Cara Melaksanakan Analisis Korelasi Bivariate Pearson Dengan Spss

Cara Melakukan Analisis Korelasi Bivariate Pearson dengan SPSS | Analisis korelasi  merupakan studi pembahasan perihal derajad keeratan hubungan antar variabel yang dinyatakan dengan nilai koefisien korelasi. Hubungan antara variabel tersebut sanggup bersifat bersifat positif dan negatif. Dalam analisis hubungan bersama-sama tidak ada istilah variabel independent (X) dan variabel dependent (Y). Karena intinya hubungan antara variabel independent dengan variabel dependent, akan bermakna sama dengan hubungan variabel dependent dengan variabel independent. Namun demikian dalam prakteknya banyak kita jumpai peneliti memperlihatkan nama untuk hubungan variabel independent dengan variabel dependent. Hal ini bukan sebuah masalah, lantaran penamaan tersebut tujuan bersama-sama hanya sebagai alat bantu saja supaya pembaca lebih gampang memahami arah hubungan yang ingin disampaikan oleh peneliti dalam penelitiannya.

Derajad hubungan biasanya dinyatakan dengan karakter "r" atau disebut juga dengan koefisien hubungan sampel yang merupakan penduga bagi koefisien populasi. Sedangkan r2 atau r square disebut dengan koefisien determinasi (koefisien penentu). Kekuatan hubungan linear antara variabel yang dihubungkan sanggup disajikan dengan rxy yang didefinisikan dengan rumus:

Formula tersebut disebut merupakan formula koefisien hubungan momen produk (product moment karl pearson). Dalam penelitian analisis hubungan bivariate pearson digunakan untuk menguji hubungan antara dua varaibel yang menggunakan data terjadwal rasio atau interval. Sementara untuk data ordinal pakai Uji Korelasi Rank Spearman

Peryaratan dalam Analisis Korelasi Bivariate Pearson

Ada beberapa persyaratan atau perkiraan dasar yang harus terpenuhi dikala kita hendak menggunakan analisis hubungan bivariate pearson untuk menguji hipotesis penelitian kita.

1. Data penelitian untuk masing-masing variabel setidak-tidaknya berskala rasio atau interval (yaitu data yang berbentuk angka sesungguhnya atau data metrik (data kuantitatif). Namun demikian analisis ini sanggup juga digunakan untuk data kuesioner dengan skala likert.
2. Data untuk masing-masing variabel yang dihubungkan berdistribusi normal.
3. Terdapat hubungan yang linear antar variabel penelitian. Baca: Cara Melakukan Uji Linearitas dengan Program SPSS

Arti Angka Korelasi (Pearson Correlations)

Koefisien hubungan atau Pearson Correlations mempunyai nilai paling kecil -1 dan paling besar 1.

1. Berkenaan dengan besaran angka ini, bila 0 maka artinya tidak ada hubungan sama sekali sementara bila hubungan 1 berarti ada hubungan sempurna. Hal ini memperlihatkan bahwa semakin nilai pearson correlations mendekati 1 atau -1 maka hubungan antara dua variabel yaitu semakin kuat. Sebaliknya, bila nilai r atau pearson correlations mendekati 0 berarti hubungan dua variabel menjadi semakin lemah. Sebenarnya tidak ada ketentuan yang benar-benar tepat mengenai apakah angka hubungan tertentu memperlihatkan tingkat hubungan yang tinggi atau lemah. Namun, hal berikut ini sanggup kita dijadikan anutan sederhana bahwa bila angka hubungan di atas 0,5 maka memperlihatkan hubungan yang cukup kuat sedangkan bila di bawah 0,5 maka memperlihatkan hubungan yang lemah.
2. Selain besarnya korelasi, tanda hubungan juga kuat pada penafsiran hasil dalam analisis ini. Dimana, tanda negatif (-) pada tabel output SPSS memperlihatkan adanya arah yang berlawanan, sedangkan tanda positif (+) memperlihatkan arah yang sama atau hubungan searah.

Mungkin anda masih sedikit galau dengan klarifikasi yang saya sampaikan di atas, lantaran bahasanya yang agak terlalu formal (tapi tidak apa-apa, nanti akan saya perjelas kembali dalam praktek analisis hubungan bivariate pearson dengan kegiatan SPSS menggunakan bahasa yang lebih sederhana). Baik kalau begitu disini saya akan memberikan dasar pengambilan keputusan dalam analisis korelasi. Simak dasar pengambilan keputusan di bawah ini dengan seksama biar nanti anda tidak salah faham.

Dasar Keputusan dalam Analisis Korelasi Bivariate Pearson

Ada tiga cara yang sanggup kita gunakan sebagai anutan atau dasar pengambilan keputusan dalam analisis hubungan bivariate pearson ini yaitu pertama dengan melihat nilai signifikansi Sig. (2-tailed). Kedua membandingkan nilai r hitung (Pearson Correlations) dengan nilai r tabel product moment. Ketiga yaitu dengan melihat tanda bintang (*) yang terdapat pada output kegiatan SPSS.

1. Berdasarkan Nilai Signifikansi Sig. (2-tailed): Jika nilai Sig. (2-tailed) < 0,05 maka terdapat hubungan antar variabel yang dihubungkan. Sebaliknya bila nilai Sig. (2-tailed) > 0,05 maka tidak terdapat korelasi.
2. Berdasarkan Nilai r hitung (Pearson Correlations): Jika nilai r hitung > r tabel maka ada hubungan antar variabel. Sebaliknya bila nilai r hitung < r tabel maka artinya tidak ada hubungan antar variabel.
3. Berdasarkan Tanda Bintang (*) yang diberikan SPSS: Jika terdapat tanda bintang (*) atau (**) pada nilai pearson correlation maka antara variabel yang di analisis terjadi korelasi. Sebaliknya bila tidak terdapat tanda bintang pada nilai pearson correlation maka antara variabel yang di analisis tidak terjadi korelasi.

Catatan: Tanda bintang satu (*) menujukkan hubungan pada signifikansi 1% atau 0,01. Sedangkan tanda bintang dua (**) memperlihatkan hubungan pada signifikansi 5% atau 0,05.

Untuk lebih jelas, kita pribadi praktekkan saja cara melakukan analisis hubungan bivariate pearson dengan kegiatan SPSS. Misalkan saya ingin menguji apakah ada hubungan yang signifikan antara Motivasi dan Minat dengan Prestasi berguru siswa. Adapun detail data penelitiannya sanggup anda lihat di bawah ini.

[Download Data excel, Input-Output SPSS]

Langkah-langkah Analisis Korelasi Bivariate Pearson dengan SPSS

1. Buka kegiatan SPSS, klik Variable View. Selanjutnya, pada bab Name tulis saja X1, X2 dan Y, pada Decimals ubah semua menjadi angka 0, pada bab Label tuliskan Motivasi, Minat dan Prestasi. Pada bab Measure ganti menjadi Scale

2. Setelah itu, klik Data View, dan masukkan data Motivasi (X1), Minat (X2) dan Prestasi (Y) yang sudah dipersiapkan tadi ke kegiatan SPSS.

3. Selanjutnya, dari sajian utama SPSS, pilih sajian Analyze, kemudian klik Correlate, dan klik Bivariate...

4. Muncul kotak obrolan dengan nama "Bivariate Correlations". Masukkan variabel Motivasi (X1), Minat (X2) dan Prestasi (Y) pada kotak Variables:. Selanjutnya, pada kolom "Correlation Coefficient" pilih Pearson, kemudian untuk kolom "Test of Significant" pilih Two-tailed, dan centang pada Flag Significant Correlations, terakhir klik Ok untuk mengakhiri perintah.

Setelah selasai, maka akan muncul tampilan output SPSS "Correlations" tinggal kita interpretasikan saja.

Interpretasi Analisis Korelasi Bivariate Pearson

Berdasarkan tabel output di atas, kita akan melaksanakan pernarikan kesimpulan dengan merujuk pada ke-3 dasar pengambilan keputusan dalam analisis hubungan bivariate pearson di atas.

1. Berdasarkan Nilai Signifikansi Sig. (2-tailed): Dari tabel output di atas diketahui nilai Sig. (2-tailed) antara Motivasi (X1) dengan Prestasi (Y) yaitu sebesar 0,002 < 0,05, yang berarti terdapat hubungan yang signifikan antara variabel Motivasi dengan variabel Prestasi. Selanjutnya, hubungan antara Minat (X2) dengan Prestasi (Y) mempunyai nilai Sig. (2-tailed) sebesar 0,000 < 0,05, yang berarti terdapat hubungan yang signifikan antara variabel Minat dengan variabel Prestasi.

2. Berdasarkan Nilai r hitung (Pearson Correlations): Diketahui nilai r hitung untuk hubungan Motivasi (X1) dengan Prestasi (Y) yaitu sebesar yaitu sebesar 0,796 > r tabel 0,576, maka sanggup disimpulkan bahwa ada hubungan atau hubungan antara variabel Motivasi dengan variabel Prestasi. Selanjutnya, diketahui nilai r hitung untuk hubungan Minat (X2) dengan Prestasi (Y) adalah sebesar yaitu sebesar 0,908 > r tabel 0,576, maka sanggup disimpulkan bahwa ada hubungan atau hubungan antara variabel Minat dengan variabel Prestasi. Karena r hitung atau Pearson Correlations dalam analisis ini bernilai positif maka itu artinya hubungan antara kedua variabel tersebut bersifat positif atau dengan kata lain semakin meningkatnya Motivasi dan Minat maka akan meningkat pula Prestasi berguru siswa.

Catatan: Rumus menghitung nilai r tabel product moment yaitu dengan melihat nilai N pada distribusi nilai r tabel product moment statistik. Karena N atau jumlah sampel yang digunakan dalam analisis ini ada 12 orang siswa dengan signifikansi 5% maka ketemu nilai r tabel yaitu sebesar 0,576. lihat gambar di bawah ini.

[Download Distribusi Nilai r tabel Sig. 1% dan 5%]

3. Berdasarkan Tanda Bintang (*) SPSS: Dari output di atas diketahui bahwa nilai Pearson Correlation antara masing-masing variabel yang dihubungkan mempunyai dua tanda bintang (**), ini berarti terdapat hubungan antara variabel yang dihubungkan dengan taraf signifikansi 1%.

Demikian pembahasan mengenai cara melaksanakan analisis hubungan bivariate pearson dengan SPSS. Jika artikel ini bermanfaat silahkan anda dibagikan ke media umum anda supaya ilmu ini sanggup mempunyai kegunaan bagi banyak orang yang belum mengetahuinya. Terimakasih.

Artikel Selanjutnya: Cara Melakukan Analisis Regresi Multiples dengan SPSS

[Kata Kunci Pencarian: Cara Melakukan Analisis Korelasi Bivariate Pearson dengan SPSS, Cara Melakukan Analisis Korelasi dengan SPSS, Uji Korelasi Rumus Pearson Correlation dengan Program SPSS versi 21 Lengkap dengan Gambar dan Interpretasi][Img: Dokumen Program SPSS versi 21]

UPDATE INFO: 14 Januari 2019

Lihat Juga: VIDEO Analisis Korelasi Pearson dengan SPSS Lengkap

Read More

Cara Melaksanakan Analisis Regresi Multiples Dengan Spss

Cara Melakukan Analisis Regresi Multiples dengan SPSS | Analisis Regresi ialah suatu cara atau teknik untuk mencari kekerabatan antara variabel satu dengan variabel lain yang dinyatakan dalam bentuk persamaan matematik dalam kekerabatan yang fungsional. Dalam pengertian lain, analisis regresi ingin mencari kekerabatan dari dua variabel atau lebih dengan mana variabel yang satu tergantung pada variabel yang lain.

Secara umum, sanggup dinyatakan pula bahwa apabila ingin mengetahui efek satu variabel X terhadap satu variabel Y maka dipakai analisis regresi sederhana, dan apabila ingin megetahui efek dua variabel X atau lebih terhadap variabel Y dipakai analisis regresi ganda (multipes)

Saya tidak akan membahas secara detail mengenai Analisis Regresi sederhana, alasannya ialah fokus saya dalam artikel ini ialah Analisis Regresi Multipes (ganda). Persamaan Analisis Regresi Multiples menurut pada rumus :

Theoremanya : Y = a+b1x1+b2x2....bn

Setelah teman mengetahui teori dasar mengenai Analisis Regresi Multiples, kini kita masuk ke bab Cara Melakukan Analisis Regresi Multipes dengan SPSS versi 21. Sebagai contoh, saya ingin mengetahui efek variabel Motivasi (X1) dan variabel Minat (X2), terhadap variabel Prestasi (Y), data penelitian ini mempuyai sampel berjumlah 12 siswa. Adapun data lengkapnya lihat pada gambar di bawah ini.

Langkah-Langkah pada SPSS
1. Buka jadwal SPSS, klik Variable View, Selanjutnya, pada bab Name tulis saja X1, X2 dan Y, pada Decimals ubah semua menjadi angka 0, pada bagian Label tuliskan Motivasi, Minat ,dan Prestasi.

2. Setelah itu, klik Data View, dan masukkan data Motivasi (X1), Minat (X2) dan Prestasi (Y) yang sudah dipersiapkan tadi.

3. Selanjutnya, dari sajian utama SPSS, Pilih Analyze – Regression – Linear

4. Muncul kotak obrolan dengan nama Linear Regression, masukkan variabel Motivasi (X1), Minat (X2) ke kotak Independent (S), masukkan variabel Prestasi (Y) pada kotak Dependent, pada Method pilih Enter, selanjutnya klik Statistics

5. Pada bab Linear Regression Statistics, berikan tanda centang pada Estimates dan Model fit kemudian klik Continue, kemudian klik OK

Output Analisis Regresi SPSS :

Beradasarkan output di atas, sanggup diketahui beberapa nilai antara lain : nilai koefosien regresi, thitung, nilai signifikansi, niai Fhitung, Nilai R Square atau R2, dan lain-lain. Untuk lebih jelasn teman sanggup melihat ringkasannya pada gambar tabel di bawah ini.

Untuk mengetahui seberapa besar lengan berkuasa efek masing-masing variabel X terhadap Y, maka perlu dilakukan Uji t Pasial, bila teman ingin mengetahui efek variabel X1 dan X2 secara simultan terhadap variabel Y maka perlu dilakukan Uji F Simultan, dan bila teman ingin mengetahui subangan relatif yang diberikan maka perlu dilakukan Analisis Koefisien Determinasi

Semua uji yang berkaitan dengan Analisis regresi di atas, akan kita bahas pada artikel berikutnya, alasannya ialah bila saya posting di artikel ini akan terlalu panjang dan menciptakan loading blog melambat, untuk itu saya minta maaf atas ketidaknyamanannya.

[Search : Cara Melakukan Analisis Regresi Multiples dengan SPSS atau sering disebut dengan Uji analisis regresi linear berganda dipakai untuk menguji efek antara variabel oleh ]
[Img : Dokumen Program SPSS versi 21]

Lihat Juga: VIDEO Uji t dan Uji F dalam Analisis Regresi Berganda

Read More

Uji Chi Square Dengan Spss Lengkap

Uji Chi Square dengan SPSS Lengkap | Untuk melaksanakan uji Chi Square kita sanggup memakai kemudahan Crosstab yang terdapat pada jadwal SPSS. Uji Chi Square atau sering juga orang menyebutnya uji chi kuadrat bertujuan untuk mengetahui relasi antara variabel yang terdapat pada baris dengan kolom. Jenis data yang dipakai untuk uji chi square harus berbentuk data frekuensi, bukan data yang berbentuk rasio ataupun skala.

Dasar Pengambilan Keputusan dalam Uji Chi Square

Dasar pengambilan keputusan dalam uji chi square sanggup dilakukan dengan melihat nilai output “Chi Square Test” hasil olah data dengan SPSS. Dalam pengambilan keputusan kita sanggup berpedoman pada dua hal, yakni membandingkan nilai Asymp. Sig dengan batas kritis yakni 0,05 atau sanggup dengan cara membandingkan antara nilai chi square hitung dengan chi square tabel.

Melihat nilai Asymp. Sig :

1. Jika nilai Asymp. Sig < 0,05, maka terdapat relasi yang signifikan antara baris dengan kolom.
2. Jika nilai Asymp. Sig > 0,05, maka tidak terdapat relasi yang signifikan antara baris dengan kolom.

Melihat nilai Chi Square :

1. Jika nilai Chi Square Hitung > Chi Square Tabel, maka terdapat relasi antara baris dengan kolom.
2. Jika nilai Chi Square Hitung < Chi Square Tabel, maka tidak terdapat relasi antara baris dengan kolom.

Contoh penyelesaian kasus menggunakan Uji Chi Square dengan SPSS Lengkap

Seorang peneliti ingin mengetahui apakah terdapat “hubungan yang signifikan antara jenis kelamin seseorang dengan tingkat pendidikan yang dicapai”. Data yang saya uji sanggup dilihat pada gambar di bawah ini.



Keterangan Data :

1. Jumlah sampel yang dipakai yaitu 33 responden atau N=33.
2. Pemberian arahan pada variabel Jenis Kelamin : untuk laki-laki=1, untuk perempuan=2
3. Pemberian arahan pada variabel Tingkat Pendidikan: SLTA=1, Diploma =2, S1=3, dan S2 4.

Hipotesis yang diajukan untuk penelitian ini yaitu :

1. H0 : Tidak terdapat relasi yang signifikan antara Jenis Kelamin dengan Tingkat Pendidikan.
2. Ha : Terdapat relasi yang signifikan antara Jenis Kelamin dengan Tingkat Pendidikan.

Langkah-langkah Uji Chi Square dengan SPSS Versi 21

1. Buka jadwal SPSS, kali ini saya memakai SPSS versi 21. Setelah SPSS terbuka [Proses Persiapan Input Data SPSS], klik Variable View. Pada bab Name nomor 1 tuliskan Gender, untuk nomor 2 tuliskan Pendidikan. Pada bab Decimals ganti dengan 0, Selanjutnya, pada bab Label tuliskan Jenis Kelamin untuk nomor 1 dan Tingkat Pendidikan untuk Nomor 2



2. Masih tahap persiapan input data, selanjutnya kilk pada bab Values untuk nomor 1, muncul kotak obrolan dengan nama Value Labels, di bab Value ketikkan 1, kemudian di bab Label tuliskan Laki-laki kemudian klik Add. Kemudian di bab Value ketikkan 2, pada bab Label tuliskan Perempuan kemudian klik Add, dan klik Ok



Lakukan cara yang sama untuk variabel nomor 2 yakni Tingkat Pendidikan, dengan ketentuan 1=SLTA, 2=Diploma, 3=S1, dan 4=S2. Maka tampilan yang sudah benar dalam menginput data yaitu sebagai berikut.



3. Jika sudah berhasil pada tahap persiapan input data, langkah selanjutnya klik Data View. Kemudian isikan arahan data yang sudah saya buat tadi menyerupai gambar yang pertama, sanggup dengan cara copy paste



4. Langkah selanjutnya, dari sajian SPSS pilih sajian Analyze, pilih Descriptive Statistics, kemudian pilih Crosstabs



5. Muncul kotak obrolan dengan nama Crosstabs, masukkan variabel Jenis Kelamin ke kotak Row(s), masukkan variabel Tingkat Pendidikan ke kotak Column(s)



6. Langkah berikutnya klik Statistics, muncuk kotak obrolan dengan nama Crosstabs: Statistics, berikan tanda centang (V) pada bab Chi-square, kemudian klik Continue, dan terakhir klik Ok, maka akan muncul Output SPSS yang akan saya interpretasikan nantinya.



Output yang dihasilkan oleh SPSS

Output 1 (Case Processing Summary)



Output 2 (Jenis Kelamin*Tingkat Pendidikan Crostabulation)



Output 3 (Chi-Square Tests)



Penjelasan dari masing-masing Output :

Output 1 (Case Processing Summary) | terdapat 33 data yang semuanya diproses (tidak ada data yang missing atau hilang), sehingga tingkat kevalidannya 100% | Baca : Cara melaksanakan Uji Validitas Product Momen dengan SPSS

Output 2 (Jenis Kelamin*Tingkat Pendidikan Crostabulation) | terlihat tabel silang yang memuat relasi antara variabel Jenis Kelamin dengan Tingkat Pendidikan. Contoh pada baris 1 kolom 1, pada baris Count terdapat angka 3. Hal ini berarti ada 3 Laki-laki (variabel Jenis Kelamin 1) yang berpendidikan SLTA (variabel Tingkat Pendidikan 1), demikian seterusnya ya..

Output 3 (Chi-Square Tests) | pada bab Pearson Chi-Square terlihat nilai Asimp.Sig sebesar 0,584. Karena nilai Asimp.Sig 0,584 > 0,05, maka sanggup disimpulkan bahwa H0 diterima, yang artinya “Tidak terdapat relasi yang signifikan antara Jenis Kelamin dengan Tingkat Pendidikan”. Hal ini sanggup diartikan pula bahwa jenis kelamin seseorang tidak mempunyai relasi dengan tingkat pendidikan yang diperolehnya. Faktanya memang di kala kini sudah banyak wanita yang mempunyai gelar doctor maupun professor.

[Search : Uji Chi Square dengan SPSS Lengkap, Cara Uji Chi Square dengan SPSS Versi 21 Lengkap, Langkah-langkah Uji Chi Square atau Uji Chi Kuadrat SPSS, Chi-Square Tests dengan Program SPSS]
[Img : SPSS Versi 21]
[Source : Singgih, Santoso. 2014. Panduan Lengkap SPSS Versi 20. Jakarta: Gramedia]

Lihat Juga: VIDEO Tutorial Uji Chi Square dengan SPSS Lengkap

Read More

Cara Menciptakan Tabel Distribusi Frekuensi Dengan Spss

Cara menciptakan Tabel Distribusi Frekuensi dengan SPSS | Statistik distribusi frekuensi termasuk dalam kategori statistik deskriptif. Distribusi frekuensi dipakai untuk menawarkan citra sekilas dan ringkas dari sekelompok data dalam suatu tabel frekuensi. 

Baca : Cara Melakukan Uji Statistik Deskriptif dengan Software SPSS

Sebagai contoh, dalam artikel ini saya akan menciptakan tabel distribusi frekuensi menurut jenis kelamin memakai aktivitas SPSS. Adapun data jenis kelamin tersebut sanggup dilihat pada gambar di bawah ini.



Keterangan Data:
Jumlah responden atau N=20
Pengkodean : Kode 1=Laki-laki, Kode 2=Perempuan

Cara menciptakan Tabel Distribusi Frekuensi dengan SPSS

1. Buka aktivitas SPSS, selanjutnya klik Variable View, pada bab Name tuliskan Jenis_Kelamin, pada bab Decimals ubah menjadi 0, pada bab Label tuliskan Jenis Kelamin.



2. Selanjutnya, klik Values, muncul kotak obrolan dengan nama Values Label, pada bab Values ketikan 1, pada bab Label tulis Laki-laki, kemudian klik Add. Masih berada di kotak obrolan Values Label, pada bab Values ketikan 2, pada bab Label tulis Perempuan, kemudian klik Add, dan klik Ok



3. Kemudian klik Data View, Tuliskan Kode Jenis kelamin yang sudah di buat tadi (lihat gambar pertama). Atau sanggup dengan cara copy paste isyarat datanya.. kalau sudah ditulis maka tampilannya sebagai berikut.



4. Langkah selanjutnya.. dari hidangan utama SPSS klik Analyze, kemudian klik Descriptives Statistics, kemudian klik Frequencies…



5. Muncul kotak obrolan dengan nama Frequencies, masukkan variabel Jenis kelamin pada kotak Variable(s), selanjutnya klik Statistics..



6. Maka muncul kotak obrolan gres dengan nama Frequencies: Statistics, pada kotak ini kita sanggup menampilkan deskripsi data yang kita inginkan. Sebagai pola saya akan menawarkan tanda centang (v) pada pilihan Mean, Median, Mode, Minimum dan Maximum.. selelah itu klik Continue..



7. Langkah terakhir ialah klik Ok.. maka akan muncul output SPSS sebagai berikut.

Output 1 (Statistics)



Output 2 (Jenis kelamin)



Interpretasi atau Cara Membaca Output Distribusi Frekuensi

Output 1 (Statistics) | N atau jumlah data yang valid ialah 20 buah, sendangkan data yang hilang (missing) ialah nol. Artinya semua data diproses.

Output 2 (Jenis kelamin) | Dari output di atas, nilai Frequencies yang pertama diperoleh angka 13 yang artinya ada 13 laki dari 20 responden yang ada, sedangkan Frequencies yang kedua terdapat angka 7 artinya ada 7 perempuan.. kalau nilai 13 pria dari 20 responden yang ada dibentuk dalam bentuk pesen maka nilainya ialah 65% atau 65% responden ialah laki-laki. Sedangkan nilai 7 wanita maka responden jumlah wanita sebanyak 35%.

Demikian tadi Cara menciptakan Tabel Distribusi Frekuensi dengan SPSS, namun sesudah saya koreksi kembali artikel ini ternyata untuk data ini kurang relevan untuk dijadikan pola Cara menciptakan Tabel Distribusi Frekuensi dengan SPSS, akan lebih baik dan terperinci kalau pola yang saya gunakan yakni data berat tubuh atau tinggi badan.. tapi tidak dilema kok, yang penting pada prinsipnya bergitulah Cara menciptakan Tabel Distribusi Frekuensi dengan SPSS.. selamat mencoba.. Salam..

[Search : Cara menciptakan Tabel Distribusi Frekuensi dengan SPSS, Langkah-langkah Uji Distribusi Frekuensi data Kategori dengan SPSS 21 lengkap]
[Img : Dokumen SPSS versi 21]

Lihat Juga: VIDEO Cara menciptakan Tabel Distribusi Frekuensi dengan SPSS

Read More

Cara Melaksanakan Uji T Parsial Dalam Analisis Regresi Dengan Spss

Cara Melakukan Uji t Parsial dalam Analisis Regresi dengan SPSS | Uji t Parsial dalam analisis regresi berganda bertujuan untuk mengetahui apakah variabel bebas (X) secara parsial [sendiri] kuat signifikan terhadap variabel (Y). Namun, kalau yang ingin diketahui ialah imbas variabel bebas secara bantu-membantu [simultan] terhadap variabel terikat maka hal ini disebut dengan uji F.

Dasar Pengambilan Keputusan untuk Uji t Parsial dalam Analisis Regresi

Berdasarkan nilai t hitung dan t tabel

1. Jika nilai t hitung > t tabel maka variabel bebas kuat terhadap variabel terikat
2. Jika nilai t hitung < t tabel maka variabel bebas tidak kuat terhadap variabel terikat

Berdasarkan nilai signifikansi hasil output SPSS

1. Jika nilai Sig. < 0,05 maka variabel bebas kuat signifikan terhadap variabel terikat
2. Jika nilai Sig. > 0,05 maka variabel bebas tidak kuat signifikan terhadap variabel terikat

Pada bab praktek Cara Melakukan Uji t Parsial dalam Analisis Regresi dengan SPSS ini, saya akan memakai hasil output SPSS dalam Analisis Regresi Multipes yang sebelumnya telah saya lakukan. Adapun ringkasan output pada tabel Coefficients sanggup dilihat pada gambar berikut ini



Dengan melihat output di atas berarti terdapat dua hipotesis [Ha] yang diajukan dalam uji t ini:
1. H1 = Motivasi (X1) kuat signifikan terhadap Prestasi (Y) – [disebut uji t pertama]
2. H2 = Minat (X2) kuat signifikan terhadap Prestasi (Y) – [disebut uji t kedua]


CARA MELAKUKAN UJI T PARSIAL [UJI T PERTAMA]
Berdasarkan output Coefficients di atas, diketahui bahwa nilai koefisien regresi variabel Motivasi (X1) ialah sebesar 0,212 bernilai kasatmata +, sehingga sanggup dikatakan bahwa Motivasi (X1) kuat kasatmata terhadap Prestasi (Y). Pengaruh kasatmata diartikan, bahwa semakin meningkat Motivasi (X1) maka akan meningkat pula Prestasi (Y).

Selanjutnya, untuk mengetahui apakah imbas tersebut signifikan atau tidak, maka nilai koefisien regresi dari variabel Motivasi (X1) ini akan diuji signifikasinya [inilaih yang sering disebut dengan uji t parsial dalam analisis regresi]

Hipotesis (Dugaan) dalam Uji t Pertama ialah :

1. H0 = Motivasi (X1) tidak kuat signifikan terhadap Prestasi (Y)
2. H1 = Motivasi (X1) kuat signifikan terhadap Prestasi (Y)

Tingkat iman yang dipakai ialah 95%, maka nilai α = 0,05

Dasar Pengambilan Keputusan dalam Uji t Pertama

1. H0 diterima dan H1 ditolak kalau nilai t hitung < t tabel atau kalau nilai Sig. > 0,05
2. H0 ditolak dan H1 diterima kalau nilai t hitung > t tabel atau kalau nilai Sig. < 0,05

Rumus untuk Mencari Nilai t Tabel ialah :
t tabel = (tingkat iman dibagi 2 ; jumlah responden dikurangi jumlah variabel bebas dikurangi 1) atau kalau ditulis dalam bentuk rumus, maka rumusnya menyerupai di bawah ini
t tabel = (α/2 ; n-k-1)
t tabel = (0,05/2 ; 12-2-1)
t tabel = (0,05/2 ; 12-2-1)
t tabel = (0,025 ; 9)
t tabel = angka 0,025 ; 9 lalu di cari pada distribusi nilai t tabel maka ditemukan nilai t tabel sebesar 2,262 [Download Distribusi Nilai t Tabel]

Hasil dan Pengambilan Keputusan dalam Uji t Pertama
Berdasarkan hasil analisis regresi diperoleh nilai t hitung sebesar 0,992 < t tabel 2,262 dan nilai singnifikansi (Sig.) 0,347 > 0,05. Maka sanggup disimpulkan bahwa H0 diterima dan H1 ditolak, yang artinya “Motivasi (X1) tidak kuat signifikan terhadap Prestasi (Y)”

Untuk uji t kedua yakni dengan H2 = Minat (X2) kuat signifikan terhadap Prestasi (Y). Silahkan teman lakukan sendiri dulu ya.. alasannya caranya sama kok menyerupai uji t pertama di atas..selamat mencoba.. agar artikel di atas bermanfaat terimakasih..

Tutorial selanjutnya akan dibahas : Cara Melakukan Uji F Simultan dalam Analisis Regresi

Baca juga: Cara Menghitung SE dan SR dalam Analisis Regresi Linear Berganda

[Search : Cara Melakukan Uji t Parsial dalam Analisis Regresi dengan SPSS | Langkah-Langkah Uji t Parsial dalam Analisis Regresi | Rumus Mencari Nilai t Tabel dalam Analisis regresi | Dasar Pengambilan Keputusan untuk Uji t Parsial dalam Analisis Regresi | Cara Praktis Melakukan Uji t dengan SPSS]

Lihat Juga: VIDEO Uji t dan Uji F dalam Analisis Regresi Lengkap

Read More

Cara Melaksanakan Uji F Simultan Dalam Analisis Regresi

Cara Melakukan Uji F Simultan dalam Analisis Regresi | Melanjutkan postingan yang kemudian mengenai Cara Melakukan Uji t Parsial dalam Analisis Regresi dengan SPSS, maka kali ini saya akan mengulas mengenai Cara Melakukan Uji F Simultan dalam Analisis Regresi. Berbeda dengan uji t yakni uji secara terpisah (parsial), uji F pada prinsipnya bertujuan untuk mengetahui dampak dari 2 (dua) variabel independent atau lebih secara simultan (bersama) terhadap variabel dependent.

Terdapat dua cara yang sanggup dipakai untuk mengetahui ada atau tidaknya dampak signifikan dalam uji F. Cara yang pertama, kita sanggup membandingkan antara nilai F hitung dengan nilai F tabel. Sedangkan cara yang kedua, kita sanggup pula membandingkan nilai signifikansi atau nilai probabilitas dari hasil perhitungan SPSS apakah nilai signifikansi tersebut lebih besar atau lebih kecil dari nilai standar statistik yakni 0,05.

Dasar Pengambilan Keputusan dalam Uji F menurut nilai F hitung dan F tabel

1. Jika nilai F hitung > F tabel maka variabel independent (bebas) secara simultan berpegaruh terhadap variabel dependent (terikat).
2. Sebaliknya, Jika nilai F hitung < F tabel maka variabel independent (bebas) secara simultan tidak berpegaruh terhadap variabel dependent (terikat).

Dasar Pengambilan Keputusan dalam Uji F berdarkan nilai signifikansi hasil dari output SPSS

1. Jika nilai signifikansi < 0,05, maka variabel independent secara bersama-sama kuat signifikan terhadap variabel dependent.
2. Jika nilai signifikansi > 0,05 maka variabel independent secara bersama-sama tidak kuat signifikan terhadap variabel dependent.

Pertanyaan yang sering diajukan oleh pelanggan saya, terkait dasar pengambilan keputusan dalam uji F ini adalah: “Mas dari dasar pengambilan keputusan dalam uji F di atas, manakah yang lebih betul atau lebih akurat, apakah dari nilai F hitung dengan F tabel atau melihat nilai signifikansi”?.

Jawaban dari pertanyaan pelanggan di atas tolong-menolong sangatlah simpel, yakni SAMA-SAMA BETUL dan SAMA-SAMA AKURAT.

Alasan yang mendasari balasan ini ialah jikalau nilai F hitung lebih besar dari F tabel, maka nilai signifikansi yang dihasilkan dari penggolahan data SPSS sudah niscaya lebih kecil dari 0,05, di mana sama-sama berartikan dampak yang signifikan. Untuk membuktikannya, mari kita simak pembahasan detailnya berikut:

Sebagai contoh saya memiliki hasil pengolahan data memakai Analisis Regresi Multipes dengan SPSS. Adapun lampiran gambar kesannya teman sanggup lihat di bawah ini.

Data Penelitian yang Dipakai



Hasil Output Anova dalam Analisis Regresi



Intrepretasi Hasil Uji F Simultan dalam Analisis Regresi

Dari hasil output SPSS di atas, saya akan melaksanakan interpretasi memakai dua dasar pegambilan keputusan dalam Uji F sebagaimana yang sudah saya jelaskan di atas.

Pengambilan Keputusan Berdasarkan nilai F hitung dan F tabel
Dari output di atas, diperolah nilai F hitung sebesar 23,978. Langkah selanjutnya saya tinggal mencari nilai F tabel dan membandingkan dengan nilai F hitung 23,978. Rumus mencari F tabel adalah (k ; n-k)

Keterangan :
k = jumlah variabel Independent (bebas)
n = Jumlah responden atau sampel penelitian

Data di atas, menawarkan bahwa k = 2 (X1 Motivasi, X2 Minat), dan n =12. Selanjutnya nilai ini kita masukkan ke dalam rumus, maka menghasilkan angka (2 ; 12-2) = (2; 10), angka ini kemudian kita jadikan contoh untuk mengetahui nilai F tabel pada distribusi nilai F tabel statistik (Download distribusi Nilai Tabel Statistik),



Maka diketahui bahwa nilai F tabel sebesar 4,10. Karena nilai F hitung 23,978 lebih besar dari nilai F tabel 4,10 maka sanggup ditarik kesimpulan bahwa variabel bebas X1 dan X2 (secara simultan) kuat terhadap variabel terikat (Y).

Pengambilan Keputusan dalam Uji F menurut Nilai Signifikansi
Dari output SPSS di atas, diketahui nilai signifikansi sebesar 0,000. Karena nilai singnifikansi 0,000 < 0,05 sesuai dengan dasar pengambilan keputusan dalam uji F maka sanggup disimpulkan pula bahwa Motivasi (X1) dan Minat (X2) (secara simultan) kuat terhadap Prestasi (Y).

Dengan melihat klasifikasi di atas, maka pengambilan keputusan dalam uji F baik itu membadingkan nilai F hitung dengan nilai F tabel, maupun berpedoman pada nilai signifikansi diperoleh hasil yang sama pula atau hasil yang konsisten.

Demikian pembahasan kali ini mengenai Cara Melakukan Uji F Simultan dalam Analisis Regresi, biar bermanfaat.. selamat mencoba, Good Luck Sobat…

Baca : Makna Koefisien Determinasi [R Square] dalam Analisis Regresi Linear

[Search : Cara Melakukan Uji F Simultan dalam Analisis Regresi memakai Program SPSS, Langkah-Langkah Uji F pada Analisis Regresi Berganda, Dasar Pengambilan Keputusan dalam Uji F]

Lihat Juga: VIDEO Uji t dan Uji F dalam Analisis Regresi Lengkap

Read More

Cara Uji Analisis Jalur [Path Analysis] Dengan Spss Lengkap

Cara Uji Analisis Jalur [Path Analysis] dengan SPSS Lengkap | Selamat pagi kawan-kawan semua yang sedang berusaha dengan serius untuk segera menuntaskan tugas, skripsi maupun tesisnya semoga tetap bersemangat. oke, pada kesempatan kali ini saya akan menjelaskan cara melaksanakan uji path analysis atau yang lebih terkenal disebut dengan analisis jalur, atau ada juga yang menyebutnya dengan istilah analisis regresi memakai variabel intervening. Seperti biasanya, dalam artikel tutorial kali ini saya masih mengandalkan proteksi kegiatan SPSS versi 21. Catatan pentingnya ialah bagi anda yang ingin benar-benar bisa dan bisa melaksanakan analisis ini, saya sarankan untuk memperhatikan artikel tutorial mengenai analisis Jalur dengan seksama dan teliti, alasannya ini agak sedikit rumit tidak ibarat biasanya, hehe.

Analisis jalur atau path analysis merupakan bab lebih lanjut dari analisis regresi. Dimana, jikalau dalam analisis regresi umumnya digunakan untuk menguji apakah ada imbas pribadi yang diberikan oleh variabel bebas terhadap variabel terikat. Sementara itu, analisis jalur tidak hanya menguji imbas pribadi saja, tetapi juga menjelaskan perihal ada atau tidaknya imbas tidak pribadi yang diberikan variabel bebas melalui variabel intervening terhadap variabel terikat.

Perbedaan lain yang harus anda ketahui, yang mana hasil analisis regresi terlihat pada hasil yang berada dalam tabel coefficient, hal ini memperlihatkan bahwa nilai yang digunakan dalam analisis regresi terletak pada nilai coefficient regresi atau B-nya (constant ada nilainya dan X1, X2, Y, Z dan seterusnya ada nilanya pada kolom B tersebut yang membentuk persamaan Y=a+bX1+bX2+bX3 dan seterusnya), sedangkan dalam analisis jalur nilai yang digunakan ialah nilai terletak pada Beta yang membentuk persamaan Y1 =Py1x1+Py1X2+Py1.e1 dan seterusnya.

Untuk memperjelas konsep dasar mengenai analisis jalur ini, saya akan memaparkan dengan rujukan yang sederhana semoga anda gampang memahami apa yang saya maksudkan. Perhatikan gambar kerangka fatwa untuk analisis jalur berikut ini.



Bedasarkan gambar di atas, sanggup kita merumuskan sebuah hipotesis umum yang akan diajukan dalam analisis jalur yakni “Pengaruh Gaya Kepemimpinan (X1) dan Lingkungan Kerja (X2) Terhadap Motivasi (Y) Serta dampaknya terhadap Kinerja Guru (Z)”. Sementara itu hipotesis yang akan di uji satu persatu antara lain:

1. Pengaruh X1 dan X2 terhadap Y
2. Pengaruh X1, X2 dan Y terhadap Z
3. Pengaruh X1 dan X2 melalui Y terhadap Z

LANGKAH-LANGKAH UJI ANALISIS JALUR [PATH ANALYSIS] DENGAN SPSS

Untuk menguji hipotesis di atas, disini saya akan melaksanakan dua kali model Regresi, sebaiknya anda menyimak panduan ini dengan seksama semoga tidak keliru. Dibawah ini saya akan tunjukkan tabulasi data penelitian yang akan saya gunakan dalam uji ini :



[Untuk latihan anda sanggup mendownload tabulasi data yang saya gunakan: Download tabulasi data]

1. Langkah pertama ialah : Buka kegiatan SPSS versi 21 atau versi berapapun yang anda miliki, kemudian klik Variable View dan isikan kolom-kolom yang tersedia, sebagaimana petunjuk di bawah ini:
a. Kolom Name di isi dengan X1, X2, Y dan Z
b. Kolom Label untuk X1 tulis Gaya Kepemimpinan (X1), X2 tulis Lingkungan Kerja (X2), Y tulis Motivasi (Y), dan Z tulis Kinerja Guru (Z)
c. Kolom Type, Width, Decimal, Value, Missing, Coloumns, Align, Meansure : Biarkan tetap default dan tidak perlu anda ubah alasannya sudah otomatis menyesuaikan jenis data yang dipakai.



2. Langkah selanjutnya klik Data View kemudian isikan data sesuai nama variabel penelitian



3. Jika anda yakin datanya sudah tertulis dengan benar, maka langkah berikutnya klik sajian Analyze – Regression – Linear



4. Muncul kotak obrolan Linear Regression, selanjutnya klik Gaya Kepemimpinan (X1) dan Lingkungan Kerja (X2) masukkan pada kotak Independent (s), kemudian klik Motivasi (Y) pada kotak Dependent



5. Jika anda sudah benar-benar yakin sesuai langkah di atas, kemudian klik Ok, maka akan muncul Output SPSS [saya menyebut output ini dengan nama Regresi Model I]





[Catatan : Banyak tabel ouput yang akan muncul namun yang digunakan dalam analisis jalur hanya dua tabel di atas]

6. Pembuatan Regresi Model II, caranya sama yakni klik sajian Analyze – Regression – Linear. Muncul kotak obrolan Linear Regression, kemudian klik Reset (untuk mengeluarkan semua variabel), selanjutnya klik Gaya Kepemimpinan (X1), Lingkungan Kerja (X2) dan Motivasi (Y) pada kotak Independent (s), kemudian klik Kinerja Guru (Z) pada kotak Dependent



7. Terakhir ialah klik Ok, maka akan keluar Output SPSS [saya menyebut output ini dengan Regresi Model II]





CARA MEMAKNAI OUTPUT KELUARAN SPSS UNTUK ANALISIS JALUR

Agar anda lebih gampang dalam memahami hasil di atas, maka pada bab interpretasi hasil ini, saya membaginya menjadi dua tahap interpretasi yakni 1) Tahap Menghitung Koefisien Jalur. 2) Tahap Uji Hipotesis dan Pembuatan Kesimpulan.

A. MENGHITUNG KOEFISIEN JALUR

Pada tahap ini kita akan menghitung Koefisien Jalur Model I dan Koefisien Jalur Model II, adapun penjelasannya sebagai berikut ini.

Koefisien Jalur Model I : Mengacu pada output Regresi Model I pada bab tabel Coefficients sanggup diketahui bahwa nilai signifikansi dari kedua variabel yaitu X1 = 0,000 dan X2 = 0,000 lebih kecil dari 0,05. Hasil ini menawarkan kesimpulan bahwa Regresi Model I, yakni variabel X1 dan X2 kuat signifikan terhadap Y. Besarnya nilai R2 atau R Square yang terdapat pada tabel Model Summary ialah sebesar 0,407, hal ini memperlihatkan bahwa donasi atau sumbangan imbas X1 dan X2 terhadap Y ialah sebesar 40,7% sementara sisanya 59,3% merupakan donasi dari variabel-variabel lain yang tidak dimasukkan dalam penelitian. Sementara itu, untuk nilai e1 sanggup dicari dengan rumus e1 = √ (1-0,407) = 0,7701. Dengan demikian diperoleh diagram jalur model struktur I sebagai berikut:



Koefisien Jalur Model II : Berdasarkan output Regresi Model II pada bab tabel Coefficients, diketahui bahwa nilai signifikansi dari ketiga variabel yaitu X1 = 0,026, X2 = 0,043 dan Y = 0,000 lebih kecil dari 0,05. Hasil ini memberi kesimpulan bahwa Regresi Model II, yakni variabel X1, X2 dan Y kuat signifikan terhadap Z. Besarnya nilai R2 atau R Square yang terdapat pada tabel Model Summary ialah sebesar 0,645 hal ini memperlihatkan bahwa donasi X1,X2 dan Y terhadap Z ialah sebesar 64,5% sementara sisanya 35,5% merupakan donasi dari variabel-variabel lain yang tidak diteliti. Sementara untuk nilai e2 = √ (1-0,645) = 0,5958. Dengan demikian diperoleh diagram jalur model struktur II sebagai berikut:



B. TAHAP UJI HIPOTESIS DAN PEMBUATAN KESIMPULAN

1. Analisis imbas X1 terhadap Y: dari analisis di atas diperoleh nilai signifikansi X1 sebesar 0,000 < 0,05. Sehingga sanggup disimpulkan bahwa secara pribadi terdapat imbas signifikan X1 terhadap Y.
2. Analisis imbas X2 terhadap Y: dari analisis di atas diperoleh nilai signifikansi X2 sebesar 0,000 < 0,05. Sehingga sanggup disimpulkan bahwa secara pribadi terdapat imbas signifikan X2 terhadap Y.
3. Analisis Pengaruh X1 terhadap Z: dari analisa diperoleh nilai signifikansi X1 sebesar 0,026 < 0,05. Sehingga sanggup disimpulkan bahwa secara pribadi terdapat imbas signifikan X1 terhadap Z.
4. Analisis imbas X2 terhadap Z: dari analisa diperoleh nilai signifikansi X2 sebesar 0,043 < 0,05. Sehingga sanggup disimpulkan bahwa bahwa secara pribadi terdapat imbas signifikan X2 terhadap Z.
5. Analisis imbas Y terhadap Z: dari analisa diperoleh bahwa nilai signifikansi Y sebesar 0,000 < 0,05. Sehingga sanggup disimpulkan bahwa bahwa secara pribadi terdapat imbas signifikan Y terhadap Z.
6. Analisis Pengaruh X1 melalui Y terhadap Z : diketahui imbas pribadi yang diberikan X1 terhadap Z sebesar 0,156. Sedangkan imbas tidak pribadi X1 melalui Y terhadap Z ialah perkalian antara nilai beta X1 terhadap Y dengan nilai beta Y terhadap Z yaitu : 0,336 x 0,612 = 0,206. Maka imbas total yang diberikan X1 terhadap Z ialah imbas pribadi ditambah dengan imbas tidak pribadi yaitu : 0,156 + 0,206 = 0,362. Berdasarkan hasil perhitungan di atas diketahui bahwa nilai imbas pribadi sebesar 0,156 dan imbas tidak pribadi sebesar 0,206 yang berarti bahwa nilai imbas tidak pribadi lebih besar dibandingkan dengan nilai imbas langsung, hasil ini memperlihatkan bahwa secara tidak pribadi X1 melalui Y memiliki imbas signifikan terhadap Z.
7. Analisis Pengaruh X2 melalui Y terhadap Z : diketahui imbas pribadi yang diberikan X2 terhadap Z sebesar 0,146. Sedangkan imbas tidak pribadi X2 melalui Y terhadap Z ialah perkalian antara nilai beta X2 terhadap Y dengan nilai beta Y terhadap Z yaitu : 0,403 x 0,612 = 0,247. Maka imbas total yang diberikan X2 terhadap Z ialah imbas pribadi ditambah dengan imbas tidak pribadi yaitu : 0,146 + 0,247 = 0,393. Berdasarkan hasil perhitungan di atas diperoleh nilai imbas pribadi sebesar 0,146 dan imbas tidak pribadi sebesar 0,247 yang berarti bahwa nilai imbas tidak pribadi lebih besar dari pada nilai imbas langsung, hasil ini memperlihatkan bahwa secara tidak pribadi X2 melalui Y memiliki imbas signifikan terhadap Z.

Dari serangkaian pembahasan atas hasil di atas, kita sanggup menarik kesimpulan bahwa hipotesis yang berbunyi “Ada Pengaruh Gaya Kepemimpinan (X1) dan Lingkungan Kerja (X2) Terhadap Motivasi (Y) Serta dampaknya terhadap Kinerja Guru (Z)” sanggup DITERIMA.

Saya kira hingga disini dulu pembahasan mengenai Cara Uji Analisis Jalur [Path Analysis] dengan SPSS Lengkap yang bisa saya bagikan kepada anda semua. Semoga bermanfaat. Catatan penting terakhir ialah “tolong dibaca dengan teliti dulu sebelum mengajukan pertanyaan pada kolom komentar”..terimakasih

[Search : Cara Uji Analisis Jalur [Path Analysis] dengan SPSS Lengkap, Langkah-langkah Melakukan Teknik Analisis Jalur dengan Program SPSS, Cara Uji Regresi memakai Variabel Intervening dengan SPSS versi 21]
[Img : Dokumen SPSS Versi 21]

Lihat Juga: VIDEO Panduan Analisis Jalur dengan SPSS

Read More