Get documents about "bab iv statistik parametrik
Document Sample
IV. Statistik Parametrik
BAB IV
Statistik Parametrik
Korelasi Product Moment
Regresi Linear Sederhana
Regresi Linear Ganda
Regresi Logistik
Korelasi Product Moment
Korelasi product moment disebut juga korelasi Pearson adalah teknik
analisis statistik yang mempunyai kegunaan untuk menganalisis data
penelitian yang mempunyai karakteristik di antaranya:
1. Hipotesis yang diajukan adalah hipotesis asosiatif
2. Datanya berskala minimal interval
3. Penyebaran data berdistribusi normal
Contoh Kasus
Seorang peneliti ingin mengetahui korelasi antara kemampuan kerja,
motivasi kerja, dan produktivitas kerja karyawan. Hipotesisnya dapat
digambarkan di bawah ini:
Kemampuan kerja
Produktivitas kerja
Motivasi kerja
Gambar 1. Model Hipotesis
Setelah dilakukan pengumpulan data maka didapat data sebagaimana
tersaji dalam tabel 1 di bawah. Selanjutnya dilakukan entri data dimana
karakteristik variabelnya adalah sebagai berikut:
X1 Kemampuan Kerja
Measurement level: Scale
Format: F8 Column Width: 8 Alignment: Right
X2 Motivasi Kerja
Measurement level: Scale
Format: F8 Column Width: 8 Alignment: Right
Y Produktivitas Kerja
Measurement level: Scale
Format: F8 Column Width: 8 Alignment: Right
- 32 -
IV. Statistik Parametrik
Tabel 1. Kemampuan, Motivasi, dan Produktivitas Kerja Karyawan
No. X1 X2 Y No. X1 X2 Y
1 12 10 16 21 11 12 15
2 10 12 15 22 13 14 16
3 10 9 16 23 10 9 9
4 12 12 17 24 12 11 14
5 12 14 18 25 13 10 16
6 12 15 19 26 13 14 15
7 8 10 16 27 14 15 20
8 11 12 18 28 13 14 18
9 12 13 18 29 12 15 18
10 8 12 15 30 11 12 20
11 7 9 12 31 11 15 20
12 9 7 12 32 12 13 16
13 9 14 20 33 12 11 12
14 12 11 11 34 8 13 20
15 11 10 13 35 6 14 20
16 10 13 21 36 11 10 10
17 11 13 19 37 10 14 18
18 12 12 15 38 12 13 15
19 9 9 12 39 13 15 18
20 11 12 15 40 11 14 17
Langkah Korelasi Product Moment
1. Klik Analyze Correlate Bivariate…
Gambar 2. Langkah korelasi product moment
2. Masukkan variabel yang akan dikorelasikan (X1, X2, Y)
3. Pilih Correlation Coefficients: Pearson
4. Klik Continue OK
- 33 -
IV. Statistik Parametrik
Gambar3. Pilihan bivariate correlations
Output dan Interpretasi Korelasi Product Moment
Cor relations
X1 X2 Y
X1 Pearson Correlation 1 ,344* ,054
Sig. (2-tailed) , ,030 ,741
N 40 40 40
X2 Pearson Correlation ,344* 1 ,731**
Sig. (2-tailed) ,030 , ,000
N 40 40 40
Y Pearson Correlation ,054 ,731** 1
Sig. (2-tailed) ,741 ,000 ,
N 40 40 40
*. Correlation is s ignif icant at the 0.05 level (2-tailed).
**. Correlation is s ignif icant at the 0.01 level
(2-tailed).
Korelasi Product Moment antara variabel Kemampuan Kerja (X1) dengan
Produktivitas Kerja (Y) adalah sebesar 0,054 dengan arah positip. Hal ini
berarti perubahan yang dialami oleh kemampuan kerja karyawan akan
diikuti secara positip oleh peroduktivitas kerjanya. Namun setelah diuji
signifikansinya, hubungan antara kedua variabel tersebut tidak
signifikan karena nilai P atau Sig. sebasar 0,741 atau lebih besar dari
tingkat kesalahan yang kita pasang 0,05 (5%). Hal ini juga ditunjukkan
oleh tidak adanya tanda bintang pada koefisien korelasi X1Y tersebut.
Korelasi Product Moment antara variabel Motivasi Kerja (X1) dengan
Produktivitas Kerja (Y) adalah sebesar 0,731 dengan arah positip. Hal ini
berarti perubahan yang dialami oleh kemampuan kerja karyawan akan
- 34 -
IV. Statistik Parametrik
diikuti secara positip oleh peroduktivitas kerjanya. Setelah diuji
signifikansinya, hubungan antara kedua variabel tersebut signifikan
karena nilai P atau Sig. sebasar 0,00 atau lebih kecil dari tingkat
kesalahan yang kita pasang 0,05 (5%). Hal ini juga ditunjukkan oleh
adanya tanda bintang dua ** pada koefisien korelasi X2Y tersebut.
Gambar Garis Scatterplots
1. Klik Graphs
Scatter…
Gambar 4. Langkah scatterplots
2. Klik Simple Define
Gambar 5. Define scatterplots
3. Masukkan
variabel Y
sebagai Y axis
4. Masukkan
variabel X1
sebagai X axis
5. Klik Titles…
6. Tulis judul pada
Line1:
“Scatterplots X1
dan Y” Gambar 7. Atur axis scatterplots
- 35 -
IV. Statistik Parametrik
Gambar 8. Judul scatterplots
7. Klik Continue
Output Scatterplots
Scatterplots X1 dan Y
22
20
18
16
Produktivitas Kerja
14
12
10
8
4 6 8 10 12 14 16
Kemampuan Kerja
Gambar 9. Output scatterplots
Gambar Garis Regresi
Gambarlah garis regresinya, dengan cara:
1. Klik 2x output
scatterplot tersebut
sehingga keluar
window baru SPSS
Chart Editor
2. Klik Chart
Options
3. Pilih (beri tanda √ )
pada kotak Total di
bawah Fit Line
Gambar 10. Chart editor
- 36 -
IV. Statistik Parametrik
Gambar 11. Pilihan dalam scatterolots
4. Klik Fit Options…
5. Pilih Fit Method: Linear Regression
Gambar 12. Pilihan garis dalam scatterplots
6. Pilih (beri tanda √ ) dalam Regression Options:
a. Include constant in equation
b. Display R-Square in legend
7. Klik Continue OK
8. Simak garis regresinya!!
- 37 -
IV. Statistik Parametrik
Scatterplots X1 dan Y
22
20
18
16
Produktivitas Kerja
14
12
10
8 Rsq = 0.0029
4 6 8 10 12 14 16
Kemampuan Kerja
Gambar 13. Output scatterplots disertai garis regresi
Korelasi Product Moment antara variabel Kemampuan Kerja (X1) dengan
Produktivitas Kerja (Y) seperti telah kita dapatkan adalah sebesar 0,054
dengan arah positip. Grafik di atas juga menunjukkan ada hubungan
positip antara kemampuan kerja dengan produktivitas, namun demikian
hubungan tersebut tidak signifikan. Kita bisa melihat garis regresinya
mempunyai slope yang tidak begitu miring, bahkan cenderung datar. Hal
ini semakin membuktikan bahwa walaupun ada hubungan postif antara
dua variabel tersebut namun tidak bermakna.
Regresi Linear Sederhana
Analislah variabel X1 dan Y dengan menggunakan teknik Regresi Linear
Sederhana, dengan langkah-langkah:
1. Klik Analyze Regression
Linear
Gambar 14. Langkah regresi
2. Masukkan variabel X1 sebagai Independent dan variabel Y
sebagai Dependent
- 38 -
IV. Statistik Parametrik
Gambar 15. Pilihan regeresi linear
3. Klik Statistics…
4. Pilih Estimates, dan Model fit
Gambar 16. Pilihan statistics linear regresi
5. Tekan Continue OK
Output dan Interpretasi Regresi Sederhana
Model Sum m ary
Adjusted Std. Error of
Model R R Square R Square the Estimate
1 ,054 a ,003 -,023 3,084
a. Predictors: (Constant), Kemampuan Kerja
Koefisien korelasi product moment adalah 0,054 [sama dengan ketika
analisis product moment di atas], R Square adalah koefisien determinasi
yang didapat hasil sebesar 0,003 artinya kontribusi variabel X1 terhadap Y
- 39 -
IV. Statistik Parametrik
sangat kecil, hanya 0,3% saja. Hal ini dapat dibuktikan pada garis regresi
pada gambar 13 di atas.
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 1,053 1 1,053 ,111 ,741 a
Residual 361,322 38 9,508
Total 362,375 39
a. Predictors: (Constant), Kemampuan Kerja
b. Dependent Variable: Produktivitas Kerja
Seperti halnya korelasi product moment, nilai P atau Sig. regresi tunggal
antara X1 terhadap Y ini juga didapat hasil tidak signifikan. Nilai Sig.
sebesar 0,741 yang berarti lebih besar dari patokan tingkat kesalahan kita
yakni sebesar 5% atau 0,05.
a
Coe fficients
Unstandardiz ed Standardized
Coef f icients Coef f icients
Model B Std. Error Beta t Sig.
1 (Cons tant) 15,127 3,038 4,979 ,000
Kemampuan Kerja 9,156E-02 ,275 ,054 ,333 ,741
a. Dependent Variable: Produktivitas Kerja
Berdasarkan tabel di atas, maka dapat disusun persamaan regresinya
yaitu: Y = 15,127 + 0,09156X1
Nilai 0,091 adalah slope perubahan garis regresi. Hal ini berarti setiap
perubahan satu satuan dari X1 akan diikuti perubahan Y sebesar 0,091.
Sehingga jika kita masukkan ke dalam grafik regresi dapat dilihat pada
gambar di bawah ini.
- 40 -
IV. Statistik Parametrik
Regresi Linear Ganda
Kita lanjutkan dengan menganalisis ketiga variabel tersebut dengan teknik
regresi linear ganda (multiple linear regression). Langkah-langkahny
sebagai berikut.
1. Klik Analyze Regression Linear
Gambar 17. Langkah regresi linear
2. Masukkan variabel Y sebagai Dependent dan variabel X1 dan X2
sebagai Independent Variabel
- 41 -
IV. Statistik Parametrik
Gambar 18. Pilihan dalam regresi linear
3. Pada Method, pilih ENTER
4. Lalu Klik Statistics
5. Pilih (beri tanda √ ):
a. Estimates
b. Model Fit
c. Descriptive
Gambar 19. Pilihan statistics linear regresi
6. Klik Continue OK
Output dan Interpretasi Regresi Liner Ganda
Model Sum m ary
Adjusted Std. Error of
Model R R Square R Square the Estimate
1 ,761 a ,579 ,556 2,032
a. Predictors: (Constant), Motiv asi Kerja, Kemampuan
Kerja
- 42 -
IV. Statistik Parametrik
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 209,639 2 104,820 25,392 ,000 a
Residual 152,736 37 4,128
Total 362,375 39
a. Predictors: (Constant), Motiv asi Kerja, Kemampuan Kerja
b. Dependent Variable: Produktivitas Kerja
Berdasarkan tabel di atas dapat diketahui bahwa koefisien korelasi
majemuk (bersama-sama) antara variabel X1 + X2 terhadap Y adalah
sebesar 0,761. Korelasi ini terbukti signifikan karena berdasarkan tabel
Anova diperoleh nilai F hitung sebesar 25,392 dengan nilai P atau Sig.
sebesar 0,000 [lebih rendah dari 0,05]. Sehingga dapat dikatakan bahwa
terdapat korelasi bersama yang positif dan signifikan antara variabel
kemampuan kerja dan motivasi kerja dengan variabel produktivitas kerja.
a
Coe fficients
Unstandardiz ed Standardized
Coef f icients Coef f icients
Model B Std. Error Beta t Sig.
1 (Cons tant) 5,733 2,399 2,390 ,022
Kemampuan Kerja -,381 ,193 -,224 -1,974 ,056
Motiv asi Kerja 1,195 ,168 ,808 7,108 ,000
a. Dependent Variable: Produktivitas Kerja
Tabel di atas diperoleh persamaan regresi sebagai berikut:
Prod_Kerja = 5,733 – 0,381KemampuanKerja + 1,195MotivasiKerja
Tabel di atas juga menunjukkan bahwa jika diuji secara sendiri-sendiri
variabel kemampuan kerja ternyata tidak mempunyai pengaruh yang
signifikan terhadap produktivitas kerja, karena nilai P atau Sig. sebesar
0,056 masih lebih besar dari patokan kita yakni 0,050. Tetapi untuk
variabel motivasi kerja kita dapat mengatakan ada pengaruh yang
signifikan antara motivasi kerja terhadap produktivitas kerja karena nilai P
atau Sig. sebesar 0,00 yang berarti lebih kecil dari 0,05.
Kesimpulan akhir dari penelitian tersebut, untuk mendapatkan
produktivitas kerja karyawan yang semakin baik, maka yang lebih penting
harus ditingkatkan adalah faktor motivasi kerjanya. Walaupun seorang
karyawan mempunyai kemampuan kerja yang sangat tinggi, namun tanpa
didukung oleh motivasi yang baik maka tidak akan tercapai produktivitas
kerjanya.
- 43 -
IV. Statistik Parametrik
Regresi Logistik
Teknik statistik ini digunakan untuk mengetahui pengaruh satu variable
independen atau lebih (X) terhadap satu variable dependen (Y), dengan
syarat:
1. Variabel dependent harus merupakan variable dummy yang hanya
punya dua alternatif. Misalnya Puas atau tidak puas, dimana jika
responden menjawab puas maka kita beri skor 1 dan jika
menjawab tidak puas kita beri skor 0.
2. Variabel independent mempunyai skala data interval atau rasio.
Contoh Kasus
Seorang peneliti ingin mengetahui bagaimana pengaruh kualitas
pelayanan publik terhadap kepuasan pengguna (masyarakat). Kualitas
pelayanan publik diteliti melaluji variabel Daya Tanggap (X1) dan Empati
(X2). Kepuasan penggunana layanan (Y) sebagai variabel dependent
adalah variabel dummy dimana dimana jika responden menjawab puas
maka kita beri skor 1 dan jika menjawab tidak puas kita beri skor 0.
Input data di bawah ini!
No. X1 X2 Y No. X1 X2 Y No. X1 X2 Y
1 36 45 1 18 34 42 1 35 34 40 1
2 34 39 0 19 33 40 0 36 30 38 0
3 30 38 0 20 34 43 0 37 30 40 1
4 32 38 1 21 32 39 0 38 35 41 1
5 36 45 1 22 36 44 1 39 34 42 1
6 33 42 0 23 33 37 0 40 33 40 0
7 36 45 1 24 30 38 0 41 34 43 0
8 36 45 1 25 36 43 1 42 30 38 0
9 31 36 0 26 33 41 0 43 34 42 1
10 31 37 0 27 32 39 0 44 30 41 1
11 36 45 1 28 30 36 0 45 34 40 0
12 33 41 0 29 30 36 0 46 34 42 1
13 32 40 0 30 36 42 1 47 34 38 0
14 33 39 0 31 33 38 0 48 34 44 1
15 34 42 1 32 33 38 0 49 35 43 0
16 34 42 0 33 35 41 1 50 34 42 1
17 32 39 0 34 35 41 1
Karakteristik masing-masing variabel adalah sebagai berikut.
X1 Daya tanggap
Measurement level: Scale
Format: F4 Column Width: 8 Alignment: Right
X2 Empati
Measurement level: Scale
Format: F4 Column Width: 8 Alignment: Right
- 44 -
IV. Statistik Parametrik
Y kepuasan pengguna
Measurement level: Scale
Format: F8 Column Width: 8 Alignment: Right
Value Label
0 tidak puas
1 puas
Langkah Regresi Logistik
1. Klik Analyze Regression Binary Logistic
2. Masukkan variable Y sebagai Dependent dan variable X1 dan X2
sebagai covariates
3. Klik OK
Output dan Interpretasi Regresi Logistik
O mn ib us Tes ts of Mode l Coe ffic ie nts
Chi-square df Sig.
Step 1 Step 23.181 2 .000
Block 23.181 2 .000
Model 23.181 2 .000
Korelasi bersama x1 dan x2 Y (Korelasi majemuk) dengan teknik Chi-
Square didapat nilai Chi-Square 23.181 dengan Nilai Sig 0.000 < 0.05
berarti secara bersama-sama Daya Tanggap (X1) dan Empati (X2)
berhubungan dengan Kepuasan pengguna (Y)
M od el Su m m ar y
-2 Log Cox & Snell Nagelkerke R
Step likelihood R Square Square
1 45.412 .371 .497
Tabel di atas menunjukkan koefisien determinan regresi logistik yakni
0.497 sehingga dapat dikatakan kontribusi variabel X1 dan X2 terhadap Y
adalah sebesar 50%
C lass ifica t ion T ab le a
Predicted
kepuasan pengguna Percentage
Observed tidak puas puas Correct
Step 1 kepuasan pengguna tidak puas 23 5 82.1
puas 4 18 81.8
Overall Percentage 82.0
a. The cut value is .500
- 45 -
IV. Statistik Parametrik
Tabel di atas memperlihatkan bawa ketepatan prediksi dalam penelitian ini
adalah sebesar 82%.
V ar iab les in t h e E qua t ion
B S.E. Wald df Sig. Exp(B)
Step
a X1 .187 .307 .370 1 .543 1.205
1 X2 .625 .264 5.614 1 .018 1.868
Constant -31.971 9.114 12.306 1 .000 .000
a. Variable(s) entered on step 1: X1, X2.
Pengujian secara sendiri-sendiri ternyata hanya X2 yang signifikan karena
nilai Sig 0.018 < 0.05. Sedangkan X2 Sig 0.543 > 0.05 artinya secara
sendirian X1 tidak punya pengaruh yang signifikan terhadap Y.
- 46 -
