Cara Mengolah Data SPSS Dan Cara Membaca Data

(1)

Bengkel Jahat TM

CARA OLAH DATA DAN MEMBACA DATA (PRIMER)

1.

1. Analisis DeskriptifAnalisis Deskriptif

Analisis deskriptif ini bertujuan untuk mendeskripsikan atau menggambarkan suatu data dalam variabel yang dilihat dari nilai rata-rata (

mean

), minimum, maksimum, dan standar deviasi (Ghozali, 2011). Statistik deskriptif biasanya digunakan untuk menggambarkan profil data sampel sebelum memanfaatkan teknik analisis statistik yang berfungsi untuk menguji hipotesis. Statistika deskriptif akan memberikan gambaran mengenai data penelitian berupa variabel-variabel dependen dan independen. Cara mengolah dalam program aplikasi SPSS SebagaiCara mengolah dalam program aplikasi SPSS Sebagai berikut:

berikut:

Klik Analyze >> Descriptive Statistics >> Descriptive Klik Analyze >> Descriptive Statistics >> Descriptive Contoh tampilan SPSS Sebagai berikut :

(2)

Bengkel Jahat TM

Maka akan muncul tampilan seperti ini :

Masukkan variabel dependen dan independen menggunakan klik tanda ke Variable(s) Contoh sebagai berikut :

(3)

Bengkel Jahat TM

Kemudian Klik tombol akan muncul tampilan sebagai berikut :

Beri tanda ˅ Mean, ˅ Std. deviation, ˅ Minimum, ˅ Maximum Beri tanda ˅ Mean, ˅ Std. deviation, ˅ Minimum, ˅ Maximum

Klik Continue kemudian Klik OKContinue kemudian Klik OKmaka akan muncul tabel seperti di bawah ini :

Descriptive Statistics Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

X1 74 10 24 16,42 3,424 X2 74 12 20 15,72 1,732 X3 74 23 33 27,89 2,546 Y 74 18 28 22,62 2,256 Valid N (listwise) 74 Keterangan :

(4)

Bengkel Jahat TM

Std. Deviation : Nilai penyimpangan data 2.

2. Uji Validitas dan Uji ReliabilitasUji Validitas dan Uji Reliabilitas a.

a. Uji ValiditasUji Validitas

Dalam Ghozali (2011), uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Suatu instrumen yang valid atau sah mempunyai validitas tinggi, sebaliknya instrumen yang kurang valid berarti memiliki validitas yang rendah.

Cara mengolah dalam program aplikasi SPSS Sebagai berikut: Cara mengolah dalam program aplikasi SPSS Sebagai berikut: Klik Analyze >> Correlate >> Bivariate

Klik Analyze >> Correlate >> Bivariate Contoh tampilan SPSS Sebagai berikut :

(5)

Bengkel Jahat TM

Maka akan muncul tampilan sebagai berikut :

Masukkan Pertanyaan Indikator variabel dependen maupun independen dan Jumlah dari data variabel dependen maupun independen satu per satusatu per satu klik symbol ke Variable(s) Contoh sebagai berikut :

(6)

Bengkel Jahat TM

Klik OKOK maka akan muncul tabel seperti di bawah ini :

Correlations Correlations X1.1 X1.2 X1.3 X1.4 X1.5 X1.6 X1 X1.1 Pearson Correlation 1 ,539** ,364** ,510** ,393** ,404** ,776** Sig. (2-tailed) ,000 ,001 ,000 ,001 ,000 ,000 N 74 74 74 74 74 74 74 X1.2 Pearson Correlation ,539** 1 ,471 ** ,408** ,347** ,388** ,738** Sig. (2-tailed) ,000 ,000 ,000 ,002 ,001 ,000 N 74 74 74 74 74 74 74 X1.3 Pearson Correlation ,364** ,471** 1 ,372 ** ,310** ,382** ,672** Sig. (2-tailed) ,001 ,000 ,001 ,007 ,001 ,000 N 74 74 74 74 74 74 74 X1.4 Pearson Correlation ,510** ,408** ,372** 1 ,187 ,390 ** ,690** Sig. (2-tailed) ,000 ,000 ,001 ,111 ,001 ,000 N 74 74 74 74 74 74 74 X1.5 Pearson Correlation ,393** ,347** ,310** ,187 1 ,381 ** ,616** Sig. (2-tailed) ,001 ,002 ,007 ,111 ,001 ,000 N 74 74 74 74 74 74 74 X1.6 Pearson Correlation ,404** ,388** ,382** ,390** ,381** 1 ,712 ** Sig. (2-tailed) ,000 ,001 ,001 ,001 ,001 ,000 N 74 74 74 74 74 74 74 X1 Pearson Correlation ,776** ,738** ,672** ,690** ,616** ,712** 1 Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 ,000 N 74 74 74 74 74 74 74

**. Correlation is significant at the 0.01 level (2-tailed).

Keterangan : Keterangan :

Instrumen dinyatakan valid apabila sig. (2-tailed) dari jumlah data variabel dependen maupun independen kurang dari 0,05 (5%), sedangkan apabila lebih dari 0,05 (5%) maka dinyatakan tidak valid

ATAU

Instrumen dinyatakan valid apabila Pearson Correlation dari jumlah data variabel dependen maupun independen lebih dari angka r tabel dengan rumus mencari r tabel ( df = (N-2))

Keterangan : Keterangan : N = Jumlah sampel N = Jumlah sampel *NB : r Tabel terlampir *NB : r Tabel terlampir

(7)

Bengkel Jahat TM

b.

b. Uji ReliabilitasUji Reliabilitas

Uji reliabilitas adalah alat ukur untuk mengukur suatu kuesioner yang mempunyai indikator dari variabel atau konstruk. Suatu kuesioner dinyatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu

(Ghozali, 2011). Pengukuran reliabilitas dapat dilakukan dengan dua cara yaitu :

1.

Repeted measure

atau pengukuran yaitu seseorang akan disodori pertanyaan yang sama

pada waktu yang berbeda, dan kemudian dilihat apakah ia tetap konsisten dengan jawabannya.

2.

One Shot

atau pengukuran sekali saja dan kemudian hasilnya dibandingkan dengan pertanyaan yang lain atau mengukur korelasi antara jawaban dengan pertanyaan.

Uji reliabilitas dapat dilakukan dengan menggunakan bantuan program SPSS, yang akan memberikan fasilitas untuk mengukur reliabilitas dengan uji statistic Cronbach Alpha( α ). Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbanch Alpha > 0,70 (Nunnally,1994) dalam (Ghozali,2011).

Cara mengolah dalam program aplikasi SPSS Sebagai berikut: Cara mengolah dalam program aplikasi SPSS Sebagai berikut: Klik Analyze >> Scale >> Reliability

Klik Analyze >> Scale >> ReliabilityAnalysis…Analysis… Contoh tampilan SPSS Sebagai berikut :

(8)

Bengkel Jahat TM

Masukkan Pertanyaan Indikator variabel dependen maupun independen “satu per satusatu per satu”” tanpa jumlah data variabel dependen maupun independenklik symbol ke ItemsItems Contoh sebagai berikut :

(9)

Bengkel Jahat TM

Kemudian Klik symbol akan muncul tampilan sebagai berikut :

Beri tanda ˅

Beri tanda ˅ ItemItem, ˅ S, ˅ Scalecale, ˅, ˅ Scale if Item deletedScale if Item deleted, ˅, ˅ CorrelationsCorrelations

Klik Continue kemudianContinue kemudiankemudian Klik OK Klik OK maka akan muncul tabel seperti di bawah ini :

Case Processing Summary Case Processing Summary

N %

Cases Valid 74 100,0

Excludeda 0 ,0

Total 74 100,0

a. Listwise deletion based on all variables in the procedure. Reliability Statistics Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,792 ,793 6

(10)

Bengkel Jahat TM Item Statistics Item Statistics Mean Std. Deviation N X1.1 2,14 ,896 74 X1.2 2,47 ,744 74 X1.3 3,15 ,734 74 X1.4 2,30 ,840 74 X1.5 3,09 ,779 74 X1.6 3,27 ,880 74

Inter-Item Correlation Matrix Inter-Item Correlation Matrix

X1.1 X1.2 X1.3 X1.4 X1.5 X1.6 X1.1 1,000 ,539 ,364 ,510 ,393 ,404 X1.2 ,539 1,000 ,471 ,408 ,347 ,388 X1.3 ,364 ,471 1,000 ,372 ,310 ,382 X1.4 ,510 ,408 ,372 1,000 ,187 ,390 X1.5 ,393 ,347 ,310 ,187 1,000 ,381 X1.6 ,404 ,388 ,382 ,390 ,381 1,000 Item-Total Statistics Item-Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item-Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted X1.1 14,28 7,768 ,632 ,439 ,738 X1.2 13,95 8,518 ,611 ,400 ,747 X1.3 13,27 8,885 ,526 ,300 ,765 X1.4 14,12 8,464 ,523 ,338 ,766 X1.5 13,32 9,044 ,443 ,244 ,783 X1.6 13,15 8,210 ,543 ,302 ,761 Scale Statistics Scale Statistics

Mean Variance Std. Deviation N of Items

16,42 11,726 3,424 6

Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai

Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai““Cronbanch AlphaCronbanch Alpha > 0,70 dalam tabel reliability statistics

(11)

Bengkel Jahat TM

3.

3. Analisis Regresi Linier Berganda, Uji Normalitas, Uji Multikolonearitas, UjiAnalisis Regresi Linier Berganda, Uji Normalitas, Uji Multikolonearitas, Uji Heteroskedastisitas, Koefisien Determinasi (R²), Uji Kelayakan Model (Uji F), Uji t Heteroskedastisitas, Koefisien Determinasi (R²), Uji Kelayakan Model (Uji F), Uji t Teknik regresi linear berganda bermanfaat untuk mendeteksi pengaruh variabel bebas terhadap variabel terikat.

Cara mengolah dalam program aplikasi SPSS Sebagai berikut: Cara mengolah dalam program aplikasi SPSS Sebagai berikut: Klik Analyze >> Regression >>

(12)

Bengkel Jahat TM

Masukkan jumlahvariabel dependen ke dependentvariabel dependen ke dependentklik symbol maupun independen keindependen ke independen

(13)

Bengkel Jahat TM

Kemudian Klik symbol akan muncul tampilan sebagai berikut :

Beri tanda ˅

Beri tanda ˅ EstimatesEstimates, ˅, ˅ Covariance matrixCovariance matrix, ˅, ˅ Model fitModel fit, ˅, ˅ Colilinearity diagnosticsColilinearity diagnostics Klik Continue :

(14)

Bengkel Jahat TM

Kemudian masukan *SRESID dengan Klik symbol ke Y dan *ZPRED Ke Symbol X dan beri Beri tanda ˅Beri tanda ˅ HistogramHistogram, ˅, ˅ Normal probability plot kemudian Klik ContinueNormal probability plot kemudian Klik Continue

Ditampilkan seperti di bawah ini :

Selanjutnya Klik symbol maka akan muncul tampilan di bawah ini :

(15)

Bengkel Jahat TM

Ditampilkan seperti di bawah ini :

Kemudian Klik OK Kemudian Klik OK a)

a) Output : SPSS Persamaan RegresiOutput : SPSS Persamaan Regresi Contoh : Contoh : Coefficients Coefficientsaa Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) 6,748 4,186 1,612 ,112 X1 -,163 ,067 -,248 -2,422 ,018 ,536 1,866 X2 ,327 ,132 ,251 2,483 ,015 ,548 1,826 X3 ,256 ,085 ,289 3,031 ,003 ,615 1,625 X4 ,127 ,055 ,203 2,313 ,024 ,725 1,380 a. Dependent Variable: Y

(16)

Bengkel Jahat TM Keterangan: γ= Variabel dependen β0 = Konstanta = Faktor Eror X1= Variabel independen 1 X2= Variabel independen 2 X3_{= Variabel independen 3} X4= Variabel independen 4

β1, β2, β3, = Koefisien regresi dari setiap variabel independen.

b)

b) Output SPSS : Uji Asumsi Klasik Output SPSS : Uji Asumsi Klasik

Pengujian terhadap asumsi klasik adalah untuk menguji model analisis yang digunakan akan menghasilkan permasalahan yang baik apabila memenuhi pengujian sebagai berikut :

Uji Normalitas Uji Normalitas

Uji Normalitas bertujuan untuk menguji apakah dalam regresi, variabel dependen dan variabel independen keduanya mempunyai distribusi normal atau tidak (Ghozali, 2011). Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal. Pada prinsipnya normalitas dapat dideteksi dengan penyebaran data (titik) pada sumbu diagonal dari grafik atau melihat histogram dari residualnya (Ghozali, 2011). Jika data menyebar sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. Jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal, maka regresi tidak memenuhi asumsi normalitas. Output SPSS akan menampilkan gambar sepertiOutput SPSS akan menampilkan gambar seperti dibawah ini :

(17)

Bengkel Jahat TM

Selain uji normalitas dengan grafik dapat dilakukan juga dengan menggunakan analisis statistic. Untuk melengkapinya dapat dilakukan dengan uji statistik non-parametrik

Kolmogorov-Smirnov (K-S).

Cara mengolah dalam program aplikasi SPSS Sebagai beriku Cara mengolah dalam program aplikasi SPSS Sebagai berikut:

Klik Analyze >> Nonparametric Tests >> Legacy Dialogs >> 1-Sample K-S.. Klik Analyze >> Nonparametric Tests >> Legacy Dialogs >> 1-Sample K-S..

(18)

Bengkel Jahat TM

Masukkan Unstandardized Residual klik symbol ke Test Variabel ListTest Variabel List Contoh sebagai berikut :

(19)

Bengkel Jahat TM

Kemudian Klik OK maka akan Muncul Output SPSS seperti dibawah ini : Kemudian Klik OK maka akan Muncul Output SPSS seperti dibawah ini :

One-Sample Kolmogorov-Smirnov Test One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 74

Normal ParametersMean a,b ,0000000

Std. Deviation 2,10273019

Most Extreme Differences Absolute ,049

Positive ,045

Negative -,049

Kolmogorov-Smirnov Z ,418

Asymp. Sig. (2-tailed) ,995

a. Test distribution is Normal. b. Calculated from data.

Perhatikan Asymp. Sig.

Perhatikan Asymp. Sig. (2-tailed) data terdistribusi normal jika (2-tailed) data terdistribusi normal jika nilai Asymp. Sig. nilai Asymp. Sig. (2- (2-tailed)

tailed) lebih lebih besar besar dari dari 0,050,05

Uji Multikolonearitas Uji Multikolonearitas

Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen (Ghozhali, 2011). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi maka variabel-variabel tersebut tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol.

Tolerance

mengukur bebas yang terpilih yang tidak dapat dijelaskan variabel bebas lainnya. Nilai

tolerance

yang rendah sama dengan VIF yang tinggi (karena VIF=1/

tolerance

).

(20)

Bengkel Jahat TM

Output SPSS akan menampilkan tabel seperti di bawah ini (perhatikan tabel coefficients)(perhatikan tabel coefficients):

Coefficients Coefficientsaa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics

1 (Constant) 6,748 4,186 1,612 ,112 X1 -,163 ,067 -,248 -2,422 ,018 ,536 1,866 X2 ,327 ,132 ,251 2,483 ,015 ,548 1,826 X3 ,256 ,085 ,289 3,031 ,003 ,615 1,625 X4 ,127 ,055 ,203 2,313 ,024 ,725 1,380 a. Dependent Variable: Y Keterangan : Keterangan :

Nilai yang umum digunakan untuk memperlihatkan tidak adanya multikolinearitas adalah Nilai yang umum digunakan untuk memperlihatkan tidak adanya multikolinearitas adalah nilai tolerance > 0,1 atau sama dengan nilai VIF < 10 (Ghozali, 2011). Perhatikan bagian nilai tolerance > 0,1 atau sama dengan nilai VIF < 10 (Ghozali, 2011). Perhatikan bagian Collinearity Statistics saja.

Collinearity Statistics saja.

Uji Heteroskedastisitas Uji Heteroskedastisitas

Uji Heteroskedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan

variance

dari residual satu pengamatan ke pengamatan lain (Ghozali, 2011). Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas dengan melihat grafik plot antara nilai prediksi variabel dependen, dasar analisisnya adalah :

1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.

2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

(21)

Bengkel Jahat TM

Output SPSS akan menampilkan gambar seperti dibawah ini : Output SPSS akan menampilkan gambar seperti dibawah ini :

Selain itu, agar mendapatkan hasil yang lebih akurat, diperlukan analisis uji statistik yaitu uji glejser yaitu dengan meregres nilai absolute residual terhadap variabel independen (Ghozali, 2011:143).

(22)

Bengkel Jahat TM

Kemudian isi rumus seperti yang di beri tanda merah

(23)

Bengkel Jahat TM

Caranya sama dengan Analisis Analisis Regresi Regresi BergandaBerganda tetapi bedanya adalah pada isi variabel dependent yaitu memasukan AbsRes dengan menggunakan symbol . contoh tampilan sebagai berikut :

Kemudian klik OK maka akan muncul OUTPUT SPSS sebagai Berikut :

Coefficients Coefficientsaa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics

1 (Constant) ,582 3,713 ,157 ,876

X1 ,081 ,060 ,216 1,353 ,181 ,536 1,866

X2 ,079 ,117 ,107 ,678 ,500 ,548 1,826

X3 ,040 ,075 ,080 ,540 ,591 ,615 1,625

X4 -,053 ,049 -,150 -1,093 ,278 ,725 1,380

a. Dependent Variable: AbsRes

Perhatikan saja bagian Coefficients bagian sig. Perhatikan saja bagian Coefficients bagian sig.

(24)

Bengkel Jahat TM

c)

c) Output : SPSS EvaluasiOutput : SPSS EvaluasiGoodness Of F it

Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari Goodness of Fitnya. Secara statistik, setidaknya ini dapat diukur dari nilai koefisien determinasi, nilai statistik F dan nilai statistik t. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis (daerah dimana H0 ditolak ). Sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah dimana H0 diterima (Ghozali, 2011).

Koefisien Determinasi (R²) Koefisien Determinasi (R²)

Koefisien determinasi (R²) pada intinya mengukur seberapa jauh model dalam menerangkan variasi variabel dependen

(Goodness of fit)

suatu model. Nilai koefisien determinasi berada di antara nol dan satu. Nilai R² yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan dependen amat terbatas (Ghozali, 2011). Nilai yang mendekati satu (100%) berarti variabel independen memberikan hamper semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.

Kelemahan mendasar penggunaan koefisien determinasi adalah bisa terhadap jumlah variabel independen yang dimasukkan kedalam model. Setiap tambahan 1 variabel independen, maka R² pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu, peneliti menganjurkan untuk menggunakan nilai

Adjusted

R², karena nilai tersebut dapat naik atau turun apabila penambahan variabel independen ditambahkan kedalam model (Ghozali, 2011).

Dalam kenyataannya nilai

adjusted

R² dapat bernilai negative, walaupun yang dikehendaki harus bernilai positif. Menurut Gujarati (2003) dalam Ghozali (2011) jika dalam uji empiris didapat nilai

adjusted

R² negative, maka nilai

adjusted

R² dianggap bernilai nol. Secara matematis, jika R² = 1, maka

adjusted

R²=1 = R² sedangkan jika nilai R²=0, maka

adjusted

R²= (1-k)(n-k). Jika k>1, maka

adjusted

R² akan bernilai negatif.

(25)

Bengkel Jahat TM

Output SPSS akan menampilkan tabel seperti dibawah ini : Output SPSS akan menampilkan tabel seperti dibawah ini :

Model Summary Model Summarybb Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,783a ,614 ,591 1,442 a. Predictors: (Constant), X4, X3, X2, X1 b. Dependent Variable: Y Keterangan : Keterangan : Perhatikan pada

Perhatikan pada tabel model tabel model summary bagian Adjusted summary bagian Adjusted R SquareR Square

Uji Kelayakan Model (Uji F) Uji Kelayakan Model (Uji F)

Uji statistik F pada dasarnya menunjukan apakah semua variabel independen atau bebas mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat (Ghozali, 2011). Hipotesis nol (H0) yang hendak diuji adalah apakah semua parameter dalam model sama dengan

nol, atau:

H0 : β l = β 2 = ...= β n = 0

Artinya apakah semua variabel independen bukan merupakan penjelasan yang signifikan terhadap variabel dependen (Ghozali, 2011). Hipotesis alternatifnya (HA) tidak semua parameter

secara simultan sama dengan nol, atau: HA : tidak semua β berharga 0 (nol)

Artinya semua variabel independen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen.

(26)

Bengkel Jahat TM

ANOVA

ANOVAbb

Model Sum of Squares df Mean Square F Sig.

1 Regression 227,896 4 56,974 27,393 ,000a Residual 143,509 69 2,080 Total 371,405 73 a. Predictors: (Constant), X4, X3, X2, X1 b. Dependent Variable: Y Keterangan : Keterangan : Perhatikan pada

Perhatikan pada tabel ANOVA tabel ANOVA bagian Sig.bagian Sig.

Untuk menguji hipotesis ini digunakan statistik F dengan kriteria pengambilan keputusan Untuk menguji hipotesis ini digunakan statistik F dengan kriteria pengambilan keputusan sebagai berikut:

sebagai berikut: 1.

1. Jika nilai signifikansi > 0,05, maka HJika nilai signifikansi > 0,05, maka H00tidak dapat ditolak. Jadi variabel bebas daritidak dapat ditolak. Jadi variabel bebas dari

regresi linier tidak mampu menjelaskan variabel terikat. regresi linier tidak mampu menjelaskan variabel terikat. 2.

2. Jika nilai signifikan < 0,05, maka HJika nilai signifikan < 0,05, maka H00ditolak. Jadi variabel bebas dari regresi linierditolak. Jadi variabel bebas dari regresi linier

mampu menjelaskan variabel terikat. mampu menjelaskan variabel terikat.

Uji t Uji t

Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel depenpen (Ghozali, 2011). Pengujian ini bertujuan untuk menguji apakah secara parsial variabel bebas yaitu lingkungan kerja fisik (X1), kompensasi (X2), dan beban kerja (X3) mempunyai pengaruh terhadap variabel

dependen (Y) yaitu kinerja guru dan karyawan. Prosedur pengujian adalah sebagai berikut : 1. Perumusan Hipotesis

Ho: β1 ≤ 0, tidak terdapat pengaruh antara variabel bebas terhadap variabel terikat. Ha: β1 >0, terdapat pengaruh antara variabel bebas terhadap variabel terikat.

(27)

Bengkel Jahat TM

Coefficients Coefficientsaa Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics

1 (Constant) 6,748 4,186 1,612 ,112 X1 -,163 ,067 -,248 -2,422 ,018 ,536 1,866 X2 ,327 ,132 ,251 2,483 ,015 ,548 1,826 X3 ,256 ,085 ,289 3,031 ,003 ,615 1,625 X4 ,127 ,055 ,203 2,313 ,024 ,725 1,380 a. Dependent Variable: Y Keterangan : Keterangan : Perhatikan pada

Perhatikan pada tabel Ctabel Coefficients bagian oefficients bagian Sig.Sig. Menentukan tarafnya (

Menentukan tarafnya ( ) dalam penelitian ini menggunakan ) dalam penelitian ini menggunakan = 5%. Pengambilan = 5%. Pengambilan keputusan dengan derajat keputusan dengan tingkat signifikan (

keputusan dengan derajat keputusan dengan tingkat signifikan ( ) = 0,05 ditentukan) = 0,05 ditentukan sebagai berikut :

sebagai berikut : a.

a. Apabila tingkat signifikansinya > 0,05 maka HApabila tingkat signifikansinya > 0,05 maka H00_{tidak bisa ditolak dan H}_{tidak bisa ditolak dan H}11_{tidak bisa}_{tidak bisa}

diterima diterima b.