UJI ANOVA Skor Sekolah Skor Sekolah Skor Sekolah Skor Sekolah 75 SMA X 74 SMA W 54 SMA Y 64 SMA Z 55 SMA X 75 SMA W 58 SMA Y 58 SMA Z 59 SMA X 64 SMA W 60 SMA Y 57 SMA Z 60 SMA X 64 SMA W 74 SMA Y 60 SMA Z 70 SMA X 68 SMA W 69 SMA Y 64 SMA Z 75 SMA X 70 SMA W 65 SMA Y 66 SMA Z 76 SMA X 70 SMA W 70 SMA Y 65 SMA Z 66 SMA X 85 SMA W 72 SMA Y 55 SMA Z 71 SMA X 65 SMA W 65 SMA Y 64 SMA Z 77 SMA X 68 SMA W 60 SMA Y 60 SMA Z 1. Defenisikan Variabel 2. Masukkan Data 3. Klik ANALYZE, COMPARE MEANS, ONE WAY ANOVA. 4. Muncul kotak dialog, pindahkan var skor ke dependent list, sekolah ke factor. 5. 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 : H 0 : varian keempat sampel identik H 1 : varian keempat sampel tidak identik b. α = 5% dengan pengujian LEVENE c. Kriteria penolakan : H 0 ditolak jika sig < α d. Kesimpulan : Karena nilai sig > α (0,159 > 0,050) maka H 0 diterima, sehingga varian keempat sampel adalah identik.
Uji ANOVA Lihat output ANOVA a. Hipotesis : H 0 : rata-rata kemampuan siswa ke empat sekolah identik H 1 : rata-rata kemampuan siswa ke empat sekolah tidak identik b. α = 5% dengan pengujian Uji F c. Kriteria penolakan : H 0 ditolak jika sig < α d. Kesimpulan : Karena nilai sig < α (0,016 < 0,050) maka H 0 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 USU 11 UNSYIAH 21 USU 2 USU 12 UNSRI 22 USU 3 USU 13 USU 23 USU 4 USU 14 UNSYIAH 24 UNSYIAH 5 UNSRI 15 USU 25 UNSYIAH 6 USU 16 USU 26 UNSRI 7 UNRI 17 UNRI 27 UNRI 8 UNSRI 18 UNSRI 28 UNRI 9 USU 19 UNRI 29 USU 10 UNSYIAH 20 UNRI 30 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 : H 0 : Minat siswa terhadap 4 universitas tujuan sama H 1 : Minat siswa terhadap 4 universitas tujuan tidak sama
2. Taraf nyata : Alpha = 5% (0,05) 3. Kriteria keputusan : H 0 ditolak jika sig < alpha 4. Kesimpulan : Karena sig > alpha (0,055 > 0,050) maka H 0 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 Baik 11 Buruk 21 Buruk 2 Baik 12 Baik 22 Buruk 3 Buruk 13 Baik 23 Baik 4 Buruk 14 Buruk 24 Buruk 5 Baik 15 Buruk 25 Baik 6 Baik 16 Baik 26 Baik 7 Baik 17 Baik 27 Baik 8 Buruk 18 Buruk 28 Buruk 9 Baik 19 Baik 29 Buruk 10 Buruk 20 Baik 30 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 : H 0 : pendapat responden = baik H 1 : pendapat responden = buruk 2. Taraf nyata : Alpha = 5% (0,05) 3. Kriteria keputusan : H 0 ditolak jika sig < alpha 4. Kesimpulan : Karena sig > alpha (0,856 > 0,050) maka H 0 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 Baik 11 Buruk 21 Buruk 2 Baik 12 Buruk 22 Buruk 3 Buruk 13 Baik 23 Buruk 4 Baik 14 Buruk 24 Baik 5 Baik 15 Buruk 25 Buruk 6 Buruk 16 Baik 26 Buruk 7 Baik 17 Baik 27 Baik 8 Baik 18 Baik 28 Buruk 9 Baik 19 Baik 29 Buruk 10 Baik 20 Baik 30 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 : H 0 : data sampel bersifat acak H 1 : data samepl tidak bersifat acak 2. Taraf nyata : Alpha = 5% (0,05) 3. Kriteria keputusan : H 0 ditolak jika sig < alpha 4. Kesimpulan : Karena sig > alpha (0,930 > 0,050) maka H 0 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 Baik 16 Baik 2 Baik 17 Baik 3 Buruk 18 Buruk 4 Baik 19 Buruk 5 Baik 20 Baik 6 Buruk 21 Baik 7 Baik 22 Baik 8 Buruk 23 Baik 9 Buruk 24 Baik 10 Baik 25 Baik 11 Baik 12 Baik 13 Baik 14 Baik 15 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 : H 0 : data sampel bersifat normal H 1 : data samepl tidak bersifat normal 2. Taraf nyata : Alpha = 5% (0,05) 3. Kriteria keputusan : H 0 ditolak jika sig < alpha 4. Kesimpulan : Karena sig < alpha (0,000 > 0,050) maka H 0 ditolak, sehingga data samepl pendapat responden terhadap sarana pendidikan tidak berdistribusi normal.
Uji Dua Sampel Independen Hari Home Business Hari Home Business 1 255 250 16 215 215 2 248 240 17 212 240 3 240 238 18 209 234 4 215 225 19 219 241 5 200 195 20 205 195 6 200 205 21 225 190 7 198 203 22 238 200 8 190 208 23 241 235 9 199 214 24 250 215 10 216 225 25 244 225 11 243 221 26 248 195 12 251 200 27 215 215 13 213 197 28 242 225 14 220 199 29 235 230 15 225 200 30 238 234 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 : H 0 : rata-rata penjualan OS Home = OS Business H 1 : rata-rata penjualan OS Home OS Business 2. Taraf nyata : Alpha = 5% (0,05) 3. Kriteria keputusan : H 0 ditolak jika sig < alpha 4. Kesimpulan : Karena sig > alpha (0, 082 > 0,050) maka H 0 diterima, sehingga rata-rata penjualan OS Home dengan OS Business adalah sama.
ANALISIS REGRESI Misalkan kita memiliki data sebagai berikut : Kinerja Motivasi Upah 10 2 1.2 12 2.2 1.4 14 2.3 2 15 2.2 2.3 16 2.4 2.6 16 2.8 2.8 17 2.7 3.5 18 3 4 18 3 4.2 20 3.4 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) (2,509)** R 2 = 0,917 F = 38,5 DW = 1,01 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. R 2 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. t motivasi sebesar 1,016 dimana nilai tersebut < 2, maka variabel motivasi tidak berpengaruh signifikan terhadap perubahan variabel kinerja. Sedangkan, t upah 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,0000000 Std. Deviation,86195973 Most Extreme Differences Absolute,109 Positive,091 Negative -,109 Kolmogorov-Smirnov Z,344 Asymp. Sig. (2-tailed) 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 a Model Unstandardized Coefficients Standardized Coefficients Collinearity Statistics B Std. Error Beta t Sig. Tolerance VIF 1 (Constant) 5,449 2,969 1,835,109 motivasi 1,865 1,836,281 1,016,343,156 6,423 upah 1,893,754,693 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 R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1.322.104 -.008.71038 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 R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1.958.917.893.97737 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).