![Latihan Mengolah Data SPSS Mahasiswa FK [PDF]](https://pdfs.asia/img/200x200/latihan-mengolah-data-spss-mahasiswa-fk.jpg)
3 0 288 KB
Latihan mengolah data Latihan I (Dasar) 1. Masukkan data dan Recode 2. Uji Instrumen Pengumpulan Data (Validitas & Reliabilitas) dan Uji Asumsi Dasar (Normalitas & Homogenitas) 3. Statistik Deskriptif 4. Crosstabs & Chi-square 5. Uji Perbandingan Rerata, 6. Statistik Non Parametrik,
Latihan II (Lanjutan) 7. One Way ANOVA, 8. Analisis Korelasi 9. Regresi Linear, Analisis Varians, Analisis Faktor 10.Membuat Tabel (Tabel Chi-Square, Tabel t, Tabel F dan Tabel r)
1. MENGISI DATA & RECODE TUGAS 1: Masukkan data karyawan berikut ke SPSS
NoI D
Nama
Sex
Jabatan
1
Ismail
Direksi
45
10
750000
2
Ayik
Laki-laki Perempu an
Top Manajer
39
6
500000
3 4
Imron Heri
Direksi Supervisor
42 30
9 4
750000 350000
5
Ida
Laki-laki Laki-laki Perempu an
Gaji Akhir 250000 0 150000 0 190000 0 610000
25
3
250000
350000
6
Sulis
31
6
450000
510000
7 8
Lutf Sigit
28 29
5 8
300000 255000
460000 670000
9
Iyan
27
6
300000
475000
10
Fitri
Staf Admin Middle Manajer Asisten Manajer Teknisi Asisten Manajer Middle Manajer
28
7
450000
550000
Laki-laki Perempu an Laki-laki Laki-laki Perempu an
Um ur
Mas a Kerj a
Gaji Awal
File diberi nama, lakukan menyimpanan, membuka, mencetak, mengubah nama, insert variable/cases.
1
Transform: Ubah Gaji Akhir Recode into Different Variables menjadi golongan gaji (Besar > 1 juta, Sedang 500rb-1juta dan Kecil < 500rb). 2. UJI INSTRUMEN DAN ASUMSI DASAR Uji Validitas terdiri dari validitas faktor dan validitas item. Validitas faktor diukur dengan cara korelasi skor faktor dengan skor total faktor, sedangkan validitas item diukur dengan korelasi skor item dengan skor total item. Dari hasil korelasi akan didapat koefisien korelasi untuk mengukur kelayakan suatu digunakan akau tidak. Digunakan uji signifikansi 5% koefisien korelasi terhadap skor total. Program SPSS menggunakan korelasi Bivariate Pearson (Product Momen Pearson) dan Corrected Item-Total Correlation. Contoh Kasus: Seorang mahasiswa nama Suly melakukan penelitian dengan menggunakan skala untuk mengetahui atau mengungkap prestasi belajar seseorang. Suly membuat 10 butir pertanyaan dengan menggunakan skala Likert, 1=Sangat Tidak Setuju, 2=Tidak Setuju, 3=Setuju, 4=Sangat Setuju. Data 12 responden sbb: Skor1 Skor2 Skor3 Skor4 Skor5 Skor6 Skor7 Skor8 Skor9 Skor10 TOTAL
Responden
3
4
3
4
4
3
3
3
3
3
33
1
4
3
3
4
3
3
3
3
3
3
32
2
2
2
1
3
2
2
3
1
2
3
21
3
3
4
4
3
3
3
4
3
3
4
34
4
3
4
3
3
3
4
3
4
4
3
34
5
3
2
4
4
3
4
4
3
4
4
35
6
2
3
3
4
4
4
3
4
3
2
32
7
1
2
2
1
2
2
1
3
4
3
21
8
4
2
3
3
4
2
1
1
4
4
28
9
3
3
3
4
4
4
4
4
3
3
35
10
4
4
3
4
4
3
4
4
4
2
36
11
3
2
1
2
3
1
1
2
3
3
21
12
Langkah pengujian: 1. 2. 3. 4. 5.
Defnisikan variabel dan masukkan data ke program SPSS Klik Analyse → Correlate → Bivariate Masukkan semua item ke kotak Variables Pilih Correlate Coefficients: Pearson Klik OK
2
Dari hasil dibandingkan dengan r tabel pada signifikansi 5% n=12 sebesar 0.576, didapat item 1, 9, dan 10 kurang dari 0.576 sehingga dinyatakan tidak valid dan harus dikeluarkan dan diperbaiki. TUGAS 2A: Lakukan uji Validitas dengan data diatas menggunakan Corrected Item-Total Correlation. Lakukan juga uji Reliabilitas dari data diatas yang valid dengan Cronbach’s Alpha. Uji Normalitas untuk memperlihatkan bahwa sampel diambil dari populasi yang berdistribusi normal. Data dibawah memperlihatkan tinggi tinggi badan dari 25 responden. No 1 2 3 4 5 6 7 8 9 10 11 12 13
Tinggi 170.2 172.5 180.3 172.5 159.6 168.5 168.5 172.5 174.5 159.6 170.4 161.3 172.5
No 14 15 16 17 18 19 10 21 22 23 24 25
Tinggi 170.4 168.9 168.9 177.5 174.5 168.6 164.8 170.4 168.9 164.8 167.2 167.2
Langkah pengujian dengan SPSS: 1. Defnisikan variabel tinggi dan masukkan data ke SPSS 2. Pilih menu Analyse → Descriptive Statistics → Explore 3. Masukkan varabel tinggi ke Dependent List dan variabel lain ke Factor List (kalau ada) 4. Klik tombol Plots, Boxplots → Factor levels together dan Descriptive → Stem-and-Leaf 5. Pilih Normality plots with tests 6. Klik Continue lalu OK Dari output yang keluar hanya Test of Normality yang digunakan. Uji Hipotesis: a. H0: Data diambil dari populasi yang berdistribusi normal H1: Data diambil bukan dari populasi yang berdistribusi normal b. α = 0.05 c. Daerah kritis H0 ditolak jika p value (Sig.) < 0.05 d. Statistik Uji P value (Sig.) = 0.164 e. Kesimpulan. Karena p value (Sig.) > 0.05 maka H0 tidak ditolak, sehingga dapat disimpulkan bahwa data diambil dari populasi yang berdistribusi normal.
3
Uji Homogenitas digunakan untuk memperlihatkan bahwa dua atau lebih kelompok data sampel berasal dari populasi yang memiliki varians yang sama. Contoh data jenis kelamin dan berat badan dibawah ini. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Jenis Kelamin (X) Laki-laki Perempuan Laki-laki Laki-laki Laki-laki Laki-laki Perempuan Perempuan Laki-laki Laki-laki Perempuan Perempuan Perempuan Perempuan Laki-laki
Berat Badan (Y) 65 67 60 58 59 61 66 71 70 56 57 54 68 72 54
TUGAS 2B: Lakukan Uji Homogenitas dari data diatas dengan Test of Homegeneity of Variace, dan buat kesimpulan uji tersebut. 3. STATISTIK DESKRIPTIF Peneliti ingin mengetahui gambaran tinggi badan antara laki-laki dan perempuan, data yang didapatkan sbb:
No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Tinggi 170.2 172.5 180.3 172.5 159.6 168.5 168.5 172.5 174.5 159.6 170.4 161.3 172.5 170.4 168.9 168.9 177.5 174.5 168.6
4
Jenis kelamin Laki-laki Laki-laki Laki-laki Laki-laki Perempuan Perempuan Laki-laki Laki-laki Laki-laki Perempuan Perempuan Perempuan Laki-laki Perempuan Perempuan Perempuan Perempuan Laki-laki Perempuan
20 21 22 23 24 25
164.8 170.4 168.9 164.8 167.2 167.2
Perempuan Laki-laki Laki-laki Perempuan Perempuan Perempuan
Langkah-langkah sbb:
Masukkan data ke SPSS Pilih menu Analyze → Descriptive Statistics → Frequencies Masukkan variabel Tinggi ke dalam dialog box: Variables Klik Statistics, pilih: a. Percentile Values: Quartile b. Central tendency: Mean, Median, Mode c. Dispersion: Std Deviation, Variance, Range, Minimum, Maximum, d. Distribution: Skewness, Kurtosis Klik Continue Klik OK
Keterangan hasil output:
N atau jumlah data yang valid adalah 25 Mean atau rata-rata hitung adalah 169.4 Median atau titik tengah data adalah 168.9 Mode nilai yang paling banyak adalah 172.5 Standar deviasi dan variance digunakan untuk menilai tingkat sebaran data. Pada tingkat kepercayaan 95% kita gunakan 2 kali standar deviasi: Mean ± 2 standar deviasi = 169.4 ± (2x4.96328) = 159.47344 sampai 179.32656 Tampak nilai minimum (159.6) dan nilai maksimum (180.3) beda tipis dengan interval kepercayaan 95% sehingga dapat dikatakan data diatas baik. Ukuran kepencongan (skewness) sebesar -0.155 dengan standar error sebesar 0.464 Rasio skewness = -0.155/0.464=-0.334 Sebagai pedoman bila rasio skewness diantara -2 dan 2 maka distribusi data normal. Ukuran kepuncakan (kurtosis) sebesar 0.452 dengan standar error sebesar 0.902 Rasio kurtosis = -0.452/0.902=-0.501 Sebagai pedoman bila rasio kurtosis diantara -2 dan 2 maka distribusi dara normal. Data minimum adalah 159.60 dan data maksimum adalah 180.30 dengan range 20.70. Persentil Persentil 25 (Quartil 1) = 167.2 artinya sebanyak 25% tinggi badan seseorang berada dibawah 167.2 cm Persentil 50 (Quartil 2) = 168.9 (lihat median)
5
Persentil 75 (Quartil 3) = 172.5 artinya sebanyak 75% tinggi badan seseorang berada dibawah 172.5 cm
TUGAS 3: Gunakan data diatas melakukan EXPLORE dan jelaskan hasil Output yang didapat! Jelaskan sbb: Dari Output Case Processing Summary, Descriptives, Extreme Values, Tes Normalitas dengan Uji Hipotesis H0 dan H1 pada lakilaki dan perempuan, QQ plot, histogram dan diagram batang dan daun.
4. CROSSTABS DAN CHI-SQUARE Crosstabs (Tabel Silang) adalah sebuah tabel yang terdiri dari satu baris atau lebih dan satu kolom atau lebih. Crosstabs pada SPSS bisa sekedar menampilkan kaitan antara dua atau lebih variabel, sampai dengan menghitung apakah ada hubungan antara baris dengan kolom. Penggunaan crosstabs adalah data input berskala nominal atau ordinal. Alat statistik yang sering digunakan untuk mengukur asosiasi pada crosstabs adalah Chi-square, Kendall, Kappa dll. Contoh: Dari data profil 25 konsumen: Pekerjaan, Pendidikan dan Jenis kelamin didapat data pada crosstabs_1. a. Hubungan Pekerjaan dengan Jenis Kelamin Konsumen: Buka data crosstabs_1 Klik Analyze → Descriptive Statistics → Crosstabs.. Masukkan Gender ke Row dan Kerja ke Column. Klik Statictics Pilih Chi-Square Tekan Continue Klik Cells.. Pilih Observed Tekan Continue Klik Format Pilih Ascending Tekan Continue Tekan OK Hipotesis:
H0: Tidak ada hubungan antara pekerjaan dan gender konsumen H1: Ada hubungan antara pekerjaan dan gender konsumen α = 0.05 Daerah Kritis H0 ditolak bila p value (Sig.) < 0.05 Statistik Uji P value (Sig.) = 0.021 Kesimpulan Karena p < 0.05 maka H0 ditolak sehingga dapat disimpulkan bahwa ada hubungan antara pekerjaan konsumen dengan gender konsumen.
6
Pengambilan keputusan dapat dengan dua cara: 1. Berdasarkan Probabilitas seperti diuraikan diatas. a. Jika probabilitas > 0.05, maka H0 diterima b. Jika probabilitas < 0.05, maka H0 ditolak 2. Berdasarkan perbandingan Chi-Square hitung dengan Chi-Square tabel a. Jika X2 Hitung < X2 Tabel, maka H0 diterima Jika X2 Hitung > X2 Tabel, maka H0 ditolak b. X2 Hitung 7.702 (Pearson Chi-Square) X2 Tabel =5.9915: (dengan tingkat signifkansi α = 0.05 dan derajat kebebasan df =2) c. Karena X2 Hitung dari X2 Tabel, maka H0 ditolak. TUGAS 4: Hubungan Pekerjaan dengan Tingkat Pendidikan Konsumen: gunakan crosstabs_1 gambarkan langkah-langkahnya dan dari Output buat Hipotesis dan kesimpulannya pengambilan keputusan hipotesis dengan dua cara: a) Berdasarkan Probabilitas dan b) Berdasarkan beda X2 Hitung dan X2 Tabel .
5. UJI PERBANDINGAN RATA-RATA Pengujian hipotesis pada rata-rata digunakan untuk mengetahui apakah nilai dugaan dari peneliti terhadap suatu objek yang diteliti sesuai atau tidak dengan kenyataannya. Uji Rata-rata T-test untuk Sampel Tunggal Seorang guru matematika ingin mengetahui apakah dugaannya bahwa rata-rata nilai ujian semester sebesar 75, ia mengambil sampel muridnya sebanyal 12. No 1 2 3 4 5 6 7 8 9 10 11 12
Nilai 70 65 62 67 75 80 68 70 64 64 71 76
Langkah-langkah mengolah data: 1. 2. 3. 4.
Masukkan data tsb ke SPSS Klik Analyze → Compare Means → One-Sample T Test Masukkan variabel Nilai ke Test Variable(s) Klik OK
7
Dari hasil Output: Tabel Crosstab antara Gender dengan pekerjaan, terdapat 8 laki-laki sebagai karyawan dan 1 perempuan sebagai karyawan. Selain itu wiraswasta laki-laki 2 orang dan perempuan 6 orang dan sebagai petani laki-laki 3 orang dan perempuan 6 orang, jumlah laki-laki 13 orang dan perempuan 12 orang dan jumlah semua 25 orang. Uji Hipotesis: 1. H0: m=m0 (nilai ujian matematika adalah 75) H1: m≠m0 (nilai ujian matematika bukan 75) 2. α = 0.05 3. Daerah Kritis H0 ditolak jika p value {Sig. (2-tailed)} < 0.05 4. Statistik Uji P value {Sig. (2-tailed)} = 0.000 5. Kesimpulan Karena p {Sig. (2-tailed)} < 0.05 maka H0 ditolak sehingga dapat disimpulkan bahwa nilai ujian matematika bukan 75. TUGAS 5: Lakukan T-Test untuk Sampel Independen. Seorang peneliti ingin mengetahui apakah berat badan bayi setelah diberi pemijitan akan lebih baik dari pada bayi yang tidak dipijit. No. 1 2 3 4 5 6 7 8 9 10
Berat Badan Bayi 3400 3000 2900 3100 3000 3300 2700 3500 3600 3200
Perlakuan
No.
Dipijit Dipijit Dipijit Dipijit Dipijit Dipijit Dipijit Dipijit Dipijit Dipijit
11 12 13 14 15 16 17 18 18 20
Berat Badan Bayi 2700 2800 2700 2600 2800 2800 3100 3200 2900 3300
Perlakuan Tidak Dipijit Tidak Dipijit Tidak Dipijit Tidak Dipijit Tidak Dipijit Tidak Dipijit Tidak Dipijit Tidak Dipijit Tidak Dipijit Tidak Dipijit
Dari Output lakukan uji hipotesis dan bagaimana kesimpulannya?
6. UJI NONPARAMETRIK Uji nonparametrik sering digunakan karena data yang tersedia sering tidak memenuhi untuk dilakukan uji parametrik. Ada berbagai uji nonparametrik yang dapat dipakai sesuai dengan kebutuhannya. Misalnya untuk satu sampel dapat dengan Uji Binomial, Uji Runs dan Uji Kolmogorov-Smirnov untuk satu sampel. Dua sampel berhubungan dapat menggunakan Sign test, uji Wilcoxon atau uji McNemar. Untuk dua sampel tidak berhubungan dengan uji Mann-Whitney, uji Kolmogorov-Smirnov atau uji Wald-Wolfowtz. Sedang untuk beberapa sampel berhubungan dengan Friedman test dan beberapa sampel tidak berhubungan dengan Chi-Square dll.
8
Disini akan dilakukan pelatihan dengan dua sampel tidak berhubungan (Two Independent Samples) dengan Uji Mann-Whitney. Sebuah penelitian ingin mengetahui apakah nilai ujian siswa meningkat bila diadakan latihan soal terlebih dahulu dengan data sbb: No. 1 2 3 4 5 6 7 8 9 10
Nilai 76 79 80 63 77 91 59 61 78 62
Kelompok tanpa latihan tanpa latihan tanpa latihan tanpa latihan tanpa latihan tanpa latihan tanpa latihan tanpa latihan tanpa latihan tanpa latihan
No. 11 12 13 14 15 16 17 18 19 20
Nilai 73 68 77 83 92 79 70 69 79 80
Kelompok latihan latihan latihan latihan latihan latihan latihan latihan Latihan Latihan
Langkah Pengujian: 1. Defnisikan variabel dan masukkan data ke SPSS 2. Klik Analyze → Nonparametric Test → 2 Independent Samples 3. Masukkan variabel Nilai ke kotak Test Variable List dan Kelompok ke Grouping variable 4. Klik Define Group. Untuk Group 1 isi dengan angka 1 yang berarti berisi tanda 1 atau “tanpa latihan”, untuk Group 2 isi dengan angka 2 yang berarti “latihan”. 5. Pada Test Type pilih Mann-Whitney U. 6. Klik OK Dari hasil Output dilakukan uji hipotesis: 1. H0: Tidak ada perbedaan nilai ujian siswa antara yang diberi latihan dan yang tidak diberi latihan 2. H1: Ada perbedaan nilai ujian siswa antara antara yang diberi latihan dan yang tidak diberi latihan 3. α = 0.05 4. Daerah kritis H0 ditolak bila nilai Asymp. Sig (2-tailed) < 0.05 5. Statistik Uji Dari tabel Test Statisticcs didapat nilai Asymp. Sig. (2-tailed) = 0.289 6. Kesimpulan Karena Asymp. Sig. (2-tailed) > 0.05 maka H0 tidak ditolak sehingga dapat disimpulkan bahwa tidak ada perbedaan nilai ujian siswa antara yang diberi latihan dan yang tidak diberi latihan. TUGAS 6: Lakukan Tes Nonparamaetrik data diatas dengan menggunakan Uji KolmogorovSmirnov, dan dari hasil Output lakukan Uji Hipotesis dan dapatkan kesimpulan.
9
7. UJI ANOVA
One Way ANOVA adalah analisis yang digunakan yang digunakan untuk menguji perbandingan rara-rata beberapa kelompok data. Pada analisis ini adalah analisis yang dikembangkan dari uji (t) dua sampel. Jika dalam uji ANOVA terdapat rta-rata yang berbeda, maka harus dilakukan analisis lanjutan (Post Hoc Test). Dalam SPSS terdapat beberapa metode alanisis lanjut. Jika varian sama maka metode yang dapat digunakan adalah Tukey, Boferroni, LSD, dan Duncan. Jika varian varian berbeda maka metode yang dapat digunakan adalah Tamhane’s T2, Dunnett’s T3, Games-Howelpairewise dan Dunnett’s C. Sebuah penelitian ingin mengetahui kemampuan mahasiswa jurusan Fisika dari 4 universitas, yaitu UNS, UMS, STAIN dan UNISRI. Masing masing diambil 10 mahasiswa dan diminta mengerjakan sebuah ujian tulis sbb. No.
Universitas
Nilai
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
UNS UNS UNS UNS UNS UNS UNS UNS UNS UNS UMS UMS UMS UMS UMS UMS UMS UMS UMS UMS
75 67 65 77 86 59 76 87 58 67 65 66 86 74 66 55 77 81 65 56
No . 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Universitas
Nilai
STAIN STAIN STAIN STAIN STAIN STAIN STAIN STAIN STAIN STAIN UNISRI UNISRI UNISRI UNISRI UNISRI UNISRI UNISRI UNISRI UNISRI UNISRI
67 75 78 83 65 69 79 76 78 55 67 54 68 75 71 81 58 69 80 53
Langkah pengujian: 1. Defnisikan variabel dan masukkan data ke SPSS 2. Klik Analyze → Compare Means → One-Way ANOVA 3. Masukkan variabel Nilai ke Dependent List dan variabel Univ ke ke Factor 4. Klik Options, Pilih Statistics Descriptive dan Homogeneity of variance test, Pilih Means plot, Missing Values Exclude cases analyses by analyses 5. Klik Continue
10
6. Klik Post Hoc untuk analises lanjut dengan pilih metode Tukey. 7. Klik Continue lalu OK Dari hasil Output, dinilai: Uji Hipotesis: a) Uji kesamaan Variasi H0: Varian keempat sampel identik H1: Varian keempat sampel tidak identik identik α=0.05 Daerah kritis H0 ditolak jika p value < 0.05 Statistik Uji Dari tabel Test of Homogeneity of Variances didapat nilai p value = 0.876 Kesimpulan Karena p value > 0.05 maka HO tidak ditolak sehingga dapat disimpulkan bahwa varian keempat sampel identik. b) Uji ANOVA TUGAS 7: Dari output buat kesimpulan uji Hipotesis ANOVA c) Uji Lanjut Uji lanjut dilakukan apabila kesimpulan pada uji ANOVA menunjukkan bahwa nilai kemampuan keempat universitas tidak identik. Analisis lanjut menggunakan Multiple Comparisons (untuk contoh kasus diatas tidak ada uji lanjut) Pengujian lanjut sebagai berikut: a. H0: Rata-rata nilai kemampuan universitas i = j. H1: Rata-rata nilai kemampuan universitas i ≠ j. Dengan i dan j adalah 1,2,3,4 (menunjukkan univesitas) b. α=0.05 c. Daerah kritis Ho ditolak jika p value < 0.05 d. Statistik uji Nilai p value dilihat dari tabel Multiple Comparisons, kemudian dilihat nilai Sign yang kurang dri 0.05. Rata-rata nilai kemampuan univesitas yang berbeda adalah yang memliki nilai Sign kurang dari 0.05. 8. ANALISIS KORELASI Analisis korelasi linier sederhana merupakan analisis hubungan antara dua variabel. Misalnya seseorang ingin mengetahui hubungan antara motivasi dengan prestasi kerja data sbb:
11
Responden
Motivasi
1 2 3 4 5 6 7 8 9 10
96 91 83 87 88 92 84 85 87 92
Prestasi belajar 86 82 88 84 91 85 84 82 83 91
Langkah pengujian: 1. Definisikan variabel lalu masukkan data ke SPSS. 2. Klik Analyze → Correlate → Bivariate
Masukkan variabel Motiv dan Pres ke Varables Correlation Coefficients: Pearson
3. Klik OK Hasil Output: Uji Hipotesis: a. H0: r = 0 (tidak ada hubungan antara motivasi belajar dengan prestasi) H1: r ≠ 0 (ada hubungan antara motivasi belajar dengan prestasi) b. α = 0.05 c. Daerah kritis H0 ditolak jika p value < 0.05 d. Statistik Uji p value = 0.645 e. Kesimpulan Karena p valur > 0.05 maka H0 tidak ditolak sehingga dapat disimpulkan bahwa tidak ada hubungan antara motivasi belajar dengan prestasi.
TUGAS 8: Suatu jajak pendapat dilakukan terhadap suatu iklan suatu produk dengan ketentuan pengisian sbb: Sangat Setuju skor 1, Setuju skor 2, Abstain skor 3, Tidak Setuju skor 4 dan Sangat Tidak Setuju skor 5. Lakukan uji korelasi Rank Spearman dari data sbb: Responden 1 2 3 4
Sampel 1 1 2 1 3
Sampel 2 4 3 4 5
12
5 6 7 8 9 10 11 12 13 14 15
3 5 5 4 2 4 4 5 1 3 2
1 2 3 4 5 5 1 2 1 2 3
Dari Output lakukan Uji Hipotesis dan kesimpulannya.
9. REGRESI LINIER Analisis regresi merupakan suatu alat statistik yang digunakan untuk mengetahui atau memprediksi besarnya variabel respons berdasarkan variabel prediktor. Selain itu metode ini juga dapat digunakan untuk menentukan bentuk hubungan antara kedua variabel sekaligus korelasi antara keduanya. Contoh: Seorang peneliti ingin melihat pengaruh motivasi kerja karyawan suatu prusahaan terhadap produktivitas kerja karyawannya. Hasil data pengamatan sebagai berikut: Responden 1 2 3 4 5 6 7 8 9 10
Motivasi (X) 100 110 120 130 140 150 160 170 180 190
Produktivitas (Y) 46 52 56 63 69 71 76 80 87 90
Langkah pengujian: 1. Defnisikan variable lalu masukkan data ke SPSS 2. Klik Analyze → Regression → Linear
13
3. Masukkan variable Motiv ke Independent dan variable Prod ke Dependent 4. Klik Statistics Regression Coefficient: Estimates, Confdence Interval Residual : Durbin Watson Beri tanda Model Fits, Descriptives Klik Continue. 5. Klik Plot Masukkan Dependent ke Y dan Zpred ke X Standardized residual plot: Normal Probability Plot Klik Continue 6. Klik Save Predictive Value : Standardized Residual : Standardized Predictive Intervals : Mean Klik Continue 7. Klik OK Dari Output diperoleh informasi sbb: 1. Korelasi antara kedua variable adalah 0.997 2. R-square sebesar 99.3% menunjukkan model dapat menjelaskan/menggambarkan perilaku data sebesar 99.3% dan sisanya dipengaruhi factor lain. 3. F sebesar 1209.030 dengan p.sig. = 0.000 Dengan pengujian hipotesis maka: H0: model regresi tidak layak digunakan. H1: model regresi layak digunakan. α = 0.05 Daerah kritis H0 ditolak jika p value < 0.05 Statistik uji P value = 0.000 Kesimpulan Karena p value < 0.05 maka H0 ditolak sehingga model regresi layak digunakan. Model regresi yang diperoleh yaitu: Ŷ = -1.479 + 0.486 X TUGAS 9: Buatlah Regresi Linear Ganda sbb: Sebuah industri pembuatan baju rajutan ingin mengetahui hubungn antara waktu yang dipelukan oleh karyawan dalam membuat suatu rajutan baju jadi dengan banyaknya wol benang terpakai untuk satu rajutan baju. Data pengamatan dicatat selama 15 pengamatan sbb: Waktu dalam jam
Jumlah baju (x1)
Jumlah benang wol
14
(y) 2.03 3.20 2.40 1.95 2 2.5 2.9 2.6 1.9 2.7 2.4 2.25 2.7 2.65
(x2) 4 10 11 2 8 9 10 9 2 3 9 10 15 12
3 5 6 2 3.5 4 4.5 4 2 8 4 5 8 7
Lakukan langkah pengujian dan dari output buat kesimpulan.
10. MEMBUAT TABEL TUGAS 10: BUAT TABEL STATISTIK: Tabel X2, tabel F, tabel t dan tabel r dengan SPSS. Gunakan Transform Compute dan melalui kolom Function and Special Variables untuk membuat tabel.
15
Ketentuan penyerahan tugas: 1. Setiap kelompok (Meja 1 s/d Meja 30) masing-masing membuat TUGAS 1 S/D TUGAS 10, dan dilaporkan dengan memakai Microsoft Words. 2. Tugas diserahkan dalam waktu 1 (satu) minggu, dan waktu akhir penyerahan tugas pada tgl. 7 Desember 2013 jam 12 malam. Penyerahan tugas setelah waktu tersebut tidak dinilai. 3. Penyerahan tugas melalui e-mail ke alamat [email protected] dan ke [email protected] 4. SELAMAT BEKERJA
16
DAFTAR HADIR PELATIHAN SPSS MAHASISWA AMSA Tanggal 30 November 2013 NO. MEJA 1
NAMA MAHASISWA 1.
2
2. 1.
3
2. 1.
4
2. 1.
5
2. 1.
6
2. 1.
7
2. 1.
8
2. 1.
9
2. 1.
10
2. 1.
11
2. 1.
12
2. 1.
13
2. 1.
14
2. 1.
17
NIM
TANDA TANGAN
15
2. 1.
16
2. 1.
17
2. 1.
18
2. 1.
19
2. 1.
20
2. 1. 2.
21
1.
22
2. 1.
23
2. 1.
24
2. 1.
25
2. 1.
26
2. 1.
27
2. 1.
28
2. 1. 2.
18
29
1.
30
2. 1. 2.
19
