UJI ANOVA Skor
Sekolah
Skor
Sekolah
Skor
Sekolah
Skor
Sekolah
75 55 59 60 70 75 76 66 71 77
SMA X SMA X SMA X SMA X SMA X SMA X SMA X SMA X SMA X SMA X
74 75 64 64 68 70 70 85 65 68
SMA W SMA W SMA W SMA W SMA W SMA W SMA W SMA W SMA W SMA W
54 58 60 74 69 65 70 72 65 60
SMA Y SMA Y SMA Y SMA Y SMA Y SMA Y SMA Y SMA Y SMA Y SMA Y
64 58 57 60 64 66 65 55 64 60
SMA Z SMA Z SMA Z SMA Z SMA Z SMA Z SMA Z SMA Z SMA Z SMA Z
1. 2. 3. 4. 5.
Defenisikan Variabel Masukkan Data Klik ANALYZE, COMPARE MEANS, ONE WAY ANOVA. Muncul kotak dialog, pindahkan var skor ke dependent list, sekolah ke factor. Klik OPTIONS, aktifkan descriptive, aktifkan homogeneity of varianve test, aktifkan means plots. 6. Klik post hoc untuk penggunaan uji F lebih lanjut, kemudian pilih TUKEY’-b.
Uji kesamaan varian Lihat output TEST of HOMOGENEITY of VARIANCE a. Hipotesis : H0 : varian keempat sampel identik H1 : varian keempat sampel tidak identik b. α = 5% dengan pengujian LEVENE c. Kriteria penolakan : H0 ditolak jika sig < α d. Kesimpulan : Karena nilai sig > α (0,159 > 0,050) maka H0 diterima, sehingga varian keempat sampel adalah identik.
Uji ANOVA Lihat output ANOVA a. Hipotesis : H0 : rata-rata kemampuan siswa ke empat sekolah identik H1 : rata-rata kemampuan siswa ke empat sekolah tidak identik b. α = 5% dengan pengujian Uji F c. Kriteria penolakan : H0 ditolak jika sig < α d. Kesimpulan : Karena nilai sig < α (0,016 < 0,050) maka H0 ditolak, sehingga rata-rata kemampuan siswa ke empat sekolah adalah tidak identik.
UJI NON PARAMETRIK 1. UJI CHI SQUARE Uji ini digunakan untuk menguji ketidaktergantungan dan homogeneitas suatu data. Contoh : Suatu lembaga survei ingin melihat minat siswa SMA untuk masuk universitas negeri di sumatera. Ada 4 pilihan alternatif, yaitu : Universitas Syah Kuala (Unsiyah), Universitas Sumatera Utara (USU), Universitas Riau (UNRI) dan Universitas Sriwijaya (Unsri). Dari 30 sampel yang diambil, akan menjadi dasar hipotesis universitas mana yang dipilih oleh para siswa. Siswa
Universitas
Siswa
Universitas
Siswa
Universitas
1 2 3 4 5 6 7 8 9 10
USU USU USU USU UNSRI USU UNRI UNSRI USU UNSYIAH
11 12 13 14 15 16 17 18 19 20
UNSYIAH UNSRI USU UNSYIAH USU USU UNRI UNSRI UNRI UNRI
21 22 23 24 25 26 27 28 29 30
USU USU USU UNSYIAH UNSYIAH UNSRI UNRI UNRI USU USU
Langkah-langkah pengujian Chi Square adalah : 1. Definisikan terlebih dahulu variabel pada variabel view : Variabel 1 : Nama : Universitas Decimal : 0 Label : Universitas tujuan pendidikan Value : 1 = UNSYIAH 2 = USU 3 = UNRI 4 = UNSRI 2. Masukkan data, setelah itu klik menu ANALYZE dan pilih NONPARAMETRIC TEST dan pilih CHI SQUARE. 3. Muncul kotak dialog, pindahkan variabel universitas ke kotak TEST VARIABLE LIST, kemudian klik OK. 4. Hasil pengujian akan muncul pada jendela output.
Prosedur pengujian hipotesis : Dalam kasus ini, hipotesis yang diuji adalah minat siswa terhadap 4 universitas tujuan. 1. Hipotesis : H0 : Minat siswa terhadap 4 universitas tujuan sama H1 : Minat siswa terhadap 4 universitas tujuan tidak sama
2. Taraf nyata : Alpha = 5% (0,05) 3. Kriteria keputusan : H0 ditolak jika sig < alpha 4. Kesimpulan : Karena sig > alpha (0,055 > 0,050) maka H0 diterima, sehingga minat para siswa terjadap 4 universitas tersebut adalah sama.
2. Uji Binomial Dibawah ini disajikan data hasil survei tentang pelayanan publik di kota binjai : Responden Pendapat Responden Pendapat Responden Pendapat 1 2 3 4 5 6 7 8 9 10
Baik Baik Buruk Buruk Baik Baik Baik Buruk Baik Buruk
11 12 13 14 15 16 17 18 19 20
Buruk Baik Baik Buruk Buruk Baik Baik Buruk Baik Baik
21 22 23 24 25 26 27 28 29 30
Buruk Buruk Baik Buruk Baik Baik Baik Buruk Buruk Buruk
Langkah-langkah pengujian binomial adalah : 1. Definisikan variabel pada variabel view : Variabel 1 Nama : pendapat Decimal : 0 Label : pelayanan publik Value : 1 = buruk 2 = baik 2. Masukkan data pada data view, kemudian klik menu ANALYZE, pilih NONPARAMETRIC TESTS, pilih BINOMIAL. 3. Muncul kotak dialog, pindahkan variabel pendapat ke kotak TEST VARIABLE LIST, selanjutnya klik OK. 4. Hasil pengujian akan muncul pada jendela ouput.
Prosedur pengujian hipotesis : Dalam kasus ini, hipotesis yang diuji adalah pendapat responden terhadap pelayanan publik di kota binjai. 1. Hipotesis : H0 : pendapat responden = baik H1 : pendapat responden = buruk 2. Taraf nyata : Alpha = 5% (0,05) 3. Kriteria keputusan : H0 ditolak jika sig < alpha 4. Kesimpulan : Karena sig > alpha (0,856 > 0,050) maka H0 diterima, sehingga pendapat responden terhadap pelayanan publik di kota binjai adalah baik.
3. Pengujian Runs Pengujian runs digunakan untuk melihat pakah data bersifat acak atau tidak. Dibawah ini merupakan data survei pemantau kebijaksanaan publik terhadap 30 responden di kota binjai. Responden Pendapat Responden Pendapat Responden Pendapat 1 2 3 4 5 6 7 8 9 10
Baik Baik Buruk Baik Baik Buruk Baik Baik Baik Baik
11 12 13 14 15 16 17 18 19 20
Buruk Buruk Baik Buruk Buruk Baik Baik Baik Baik Baik
21 22 23 24 25 26 27 28 29 30
Buruk Buruk Buruk Baik Buruk Buruk Baik Buruk Buruk Baik
Langkah-langkah pengujian binomial adalah : 1. Definisikan variabel pada variabel view : Variabel 1 Nama : pendapat Decimal : 0 Label : kebijaksanaan publik Value : 1 = buruk 2 = baik 2. Masukkan data pada data view, kemudian klik menu ANALYZE, pilih NONPARAMETRIC TESTS, pilih RUNS.
3. Muncul kotak dialog, pindahkan variabel pendapat ke kotak TEST VARIABLE LIST, selanjutnya klik OK. 4. Hasil pengujian akan muncul pada jendela ouput.
Prosedur pengujian hipotesis : Dalam kasus ini, hipotesis yang diuji adalah keacakan data sampel pendapat responden terhadap kebijaksanaan publik di kota binjai. 1. Hipotesis : H0 : data sampel bersifat acak H1 : data samepl tidak bersifat acak 2. Taraf nyata : Alpha = 5% (0,05) 3. Kriteria keputusan : H0 ditolak jika sig < alpha 4. Kesimpulan : Karena sig > alpha (0,930 > 0,050) maka H0 diterima, sehingga data samepl pendapat responden terhadap kebijaksanaan publik di kota binjai bersifat acak.
Uji Satu Sampel Kolmogorov Smirnov Digunakan untuk melihat kenormalan suatu sampel data. Responden Pendapat Responden Pendapat 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Baik Baik Buruk Baik Baik Buruk Baik Buruk Buruk Baik Baik Baik Baik Baik Baik
16 17 18 19 20 21 22 23 24 25
Baik Baik Buruk Buruk Baik Baik Baik Baik Baik Baik
Data di atas merupakan hasil survei terhadap pendapat mengenai kondisi prasarana dan sara pendidikan. Sebelum dilakukan analisis lebih lanjut, harus dilihat terlebih dahulu apakah data sudah normal atau belum. Langkah-langkah pengujian : 1. Definisikan variabel : Variabel 1 Nama : Pendapat Decimal : 0 Label : Sarana pendidikan Value : 1 = buruk 2 = baik 2. Masukkan data ke data editor. Klik menu ANALYZE, pilih NON PARAMETRIC TESTS, kemudian pilih 1-SAMPLE K-S. 3. Muncul kotak dialog, pindahkan variabel pendapat ke kotak TEST VARIABLE LIST, aktifkan NORMAL pada test distribution. Kemudian OK.
Prosedur pengujian hipotesis : Dalam kasus ini, hipotesis yang diuji apakah data sampel berdistribusi normal atau tidak. 1. Hipotesis : H0 : data sampel bersifat normal H1 : data samepl tidak bersifat normal 2. Taraf nyata : Alpha = 5% (0,05) 3. Kriteria keputusan : H0 ditolak jika sig < alpha 4. Kesimpulan : Karena sig < alpha (0,000 > 0,050) maka H0 ditolak, sehingga data samepl pendapat responden terhadap sarana pendidikan tidak berdistribusi normal.
Uji Dua Sampel Independen Hari
Home
Business
Hari
Home
Business
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
255 248 240 215 200 200 198 190 199 216 243 251 213 220 225
250 240 238 225 195 205 203 208 214 225 221 200 197 199 200
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
215 212 209 219 205 225 238 241 250 244 248 215 242 235 238
215 240 234 241 195 190 200 235 215 225 195 215 225 230 234
Langkah-langkah pengujian : 1. Definisikan variabel : Variabel 1 Nama : versi Decimal : 0 Label : versi os terjual Value : 1 = home 2 = business Variabel 2 Nama : OS Decimal : 0 Label : OS terjual 2. Masukkan data ke dalam data editor. Klik menu ANALYZE, pilih NONPARAMETRIC TESTS, kemudian pilih 2 INDEPENDENT SAMPLES. 3. Muncul kotak dialog, pindahkan variabel OS ke kotak TEST VARIABLE LIST dan variabel VERSI ke kotak GROUPING VARIABLE. 4. Klik DEFINE GROUP, selanjutnya akan muncul kotak dialog, isi group 1 dengan angka “1” dan group 2 dengan angka “2”. 5. Pilih tipe pengujian MANN WHITNEY U. Klik OK.
Prosedur pengujian hipotesis : Dalam kasus ini, hipotesis yang diuji adalah membandingkan rata-rata penjualan OS versi Home dan Business. 1. Hipotesis : H0 : rata-rata penjualan OS Home = OS Business H1 : rata-rata penjualan OS Home ≠ OS Business 2. Taraf nyata : Alpha = 5% (0,05) 3. Kriteria keputusan : H0 ditolak jika sig < alpha 4. Kesimpulan : Karena sig > alpha (0,082 > 0,050) maka H0 diterima, sehingga rata-rata penjualan OS Home dengan OS Business adalah sama.
ANALISIS REGRESI Misalkan kita memiliki data sebagai berikut : Kinerja
Motivasi
Upah
10 12 14 15 16 16 17 18 18 20
2 2.2 2.3 2.2 2.4 2.8 2.7 3 3 3.4
1.2 1.4 2 2.3 2.6 2.8 3.5 4 4.2 4
Langkah-langkah melakukan analisis regresi : 1. Definisikan variabel-variabelnya : Variabel 1 Nama : Kinerja Decimal : 0 Label : Skor kinerja karyawan Variabel 2 Nama : Motivasi Decimal : 1 Label : Skor motivasi karyawan Variabel 3 Nama : Upah Decimal : 1 Label : Skor tingkat upah karyawan 2. Masukkan data variabel-variabel tersebut ke DATA EDITOR. Klik menu ANALYZE, pilih REGRESSION dan kemudian pilih LINIER. 3. Muncul kotak dialog, pindahkan variabel KINERJA ke kotak DEPENDENT lalu variabel MOTIVASI dan UPAH pindahkan ke kotak INDENPENDENT. 4. Klik STATISTICS, lalu cek list semua pilihan yang ada kecuali CONFIDENCE INTERVALS, PART AND PARTIAL CORRELATIONS dan CASEWISE DIAGNOSTIC. Lalu klik CONTINUE. 5. Klik SAVE, lalu cek list UNSTANDARDIZED RESIDUALS dan UNSTANDARDIZED PREDICTED. 6. Terakhir klik OK dan hasil output akan muncul pada jendela output SPSS. Pada hasil output yang perlu diperhatikan adalah : 1. Nilai R SQUARE dan DURBIN WATSON pada tabel MODEL SUMMARY 2. Nilai F pada tabel ANOVA 3. Nilai B dan t pada tabel COEFFICIENTS
Nilai-nilai tersebut kemudian disajikan ke dalam bentuk tabel atau persamaan berikut ini : Kinerja = 5,449 + 1,865 Motivasi + 1,893 Upah (1,835) (1,016) R2
= 0,917
F
= 38,5
DW
= 1,01
(2,509)**
Interpretasi dari tabel di atas adalah : 1. Untuk parameter estimasi. Jika motivasi karyawan mengalami peningkatan 1 skor, maka kinerja karyawan akan meningkat sebesar 1,865 skor. Jika upah karyawan mengalami peningkatan 1 skor, maka kinerja karyawan akan meningkat sebesar 1,893 skor. Dan jika variabel motivasi serta upah karyawan tetap (tidak mengalami perubahan) maka kinerja karyawan hanya sebesar 5,449 skor. 2. Untuk nilai R Square. R2 sebesar 0,917, artinya 91,7 % variabel-variabel yang dipilih ke dalam model (motivasi dan upah) sudah tepat dan mampu menjelaskan variasi variabel kinerja. Sisanya 8,3 % dijelaskan oleh variabel lain yang tidak dimasukkan ke dalam persamaan. 3. Untuk pengujian F. F sebesar 38,583 dimana nilai tersebut > 4, maka model regresi yang melibatkan motivasi dan upah secara bersama-sama sudah mampu menjelaskan perubahan terhadap variabel kinerja. 4. Untuk pengujian t. tmotivasi sebesar 1,016 dimana nilai tersebut < 2, maka variabel motivasi tidak berpengaruh signifikan terhadap perubahan variabel kinerja. Sedangkan, tupah sebesar 2,509 dimana nilai tersebut > 2, maka variabel upah berpengaruh signifikan terhadap perubahan variabel kinerja.
UJI ASUMSI KLASIK A. Uji Normalitas Yang di uji kenormalannya adalah nilai residual dari variabel pengamatan. Langkah-langkah pengujian : 1. Klik menu ANALYZE, pilih NONPARAMETRIC TEST lalu pilih 1 SAMPLE K-S. 2. Muncul kotak dialog, pindahkan variabel RES_1 (UNSRANDARDIZED RESIDUALS) ke kotak TEST VARIABLE LIST. Kemudian klik OK.
One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
10
Normal Parameters
a,b
Mean Std. Deviation
Most Extreme Differences
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
,0000000 ,86195973
Absolute
,109
Positive
,091
Negative
-,109 ,344 1,000
a. Test distribution is Normal. b. Calculated from data.
Lihat hasil outputnya. Perhatikan nilai ASYMP. SIG. nya, jika nilai SIG > nilai alpha maka data berdistribusi normal. Dari output di atas, data telah berdistribusi normal karena 1,000 > 0,050.
B. Uji Multikolinieritas Uji multikolinieritas dalam print out regresi sudah dihitung. Perhatikan print out regresinya pada tabel COEFFICIENTS. Coefficients Model
Standardized Unstandardized Coefficients B
1
a
Std. Error
(Constant)
5,449
2,969
motivasi
1,865
1,836
upah
1,893
,754
Coefficients Beta
Collinearity Statistics t
Sig.
Tolerance
VIF
1,835
,109
,281
1,016
,343
,156
6,423
,693
2,509
,040
,156
6,423
a. Dependent Variable: kinerja
Perhatikan nilai TOLERANCE dan VIF. Regresi terbebas dari gejala mulktikolinieritas jika nilai TOLERANCE > 0,100 dan VIF < 10. Dari nilai-nilai TOLERANCE DAN VIF untuk masing-masing variabel penelitian dapat diambil kesimpulan bahwa persamaan regresi telah terbebas dari gejala multikolinieritas. C. Uji Heterokedastisitas Langkah-langkah pengujian : 1. Kuadratkan variabel RES_1 dan PRED_1. Klik menu TRANSFORM lalu pilih COMPUTE VARIABLE. 2. Muncul kotak dialog. Ketik RES_KUAD pada kotak TARGET VARIABLE. Pindahkan variabel RES_1 ke kotak NUMERIC EXPRESSION lalu tambahkan dua bintang dan angka 2. Lalu Klik OK. 3. Ulangi langkah kedua di atas untuk membuat variabel PRED_KUAD. 4. Kemudian lakukan langkah analisis regresi dengan variabel RES_KUAD sebagai variabel dependent dan variabel PRED_KUAD sebagai variabel independent.
Hasil out put yang perlu diperhatikan adalah tabel MODEL SUMMARY.
Model
1
R
.322
R Square
.104
Adjusted R
Std. Error of the
Square
Estimate
-.008
.71038
Durbin-Watson
1.911
Kalikan n data dengan nilai R Square (10 x 0,104 = 1,04). Regresi terbebas dari gejala heterokedastisitas jika nilai perkalian > nilai Chi Square Tabel. Karena 1,04 < 9,2 maka persamaan regresi tidak terbebas dari gejala heterokedastisitas.
D. Uji Autokorelasi Uji autokorelasi sudah langsung dihitung pada output SPSS. Perhatikan tabel MODEL SUMMARY dari regresi. Model
1
R
.958
R Square
.917
Adjusted R
Std. Error of the
Square
Estimate
.893
.97737
Durbin-Watson
1.010
Cara yang digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson dengan ketentuan sebagai berikut : -
Nilai D-W dibawah -2 berarti terdapat autokorelasi negatif
-
Nilai D-W diantara -2 sampai +2 berarti tidak terdapat autokorelasi
-
Nilai D-W diatas +2 berarti terdapat autokorelasi positif
Dari nilai Durbin Watson pada output SPSS diperoleh kesimpulan bahwa persamaan regresi tersebut telah terbebas dari gejala autokorelasi karena nilai D-W berada diantara -2 sampai +2 (-2 < 1,010 < +2).
