Modul Business Statistic II Vs Mahasiswa

Modul Business Statistics II- Management Laboratory 2015
DAFTAR ISI
PERTEMUAN 1 PENGENALAN STATISTIK...............................................3
1.2 KLASIFIKASI DATA................................................................................................4
1.3 PENGERTIAN SKALA..............................................................................................7
1.4 TEKNIK PENSKALAAN...........................................................................................9
1.4.1 Skala Pembanding (Comparative Scale)................................................................9
1.4.2 Noncomparative Scaling Techniques....................................................................10
1.5 METODE ANALISIS...............................................................................................11
1.5.1 Analisis Kualitatif..................................................................................................12
1.5.2 Analisis Kuantitatif................................................................................................12
1.5.3 Metode Analisis Statistik.......................................................................................12
1.6 ELEMEN STATISTIK..............................................................................................13
1.7 SPSS (STATISTICAL PRODUCT AND SERVICE SOLUTION ).......................................14
1.8 STATISTIK DESKRIPTIF.........................................................................................18
PERTEMUAN 2 VALIDITAS, RELIABILITAS, NORMALITAS.............34
2.1 UJI VALIDITAS DAN RELIABILITAS......................................................................34
2.2 UJI NORMALITAS.................................................................................................45
PERTEMUAN 3 KORELASI..........................................................................53
3.1 KORELASI BIVARIAT............................................................................................53
3.2 KORELASI PARTIAL.............................................................................................57
PERTEMUAN 4 ASUMSI KLASIK...............................................................64
4.1 UJI MULTIKOLINEARITAS....................................................................................64
4.2 UJI HETEROSKEDASTISITAS.................................................................................67
4.3 UJI AUTOKORELASI.............................................................................................71
1
PERTEMUAN 5 REGRESI.............................................................................77
5.1 REGRESI SEDERHANA..........................................................................................77
5.2 REGRESI BERGANDA...........................................................................................82
PERTEMUAN 6 ANOVA.................................................................................92
PERTEMUAN 7 CHISQUARE....................................................................102
7.1 UJI KESELARASAN ATAU GOODNESS OF FIT TEST.............................................102
7.2 UJI INDEPENDENSI.............................................................................................113
PERTEMUAN 8 MANN WHITNEY............................................................121
PERTEMUAN 9 SIGN WILCOXON...........................................................127
PERTEMUAN 10 KRUSKALL WALLIS....................................................132
DAFTAR PUSTAKA......................................................................................142
2
PERTEMUAN 1
PENGENALAN STATISTIK
1.1 Statistik dalam Bisnis
Webster’s Third New International Dictionary (Black, 2013) memberikan

definasi statistik yang komprenhensif sebagai “ilmu yang berkaitan dengan
mengumpulkan, menganalisis, menginterpretasikan, dan menyajikan data numerik”.
Menurut (Black, 2013), Statistik bisnis adalah tentang mengukur fenomena dalam
dunia bisnis dan mengatur, menganalisa, dan mempresentasikan hasil informasi yang
berbentuk numerical dalam cara yang lebih baik, dengan begitu keputusan bisnis yang
terinformasi dapat dibuat. Dalam bisnis statistik, hal yang paling sering dipelajari
mengandung variabel, pengukuran, dan data.
Variabel dalam bisnis statistik adalah karakteristik dari setiap entitas yang
dipelajari yang mampu mengambil nilai yang berbeda (Black, 2013). Banyak sekali
variabel dalam bisnis, misalnya produktivitas pekerja, gaji karyawan, harga
produk/jasa, pangsa pasar, jumlah penjualan, dll. Dalam pembelajaran tentang bisnis
statistik, variabel – variabel yang digunakan akan menghasilkan pengukuran yang dapat
digunakan dalam analisis.
Data adalah fakta – fakta dan angka – angka yang dikumpulkan, di analisa dan
dirangkum untuk dipresentasikan dan diperlihatkan hasilnya (Anderson, Sweeney, &
Williams, 2011). Data memiliki berbagai wujud seperti angka tinggi badan, angka
penjualan, jumlah produksi, jumlah mahasiswa, dan lain-lain. Kumpulan data yang
lebih berarti atau bermakna setelah melalui suatu proses pengolahan disebut sebagai
informasi, contoh : rata-rata tinggi badan anak SMP yang rutin berenang adalah 100cm.
Memilih dan mengorganisasikan informasi yang menyediakan pengertian,
rekomendasi, dan dasar keputusan akan menjadi sebuah pengetahuan. Contoh : terdapat
perbedaan rata-rata tinggi badan siswa SMP yang rutin berenang dengan yang tidak.
3
1.2 Klasifikasi Data
Pembagian data dalam statistik dapat digambarkan sebagai berikut :
Sumber : (Putra, 2012)
A. Klasifikasi Data Menurut Cara Memperolehnya

1. Data Primer
Data primer merupakan data yang berdasarkan dengan informasi yang dihasilkan
pertama kali oleh peneliti untuk tujuan tertentu dalam pembelajaran. Data primer
dapat diperoleh melalui wawancara maupun melalui penyebaran kuisioner.
Contohnya adalah data hasil wawancara atau data hasil penyebaran kuisioner.
Kedua data tersebut diperoleh langsung dari objek penelitian.
2. Data Sekunder
Data sekunder merupakan data yang berdasarkan informasi yang dihasilkan dari
sumber yang sudah ada. Data dapat bersumber dari internal maupun eksternal
4
organisasi dan dapat diakses melalui internet serta merupakan informasi yang
sudah tersebar. Data sekunder dapat berasal dari buku, data sensus, database
perusahaan, media, laporan tahunan, dan sebagainya.
B. Klasifikasi Data Menurut Sumber Data

1. Data Internal
Data internal berupa berbagai informasi yang dapat ditemukan dalam organisasi
yang dapat digunakan untuk membuat suatu keputusan. Contoh data internal adalah
data penjualan, data biaya, data persediaan, dan data karyawan.
2. Data Eksternal
Data eksternal berupa berbagai informasi yang menggambarkan situasi serta
kondisi yang ada di luar organisasi. Contohnya adalah data jumlah penggunaan
suatu produk pada konsumen, tingkat preferensi pelanggan, persebaran penduduk,
dan lain sebagainya.
C. Klasifikasi Data Menurut Jenis Data

1. Data Kuantitatif
Data kuantitatif adalah data dalam bentuk angka-angka. Contoh data kuantitatif
adalah data jumlah penduduk, jumlah pendapatan nasional, dan data jumlah
keluarga yang ada di suatu daerah.
2. Data Kualitatif
Data kualitatif merupakan data yang bersifat non angka. Informasi yang dihasilkan
oleh data jenis ini adalah informasi bukan dalam bentuk angka. Data jenis kelamin,
data tingkat pendidikan dan data agama yang dianut di suatu daerah merupakan
contoh data kualitatif. Data kualitatif dapat diolah menjadi data kuantitatif dengan
teknik statistik. Misalkan, data jenis kelamin adalah perempuan dan laki-laki.
Untuk melakukan pengolahan data dengan menggunakan teknik statistik, data
harus diubah dalam bentuk angka dimana untuk jenis kelamin perempuan diberi
kode angka satu dan jenis kelamin laki-laki diberi kode angka dua.
D. Klasifikasi Data Menurut Sifat Data

1. Data Diskrit
5
Data diskrit merupakan data kuantitatif yang mempunyai sifat bulat, tidak dalam
bentuk pecahan. Data jumlah mahasiswa di suatu universitas, misalnya, merupakan
data yang bersifat diskrit karena merupakan data yang bulat, tidak dalam bentuk
pecahan .
2. Data Kontinyu
Data kontinyu merupakan data yang berasal dari pengukuran terhadap sesuatu.
Hasil pengukuran ini tergantung pada keakuratan alat ukur yang digunakan. Data
tinggi badan, data suhu, dan data kelembaban udara adalah data yang bersifat
kontinyu. Data ini dapat berbentuk pecahan, dan keakuratannya tergantung pada
alat ukur yang digunakan .
E. Klasifikasi Data Menurut Waktu Pengumpulan

1. Data Cross Section
Data Cross Section adalah data yang dikumpulkan hanya sekali, mungkin
dikumpulkan selama beberapa hari atau minggu atau bulan, untuk menjawab
pertanyaan penelitian. Contohnya adalah perusahaan obat mau berinvestasi dalam
penelitian untuk pil (penurunan) obesitas. Perusahaan tersebut melakukan
penelitian terhadap orang-orang yang mengalami obesitas untuk mengamati
seberapa banyak dari mereka yang tertarik untuk mengkonsumsi pil tersebut.
2. Data Time Series
Data time series adalah data pada variabel dependen (dipengaruhi) dikumpulkan
pada dua atau lebih titik waktu yang berbeda untuk menjawab pertanyaan
penelitian. Data time series ini berdasarkan satu sumber. Data time series dapat
menjadi data longitudinal ketika penelitian dilakukan untuk beberapa sumber.
Penelitian untuk mendapatkan data ini menggunakan lebih banyak waktu, usaha,
dan biaya dibandingkan dengan penelitian untuk data cross section. Contoh data
longitudinal adalah seorang manajer pemasaran tertarik untuk mengetahui pola
penjualan produk tertentu di empat wilayah secara kuartalan untuk dua tahun ke
depan. Data tersebut akan dikumpulkan beberapa kali untuk mengetahui pola
penjualan di empat wilayah.
(Sekaran & Bougie, 2013)
6
1.3 Pengertian Skala
Menurut (Anderson, Sweeney, & Williams, 2011) skala perhitungan menentukan

jumlah dari informasi yang terkandung di dalam data dan mengindikasikan ringkasan
data yang paling tepat dan analisis statistik. Pengukuran merupakan aturan-aturan
pemberian angka untuk berbagai objek sedemikian rupa sehingga angka ini mewakili
kualitas atribut. Terdapat empat jenis skala yang dapat digunakan untuk mengukur
atribut, yaitu: skala nominal, skala ordinal, skala interval, dan skala ratio.
1. Skala Nominal
Skala Nominal merupakan salah satu jenis pengukuran dimana angka dikenakan
untuk objek atau kelas objek untuk tujuan identifikasi / klasifikasi / kategori /
membedakan data. Data bertipe nominal adalah data yang paling ‘rendah’ dalam
level pengukuran data. Ketika data variabel terdiri dari label atau nama yang
digunakan untuk mengidentifikasi atribut elemen, skala pengukuran dianggap
sebagai skala nominal. Contoh jenis pekerjaan dimana 1 melambangkan pegawai
swasta, 2 melambangkan pegawai negeri, 3 melambangkan wirausaha. Skala
nominal ini untuk fitur yang bersifat kualitatif atau skala ini lebih digunakan untuk
menunjukkan kesamaan atau ketidaksamaan dan memungkinkan kita untuk
menentukan suatu objek masuk kekelas yang mana .
2. Skala Ordinal
Skala pengukuran untuk sebuah variabel dinamakan skala ordinal jika data
menunjukkan sifat data nominal dan keteraturan atau peringkat data yang
bermakna. Skala ordinal adalah skala pemeringkat dimana angka ditetapkan untuk
mengindikasikan relativitas karakter yang dimiliki. Dengan demikian dapat
diketahui apakah suatu objek memiliki sesuatu (karakter) lebih banyak atau lebih
sedikit dari objek lainnya. Skala ordinal mengindikasikan posisi relatif, misalnya
pelajar yang diberi peringkat 1 berarti secara relatif lebih baik dari peringkat 2,3,
dst, namun tidak dapat diketahui persisnya apakah antara peringkat 1 dan 2
perbedaannya tipis ataukah sangat jauh.
7
3. Skala Interval
Skala pengukuran suatu variabel dinamakan skala interval jika data menunjukkan
sifat data ordinal dan interval antara nilai-nilai yang dinyatakan dalam satuan tetap
ukuran. Skala interval menempati level pengukuran data yang lebih ‘tinggi’ dari
data ordinal. Data interval selalu berupa angka. Dalam skala interval jarak numerik
pada skala mewakili jarak yang sama pada karakter yang diukur. Terdapat interval
yang konstan / sama antara nilai skala. Misalnya 50-80 o C dikatakan cukup panas,
80-110o C dikatakan panas, 110-140o C dikatakan sangat panas.
4. Skala Rasio
Skala pengukuran dinamakan skala rasio jika data memiliki semua sifat-sifat data
interval dan rasio dua nilai yang bermakna. Skala rasio adalah rasio yang tertinggi,
yang mana skala ini memiliki titik absolut (zero point), skala ini dapat digunakan
untuk menidentifikasikan atau mengklasifikasikan, memeringkatkan, dan
membandingkan interval atau perbedaan objek. Dalam skala ini dapat berguna
untuk menghitung rasio dari nilai skala. Sehingga bukan saja dapat diketahui
perbedaan antara 2 dan 5 sama dengan perbedaan 16 dan 19, yaitu 3, namun dapat
diketahui bahwa 16 adalah 8 kali lipat dari 2.
1.4 Teknik Penskalaan
Teknik penskalaan (Scaling Technique) dapat diklasifikasikan menjadi teknik

komparatif (comparatif scale) dan nonkomparatif (noncomparatif scale). Comparative
scale merupakan perbandingan langsung dari objek yang diteliti, pemeringkatannya
bersifat ordinal dan juga perbandingan langsung pada stimulus obyek satu dengan
lainnya. Maka comparative scaling dapat dianggap sebagai nonmetric scaling.
8
Contoh : Seorang responden ditanya lebih suka minuman Fanta atau Coca cola,
jawaban yang didapat merupakan perbandingan dimana secara tidak langsung
responden dipaksa untuk memilih mana yang lebih disukai.
Non comparative scale (metric scale), tiap objek diukur secara independen
dari objek lainnya dalam perangkat stimulus. Data pada umumnya berupa skala interval
atau rasio. Contoh : seorang responden diminta untuk mengevaluasi minuman Fanta
dengan skala 1 (sangat baik) sampai 6 (sangat tidak baik).
1.4.1 Skala Pembanding (Comparative Scale)
Skala pembanding yang umum dipakai (khususnya dalam business research) meliputi
perbandingan berpasangan (paired comparison), kategori bertingkat (rank order), dan
jumlah konstan (constant sum).
a. Skala Perbandingan Berpasangan
Skala ini membandingkan dua buah objek secara berpasangan (paired). Artinya
dalam skala ini, dua buah objek dipresentasikan dihadapan responden, dan
kemudian dua objek tersebut pada saat itu juga akan dibandingkan berdasarkan
kriteria-kriteria yang ada. Contoh : responden diminta untuk memilih salah satu
dari dua merk motor yang paling mereka sukai dengan kriteria-kriteria yang sejenis
: Merk A atau Merk B. (Data yang diperoleh ordinal)
b. Skala Urutan Bertingkat
Perbedaan skala ini dengan skala paired comparison terletak pada jumlah objek
yang dibandingkan. Dalam hal ini, responden akan ditunjukkan beberapa objek
secara simultan (misalnya ditunjukkan Honda merk A, Merk B, Merk C, Merk D,
Merk E secara simultan) dan diminta untuk memberi peringkat/mengurutkan
obyek-obyek berdasarkan kriteria tertentu. Data yang diperoleh adalah data ordinal.
c. Skala Jumlah Tetap
Disini responden diminta untuk mengalokasikan jumlah konstan dalam satuan

point tertentu (misalnya dollar, kg, dll) diantara seperangkat objek stimulus
berdasarkan kriteria tertentu atau respoden diminta untuk mengalokasikan
sejumlah point (nilai) untuk memberikan harga pada beberapa merek berdasarkan
9
kriteria tertentu. Misalnya responden diminta mengalokasikan nilai 100 point

terhadap atribut-atribut yang dipandang penting dimiliki suatu mobil. Atribut-
atribut tersebut didaftar terlebih dahulu seperti : kenyamanan, kecepatan,
fleksibilitas, dll.
1.4.2 Noncomparative Scaling Techniques
Teknik ini hanya melakukan pengukuran pada satu objek saja, tanpa memperhatikan
objek yang lain. Objek dalam hal ini bisa merk suatu produk, harga produk, dll.
Beberapa skala yang populer dalam teknik ini adalah skala Likert, skala semantik
diferensial, dan skala stapel.
a. Skala Likert
Skala ini meminta responden menunjukkan tingkat persetujuan atau ketidaksetujuannya

terhadap serangkaian pernyataan tentang suatu obyek. Skala ini dikembangkan oleh
Rensis Likert dan biasanya memiliki 5 atau 7 kategori dari ”sangat setuju” sampai
dengan ”sangat tidak setuju”. Skala Likert ini banyak digunakan dalam riset bisnis yang
menggunakan metode survei dan dapat dikategorikan sebagai skala interval. Sewaktu
menanggapi pertanyaan dalam skala Likert, responden menentukan tingkat persetujuan
mereka terhadap suatu pertanyaan dengan memilih salah satu dari pilihan yang tersedia.
Sebagai contoh, responden diminta memberikan tingkat persetujuannya terhadap

pernyataan yang mengatakan ”Harga Motor A adalah sangat irit”
Sangat setuju Setuju Ragu-ragu Tidak Setuju Sangat tidak setuju
b. Skala Semantik Diferensial
Skala ini memiliki beberapa point (berkisar antara 5 sampai 7 point) diantara dua kutub
yang memiliki perbedaan secara ekstrem. Responden diminta memberikan
penilaiaannya terhadap sebuah objek dengan kecenderungan di antara kedua kutub
tersebut. Contoh : responden diminta memberikan penilaian terhadap sebuah majalah
yang baru terbit, dengan menyatakan bahwa majalah tersebut (menggunakan kata sifat):
Menarik |_1_|_2_|_3_|_4_|_5_|_6_|_7_| Membosankan
Up to date |_1_|_2_|_3_|_4_|_5_|_6_|_7_| Tidak up to date

10
c. Skala Stapel
Skala ini dikembangkan oleh Stapel dan hampir menyerupai skala semantik diferensial
skala staple (staple scale) secara simultan mengukur arah dan intensitas sikap terhadap
item yang dipelajari. Perbedaaannya, dalam skala ini digunakan katogori yang diberi
nilai negatif dan positif (misalnya dari -5 sampai +5) dan responden diminta
memberikan penilaian terhadap suatu objek dengan menunjuk pada kecenderungan
angka -5 sebagai kriteria tidak bagus dan angka +5 sebagai sangat bagus.
1.5 Metode Analisis
Menurut Sugiyono (2009:244) analisis data adalah proses mencari dan menyusun data
yang diperoleh dari hasil wawancara, catatan lapangan, dan bahanbahan lain secara
sistematis sehingga mudah dipahami dan temuannya dapat diinformasikan kepada
orang lain. Analisis merupakan tindakan mengolah data hingga menjadi informasi yang
bermanfaat dalam menjawab masalah statistik. Dalam desain riset, perlu direncanakan
dengan baik alat analisis yang akan diterapkan untuk menganalisis data. Tujuan analisis
data adalah mendapatkan informasi yang relevan yang terkandung didalam data
tersebut dan menggunakan hasilnya untuk memecahkan suatu masalah. Metode analisis
yang sering digunakan adalah :
1.5.1 Analisis Kualitatif
Analisis data secara kualitatif bersifat memaparkan secara mendalam hasil riset melalui
pendekatan bukan angka atau nonstatistik. Contoh : Pertanyaan yang diajukan kepada
responden tentang rasa kentang goreng chitato. Jawaban yang mungkin muncul adalah
”enak rasanya, renyah, dll.”
1.5.2 Analisis Kuantitatif
Analisis kuantitatif mencoba mengolah data menjadi informasi dalam wujud

angka. Penggunaan angka memudahkan penginterpretasian hasil secara objektif.
Contoh : interval 1-2,4 sebagai kurang baik; 2,5-3,4 sebagai kategori sedang; dan 3.5-5
11
sebagai sangat baik. Analisis kuantitatif yang paling banyak digunakan dalam praktek
adalah analisis statistik.
1.5.3 Metode Analisis Statistik
Menurut webster’s third new international dictionary, statistik adalah ilmu

yang berhubungan dengan pengumpulan, analisis, interpetasi, dan penyajian dari data
numerik. Statistik dalam prakteknya berhubungan dengan banyak angka, sehingga bisa
diartikan “Numerical Description” oleh banyak orang. Misal pergerakan IHSG, jumlah
penduduk, dan seterusnya. Dalam dunia usaha statistik juga sering diasosiasikan
dengan sekumpulan data seperti pergerakan tingkat inflasi, biaya promosi bulanan,
jumlah pengunjung toko, dsb. Selain itu, statistik digunakan untuk berbagai analisis
terhadap data, seperti melakukan peramalan (forecasting), melakukan berbagai uji
hipotesis dan kegunaan lainnya.
Dalam Aplikasinya, metode analisis statistik dapat dibagi menjadi dua (2)
kelompok besar, yaitu:
1. Statistik Deskriptif
Analisis deskriptif bertujuan mengubah kumpulan data mentah menjadi mudah

dipahami dalam bentuk informasi yang lebih ringkas. Jadi statistik deskriptif
berusaha menjelaskan atau menggambarkan beberapa karakteristik data, seperti
berapa rata-ratanya, seberapa jauh data-data bervariasi dari rata-ratanya, berapa
median data, dan sebagainya.
2. Statistik inferensi
Statistik inferensi bertujuan untuk menyediakan dasar peramalan, dan estimasi

yang digunakan untuk mengubah informasi menjadi pengetahuan.
1.6 Elemen Statistik
Beberapa elemen yang biasa terdapat dalam suatu persoalan statistik :
1. Populasi
Masalah dasar dari persoalan statistik adalah menentukan populasi data. Secara
umum, populasi bisa didefinisikan sebagai sekumpulan data yang
12
mengidentifikasikan suatu fenomena. Seluruh penduduk di Indonesia bisa

dikatakan populasi, penduduk disuatu provinsi A juga bisa dikatakan populasi,
bahkan penduduk di suatu dusun kecil pun bisa dikatakan populasi. Jadi, definisi
populasi lebih tergantung dari kegunaan dan relevansi data yang dikumpulkan.
2. Sampel
Sampel bisa didefinisikan sebagai sekumpulan data yang diambil atau diseleksi
dari suatu populasi. Contohnya, jika populasinya penduduk di provinsi A, maka
sampelnya bisa jadi adalah sebagian penduduk di provinsi A. Jadi, pada dasarnya,
sampel adalah bagian dari populasi. Pengambilan sampel dilakukan karena dalam
praktek banyak kendala yang tidak memungkinkan seluruh populasi diteliti.
Kendala tersebut bisa meliputi situasi, waktu, tenaga, atau biaya. Oleh karena itu,
metode pengambilan sampel menjadi bagian yang penting dari statistik.
3. Variabel
Dalam melakukan inferensi terhadap populasi, tidak semua ciri-ciri populasi harus
diketahui. Hanya satu atau beberapa karakteristik populasi yang diketahui, yang
disebut sebagai variabel. Contohnya untuk meneliti kepuasan pelanggan, maka
variabel yang dianggap relevan misalnya jumlah pembelian, banyaknya kunjungan,
tingkat kompain, dan sebagainya.
(Santoso, 2011)
1.7 SPSS (Statistical Product and Service Solution)
SPSS adalah software yang memiliki kemampuan analisis yang dirancang untuk
membantu pengolahan data secara statistik . Untuk keseragaman ,SPSS yang digunakan
dalam praktikum ini adalah IBM SPSS Statistic 20.
Proses statistik dengan SPSS :
Input data dengan Output data dengan
Data Editor Proses dengan Viewer
DATA EDITOR
13
1. Data yang diproses dimasukkan lewat menu DATA EDITOR yang otomatis muncul
di layar saat SPSS dijalankan.
2. Data yang telah diinput kemudian diproses, juga lewat menu DATA EDITOR.
3. Hasil pengolahan data muncul di layar (window) yang lain dari SPSS, yaitu
VIEWER Output SPSS bisa berupa teks / tulisan, tabel, atau grafik.
Pada saat IBM SPSS Statistics 20 (SPSS 20) pertama kali dibuka, selalu tampak
tampilan pertama sebagai berikut.
Window di atas disebut DATA EDITOR dan merupakan window utama pada SPSS. Di
dalam DATA EDITOR inilah akan dilakukan proses utama SPSS yakni menginput data
dan selanjutnya memproses data tersebut.
SPSS DATA EDITOR memiliki dua bagian, yaitu :
 DATA VIEW, yaitu tempat untuk menginput data statistik .Inilah yang selalu
tampil di layar.
 VARIABLE VIEW, yaitu tempat untuk menginput variabel statistik. Bagian ini
digunakan hanya pada saat memasukkan dan mendefinisikan variabel-variabel.
Langkah-langkah memasukkan data ke dalam SPSS adalah sebagai berikut :
1. Buka lembar kerja baru

Lembar kerja baru selalu dibuka jika ada pemasukan variabel yang baru. Untuk itu,
dari menu utama pilih File –New-Data.
2. Menamai variabel yang diperlukan
Langkah selanjutnya adalah membuat nama untuk setiap variabel baru. Untuk itu
digunakan VARIABLE VIEW pada data editor.
14
Berikut penjelasan mengenai kolom-kolom pada variable view yang harus diisi
untuk menambahkan variabel baru :
 Name
Kolom ini adalah kolom untuk memberikan nama untuk variabel. Jumlah
karakter yang bisa digunakan untuk memberi nama pada sebuah variabel
adalah 64 karakter (bit). Namun untuk membuat sebuah nama dalam bentuk
kalimat, gunakan tanda underline untuk penghubung. Contoh: Data_Penjualan.
 Type
Type digunakan untuk mengisi jenis tipe data sesuai dengan data yang ingin
dimasukkan. Dalam SPSS, banyak tipe data yang ditawarkan untuk tiap
variable, tetapi untuk keperluan analisis data biasanya yang digunakan adalah
tipe data string, numeric dan date. Berikut penjelasan tipe-tipe data yang ada
pada SPSS :
 Numeric : Data dalam bentuk angka.
 Comma : Data ini berbentuk numerik dan ditandai koma sebagai pembeda
ribuan.
 Dot : Data ini berbentuk numerik dan ditandai titik sebagai pembeda
ribuan.
 Scientific Notation : Data ini berbentuk numerik,dan ditandai dengan

simbol E.
15
 Date : Data berupa tanggal dan ada sejumlah pilihan type/format tanggal.
 Dollar : Data ini berbentuk numerik dan ditandai ($) dengan tanda koma
sebagai pemisah tanda ribuan.
 Custom Currency : Bentuk tipe ini digunakan untuk menampilkan format

mata uang yang dibuat melalui kotak dialog Options dari menu edit.
 String : Data dalam bentuk karakter /huruf .
 Width
Width digunakan untuk menentukan berapa banyak digit yang dapat
dimasukkan pada data tiap sel. Pilihan ini menyediakan masukan antara 1
sampai 255 digit .
 Decimals
Untuk menambahkan atau mengurangi decimal pada data berupa angka.
 Label
Label adalah keterangan untuk nama variable, yang bisa disertakan atau tidak.
Label yang tidak diisi tidak mempengaruhi proses data. Walaupun demikian,
pada input data yang banyak dan ada kemiripan, penulisan label sangat
dianjurkan untuk memperjelas identitas sebuah variabel.
 Values
Values adalah kode yang diberikan jika variabel yang digunakan kategorik.
Misalnya kita ingin menggunakan kode 1 untuk laki-laki dan kode 2 untuk
perempuan.
 Missing
Data yang dianggap hilang yang tidak akan kita ikutkan dalam analisis. Ada
tiga pilihan :
 No missing values
 Discrete missing values. Angka tertentu yang kita anggap hilang.
 Range plus one optinal discrete missing value. Jika ada data hilang dengan
range yang jelas.
 Columns
Columns adalah lebar tempat nama karakter pada NAME .Besarnya minimal
sama dengan besarnya nilai WIDTH.
 Align
Align digunakan untuk mengubah letak tampilan data seperti pada Ms.Word.
 Measure
Adalah skala pengukuran dari variabel yang bersangkutan.
16
Setelah melakukan pengisian VARIABLE VIEW, kita dapat mulai untuk

memasukkan data ke dalam DATA VIEW.
Fitur baru dalam IBM SPSS Statistics 20:
1. Bisa membuka file data lebih dari 1
2. Menu data yang lebih lengkap, seperti fitur :
 Spilt File (memisahkan isi file dengan kriteria tertentu)
 Select Case (menyeleksi isi file dengan kriteria tertentu)
 Sort Case (mengurutkan data)
1.8 Statistik Deskriptif
Statistik deskriptif adalah statistik yang berkenaan dengan bagaimana mendeskripsikan,

menggambarkan, menjabarkan atau menguraikan data sehingga mudah dipahami.
Analisis deskriptif bertujuan mengubah kumpulan data mentah menjadi mudah
dipahami dalam bentuk informasi yang lebih ringkas. Data-datanya bisa diperoleh dari
hasil sensus, survei atau pengamatan lainnya. Umumnya masih acak, harus diringkas
dengan baik dan teratur,baik dalam bentuk table atau presentasi grafis. Statistik
Deskriptif merupakan dasar pengambilan keputusan bagi Statistik Inferensi.
Dua ukuran penting yang sering dipakai dalam pengambilan keputusan adalah:
1. Mencari central tendency (kecenderungan terpusat) seperti Mean, Median, Modus, dan
lainnya.
 Mean adalah jumlah dari serangkaian data dibagi dengan jumlah data.
 Median mengukur nilai tengah dengan membagi jumlah observasi secara
seimbang dari atas ke bawah atau merupakan persentil ke lima puluh. Jika ada
urutan data : 4 5 6 6 6 6 7 8 8. Maka mediannya adalah 6.
 Modus menggambarkan nilai yang paling sering muncul atau memiliki
frekuensi terbanyak. Jika ada data : 5, 5, 6, 7, 2, 6, 5, 4, 1, 5. Modusnya
merupakan angka 5.
2. Mencari ukuran disperse seperti standard deviation, variance.
17
Variance dari sejumlah observasi adalah rata-rata kuadrat deviasi data dari rata-ratanya.
Standar deviasi adalah akar (positif) dari variance.
3. Selain central tendency dan dispersion, ukuran lain yang dipakai adalah Skewness dan
Kurtosis bertujuan untuk mengidentifikasikan model distribusi dari suatu populasi.
Skewness (kelandaian/kemiringan) adalah suatu ukuran yang dapat menyatakan model
distribusi dari suatu populasi. Terbagi menjadi 3 model kurva, yaitu model positif,
negatif dan simetris. Skewness positif mengindikasikan distribusi yang condong ke
kanan. Skewness negatif mengindikasikan distribusi yang condong ke kiri. Kurtosis
adalah pengukuran keruncingan distribusi. Semakin besar kurtosis, semakin
keruncingan akan didistribusikan. Kurtosis dihitung dan dilaporkan baik sebagai
absolut maupun nilai relatif. Nilai absolut selalu angka positif.
3. Histogram
Histrogram adalah chart yang terdiri dari diagram batang dengan tinggi yang berbeda-
beda. Tinggi masing-masing batang mewakili nilai frekuensi dalam kelas yang diwakili
oleh diagram batang.
Statistik Deskriptif terbagi atas 2, yaitu:
1. Data Tunggal,
2. Data Berkelompok.
Untuk data berkelompok ada 3 hal yang perlu diperhatikan dalam menentukan kelas
bagi distribusi frekuensi yaitu:jumlah kelas, lebar kelas dan batas kelas.
1. Data Tunggal
Contoh soal:
Pengusaha Wartel Untung Terus mempunyai 15 kios wartel yang tersebar di wilayah
Jakarta Barat dan Jakarta Utara. Sang pemilik ingin melakukan riset tentang usaha yang
telah Ia jalankan selama kurang lebih 2 tahun terakhir. Bantulah pemilik Wartel Untung
Terus melakukan analisa data agar sang pemilik mendapatkan informasi yang jelas
mengenai usaha nya tersebut. Berikut ini merupakan data pendapatan tahunan Wartel
Untung Terus di 15 kios selama tahun 2013:
18
(dalam satuan: juta )
Kios Pendapatan Kios Pendapatan Kios Pendapatan

1 10 6 25 11 18
2 20 7 10 12 20
3 15 8 12 13 15
4 17 9 25 14 25
5 20 10 17 15 12
Dari data diatas, tentukanlah
1. Nilai Mean, Median dan Modus

2. Nila Minimum dan Maximum
3. Nilai Varians, Range dan Standar Deviasi
4. Nilai Kurtosis dan Skewness
5. Kuartil 1,2,3
6. Desil 3
7. Persentil 40, 85
Langkah-langkah pengerjaan:
1. Buka IBM SPSS Statistics 20, input data sesuai dengan tabel diatas
2. Pilih menu analyze >> descriptive statistics >> frequencies. Akan muncul windows
frequencies. Kemudian masukkan Pendapatan ke kotak variable. Display frequency
tables tetap dicentang.
19
3. Pada menu statistik, pilih sesuai dengan pertanyaan soal, klik continue.
4. Pada menu chart, ada 3 Pilihan, pilih sesuai yang diperlukan (Bisa, Bar, Pie dan
Histogram khusus untuk Histogram dicentang bagian with normal curve), klik continue.
20
5. Pada menu format, pada Order by, pilih option: Ascending values (data akan menjadi
urut dari terkecil ke terbesar; artinya akan menempatkan 1 atau pria diurutan pertama
output) kemudian, Continue,OK.
6. Klik Ok
7. Interpretasi Hasil melalui Output yang sudah dihasilkan oleh aplikasi SPSS
21
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
2. Data Berkelompok
22
Contoh Soal :
Data berikut menunjukkan data berat badan 30 wanita setelah melahirkan selama bulan
Agustus 2014 di RSIA Kurnia Jakarta Selatan (data dalam kg)
Nama Berat Nama Berat Nama Berat

Pasien Badan Pasien Badan Pasien Badan
Asih 62 Mimi 53 Jenny 65
Yati 57 Marina 58 Dea 53
Ani 65 Saskia 58 Gita 49
Meli 56 Yanti 61 Ariana 50
Cindy 53 Rara 57 Britney 55
Lina 52 Nana 62 Kate 54
Susan 48 Yola 56 Christin 57
Lisa 56 Anne 55 Bella 56
Maria 60 Irena 52 Hana 60
Donita 57 Silvia 57 Rossi 59
Dari data diatas carilah :
1. Nilai Mean, Median dan Modus

2. Nila Minimum dan Maximum
3. Nilai Varians, Standar Deviasi
4. Nilai Kurtosis dan Skewness
5. Kuartil 1,2,3
6. Desil 7
7. Persentil 58
Langkah –langkah penyelesaian:
1. Hitung banyaknya kelas dan lebar kelas dengan menggunakan rumus Sturges.
k = 1+ 3.3log n l = Xmax - Xmin

k
Jawab:
k = 1+ 3.3log n
k = 1 + 3.3 log 30
k = 5,87 = 6 (pembulatan selalu ke atas)
23
l = Xmax - Xmin
k (sebelum pembulatan)
l = (65-48) / 5,87
l = 2.89
l = 3 (pembulatan normal)
2. Buka SPSS. Input data sesuai tabel.
3. Pada Menu Transform, pilih submenu Recode, pilih Into Different Variables. Akan
muncul dialog seperti dibawah ini.
3. Pada kotak dialog Recode Into Different Variables, pindahkan variable Berat_Badan
kesebelah kanan, lalu pada Output Variable, ketik: Data1 sebagai nama variable yang
baru. Pilih change dan kemudian pilih: Old and New Values.
24
4. Input range: 48 through 50 kemudian pada New Value, inputkan Value: 49 sebagai
nilai tengah dari range tersebut. Setelah itu di-add di OldNew, dan seterusnya.
Kemudian, klik Continue.
5. Klik OK. Maka akan muncul variabel baru Data1.
6. Pada menu Analyze, pilih Descriptive Statistics >> Frequencies.
7. Pindahkan variable Data1 ke sebelah kanan.
25
8. Klik Statistics, beri tanda pada ukuran yang diminta, dan klik “Values are group
midpoints”, kemudian klik Continue.
9. Pada menu Chart, pilih jenis chart yang diminta. Klik Continue
10. Klik OK, dan didapat Result sebagai berikut
26
Catatan
27
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
Soal Latihan
28
1. Seorang manajer sedang melakukan survei terhadap hasil penjualan nugget yang diproduksi
perusahaannya selama setahun ini. Berikut adalah total jumlah bungkus nugget yang
diproduksi setiap bulan (dalam ribuan).
Bulan 1 2 3 4 5 6 7 8 9 10 11 12
Total 12 15 26 31 28 21 36 46 32 18 12 10
Tentukan berikut ini :
a. Nilai mean, median, modus

b. Nilai maksimum dan minimum
c. Nilai simpangan baku dan simpangan ragam
d. Nilai kurtosis dan skewness
e. Kuartil 3
f. Desil 7 dan Persentil 85
2. PT EXIS Indonesia sedang melakukan riset terhadap sejumlah pelanggannya tentang

kuota internet yang digunakan selama 1 bulan. Hal ini menjadi tanggung jawab
Ardian sebagai staff R&D di perusahaan tersebut sehingga untuk melakukan riset Ia
mengambil sampel pelanggan sebagai berikut:
3.2GB 1GB 2GB 2.3GB 3GB 1.5GB 4.5GB 2GB 2.5GB 4GB
1.5GB 1.5GB 5GB 1.5GB 2.5GB 1GB 2GB 3.5GB 1GB 3.2GB
Dari data diatas, tentukan:

a. Nilai Median, Modus
b. Keruncingan dan kelandaian
c. Nilai minimal dan maksimal
d. Nilai Desil 7
e. Nilai Persentil 76
f. Nilai standar deviasi
3. Pak Hendri adalah seorang guru matematika di SDN 10. Murid-murid di SDN 10 baru
saja mengikuti ujian akhir sekolah. Setelah menghabiskan waktu kurang lebih 3 hari
untuk memeriksa 48 jawaban, Pak Hendri mendata nilai-nilai murid kedalam sebuah
tabel dibawah ini:
80 75 65 58 78 80
90 95 50 68 74 98
70 80 90 95 75 92
65 79 87 85 64 68
29
82 81 65 93 80 75
68 70 75 55 58 77
96 67 86 77 70 79
60 75 78 65 70 89
Tentukanlah:
a. Jumlah dan lebar kelas

b. Mean, Median, Modus, Minimum, Maximum,
c. Simpangan baku dan ragam
d. Q1, Q3, P65, D2, D8
4. Berikut adalah hasil sensus penduduk Indonesia tahun 2009 mengenai usia laki-laki
dan perempuan yang resmi menikah untuk pertama kalinya. Sebanyak 10 sampel
diambil dari populasi laki-laki dan perempuan yang berdomisili di Kota Jakarta.
Hasil data sensus pada tahun 2009
Jumlah Laki-laki Jumlah Perempuan
1 30 1 22
2 25 2 20
3 27 3 21
4 35 4 19
5 33 5 25
6 40 6 27
7 27 7 30
8 26 8 28
9 28 9 27
10 30 10 26
11 26 11 25
12 25 12 22
13 29 13 19
14 31 14 23
15 33 15 22
Dari data-data diatas, tentukanlah:
a. Nilai median dari usia laki-laki dan perempuan yang menikah untuk pertama
kalinya.
b. Nilai rata-rata dari usia laki-laki dan perempuan yang menikah untuk pertama
kalinya.
c. Kuartil 1 dan 3 usia laki-laki dan perempuan yang menikah untuk pertama kalinya.
d. Nilai varians dan standar deviasi usia laki-laki dan perempuan yang menikah untuk
pertama kalinya.
30
e. Nilai skewness dan kurtosis usia laki-laki dan perempuan yang menikah untuk
pertama kalinya.
f. Apabila pada tahun 2014 penelitian membuktikan bahwa rata-rata usia laki-
laki yang menikah untuk pertama kalinya adalah 35 dan untuk wanita adalah 27
tahun, informasi apa yang dapat anda simpulkan?
31
PERTEMUAN 2
VALIDITAS, RELIABILITAS, NORMALITAS
File untitled 1 output 1 TGL 30 sep 2015
2.1 Uji Validitas dan Reliabilitas
Salah satu instrumen yang sering dipakai dalam penelitian ilmiah adalah
kuesioner, yang bertujuan untuk mengetahui pendapat seseorang mengenai suatu hal.
Sebuah kuesioner dapat disusun dengan pertanyaan yang bersifat terbuka (berapa usia
anda saat ini, bagaimana pendapat Anda tentang Universitas Bina Nusantara) atau
pertanyaan tertutup seperti (kategori usia anda : <20 tahun atau > 20 tahun). Salah satu
skala yang sering dipakai dalam penyusunan kuesioner adalah skala likert (lihat pada
penjelasan skala likert).
Menurut Sarjono (2011) pengujian validitas merupakan sebuah proses untuk

membuktikan bahwa instrument, teknik atau proses yang digunakan dalam mengukur
sebuah konsep benar-benar mengukur konsep yang dimaksudkan dimana tujuannya
adalah untuk megukur valid tidaknya suatu item pertanyaan dari kuesioner yang
disebarkan kepada para responden yang menjadi obyek penelitian.
Dalam penelitian kualitatif yang menggunakan instrumen kuesioner sebagai

salah satu alat ukur, ada dua syarat penting yang harus dipenuhi, yaitu keharusan
sebuah kuesioner untuk Valid dan Reliabel (syarat lainnya, yaitu Tingkat ketelitian
tidak dibahas pada modul ini).
Suatu kuesioner dikatakan Valid jika pertanyaan pada suatu kuesioner mampu
untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Sedangkan
suatu angket dikatakan reliabel (andal) jika jawaban seseorang terhadap pertanyaan
adalah konsisten atau stabil dari waktu ke waktu.
Menurut Ferdinand (2014) mengatakan bahwa sebuah scale atau instrument

pengukuran data yang dihasilkan terpercaya atau reliable apabila instrument itu secara
konsisten memunculkan hasil yang sama setiap kali dilakukan pengukuran oleh karena
itu tujuan dilakukan pengujian realibilitas menurut Sarjono (2011) adalah untuk
mengukur konsistensi dari tidaknya jawaban setiap responden terhadap item-item
32
pernyataan yang berada di dalam kuesioner yang sudah disebarkan itu dapat terpecaya
atau reliable.
Pengukuran reliabilitas pada dasarnya bisa dilakukan dengan dua cara :
 Repeated Measure atau ukur ulang. Disini seseorang akan disodori pertanyaan
yang sama pada waktu berbeda, dan kemudian dilihat apakah dia tetap konsisten
dengan jawabannya.
 One short atau sekali saja. Di sini pengukuran hanya sekali dan kemudian hasilnya
dibandingkan dengan hasil pertanyaan lain.
Langkah menyusun kuesioner :
1. Menetapkan sebuah Konstrak, yaitu membuat batasan mengenai variabel yang

akan diukur. Jika ingin diteliti mengenai perilaku konsumen, maka perlu dipertegas
dahulu apa yang dimaksud dengan perilaku konsumen tersebut.
2. Menetapkan faktor-faktor, yaitu mencoba menemukan unsur-unsur yang ada pada

suatu konstrak.
3. Menyusun butir-butir pertanyaan, yaitu mencoba menjabarkan sebuah faktor lebih

lanjut dalam berbagai pertanyaan yang langsung berinteraksi dengan pengisi
kuesioner. Dalam setiap konstrak bisa terdiri dari beberapa faktor, dan setiap faktor
bisa terdiri dari beberapa butir pertanyaan, dengan catatan bahwa bisa juga setiap
faktor mempunyai jumlah butir yang tidak sama satu sama dengan yang lain.
Tujuan Analisis Validitas dan Reliabilitas :
Pengujian validitas dan reliabilitas adalah proses menguji butir-butir pertanyaan yang
ada dalam sebuah kuesioner, apakah isi dari butir pertanyaan tersebut sudah valid dan
reliabel.
Contoh :
Seorang peneliti ingin mengetahui bagaimana pengaruh antara Kualitas Pelayanan and
Kualitas Produk terhadap Loyalitas Pelanggan. Penelitian tersebut dilakukan dengan
33
membagikan kuesioner kepada 89 responden dengan memberikan 14 butir pertanyaan

dimana 5 butir pertanyaan untuk variabel Kualitas Pelayanan, 5 butir pertanyaan untuk
variabel Kualitas Produk dan 4 butir pertanyaan untuk variabel Loyalitas Pelanggan.
Hasil dari kuesioner tersebut adalah sebagai berikut:
R KuP1 KuP2 KuP3 KuP4 KuP5 KP1 KP2 KP3 KP4 KP5 LP1 LP2 LP3 LP4
R1 4 3 4 5 3 4 5 3 3 5 5 4 4 4
R2 5 4 5 4 4 5 4 4 5 5 5 4 4 4
R3 4 4 5 3 2 5 3 2 4 4 5 4 4 5
R4 5 5 5 3 5 5 3 5 5 5 4 5 4 5
R5 4 4 4 3 4 4 3 4 5 5 4 4 5 2
R6 3 5 5 4 4 5 4 4 4 4 2 5 2 4
R7 2 3 2 3 3 2 3 3 3 3 2 5 5 3
R8 2 3 2 3 3 2 3 3 2 2 5 4 5 5
R9 3 5 4 3 3 3 3 3 3 4 5 1 2 3
R10 4 3 3 2 5 3 2 5 5 5 3 5 3 3
R11 4 4 4 4 3 4 4 3 4 5 3 2 4 4
R12 4 3 3 3 4 3 3 4 3 3 2 4 4 3
R13 5 5 4 3 3 4 3 3 4 5 5 2 5 5
R14 5 5 3 3 4 3 3 4 5 1 1 2 5 2
R15 4 4 4 4 4 4 4 4 4 4 5 4 1 5
R16 4 4 4 4 4 4 4 4 4 4 5 3 2 5
R17 5 4 5 5 5 5 5 5 4 3 4 1 4 4
R18 4 4 4 4 3 4 4 3 3 4 1 4 3 3
R19 3 2 4 3 2 4 3 2 2 3 5 4 3 2
R20 4 3 4 3 2 4 3 2 3 4 3 4 3 3
R21 3 4 4 3 3 4 3 3 4 3 1 4 1 4
R22 4 4 4 5 5 4 5 5 4 4 3 2 2 2
R23 4 4 4 3 5 4 3 5 4 3 4 3 3 3
R24 3 5 5 5 5 5 5 5 3 4 1 3 4 2
R25 4 4 4 3 3 4 3 3 4 4 5 2 2 4
R26 3 2 3 3 4 3 3 4 3 4 4 4 3 4
R27 3 3 4 4 4 4 4 4 3 3 4 1 3 4
R28 2 3 3 2 3 3 2 3 3 4 1 2 4 1
R29 2 3 3 4 4 3 4 4 4 4 3 3 2 4
R30 3 3 4 4 3 4 4 3 3 3 3 2 3 3
R31 3 4 4 5 3 4 5 3 4 4 4 5 3 5
R32 2 4 4 3 4 4 3 4 4 3 1 4 3 3
R33 2 4 3 2 4 3 2 4 4 2 2 3 4 2
R34 2 4 2 4 3 2 4 3 3 3 4 4 4 4
R35 3 4 4 4 3 4 4 3 3 3 2 5 2 5
R36 3 3 3 3 4 3 3 4 3 2 2 2 2 3
R37 4 4 4 3 2 4 3 2 3 3 4 4 4 2
R38 4 5 4 4 5 4 4 5 4 4 5 4 4 2
R39 3 3 2 2 2 2 2 2 3 3 3 1 3 2
34
R40 3 4 4 3 2 4 3 2 3 4 4 3 2 3
R41 3 2 3 3 4 3 3 4 2 4 3 3 3 2
R42 5 4 4 4 4 4 4 4 4 4 4 5 5 4
R43 4 4 4 4 5 4 4 5 4 4 3 3 4 3
R44 3 3 4 5 5 4 5 5 2 2 3 3 3 4
R45 3 4 3 3 3 3 3 3 3 4 4 5 5 5
R46 4 4 3 3 5 3 3 5 4 4 4 5 5 5
R47 2 3 4 4 4 4 4 4 3 5 5 5 5 5
R48 5 5 3 4 4 3 4 4 4 5 5 5 5 5
R49 3 4 3 5 5 3 5 5 3 5 5 5 5 5
R50 5 5 4 4 5 4 4 5 4 4 5 5 5 5
R51 3 4 4 4 5 4 4 5 4 4 4 5 4 5
R52 2 3 3 4 4 3 4 4 4 4 5 4 5 4
R53 3 4 4 3 2 4 3 2 3 4 3 5 4 4
R54 3 4 4 5 2 4 5 2 4 4 4 5 5 3
R55 4 5 4 4 5 4 4 5 4 4 4 5 3 4
R56 3 3 4 5 5 4 5 5 2 2 4 5 4 5
R57 3 4 5 5 5 5 5 5 4 3 4 5 4 5
R58 4 4 4 4 3 4 4 3 5 5 5 4 4 4
R59 5 5 5 5 4 5 5 4 5 5 5 5 5 5
R60 3 3 3 4 3 3 4 3 4 4 4 3 5 4
R61 5 5 4 3 5 4 3 5 3 3 4 4 3 4
R62 4 4 4 4 4 4 4 4 4 4 5 5 3 4
R63 4 3 4 5 3 4 5 3 4 4 5 5 3 5
R64 4 4 4 4 3 4 4 3 4 4 3 5 4 3
R65 4 4 5 5 4 5 5 4 5 5 4 3 4 4
R66 5 5 5 5 5 5 5 5 5 5 5 3 4 4
R67 5 4 5 4 5 5 4 5 5 4 5 1 5 4
R68 3 3 4 5 3 4 5 3 4 4 3 4 5 2
R69 4 4 3 4 3 3 4 3 4 5 4 4 3 4
R70 3 3 4 4 4 4 4 4 3 4 5 4 2 4
R71 5 4 3 5 4 3 5 4 3 4 5 4 4 4
R72 5 3 3 4 3 3 4 3 4 4 5 4 2 1
R73 4 4 3 4 5 3 4 5 4 3 3 4 4 3
R74 3 4 4 4 3 4 4 3 3 3 4 3 4 1
R75 4 4 4 3 4 4 3 4 3 4 4 1 4 4
R76 5 4 3 3 4 3 3 4 4 4 3 4 2 1
R77 5 5 4 4 3 4 4 3 3 3 3 4 4 2
R78 4 5 5 5 4 5 5 4 3 4 3 5 3 4
R79 3 5 4 3 3 4 3 3 4 5 1 4 2 4
R80 3 4 3 4 3 3 4 3 4 3 2 4 3 3
R81 5 5 4 4 4 4 4 4 3 4 4 3 4 1
R82 3 4 5 4 4 5 4 4 5 3 4 3 2 1
R83 4 5 4 5 4 4 5 4 5 3 1 1 3 4
R84 3 5 3 3 4 1 5 4 4 3 3 2 4 4
R85 4 5 4 5 4 4 5 4 4 4 2 3 4 3
35
R86 5 5 4 4 5 4 4 5 4 5 5 3 5 2
R87 4 4 4 4 3 4 4 3 5 5 5 4 5 3
R88 4 5 3 3 3 3 3 3 5 4 4 3 4 3
Dari hasil kuesioner tersebut lakukanlah pengujian apakah data tersebut valid
dan reliabel. Untuk melakukan pengujian validitas dan reliabilitas, data harus di
run per variabel.
Untuk menguji validitas sebuah kuesioner, diperlukan perhitungan R hitung dan Rtabel.
Langkah-langkah untuk mencari Rtabel adalah sebagai berikut:
1. Masukkan data pada butir KuP1 hingga LP5 ke dalam SPSS.
36
2. Pilih menu Transform, kemudian pilih submenu Compute Variable.
3. Pada window Compute Variable, lakukan pengisian sebagai berikut:
 Isi Target Variable dengan huruf t.
 Pada Function group pilihlah Inverse DF, kemudian pada Function and Special
Variables double klik Idf.T
37
4. Tanda tanya (?) pertama pada kolom Numeric Expression diisi dengan probability,
dimana pada soal ini berarti (1 – α = 1 – 0,05 = ) 0,95. (diinput 0.95)
5. Tanda tanya (?) kedua pada kolom Numeric Expression diisi dengan df, dimana pada
soal ini berarti (n – 2 = 88-2 =) 86. Tampilan akan seperti dibawah ini.
6. Klik ok, dan di data view akan muncul kolom t.
7. Pilih kembali menu Transform, lalu klik submenu Compute Variable.

8. Ganti huruf t pada Target variable dengan huruf r.
9. Hapus Numeric Expression dan ganti sesuai dengan rumus:
t/sqrt(df+t**2)
38
yang berarti pada kasus ini diisi: t/sqrt(86+t**2)

10. Tampilan akan seperti dibawah ini.
11. Klik OK dan akan muncul kolom r di data view. Itulah nilai Rtabel.
Langkah-langkah untuk mencari Rhitung:
1. Dari menu Analyze, pilih submenu Scale, kemudian Reliability Analysis.
2. Pada window Reliability Analysis lakukan pengisian sebagai berikut:
 Masukkan semua variabel (KuP1-KuP5) ke kotak Items yang ada di sebelah

kanan.
39
 Pada bagian Model, biarkan pilihan pada Α.
 Klik menu Statistics, dana ada bagian Descriptive for (kiri atas), centang
ketiga pilihan (Item, Scale, Scale if item deleted), kemudian klik Continue
untuk kembali ke window utama.
3. Klik OK dan akan muncul hasil sebagai berikut.
Case Processing Summary

N %
Valid 88 100.0
a
Cases Excluded 0 .0
Total 88 100.0
a. Listwise deletion based on all variables in the procedure.
Reliability Statistics
Cronbach's Α N of Items
.669 5
40
Item Statistics
Mean Std. Deviation N
KuP1 3.6591 .92085 88
KuP2 3.9432 .79304 88
KuP3 3.7955 .74524 88
KuP4 3.7955 .83265 88
KuP5 3.7386 .92841 88
Item-Total Statistics
Scale Mean if Scale Variance if Corrected Item- Cronbach's Α if
Item Deleted Item Deleted Total Correlation Item Deleted
KuP1 15.2727 4.982 .460 .600
KuP2 14.9886 5.391 .462 .602
KuP3 15.1364 5.429 .499 .589
KuP4 15.1364 5.590 .365 .643
KuP5 15.1932 5.353 .350 .654
Scale Statistics
Mean Variance Std. Deviation N of Items
18.9318 7.719 2.77839 5
41
Catatan
DPK= data pengambilan keputusan
R hitung > r total -> ho diterima
R hitung < r total -> ho tidak diterima
Jawaban
No R hitung tanda R tabel
Kup1 0.460 > .18
Kup2 0.462 > .18
Kup3 0.499 > .18
Kup4 0.365 > .18
Nb: kalo ada r hitung yg kecil dari r table hilangin aja dari hitungan
Dan biikin table yg ada non valid dan yg gak ada non valid
Cara nulisnya Kesimpulan:
1. Butir pertanyaan kup1 valid
2. Sama sampe butir terakhir
3. Semua butir pertanyaan valid
Reabilitas
Hipotesis
Ho = data/butir pertanyaan ke ….. realible
Ho = data/butir pertanyaan ke ….. tidak realible
DPK.
R > r table -> ho diterima
R < r table -> ho tidak diterima
42
r = 0.669 >0.18 -> ho diterima
kesimpulan:
data/butir pertanyaan kualitas produk reliable
File untitled 2 output 2 TGL 30 sep 2015
2.2 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah distribusi data mengikuti

atau mendekati distribusi normal atau tidak (Sarjono dan Julianita, 2011: 53). Pada
dasarnya uji normalitas adalah membandingkan antara data yang kita miliki dan data
berdistribusi normal yang memiliki mean dan standar deviasi yang sama dengan data
kita. Uji normaltias menjadi hal yang penting karena salah satu syarat pengujian
parametrik adalah data harus berdistribusi normal. Menurut Budiawan (2012: 58),
secara teoritis, semakin besar jumlah sampel, maka data akan cenderung berdistribusi
normal. Uji ini biasanya digunakan untuk mengukur data berskala ordinal, interval,
maupun rasio.
Berikut merupakan Dasar Pengambilan Keputusan (DPK) dalam Uji Normalitas (α

dalam penelitian ini sebesar 5%  0,05) :
Untuk jumlah responden 50  lihat sig pada table Shapiro Wilk
Untuk jumlah responden > 50  lihat sig pada table Kolmogorov Smirnov
o Jika sig > maka data berdistribusi normal.
o Jika sig < maka data berdistribusi tidak normal.
Kualitas Kualitas Loyalitas Kualitas Kualitas Loyalitas

Resp pelayanan Produk Pelanggan Resp pelayanan Produk Pelanggan
1 3.8 4 4.25 45 3.2 3.2 4.75
2 4.4 4.6 4.25 46 3.8 3.8 4.75
3 3.6 3.6 4.5 47 3.4 4 5
4 4.6 4.6 4.5 48 4.2 4 5
43
5 3.8 4.2 3.75 49 4 4.2 5

6 4.2 4.2 3.25 50 4.6 4.2 5
7 2.6 2.8 3.75 51 4 4.2 4.5
8 2.6 2.4 4.75 52 3.2 3.8 4.5
9 3.6 3.2 2.75 53 3.2 3.2 4
10 3.4 4 3.5 54 3.6 3.8 4.25
11 3.8 4 3.25 55 4.4 4.2 4
12 3.4 3.2 3.25 56 4 3.6 4.5
13 4 3.8 4.25 57 4.4 4.4 4.5
14 4 3.2 2.5 58 3.8 4.2 4.25
15 4 4 3.75 59 4.8 4.8 5
16 4 4 3.75 60 3.2 3.6 4
17 4.8 4.4 3.25 61 4.4 3.6 3.75
18 3.8 3.6 2.75 62 4 4 4.25
19 2.8 2.8 3.5 63 3.8 4 4.5
20 3.2 3.2 3.25 64 3.8 3.8 3.75
21 3.4 3.4 2.5 65 4.4 4.8 3.75
22 4.4 4.4 2.25 66 5 5 4
23 4 3.8 3.25 67 4.6 4.6 3.75
24 4.6 4.4 2.5 68 3.6 4 3.5
25 3.6 3.6 3.25 69 3.6 3.8 3.75
26 3 3.4 3.75 70 3.6 3.8 3.75
27 3.6 3.6 3 71 4.2 3.8 4.25
28 2.6 3 2 72 3.6 3.6 3
29 3.2 3.8 3 73 4 3.8 3.5
30 3.4 3.4 2.75 74 3.6 3.4 3
31 3.8 4 4.25 75 3.8 3.6 3.25
32 3.4 3.6 2.75 76 3.8 3.6 2.5
33 3 3 2.75 77 4.2 3.4 3.25
34 3 3 4 78 4.6 4.2 3.75
35 3.6 3.4 3.5 79 3.6 3.8 2.75
36 3.2 3 2.25 80 3.4 3.4 3
37 3.4 3 3.5 81 4.4 3.8 3
38 4.4 4.2 3.75 82 4 4.2 2.5
39 2.4 2.4 2.25 83 4.4 4.2 2.25
40 3.2 3.2 3 84 3.6 3.4 3.25
41 3 3.2 2.75 85 4.4 4.2 3
42 4.2 4 4.5 86 4.6 4.4 3.75
43 4.2 4.2 3.25 87 3.8 4.2 4.25
44 4 3.6 3.25 88 3.6 3.6 3.5
44
Langkah-langkah:
1. Input data di atas pada SPSS
2. Dari menu Analyze, pilih Descriptive Statistics, kemudian pilih Explore.
3. Masukkan variabel Kualitas Pelayanan, Kualitas Produk dan Loyalitas Pelanggan pada
kotak Dependent List.
45
4. Pada menu Plots, centang opsi “Normality plots with tests” dan kosongkan opsi yang
lain dan tekan Continue.
5. Pada bagian Display (kiri bawah), pilihlah opsi Plots dan klik OK.
6. Hasil output:
46
Tests of Normality
Kolmogorov- Shapiro-Wilk
Smirnova
Statistic df Sig. Statistic df Sig.
KualitasPelayanan 0.085 88 0.165 0.98 88 0.195
KualitasProduk 0.093 88 0.06 0.981 88 0.217
Loyalitas
Pelanggan 0.094 88 0.051 0.972 88 0.051
a. Lilliefors Significance Correction
Catatan
Hipotesa
Ho = data kualitas produk berdistribusi normal
Ha = data kualitas produk berdistribusi tidak normal
DPK
Kalo alpha gak dikasih tau pake alpha mutlak 5%
Sig > -> ho
Sig < -> ha
*kalo gaada rata” cari dulu
*data
Kalo data> 50 sig make yg Kolmogorov
Kalo data< 50 sig make yg Shapiro
Cara Jawab:
47
sig Tanda alpha ket
KP > 0.05 normal

0.165
KPr > 0.05 “
0.6
LP > 0.05 “
0.051
Data kulitas pelayanan berdistribusi normal
Data kulitas produk berdistribusi normal
Data loyalitas pelanggan berdistribusi normal
48
Soal Latihan
1. Evantia adalah seorang Entrepreneur yang sedang ingin memulai sebuah usaha dalam
bidang kuliner makanan cepat saji yaitu potato burger yang Ia temukan. Untuk
melihat ketertarikan pasar terhadap potato burger ciptaannya, Evantia menyebar
kuisioner berskala likert yang berisi 10 butir pertanyaan kepada 3 0 responden secara
acak. Berikut adalah hasil kuisioner tersebut :
No. Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10
1 3 4 4 5 4 4 4 4 4 4
2 3 3 2 2 2 3 4 3 2 3
3 1 2 3 3 2 3 4 3 2 3
4 1 2 2 2 2 3 2 1 2 2
5 1 2 2 2 1 2 3 4 5 4
6 5 4 4 5 4 5 4 3 2 1
7 1 2 1 2 1 2 3 4 4 4
8 5 4 3 4 5 4 3 4 5 4
9 5 4 4 3 4 5 4 3 4 4
10 3 4 4 4 5 4 4 5 4 3
11 3 3 3 3 4 4 3 2 2 1
12 3 4 4 5 4 3 3 3 2 3
13 2 1 2 1 2 2 3 3 4 4
14 3 3 4 4 3 3 2 1 2 2
15 3 2 2 1 2 3 4 3 2 3
16 3 4 5 4 4 3 2 1 2 3
17 1 2 1 2 2 1 2 2 3 2
18 1 2 2 2 3 3 3 2 1 2
19 2 1 2 1 2 1 2 2 1 2
20 1 2 1 2 3 2 1 2 3 4
21 4 5 4 5 4 3 2 2 2 1
22 5 4 5 4 4 5 4 3 3 4
23 5 4 5 4 4 3 3 4 5 4
24 2 3 2 3 4 3 4 5 4 4
25 3 4 5 4 5 4 4 5 4 3
26 2 2 2 3 3 3 4 3 2 2
27 2 2 1 2 1 2 3 2 3 3
28 4 4 3 2 1 2 1 2 1 2
29 2 1 2 2 1 2 2 2 1 2
30 4 5 4 5 4 4 5 4 3 3
Pertanyaan:
49
a. Apakah kuisioner yang dibuat oleh Evantia valid dan reliabel?

b. Lakukan pula uji normalitas untuk variable ketertarikan pasar!
2. Akan di uji validitas dan reliabilitas variabel kepuasan kerja. Variabel ini berjumlah 5
indikator yang diadaptasi dari Intrinsic factor dari teori dua factor Herzberg meliputi
pekerjaan itu sendiri, keberhasilan yang diraih, kesempatan bertumbuh, kemajuan
dalam karier dan pengakuan orang lain.
Skala yang digunakan adalah skala Likert 1 – 5 dengan jumlah sampel sebanyak 30.
Setelah angket ditabulasi maka diperoleh data sebagai berikut:
P1 P2 P3 P4 P5
Setuju Setuju Setuju Setuju Setuju
Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu
Setuju Setuju Setuju Ragu-ragu Setuju
Ragu-ragu Ragu-ragu Setuju Ragu-ragu Ragu-ragu
Sangat Setuju Setuju Setuju Setuju Setuju
Ragu-ragu Setuju Ragu-ragu Ragu-ragu Setuju
Setuju Setuju Setuju Ragu-ragu Setuju
Ragu-ragu Ragu-ragu Ragu-ragu Setuju Ragu-ragu
Setuju Ragu-ragu Setuju Ragu-ragu Ragu-ragu
Setuju Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu
Ragu-ragu Ragu-ragu Setuju Setuju Ragu-ragu
Setuju Ragu-ragu Setuju Setuju Ragu-ragu
Tidak Setuju Tidak Setuju Ragu-ragu Tidak Setuju Tidak Setuju
Setuju Setuju Setuju Setuju Tidak Setuju
50
Setuju Setuju Setuju Ragu-ragu Ragu-ragu
a. Apakah seluruh pertanyaan tersebut valid dan reliabel?

b. Apakah variable kerja berdistribusi normal?
51
PERTEMUAN 3
KORELASI
Korelasi adalah asosiasi (hubungan) antara variabel-variabel yang diminati, apakah data
sampel yang ada menyediakan bukti cukup bahwa ada kaitan antara variabel-variabel
dalam populasi asal sampel, jika ada hubungan, seberapa kuat hubungan antar variabel
tersebut. Keeratan hubungan itu dinyatakan dengan nama koefisien korelasi atau bisa
disebut korelasi saja. Perlu dicatat bahwa dalam korelasi kita belum menentukan
dengan pasti variabel independent dan dependent-nya seperti yang kita lakukan dalam
analisis regresi.
3.1 Korelasi Bivariat
Adalah mengukur keeratan hubungan diantara hasil-hasil pengamatan dari populasi

yang mempunyai dua varian (bivariate). Perhitungan ini mensyaratkan bahwa populasi
asal sampel mempunyai dua varian dan berdistribusi normal. Korelasi yang digunakan
adalah korelasi pearson yang untuk mengukur korelasi data interval dan rasio.
Contoh soal: menggunakan data Kualitas Pelayanan, Kualitas Produk, dan Loyalitas
Pelanggan
Langkah – langkah pengujian dalam spss :
1. Masukkan data seperti contoh sebelumnya.
2. Untuk melakukan pengujian kolerasi, maka pilihlah menu Analyze – Correlate –

Bivariate.
52
3. Pindahkan variabel yang akan diuji ke bagian Variables.
4. Klik bagian tombol Option sehingga muncul layar dibawah ini.
Keterangan :
o Pada bagian Statistics merupakan pilihan yang digunakan untuk menampilkan

statistik deskritif ringkas dari data-data yang akan dikolerasi.
53
o Pada bagian Missing values atau perlakuan kolerasi sehubungan dengan adanya
data yang tidak tersedia pada kasus, SPSS menyediakan 2 alternatif perlakuan :
 Exclude cases pairwise, yaitu pasangan yang salah satu tidak ada datanya
tidak akan dimasukkan dalam perhitungan.
 Exclude cases listwise, yaitu data yang tidak dimasukkan dalam perhitungan
adalah data yang hilang atau missing data.
5. Untuk keseragaman maka yang digunakan adalah pairwise, kemudian tekan Continue
– Ok. Setelah di ok, maka akan muncul result seperti gambar dibawah ini.
Descriptive Statistics
Mean Std. N
Deviation
KualitasPelayanan 3.7864 0.55568 88
KualitasProduk 3.7682 0.52073 88

Loyalitas
Pelanggan 3.5938 0.76217 88
Correlations
Kualitas Kualitas Loyalitas
Pelayanan Produk Pelanggan
Pearson
Correlation 1 .850** .215*
Sig. (2-tailed) 0 0.045
KualitasPelayanan N 88 88 88
Pearson
Correlation .850** 1 .320**
Sig. (2-tailed) 0 0.002
KualitasProduk N 88 88 88
Pearson
Correlation .215* .320** 1
Loyalitas Sig. (2-tailed) 0.045 0.002
Pelanggan N 88 88 88
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
54
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
3.2 Korelasi Partial
Tujuan dari pengujian korelasi parsial adalah untuk menggambarkan derajat korelasi
antara dua buah variabel independen setelah pengaruh variabel lainnya dikontrol
(secara statistik)
55
Contoh soal : menggunakan data Kualitas Pelayanan, Kualitas Produk, dan Loyalitas
Pelanggan. Manajer ingin mengetahui apakah terdapat hubungan antara kualitas produk
dengan loyalitas pelanggan dan kualitas pelayanan sebagai variabel pengontrol.
1. Masukkan data seperti contoh sebelumnya.
2. Untuk melakukan pengujian kolerasi, maka pilihlah menu Analyze – Correlate –

Bivariate.
3. Pindahkan variable Kualitas produk dan loyalitas pelanggan kebagian Variables dan
variable kualitas pelayanan ke bagian Controlling for.
56
4. Klik bagian tombol Option sehingga muncul layar dibawah ini
Keterangan :
o Pada bagian Statistics merupakan pilihan yang digunakan untuk menampilkan

statistik deskritif ringkas dari data-data yang akan dikolerasi
o Pada bagian Missing values atau perlakuan kolerasi sehubungan dengan adanya
data yang tidak tersedia pada kasus, SPSS menyediakan 2 alternatif perlakuan :
 Exclude cases pairwise, yaitu pasangan yang salah satu tidak ada datanya
tidak akan dimasukkan dalam perhitungan.
 Exclude cases listwise, yaitu data yang tidak dimasukkan dalam perhitungan
adalah data yang hilang atau missing data.
5. Untuk keseragaman maka yang digunakan adalah pairwise, kemudian tekan

Continue – Ok. Setelah di ok, maka akan muncul result seperti gambar dibawah ini.
Correlations
Control Variables Kualitas Loyalitas Kualitas
Produk Pelanggan Pelayanan
-none-a KualitasProduk Correlation 1 0.32 0.85
57
Significance
(2-tailed) . 0.002 0
df 0 86 86
Correlation 0.32 1 0.215
Significance
LoyalitasPelangg (2-tailed) 0.002 . 0.045
an df 86 0 86
Correlation 0.85 0.215 1
Significance
KualitasPelayana (2-tailed) 0 0.045 .
n df 86 86 0
Correlation 1 0.268
Significance
(2-tailed) . 0.012
KualitasProduk df 0 85
Correlation 0.268 1
Significance
LoyalitasPelangg (2-tailed) 0.012 .
KualitasPelayanan an df 85 0
a. Cells contain zero-order (Pearson) correlations.
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
58
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
Soal Latihan :
1. Seorang dosen matematika, ingin meneliti apakah terdapat hubungan kehadiran

dikelas dengan nilai akhir mahasiswa. Berikut hasil sampel yang diperoleh:
No Kehadiran di kelas Nilai akhir

(%)
1 60 65
2 70 70
3 75 75
4 80 75
5 80 80
6 90 80
7 95 85
8 95 95
9 100 90
10 100 98
11 70 75
12 80 75
13 85 80
59
14 90 80
15 65 85
16 100 95
17 80 90
18 85 98
19 90 75
20 65 80
Lakukan pengujian untuk mengetahui apakah terdapat hubungan atau tidak!
2. Baey ingin mengetahui apakah terdapat hubungan antara pendapatan seseorang

dengan pengeluaran per bulan. Berikut data hasil wawancara kepada 10 orang.
Bantulah Baey untuk mengetahui apakah terdapat hubungan antara kedua variabel
tersebut.
Nama Pendapatan (Juta) Pengeluaran (Juta)

Young 8.2 3.2
Riky 9.2 3.2
Kelvin 7 2.5
Incen 6.3 1.8
Olan 7.5 2
Nans 8.4 2
Jon 7.7 3.3
Minul 8 4
Pacho 9.11 3.2
3. Yoomes Bond ingin melakukan penelitian dengan menggunakan alat ukur skala.
Yoomes ingin meneliti tentang hubungan antara kecerdasan dengan prestasi belajar jika
terdapat faktor tingkat stress pada siswa yang diduga sebagai variabel yang mengontrol.
Tiap-tiap variabel dibuat beberapa butir pertanyaan dengan menggunakan skala Likert,
yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju dan 4 = Sangat Setuju.
Setelah membagikan skala kepada 12 responden didapatlah skor total item-item yaitu
sebagai berikut:
Kecerdasan Tingkat Stress Prestasi Belajar
32 24 58
31 27 52
20 33 48
60
33 26 49
33 25 52
34 25 57
31 29 55
20 30 50
20 33 48
34 27 54
35 28 56
Tentukanlah:
a. Apakah terdapat hubungan antara tingkat stress dengan prestasi belajar?
b. Apakah terdapat hubungan antara kecerdasan dengan prestasi belajar dengan
tingkat stress sebagai variabel pengontrol?
4. PT.Kelana dalam tahun lalu telah menerapkan system elogistic dengan tujuan agar
dapat meningkatkan produktivitas karyawan. Sehingga manajer PT. Kelana ingin
melihat apakah sebenarnya produktivitas karyawan dari perusahaan PT. Kelana
dipengaruhi oleh elogistic atau tidak, dimana tingkat motivasi karyawan sebagai
Variabel pengontrol. Bantulah manajer PT.Kelana untuk melakukan penelitiannya
dengan menggunakan data-data dibawah ini :
E- logistic Motivasi Karyawan Produktivitas karyawan

55 65 90
20 13 80
85 79 130
65 53 116
45 43 84
70 62 140
35 18 120
60 75 88
95 84 83
65 68 108
85 72 131
10 10 134
75 64 180
61
80 82 50
50 46 30
90 95 80
75 82 131
45 42 134
65 73 180
50 80 99
62
PERTEMUAN 4
ASUMSI KLASIK
Persamaan regresi perlu meyakinkan linearitasnya dan memenuhi tingkat validitas,

ketepatan dalam estimasi, tidak bias dan konsisten yang diharapkan untuk memenuhi
peramalan. Hal ini membutuhkan uji asumsi klasik dengan menggunakan Uji
Normalitas, Uji Multikolinearitas, Uji Heterokedastisitas, dan Uji Autokorelasi.
4.1 Uji Multikolinearitas
Model regresi linear berganda mengasumsikan bahwa tidak terjadi korelasi signifikan
antarvariabel bebasnya. Uji multikolinearitas bertujuan untuk menguji apakah dalam
model regresi ditemukan adanya korelasi yang tinggi atau sempurna antar variabel
independen. Jika antar variabel independen terjadi multikolinearitas sempurna,maka
koefisien regresi variabel tersebut tidak dapat ditentukan dan nilai standard error
menjadi tak terhingga .
Contoh data : Masih menggunakan data Kualitas Pelayanan, Kualitas Produk, dan
Loyalitas Pelanggan
Berikut langkah uji multikolinearitas.
1. Masukkan data ke dalam IBM SPSS v.20 seperti gambar berikut.
2. Dari menu utama SPSS, pilih menu Analyze, kemudian submenu Regression, lalu pilih
Linear. Maka akan muncul kotak dialog sebagai berikut.
63
Masukkan variabel yang dipengaruhi (dependen) dan variabel yang mempengaruhi

(independen) ke kotaknya masing-masing.
3. Pilih Statistics. Kemudian Checklist Estimates, Covariance Matrix (meminta matrik
korelasi antar variabel independen), Model Fit (meminta koefisien determinasi R2),
Part and Partial correlation (meminta korelasi parsial dan zero order correlation) dan
Colinearity diagnostics (meminta nilai tolerance dan VIF).
4. Klik OK. Berikut hasil output SPSS.
Coefficientsa
64
Model Unstandardized Standardized t Sig. Correlations Collinearity

Coefficients Coefficients Statistics
B Std. Beta Zero- Partial Part Tolerance VIF

Error order
(Constant) 1.932 0.577 3.35 0.001
- - -
KualitasPelayanan 0.285 0.266 -0.208 1.072 0.287 0.215 -0.116 0.109 0.277 3.607
1 Kualitas Produk 0.728 0.284 0.497 2.565 0.012 0.32 0.268 0.262 0.277 3.607
a. Dependent Variable: LoyalitasPelanggan
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
65
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
4.2 Uji Heteroskedastisitas
Untuk mengetahui keadaan dimana terjadinya ketidaksamaan varian dari data pada
model regresi, perlu dilakukan uji heteroskedastisitas.
Uji Korelasi Spearman Rank
Pengujian dilakukan dengan mencari korelasi antara nilai residual dengan variable
bebasnya. Jika ditemukan adanya korelasi antara variable bebas dengan nilai residual,
maka dapat disimpulkan terjadi heterokedastisitas.
Masih menggunakan data Kualitas Pelayanan, Kualitas Produk, dan Loyalitas

Pelanggan, berikut langkah-langkah uji heteroskedastisitas :
66

2. Pilih Save kemudian pada bagian Residuals pilih Unstandardized (Untuk memunculkan
nilai residual).
67
Lalu klik Continue >> OK. Hasil akan muncul di input SPSS.
3. Setelah muncul nilai residual, dilanjukan dengan analisis korelasi. Pilih menu Analyze
>> Correlate >> Bivariate.
4. Pindahkan variabel KualitasPelayanan, KualitasProduk, dan Unstandardized

Residuals ke kotak variabel. Kemudian centang Spearman pada Coefficient
Correlation.
5. Klik OK.
68
Correlations
Kualitas Kualitas Unstandardized
Pelayanan Produk Residual
Correlation
Coefficient 1 .814** 0.048
Sig. (2-tailed) . 0 0.658
KualitasPelayanan N 88 88 88
Correlation
Coefficient .814** 1 0.071
Sig. (2-tailed) 0 . 0.51
KualitasProduk N 88 88 88
Correlation
Coefficient 0.048 0.071 1
Spearman' Unstandardized Sig. (2-tailed) 0.658 0.51 .
s rho Residual N 88 88 88
**. Correlation is significant at the 0.01 level (2-tailed).
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
69
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
4.3 Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada
korelasi antar kesalahan pengganggu (residual) pada periode t dengan kesalahan
periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem
autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu
berkaitan satu sama lainnya. Autokorelasi sering muncul pada data time series.
Sedangkan pada data cross section, masalah autokorelasi relative jarang terjadi. Dalam
penelitian ini akan digunakan metode pengujian Run Test. Run Test digunakan untuk
menguji apakah antar residual terdapat korelasi yang tinggi. Jika ya, maka terjadi
masalah autokorelasi.
Berikut langkah-langkah melakukan uji Run Test :
1. Menggunakan data yang sebelumnya.

2. Pilih menu analyze >> non parametrics test >> legacy dialogs >> runs.
70
3. Pada kotak Test Variable List, isikan Unstandardized Residual (res_1). Pilih Cut Point
Median.
4. Klik Continue-OK. Maka akan muncul output SPSS seperti berikut.
Runs Test
Unstandardized
Residual
Test Valuea -.03251
71
Cases < Test Value 44

Cases >= Test Value 44
Total Cases 88
Number of Runs 27
Z -3.860
Asymp. Sig. (2-tailed) .000
a. Median
Note :
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi
linear berganda yang berbasis ordinary least square (OLS). Jadi analisis regresi yang
tidak berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi
logistik atau regresi ordinal. Demikian juga tidak semua uji asumsi klasik harus
dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dilakukan
pada analisis regresi linear sederhana dan uji autokorelasi tidak perlu diterapkan pada
data cross sectional.
Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear yang bertujuan
untuk menghitung nilai pada variabel tertentu. Misalnya nilai return saham yang
dihitung dengan market model, atau market adjusted model. Perhitungan nilai return
yang diharapkan dapat dilakukan dengan persamaan regresi, tetapi tidak perlu diuji
asumsi klasik.
72
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
73
Soal Latihan
4. Seorang mahasiswa manajemen sedang melakukan penelitian

mengenai faktor yang mempengaruhi kepuasan kerja karyawan. Berikut data yang
berhasil terkumpul :
Kualitas
Hubungan Kesempatan Kepuasan
No. Lingkungan
dengan Atasan Jenjang Karir Kerja
kerja
1 4.14 4.75 4.57 5.08
2 3.21 3 2.86 3.05
3 3.29 3.5 3.43 3.5
4 2.86 2.5 2.57 2.54
5 3.43 3.75 3.71 3.73
6 3.36 3.75 2.57 3.73
7 3.07 3.5 3.14 2.8
8 3.36 3.5 3.86 3.25
9 3.71 2.25 3.86 2.8
10 3.21 4.5 3.86 3.73
11 3.5 3.75 3.71 3.02
12 4 4.5 3.71 3.73
13 3.64 2.75 3.86 2.8
14 4.21 3.75 3.29 3.25
15 2.86 3.75 3.71 3.25
16 3.14 4.25 3.57 2.51
17 4.5 3.75 4.29 3.73
18 2.93 3.5 4.57 4.48
19 3.79 4.5 3.71 3.73
20 3.5 2.75 3.57 3.85
21 3.5 3.25 3.86 4.1
22 3.57 3 3.14 3.62
23 3.5 4 2.86 2.8
24 3.14 2.75 3.71 3.25
25 3.36 4 2.57 3.73
Lakukan pengujian asumsi klasik untuk data di atas!
5. Mahasiswa jurusan manajemen bernama Ferlyn ingin bagaimana

prestasi kerja karyawan. Faktor apa saja yang mempengaruhinya. Ferlyn membagikan
kuesioner kepada 30 orang karyawan yang diambil secara acak. Berikut hasil yang
diperoleh :
74
Motivasi Kepuasan Prestasi

kerja kerja kerja
3.79 4.00 3.57
3.57 4.00 3.71
3.00 2.50 2.71
4.64 5.00 4.86
3.50 3.50 3.29
3.57 3.50 3.57
3.00 2.25 2.57
3.43 3.25 3.29
3.93 4.25 4.14
3.50 3.75 3.57
3.43 3.50 3.57
3.86 4.25 4.14
3.29 3.50 3.43
3.00 2.75 3.00
3.93 4.50 4.29
4.36 5.00 4.71
3.93 4.50 4.14
3.14 3.25 3.29
3.50 3.75 3.71
4.07 4.50 4.14
3.71 4.25 4.00
4.36 4.75 4.43
3.79 4.25 4.14
3.86 4.25 4.00
3.86 4.00 3.86
3.36 3.25 3.29
3.71 4.25 3.71
3.86 4.00 3.86
3.29 3.50 3.14
3.64 4.00 3.71
Apakah data tersebut layak digunakan dalam pengujian regresi berganda ?
75
PERTEMUAN 5
REGRESI
5.1 Regresi Sederhana
Dalam analisis Regresi sederhana akan dikembangkan sebuah estimating equation

(persamaan regresi), yaitu suatu formula yang mencari nilai variabel dependen dari
nilai variabel independen yang diketahui, dimana kedua variabel tersebut masing
masing hanya satu. Analisis Regresi digunakan terutama untuk tujuan peramalan.
Contoh soal : Masih menggunakan data Kualitas Pelayanan, dan Loyalitas Pelanggan
.
76
3. Pilih Statistics. Kemudian Checklist Estimates, Model Fit, dan Descriptives.
4. Klik Continue dan selanjutnya pilih Plots. Atur seperti gambar dibawah ini.
5. Klik Save dan pilih opsi Unstandarized pada Predicted value.
77
6. Klik Option, pada Stepping Method Criteria, pilih : Entry .05(uji F yang mengambil
standar angka probabilitas sebesar 5%). Beri tanda pada Include constant in equation
(menyertakan konstanta tetap dipilih). Pada Missing Value, pilih: Exclude cases
listwise (data kasus tidak ada yang hilang). Kemudian Continue.
7. Klik OK untuk melihat output
ANOVAa
78
Model Sum of df Mean F Sig.

Squares Square
Regression 2.331 1 2.331 4.158 .045b

Residual 48.208 86 0.561
1 Total 50.539 87
b. Predictors: (Constant), Kualitas Pelayanan
Model Summaryb
Model R R Square Adjusted R Std. Error of the
Square Estimate
1 .215a 0.046 0.035 0.74871

a. Predictors: (Constant), KualitasPelayanan
b. Dependent Variable: LoyalitasPelanggan
Coefficientsa
Model Unstandardized Standardized t Sig.
Coefficients Coefficients
B Std. Beta
Error
(Constant) 2.479 0.553 4.484 0
1 KualitasPelayanan 0.295 0.144 0.215 2.039 0.045
79
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
80
5.2 Regresi Berganda
Seperti yang diuraikan diatas, jika pada Regresi sederhana hanya ada satu variabel
dependen (Y) dan satu variabel independent (X), maka pada kasus Regresi berganda,
terdapat satu variabel dependen dan lebih dari satu variabel independent. Dalam
praktek bisnis, regresi berganda justru lebih banyak digunakan, selain karena
banyaknya variabel dalam bisnis yang perlu dianalisis bersama, juga pada banyak kasus
regresi berganda lebih relevan digunakan.
Contoh Soal: Masih menggunakan data KualitasPelayanan, dan Loyalitas Pelanggan
Langkah-langkah penyelesaian:
81

3. Pilih Statistics. Kemudian Checklist Estimates, Model Fit, dan Descriptives.
4. Klik continue dan selanjutnya pilih Plots. Atur seperti gambar dibawah ini
5. Klik Save dan pilih opsi Unstandarized pada Predicted value.
82
(menyertakan konstanta tetap dipilih). Pada Missing Value, pilih: Exclude cases listwise
(data kasus tidak ada yang hilang). Kemudian Continue.
(menyertakan konstanta tetap dipilih). Pada Missing Value, pilih: Exclude cases listwise
(data kasus tidak ada yang hilang). Kemudian Continue.
8. Klik OK untuk melihat output.
Descriptive Statistics
Mean Std. N
Deviation
Loyalitas
Pelanggan 3.5938 0.76217 88
83
Kualitas Pelayanan 3.7864 0.55568 88

Kualitas Produk 3.7682 0.52073 88
Correlations
Loyalitas Kualitas Kualitas Produk
Pelanggan Pelayanan
Loyalitas
Pelanggan 1 0.215 0.32
Kualitas
Pearson Pelayanan 0.215 1 0.85
Correlation Kualitas Produk 0.32 0.85 1
Loyalitas
Pelanggan . 0.022 0.001
Kualitas
Pelayanan 0.022 . 0
Sig. (1-tailed) Kualitas Produk 0.001 0 .
Loyalitas
Pelanggan 88 88 88
Kualitas
Pelayanan 88 88 88
N Kualitas Produk 88 88 88
Model Summaryb
Model R R Square Adjusted R Std. Error of the
Square Estimate
1 .339a 0.115 0.094 0.72555

a. Predictors: (Constant), KualitasProduk, KualitasPelayanan
b. Dependent Variable: LoyalitasPelanggan
ANOVAa
Model Sum of df Mean F Sig.
Squares Square
Regression 5.793 2 2.896 5.502 .006b

Residual 44.746 85 0.526
1 Total 50.539 87
b. Predictors: (Constant), KualitasProduk, KualitasPelayanan
84
Coefficientsa
Model Unstandardized Standardized t Sig.
Coefficients Coefficients
B Std. Beta
Error
(Constant) 1.932 0.577 3.35 0.001
KualitasPelayanan -0.285 0.266 -0.208 -1.072 0.287
1 KualitasProduk 0.728 0.284 0.497 2.565 0.012
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
85
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
Soal Latihan
1. Seorang dosen matematika, ingin meneliti apakah terdapat pengaruh kehadiran

dikelas terhadap nilai akhir mahasiswa. Berikut hasil sampel yang diperoleh:
No Kehadiran di kelas Nilai akhir

(%)
1 60 65
2 70 70
3 75 75
4 80 75
5 80 80
6 90 80
7 95 85
8 95 95
9 100 90
10 100 98
86
11 70 75
12 80 75
13 85 80
14 90 80
15 65 85
16 100 95
17 80 90
18 85 98
19 90 75
20 65 80
Lakukan pengujian untuk mengetahui apakah terdapat pengaruh atau tidak!
2. Mahasiswa jurusan manajemen bernama Ferlyn ingin bagaimana prestasi kerja

karyawan. Faktor apa saja yang mempengaruhinya. Ferlyn membagikan kuesioner
kepada 30 orang karyawan yang diambil secara acak. Berikut hasil yang diperoleh :
Motivasi Kepuasan Prestasi

kerja kerja kerja
3.79 4.00 3.57
3.57 4.00 3.71
3.00 2.50 2.71
4.64 5.00 4.86
3.50 3.50 3.29
3.57 3.50 3.57
3.00 2.25 2.57
3.43 3.25 3.29
3.93 4.25 4.14
3.50 3.75 3.57
3.43 3.50 3.57
3.86 4.25 4.14
3.29 3.50 3.43
87
3.00 2.75 3.00

3.93 4.50 4.29
4.36 5.00 4.71
3.93 4.50 4.14
3.14 3.25 3.29
3.50 3.75 3.71
4.07 4.50 4.14
3.71 4.25 4.00
4.36 4.75 4.43
3.79 4.25 4.14
3.86 4.25 4.00
3.86 4.00 3.86
3.36 3.25 3.29
3.71 4.25 3.71
3.86 4.00 3.86
3.29 3.50 3.14
3.64 4.00 3.71
a. Apakah terdapat pengaruh motivasi kerja terhadap prestasi kerja?
b. Apakah terdapat pengaruh variable independent terhadap variable dependent?
c. Seberapa besar pengaruhnya variable independent terhadap dependent?
d. Bagaimana korelasi secara keseluruhan dari semua variable?
e. Tuliskan persamaan regresinya berikut interpretasinya!
3. Seorang mahasiswa manajemen sedang melakukan penelitian mengenai faktor yang

mempengaruhi kepuasan kerja karyawan. Berikut data yang berhasil terkumpul :
Hubungan Kualitas Kesempatan Kepuasan

No.
dengan Atasan Lingkungan Kerja Jenjang Karir Kerja
1 4.14 4.75 4.57 5.08
2 3.21 3 2.86 3.05
88
3 3.29 3.5 3.43 3.5

4 2.86 2.5 2.57 2.54
5 3.43 3.75 3.71 3.73
6 3.36 3.75 2.57 3.73
7 3.07 3.5 3.14 2.8
8 3.36 3.5 3.86 3.25
9 3.71 2.25 3.86 2.8
10 3.21 4.5 3.86 3.73
11 3.5 3.75 3.71 3.02
12 4 4.5 3.71 3.73
13 3.64 2.75 3.86 2.8
14 4.21 3.75 3.29 3.25
15 2.86 3.75 3.71 3.25
16 3.14 4.25 3.57 2.51
17 4.5 3.75 4.29 3.73
18 2.93 3.5 4.57 4.48
19 3.79 4.5 3.71 3.73
20 3.5 2.75 3.57 3.85
21 3.5 3.25 3.86 4.1
22 3.57 3 3.14 3.62
23 3.5 4 2.86 2.8
24 3.14 2.75 3.71 3.25
25 3.36 4 2.57 3.73
a. Apakah terdapat pengaruh kualitas lingkungan kerja terhadap kepuasan kerja?
b. Apakah terdapat pengaruh variable independent terhadap variable dependent?
c. Seberapa besar pengaruhnya variable independent terhadap dependent?
d. Bagaimana korelasi secara keseluruhan dari semua variable?
e. Tuliskan persamaan regresinya berikut interpretasinya!
89
PERTEMUAN 6
ANOVA
ANOVA
Analysis of variance merupakan metode untuk menguji hubungan antara satu variabel
dependen (skala metrik) dengan satu atau lebih variabel independen (skala nonmetrik
atau kategorikal dengan kategori lebih dari dua). Hubungan antara satu variabel
dependen dengan satu variabel independen disebut One Way ANOVA. Pada kasus satu
variabel dependen metrik dan dua atau tiga variabel independen kategorikal sering
disebut Two Ways ANOVA dan Three Ways ANOVA.
ANOVA digunakan untuk mengetahui pengaruh utama (main effect) dan pengaruh
interaksi (interaction effect) dari variable independen kategorikal (sering disebut faktor)
terhadap variable dependen metrik.
Asumsi Analysis of Varaince
Beberapa asumsi yang harus dipenuhi untuk menggunakan pengujian ANOVA :
1. Homogeneity of variance, yaitu variabel dependen harus memiliki varain yang

sama dalam setiap kategori varaibel independen. Test ini dinamakan Levene’s Test
of Homogeneity of Variance. Pada pengujian Levene Test, hasil yang dikehendaki
adalah menerima hipotesis nol dimana probabilitas < 0.05 yang berarti terdapat
kesamaan variance pada grup.
2. Random sampling : untuk tujuan uji signifikansi, maka subjek didalam setiap grup
harus diambil secara random.
3. Multivariate Normality : untuk tujian uji signifikansi, maka variable harus
mengikuti distribusi normal multivariate.
Contoh soal :
Seorang manajer toko retail “Semua Ada” ingin mengetahui tingkat kepuasan
pelanggan pada toko retail ketika 3 pewangi ruangan yang berbeda digunakan. Berikut
90
hasil pengumpulan data dengan membagikan kuesioner kepada pelanggan yang

menanyakan kepuasan pelanggan dengan skala 1-20.
Lavender Citrus Vanilla

13 18 12
16 20 13
15 15 10
16 15 13
15 19 14
13 18 12
15 18 10
15 17 11
17 20 13
14 15 10
1. Apakah data tersebut berdistribusi normal?
2. Apakah data tersebut memiliki varians yang sama?
3. Apakah terdapat perbedaan rata-rata tingkat kepuasan pelanggan terhadap

ketiga aroma pewangi ruangan?
4. Apakah terdapat perbedaan rata-rata tingkat kepuasan pelanggan antara aroma

lavender dengan citrus Tukey?
5. Apakah terdapat perbedaan rata-rata tingkat kepuasan pelanggan antara aroma

citrus dengan vanilla menurut Bonferroni?
Langkah pengerjaan :
1. Masukkan variabel rating dan pewangi ke dalam Variabel View. Lalu gunakan
Value Labels untuk variabel pewangi.
2. Masukkan data secara menurun.
91
3. Lakukan uji normalitas terlebih dahulu.
Tests of Normality
pewangi Kolmogorov-Smirnova Shapiro-Wilk
lavender 0.231 10 0.139 0.924 10 0.392
citrus 0.201 10 .200* 0.875 10 0.114
*
rating vanilla 0.192 10 .200 0.887 10 0.158
*. This is a lower bound of the true significance.
4. Setelah itu pilih Analyze - Compare Means – One Way Anova. Masukkan data
rating ke Dependent List dan data pewangi ke dalam factor.
92
5. Pilih Post_Hoct, lalu pilih Bonferoni dan Tukey.
6. Pilih Option, lalu ceklis Descriptive dan Homogeneity of variance test.
7. Klik Continue dan OK. Lihat hasil output.
Test of Homogeneity of Variances

rating
Levene df1 df2 Sig.
Statistic
1.537 2 27 0.233
ANOVA
rating
Sum of df Mean F Sig.
Squares Square
93
Between Groups 162.867 2 81.433 31.865 0
Within Groups 69 27 2.556
Total 231.867 29
8. Lakukan uji F. pilih Transforms – Compute Variable. Lakukan seperti di

bawah ini.
94
9. Lihat hasil F tabel pada data view.
95
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
96
Soal Latihan
1. Yosua, seorang pemilik toko grosir “Semua Ada” ingin mengetahui apakah ada
perbedaan jumlah pisang yang terjual perminggu (dalam kg) di toko grosir ketika
pisang di letakkan di bagian sereal, susu, dan buah. Berikut data hasil penjualannya
selama 3 bulan :
Sereal Susu Buah

26 39 61
55 18 40
53 32 65
50 55 50
35 39 45
40 25 55
45 40 59
38 44 68
30 38 38
25 20 46
55 25 49
48 39 42
a) Apakah data penjualan tersebut berdistribusi normal?
b) Apakah data penjualan pisang tersebut memiliki varians yang sama?
c) Apakah terdapat perbedaan jumlah penjualan pisang berdasarkan ketiga tempat

display?
d) Apakah terdapat perbedaan jumlah penjualan pisang pada display di bagian susu
dan bagian sereal menurut Tukey?
e) Apakah terdapat perbedaan jumlah penjualan pisang pada display di bagian
buah dan bagian sereal menurut Bonferroni?
2. Seorang kolektor sabun ingin mengetahui tingkat penjualan dari ketiga sabun di pasaran. Ia
mengambil 3 merek yang saat ini sering digunakan oleh konsumen yaitu lepboy, luks dan dav.
Berikut data penjualan dari ketiga produk tersebut setiap bulannya selama 1 tahun terakhir:
Lepboy Luks (ribu) Dav (ribu)
97
(ribu)
790 784 775
832 790 814
768 810 792
793 805 811
802 799 774
782 772 790
798 782 801
812 804 794
792 811 807
821 801 792
823 790 794
816 805 804
Data diasumsikan berdistribusi normal
Bantulah kolektor sabun tersebut untuk menganalisa:
a) Apakah data tersebut memiliki varians yang sama?
b) Apakah terdapat perbedaan rata-rata tingkat penjualan ketiga jenis merek

sabun tersebut?
c) Apakah terdapat perbedaan rata-rata tingkat penjualan Lepboy dan Dav

menurut Bonferoni?
3. Ferlyn, seorang entrepreneur muda yang membuka usaha penjualan makanan ringan
“Macaroni Enak” sedang ingi mengetahui bagaimana rating rasa snack nya berdasarkan
beberapa varian rasa yang di miliki. Oleh karena itu, ferlyn membagikan kuesioner
kepada para pelanggannya yang di bagikan secara acak yang berisi rating rasa yang
dimiliki (skala 1-10). Berikut data yang berhasil di kumpulkan:
Balado Keju Original Sapi

Panggang
5 4 7 9
7 4 7 9
8 5 6 9
98
8 5 5 8
9 6 8 7
6 4 8 7
7 7 8 7
9 7 9 8
7 8 9 6
8 6 7 8
a) Apakah data rating dan jumlah pembelian tersebut berdistribusi normal?
b) Lakukan pengujian matriks varian kovarians!
c) Apakah terdapat perbedaan variable dependent berdasarkan keempat varian

rasa?
d) Apakah terdapat perbedaan varians pada masing-masing data variable
dependent?
e) Apakah terdapat perbedaan rating rasa snack berdasarkan keempat varian rasa?
f) Apakah terdapat perbedaan jumlah pembelian berdasarkan keempat varian rasa?
99
PERTEMUAN 7
CHISQUARE
Uji Chi-square atau qai-kuadrat digunakan untuk melihat ketergantungan

antara variabel bebas dan variabel tergantung berskala nominal atau ordinal. Prosedur
uji chi-square menabulasi satu atau variabel ke dalam kategori-kategori dan
menghitung angka statistik chi-square. Untuk satu variabel dikenal sebagai uji
keselarasan atau goodness of fit test yang berfungsi untuk membandingkan frekuensi
yang diamati (fo) dengan frekuensi yang diharapkan (fe). Jika terdiri dari 2 variabel
dikenal sebagai uji independensi yang berfungsi untuk hubungan dua variabel. Seperti
sifatnya, prosedur uji chi-square dilkelompokan kedalam statistik uji non-parametrik.
Semua variabel yang akan dianalisa harus bersifat numerik kategorikal atau
nominal dan dapat juga berskala ordinal. Prosedur ini didasarkan pada asumsi bahwa
uji nonparametrik tidak membutuhkan asumsi bentuk distribusi yang mendasarinya.
Data diasumsikan berasal dari sampel acak. Frekuensi yang diharapkan (fe) untuk
masing-masing kategori harus setidaknya : Tidak boleh lebih dari dua puluh (20%) dari
kategori mempunyai frekuensi yang diharapkan kurang dari 5.
(Suseno, 2013)
7.1 Uji Keselarasan atau Goodness of Fit Test
Uji keselarasan atau goodness of fit test menentukan apakah sebuah populasi mengikuti
distribusi tertentu.
 Contoh frekuensi yang diharapkan sama untuk setiap kategori:
Seorang pemilik website, Marlene, ingin menawarkan hadiah gratis kepada orang
yang berlangganan ke situs webnya. Pelanggan baru dapat memilih salah sati dari
3 hadiah dengan nilai yang sama : voucher hadiah, boneka, atau tiket bioskop
gratis. Setelah 1000 orang mendaftar, Marlene ingin meninjau angka untuk
melihat apakah tiga hadiah yang ditawarkan sama-sama popular. Dalam hal ini,
tiga hadiah yaitu hadiah voucher, boneka, atau tiket bioskop gratis mencerminkan
100
tiga kelompok variabel kategoris, tipe_hadiah. 1000 orang yang telah mendaftar
mencerminkan "kasus" (yaitu, kasus bisa apa saja dari "orang", untuk "binatang",
"benda", "organisasi", dan sebagainya).
Berikut data jumlah peminat dari 1000 orang :
Tipe_hadiah Peminat
Voucher 370
Boneka 230
Tiket bioskop 400
1. Input Variabel tipe hadiah dan jumlah peminat pada Variable View.
2. Gunakan Value Label untuk variable tipe hadiah :
3. Input data kedalam Data View.
101
4. Kemudian lakukan Weight Cases karena data yang dilampirkan merupakan

ringkasan dari kumpulan data yang didapat sebelumnya. Pilih Data – Weight Cases dan
akan tampil layar sebagai berikut.
5. Pilih Weight cases by jumlahpeminat (masukkan jumlahpeminat pada Frequency

Variable), kemudian OK
102
6. Setelah dilakukan Weight Cases maka dapat dilakukan pengujjian selanjutnya yang
di mana dimulai dengan melakukan uji normalitas. Uji Normalitas dilakukan untuk
mengetahui distribusi data dari variabel yang dianalisa. Pilih Analyze → Descriptive
Statistics → Explore.
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
jumlahpeminat 0.389 1000 0 0.656 1000 0
7. Lakukan pengujian Goodness of fit. Pilih Analyze >> Non Parametric tests >>
Legacy Dialogs >> Chi Square. Pindahkan variable tipe_hadiah ke Variable List.
8. Abaikan pilihan yang lain, klik OK untuk melihat output.
tipe_hadiah
Observed Expected Residual
N N
voucher 370 333.3 36.7
103
boneka 230 333.3 -103.3

tiket
nonton 400 333.3 66.7
Total 1000
Test Statistics
tipe_hadiah
Chi-Square 49.400a
df 2
Asymp. Sig. 0
a. 0 cells (0.0%) have expected
frequencies less than 5. The minimum
expected cell frequency is 333.3.
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
 Contoh frekuensi yang diharapkan diketahui :
Pada sebuah survey, para entrepreneur wanita yang sukses diberikan pertanyaan
mengeni definisi sukses berdasarkan beberapa kategori yang dapat mereka pilih.
Berdasarkan survey diketahui 89 menyatakan kebahagiaan, 27 menyatakan
104
keuntungan, 41 menyatakan membantu orang lain, dan 70 menyatakan tantangan

merupakan definisi sukses. Berikut merupakan definisi sukses menurut
entrepreneur pria. Lakukan pengujian untuk mengetahui apakah frekuensi
distribusi data laki-laki sama dengan frekuensi data wanita.
Definisi Frekuensi
Kebahagian 42
Keuntungan 95
Membantu orang lain 27
Tantangan 63
Definisi Frekuensi pria Frekuensi wanita

Kebahagian 42 89
Keuntungan 95 27
Membantu orang lain 27 41
Tantangan 63 70
total 227 227
1. Input variabel kategori_sukses dan frekuensi pada Variable View.
2. Gunakan Value Label untuk variable kategori_sukses hadiah :
3. Input data kedalam Data View. Untuk frekuensi hanya masukkan data frekuensi pria.
105
4. Kemudian lakukan Weight Cases karena data yang dilampirkan merupakan

ringkasan dari kumpulan data yang didapat sebelumnya. Pilih Data – Weight Cases dan
akan tampil layar sebagai berikut.
5. Pilih Weight cases by frekuensi (masukkan frekuensi pada Frequency Variable),

kemudian OK.
106
Tests of Normality
kategori_sukses 0.277 227 0 0.83 227 0

7. Lakukan pengujian Goodness of fit. Pilih Analyze >> Non Parametric tests >>
Legacy Dialogs >> Chi Square. Pindahkan variable kategori_sukses ke Variable List.
8. Lalu pada bagian Expected Values pilih Value kemudian input frekuensi yang
diharapkan dalam hal ini adalah frekuensi wanita secara satu per satu :
107
9. Abaikan pilihan yang lain, klik OK untuk melihat output.
kategori_sukses
Observed Expected Residual
N N
kebahagian 42 89 -47
Keuntungan 95 27 68
membantu orang lain 27 41 -14
tantangan 63 70 -7
Total 227
Test Statistics
kategori_sukses
Chi-Square 201.560a
df 3
Asymp. Sig. 0
a. 0 cells (0.0%) have expected
frequencies less than 5. The
minimum expected cell frequency is
27.0.
10. Untuk mencari nilai Chisquare hitung dengan menggunakan langkah berikut :
 Pilih Transform >> Compute Variable
 Ketik X pada Target Variable
108
 Pada Function Group pilih Inverse DF dan pada Function and Special Variables
pilih Idf.Chisq
 Pada Numeric Expression akan muncul IDF.CHISQ(?,?). Lalu ? pertama isi

dengan probabilitas, yaitu 0.95 dan ? kedua isi dengan derajat kebebasan, yaitu
4 (dapat dilihat pada tabel output). Lalu Klik OK.
11. Hasil Chisquare table akan muncul pada inputan spss.
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
109
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
110
7.2 Uji Independensi
Uji independensi berfungsi untuk menganalisis frekuensi dari 2 variabel dengan

multiple kategori untuk menentukan apakah 2 variabel saling bebas (tidak
berhubungan).
Contoh seorang dosen statistik ingin menguji apakah distribusi grade ujian akhir
mahasiswa ada hubungannya dengan lamanya mahasiswa belajar. Berikut data sampel
yang terkumpul dari 215 mahasiswa.
Grade
Jambelajar
A B C
< 3 jam 18 48 16
3-5 jam 30 28 12
>5 jam 33 25 5
1. Input variabel JamBelajar, Grade, dan Frekuensi pada Variable View.
2. Gunakan Value Label untuk variable lama belajar dan grade :
3. Input data kedalam Data View.
111
4. Kemudian lakukan Weight Cases. Pilih Data – Weight Cases. Pada window yang
muncul, pilih Weight cases by frekuensi (masukkan frekuensi pada Frequency
Variable), kemudian OK.
Tests of Normality
kategori_sukses .277 227 .000 .830 227 .000
6. Lakukan pengujian Goodness of fit. Pilih Analyze, Descriptive Statistics, lalu klik
Crosstabs.
112
7. Pada kotak dialog Crosstabs muncul, pindahkan JamBelajar ke Row(s) dan Grade ke
Column(s).
 Klik Statistics, Pada kotak dialog Crosstabs: Statistics yang muncul centang
Chi-Square.
 Klik Cells, kemudian pilih Observed, Expected.
8. Klik Continue, lalu Ok untuk melihat hasil.

113
JamBelajar * Grade Crosstabulation

Grade Total
A B C
Count 18 48 16 82
Expected
< 3 jam Count 30.9 38.5 12.6 82
Count 30 28 12 70
Expected
3-5 jam Count 26.4 32.9 10.7 70
Count 33 25 5 63
Expected
JamBelajar >5 jam Count 23.7 29.6 9.7 63
Count 81 101 33 215
Expected
Total Count 81 101 33 215
Chi-Square Tests
Value df Asymp.
Sig. (2-
sided)
Pearson Chi-
Square 16.596a 4 0.002
Likelihood Ratio 17.456 4 0.002
Linear-by-Linear
Association 13.222 1 0
N of Valid Cases 215
a. 0 cells (0.0%) have expected count less than 5.
The minimum expected count is 9.67.
9. Untuk mencari nilai Chisquare hitung dengan menggunakan langkah berikut :
 Pilih Transform >> Compute Variable.
 Ketik X pada Target Variable.
 Pada Function Group pilih Inverse DF dan pada Function and Special Variables
pilih Idf.Chisq.
 Pada Numeric Expression akan muncul IDF.CHISQ(?,?). Lalu ? pertama isi

dengan probabilitas, yaitu 0.95 dan ? kedua isi dengan derajat kebebasan, yaitu
4 (dapat dilihat pada tabel output).
 Klik OK.
114
10. Hasil Chisquare Table akan muncul pada inputan spss.
115
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
116
Soal Latihan
1. Seorang promotor boyband korea “Super Junior” percaya bahwa umur dari
pembeli tiket konser supershow 5 terdistribusi merata. Berikut adalah sampel data
distribusi umur dari para pembeli yang diobservasi. Lakukan pengujian untuk
mengetahui kemerataan jumlah pembeli tiket berdasarkan kategori umur!
Umur Jumlah
pembeli
< 10 16
20-Oct 44
21-30 61
31-40 56
41-50 35
>50 19
2. Seorang professor mengklaim bahwa tipikal distribusi grade dari kelasnya adalah
20% A, 25% B, 40% C, 10% D, dan 5% E. Pada semester ini, kelas professor
tersebut berisi 85 mahasiswa.
a. Estimasikan jumlah mahasiswa yang akan memperoleh masing-masing grade

berdasarkan ekspektasi professor.
b. Pad akhir semester, grade dari ke 85 mahasiswa tersebut adalah : 22 A, 29 B,

20 C, 10 D, 4 E. Lakukan pengujian apakah hasil grade mengikuti distribusi
grade yang diharapkan.
3. Sebuah grup umur 30an diwawancarai untuk mengetahui jenis music yang sering
didengarkan orang pada kategori umur tersebut tidak ada hubungannya dengan
letak geografis dimana mereka tinggal.
Jenis musik
Letak geografis Rock R n B Daerah Klasik
Utara 140 32 5 18
Selatan 134 41 52 8
Barat 154 27 8 13
Timur 130 30 12 15
117
4. Seoarang mahasiswa psikologi sedang melakukan penelitian apakah kelas social

berhubungan dengan jumlah anak dalam keluarga. Berikut data yang
dikumpulkan :
Kelas Sosial
Jumlah Anak Atas Menengah Bawah
0 7 18 6
1 9 38 23
2 atau 3 34 97 58
>3 47 31 30
Lakukan pengujian unruk mengetahui apakah jumlah anak dalam keluarga ada
hubungannya dengan kelas social.
118
PERTEMUAN 8
MANN WHITNEY
Mann Whitney merupakan salah satu pengujian statistik nonparametrik yang digunakan
untuk membandingkan rata-rata antara 2 populasi yang tidak berhubungan (bebas).
Pengujian ini dikembangkan oleh Hendry B. Mann dan D.R. Whitney pada tahun 1947.
Pengujian mann whitney dapat dilakukan dengan memenuhi asumsi berikut :
 Data berdistribusi bebas, acak atau tidak normal
 Data yang digunakan tidak berhubungan satu sama lain (Independen)
 Berskala minimal Ordinal
 Jumlah data yang digunakan sedikit (<30)
Contoh :
Bimbingan belajar “Sukses Selalu” mempunyai beberapa guru les yang mengajar di
kelas bimbingan belajar tersebut. Tika selaku pemilik usaha bimbingan belajar tersebut
ingin mengetahui teknik pembelajaran seperti apa yang lebih efektif. Tika kemudian
melakukan pengujian terhadap 2 kelas bimbingan. Pada kelas A diberikan bimbingan
belajar dengan metode pembelajaran melalui video, game, dan praktek langsung.
Sedangkan pada kelas B diberikan bimbingan belajar dengan metode pembelajaran
melalui teks book. Berikut diambil 20 sampel nilai tes dari masing-masing kelas :
Kelas A Kelas B
75 90
80 95
77 80
95 60
90 50
98 55
100 58
76 60
50 62
85 88
119
87 68
79 60
79 57
89 55
90 90
100 60
95 88
85 80
87 59
75 60
Langkah-langkah pengerjaan :
1. Input variabel kelas dan nilai pada Variable View. Gunakan Value Label untuk
variabel kelas.
2. Input data ke Data View.
120
3. Lakukan uji normalitas.
Tests of Normality
kelas Kolmogorov-Smirnova Shapiro-Wilk
kelas A 0.154 20 .200* 0.898 20 0.038
nilai kelas B 0.277 20 0 0.836 20 0.003
4. Pilih Analyze >> Nonparametric Tests >> Legacy Dialogs >> 2 Independent
Samples. Kemudian pada window yang muncul, pindahkan variable nilai ke Test
Variable List dan kelas ke group variable.
121
5. Klik Define Group dan masukkan seperti dibawah ini.
6. Pilih Continue. Pada test-type pilih Mann-Whitney U kemudian OK untuk melihat

output.
Ranks
kelas N Mean Sum of
Rank Ranks
kelas A 20 25.73 514.5
kelas B 20 15.28 305.5
nilai Total 40
Test Statisticsa
nilai
Mann-Whitney U 95.5
Wilcoxon W 305.5
Z -2.833
Asymp. Sig. (2-tailed) 0.005
Exact Sig. [2*(1-tailed
Sig.)] .004b
a. Grouping Variable: kelas
122
b. Not corrected for ties.
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
123
Soal Latihan :
1. Berikut ini adalah tabel yang menunjukkan gaji dari beberapa guru SMA di California
dan Florida. Beberapa orang menyebutkan bahwa gaji dari guru SMA di California
lebih besar dari pada guru di Florida. Lakukan pengujian untuk mengetahui apakah
terdapat perbedaan gaji antara guru di California dengan di Florida.
California (dalam $) Florida (dalam $)

47700 48300
60500 57600
40900 43300
40700 30900
57100 43600
35500 41500
59900 47100
49600 37500
48400 38600
53600 41500
47700 36200
46000 49400
2. Hasil survey dari statistik kesehatan mengindikasi bahwa orang diantara urum 65 dan
74 tahun menghubungi psikiater dengan rata-rata 9.8 kali per tahun. Orang dengan usia
> 75 menghubungi psikiater dengan rata-rata 12.9 kali per tahun. Steven yang
merupakan psikiater di salah satu rumah sakit ingin membuktikan apakah hasil statistik
tersebut benar. Berikut data yang menunjukkan jumlah rata-rata kunjungan ke psikiater.
65-74 tahun ≥75 tahun

12 16
13 15
8 10
11 17
9 13
6 12
11 14
10 9
13 13
9 10
124
PERTEMUAN 9
SIGN WILCOXON
Wilcoxon signed rank test adalah metode nonparametrik yang digunakan untuk
membandingkan 2 sampel data yang berasal dari grup yang sama (2 sampel yang saling
berhubungan). Hal ini dapat dilakukan ketika ingin menyelidiki apakah terjadi
perubahan nilai dari 1 waktu ke waktu lain atau ketika individu diberikan lebih dari 1
kondisi (diberikan perlakuan yang berbeda).
Pengujian Wilcoxon signed rank dapat dilakukan ketika memenuhi asumsi berikut :
1. Data dari variable dependen minimal berskala ordinal
2. Data berdistribusi bebas
3. Sampel yang digunakan adalah sampel yang berhubungan
4. Jumlah sample kecil (<30)
Contoh :
12 pria dewasa dengan mengikuti program liquid diet untuk rencana menurunkan berat
badan. Data berat badan sebelum dan sesudah melakukan diet sudah di catat. Lakukan
pengujian apakah terdapat perbedaan berat badan sebelum dan sesudah melakukan
liquid diet. Berikut datanya :
1 2 3 4 5 6 7 8 9 10 11 12
Sebelum 186 171 177 168 191 172 177 191 170 171 188 187
Sesudah 179 168 165 169 182 171 165 190 165 180 181 172
Langkah-langkah:
1. Input variabel sebelum dan sesudah pada Variable View.
125
2. Input data diatas pada Data View.
3. Uji distribusi data, jika data tidak normal maka bisa menggunakan metode non-
parametrik
Tests of Normality
sebelum 0.204 12 0.18 0.864 12 0.055

*
sesudah 0.175 12 .200 0.902 12 0.167
4. Pada menu Analyze, pilih Non-Parametric Test – 2 Related Sample.
5. Pada kolom Test Pairs, masukkan variable sebelum dan sesudah. Kemudian Test
Tipe : Wilcoxon. Abaikan pilihan lain, klik OK.
126
6. Output hasil.
Ranks
N Mean Sum of
Rank Ranks
Negative
Ranks 10a 6.75 67.5
Positive
sesudah Ranks 2b 5.25 10.5
- Ties 0c
sebelum Total 12
a. sesudah < sebelum
b. sesudah > sebelum
c. sesudah = sebelum
Test Statisticsa
sesudah - sebelum
Z -2.242b
Asymp. Sig. (2-tailed) 0.025
a. Wilcoxon Signed Ranks Test
b. Based on positive ranks.
127
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
128
Soal Latihan
1. Berikut adalah tabel hasil uji rasa dari 10 orang yang diminta untuk memberikan
penilaian terhadap rasa soda sebelum dan sesudah diberikan tambahan perisa
dengan skala 1-10. Lakukanlah pengujian apakah terdapat perbedaan rasa antara
kedua rasa soda dengan tingkat kepercayaan 90%.
Orang 1 2 3 4 5 6 7 8 9 10
Sebelum 4 3 3 9 5 5 9 9 5 3
Sesudah 7 7 3 10 10 3 7 10 7 8
2. Club olahraga renang di jakarta memiliki 10 perenang andalan yang biasa

mengikuti perlombaan. Kesepuluh perenang tersebut diikutsertakan dalam program
training baru. Berikut adalah hasil waktu yang dicatat sebelum dan sesudah
perenang mengikuti program training baru.
Perenang 1 2 3 4 5 6 7 8 9 10
Before 31 39 26 45 30 45 30 26 26 27
After 28 29 35 20 20 34 35 35 29 20
129
PERTEMUAN 10
KRUSKALL WALLIS
Kruskal Wallis adalah salah satu metode non parametrik berbasis peringkat yang
tujuannya untuk menentukan adakah perbedaan signifikan secara statistik antara dua
atau lebih kelompok variabel independen pada variabel dependen yang
berskala data numerik (interval/rasio) dan skala ordinal. Kruskal Wallis adalah
alternative apabila data tidak berdistribusi normal dan perluasan dari metode Mann
Whitney U Test, di mana kita ketahui bahwa uji tersebut hanya dapat digunakan pada 2
kelompok sampel. Sedangkan Kruskall Wallis dapat digunakan pada lebih dari 2
kelompok sampel.
Asumsi Kruskall Wallis
Asumsi metode ini adalah:
1. Variabel independen minimal lebih dari 2 kelompok.

2. Variabel dependen berskala numeric (interval/rasio) atau skala ordinal.
3. Independen artinya sampel ditiap kategori harus bebas satu sama lain, yaitu tidak
boleh ada sampel yang berada pada 2 kategori atau lebih.
4. Tiap kategori memiliki variabilitas yang sama, yaitu bentuk kurve histogram atau
sebaran data yang sama (Lihat Histogram Variabilitas Sama).
5. Tiap sample minimal 5 data setiap sample untuk menggunakan probabilitas Chi-
Square.
Post Hoc Kruskall Wallis
Jika menerima H1 yaitu tidak ada perbedaan rata-rata antara variable maka bisa
dilanjutkan dengan uji lanjut atau disebut juga uji post hoc. Uji post hoc setelah
kruskall wallis salah satunya dapat menggunakan metode mann whitney u test. Dengan
uji tersebut kita bisa menilai antar kelompok apakah yang ada perbedaan signifikan,
Metode post hoc dapat dilakukan antara lain:
1. Perbedaan Nilai Ujian Siswa antara metode A dan metode B
130
2. Perbedaan Nilai Ujian Siswa antara metode A dan metode C
3. Perbedaan Nilai Ujian Siswa antara metode B dan metode C.
Contoh soal
Manajemen restoran ingin tahu pendapat pelanggan mengenai pelayanan, kebersihan,

dan kualitas makanan dari restorannya. Manajemen ingin membandingkan hasil rating
pelanggan untuk 3 shift yang berbeda:
Shift 1: 16:00 – midnight
Shift 2: midnight – 08:00
Shift 3: 08:00 – 16:00
Pelanggan diberi kartu saran dan diambil 20 kartu saran secara random setiap shift
dengan 4 skala:
4= sempurna, 3= baik, 2= biasa, 1 = buruk
Shift 1 Shift 2 Shift 3

2 3 3
2 4 4
3 2 3
2 2 4
2 3 4
3 3 3
3 3 4
2 3 2
1 2 4
1 3 4
1 4 4
2 3 3
2 3 4
3 2 3
1 3 4
2 1 3
2 3 4
2 2 3
3 1 4
4 3 2
Langkah-langkah pengerjaan menggunakan SPSS :
131
1. Masukkan variabel ke dalam Variable View, yaitu Shift dan Nilai.
2. Klik pada Values, nanti akan muncul kotak dialog “Value Labels”. Pada kolom Value
tulis angka 1 dan label “16:00-midnight” dan klik “Add” dilanjutkan sampai value ke-3.
3. Pada tab “Data View” di kolom shift masukan angka 1 untuk shift 1 dan pada kolom
nilai copy data dari contoh soal.
4. Syarat untuk melakukan uji Kruskal-Wallis adalah data berdistribusi tidak normal
sehingga kita harus melakukan uji Normalitas terlebih dahulu. Klik Analyze –
Descriptive Statistics – Explore sebagai berikut :
132
5. Kemudian akan muncul kotak dialog Explore dan klik Plots.
6. Pada kotak dialog Explore : Plots pada Boxplots klik None, pada Descriptive uncheck
Stem-and-leaf dan klik Normality plots with tests. Klik Continue dan klik Ok pada
kotak dialog Explore dan akan muncul hasil output dari Normalitas :
7. Hasil Output Uji Normalitas karena jumlah data atau df 20 sehingga kita melihat table
Shapiro-Wilk. Dari hasil Sig 0.009, 0.004, dan 0.0 lebih kecil dari α (0.5) sehingga bisa
dilakukan pengujian Kruskal-Wallis.
Tests of Normality
Shift Statistic df Sig. Statistic df Sig.
133
penilaian 16.00-
midnight 0.273 20 0 0.864 20 0.009
midnight-
08.00 0.317 20 0 0.843 20 0.004
08.00-
16.00 0.339 20 0 0.739 20 0
a. Lilliefors Significance
Correction
8. Kemudian Klik Analyze – Nonparametric Tests – K Independent Samples sebagai

berikut :
9. Kemudian akan muncul kotak dialog “Tests for Several Independent Samples”
kemudian pindahkan variable Nilai ke kolom Test Variable List dan Shift ke Grouping
Variable sebagai berikut:
10. Kemudian klik Define Range dan isikan nilai Minimum : 1 dan nilai Maximum : 3
(karena terdiri dari 3 sample) sebagai berikut :
134
11. Kemudian klik Continue dan klik Ok. Hasil Output dari Kruskal-Wallis Test sebagai
berikut :
Ranks
Mean
Shift N Rank
penilaian 16.00-midnight 20 19.62
midnight-08.00 20 28.7
08.00-16.00 20 43.18
Total 60
Test Statisticsa,b
Penilaian
Chi-Square 20.389
df 2
Asymp. Sig. 0
a. Kruskal Wallis Test
b. Grouping Variable: shift
12. Setelah mendapat Asymp Sig. dan Chi-Square hitung kita memerlukan Chi-Square
Tabel dengan menggunakan tool di spss. Pertama klik Transform dan pilih Compute
Variable.
13. Pada Function Group pilih Inverse DF dan pada Functions and Special Variables pilih
idf. Chisq. Pada Target Variable masukan chisq dan pada Numeric Expression masukan
rumus IDF.CHISQ (prob, df) dimana prob adalah (1-α) = 1-0.05 = 0.95 dan df dapat
dilihat di table output Statistics, yaitu 2 atau K-1 = 3 – 1 = 2 (Note: K adalah banyak
sample yang diuji).
135
14. Output table Chi-Square akan muncul pada data view yaitu 5.99.
Catatan
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
136
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
…………………………………………………………………………………………………
137
Soal Latihan
1. Seorang manajer Café “ Palaloalali” ingin mengetahui bagaimana tingkat kinerja

dari pekerja yang baru 3 bulan bekerja. Pekerja itu bernama Andi, Budi, dan Dani.
Sang Manajer harus menentukan apakah ketiga pekerja tersebut bisa di terima
menjadi karyawan tetap atau tidak. Salah satu penilaiannya adalah berdasarkan nilai
kepuasan pelanggan. Berikut hasil kepuasan pelanggan berdasarkan kuesioner yang
telah di bagikan kepada pelanggan secara acak :
Andi Budi Dani

3.20 4.00 2.60
3.10 3.50 2.90
3.90 3.70 3.30
3.90 4.00 3.00
3.30 3.50 2.90
3.20 3.80 2.50
4.00 3.70 3.50
3.40 3.80 3.40
3.80 3.50 2.80
3.20 3.80 3.00
3.10 4.00 2.90
3.00 3.50 3.00
3.20 4.00 3.30
3.30 4.00 2.90
3.20 3.70 3.00
4.00 3.70 3.00
3.20 3.90 2.50
3.40 3.80 3.40
4.00 4.00 2.90
3.40 4.00 3.50
3.20 3.80 3.50
3.80 4.00 2.70
3.90 4.00 2.50
3.80 3.70 3.00
3.30 4.00 3.30
3.10 3.90 3.50
4.00 3.70 3.50
3.10 3.80 2.80
3.80 4.00 3.50
4.00 3.70 3.40
138
Bantulah manajer mengolah data tersebut, sehingga manajer dapat mengambil

keputusan terbaik.
2. Kartika mempunyai 1 salon utama di mall pluit village, dan 3 cabang salon di mall
taman anggrek, ciputra dan kelapa gading. Kartika ingin mengetahui apakah sama
kepuasan pelanggan di keempat salon. Berikut hasil rating yang diperoleh (skala 1-
100):
Pluit Taman Kelapa

Ciputra
Village Anggrek Gading
74 88 45 61
86 66 94 74
87 70 78 67
95 94 55 74
90 61 72 78
92 89 40 60
70 65 40 40
70 60 95 40
70 60 94 40
90 95 40 74
Lakukan pengujian dengan tingkat kepercayaan 90%!
139
DAFTAR PUSTAKA
Anderson, D. R., Sweeney, D. J., & Williams, T. A. (2011). Statistics For Business and Economics 11e.
South Western: Cengage Learning.
Black, K. (2013). Applied Business Statistics Making Better Bussiness Decisions 7th Edition. Singapore:
John Wiley & Sons.
Ghozali, I. (2013). Aplikasi Analisis Multivariate dengan Program IBM SPSS 21 Updated PLS Regresi.
Semarang: Badan Penerbit Universitas Diponegoro.
Godam64. (2006, Juni 21). klasifikasi-jenis-dan-macam-data-pembagian-data-dalam-ilmu-eksak-

sains-statistik-statistika. Retrieved Juli 7, 2015, from www.organisasi.org:
http://www.organisasi.org/1970/01/klasifikasi-jenis-dan-macam-data-pembagian-data-dalam-ilmu-
eksak-sains-statistik-statistika.html
Hidayat, A. (2014, July 17). Kruskall Wallis H. Retrieved Maret 20, 2015, from www.statistikian.com:
http://www.statistikian.com/2014/07/kruskall-wallis-h.html
Kelley, W. M., & Donnelly, R. A. (2009). The Humongous Book of Statistics Problems. USA: Penguin
Group.
Ltd, L. R. (n.d.). Chi Square Goodness of Fit Test in SPSS Statistics. Retrieved Juli 28, 2015, from
www.statistics.laerd.com: https://statistics.laerd.com/spss-tutorials/chi-square-goodness-of-fit-test-
in-spss-statistics.php
Putra, Z. (2012, Februari 23). Konsep Data Klasifikasi Jenis dan Macam Pembagian Data dalam
Statistik. Retrieved July 28, 2015, from http://www.scribd.com:
http://www.scribd.com/doc/101086535/Konsep-Data-Klasifikasi-Jenis-Dan-Macam-Pembagian-Data-
Dalam-Statistika#scribd
Santosa, P. B., & Ashari. (2005). Analisis Statistik dengan Microsoft Excel & SPSS. Yogyakarta: Andi.
Santoso, S. (2011). Mastering SPSS Versi 19. Jakarta: PT Elex Media Komputindo.
Sekaran, U., & Bougie, R. (2013). Research Methods for Business. West Sussex: John Wiley & Sons Ltd.
Suseno, B. (2013, April 18). Analisis chi square. Retrieved July 28, 2015, from Statisti Olah Data:
http://www.statistikolahdata.com/2013/04/analisis-chi-square.html
https://statistics.laerd.com/spss-tutorials/wilcoxon-signed-rank-test-using-spss-statistics.php
140

Modul Business Statistic II Vs Mahasiswa

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Modul Business Statistic II Vs Mahasiswa

Uploaded by

Copyright:

Available Formats

Modul Business Statistics II- Management Laboratory 2015

PERTEMUAN 1 PENGENALAN STATISTIK...............................................3

1.2 KLASIFIKASI DATA................................................................................................4

1.3 PENGERTIAN SKALA..............................................................................................7

1.4 TEKNIK PENSKALAAN...........................................................................................9

1.4.1 Skala Pembanding (Comparative Scale)................................................................9

1.4.2 Noncomparative Scaling Techniques....................................................................10

1.5 METODE ANALISIS...............................................................................................11

1.5.1 Analisis Kualitatif..................................................................................................12

1.5.2 Analisis Kuantitatif................................................................................................12

1.5.3 Metode Analisis Statistik.......................................................................................12

1.6 ELEMEN STATISTIK..............................................................................................13

1.7 SPSS (STATISTICAL PRODUCT AND SERVICE SOLUTION ).......................................14

1.8 STATISTIK DESKRIPTIF.........................................................................................18

PERTEMUAN 2 VALIDITAS, RELIABILITAS, NORMALITAS.............34

2.1 UJI VALIDITAS DAN RELIABILITAS......................................................................34

2.2 UJI NORMALITAS.................................................................................................45

3.1 KORELASI BIVARIAT............................................................................................53

3.2 KORELASI PARTIAL.............................................................................................57

PERTEMUAN 4 ASUMSI KLASIK...............................................................64

4.1 UJI MULTIKOLINEARITAS....................................................................................64

4.2 UJI HETEROSKEDASTISITAS.................................................................................67

4.3 UJI AUTOKORELASI.............................................................................................71

5.1 REGRESI SEDERHANA..........................................................................................77

5.2 REGRESI BERGANDA...........................................................................................82

7.1 UJI KESELARASAN ATAU GOODNESS OF FIT TEST.............................................102

7.2 UJI INDEPENDENSI.............................................................................................113

PERTEMUAN 8 MANN WHITNEY............................................................121

PERTEMUAN 9 SIGN WILCOXON...........................................................127

PERTEMUAN 10 KRUSKALL WALLIS....................................................132

1.1 Statistik dalam Bisnis

Webster’s Third New International Dictionary (Black, 2013) memberikan

1.2 Klasifikasi Data

Pembagian data dalam statistik dapat digambarkan sebagai berikut :

Sumber : (Putra, 2012)

A. Klasifikasi Data Menurut Cara Memperolehnya

B. Klasifikasi Data Menurut Sumber Data

C. Klasifikasi Data Menurut Jenis Data

D. Klasifikasi Data Menurut Sifat Data

E. Klasifikasi Data Menurut Waktu Pengumpulan

1.3 Pengertian Skala

Menurut (Anderson, Sweeney, & Williams, 2011) skala perhitungan menentukan

1.4 Teknik Penskalaan

Teknik penskalaan (Scaling Technique) dapat diklasifikasikan menjadi teknik

1.4.1 Skala Pembanding (Comparative Scale)

a. Skala Perbandingan Berpasangan

b. Skala Urutan Bertingkat

c. Skala Jumlah Tetap

Disini responden diminta untuk mengalokasikan jumlah konstan dalam satuan

kriteria tertentu. Misalnya responden diminta mengalokasikan nilai 100 point

1.4.2 Noncomparative Scaling Techniques

Skala ini meminta responden menunjukkan tingkat persetujuan atau ketidaksetujuannya

Sebagai contoh, responden diminta memberikan tingkat persetujuannya terhadap

Sangat setuju Setuju Ragu-ragu Tidak Setuju Sangat tidak setuju

b. Skala Semantik Diferensial

Menarik |_1_|_2_|_3_|_4_|_5_|_6_|_7_| Membosankan

Up to date |_1_|_2_|_3_|_4_|_5_|_6_|_7_| Tidak up to date

1.5 Metode Analisis

1.5.1 Analisis Kualitatif

1.5.2 Analisis Kuantitatif

Analisis kuantitatif mencoba mengolah data menjadi informasi dalam wujud

1.5.3 Metode Analisis Statistik