Pengantar Pengolahan Data Statistik Menggunakan SPSS 22 Isram Rasal ST, MMSI, MSc
Statistika
Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data.
Statistika
Statistika (statistics) berbeda dengan statistik (statistic). Statistika merupakan ilmu yang berkenaan dengan data, sedangkan statistik adalah kumpulan data yang menggambarkan suatu persoalan.
Populasi adalah keseluruhan objek yang dibatasi oleh kriteria tertentu.
Populasi dan Sampel
Sampel adalah sebagian objek yang diambil dari populasi dengan menggunakan cara-cara tertentu.
Syarat suatu sampel: Sampel mewakili populasi yang diwakili Sampel tidak boleh subjektif, dalam pemilihannya harus random.
Secara garis besar, analisis data statistic dibagi menjadi dua kelompok, yaitu:
Analisis Statistik
Statistik deskriptif: Adalah analisis yang memberikan gambaran secara umum mengenai karakteristik data seperti mean, median, mode, varian dan range. Statistik inferensi: Adalah membuat inferensi terhadap data yang diolah, seperti untuk perkiraan dan pengambilan keputusan berdasarkan data statistik. Biasa disebut dengan statistic induktif
Statistik Inferensi
Parametrik
Statistika Inferensi Non-Parametrik
Statistika parametrik mempertimbangkan jenis sebaran (distribusi) data, yaitu apakah data menyebar normal atau tidak.
Statistika Parametrik
Statistika parametrik menetapkan adanya syaratsyarat tertentu (asumsi-asumsi) tentang variabel random atau populasi yang merupakan sumber sampel penelitian. Banyak digunakan untuk menganalisis data yang berskala interval atau rasio.
Statistika NonParametrik
Statistika non-parametrik adalah statistika bebas sebaran, artinya tidak mensyaratkan bentuk sebaran parameter populasi. Banyak digunakan untuk menganalisis data yang berskala nominal atau ordinal
Jenis Data Statistik
Dalam ilmu statistic, jenis data dibedakan menjadi 4 bagian, yaitu:
Nominal Ordinal Interval Rasio
Digunakan untuk mengklasifikasikan informasi/data.
Jenis Data Statistik: Nominal
Contoh: Data jenis kelamin, yaitu laki-laki dan Perempuan. Biasanya, saat analisis data, tipe data seperti ini dilambangkan dengan bilangan numerik (angka). Laki-laki dilambangkan dengan angka 1, sedangkan perempuan dilambangkan dengan angka 0. Tidak berarti angka 0 lebih rendah dari angka 1
Digunakan untuk mengklasifikasikan serta memiliki tingkatan. Tipe data ordinal lebih tinggi daripada nominal karena kemampuannya untuk membentuk tingkatan. Contoh:
Jenis Data Statistik: Ordinal
Jabatan di dalam perusahaan yang terdiri dari karyawan, manager, direktur utama. Misal, karyawan dilambangkan dengan 1, manager dengan 2, dan direktur utama dengan 3. Pada tipe data ini, angka 1 dianggap lebih rendah dari angka 2, dst. Bisa saja karyawan dilambangkan dengan angka 1, tetapi manager angka 3 dan direktur utama dengan angka 10. Tipe data ini tidak mensyaratkan jarak yang sama antar angka yang digunakan sebagai lambang. Yang perlu diperhatikan hanyalah bahwa angka 3 lebih tinggi dari angka 1, angka 10 lebih tinggi dari angka 3.
Memiliki poin jarak objektif dalam keteraturan kategori peringkat, tapi jarak yang tercipta sama antar masingmasing angka.
Jenis Data Statistik: Interval
Contoh Data Variabel : Umur 20-30 tahun = 1 Umur 31-40 tahun = 2 Umur 41-50 tahun = 3 Suhu 0-50 Celsius = 1 Suhu 51-100 Celsius = 2 Suhu 101-150 Celsius = 3
Jenis Data Statistik: Rasio
Memiliki kemampuan dari ketiga tipe data sebelumnya, dan angka nol dianggap mutlak. Contoh: data berat badan (kg). Angka Nol kg berarti memang tidak ada berat.
Computing :
Jenis Data Statitik
Nominal
Ordinal
Interval
Ratio
frequency distribution.
Yes
Yes
Yes
Yes
median and percentiles.
No
Yes
Yes
Yes
add or subtract.
No
No
Yes
Yes
mean, standard deviation, standard error of the mean.
No
No
Yes
Yes
ratio, or coefficient of variation.
No
No
No
Yes
SPSS
SPSS adalah sebuah program aplikasi yang memiliki kemampuan analisis statistik cukup tinggi serta sistem manajemen data pada lingkungan grafis dengan menggunakan menu-menu deskriptif dan kotak-kotak dialog yang sederhana sehingga mudah untuk dipahami cara pengoperasiannya
Ada 3 cara untuk input/memasukkan data:
Input Data
Impor data dari spreadsheet, MS. Excel Impor dari file notepad (.txt) Membuat data file SPSS yang baru
Membuat file SPSS yang baru
Ketika memasukkan data SPSS yang baru, ada 2 tampilan yaitu data view dan variable view. Data view mirip dengan Excel, namun ada beberapa perbedaan, yaitu: Baris pada SPSS adalah merupakan kasus. Pada setiap baris sel di halaman SPSS mewakili satu kasus atau observasi.
Kolom merupakan variable.
Data view digunakan untuk memasukkan dan mengedit data
Data View
Variable view digunakan untuk memasukkan informasi atribut variabel:
Variable View
Name: nama variable Type: jenis variabel (numerik, tanggal, nominal,teks/string, dsb). Width: lebar kolom dalam tampilan data view. Secara otomatis/default biasanya berisi 8 (delapan) karakter. Decimals: jumlah digit di belakang koma. Label: penjelasan lebih lanjut dari nama variabel, misalnya: dalam nama variabel berisi RESID, kemudian labelnya diisikan dengan RESPONDENT IDENTITY. Values: nilai variabel, misalnya: 1= laki-laki, 0=perempuan Missing: perlakuan untuk nilai yang kosong Columns: lebar kolom Align: rata kiri, rata kanan atau tengah. Measure: ukuran variabel, yaitu skala, ordinal atau nominal.
Variable View
Label Data
Label data digunakan untuk memberikan keterangan penjelas dari data. Misalnya, variable “IP” diberi label “Indeks Prestasi”
Statistik Deskriptif Studi Kasus Hatco
HATCO adalah perusahaan yang menjualbahan – bahan kebutuhan produksi kepada perusahaan lain.
HATCO
Perlu dilakukan penelitian untuk mencari tahu variabel apa yang mempengaruhi konsumen dalam membeli produk HATCO.
Var. View
Data View
Berikut ini adalah langkah-langkah untuk menghasilkan statistik deskriptif: Klik ANALYZE >> DESCRIPTIVE STATISTIC >> DESCRIPTIVES
Muncul kotak dialog DESCRIPTIVES. Kemudian sorot semua variabel kecuali ID yang terdapat di kotak sebelah kiri dan pindahkan ke kotak sebelah kanan dengan mengklik panah yang terdapat di antara kotak sebelah kiri dan kotak sebelah kanan hingga tampil seperti ini:
Berikut ini adalah langkah-langkah untuk menghasilkan statistik deskriptif: Kemudian klik OPTIONS… hingga muncul kotak dialog DESCRIPTIVES: OPTIONS, kemudian beri tanda ceklist pada 7 kotak: MEAN, STD. DEVIATION, VARIANCE, RANGE, MINIMUM, MAXIMUM, S.E. MEAN dan biarkan lainnyapada kondisi standar/default lalu klik CONTINUE >> OK.
Berikut ini adalah langkah-langkah untuk menghasilkan statistik deskriptif: Diperoleh tampilan sebagai berikut di SPSS Output Viewer: .
Statistik Inferensi Studi Kasus Penelitian di KBN
Untuk melakukan Uji Validitas item pertanyaan Variabel X1 adalah dengan langkah: klik Analyze, pilih Correlate, dan klik Bivariate.
Uji Kualitas Data: Uji Validitas
Pilih Pearson, ok
Uji Kualitas Data: Uji Validitas
Misalnya menguji Reliabilitas untuk Variabel X1: klik Analyze, pilih Scale, klik Reliability Analysis….
Uji Kualitas Data: Uji Realibilitas
Setelah tampil kotak Reliability Analysis, pindahkan item-item pertanyaan X1 dan Variabel X1 ke kotak Items kemudian klik tanda panah dan klik Statistics maka akan muncul kotak Reliability Analysis: Statistics.
Ceklist kotak item dan scan if item deleted
Uji Kualitas Data: Uji Realibilitas
Uji Kualitas Data: Uji Realibilitas
Uji asumsi klasik. Tujuan pengujian ini adalah untuk memperoleh hasil atau nilai yang tidak bias atau estimator linear tidak bias yang terbaik (Best Linear Unbiased Estimator/BLUE).
Uji Asumsi Klasik
Uji asumsi klasik tersebut yaitu:
Uji Normalitas Uji Multikolinearitas Uji Autokorelasi Uji Heteroskedastisitas
• Langkah-langkah : Analyze >> Regression >> Linear
Uji Normalitas
• Centang pilihan Unstandardized pada bagian Residuals, kemudian pilih Continue dan pada tampilan awal pilih tombol OK, akan menghasilkan variabel baru bernama Unstandardized Residual (RES_1).
Uji Normalitas
• Selanjutnya Analyze>>Descriptive Statistics >>Descriptives akan muncul tampilan sebagai berikut.
•
• Centang pilihan Unstandardized pada bagian Residuals, kemudian pilih Continue dan pada tampilan awal pilih tombol OK, akan menghasilkan variabel baru bernama Unstandardized Residual (RES_1). • Selanjutnya Analyze>>Descriptive Statistics >>Descriptives akan muncul tampilan sebagai berikut.
Uji Normalitas • Karena rasio skewness dan rasio kurtosis berada di antara –2 hingga +2, maka dapat disimpulkan bahwa distribusi data adalah normal
Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya korelasi antara anggota–anggota serangkaian observasi yang tersusun dalam rangkaian waktu atau yang tersusun dalam rangkaian ruang.
Uji Autokorelasi
Hasil dari output SPSS menunjukkan nilai Durbin-Watson (DW) hitung sebesar 1,984, sedangkan pada tabel DW diperoleh nilai dU (Upper Durbin-Watson) sebesar 1.7887. Model regresi dinyatakan tidak terdapat permasalahan autokorelasi apabila nilai Durbin-Watson (DW) terletak diantara dU dan 4-dU. Angka DW hitung pada model penelitian ini berada diantara DW tabel dengan menggunakan derajat kepercayaan 95% dan α 5% yaitu 1.7887 < DW hitung < 2,2113. Dapat disimpulkan tidak terjadi autokorelasi atau tidak terdapat autokorelasi positif dan negatif pada model regresi ini.
Koefisien Determinasi (R2) berfungsi untuk melihat sejauh mana keseluruhan variabel independen dapat menjelaskan variabel dependen
Uji Hipotesis: Koefisien Determinasi Terdapat nilai Adjusted R Square yaitu sebesar 0,704 atau 70,4%. Hal tersebut mengindikasikan bahwa 70,4% variabel dependen dapat dijelaskan oleh variabel independen, sedangkan sisanya sebesar 29.6% dijelaskan oleh faktor-faktor lain
Uji Hipotesis: Analisis Regresi Berganda
Maka dapat dibentuk model persamaan regresi berganda sebagai berikut: Y= - α + β1X1 + β2X2 + e
Keterangan:
Y = Kinerja Karyawan X1 = Kompensasi X2 = Displin β = Koefisien Regresi X1 dan X2 α = Konstanta e = Error
Uji Hipotesis: Uji Parsial (t)
Pengaruh Kompensasi terhadap Kinerja Karyawan H1= Kompensasi berpengaruh positif dan signifikan terhadap kinerja karyawan. Pada tabel diatas terdapat nilai t hitung yaitu 7,457 dan tingkat signifikansi sebesar 0.000. Nilai signifikansi tersebut lebih kecil dari 0.05 dan nilai t hitung (7,457) lebih besar dari t tabel (1,651). Hal tersebut mengindikasikan bahwa kompensasi berpengaruh signifikan secara parsial terhadap kinerja karyawan. Pada tabel diatas terdapat nilai koefisien (β) yaitu positif, artinya pengaruh yang diberikan oleh variabel tersebut adalah positif. Dapat disimpulkan bahwa kompensasi berpengaruh positif dan signifikan terhadap kinerja karyawan, sehingga hipotesis (H1) diterima.
Uji Hipotesis: Uji Simultan (f)
Diperoleh nilai F hitung sebesar 302,108 yang lebih besar dari F tabel sebesar 3.04 . Hal tersebut mengindikasikan bahwa kompensasi dan disiplin berpengaruh positif dan signifikan terhadap kinerja karyawan, maka H3 diterima.
Terima Kasih
