Pengantar Pengolahan Data Statistik Menggunakan SPSS 22

(1)

Pengantar Pengolahan

Data Statistik

Menggunakan SPSS 22

(2)

(3)

Statistika



Statistika adalah ilmu yang mempelajari bagaimana

merencanakan, mengumpulkan, menganalisis,

menginterpretasi, dan mempresentasikan data.



Statistika (

statistics

) berbeda dengan statistik

(

statistic

).

(4)

Populasi dan

Sampel



Populasi

adalah keseluruhan objek yang dibatasi oleh

kriteria tertentu.



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

(5)

Analisis

Statistik



Secara garis besar, analisis data statistic dibagi menjadi

dua kelompok, yaitu:

 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

(6)

Statistik

Inferensi

Statistika

Inferensi

Parametrik

(7)

Statistika

Parametrik



Statistika parametrik mempertimbangkan jenis

sebaran (distribusi) data, yaitu apakah data menyebar

normal atau tidak.



Statistika parametrik menetapkan adanya

syarat-syarat tertentu (asumsi-asumsi) tentang variabel

random atau populasi yang merupakan sumber sampel

penelitian.

(8)

Statistika

Non-Parametrik



Statistika non-parametrik adalah statistika bebas

sebaran, artinya tidak mensyaratkan bentuk sebaran

parameter populasi.

(9)

Jenis Data

Statistik



Dalam ilmu statistic, jenis data dibedakan menjadi 4

bagian, yaitu:

(10)

Jenis Data

Statistik:

Nominal



Digunakan untuk mengklasifikasikan informasi/data.



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.

(11)

Jenis Data

Statistik:

Ordinal



Digunakan untuk mengklasifikasikan serta memiliki

tingkatan.



Tipe data ordinal lebih tinggi daripada nominal karena

kemampuannya untuk membentuk tingkatan.



Contoh:

 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

(12)

Jenis Data

Statistik:

Interval



Memiliki poin jarak objektif dalam keteraturan kategori

peringkat, tapi jarak yang tercipta sama antar

masing-masing angka.

 Contoh Data Variabel :

 Umur 20-30 tahun = 1

 Suhu 0-50 Celsius = 1

 Suhu 51-100 Celsius = 2

(13)

Jenis Data

Statistik: Rasio



Memiliki kemampuan dari ketiga tipe data

sebelumnya, dan angka nol dianggap mutlak.



Contoh:

(14)

Jenis Data

Statitik

Computing : 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

(15)

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

(16)

Input Data



Ada 3 cara untuk input/memasukkan data:

 Impor data dari spreadsheet, MS. Excel

 Impor dari file notepad (.txt)

(17)

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.

(18)

Data View

(19)

Variable View

 Variable view digunakan untuk memasukkan informasi atribut

variabel:

 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.

(20)

(21)

Label Data



Label data digunakan untuk memberikan keterangan

penjelas dari data.

(22)

Statistik Deskriptif

(23)

HATCO



HATCO adalah perusahaan yang menjualbahan

–

bahan kebutuhan produksi kepada perusahaan lain.

(24)

(25)

(26)

 Berikut ini adalah langkah-langkah untuk menghasilkan statistik deskriptif:

 Klik ANALYZE >>DESCRIPTIVE STATISTIC >> DESCRIPTIVES

(27)

 Kemudian klik OPTIONS… hingga muncul kotak dialog DESCRIPTIVES: OPTIONS, kemudian beri tanda

(28)

(29)

Statistik Inferensi

(30)

Uji Kualitas

Data

:

Uji Validitas

 Untuk melakukan Uji Validitas item pertanyaan Variabel X1 adalah dengan langkah: klik Analyze, pilih Correlate, dan klik Bivariate.

(31)

Uji Kualitas

Data

:

(32)

Uji Kualitas

Data

:

Uji Realibilitas

 Misalnya menguji Reliabilitas untuk Variabel X1: klik Analyze, pilih Scale, klik

Reliability Analysis….

 Setelah tampil kotak Reliability Analysis, pindahkan item-item pertanyaan X1 dan Variabel X1 ke kotak Items kemudian klik tanda panah dan klik Statistics

(33)

Uji Kualitas

Data

:

Uji Realibilitas

 Ceklist kotak item dan scan if item deleted

(34)

Uji Kualitas

Data

:

(35)

Uji Asumsi

Klasik

 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 tersebut yaitu:

 Uji Normalitas

 Uji Multikolinearitas

 Uji Autokorelasi

(36)

Uji Normalitas

(37)

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).

• Selanjutnya Analyze>>Descriptive Statistics >>Descriptives akan muncul tampilan sebagai berikut.

(38)

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).

• Selanjutnya Analyze>>Descriptive Statistics >>Descriptives akan muncul tampilan sebagai berikut.

(39)

Uji

Autokorelasi

 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.

 Hasil dari output SPSS menunjukkan nilaiDurbin-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 nilaiDurbin-Watson (DW) terletak diantara dU dan 4-dU. Angka DW hitung pada model

penelitian ini berada diantara DW tabel dengan menggunakan derajat kepercayaan 95% danα 5% yaitu 1.7887 < DW hitung < 2,2113. Dapat disimpulkan tidak terjadi autokorelasi atau tidak terdapat

(40)

Uji Hipotesis:

Koefisien

Determinasi

 Koefisien Determinasi (R2_{) berfungsi untuk melihat sejauh mana}

keseluruhan variabel independen dapat menjelaskan variabel dependen

 Terdapat nilai Adjusted R Square yaitu sebesar 0,704 atau 70,4%.

(41)

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 X₁dan X₂

 α = Konstanta

(42)

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

(43)

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

(44)