Langkah-langkah Analisis kuantitatif

ANALISIS DATA DENGAN MENGGUNAKAN SPSS

Langkah-langkah uji normalitas.

1. Masukkan data X1, X2, dan Y kedalam 3 buah kolom

2. Pilih analyze, descriptive, explore

3. Selanjutnya masukkan X1, X2, dan Y kedalam kolom dependent list

4. Kemudian klik plot

5. Kemudian klik continue dan klik OK

6. HasilnyaDescriptives

Statistic Std. Error

Gaya Kepemimpinan

Mean 67.0667 1.55063

95% Confidence Interval for

Mean

Lower Bound 63.7409

Upper Bound 70.3924

5% Trimmed Mean 67.1852

Median 68.0000

Variance 36.067

Std. Deviation 6.00555

Minimum 56.00

Maximum 76.00

Range 20.00

Interquartile Range 10.00

Skewness -.438 .580

Kurtosis -.743 1.121

Motivasi Kerja

Mean 66.0000 2.22539


Mean

Lower Bound 61.2270

Upper Bound 70.7730


Median 66.0000

Variance 74.286


Minimum 54.00

Maximum 80.00

Range 26.00


Skewness .012 .580

Kurtosis -1.182 1.121

Kinerja Pekerja Mean 74.3333 2.08548


Mean

Lower Bound 69.8604

Upper Bound 78.8062


Median 76.0000

Variance 65.238


Minimum 62.00

Maximum 85.00

Range 23.00


Skewness -.101 .580

Kurtosis -1.636 1.121

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Gaya Kepemimpinan .162 15 .200* .959 15 .683

Motivasi Kerja .144 15 .200* .940 15 .386

Kinerja Pekerja .171 15 .200* .906 15 .118

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

7. Menafsirkan hasil uji normalitasPerhatikan bilangan statistic untuk gaya kepemimpinan pada uji Kolmogorov-Smirnov besarnya 0.162 dengan bilangan signifikansi besarnya 0.200. apabila ditetapkan taraf signifikansi α = 0.050, maka bilangan signifikansi (sig) lebih besar dari pada α. Maka data hasil penelitian berasal dari populasi yang berdistribusi normal.

Langkah-langkah uji Homogenitas

1. Masukkan data X1 dan X2 dalam satu table. Kemudian untuk X1 diberi kode 1 dan X2 diberi kode 2.

2. Kemudian klik, analyze, general, univariate

3. Kemudian masukkan data ke kolom dependent variable, dan grup ke kolom fixed factor

4. Kemudian klik option, klik descriptive, dan homogeneity

5. Kemudian klik continue dan klik ok.6. Hasilnya

Levene's Test of Equality of Error Variancesa

Dependent Variable: Data

F df1 df2 Sig.

2.325 1 28 .139

Tests the null hypothesis that the error variance of

the dependent variable is equal across groups.

a. Design: Intercept + Grup

Tests of Between-Subjects Effects

Dependent Variable: Data

Source Type III Sum of

Squares

df Mean Square F Sig.

Corrected Model 8.533a 1 8.533 .155 .697

Intercept 132800.533 1 132800.533 2406.845 .000

Grup 8.533 1 8.533 .155 .697

Error 1544.933 28 55.176

Total 134354.000 30

Corrected Total 1553.467 29

a. R Squared = .005 (Adjusted R Squared = -.030)

7. Menafsirkan hasil analisisTable tersebut menunjukkan nilai F = 2.325 dengan dk pembilang 1 dan dk penyebut 28 dan nilai signifikansi (sig) sama dengan 0.139. apabila ditetapkan taraf signifikansi α = 0.05, maka nilai sig

jauh lebih besar dari pada nilai α. Artinya semua kelompok data memiliki varians yang homogeny.

Langkah uji Linieritas dan keberartian arah regresi

1. Masukkan data X1, X2, dan Y kedalam

3 buah kolom

2. Kemudian klik analyze, compare means, means

3. Kemudian masukkan variable X kedalam kolom independent, dan variable Y kedalam kolom dependent.

4. Kemudian klik option, anova, dan test of linearity

5. Kemudian klik continue, dan ok

6. Hasilnya

ANOVA Table

Sum of Squares df Mean Square F Sig.

Kinerja Pekerja * Gaya

Kepemimpinan

Between

Groups

(Combined) 862.667 12 71.889 2.838 .290

Linearity 654.030 1 654.030 25.817 .037

Deviation from Linearity 208.636 11 18.967 .749 .698

Within Groups 50.667 2 25.333

Total 913.333 14

Measures of Association

R R Squared Eta Eta Squared

Kinerja Pekerja * Gaya

Kepemimpinan

.846 .716 .972 .945

7. Menafsirkan hasil analisis

Bagian yang harus diperhatikan untuk uji keberartian arah regresi adalah linearity,

sedangkan untuk uji linearitas regresi bagian yang harus diperhatikan adalah deviation

from linearity .

Ternyata hasilnya menunjukkan bahwa nilai F linearity besarnya 25.817 dengaan nilai

signifikansi (sig) sebesar 0.037. Jika ditetapkan taraf signifikansi α = 0.05,maka nilai sig

lebih kecil dari pada α. Dengan demikian koefisien arah regresi berarti atau signifikan.

Sedangkan untuk F deviation from linearity besarnya 0.749 dengan nilai signifikansi (sig)

sebesar 0.698. Jika ditetapkan taraf signifikansi α = 0.05, maka nilai sig jauh lebih besar

dari pada α. Dengan demikian bentuk regresi memang benar linier.

Langkah uji Multikolinieritas


2. Kemudian klik analyze, regression, linear

3. Kemudian masukkan variable X1, dan X2 kedalam kolom independent, dan variable Y kedalam kolom dependent.

4. Kemudian klik statistic, estimates, model fit, collinearity

5. Kemudian klik continue, ok

6. Hasilnya

Coefficientsa

Model Unstandardized

Coefficients

Standardized

Coefficients

t Sig. Collinearity Statistics

B Std. Error Beta Tolerance VIF

1

(Constant) .867 13.635 .064 .950

Gaya Kepemimpinan .857 .337 .637 2.544 .026 .346 2.890

Motivasi Kerja .242 .235 .258 1.030 .323 .346 2.890

a. Dependent Variable: Kinerja Pekerja

7. Menafsirkan hasil analisisHasil analisis diatas tampak bahwa nilai tolerance dan VIF dari masing-masing variable bebas. Nilai VIF dari variable X1 besarnya 2.890, sehingga tolerance 0.346. Nilai VIF dari variable X2 besarnya 2.890, sehingga tolerance 0.346. Ini berarti tidak terjadi multikolinearitas karena semua nilai tolerance lebih besar dari 0.1 dan semua nilai VIF lebih kecil dari 10.

Langkah-langkah uji Autokorelasi


2. Kemudian klik analyze, regression, linear.

3. Kemudian

4. Kemudian masukkan variable X1, dan X2 kedalam kolom independent, dan variable Y kedalam kolom dependent.

5. Kemudian klik estimate, model fit, durbin Watson.

6. Kemudian klik continue, ok

7. Hasilnya

Model Summaryb

Model R R Square Adjusted R

Square

Std. Error of the

Estimate

Durbin-Watson

1 .860a .739 .696 4.45570 1.704

a. Predictors: (Constant), Motivasi Kerja, Gaya Kepemimpinan

b. Dependent Variable: Kinerja Pekerja

8. Menafsirkan hasil analisisNilai Durbin-Watson dari table = 1.704 dengan n = 15 (banyak data) dan k = 2 (banyak variable bebas) pada taraf signifikansi 5%, maka diperoleh dL = 0.946 dan dU = 1.543. Maka, dU < dtabel(Durbin-

Watson) = 1.704 dan dtabel < (4 – dU) . Dimana 4 – dU = 4 – 1.543 adalah 2.457. Maka dtabel (1.704) < 4 – dU (2.547). Secara matematis dapat dinyatakan 1.543 < 1.704 <2.457. Jadi data diatas tidak terjadi autokorelasi.

Langkah-langkah pengujian Heterokedastisitas

1. Masukkan data X dan Y kedalam 2 kolom

2. Kemudian klik regression, linear

3. Kemudian masukkan variable X kedalam kolom independent, dan variable Y kedalam kolom dependent.

4. Kemudian klik plots dan masukkan *SRESID ke Y dan *ZPRED ke X kemudian klik continue, ok.

5. Hasilnya

6. Menafsirkan hasil analisis data

Pada diagram pencar di atas titik-titik menyebar secara merata dan berimbang, baik di atas dan di bawah sumbu X maupun di atas dan di bawah sumbu Y. Titik-titik menyebar merata tidak membentuk pola tertentu. Oleh karena itu, dapat disimpulkan bahwa tidak terjadi masalah heterokedastisitas.

Langkah-langkah analisis Regresi Sederhana1. Masukkan data X dan Y kedalam 2 kolom

2. Kemudian klik regression, linear

3. Kemudian masukkan variable X ke dalam kolom independent, dan variable Y ke dalam kolom dependent.

4. Kemudian klik statistic, estimates, model fit, R square change, descriptives kemudian klik continue, ok

5. HasilnyaCoefficientsa

Model Unstandardized Coefficients Standardized

Coefficients

t Sig.

B Std. Error Beta

1(Constant) -1.996 13.380 -.149 .884

X 1.138 .199 .846 5.726 .000

a. Dependent Variable: Y

Hasil diatas menunjukkan bahwa persamaan garis regresi yang diperoleh adalah

= - 1.996 + 1.138 X. Dengan thitung = 5.726 dimana signifikansi 0.000 < 0.05, maka ada

pengaruh yang signifikan antara variable X dan Y.

Model Summaryb

Model R R

Square

Adjusted R

Square

Std. Error of

the Estimate

Change Statistics

R Square

Change

F Change df1 df2 Sig. F Change

1 .846a .716 .694 4.46614 .716 32.789 1 13 .000

a. Predictors: (Constant), X

b. Dependent Variable: Y

Ternyata koefisien korelasi R besarnya 0.846 dan koefisien determinasi atau R2 besarnya 0.694.

koefisien korelasi tersebut signifikan karena uji F memperoleh koefisien F sebesar 32,789

dengan signifikansi 0.000 < 0.05. Jadi kontribusi variable X terhadap Y besarnya 69.4%.

Langkah-langkah Analisis kuantitatif

Documents