diketahui Proses statistika adalah deduktif yaitu dari data sebagian (sampel) dapat digunakan untuk
menyimpulkan data keseluruhan (populasi) sehingga kebenarannya tidak dapat 100 atau pasti
terjadi resiko kesalahan dalam menyimpulkan populasi Secara umum statistika inferensia ada 2 yaitu
statistika inferensia parametrik (data terukur pasti dan mempunyai sebaran normal) dan statistika
inferensia nonparametrik (data tak terukur pasti atau terukur pasti tetapi tidak memiliki sebarannormal walaupun dengan transformasi) Dengan demikian statistika inferensia parametrik bersyarat
data terukur pasti dan memiliki sebaran normal Sedangkan statistika inferensia nonparametrik
bersyarat data tak terukur pasti (kategori nominal dan ordinal) atau terukur pasti tetapi sebarannya
tak normal walaupun dengan transformasi
1 Uji Kenormalan
Uji ini digunakan untuk mengetahui apakah sebaran data yang diamati mempunyai sebaran
normal atau bukan agar dapat ditentukan statistika inferensia yang tepat Kriteria pengujiannya
Descriptive Statistics
100 28 15 43 2538 7663
100
USIA
Valid N (listwise)
N Range Minimum Maximum Mean Std Deviation
JANGKAU
26 260 260 260
46 460 460 720
19 190 190 910
9 90 90 1000
100 1000 1000
kurang luas
cukup luas
luas
sangat luas
Total
ValidFrequency Percent Valid Percent
Cumulative
Percent
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 11
adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang
diamati tidak normal
Contoh menggunakan data penghasilan responden pada data deskriptif
Apakah data penghasilan responden menyebar normal
Pilih menu Analyze gt Descriptive Statistics gt Explore
Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with
test continue dan OK
Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi
bahwa data penghasilan mempunyai sebaran normal karena
sig gt α (0106 gt 005)
2 Statistika Inferensi parametrik untuk 1 Populasi
Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai
dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak
diketahui dari data yang mempunyai sebaran normal
Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan
seluruh pelanggan kartu Mentari sebesar 1 juta
Hipotesis
Ho micro = 1 juta
lawan
H1 micro ne 1 juta
Maka statistik ujinya adalah
nsxt test microminus=
Selang kepercayaannya
αminus=+ltmicroltminus 1)ntsxntsx(P
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
i
1n
)xx(s
Tests of Normality
081 100 106 972 100 032PHSL
Statistic df Sig Statistic df Sig
Kolmogorov-Smirnova
Shapiro-Wilk
Lilliefors Significance Correctiona
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1322
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 12
Cara melakukan analisis dengan SPSS adalah sbb
Pilih menu Analyze gt Compare Means gt One sample T test
Kemudian masukkan Test variable phsl Test value 1 tekan OK
Hasil SPSS ini berarti
Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value
sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-
rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta
C Statistika inferensi parametrik untuk 2 populasi
C1 Dua populasi bebas (Independent )
Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai
karakteristik yang berbeda
Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan
penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas
kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)
menggunakan metode pola latihan SQ3R
Statistik uji dan hipotesisnya adalah
H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2
Uji statistiknya - Untuk ragam kedua populasi sama
)n
1
n
1(s
xxt
21
2
gab
21
test
+
minus=
2nn
s)1n(s)1n(s
21
2
22
2
112
gab minus+
minus+minus=
- Untuk ragam kedua populasi berbeda
)n
s
n
s
(
xxt
2
2
2
1
2
1
21
test
+
minus=
One-Sample Statistics
100 1501 5544 0554PHSL
N Mean Std Deviation
Std Error
Mean
One-Sample Test
9037 99 000 501 391 611PHSL
t df Sig (2-tailed)
Mean
Difference Lower Upper
95 Confidence
Interval of the
Difference
Test Value = 1
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 13
- Selang kepercayaan untuk ragam kedua populasi sama
αminus=++minusltmicrominusmicrolt+minusminus 1)
n
1
n
1(st)xx(
n
1
n
1(st)xx((P
21
2
gab2121
21
2
gab21
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)
- Selang kepercayaan untuk ragam kedua populasi berbeda
αminus=++minusltmicrominusmicrolt+minusminus 1)n
s
n
st)xx(
n
s
n
st)xx((P
2
2
2
1
2
12121
2
2
2
1
2
121
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar
2
)1n(
)ns(
)1n(
)ns(
)nsns(v
2
2
2
2
2
1
2
1
2
1
2
2
2
21
2
1 minus
+++
+=
Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005
Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun
kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas
pertama (kelas biasa) atau kelas kedua (kelas sq3r)
Cara melakukan analisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Compare Means gt Independent samples T test
Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK
Group Statistics
30 581973 534223 97535
30 756117 405790 74087
KELAS
biasa
sq3r
NILAI
N Mean Std Deviation
Std Error
Mean
Independent Samples Test
620 434 -142 58 000 -174143 122483 -1987 -1496
-142 54 000 -174143 122483 -1987 -1496
Equal variances
assumed
Equal variances
not assumed
NILAI
F Sig
LevenesTest for
Equality of
Variances
t df
Sig
(2-tailed)
Mean
Difference
Std Error
Difference Lower Upper
95
Confidence
Interval of the
Difference
t-test for Equality of Means
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 14
Hasil SPSS berarti
Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil
pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)
sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama
Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)
diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat
perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen
lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa
C2 Dua populasi dependen (dua populasi berpasangan)
Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara
berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu
data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen
(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara
mengamatinya secara berpasang-pasangan
Statistik uji dan hipotesisnya sebagai berikut
H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB
Statistik ujinya
ns
Dt
Dtest
=
di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya
αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
iD
1n
)DD(s
Contoh
Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi
konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD
Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data
hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan
plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)
Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan
makanan modern
Pilih menu Analyze gt Compare Means gt Paired-samples T tes
Kemudian masukkan Paired variable prdtra dan prdmod tekan OK
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 15
Hasil SPSS ini berarti
Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =
klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi
tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat
perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern
D Uji Instrumentasi Penelitian
Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat
pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan
uji instrumentasi yaitu uji validitas dan reliabilitas
D1 Uji Validitas
Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil
penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti
Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi
product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat
digunakan rumus
rxy =( )( )
( )( ) ( )( )sum sumsum sumsumsum sum
minusminus
minus2222
YY NXX N
YXXY N
Keterangan
rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan
Paired Samples Statistics
406 108 600 058
239 108 884 085
PRDTRAD
PRDMOD
Pair
1
Mean N Std Deviation
Std Error
Mean
Paired Samples Correlations
108 128 186PRDTRAD amp PRDMODPair 1
N Correlation Sig
Paired Samples Test
168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1
MeanStd
Deviation
Std
Error Mean Lower Upper
95 Confidence
Interval of the
Difference
Paired Differences
t df Sig
(2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 11
adalah jika sig gt α maka data yang diamati normal dan sebaliknya jika sig le α maka data yang
diamati tidak normal
Contoh menggunakan data penghasilan responden pada data deskriptif
Apakah data penghasilan responden menyebar normal
Pilih menu Analyze gt Descriptive Statistics gt Explore
Kemudian masukkan Dependent List phsl buka plots kemudian beri cek pada Normality with
test continue dan OK
Berdasarkan uji kenormalan data dengan menggunakan Uji Kolmogorov-Smirnov diperoleh informasi
bahwa data penghasilan mempunyai sebaran normal karena
sig gt α (0106 gt 005)
2 Statistika Inferensi parametrik untuk 1 Populasi
Menggunakan uji t Uji ini digunakan untuk mengetahui apakah rata-rata populasi sesuai
dengan spesifikasi yang ditetapkan berdasarkan data sampelnya di mana ragam populasi tidak
diketahui dari data yang mempunyai sebaran normal
Misalkan ingin menguji apakah data penghasilan responden dapat disimpulkan rata-rata penghasilan
seluruh pelanggan kartu Mentari sebesar 1 juta
Hipotesis
Ho micro = 1 juta
lawan
H1 micro ne 1 juta
Maka statistik ujinya adalah
nsxt test microminus=
Selang kepercayaannya
αminus=+ltmicroltminus 1)ntsxntsx(P
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
i
1n
)xx(s
Tests of Normality
081 100 106 972 100 032PHSL
Statistic df Sig Statistic df Sig
Kolmogorov-Smirnova
Shapiro-Wilk
Lilliefors Significance Correctiona
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1322
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 12
Cara melakukan analisis dengan SPSS adalah sbb
Pilih menu Analyze gt Compare Means gt One sample T test
Kemudian masukkan Test variable phsl Test value 1 tekan OK
Hasil SPSS ini berarti
Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value
sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-
rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta
C Statistika inferensi parametrik untuk 2 populasi
C1 Dua populasi bebas (Independent )
Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai
karakteristik yang berbeda
Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan
penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas
kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)
menggunakan metode pola latihan SQ3R
Statistik uji dan hipotesisnya adalah
H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2
Uji statistiknya - Untuk ragam kedua populasi sama
)n
1
n
1(s
xxt
21
2
gab
21
test
+
minus=
2nn
s)1n(s)1n(s
21
2
22
2
112
gab minus+
minus+minus=
- Untuk ragam kedua populasi berbeda
)n
s
n
s
(
xxt
2
2
2
1
2
1
21
test
+
minus=
One-Sample Statistics
100 1501 5544 0554PHSL
N Mean Std Deviation
Std Error
Mean
One-Sample Test
9037 99 000 501 391 611PHSL
t df Sig (2-tailed)
Mean
Difference Lower Upper
95 Confidence
Interval of the
Difference
Test Value = 1
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 13
- Selang kepercayaan untuk ragam kedua populasi sama
αminus=++minusltmicrominusmicrolt+minusminus 1)
n
1
n
1(st)xx(
n
1
n
1(st)xx((P
21
2
gab2121
21
2
gab21
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)
- Selang kepercayaan untuk ragam kedua populasi berbeda
αminus=++minusltmicrominusmicrolt+minusminus 1)n
s
n
st)xx(
n
s
n
st)xx((P
2
2
2
1
2
12121
2
2
2
1
2
121
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar
2
)1n(
)ns(
)1n(
)ns(
)nsns(v
2
2
2
2
2
1
2
1
2
1
2
2
2
21
2
1 minus
+++
+=
Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005
Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun
kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas
pertama (kelas biasa) atau kelas kedua (kelas sq3r)
Cara melakukan analisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Compare Means gt Independent samples T test
Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK
Group Statistics
30 581973 534223 97535
30 756117 405790 74087
KELAS
biasa
sq3r
NILAI
N Mean Std Deviation
Std Error
Mean
Independent Samples Test
620 434 -142 58 000 -174143 122483 -1987 -1496
-142 54 000 -174143 122483 -1987 -1496
Equal variances
assumed
Equal variances
not assumed
NILAI
F Sig
LevenesTest for
Equality of
Variances
t df
Sig
(2-tailed)
Mean
Difference
Std Error
Difference Lower Upper
95
Confidence
Interval of the
Difference
t-test for Equality of Means
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 14
Hasil SPSS berarti
Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil
pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)
sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama
Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)
diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat
perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen
lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa
C2 Dua populasi dependen (dua populasi berpasangan)
Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara
berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu
data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen
(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara
mengamatinya secara berpasang-pasangan
Statistik uji dan hipotesisnya sebagai berikut
H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB
Statistik ujinya
ns
Dt
Dtest
=
di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya
αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
iD
1n
)DD(s
Contoh
Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi
konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD
Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data
hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan
plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)
Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan
makanan modern
Pilih menu Analyze gt Compare Means gt Paired-samples T tes
Kemudian masukkan Paired variable prdtra dan prdmod tekan OK
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 15
Hasil SPSS ini berarti
Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =
klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi
tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat
perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern
D Uji Instrumentasi Penelitian
Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat
pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan
uji instrumentasi yaitu uji validitas dan reliabilitas
D1 Uji Validitas
Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil
penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti
Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi
product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat
digunakan rumus
rxy =( )( )
( )( ) ( )( )sum sumsum sumsumsum sum
minusminus
minus2222
YY NXX N
YXXY N
Keterangan
rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan
Paired Samples Statistics
406 108 600 058
239 108 884 085
PRDTRAD
PRDMOD
Pair
1
Mean N Std Deviation
Std Error
Mean
Paired Samples Correlations
108 128 186PRDTRAD amp PRDMODPair 1
N Correlation Sig
Paired Samples Test
168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1
MeanStd
Deviation
Std
Error Mean Lower Upper
95 Confidence
Interval of the
Difference
Paired Differences
t df Sig
(2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1322
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 12
Cara melakukan analisis dengan SPSS adalah sbb
Pilih menu Analyze gt Compare Means gt One sample T test
Kemudian masukkan Test variable phsl Test value 1 tekan OK
Hasil SPSS ini berarti
Rata-rata penghasilan dari 100 responden adalah 1501 juta Kesimpulan ini mempunyai p-value
sebesar 0000=000 berarti dapat dijelaskan disini adalah benar bahwa adalah tidak benar rata-
rata penghasilan adalah 1 juta Dilihat dari rata-ratanya disini nilai rata-rata masih jauh di atas 1 juta
C Statistika inferensi parametrik untuk 2 populasi
C1 Dua populasi bebas (Independent )
Dua populasi dikatakan bebas (independen) jika dua populasi tersebut mempunyai
karakteristik yang berbeda
Contohnya dari data uji t 2 bebas Data ini berisi hasil penelitian Upaya meningkatkan kemampuan
penguasaan membaca pemahaman siswa sebuah SLTP melalui pola latihan SQ3R Diambil dua kelas
kelas pertama (30 siswa) menggunakan metode biasa sedangkan kelas kedua (30 siswa)
menggunakan metode pola latihan SQ3R
Statistik uji dan hipotesisnya adalah
H0 micro1=micro2 atau H0 micro1-micro2 = 0 lawan H1 micro1nemicro2
Uji statistiknya - Untuk ragam kedua populasi sama
)n
1
n
1(s
xxt
21
2
gab
21
test
+
minus=
2nn
s)1n(s)1n(s
21
2
22
2
112
gab minus+
minus+minus=
- Untuk ragam kedua populasi berbeda
)n
s
n
s
(
xxt
2
2
2
1
2
1
21
test
+
minus=
One-Sample Statistics
100 1501 5544 0554PHSL
N Mean Std Deviation
Std Error
Mean
One-Sample Test
9037 99 000 501 391 611PHSL
t df Sig (2-tailed)
Mean
Difference Lower Upper
95 Confidence
Interval of the
Difference
Test Value = 1
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 13
- Selang kepercayaan untuk ragam kedua populasi sama
αminus=++minusltmicrominusmicrolt+minusminus 1)
n
1
n
1(st)xx(
n
1
n
1(st)xx((P
21
2
gab2121
21
2
gab21
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)
- Selang kepercayaan untuk ragam kedua populasi berbeda
αminus=++minusltmicrominusmicrolt+minusminus 1)n
s
n
st)xx(
n
s
n
st)xx((P
2
2
2
1
2
12121
2
2
2
1
2
121
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar
2
)1n(
)ns(
)1n(
)ns(
)nsns(v
2
2
2
2
2
1
2
1
2
1
2
2
2
21
2
1 minus
+++
+=
Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005
Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun
kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas
pertama (kelas biasa) atau kelas kedua (kelas sq3r)
Cara melakukan analisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Compare Means gt Independent samples T test
Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK
Group Statistics
30 581973 534223 97535
30 756117 405790 74087
KELAS
biasa
sq3r
NILAI
N Mean Std Deviation
Std Error
Mean
Independent Samples Test
620 434 -142 58 000 -174143 122483 -1987 -1496
-142 54 000 -174143 122483 -1987 -1496
Equal variances
assumed
Equal variances
not assumed
NILAI
F Sig
LevenesTest for
Equality of
Variances
t df
Sig
(2-tailed)
Mean
Difference
Std Error
Difference Lower Upper
95
Confidence
Interval of the
Difference
t-test for Equality of Means
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 14
Hasil SPSS berarti
Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil
pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)
sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama
Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)
diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat
perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen
lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa
C2 Dua populasi dependen (dua populasi berpasangan)
Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara
berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu
data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen
(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara
mengamatinya secara berpasang-pasangan
Statistik uji dan hipotesisnya sebagai berikut
H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB
Statistik ujinya
ns
Dt
Dtest
=
di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya
αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
iD
1n
)DD(s
Contoh
Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi
konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD
Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data
hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan
plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)
Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan
makanan modern
Pilih menu Analyze gt Compare Means gt Paired-samples T tes
Kemudian masukkan Paired variable prdtra dan prdmod tekan OK
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 15
Hasil SPSS ini berarti
Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =
klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi
tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat
perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern
D Uji Instrumentasi Penelitian
Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat
pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan
uji instrumentasi yaitu uji validitas dan reliabilitas
D1 Uji Validitas
Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil
penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti
Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi
product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat
digunakan rumus
rxy =( )( )
( )( ) ( )( )sum sumsum sumsumsum sum
minusminus
minus2222
YY NXX N
YXXY N
Keterangan
rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan
Paired Samples Statistics
406 108 600 058
239 108 884 085
PRDTRAD
PRDMOD
Pair
1
Mean N Std Deviation
Std Error
Mean
Paired Samples Correlations
108 128 186PRDTRAD amp PRDMODPair 1
N Correlation Sig
Paired Samples Test
168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1
MeanStd
Deviation
Std
Error Mean Lower Upper
95 Confidence
Interval of the
Difference
Paired Differences
t df Sig
(2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1422
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 13
- Selang kepercayaan untuk ragam kedua populasi sama
αminus=++minusltmicrominusmicrolt+minusminus 1)
n
1
n
1(st)xx(
n
1
n
1(st)xx((P
21
2
gab2121
21
2
gab21
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas sebesar (n1+n2-2)
- Selang kepercayaan untuk ragam kedua populasi berbeda
αminus=++minusltmicrominusmicrolt+minusminus 1)n
s
n
st)xx(
n
s
n
st)xx((P
2
2
2
1
2
12121
2
2
2
1
2
121
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas v sebesar
2
)1n(
)ns(
)1n(
)ns(
)nsns(v
2
2
2
2
2
1
2
1
2
1
2
2
2
21
2
1 minus
+++
+=
Hipotesis nol ditolak jika nilai sig t le α 005 sebaliknya hipotesis nol diterima jika nilai sig t gt α 005
Dari data di atas yaitu data nilai yaitu data nilai akhir siswa bak di kelas pertama maupun
kelas kedua (digabung) data kelas adalah data kelas di mana siswa ditempatkan apakah kelas
pertama (kelas biasa) atau kelas kedua (kelas sq3r)
Cara melakukan analisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Compare Means gt Independent samples T test
Kemudian masukkan Test variable nilai Define groups group 1 biasa group 2 sq3r tekan OK
Group Statistics
30 581973 534223 97535
30 756117 405790 74087
KELAS
biasa
sq3r
NILAI
N Mean Std Deviation
Std Error
Mean
Independent Samples Test
620 434 -142 58 000 -174143 122483 -1987 -1496
-142 54 000 -174143 122483 -1987 -1496
Equal variances
assumed
Equal variances
not assumed
NILAI
F Sig
LevenesTest for
Equality of
Variances
t df
Sig
(2-tailed)
Mean
Difference
Std Error
Difference Lower Upper
95
Confidence
Interval of the
Difference
t-test for Equality of Means
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 14
Hasil SPSS berarti
Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil
pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)
sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama
Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)
diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat
perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen
lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa
C2 Dua populasi dependen (dua populasi berpasangan)
Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara
berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu
data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen
(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara
mengamatinya secara berpasang-pasangan
Statistik uji dan hipotesisnya sebagai berikut
H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB
Statistik ujinya
ns
Dt
Dtest
=
di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya
αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
iD
1n
)DD(s
Contoh
Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi
konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD
Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data
hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan
plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)
Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan
makanan modern
Pilih menu Analyze gt Compare Means gt Paired-samples T tes
Kemudian masukkan Paired variable prdtra dan prdmod tekan OK
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 15
Hasil SPSS ini berarti
Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =
klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi
tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat
perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern
D Uji Instrumentasi Penelitian
Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat
pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan
uji instrumentasi yaitu uji validitas dan reliabilitas
D1 Uji Validitas
Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil
penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti
Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi
product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat
digunakan rumus
rxy =( )( )
( )( ) ( )( )sum sumsum sumsumsum sum
minusminus
minus2222
YY NXX N
YXXY N
Keterangan
rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan
Paired Samples Statistics
406 108 600 058
239 108 884 085
PRDTRAD
PRDMOD
Pair
1
Mean N Std Deviation
Std Error
Mean
Paired Samples Correlations
108 128 186PRDTRAD amp PRDMODPair 1
N Correlation Sig
Paired Samples Test
168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1
MeanStd
Deviation
Std
Error Mean Lower Upper
95 Confidence
Interval of the
Difference
Paired Differences
t df Sig
(2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1522
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 14
Hasil SPSS berarti
Rata-rata nilai akhir siswa kelas biasa adalah 5820 dan kelas eksperimen adalah 7561 Dari hasil
pengujian Levene`s test untuk kesamaan ragam diperoleh nilai sig F sebesar 0434 (sig gt α 005)
sehingga dapat disimpulkan bahwa kedua populasi berasal dari ragam sama
Karena kedua ragam sama maka menggunakan uji t pada baris pertama (equal variances assumed)
diperoleh nilai sig t sebesar 0000 yang berarti nilai sig t lt α 005 maka H0 ditolak artinya terdapat
perbedaan nilai akhir siswa kelas biasa dan kelas eksperimen Karena nilai rata-rata kelas eksperimen
lebih tinggi maka metode ini cukup berhasil untuk meningkatkan kemampuan siswa
C2 Dua populasi dependen (dua populasi berpasangan)
Dua populasi dikatakan berpasangan adalah jika dua populasi tersebut diamati secara
berpasangan pada setiap pengamatan Umumnya dua populasi berpasangan ini dimiliki oleh suatu
data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatmen
(populasi 1) dan sesudah treatmen (populasi 2) Dapat juga dari obyek yang berbeda tetapi cara
mengamatinya secara berpasang-pasangan
Statistik uji dan hipotesisnya sebagai berikut
H0 micro A =microB atau H0 micro A -microB = 0 lawan H1 micro A nemicroB
Statistik ujinya
ns
Dt
Dtest
=
di mana D j = | X Aji ndash XBi | dengan selang kepercayaannya
αminus=+ltmicrominusmicroltminus 1)ntsDntsD(P DBAD
dengan t adalah nilai dari t tabel dengan α 2 tertentu dan derajat bebas (n-1) dan s adalah
sum minus
minus=
i
2
iD
1n
)DD(s
Contoh
Data uji t2 berpasangan Data ini merupakan penelitian yang ingin menguji perbedaan persepsi
konsumen terhadap makanan tradisional (soto rawon dan lain-lain) dengan makanan modern (McD
Kentucky dan lain-lain) pada penilaian kualitas produk (data prdtra dan prdmod) harga (data
hrgtra dan hrgmod) selera (data slrtra dan slrmod) dan kualitas pelayanan (data plytra dan
plymod) Skala yang diukur berupa angka 1 (sangat tidak baik) sampai angka 5 (sangat baik)
Misalkan kita ingin menguji apakah terdapat perbedaan kualitas produk makanan tradisional dan
makanan modern
Pilih menu Analyze gt Compare Means gt Paired-samples T tes
Kemudian masukkan Paired variable prdtra dan prdmod tekan OK
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 15
Hasil SPSS ini berarti
Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =
klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi
tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat
perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern
D Uji Instrumentasi Penelitian
Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat
pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan
uji instrumentasi yaitu uji validitas dan reliabilitas
D1 Uji Validitas
Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil
penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti
Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi
product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat
digunakan rumus
rxy =( )( )
( )( ) ( )( )sum sumsum sumsumsum sum
minusminus
minus2222
YY NXX N
YXXY N
Keterangan
rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan
Paired Samples Statistics
406 108 600 058
239 108 884 085
PRDTRAD
PRDMOD
Pair
1
Mean N Std Deviation
Std Error
Mean
Paired Samples Correlations
108 128 186PRDTRAD amp PRDMODPair 1
N Correlation Sig
Paired Samples Test
168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1
MeanStd
Deviation
Std
Error Mean Lower Upper
95 Confidence
Interval of the
Difference
Paired Differences
t df Sig
(2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1622
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 15
Hasil SPSS ini berarti
Penilaian konsumen terhadap kualitas produk makanan tradisional memiliki rata-rata 406 (4 =
klasifikasi baik) sedangkan kualitas produk makanan modern memiliki rata-rata 239 (2 = klasifikasi
tidak baik) Hasil pengujian diperoleh nilai sig t lt α (005) artinya H0 ditolak berarti terdapat
perbedaan yang sangat nyata antara kualitas produk makanan tradisional dan makanan modern
D Uji Instrumentasi Penelitian
Tidak sedikit penelitian di bidang sosial menggunakan instrumen kuesioner sebagai alat
pengambilan data Untuk itu sebelum dilakukan analisis statistika inferensial terlebih dulu dilakukan
uji instrumentasi yaitu uji validitas dan reliabilitas
D1 Uji Validitas
Validitas menunjukkan sejauh mana alat pengukur untuk mengukur apa yang diukur Hasil
penelitian yang valid bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti
Valid tidaknya suatu item instrumen dapat diketahui dengan membandingkan indeks korelasi
product moment Pearson dengan level signifikansi 5 dengan nilai kritisnya di mana r dapat
digunakan rumus
rxy =( )( )
( )( ) ( )( )sum sumsum sumsumsum sum
minusminus
minus2222
YY NXX N
YXXY N
Keterangan
rxy = indeks korelasi pearson n = banyaknya sampelX = skor item pertanyaan Y = skor total item pertanyaan
Paired Samples Statistics
406 108 600 058
239 108 884 085
PRDTRAD
PRDMOD
Pair
1
Mean N Std Deviation
Std Error
Mean
Paired Samples Correlations
108 128 186PRDTRAD amp PRDMODPair 1
N Correlation Sig
Paired Samples Test
168 1003 097 148 187 17363 107 000PRDTRAD - PRDMODPair 1
MeanStd
Deviation
Std
Error Mean Lower Upper
95 Confidence
Interval of the
Difference
Paired Differences
t df Sig
(2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1722
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 16
Bila nilai signifikansi (sig) hasil korelasi lebih kecil dari 005 (5) maka dinyatakan valid dan
sebaliknya dinyatakan tidak valid (artinya butir pertanyaan tersebut gugur)
Sebagai ilustrasi menggunakan data valid reliabel Data ini merupakan kutipan dari sebuah
penelitian mengenai kualitas produk makanan di mana X1 (Produk) dengan butir-butir pertanyaan
Tampilan (X11) Dapat dipercaya (X12) Kelengkapan (X13) Konsistensi (X14) dan Keawetan (X15)
Untuk menguji validitas pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables X1 X11 X12 X13 dan X14 Coefficien Correlation pilih Pearson
tekan OK
Hasil pengujian korelasi pearson antara masing-masing butir pertanyaan dengan total butir
pertanyaan (X1) dapat dilihat pada kolom X1 atau baris X1 (hasil keduanya sama) Hasil uji validitas
adalah sebagai berikut
- Butir pertanyaan 1 (X11 tampilan) besar korelasi 0813 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 2 (X12 dapat dipercaya) besar korelasi 0752 dengan signifikansi 0000
Karena nilai sig lt α 005 maka butir dinyatakan valid
- Butir pertanyaan 3 (X13 kelengkapan) besar korelasi 0762 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 4 (X14 konsistensi) besar korelasi 0799 dengan signifikansi 0000 Karena
nilai sig lt α 005 maka butir ini dinyatakan valid
- Butir pertanyaan 5 (X15 keawetan) besar korelasi 0676 dengan signifikansi 0000 Karena nilai
sig lt α 005 maka butir ini dinyatakan valid
Output SPSS
Correlations
1 813 752 765 799 676
000 000 000 000 000
108 108 108 108 108 108
813 1 483 583 507 442
000 000 000 000 000
108 108 108 108 108 108
752 483 1 412 502 381
000 000 000 000 000
108 108 108 108 108 108
765 583 412 1 483 516
000 000 000 000 000
108 108 108 108 108 108
799 507 502 483 1 506
000 000 000 000 000
108 108 108 108 108 108
676 442 381 516 506 1
000 000 000 000 000
108 108 108 108 108 108
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
X1
X11
X12
X13
X14
X15
X1 X11 X12 X13 X14 X15
Correlation is significant at the 001 level (2-tailed)
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1822
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 17
D2 Uji Reliabilitas
Reliabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat
dipercaya atau dapat diandalkan Untuk menguji digunakan Alpha Cronbach dengan rumus
r11=
σ
σminus
minus
sum2
t
2
b1
1k
k
Di mana
r11 = koefisien alpha cronbach
k = banyaknya butir pertanyaan atau banyaknya soal
sumσb2 = jumlah varians butir
σt2 = varians total
Instrumen dapat dikatakan andal (reliabel bila memiliki koefisien keandalan reliabilitas
sebesar 06 atau lebih (Arikunto 1993) Arikunto (1993) menentukan kriteria indek reliabilitas adalah
sebagai berikut
Kriteria Indeks kofiesien reliabilitas
No Interval Kriteria
1 lt0200 sangat rendah
2 0200-0399 Rendah
3 0400-0599 Cukup
4 0600-0799 Tinggi
5 0800-100 sangat tinggi
Uji reliabilitas yang digunakan adalah dengan Alpha Cronbach Bila alpha lebih kecil dari 06 (minimal
memiliki kriteria tinggi) maka dinyatakan tidak reliabel dan sebaliknya dinyatakan reliabel
Untuk menguji reliabilitas pilih menu Analyze gt Scale gt Reliability Analysis
Kemudian masukkan Items X11 X12 X13 dan X14 tekan OK
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)
Reliability Coefficients
N of Cases = 1080 N of Items = 5
Alpha = 8068
Diperoleh nilai alpha sebesar 08068 Karena nilai alpha gt 06 maka variabel tersebut dinyatakan valid
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 1922
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 18
E Statistika Inferensi parametrik
1 Analisis Korelasi
Analisis korelasi merupakan analisis keeratan hubungan linier antara variabel yang diamati
tanpa memperhatikan variabel dependen maupun independen Nilai yang dihasilkan antara ndash1 sampai
dengan +1 Jika nilai dekat 1 berarti hubungan linier antara variabel sangat tinggi dan sebaliknya jika
nilainya dekat 0 maka hubungan linier antara variabel rendah Tanda + menyatakan sifat hubungan
searah (+) dan tanda ndash menyatakan sifat hubungannya berbanding terbalik
Uji signifikansi dari korelasi populasinya menggunakan kriteria p-value dari sebaran t di mana p-value
di dalam SPSS disebut dengan sig (singkatan dari significant) Keputusan ada atau tidak adanya
korelasi antar variabel menggunakan kriteria sebagai berikut
Jika sig gt α maka terima H0 artinya tidak ada korelasi antar variabel
Jika sig le α maka tolak H0 artinya ada korelasi antar variabel
Sebagai aplikasi digunakan data correlation yang berisi sebuah penelitian di bidang psikologi yaitu
menguji apakah terdapat hubungan antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan
Self-Management Leadership Questionnaire (X2)
Cara menganalisis dengan SPSS adalah sebagai berikut
Pilih menu Analyze gt Correlate gt Bivariate
Kemudian masukkan Variables smlq dan iases tekan OK
Hasil analisis SPSS adalah
Hasil SPSS ini berarti
- Ada korelasi linier antara Indonesian Adaptation Self-Efficacy Scale (X1) dengan Self-Management
Leadership Questionnaire (X2) karena nilai sig = 0000 lt 005 Karena besar korelasi positif (+0678)
maka jika iases meningkat maka smlq juga meningkat demikian pula sebaliknya
Correlations
1 678
000
36 36
678 1
000
36 36
Pearson Correlation
Sig (2-tailed)
N
Pearson Correlation
Sig (2-tailed)
N
SMLQ
IASES
SMLQ IASES
Correlation is significant at the 001 level
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2022
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 19
2 Analisis Regresi Linier Sederhana
Analisis regresi adalah analisis tentang bentuk hubungan linier antara variabel dependen
(respon) dengan variabel independen (prediktor) Apabila hanya melibatkan 1 variabel bebas
(independen) maka disebut analisis regresi linier sederhana
Modelnya adalah
Y i= β0 + β1X1i + εi
Sedangkan model sampelnya adalah
i110i X b by +=
Untuk mengetahui apakah model sampel representatif terhadap model populasi maka diperlukan
pengujian terhadap parameter-parameter regresi tersebut berdasarkan nilai-nilai statistiknya dengan
cara uji serempak (menggunakan tabel analisis ragam (statistik uji F)) atau uji parsial dengan statistik
uji t
Kriteria pengujiannya dengan p-value (sig) Jika pengujian berdasarkan tabel ANOVA maka Jika
sig gt α maka terima H0 berarti tidak ada hubungan linier antar variabel Dan sebaliknya jika sig le
α maka tolak H0 berari minimal ada salah satu variabel bebas (prediktor) berhubungan linier dengan
variabel tak bebas (respon)
Apabila pengujian berdasarkan statistik uji t maka Jika sig gt α maka terima H0 berarti pada
parameter koefisien regresi yang diuji (variabel X yang diuji) dinyatakan tidak ada hubungan linier
dengan variabel respon Dan jika sig le α maka tolak H0 berari pada parameter koefisien regresi yang
diuji (variabel X yang diuji) dinyatakan ada hubungan linier dengan variabel respon
Data regresi sederhana adalah data hasil penelitian Pengaruh Kompensasi (Gaji) Terhadap Kinerja
Karyawan perusahaan X Metode analisis yang digunakan pada penelitian ini adalah regresi linier
sederhana dengan rumus umum
Y = b0+b1X1 + e
Dimana
Y = Kinerja Karyawan
X1 = Gaji b0 = konstanta
b1 = koefisien regresi e = kesalahan pengganggu
Variabel Item
Gaji (X1) X11 Sistem pembayaran gaji
X12 Kesesuaian dengan peker-jaan
X13 Kesesuaian gaji dengan lama kerja
X14 Kesesuaian gaji tingkat pendidikan
X15 Kesesuaian gaji senioritas
X16 Pemenuhan kebutuhan po-kok
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2122
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
P a g e | 20
Kinerja Karyawan (Y) Y1 Ketelitian kerja
Y2 Kebersihan kerja
Y3 Kerapian hasil kerja
Y4 Ketepatan waktu
Y5 Standar kerja
Untuk menguji regresi pilih menu Analyze gt Regression gt Linear
Kemudian masukkan Dependent Variable Y Independent Variable X1 klik Statistics pilih
Descriptive tekan OK
Regression
Descriptive Statistics
42775 74460 80
35896 66606 80
Y
X1
Mean Std Deviation N
Correlations
1000 479
479 1000
000
000
80 80
80 80
Y
X1
Y
X1
Y
X1
Pearson Correlation
Sig (1-tailed)
N
Y X1
Variables EnteredRemovedb
X1a Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entereda
Dependent Variable Yb
Model Summary
479a 230 220 65772Model1
R R Square
Adjusted
R Square
Std Error of
the Estimate
Predictors (Constant) X1a
ANOVAb
10057 1 10057 23249 000a
33742 78 433
43800 79
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig
Predictors (Constant) X1a
Dependent Variable Yb
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya
7212019 Modul Spss Basic
httpslidepdfcomreaderfullmodul-spss-basic 2222
983085983137983118983118983137983085 983120983141983148983137983156983145983144983137983150 983123983120983120983123 983138983161 983117983113983113983123983084 983117983141983148983138 983090983088983088983096
Hasil SPSS ini berarti
Dari nilai Adjusted R Square menunjukkan nilai sebesar 0220 atau 22 Artinya bahwa variabel Y
dipengaruh sebesar 22 oleh Gaji (X1) sedangkan sisanya 78 dipengaruhi oleh variabel lain di luar
Gaji
Adapun model persamaan regresi linier sederhana yang diperoleh adalah sebagai berikut
Y= 2355 + 0536 X1 + e
Untuk menguji hipotesis secara parsial digunakan uji t yaitu untuk menguji secara parsial variabel
bebas terhadap variabel terikat Hasil perhitungan dijelaskan sebagai berikut Uji t terhadap variabel
Gaji (X1) didapatkan thitung sebesar 4822 dengan signifikansi t sebesar 0000 Karena thitung lebih besar
ttabel (3279gt1993) atau signifikansi t lebih kecil dari 5 (0002lt005) maka secara parsial variabel
Gaji (X1) berpengaruh signifikan terhadap variabel Kinerja Karyawan (Y)
Coefficientsa
2355 406 5806 000
536 111 479 4822 000
(Constant)
X1
Model
1
B Std Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig
Dependent Variable Ya