Cara Menghitung Se Dan Sr Dalam Analisis Regresi Linear Berganda

Cara Menghitung SE dan SR dalam Analisis Regresi Linear Berganda | Baik.. Selamat pagi semuanya agar masih semangat dalam menuntaskan skripsi maupun tesisnya, dan jangan lupa “katakan pada dilan yang berat itu bukan Rindu tapi di ACC dosen”..hehe. Ok, pada pembahasan kali ini saya akan mengupas tetang cara menghitung SE (sumbangan efektif) dan SR (sumbangan relatif) dalam analisis regresi linear berganda dengan SPSS yang sudah anda lakukan sebelumnya. Sedikit dongeng saja, bahwa artikel kali ini bergotong-royong merupakan bab dari request beberapa pelanggan yang telah memakai jasa analisis data ke daerah saya. Baik, tidak usah berlama-lama mari kita mulai pembahasannya, mohon disimak dengan seksama.

Setelah anda melaksanakan uji hipoteisis melalui analisis regresi liner berganda, maka dari hasil tersebut minimal anda sudah mendapat kesimpulan bahwa variabel independen (X) mempunyai efek yang signifikan terhadap variabel dependen (Y) baik secara parsial (yakni efek masing-masing variabel X) maupun secara simultan (yakni efek campuran variabel X). Pada artikel sebelumnya, sudah saya jelaskan bahwa perhitungan untuk mendeteksi efek parsial ialah dengan melaksanakan uji t. Sementara, untuk perhitungan efek simultan ialah dengan melaksanakan uji F.

Dalam output analisis regresi linear berganda di SPSS, anda sudah sanggup menjumpai angka yang menunjukkan berapa besar (koefisien diterminasi) efek gotong royong variabel independen terhadap variabel dependen yakni dengan melihat nilai R Square atau R2. Namun demikian, dari tampilan output SPSS tersebut, anda belum bisa mengetahui seberapa besar (berapa %) donasi efek yang diberikan oleh masing-masing variabel independen (X) terhadap variabel dependen (Y), serta belum sanggup melihat variabel X apa yang mempunyai efek paling mayoritas terhadap variabel Y.

KONSEP DASAR SE DAN SR DALAM ANALISIS REGRESI LINEAR BERGANDA

Perlu anda pahami bahwa efek variabel X atau sering disebut dengan “Sumbangan Prediktor” intinya merupakan pembagian terstruktur mengenai dari besarnya donasi efek (dalam hitungan persen %) dari masing-masing variabel independen terhadap variabel dependen. Dalam statistik santunan prediktor ini dikelompokkan menjadi 2 (dua) macam, yaitu santunan efektif (SE) serta santunan relatif (SR).

Sumbangan efektif (SE) ialah ukuran santunan suatu variabel prediktor atau variabel independen terhadap variabel kriterium (dependen) dalam analisis regresi. Penjumlahan dari santunan efektif untuk semua variabel independen ialah sama dengan jumlah nilai yang ada pada keofisien determinasi atau R square (R2). Sementara itu, santunan relatif (SR) merupakan suatu ukuran yang menunjukkan besarnya santunan suatu variabel prediktor terhadap jumlah kuadrat regresi. Jumlah santunan relatif dari semua variabel independen ialah 100% atau sama dengan 1.

Syarat untuk sanggup menghitung SE dan SR ialah dengan mempunyai hasil analisis hubungan dan regresi. Untuk itu, dari data penelitian di bawah ini saya akan melaksanakan analisis hubungan dan regresi untuk mengetahui hasilnya.

[Download Data]

Catatan: dari data di atas, kita hendak mengetahui berapa % santunan efektif (SE) dan santunan relatif (SR) yang diberikan variabel Lingkungan Kerja (X1) dan Kompetensi (X2) terhadap variabel Motivasi Kerja (Y).

Praktek: Cara Melakukan Analisis Korelasi dengan SPSS

Praktek: Cara Melakukan Analisis Regresi Multiples dengan SPSS

Setelah saya melaksanakan analisis hubungan dan regresi maka diperoleh output sebagai berikut:

Output SPSS Analisis Korelasi

Output SPSS Analisis Regresi

Dari output SPSS di atas, maka syarat-syarat yang diharapkan untuk menghitung santunan efektif (SE) dan santunan relatif (SR) sudah sanggup dikatakan lengkap. Untuk mempermudah penghitungan SE dan SR yang akan dilakukan maka kita perlu meringkas tabel hasil di atas. Adapun ringkasan hasil dari analisis hubungan dan regresi ialah sebagai berikut:

CARA MENGHITUNG SUMBANGAN EFEKTIF (SE) | Rumus menghitung SE ialah sebagai berikut:

Sumbangan Efektif Variabel Lingkungan Kerja (X1) terhadap Motivasi Kerja (Y)
SE(X1)% = BetaX1 x rxy x 100%
SE(X1)% = 0,408 x 0,579 x 100%
SE(X1)% = 23,6%

Sumbangan Efektif Variabel Kompetensi (X2) terhadap Motivasi Kerja (Y)
SE(X2)% = BetaX2 x rxy x 100%
SE(X2)% = 0,394 x 0,571 x 100%
SE(X2)% = 22,5%

Sumbangan Efektif (SE) total sanggup dihitung sebagai berikut:
SE total = SE(X1)% + SE(X2)%
SE total = 23,6% + 22,5%
SE total = 46,1%

KESIMPULAN: menurut hasil perhitungan di atas sanggup diketahui bahwa santunan efektif (SE) variabel lingkungan kerja (X1) terhadap motivasi kerja (Y) ialah sebesar 23,6%. Sementara santunan efektif (SE) variabel kompetensi (X2) terhadap motivasi kerja (Y) ialah sebesar 22,5%. Dengan demikian sanggup disimpulkan bahwa variabel X1 mempunyai efek lebih mayoritas terhadap variabel Y dari pada variabel X2. Untuk total SE ialah sebesar 46,1% atau sama dengan koefisien determinasi (Rsquare) analisis regresi yakni 46,1%.

CARA MENGHITUNG SUMBANGAN RELATIF (SR) | Rumus menghitung SR ialah sebagai berikut

Sumbangan Relatif Variabel Lingkungan Kerja (X1) terhadap Motivasi Kerja (Y)
SR(X1)% = SE(X1)% / R2
SR(X1)% = 23,6% / 46,1%
SR(X1)% = 51,2%

Sumbangan Relatif Variabel Kompetensi (X2) terhadap Motivasi Kerja (Y)
SR(X2)% = SE(X2)% / R2
SR(X2)% = 22,5% / 46,1%
SR(X2)% = 48,8%

Sumbangan Relatif (SR) total sanggup dihitung sebagai berikut:
SR total = SR(X1)% + SR(X2)%
SR total = 51,2% + 48,8%
SR total = 100%

KESIMPULAN: menurut hasil perhitungan di atas sanggup diketahui bahwa santunan relatif (SR) variabel lingkungan kerja (X1) terhadap motivasi kerja (Y) ialah sebesar 51,2%. Sementara santunan relatif (SR) variabel kompetensi (X2) terhadap motivasi kerja (Y) ialah sebesar 48,8%. Untuk total SR ialah sebesar 100% atau sama dengan 1.

Tonton: VIDEO Praktik Mencari Sumbangan Efektif dan Sumbangan Relatif Regresi Berganda

Mungkin sekian dulu pembahasan mengenai Cara Menghitung SE dan SR dalam Analisis Regresi Linear Berganda, cukup mudahkan untuk dipraktekkan.. untuk latihan kawan-kawan boleh download pola data di atas, bila karenanya sama dengan perhitungan yang saya lakukan sebagaimana hasil di pada artikel ini, maka itu artinya kawan-kawan sudah bisa menghitung SE dan SR.. selamat mencoba..semoga sukses.

[Search: Cara Menghitung SE dan SR dalam Analisis Regresi Linear Berganda, Pengertian Sumbangan Efektif (SE) dan Sumbangan Relatif (SR), Rumus mencari Sumbangan Efektif dan Sumbangan Relatif dalam Uji Regresi Linear Berganda dengan SPSS]

Read More

Download File Praktik Latihan Spss Tutorial Youtube

Download File Praktik Latihan SPSS Tutorial YOUTUBE | Selamat pagi mitra semua yang sedang asik (ASIK SEKALI, hehe) mengerjakan tugas, skripsi, atau tesisnya biar selalu diberikan akomodasi dan kelancaran oleh Allah SWT dalam menuntaskan kiprah ini. Kunci sukses dalam mengerjakan analisis data memakai jadwal SPSS untuk penelitian bersama-sama terletak pada beberapa hal, diantaranya:

KUNCI SUKSES MENGERJAKAN ANALISIS DATA MENGGUNAKAN SPSS

1. Kecermatan dalam memilih metode analisis apa yang paling sempurna untuk penelitian anda. Cara termudah dalam hal ini adalah dengan merujuk pada penelitian sejenis atau jurnal yang relevan (mirip) dengan penelitian yang sedang anda lakukan dikala ini. Kemudian anda hanya perlu menyamakan (meniru) metode analisis yang digunakan dalam penelitian atau jurnal relevan tersebut. Kalau sanggup sih sebaiknya mencari penelitian terdahulu, dimana peneliti tersebut pernah dibimbing oleh dosen yang sama dengan dosen yang membimbing anda dikala ini - cari diperpustakaan kampus (inilah yang disebut cara main aman.hehe).
2. Pelajari teori-teori yang berkaitan dengan analisis yang digunakan untuk penelitian anda. Mencakup pengertian, tujuan, syarat atau mekanisme serta dasar pengambilan keputusan dalam analisis tersebut.
3. Perlu ketelitian dalam menginput data penelitian ke dalam Progam SPSS, baik pada Variabel View maupun pada Data View.
4. Baca sebanyak mungkin rujukan penunjang sebagai pegangan bagi anda untuk menafsirkan atau menginterpretasi Ouput SPSS atas hasil analisis yang sudah anda lakukan.

Baik kita masuk kebagian inti dari postingan kali ini, yakni disini saya akan membagikan beberapa file pendukung (file praktik analisis data di youtube) kepada kawan-kawan semua sebagai sarana embel-embel tutorial SPSS sederhana pada Channel youtube: Sahid Raharjo | kawan-kawan sanggup mendownloadnya secara gratis pada link di bawah ini.

Judul Video	Data File
Uji Normalitas Kolmogorov Smirnov dengan SPSS Full Edisi	Download
Cara Uji Linearitas dengan SPSS Paling Mudah	Download
Cara Uji Normalitas Probability Plot dengan SPSS Detail	Download
Video Uji Multikolinearitas dengan Tolerance-VIF SPSS	Download
Uji Heteroskedastisitas Glejser dengan SPSS	Download
Cara Uji Heteroskedastisitas dengan Metode Scatterplots SPSS	Download
Video Uji Autokorelasi Durbin Watson dengan SPSS	Download
Cara Uji Autokorelasi dengan Uji Run Test Menggunakan SPSS	Download
Uji Analisis Korelasi Pearson dengan SPSS Sangat Jelas	Download
Cara Uji Korelasi Berganda Simultan dengan SPSS Full	Download
Uji Regresi Linear Sederhana dengan SPSS Sangat Detail	Download
Uji t dan Uji F dalam Analisis Regresi Berganda dengan SPSS	Download
Panduan Cara Uji Regresi Variabel Intervening dengan SPSS	Download
Uji Regresi dengan Variabel Moderasi MRA dalam SPSS	Download
Teknik Uji Variabel Dummy dalam Analisis Regresi SPSS	Download
Praktik Mencari SE dan SR Regresi Berganda	Download
Uji Normalitas Shapiro Wilk Statistik Parametrik dengan SPSS	Download
Uji Homogenitas Levene Statistics dengan SPSS Sangat Lengkap	Download
Cara Uji Paired Sample T Test dengan SPSS Full	Download
Uji Beda Independent Sample t Test dengan SPSS Lengkap	Download
Video Cara Uji Wilcoxon Non Parametrik dengan SPSS	Download
Cara Uji Mann Whitney Non Parametrik dengan SPSS Lengkap	Download
Bimbingan Kilat Uji One Way Anova dengan SPSS bagi Pemula	Download
Bimbingan Praktis Cara Uji Two Way Anova dengan SPSS lengkap	Download
Cara Praktis Uji Normalitas Skewness dan Kurtosis dengan SPSS	Download
Membuat Tabel Distribusi Frekuensi dengan SPSS Sangat Mudah	Download
Cara Uji Analisis Korelasi Rank Spearman dengan SPSS Lengkap	Download
Uji Validitas Pearson Product Moment dengan SPSS [UPDATE]	Download
Uji Reliabilitas Cronbach Alpha dengan SPSS [UPDATE]	Download
Tutorial Cara Uji Chi Square dengan Program SPSS	Download
Uji Heteroskedastisitas Metode Glejser dengan SPSS UPDATE	Download
Uji Multikolinearitas Tolerance dan VIF dengan SPSS *UPDATE	Download
Analisis Data Kelas Eksperimen dan Kontrol dengan SPSS [5]	Download
Cara Memasukkan Data Kuesioner Skala Likert di SPSS Lengkap	Download
Cara Memasukkan Data Laporan Keuangan (Sekunder) di SPSS	Download
Video Panduan Uji Kruskal Wallis dengan SPSS Lengkap	Download
Uji One Sample t Test dengan SPSS + Interpretasi	Download
Tutorial Analisis Faktor dengan SPSS + Interpretasi	Download
Tutorial Uji Friedman dengan SPSS Serta Interpretasi Lengkap	Download
Uji Repeated Measures Anova dengan SPSS Serta Interpretasi	Download
Tutorial Uji Korelasi Parsial dengan SPSS + Interpretasi	Download
Cara Uji Korelasi Korelasi Kendalls tau-b dengan SPSS	Download
Next Video	Download

Catatan: untuk keamanan file, maka file data di atas saya rekap dalam format folder winrar. Isi file yang terdapat dalam forder winrar tersebut secara umum meliputi data Pdf, Excel, dan data Input SPSS.sav yang saya gunakan di dalam video youtube.

Lihat Juga: Panduan Berbagai Analisis Data dengan SPSS Lengkap

Demikian postingan ihwal Download File Praktik Latihan SPSS Tutorial YOUTUBE, biar bermanfaat dan sanggup dipergunakan sebagaimana mestinya. Oh iya, kalau ada link download yang rusak tolong diinfokan ke saya ya melalui whatsapp atau email supaya saya sanggup segera mengupdate dengan link yang baru. Terimakasih.

Read More

Cara Uji Relasi Parsial Dengan Spss Serta Interpretasi Lengkap

Cara Uji Korelasi Parsial dengan SPSS Serta Interpretasi Lengkap | Secara umum uji hubungan bertujuan untuk mengetahui keeratan hubungan antar variabel yang diteliti (yakni hubungan antara variabel X dengan variabel Y). Korelasi atau hubungan yang terbentuk antar variabel ini sanggup bersifat hubungan postif ataupun hubungan negatif. Hal ini sanggup dilihat menurut nilai koefisein hubungan dari hasil analisis apakah bernilai plus (+) atau minus (-). Jika plus (+) maka hubungan yang terbentuk antar variabel bersifat positif. Sementara kalau koefisein hubungan bernilai minus (-) maka artinya hubungan yang terbentuk antar variabel tersebut ialah hubungan negatif. Hubungan positif bermakna bahwa kalau variabel X mengalami peningkatan maka variabel Y juga akan mengalami peningkatan. Sementara hubungan negatif bermakna bahwa kalau variabel X mengalami penurunan maka variabel Y akan mengalami peningkatan.

Uji hubungan sanggup dilakukan dengan beberapa teknik atau metode analisis statistik tergantung dari skala data dari masing-masing variabel yang digunakan dalam penelitian. Misalnya: uji hubungan koefisien cramer lambda digunakan untuk data berskala nominal. Sementara uji hubungan kendall dan rank spearman cocok digunakan untuk data berskala ordinal. Sedangkan untuk data berskala rasio atau interval memakai uji hubungan pearson

Uji hubungan parsial disebut juga dengan analisis hubungan pearson dengan variabel kontrol atau variabel pengendali yang diasumsikan nilainya tetap atau konstan. Penggunaan variabel kontrol dalam analisis korelasi bertujuan untuk mengetahui apakah hubungan yang sudah terbentuk antara variabel X dengan variabel Y dipengaruhi oleh variabel kontrol tersebut atau tidak.

Derajad Keearatan Hubungan dalam Uji Korelasi

Dalam bukunya [V. Wiratna Sujarweni. 2014. SPSS untuk Penelitian. Yogyakarta: Pustaka Baru Press. Hal-127] menjelaskan bahwa keeratan hubungan atau koefisien hubungan antar variabel sanggup dikelompokkan sebagai berikut:

1. Nilai koefisien hubungan 0,00 hingga 0,20 berarti hubungan sangat lemah.
2. Nilai koefisien hubungan 0,21 hingga 0,40 berarti hubungan lemah.
3. Nilai koefisien hubungan 0,41 hingga 0,70 berarti hubungan kuat.
4. Nilai koefisien hubungan 0,71 hingga 0,90 berarti hubungan sangat kuat.
5. Nilai koefisien hubungan 0,91 hingga 0,99 berarti hubungan berpengaruh sekali.
6. Nilai koefisien hubungan 1,00 berarti hubungan sempurna.

Persyaratan Uji Korelasi Parsial untuk Analisis Data

Asumsi dasar atau persyaratan yang harus terpenuhi saat kita memakai uji hubungan parsial untuk menganalisis data penelitian ialah sebagai berikut:

1. Masing-masing variabel penelitian memakai data berskala rasio atau interval.
2. Karena uji hubungan parsial merupakan bab dari statistik parametrik maka data penelitian harus berdistribusi normal.

Contoh Soal Uji Korelasi Parsial dalam Penelitian

Seorang dosen ingin mengetahui apakah ada hubungan antara IQ (Intelligence Quotient) dengan nilai IPK (Indeks Prestasi Kumulatif) mahasiswa dengan Motivasi Berprestasi sebagai variabel Kontrol. Guna keperluan penelitian ini maka dosen tersebut mengumpulkan data-data yang diharapkan memakai kuesioner untuk 12 orang sampel atau responden penelitian. Adapun tabulasi data penelitian yang dimaksud sanggup anda lihat pada tabel berikut ini.

[Download Data excel, Input-Output SPSS]

Langkah-Langkah Cara Uji Korelasi Parsial dengan SPSS

Tahapan-tahapan analisis data dalam uji hubungan parsial ini dimulai dari memasukkan atau menginput data penelitian ke kegiatan SPSS, selanjutnya melaksanakan uji normalitas data terlebih dahulu, gres kemudian melaksanakan analisis data dengan uji hubungan parsial.

1. Langkah pertama buka lembar kerja gres SPSS, kemudian klik Variable View, selanjutnya anda cukup mengisi pada kolom Name, Decimals, Label, dan Measure, sementara untuk pilihan yang lain biarkan tetap default. Tampak di layar SPSS sebagaimana gambar bawah ini.

2. Jika sudah, langkah berikutnya klik Data View, kemudian masukkan data IQ, IPK dan Motivasi ke-12 orang responden tersebut sesuai dengan judul kolom yang ada di layar SPSS.

*Melakukan Uji Normalitas Data Penelitian dengan SPSS

Karena persyaratan atau perkiraan dasar yang harus terpenuhi dalam penggunaan uji hubungan parsial ini ialah data berdistribusi normal, maka terlebih dahulu kita akan melaksanakan uji normalitas untuk variabel IQ, IPK dan Motivasi. Adapun caranya sebagai berikut ini.

1. Dari hidangan utama SPSS klik hidangan Analyze >> Descriptive Statistics >> Explore…

2. Maka muncul kotak obrolan “Explore” selanjutnya masukkan semua variabel penelitian ke kotak Dependent List: kemudian pada bab “Display” pilih Both, setelah itu klik Plots…

3. Maka muncul kotak obrolan “Explore Plots” kemudian beri tanda ceklist (v) pada Normality plots with tests, selanjutnya klik Continue, kemudian klik Ok

4. Maka akan mucul output SPSS, kita cukup perhatikan pada tabel output “Tests of Normality” tampak dilayar menyerupai gambar di bawah ini.

*Pembahasan Uji Normalitas untuk Uji Korelasi Parsial dengan SPSS

Untuk mengetahui apakah variabel IQ, IPK dan Motivasi yang digunakan dalam penelitian berdistribusi normal atau tidak, maka terlebih dahulu kita harus mengetahui teori wacana dasar pengambilan keputusan untuk uji normalitas. Adapun dasar pengambilan keputusan dalam uji normalitas ialah sebagai berikut.

1. Jika nilai Signifikansi (Sig.) < 0,05, maka variabel tidak berdistribusi normal.
2. Jika nilai Signifikansi (Sig.) > 0,05, maka variabel berdistribusi normal.

Berdasarkan tabel output SPSS “Tests of Normality” di atas, diketahui bahwa nilai Sig. dalam uji normalitas Shapiro-Wilk ialah sebagai berikut.

1. Nilai IQ Sig. ialah sebesar 0,932
2. Nilai IPK Sig. ialah sebesar 0,152
3. Nilai Motivasi Sig. ialah sebesar 0,066

Karena nilai signifikansi (Sig.) untuk semua variabel penelitian di atas > 0,05 maka sanggup disimpulkan variabel IQ, IPK dan Motivasi ialah berdistribusi normal. Dengan demikian, perkiraan dasar atau persyaratan dalam uji hubungan parsial sudah terpenuhi.

Catatan: metode Shapiro-Wilk digunakan untuk sampel < 50. Sementara metode Kolmogorov-Smirnov digunakan untuk sampel > 50.

*Melakukan Uji Korelasi Parsial dengan SPSS

1. Selanjutnya kita akan melaksanakan Uji Korelasi Parsial dengan SPSS, caranya klik hidangan Analyze >> Correlate >> Partial… Tampak dilayar.

2. Muncul kotak obrolan “Partial Correlations” Selanjutnya, masukkan variabel IQ dan IPK ke kotak Variables: kemudian masukkan variabel Motivasi ke kotak Controlling for, pada bab “Test of Significance” pilih Two-tailed dan beri tanda ceklist (v) untuk Display actual significance level, kemudian klik Options…

3. Muncul kotak diloag “Partial Correlations: Options”, kemudian pada bab “Statistics” berikan tanda ceklist (v) untuk Means and standard deviations dan Zero-order correlations. Selanjutnya pada bab “Missing Values” aktifkan pilihan Exclude cases pairwise, kemudian klik Continue

4. Kemudian klik Ok untuk mengakhiri perintah. Maka muncul Output SPSS dengan judul “Partial Corr” selanjutnya tinggal interpretasikan saja tabel output tersebut.

Interpretasi Output Uji Korelasi Parsial dengan SPSS

Tabel Output “Descriptive Statistics”

Tabel output SPSS di atas, menawarkan info kepada kita wacana ringkasan nilai statistik deskriptif atau citra data untuk ketiga variabel (IQ, IPK dan Motivasi) meliputi Mean atau nilai rata-rata, Std. Deviation (Standar Deviasi), dan N atau jumlah sampel yang digunakan dalam penelitian ini.

Tabel Output “Correlations”

Tabel output SPSS ini menawarkan info mengenai hubungan yang terbentuk antar variabel sebelum dan sehabis dimasukkannya variabel kontrol dalam analisis korelasi. Untuk memaknai tabel output Correlations di atas, maka ada 3 tahapan yang harus kita lalui, yaitu: (1) Menentukan rumusan hipotesis penelitian. (2) Melihat teori wacana dasar pengambilan keputusan dalam uji hubungan parsial. (3) Manafsirkan hasil analisis dan menciptakan kesimpulan.

*Rumusan Hipotesis Penelitian dalam Uji Korelasi Parsial

1. H0: Hubungan antara IQ dengan IPK dengan Motivasi sebagai variabel kontrol tidak signifikan.
2. Ha: Hubungan antara IQ dengan IPK dengan Motivasi sebagai variabel kontrol signifikan.

*Dasar Pengambilan Keputusan dalam Uji Korelasi Parsial Sig. (2-tailed)

1. Jika nilai Significance (2-tailed) > 0,05, maka H0 diterima dan Ha ditolak.
2. Jika nilai Significance (2-tailed) < 0,05, maka H0 ditolak dan Ha diterima.

*Pembahasan Output Uji Korelasi Parsial dengan SPSS

Tabel output pertama “-none-a” memperlihatkan nilai hubungan atau hubungan antara variabel IQ dengan IPK sebelum dimasukkannya variabel kontrol (Motivasi) dalam analisis. Dari output di atas diketahui nilai koefisien hubungan (Correlations) sebesar 0,832 (positif) dan nilai Significance (2-tailed) ialah 0,001 < 0,05, maka sanggup disimpulkan bahwa ada hubungan yang positif dan signifikan antara IQ dengan IPK mahasiswa tanpa adanya variabel kontrol (Motivasi). Sementara nilai Correlations sebesar 0,832 ini masuk dalam kategori hubungan sangat kuat.

Tabel output kedua “Motivasi” menujukkan nilai hubungan atau hubungan antara variabel IQ dengan IPK setelah memasukkan Motivasi sebagai variabel kontrol dalam analisis. Dari tabel output di atas terlihat bahwa terjadi penurunan nilai koefisien hubungan (Correlations) menjadi 0,626 (bernilai positif dan kategori hubungan kuat) dengan nilai Significance (2-tailed) sebesar 0,039 < 0,05, maka H0 ditolak dan Ha diterima yang berarti bahwa hubungan antara IQ dengan IPK dengan Motivasi sebagai variabel kontrol ialah signifikan (nyata).

*Kesimpulan Penelitian

Berdasarkan pembahasan dalam uji hubungan parsial di atas diketahui bahwa kehadiran variabel motivasi berprestasi sebagai variabel kontrol akan menawarkan dampak terhadap hubungan antara variabel IQ dengan variabel IPK. Dengan demikian maka sanggup disimpulkan bahwa variabel IQ (Intelligence Quotient) bukanlah satu-satunya variabel yang memilih nilai IPK mahasiswa, alasannya ialah ada variabel lain juga yang bekerjasama dengan nilai IPK yaitu variabel Motivasi berprestasi.

Catatan: selain mengacu pada nilai Significance (2-tailed) dari output SPSS, pengambilan keputusan dalam uji hubungan parsial ini sanggup pula menurut pada perbandingan nilai nilai koefisien hubungan (Correlations) atau r hitung dengan nilai r table pearson product moment. Pembahasan lebih detail wacana hal ini saya rangkum dalam bentuk video panduan SPSS, silahkan anda saksikan videonya melalui link di bawah ini.

VIDEO: Tutorial Uji Korelasi Parsial dengan SPSS + Interpretasi

Sekian pembahasan kita mengenai cara melaksanakan analisis data penelitian dengan uji hubungan parsial memakai kegiatan SPSS beserta interpretasinya. Bagi anda merasa terbantu dengan panduan ini, silahkan dibagikan ke media umum supaya panduan ini sanggup bermanfaat bagi banyak orang. Terimakasih, semoga sukses untuk penelitian anda. Salam dari saya Sahid Raharjo

[Kata Kunci Pencarian: Cara Uji Korelasi Parsial dengan SPSS Serta Interpretasi Lengkap, Langkah-langkah Analisis Korelasi Parsial (Partial Correlations) memakai Program SPSS, Tutorial Uji Korelasi Parsial dengan SPSS dilengkapi Penjelasan]

Read More

Cara Membaca Distribusi Nilai R Tabel Product Moment Lengkap

Cara Membaca Distribusi Nilai r Tabel Product Moment Lengkap | Assalamu'alaikum warahmatullahhi wabarakatuh. Baik, pada kesempatan kali ini kami admin akan membagikan isu mengenai cara membaca ataupun melihat distribusi nilai r tabel product moment dalam analisis data statistik untuk penelitian kuantitatif. Namun sebelum kita masuk pada pembahasan utama dalam artikel ini, saya sarankan bagi anda yang belum mempunyai distribusi nilai r tabel product moment semoga mendownloadnya terlebih dahulu melalui link berikut ini: Download Distribusi Nilai Tabel Statistik Lengkap

Seperti yang kita ketahui, bahwa nilai r tabel product moment dalam analisis hubungan atau analisis hubungan digunakan sebagai pembanding untuk nilai r hitung atau nilai koefisien korelasi. Dengan membandingkan nilai r hitung dengan r tabel, maka kita sanggup menciptakan sebuah keputusan atau kesimpulan dari hasil analisis yang telah dilakukan.

Dasar Pengambilan Keputusan dalam Analisis Korelasi

Pedomanan atau dasar pengambilan keputusan dalam analisis hubungan sanggup dilakukan melalui beberapa cara, diantaranya:

*Membandingkan Nilai r hitung dengan Nilai r tabel

1. Jika nilai r hitung > r tabel, maka artinya ada hubungan antar variabel yang dihubungkan.
2. Jika nilai r hitung < r tabel, maka artinya tidak ada hubungan antar variabel yang dihubungkan.

*Membandingkan Nilai Signifikansi (Sig.) dengan Nilai Alpha 0,05

1. Jika nilai Signifikansi (Sig.) < 0,05, maka artinya ada hubungan antar variabel yang dihubungkan.
2. Jika nilai Signifikansi (Sig.) > 0,05, maka artinya tidak ada hubungan antar variabel yang dihubungkan.

Catatan Penting: Kedua teori dasar pengambilan keputusan dalam analisis hubungan di atas akan menghasilkan kesimpulan yang sama atau dengan kata lain kesimpulan yang dihasilkan tidak akan berbeda atau berselisih satu sama lain).

Kemudian, untuk membaca nilai r tabel product moment, maka contoh utama yang kita gunakan yaitu dengan melihat banyaknya jumlah sampel atau N ataupun anda sanggup juga mengacu pada nilai df (derajad kebebasan) dari hasil output SPSS. Agar kita lebih gampang memahami kapan nilai N atau df digunakan, maka anda sanggup menyimak pembahasan dalam contoh-contoh perkara di bawah ini.

Cara Membaca Nilai r Tabel dalam Uji Validitas Pearson

Uji validitas bertujuan untuk mengetahui apakah butir atau item soal dalam suatu kuesioner sanggup digunakan sebagai alat mengumpul data yang akurat. Item soal yang valid ditandai dengan adanya hubungan antara item soal dengan skor totalnya. Adapun contoh hasil uji validitas dengan SPSS sanggup anda lihat pada tabel output di bawah ini.

Misalnya kita ingin mengetahui apakah item soal nomor 1 valid atau tidak. Maka mengacu pada output uji validitas di atas, diketahui jumlah sampel atau N yaitu 20 dengan nilai koefisien hubungan (Pearson Correlation) antara Item_1 dengan Skor_total yaitu sebesar 0,461 atau r hitung sebesar 0,461 dan nilai Sig. (2-taild) sebesar 0,041.

Langkah berikutnya yaitu melihat dan membaca nilai r tabel untuk N 20 dengan signifikansi 5% (tingkat dogma 95% atau alpha 0,05) pada distribusi nilai r tabel product moment. Maka ditemukan nilai r tabel yaitu sebesar 0,444. Lihat gambar di bawah ini.

Oleh lantaran nilai r hitung 0,461 > r tabel 0,444, dan nilai Sig. (2-tailed) 0,041 < 0,05, maka menurut dasar pengambilan keputusan dalam analisis hubungan di atas sanggup disimpulkan bahwa ada hubungan atau hubungan antara Item_1 dengan Skor_total. Dengan demikian sanggup diartikan bahwa item soal nomor 1 pada kuesioner tersebut yaitu valid.

Catatan: ada pendapat yang menyatakan bahwa rumus membaca r tabel yaitu mengacu pada nilai N-2. Hal ini tidaklah sepenuhnya salah, namun dalam konteks uji validitas pearson, maka nilai N ini tidak perlu kita kurangi 2. Sebab, kalau kita memakai rumus N-2, maka dalam perkara tertentu sanggup terjadi kesimpulan yang berbeda antara perbandingan nilai r hitung dengan r tabel dan perbandingan nilai Signifikansi atau Sig. (2-tailed) dengan alpha 0,05.

Pembuktian: Mari kita lihat apakah ada perbedaan kesimpulan validitas kalau kita membaca nilai r tabel dengan memakai rumus N-2. Sehingga contoh dalam membaca nilai r tabel pada signifikansi 5% yaitu 20-2=18. Maka ketemu nilai r tabel sebesar 0,468. Lihat gambar di bawah ini.

Berdasarkan output uji validitas diketahui r hitung 0,461 < r tabel 0,468, maka sanggup disimpulkan item soal nomor 1 yaitu tidak valid. Sementara kalau kita berpedoman pada pengambilan keputusan menurut nilai signifikansi maka kesimpulannya item soal nomor 1 yaitu valid, lantaran nilai Sig. (2-tailed) 0,041 < 0,05. Dengan demikian kesimpulan yang dihasilkan dalam uji validitas yaitu tidak konsisten. Oleh kerena itu, dalam konteks uji validitas pearson, contoh yang digunakan membaca r tabel yaitu nilai N tidak perlu dikurangi 2.

Cara Membaca Nilai r Tabel dalam Uji Korelasi Parsial

Adapun contoh hasil output uji hubungan parsial dengan SPSS, sanggup anda lihat pada gambar berikut.

Berdasarkan tabel output Descriptives Statistics di atas, diketahui nilai N yaitu 12 sampel.

Tabel output “-none-a” menunjukkan nilai hubungan antara variabel IQ dengan IPK. Dari output di atas diketahui nilai r hitung (Correlations) sebesar 0,832 > r tabel 0,632 dan nilai Significance (2-tailed) yaitu 0,001 < 0,05, maka sanggup disimpulkan bahwa ada hubungan antara IQ dengan IPK.

Keterangan: Nilai r tabel dilihat pada distribusi nilai r tabel product moment dengan signifikansi 5% pada df 10 atau rumusnya yaitu (N-2=12-2=10). Maka ditemukan nilai r tabel yaitu sebesar 0,632. Lihat gambar berikut.

Selanjutnya, tabel output “Motivasi” menujukkan nilai hubungan antara variabel IQ dengan IPK sehabis memasukkan Motivasi sebagai variabel kontrol ke dalam analisis.

Dari tabel output di atas diketahui nilai r hitung (Correlations) sebesar 0,832 > r tabel 0,666, maka sanggup disimpulkan bahwa ada hubungan antara IQ dengan IPK dengan Motivasi sebagai variabel kontrol.

Keterangan: Nilai r tabel dilihat pada distribusi nilai r tabel dengan signifikansi 5% pada df 9 atau (N-k-1= 12-2-1=9). Keterangan: “k” yaitu jumlah variabel di hubungkan. Maka ditemukan nilai r tabel yaitu sebesar 0,666 [lihat pada distribusi nilai r tabel product moment].

Cara Membaca Nilai r Tabel Ketika r hitung Bernilai Negatif

Adapun contoh hasil output uji hubungan bivariate pearson dengan SPSS, sanggup dilihat pada gambar berikut.

Berdasarkan tabel output di atas, diketahui jumlah sampel atau N yaitu 12 dengan nilai koefisien hubungan (Pearson Correlation) antara variabel Stres Kerja dengan variabel kinerja pegawai yaitu sebesar -0,813 atau r hitung sebesar -0,813 dan nilai Sig. (2-taild) sebesar 0,001.

Langkah selanjutnya yaitu melihat dan membaca nilai r tabel untuk N=12 dengan signifikansi 5% pada distribusi nilai r tabel product moment. Maka ketemu nilai r tabel yaitu sebesar 0,576. Lihat pada gambar di bawah ini.

Dalam perkara r hitung bernilai negatif (-) maka nilai r tabel ini sanggup menjelma negatif yakni menjadi -0,576. Untuk membandingkan nilai r hitung dengan r tabel yang bernilai negatif, maka caranya yaitu dengan memakai kurva korelasi. Adapun gambar kurva perbandingan antara nilai r hitung dengan nilai r tabel sanggup dilihat di bawah ini.

Berdasarkan kurva di atas terlihat bahwa nilai r hitung sebesar -0,813 berada pada area hubungan negatif atau r hitung -0,813 > r tabel -0,576 dan nilai Sig. (2-tailed) 0,001 < 0,05. Maka sanggup disimpulkan bahwa ada hubungan negatif antara variabel Stres Kerja dengan variabel Kinerja Pegawai. Hubungan negatif ini bermakna bahwa kalau Stres Kerja meningkat maka Kinerja Pegawai mengalami penurunan.

Catatan: perhitungan memakai kurva dalam perkara r hitung bernilai negatif ini, tidak berlaku untuk uji validitas pearson. Sebab dalam uji validitas pearson kalau r hitung bernilai negatif maka item soal dinyatakan atau dianggap tidak valid.

Sekian pembahasan kita mengenai cara membaca dan melihat distribusi nilai r tabel product moment dalam analisis statistik untuk penelitian. Semoga bermanfaat dan kalau anda suka dengan panduan ini silahkan anda bagikan ke media sosial, sehingga ilmu ini sanggup mempunyai kegunaan bagi banyak orang yang membutuhkannya. Terimakasih.

[Kata Kunci Pencarian: Cara Membaca Distribusi Nilai r Tabel Product Moment Lengkap, Cara Melihat Distribusi Nilai r Tabel Product Moment pada Signifikansi 5% dan 1%, Cara mencari Nilai r Tabel Product Moment Statistik]

VIDEO: Rumus Mencari dan Membaca Nilai r Tabel Product Moment Lengkap

Read More