BAB 1 PENDAHULUAN

Petunjuk Umum
Sebaiknya mahasiswa membaca sekilas isinya sebelum memulai mempelajarinya, sehingga mahasiswa mempunyai gambaran apa saja bagian-bagian di dalamnya secara terpadu. Ingat janganlah memperhatikan pertanyaan-pertanyannya terlebih dahulu. Gunakan kira-kira 30 menit saja untuk membaca bab ini. Setelah membaca apakah konsep statistic dan computer itu, bab ini memuat praktek dan latihan yang dapat dibahas dan dikerjakan oleh mahasiswa.

Kompetensi Umum
Dengan membaca bab ini dan menyelesaikan praktek dan tugas dari bab 1 ini, diharapkan mahasiswa dapat memahami dan mempraktekkan bagaimana Statistik dan Komputer, Program Komputer Statistik, Komponen SPSS, Cara Kerja SPSS.

Kompetensi Khusus
Setelah mempelajari isi bab 1 ini dengan baik, mahasiswa diharapkan:
1. Mampu Mempraktekkan / menjalankan Penggunaan Statistik mengunakan komputer
2. Mampu Mempraktekkan / menjalankan Program kerja Komputer statistik
3. Mampu Mempraktekkan / menjalankan Komponen-komponen Statistik
4. Mampu Mempraktekkan / menjalankan cara kerja SPSS

Deskripsi Singkat
Kata statistic dan komputer sering kita dengar dalam kehidupan sehari-hari di masyarakat maupun dalam berita-berita di media massa elektronik maupun cetak. Orang cenderung berfikir bahwa statistikdan computer selalu berkaitan dengan data dan berhitung (angka), memang tidak salah. Akan tetapi statistic dan computer juga berhubungan dengan sumber daya, bagaimana peranan statistic dan computer dalam membantu kegiatan individu dan masyarakat dalam memenuhi kebutuhannya.
Dalam Bab 1 ini akan diuraikan beberapa hal yang bersifat mendasar mengenai statistic dan komputer . Hal ini untuk memahami konsep dan aturan yang ada di dalam statistic dan komputer. Uraian tersebut mencakup:
1. Mempraktekkan/menjalankan Penggunaan Statistik mengunakan komputer
2. Mempraktekkan/menjalankan Program kerja Komputer statistik
3. Mempraktekkan/menjalankan Komponen-komponen Statistik
4. Mempraktekkan/menjalankan Cara kerja SPSS

BAB I
PENDAHULUAN

1.1. Statistik dan Komputer
Komputer berasal dari bahasa yunani “Computare” (menghitung) maksudnya computer memang dibuat untuk melakukan pengolahan data (yang didasarkan pada operasi matematika dan operasi logika).
Statistic berasal dari kata statistic (data yang diolah) jadi statistic menyediakan cara atau metode pengolahan yang ada, sedangkan computer menyediakan cara atau metode pengolahan data yang ada, sedangkan computer menyediakan sarana pengolahan datanya.
Keunggulan Komputer adalah :
1. Pengolahan data statistic sehingga informasinya menjadi lebih cepat dan akurat (kecepatan, ketepatan dan keandalan).
2. Komputer mampu mengolah data lebih tepat atau dengan hasil tepat dari manusia (ketelitian)
3. Komputer lebih handal dalam memproses data secara terus menerus tanpa kelelahan.

1.2. Program Komputer Statistik
Program komputer statistik ada yang berbasis DOS dan ada yang berbasis WINDOWS. Program computer yang berhubungan dengan pengolahan statistic dibagi 3 kelompok :
a. Membuat sendiri program ststistik (dengan bahasa pascal)
b. Program statistik sebagai program Bantu dari program lain
c. Program khusus komputer statistik (contohnya : microstat, SAS, micro TSP, minitab, SPSS)

1.3. Komponen SPSS
Mulai tahun 1998, SPSS menggunakan 4 operating unit :
1. SPSS BI (Business Inteligence) untuk pasar bisnis
2. SPSS MR (Market Research) untuk reset pasar
3. SPSS Science untuk reset sains
4. SPSS Quality untuk peningkatan kualitas.

SPSS BI adalah salah satu produk andalan SPSS sebagai market reader program statistic untuk membantu orang membuat dan mendistribusikan informasi dalam pengambalian keputusan. SPSS BI mempunyai 4 bagian utama :
1. Data Collection untuk mengumpulkan data
2. Data Preparation untuk persiapan data
3. Data Analysis & Data Mining untuk menyediakan berbagai perhitungan
4. Data Deployment untuk mendistribusikan hasil pengolahan data

Masing-masing bagian mempunyai proram SPSS khusus yang akan dibahas adalah data analysis dan data mining yang disebut dengan SPSS CZ. SPSS Base merupakan produk utama dari SPSS yang mencakup semua perhitungan statistik deskriptif dan statistic iferensial (induktif) disertai grafik. SPSS Base yang dibahas meliputi ststistik deskriptif, analisis data, univariant dan analisis data multivariant.

1.4. Cara Kerja SPSS
– Komputer : Input data Proses Komputer Output data (informasi)
– Statistik :Input data Proses Statistik Output data (informasi)
– SPSS : Input data (data editor) Proses dengan data editor Output data dengan output navigator.
– Pivot Table Editor
– Text Output Editor
– Chart Editor

Hasil pengolahan data muncul dilayar windows yang lain dari SPSS (namanya output navigator). Pada menu output navigator, informasi statistic ditampilkan secara:
a. Pivot Table Editor adalah pengerjaan (pivoting table penambahan, pengurangan table) yang berhubungan dengan output berbentuk table dilakkukan lewat menu pivot table editor
b. Text Output Editor adalah pengerjaan (perubahan bentuk huruf, penambahan, pengurangan huruf) yang berhubungan dengan output berbentuk teks
c. Chart Editor adalah pengerjaan (perubahan bentuk grafik/tipe grafik, penambahan, pengurangan grafik) yang berhubungan dengan output berbentuk grafik.

Hampir semua bidang dalam kehidupan, baik secara sadar atau pun tidak, memerlukan statistic untuk memecahkan berbagai masalah yang dihadapi manusia. Mungkin bukan merupakan analisis statistic yang membutuhkan tingkat ketelitian dan kerumitan tinggi, sperti mencari jumlah, rata-rata, nilai tertinggi, nilai terendah, dan lain sebagainya. Atau mungkin juga analisis-analisis untuk level penelitian yang memerlukan analisa statistic yang lebih rumit dalam pelaksanaannya, seperti statistic parametric dan non parametric. Statistic sering kali menjadi sesuatu yang menakutkan bagi pelajar atau mahasiswa yang mempelajarinya Karena adanya anggapan bahwa statistic merupakan bagian dari ilmu hitung yang cukup rumit dalam melakukannya. Padahal sebenarnya belajar statistic jauh lebih mudah dari pada belajar ilmu matematika murni. Apalagi sekarang sudah bermunculan paket-paket aplikasi statistic berbasis computer yang notabene sangat mudah digunakan.

Untuk membantu memecahkan berbagai masalah statistic, terutama dalam melakukan sebuah penelitian, terdapat beberapa pilihan program computer yang bisa digunakan. Program-program computer tersebut antara lain Microstat, SPS, atau SPSS. Diantara program-program tersebut, SPSS merupakan prpgram yang paling banyak dugunakan oleh mereka yang melakukan pengolahan data statistic.

SPSS atau Statistical Package for Social Science, merupakan sebuah program aplikasi yang memiliki kemampuan analisa statistic cukup tinggi serta system manajemen data pada linkungan grafis dengan cara pengoperasian yang cukup sederhana sehingga mudah untuk dipahami. Aplikasi tersebut merupakan salah satu aplikasi perangkat lunak yang banyka digunakan seiring dengan perkembangan ilmu pengetahuan dan teknologi dimana banyak institusi yang menginginkan adanya penelitian di berbagai bidang, penelitian yang banyak berhubungan dengan data-data yang akan diolah menggunakan suatu metode analisis statistic.
Sebenarnya dapat banyak program computer yang biasa digunakan untuk pengelolaan data statistic, seperti Microstat, SPS, dan lain sebagainya. Akan tetapi, diantara program-program tersebut, SPSS merupakan program yang paling banyak digunakan oleh mereka yang melakukan pengolahan data statistic.
Program SPSS ketika pertama kali di-release, muncul dengan nama program SPSS/PC+. Aplikasi tersebut masih berbasis teks dan memiliki kekurangan dalam pengoperasiannya, yaitu masih menggunakan program atau kode eksternal dan membutuhkan software Bantu lain yang berupa editor. Pada perkembangannya ketika muncul system operasi windows, SPSS juga di kembangkan menjadi aplikasi berbasis windows. Perkembangan yang terjadi pada program SPSS ini sedemikian cepatnya. Ketika pada bulan September 2003 muncul SPSS versi 11, setengah tahun berikutnya, yaitu bulan maret 2004 muncul SPSS versi 12. SPSS versi 13 di-release 1 tahun sesudahnya yaitu bulan Maret 2005, bulan September 2005 muncul versi 14, dan yang terakhir sampai buku ini ditulis adalah SPSS versi 16 yang di-release sejak akhir tahun 2007.

Banyak alasan mengapa orang cenderung menggunakan SPSS untuk memecahkan masalah-masalah yang berkaitan dengan analisa statistic, mulai dari alasan kemudahan pemakaian sampai fiturnya yang memang cukup lengkap untuk melakukan sebuah analisis.
SPSS memiliki beberapa fasilitas yang membuat operator mudah untuk mengoperasikan tersebut. Beberapa fasilitas yang membuat kemudahan pengoperasian tersebut antara lain adanya data editor, viewer, dan beberapa properties yang memudahkan pengerjaan.

Data editor merupakan jendela untuk pengolahan data yang dirancang sedemikian rupa seperti pada aplikasi-aplikasi spreadsheet untuk memudahkan dalam mendefinisikan, memasukkan, mengedit, dan menampilkan data. Sedangkan viewer membuat pemakai mudah untuk melihat hasil pemrosesan, menunjukkan atau menghilangkan bagian-bagian tertentu dari output, serta memudahkan distribusi hasil pengolahan dari SPSS ke aplikasi-aplikasi yang lain.

Program SPSS menyediakan hampir semua teknik analisa statistik yang dipelajari oleh mahasiswa di perguruan tinggi. Beberapa teori statistic yang bisa diimplementasikan dalam program tersebut antara lain statistic deskriptif, parametric atau inferensial, non parametric, dan lain-lain.
• Statistic deskriptif, seperti mencari nilai sum, average, mean, median, modus, percentile, quartile, dan sebagainya.
• Statistic model parametric/inferencial, seperti perbandingan rata-rata, anova, korelasi, regresi linear, dan sebagainya.
• Statistic non parametric, seperti uji Crosstab binomial, chi square, runs, kolmogorov-smilnov, sign, dan lain sebagainya.

Program SPSS memiliki kemudahan eksplorasi hasil pengolahan. Kemudahan eksplorasi hasil pengolahan pada SPSS, ditunjukkan dengan adanya multidimensional pivot tables pada output SPSS. Dengan adanya multidimensional pivot tables, pemakai dapat melakukan eksplorasi tehadap tabel dengan pengaturan baris, kolom serta layer. Pemakai juga dapat dengan mudah melakukan pengaturan kelompok data dengan melakukan splitting tabel sehingga hanya 1 group tertentu saja yang ditampilkan pada 1 waktu. Kelebiahan dalam eksplorasi hasil pengolahan data tersebut juga didukung oleh kemampuan SPSS dalam multiple output languages. Dengan SPSS, pemakai akan dapat menghasilkan output pivot tabel dengan bahasa yang berbeda-beda dan memilih bahasa lain pada saat yang sama.

Dengan SPSS, pengguna juga dapat mengirimkan laporan secara elektronik menggunakan sebuah tombol pengiriman data (e-mail) atau melakukan export tabel dan grafik ke mode HTML sehingga mendukung distribusi melalui internet dan intranet. Kemudahan distribusi ini juga didukung dengan kemampuan SPSS dalam hal expended output export capabilities. Dengan kemampuan tersebut, pengguna dapat menampilkan seluruh atau sebagian dokumen terpilih untuk ditampilkan dalam format Word atau RTF, atau pada format Excel.

SPSS memiliki fasilitas Database Wizard sehingga pemakai program tersebut dapat memperoleh kembali informasi dari sebuah database menggunakan fasilitas tersebut. Sedangkan transformasi data akan membantu pemakai memperoleh data yang siap untuk dianalisa. Pemakai akan dapat dengan mudah melakukan subset data, add, aggregate, merge, split, melakukan kombinasi kategori, melakukan beberapa perintah transpose files, dan beberapa teknik transformasi yang lainnya.

Dari berbagai kemudahan yang telah ada dari paket-paket aplikasi sebelumnya, SPSS 16 juga memberikan banyak fitur baru yang melengkapi kelebihan yang dimiliki SPSS versi sebelumnya. Yang akan dibahas berikut ini adalah beberapa fitur baru yang terdapat pada aplikasi SPSS 16.
Peningkatan user interface diharapkan dapat mempermudah pengoperasian SPSS 16 bagi para penggunanya. Berikut hal-hal yang baru dari aplikasi SPSS 16 yang berhubungan dengan peningkatan kemampuan user interface.
• Semua kotak dialog pada aplikasi ini bersifat resizable. Hal itu akan membuat pengguna lebih nyaman dalam melakukan navigasi, misalnya ketika ingin melihat tabel yang memiliki jumlah kolom yang besar atau tabel dengan jumlah baris yang banyak sehingga tampilan kotak dialog yang kecil dirasakan menghambat pengoperasian.
• Kotak dialog yang lebih lebar akan membuat pengguna lebih mudah dalam melihat tabel secara lengkap, misalnya melihat nama variable atau deskripsi pada tabel.
• Pengguna akan lebih mudah dalam mengambil atau memindahkan variable yang dipilih dalam kotak dialog analisa data hanya dengan melakukan drag dan drop menggunakan mouse.
• Daftar variable (variable list) akan menampilkan order dan karakteristik secara lebih interaktif pada kotak dialog. Pada kotak dialog tersebut terdapat berbagai pilihan seperti untuk perubahan sort order (alphabetic, file order, measurement level), untuk melakukan switch antara nama atau label variable sesuai dengan keinginan.

Data output merupakan jendela yang digunakan untuk menampilkan hasil-hasil pengolahan data dengan SPSS. berikut fitur baru SPSS yang berhubungan dengan data output.
• Manajemen data output pada aplikasi SPSS memiliki kemampuan untuk membaca file excel 2007 atau menyimpan file SPSS ke format tersebut.
• Pada data output memiliki pilihan untuk bekerja multiple dataset atau satu dataset pada suatu waktu.
• Mampu digunakan untuk pencarian dan penggantian (search and replace) informasi pada dokumen viewer, termasuk item-item yang di-hidden, serta layer pada pivot tabel multideminsional.
• Output management system (OSM) mendukung file dengan format SPV (viewer file format), mendukung grafik dengan VML-format, serta image map dengan pop-up chart information. File-file dengan format tersebut dapat digunakan untuk dokumen HTML.
• Aplikasi SPSS dapat melakukan kustomisasi variable view di data editor. Anda dapat mengganti tampilan urutan kolom attribute dan control dimana kolom attribute tersebut ditampilkan.
• Aplikasi SPSS dapat digunakan untuk pengurutan variable output pada dataset aktif secara alphabetically atau dengan nilai-nilai attribute (dictionary).
• Aplikasi mampu melakukan pengecekan spelling untuk label dan nilai label pada variable view.
• Aplikasi mampu melakukan baca dan tulis (read and write) Unicode data dan syntax.
• Aplikasi mampu mengontrol lokasi default directory untuk penyimpanan file.
SPSS juga dilengkapi dengan penambahan kemampuan analisa statistic untuk melengkapi daftar analisa yang sudah ada di versi SPSS sebelumnya. Berikut hal-hal baru yang ditawarkan pada SPSS yang berhubungan dengan peningkatan kemampuan analisa statistic tersebut.
• Teknik prediksi dengan partial least squares (PLS).
• Procedure multilayer percepton (MLT) yang menggunakan feed-forward architecture dan dapat memiliki multiple hidden layer serta menerapkan konsep neural network (jaringan syaraf tiruan).
• Adanya radial basis function (RBF) yang menerapkan learning network dengan hanya satu hidden layer, yang disebut sebagai radial basis function layer.
• Generalisasi model linear mendukung berbagai fitur baru dalam analisa statistic, seperti ordinal multinomial dan tweedie distributions, negatife binomial dan statistic rasio.
• Cox regression sekarang disediakan untuk mendukung export model information ke file XML (PMML). Prosedur-prosedur tersebut disediakan pada opsi advanced models.
SPSS juga memiliki kemampuan programabilitas yang lebih baik dari versi sebelumnya, seperti adanya R-plugin yang mengkombinasikan kekuatan SPSS dengan kemudahan untuk menulis sendiri routine statistical dengan R, adanya kemudahan untuk membuat dan memanajemen multiple dataset, serta dilengkapi dengan command syntax yang akan membantu mempermudah penulisan program.

BAB II PENGENALAN WINDOWS

Petunjuk Umum
Sebaiknya mahasiswa membaca sekilas isinya sebelum memulai mempelajarinya, sehingga mahasiswa mempunyai gambaran apa saja bagian-bagian di dalamnya secara terpadu. Ingat janganlah memperhatikan pertanyaan-pertanyannya terlebih dahulu. Gunakan kira-kira 30 menit saja untuk membaca bab ini. Setelah membaca apakah pengenalan windows dengan SPSS itu, bab ini memuat praktek dan latihan yang dapat dibahas dan dikerjakan oleh mahasiswa.

Kompetensi Umum
Dengan membaca bab ini dan menyelesaikan praktek dan tugas dari bab II ini, diharapkan mahasiswa dapat memahami dan mempraktekkan bagaimana Statistik dan Komputer, Program Komputer Statistik, Komponen SPSS, Cara Kerja SPSS.

Kompetensi Khusus
Setelah mempelajari isi bab II ini dengan baik, mahasiswa diharapkan:
1. Mampu Mempraktekkan memulai windows SPSS
2. Mampu Mempraktekkan / menjalankan menu fungsi-fungsi SPSS seperti : file, edit, data, transform,view, analyse, graphs, utilities, windows, help.
3. Mampu Mempraktekkan mengakhiri windows SPSS

Deskripsi Singkat
Pengenalan windows dengan SPSS sering kita dengar dalam kehidupan sehari-hari di masyarakat maupun dalam berita-berita di media massa elektronik maupun cetak. Orang cenderung berfikir bahwa pengenalan windows dengan SPSS selalu berkaitan dengan data dan berhitung (angka), memang tidak salah. Akan tetapi pengenalan windows dengan SPSS juga berhubungan dengan sumber daya, bagaimana peranan pengenalan windows dengan SPSS dalam membantu kegiatan individu dan masyarakat dalam memenuhi kebutuhannya.
Dalam Bab II ini akan diuraikan beberapa hal mengenai pengenalan windows dengan SPSS. Hal ini untuk memahami konsep dan aturan yang ada di dalam pengenalan windows dengan SPSS. Uraian tersebut mencakup:
1. Mempraktekkan/menjalankan Memulai windows SPSS
2. Mempraktekkan/menjalankan Menu fungsi-fungsi SPSS seperti : file, edit, data, transform,view, analyse, graphs, utilities, windows, help.
3. Mempraktekkan/menjalankan Mengakhiri windows SPSS

BAB II
PENGENALAN WINDOWS SPSS

2.1 MEMULAI SPSS
SPSS adalah software pengelolah data yang penggunaannya sangat tergantung dari penguasaan materi statistic sekaligus pemahaman perintah- perintah atau menu- menu didalam nya.
Untuk memulai mengaktifkan SPSS for windows anda dapat menggunakan dua cara baik menggunakan tombol shortcut maupun menggunakan start menu program. Sedangkan jika menggunakan start menu program, maka dapat digunakan langkah- langkah sebagai berikut :
1. klik meru Start, pilih programs.
2. klik item SPSS for windows.
3. pilih SPSS for windows dan kemudian akan muncul gambar seperti berikut.

Dalam tampilan tersebut ada dua jendela atau windows. Yang pertama adalah SPSS data editor dan yang kedua adalah beberapa menu pilihan yang dapat digunakan dalam analisis lebih lanjut yang berkaitan dengan manajemen data.

2.2 Menu/fungsi windows SPSS
Menu utama SPSS yang pada data editor bisa dilihat seperti tampilan pada gambar.

1. Jika anda baru pertama kali masuk, klik tombol Cancel pada kotak dialog supaya langsung masuk ke data editor seperti pada gambar 1.4. Perhatikan bahwa data editor menyerupai tampilan pada Microsoft Excel yang digunakan untuk pengolahan angka.
2. Seperti yang dikatakan sebelumnya bahwa data editor merupakan jendela yang digunakan untuk pengolahan data yang ada, seperti pada aplikasi-aplikasi spreadsheet untuk memudahkan dalam mendefinisikan, memasukkan, serta mengedit dan menampilkan data.
3. Dari tampilan di atas terlihat bahwa jendela SPSS 16 terdiri atas beberapa hal berikut.
• Menu Bar: menu pull down yang digunakan untuk memberikan perintah-perintah dalam SPSS.
• Tool bar: tombol cepat untuk memberikan perintah-perintah SPSS.
• Kolom variabel: digunakan untuk mengisikan nama variabel dari data-data yang akan diolah.
• Nomor baris: terdiri atas nomor 1 dan seterusnya sesuai yang menunjukkan nomor baris data.
• Sel data editor: perpotongan antara baris dan kolom yang digunakan untuk mengisikan data.
• Data view: tab yang digunakan melihat table dalam mode tampilan data.
• Variabel view: untuk melihat jenis variabel yang ada pada table dan mengatur variabel-variabel tersebut lengkap dengan properties pengaturannya.
4. Beberapa menu utama yang penting pada data editor di atas yang digunakan pada aplikasi SPSS antara lain sebagai berikut:

• File, berisi fasilitas pengelolaan atau manajemen data dan file.
• Edit, digunakan untuk memilih perintah-perintah yang membantu langkah pengeditan data.
• View, digunakan untuk memilih perintah-perintah yang berhubungan dengan melihat data.
• Data, untuk mendefinisikan dan mengatur variabel serta data.
• Transform, digunakan untuk memanipulasi data.
• Analyze, digunakan untuk menganalisis data
• Graph, digunakan untuk memvisualkan data.
• Utilities, digunakan berkaitan dengan utilitas dalam SPSS.
• Add-ons yang merupakan menu utama baru pada SPSS ini menyajikan beberapa submenu Add-ons, merupakan menu utama yang menawarkan pelayanan SPSS lewat website.
• Window, menu ini memberikan informasi window yang sedang aktif. pada nomor 2 menandakan bahwa Misal pada window yang sedang aktif adalah window SPSS Data Editor dengan nama file *Cars.sav. Jika ingin membuka window SPSS Viewer, arahkan kursor dan klik pada nomor 1 Output 1 [Document1]-SPSS Viewer, maka secara otomatis muncul window SPSS Viewer.
• Help, menu yang memuat 9 submenu ini memberikan bantuan informasi tentang topik-topik SPSS (topics) ataupun dalam bentuk tutorial (tutorial). Tampilan submenu dari menu utama Help

3.3 Mengakhiri Windows SPSS
Untuk Mengakhiri Windows SPSS maka klik tanda X atau Close maka windows SPSS akan berakhir.

BAB III INPUT DATA

Petunjuk Umum
Sebaiknya mahasiswa membaca sekilas isinya sebelum memulai mempelajarinya, sehingga mahasiswa mempunyai gambaran apa saja bagian-bagian di dalamnya secara terpadu. Ingat janganlah memperhatikan pertanyaan-pertanyannya terlebih dahulu. Gunakan kira-kira 30 menit saja untuk membaca bab ini. Setelah membaca apakah input data itu, bab ini memuat praktek dan latihan yang dapat dibahas dan dikerjakan oleh mahasiswa.

Kompetensi Umum
Dengan membaca bab ini dan menyelesaikan praktek dan tugas dari bab III ini, diharapkan mahasiswa dapat memahami dan mempraktekkan bagaimana Penginputan data menggunakan tampilan data view, Penginputan data menggunakan tampilan variabel view, Penginputan data dengan membuat file baru.

Kompetensi Khusus
Setelah mempelajari isi bab III ini dengan baik, mahasiswa diharapkan:
1. Mampu Mempraktekkan / menjalankan penginputan data menggunakan tampilan data view
2. Mampu Mempraktekkan / menjalankan penginputan data menggunakan tampilan Variabel view
3. Mampu Mempraktekkan / menjalankan penginputan data dengan membuat file baru

Deskripsi Singkat
Input data sering kita dengar dalam kehidupan sehari-hari di masyarakat maupun dalam berita-berita di media massa elektronik maupun cetak. Orang cenderung berfikir bahwa input data selalu berkaitan dengan data dan berhitung (angka), memang tidak salah. Akan tetapi input data juga berhubungan dengan sumber daya, bagaimana peranan input data dalam membantu kegiatan individu dan masyarakat dalam memenuhi kebutuhannya.
Dalam Bab III ini akan diuraikan beberapa hal mengenai input data Hal ini untuk memahami konsep dan aturan yang ada di dalam input data. Uraian tersebut mencakup:
1. Mempraktekkan/menjalankan Penginputan data menggunakan tampilan data view
2. Mempraktekkan/menjalankan Penginputan data menggunakan tampilan Variabel view
3. Mempraktekkan/menjalankan Penginputan data dengan membuat file baru.

BAB 3
INPUT DATA

Sebelum memulai mengolah data ke dalam SPSS, terlebih dahulu diperlukan data yang telah didefinisikan sehingga dilakukan entri data, pendefinisian, dan penyimpanan data. Namun sebelumnya, terlebih dahulu diuraikan tentang kotak Data View dan Variable View.

Tampilan Data View
Setelah pendefinisian data, dapat dimulai pengisian data pada kotak Data View. Pengisian dilakukan dengan mengarahkan kursor pada baris dan kolom data yang telah didefinisikan. Tekan Enter untuk pengisian selanjutnya, begitu seterusnya sampai data terakhir.

Tampilan Variabel View
Setelah melakukan langkah-langkah memulai SPSS, SPSS akan memunculkan window SPSS Data Editor. Pada bagian bawah sebelah kiri terdapat tulisan Data View dan Variable View. Kotak Variable View merupakan kotak yang digunakan untuk mendefinisikan variabel data yang akan dimasukkan. Menunjukkan kotak Data View yang aktif, untuk mengaktifkan kotak Variable View lakukan dengan klik Variable View (bagian yang diberi kotak).

Pada kotak Variable View memuat kolom-kolom yang terdiri atas:
1. Name, kolom ini memberikan informasi tentang nama variabel data. Misal akan memberikan nama variabel data pertama, maka klik kolom Name pada baris pertama.
2. Type, memberikan tipe variabel data yang digunakan. Apabila klik kolom Type, akan muncul kotak dialog seperti Gambar 1.26. Biasanya SPSS memberikan default tipe variabel data numeric dengan lebar 8 digit dan 2 angka desimal di belakang koma. Apabila data berupa karakter, klik String.
3. Width, menunjukkan lebar kolom. Untuk tipe data numerik, lebar maksimal 40 digit, sedangkan tipe data string lebar maksimal 32767 digit. Apabila akan menambah atau mengurangi lebar kolom dapat dilakukan, arahkan kursor dan klik pada baris dan kolom data yang akan didefinisikan, dan klik tanda tanda panah ke atas. Sebaliknya, untuk mengurangi digit lebar, klik panah ke bawah.
4. Decimals, menunjukkan jumlah decimal variabel data. SPSS memberikan default 2 angka desimal di belakang koma. Adapun angka desimal maksimal dapat diisi sampai dengan 16 angka desimal di belakang koma. Apabila akan menambah atau mengurangi angka desimal dapat dilakukan dengan mengarahkan kursor dan klik pada baris dan kolom data yang akan didefinisikan, dan klik tanda . Jika angka desimal akan ditambah, klik tanda panah ke atas. Sebaliknya, untuk mengurangi angka desimal, klik panah ke bawah.
5. Label, merupakan kolom yang menunjukkan tambahan informasi dengan memberikan label variabel data.
6. Values, memberikan nilai label variabel data. Pemberian nilai label variabel data dapat dilakukan dengan mengarahkan kursor dan klik pada baris dan kolom data yang akan didefinisikan. Apabila tidak ada data yang akan diberi nilai label, maka kolom ini dapat diabaikan.
7. Missing, merupakan kolom yang menunjukkan data yang hilang (apabila ada). Namun, jika data lengkap, dalam artian tidak ada data yang hilang, maka kolom ini dapat diabaikan. Pengisian data hilang dapat dilakukan dengan mengarahkan kursor dan klik pada baris dan kolom data yang akan didefinisikan.
8. Column, menunjukkan lebar kolom. Baik tipe data numerik maupun string, lebar maksimal adalah 255 digit.
9. Align, menujukkan posisi data, left menunjukkan posisi data sebelah kiri, right kanan, dan center di tengah. Untuk mengubah posisi data, arahkan kursor, klik pada baris dan kolom data yang akan didefinisikan.
10. Measure, menunjukkan tipe ukuran data yang digunakan. Untuk data string dapat dipilih ukuran ordinal atau nominal. Untuk mengubah ukuran data, arahkan kursor, klik pada baris dan kolom data yang akan didefinisikan.

Membuat File Baru
Pada menu utama File memuat sub-submenu tentang file, di antaranya membuat file baru (New), membuka (Open), menutup (Close), dan menyimpan file (Save-Save As…).

Contoh :
Kasus Daftar Nilai
Tabel di bawah ini adalah daftar nilai Ujian Tengah semester matakuliah Pengantar Matematika dan Statistik 10 mahasiswa AKFAR Surakarta.

Nama Nilai Jenis Kelamin
Andari Nia
Kurniawati
Priyatmoko
Daru Kurnia
Alfiansyah
Masruroh
Zafian
Ratih Sayian
Mimo har
Yayang 75
60
70
65
80
95
60
85
70
90 Perempuan
Perempuan
Laki-laki
Perempuan
Laki-laki
Perempuan
Laki-laki
Perempuan
Laki-laki
Laki-laki

Dari tabel diketahui bahwa contoh kasus di atas mempunyai 3 variabel data, yaitu Nama, Nilai, dan Jenis Kelamin.
Untuk pendefinisian, pengisian, dan penyimpanan data dilakukan dengan langkah-langkah berikut:
1. Pendefinisian data
Pendefinisian data dapat dimulai dengan terlebih dahulu dengan mengaktifkan kotak Variable View. Isi kotak Variable View sebagai berikut.
Variabel data: Nama
Definisi data:
Kolom Name: Nama
Kolom Type: String karena data terdiri atas karakter
Kolom Width: 12. Perhatikan bahwa nama terpanjang adalah Ratih Sayian yang terdiri atas 11 karakter sehingga diperlukan lebar kolom yang lebih dari 8 (default).
Abaikan kolom selainnya
Variabel data: Nilai
Definisi data:
Kolom Name: Nilai.
Kolom Type: Numeric karena data berupa angka.
Abaikan kolom selainnya
Variabel data: Jenis Kelamin
Definisi data:
Kolom Name: Jenis_Kelamin, pemberian tanda _ dimaksudkan karena pemberian nama tidak bisa diberi spasi.
Kolom Type: Numeric karena data terdiri atas angka
Kolom Values: Data terdiri atas perempuan dan laki-laki. Akan diberi nilai label pada data ini dengan cara: Arahkan kursor dan klik pada baris 3 kolom Values, sehingga muncul kotak dialog value Labels. Isi kotak dialog:
Value: 1, Label: Perempuan, klik Add
Value: 2, Label: Laki-laki, klik Add, klik OK.
Abaikan kolom selainnya.
Pendefinisian data telah selesai, Langkah berikutnya pengisian data.
2. Pengisian Data
Untuk mengisi data, aktifkan terlebih dahulu kotak Data View.
Kolom Nama
Isian data: Andari Nia, Enter, Kurniawati, Enter, begitu seterusnya sampai dengan data terakhir, Yayang.
Kolom Nilai
Isian data: 75, Enter, 60, Enter, begitu seterusnya sampai dengan data terakhir 90.
Kolom Jenis_Kelamin
Isian data: 1, Enter, 1, Enter, begitu seterusnya sampai dengan data terakhir 2. Pengisian kolom ini dapat pula dengan klik tanda, arahkan kursor dan klik pada data yang akan didefinisikan. Pilih nilai label sesuai dengan yang telah ditentukan sebelumnya. Misal data pertama, arahkan kursor dan klik pada baris 1 dan kolom Jenis_Kelamin. Oleh karena data berjenis kelamin perempuan, maka pilih Perempuan.

3. Penyimpanan Data
Simpan contoh kasus di atas dengan nama Daftar Nilai. (Input data dapat dibuka pada CD penyerta buku ini dengan nama Daftar Nilai.sav.)
Penyimpanan data dapat dilakukan dengan langkah-langkah:
Klik File
Klik Save As…,
Isi File Name: Daftar Nilai.
Klik Save

BAB IV STATISTIK DESKRIPTIF

Petunjuk Umum
Sebaiknya mahasiswa membaca sekilas isinya sebelum memulai mempelajarinya, sehingga mahasiswa mempunyai gambaran apa saja bagian-bagian di dalamnya secara terpadu. Ingat janganlah memperhatikan pertanyaan-pertanyannya terlebih dahulu. Gunakan kira-kira 30 menit saja untuk membaca bab ini. Setelah membaca apakah Statistik Deskriptif itu, bab ini memuat praktek dan latihan yang dapat dibahas dan dikerjakan oleh mahasiswa.

Kompetensi Umum
Dengan membaca bab ini dan menyelesaikan praktek dan tugas dari bab IV ini, diharapkan mahasiswa dapat memahami dan mempraktekkan bagaimana Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu frekuensi seperti : mean, median, kuartil, persentil, Standar Deviasi dan sebagainya. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu deskriptif untuk mengetahui skor Z dari suatu ditribusi data dan menguji apakah data berdistribusi normal. Mempraktekkan/menjalankan penyajian /pengolahan data menggunakan menu Explore yang berfungsi untuk memeriksa lebih teliti sekelompok data. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu Crosstab yeng digunakan untuk menyajikan deskripsi data dalam bentuk tabel silang yang terdiri atas kolom dan baris.

Kompetensi Khusus
Setelah mempelajari isi bab 1 ini dengan baik, mahasiswa diharapkan:
1. Mampu Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu frekuensi seperti : mean, median, kuartil, persentil, Standar Deviasi dan sebagainya.
2. Mampu Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu deskriptif untuk mengetahui skor Z dari suatu ditribusi data dan menguji apakah data berdistribusi normal.
3. Mampu Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu Explore yang berfungsi untuk memeriksa lebih teliti sekelompok data.
4. Mampu Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu Crosstab yeng digunakan untuk menyajikan deskripsi data dalam bentuk tabel silang yang terdiri atas kolom dan baris.

Deskripsi Singkat
Statistik Deskriptif sering kita dengar dalam kehidupan sehari-hari di masyarakat maupun dalam berita-berita di media massa elektronik maupun cetak. Orang cenderung berfikir bahwa Statistik Deskriptif selalu berkaitan dengan data dan berhitung (angka), memang tidak salah. Akan tetapi Statistik Deskriptif juga berhubungan dengan sumber daya, bagaimana peranan Statistik Deskriptif dalam membantu kegiatan individu dan masyarakat dalam memenuhi kebutuhannya.
Dalam Bab IV ini akan diuraikan beberapa hal mengenai Statistik Deskriptif. Hal ini untuk memahami konsep dan aturan yang ada di dalam Statistik Deskriptif. Uraian tersebut mencakup:
1. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu frekuensi seperti : mean, median, kuartil, persentil, Standar Deviasi dan sebagainya.
2. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu deskriptif untuk mengetahui skor Z dari suatu ditribusi data dan menguji apakah data berdistribusi normal.
3. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu Explore yang berfungsi untuk memeriksa lebih teliti sekelompok data.
4. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu Crosstab yeng digunakan untuk menyajikan deskripsi data dalam bentuk tabel silang yang terdiri atas kolom dan baris

BAB 4
STATISTIK DESKRIPTIF

Menu dari SPSS yang berhubungan dengan statistik deskriptif, yaitu Summarize. Dalam menu ini terdapat beberapa submenu sebagai berikut:

A. Frequencies
Frequencies membahas beberapa penjabaran ukuran statistik deskriptif seperti Mean, Median, Kuartil, Persentil, Standar Deviasi dan lainnya.

B. Descriptives
Descriptives berfungsi untuk mengetahui skor z dari suatu distribusi data dan menguji apakah data berdistribusi normal atau tidak.

C. Explore
Explore berfungsi untuk memeriksa lebih teliti sekelompok data. Alat utama Z yang dibahas adalah Box-Plot dan Steam and Leaf Plot, selain beberapa uji tambahan untuk menguji apakah data berasal dari distribusi normal.

D. Crosstabs
Crosstabs digunakan untuk menyajikan deskripsi data dalam bentuk tabel silang (crosstab), yang terdiri atas basis dan kolom. Selain itu, menu ini juga dilengkapi dengan analisis hubungan di antara basis clan kolom, seperti independensi di antara mereka, besar hubungannya dan lainnya (hat ini sebenamya termasuk pada statistik induktif atau inferensi dan merupakan perluasan dari statistik deskriptif).

A. FREKUENSI
Kasus : Berikut ini adalah data tinggi badan 25 responden yang diambil secara acak.
Tinggi Gender
1 170,2 Pria
2 172,5 Pria
3 180,3 Pria
4 172,5 Pria
5 159,6 Wanita
6 168,5 Wanita
7 168,5 Pria
8 172,5 Pria
9 174,5 Pria
10 159,6 Wanita
11 170,4 Wanita
12 161,3 Wanita
13 172,5 Pria
14 170,4 Wanita
15 168,9 Wanita
16 168,9 Wanita
17 177,5 Wanita
18 174,5 Pria
19 168,6 Wanita
20 164,8 Wanita
21 170,4 Pria
22 168,9 Pria
23 164,8 Wanita
24 167,2 Wanita
25 167,2 Wanita

Penyelesaian :
1. klik ANALYZE / DESCRIPTIVE STATISTICS / FREQUENCIES
2. klik tinggi, klik tanda panah >
3. klik statistics, klik dispersion, klik central tendency (pilih mean dan median), klik distribution, lalu klik continue.
4. klik charts, klik histogram, klik with normal curve, lalu klik continue
5. klik format, klik ascending values, klik ok
6. untuk Gender….klik charts, klik pie charts
B. DESKRIPTIF
Selain dengan submenu Summarize dan pilihan Frequencies, statistik deskriptif dapat juga diperoleh dengan menggunakan submenu Summarize dan pilihan Descriptives. Untuk lebih jelasnya, akan diambil variabel Tinggi untuk melihat deskripsi Tinggi dari variabel di atas. Sekali lagi, hal ini tidak mungkin untuk variabel Gender, karena variabel gender diukur dengan skala nominal (kategori).
Penyelesaian :
1. Klik STATISTIK/SUMMARIZE/ DESKRIPTIF
– Variable(s) atau variabel yang akan dimasukkan. Karena akan dibuat frekuensi dari variabel tinggi, maka klik variabel tinggi, kemudian klik tanda (yang sebelah atas), maka variabel tinggi berpindah ke variabel (s).
– Klik pilihan Options
Pilihan Options meliputi berhagai ukuran untuk menggambarkan data ( statistik deskriptif). Terlihat default dari SPSS yang memilih Mean, Standard Deviation, Minimum dan Maximum sebagai acuan untuk menghitung statistik deskriptif -untuk keseragaman- akan digunakan pilihan tersebut.
– Kemudian klik Continue setelah selesai input untuk melanjutkan proses berikutnya.
2. Terlihat kotak pilihan Save standardized values as variables yang telah diberi tanda (default oleh SPSS), -untuk keseragaman- akan digunakan pilihan tersebut. Hal ini berarti, selain ada output SPSS mengenai deskripsi data, juga pada data editor SPSS bertambah satu variabel baru.
3. Klik OK jika semua pengisian telah selesai.

Jika dilihat pada Data Editor SPSS, selain variabel tinggi dan gender, sekarang, muncul variabel baru, yaitu ztinggi seperti berikut. (variabel gender sengaja tidak ditampilkan.)
Tinggi ztinggi
1 170,2 .16118
2 172,5 .62459
3 180,3 2.19613
4 172,5 .62459
5 159,6 -1.97450
6 168,5 -.18133
7 168,5 -.18133
8 172,5 .62459
9 174,5 1.02755
10 159,6 -1.97450
11 170,4 .20148
12 161,3 -1.63198
13 172,5 .62459
14 170,4 .20148
15 168,9 -.10074
16 168,9 -.10074
17 177,5 1.63198
18 174,5 1.02755
19 168,6 -.16118
20 164,8 -.92681
21 170,4 .20148
22 168,9 -.10074
23 164,8 -.92681
24 167,2 -.44326
25 167,2 -.44326

C. EXPLORE
Selain dengan Frequencies dan penyajian Histogram atau nilai z, berbagai deskripsi data bisa disajikan juga dengan cara lain, di antaranya yang populer adalah dengan Boxplots (atau Box and Whisker displays) dan diagram Stem and Leaf. Selain itu, pengujian normal tidaknya distribusi data akan digunakan uji Shapiro Wilks dan Lilliefor. Dalam pengerjaan ini akan tetap digunakan data deskriptif dengan 2 variabel, yaitu variabel Tinggi dan Gender. Namun di sini variabel ztinggi tidak digunakan.
Penyelesaian:
a. Buka lembar kerja/file Deskriptif sesuai kasus di atas, atau jika sudah terbuka ikuti langkah selanjutnya.
b. Dari baris menu pilih menu Statistics, lalu pilih submenu Summarize.
c. Selanjutnya sesuai kasus, pilih Explore
• Dependent List atau variabel tergantung yang akan dimasukkan. Karena akan dibahas variabel tinggi, maka klik variabel tinggi, kemudian klik tanda (yang sebelah atas), maka variabel tinggi berpindah ke Dependent List. Di sini variabel ztinggi sudah dihilangkan (dengan mengklik judul kolom, jika semua isi kolom ztinggi sudah terblok lalu tekan Del untuk menghapus). Namun jika tidak akan dihilangkan, juga tidak masalah, hanya tidak disertakan ke bagian input kanan.
• Factor List atau variabel faktor yang akan dimasukkan. Karena akan digunakan gender sebagai faktor, maka klik variabel gender, kemudian klik tanda (yang sebelah atas), maka variabel gender berpindah ke faktor List.
• Faktor List berisi data dengan skala pengukuran nominal atau kategori (seperti gender pria atau wanita).
• List cases by atau kasus akan diurutkan menurut variabel mana?. Dalam kasus ini, karena variabel hanya dua dan semua sudah masuk ke dependent dan factor, maka isian tersebut diabaikan saja, namun jika ada, bisa dimasukkan. Sebagai contoh, jika ada variabel ketiga dengan nama `usia’ yang berisi kelompok usia remaja, muda dan dewasa. Sehingga dengan memasukkan variabel tersebut, kasus akan diurutkan berdasarkan kelompok usia. Seperti Faktor List, ‘List cases by’ berisi data dengan skala pengukuran nominal atau kategori (seperti gender pria atau wanita, atau kelompok usia atau lainnya).
• Kemudian dengan mengklik pilihan Statistics, Terlihat default dari SPSS yang memilih Descriptives, akan dipilih juga M-estimators dan Outliers. Klik Continue setelah selesai input untuk melanjutkan proses berikutnya.
• Kemudian klik pilihan Plots. Pilihan diisi sesuai default, yaitu pada Boxplot adalah factor levels together dan pada descriptive adalah stem and leaf. Klik Continue setelah selesai input untuk melanjutkan ke proses berikutnya.
• Pada bagian Displays (lihat bagian pertama pengisian) atau pe-nampilan, pilih Both yang berarti baik statistics maupun Plots akan digunakan. Klik OK jika semua pengisian telah selesai.

D. CROSSTAB
Kasus :
Manajer pemasaran yang memproduksi kopi susu dalam kemasan kecil (sachet) merk CAFE ingin mengetahui bagaimana sikap konsumen terhadap prduk perusahaan, serta bagaimana profil mereka. Untuk itu 25 konsumen yang pernah mencicipi kopi susu CAFE diminta mengisi identitas mereka dan sikap mereka terhadap produk tersebut. Berikut hasil data profil konsumen yang meliputi Pekerjaan, Pendidikan dan Gender.
Kerja Didik Gender
1 Karyawan Akademi Pria
2 Petani Sarjana Pria
3 wiraswasta Sma Wanita
4 Petani Sma Wanita
5 Wiraswasta Akademi Wanita
6 Karyawan Sarjana Pria
7 Wiraswasta Sma Wanita
8 Wiraswasta Sma Pria
9 Petani Akademi Wanita
10 Petani Akademi Wanita
11 Karyawan Sarjana Pria
12 Karyawan Sarjana Pria
13 Petani Sma Wanita
14 Wiraswasta Sarjana Pria
15 Wiraswasta Akademi Wanita
16 Karyawan Sarjana Pria
17 Petani Sma Wanita
18 Karyawan Akademi Pria
19 Karyawan Sma Wanita
20 Petani Akademi Pria
21 Wiraswasta Sarjana Wanita
22 Petani Sarjana Wanita
23 Petani Sarja Pria
24 Karyawan Sma Pria
25 karyawan Sma Pria
Penyelesaian :
1. klik ANALYZE / DESCRIPTIVE STATISTICS / CROSSTAB
2. untuk kolom row : klik gender, klik tanda panah >
3. untuk kolom column : klik kerja, klik tanda panah >
4. klik statistics, klik chi square, klik continue
5. klik cells, klik observed, klik continue
6. klik format, klik ascending, klik continue
7. klik ok

BAB V STATISTIK INFERENSI

Petunjuk Umum
Sebaiknya mahasiswa membaca sekilas isinya sebelum memulai mempelajarinya, sehingga mahasiswa mempunyai gambaran apa saja bagian-bagian di dalamnya secara terpadu. Ingat janganlah memperhatikan pertanyaan-pertanyannya terlebih dahulu. Gunakan kira-kira 30 menit saja untuk membaca bab ini. Setelah membaca apakah Statistik Inferensi itu, bab ini memuat praktek dan latihan yang dapat dibahas dan dikerjakan oleh mahasiswa.

Kompetensi Umum
Dengan membaca bab ini dan menyelesaikan praktek dan tugas dari bab V ini, diharapkan mahasiswa dapat memahami dan mempraktekkan bagaimana Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu Paired Sample T-Test untuk menganalisis perbandingan dua sampel yang berpasangan. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu One Sample T-Test untuk menganalisis satu sampel saja. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu Independent Sample T-Test untuk menganalisis dua sampel independent (bebas).

Kompetensi Khusus
Setelah mempelajari isi bab V ini dengan baik, mahasiswa diharapkan:
1. Mampu Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu Paired Sample T-Test untuk menganalisis perbandingan dua sampel yang berpasangan.
2. Mampu Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu One Sample T-Test untuk menganalisis satu sampel saja.
3. Mampu Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu Independent Sample T-Test untuk menganalisis dua sampel independent (bebas).

Deskripsi Singkat
Statistik Inferensi sering kita dengar dalam kehidupan sehari-hari di masyarakat maupun dalam berita-berita di media massa elektronik maupun cetak. Orang cenderung berfikir bahwa Statistik Inferensi selalu berkaitan dengan data dan berhitung (angka), memang tidak salah. Akan tetapi Statistik Inferensi juga berhubungan dengan sumber daya, bagaimana peranan Statistik Inferensi dalam membantu kegiatan individu dan masyarakat dalam memenuhi kebutuhannya.
Dalam Bab V ini akan diuraikan beberapa hal mengenai Statistik Inferensi Hal ini untuk memahami konsep dan aturan yang ada di dalam Statistik Inferensi. Uraian tersebut mencakup:
1. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu Paired Sample T-Test untuk menganalisis perbandingan dua sampel yang berpasangan.
2. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu One Sample T-Test untuk menganalisis satu sampel saja.
3. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu Independent Sample T-Test untuk menganalisis dua sampel independent (bebas).

BAB 5
STATISTIK INFERENSI

5.1 Paired Sample T Test
Uji T Untuk Dua Sampel yang Berpasangan (Paired)

Uji T
Dua sampel yasng berpasangan diartikan sebagai sebuah sampel dengan subyek yang sama namun mengalami dua perlakuan atau pengukuran yang berbeda. Contoh berikut akan memperjelas kasus diatas.

Kasus:
Produsen obat diet ingin mengetahui apakah obet yang diproduksinya benar-benar mempunyai efek terhadap penurunan berat badan konsumen. Untk itu, sebuah sampel yang terdiri dari 10 orang masing-masing diukur berat badannya, dan kemudian setelah sebulan meminum obat tersebut, kembali diukur berat badannya.
Sebelum Sesudah
1 76.85 76.22
2 77.95 77.89
3 78.65 79.02
4 79.25 80.21
5 82.65 82.65
6 88.15 82.53
7 92.54 92.56
8 96.25 92.33
9 84.56 85.12
10 88.25 84.56

Pada baris 1, seorang yang sebelum mengkonsumsi obat diet mempunyai berat 76,85 kilogram. Setelah sebulan dan teratur mengkonsumsi obat, beratnya menjadi 76,22 kilogram. Demikian untuk data yang lain.

Penyelesaian:
Kasus di atas terdiri dari dua sampel yang berhubungan atau berpasangan satu dengan yang lain, yaitu sampel sebelum makan obat dan sampel sesudah makan obat. Di sini populasi diketahui berdistribusi normal, dan karena sampel sedikit, dipakai uji t untuk dua sampel yang berpasangan (paired).

Pemasukan Data ke SPSS
Langkah-lan-kahnya:
a. Buka lembar kerja barn.
b. Memberi mama variabel yang diperlukan, dalam hal ini ada dua variabet: Variabel pertama: sebelum
• Letakkan pointer (tanda ‘+’) di sembarang tempat pada kolom pertama, lalu dari baris menu pilih menu Data. Kemudian klik sub-menu Define Variable.
• Variable Name, ketik dengan sebelum untuk menamai berat badan sebelum minuet obat.
• Pilihan Type, karena perhitungan berupa angka, maka diisi tipe
numerik. Untuk An klik pilihan Type, hingga tampak di layar:
• Pilih tipe Numeric, dan untuk Width diisi 8.
• Decimal Places, karena berat badan dalam kasus mempunyai dua desimal, maka isi dengan 2.
• Klik Continue untuk kembali ke menu sebelumnya.
Setelah pengisian selesai, dalam kasus ini yang diubah hanya Nama Variabel dan Tipe Data, maka klik OK untuk mengakhiri pengisian Variabel.

Untuk Variabel kedua: sesudah
• Prinsipnya sama dengan pengisian pada variabel pertarna, yaitu letakkan pointer (tanda ‘+’) pada,sembarang tempat di kolom kedua (kolom pertama untuk data sebelum), lalu dari baris menu pilih menu Data. Kemudian klik submenu Define Variable.
• Variable Name, isi dengan sesudah untuk menamai berat badan sesudah minuet obat.
• Type atau tipe data adalah Numeric/angka, dengan Width adalah 8 dan Decimal Places adalah 2.
• Klik OK jika pengisian telah selesai.

Mengisi data.
• Untuk mengisi kolom sebelum, letakkan pointer pada baris 1 kolom tersebut, lain ketik menurun ke bawah sesuai data berat badan (10 data).
• Untuk mengisi kolom sesudah, letakkan pointer pada baris 1 kolorn tersebut, lalu ketik menurun ke bawah sesuai data berat badan (10 data).
• Jika Pengisian benar maka akan terlihat data seperti awal kasus.

Data diatas bisa disimpan dengan langkah berikut :
• Dari baris menu pilih menu File, kemudian pilih submenu Save As ….
• Beri nama dengan uji_t_paired dan tempatkan file pada direktori yang dikehendaki

Pengolahan Data dengan SPSS
Langkah-langkahnya:
a. Buka lembar kerja/file uji_t_paired sesuai kasus di atas, atau jika sudah terbuka ikuti langkah berikut:
b. Dari baris menu pilih menu Statistics, kemudian pilih submenu Compare-Means.
c. Dari serangkaian pilihan test, sesuai kasus pilih Paired-Samples T test
• Paired Variable(s) atau variabel yang akan diuji. Karena di sini akan diuji data sebelum dan sesudah, maka klik variabel sebelum, kemudian klik sekali lagi pada variabel sesudah, maka terlihat pada
kolom Current Selection di bawah, terdapat keterangan untuk variable I clan 2. Kemudian klik tanda ~ (Yam:, sebelah atas). Sehingga pada Paired Variables terlihat tanda sebelum … sesudah. Variabel sebelum dan sesudah harus dipilih berbarengan. Jika tidak, SPSS tidak bisa menginput dalam kolom Paired Variables.
• Klik Tombol Option
• Untuk Confidence Interval: atau tingkat kepercayaan. Sebagai default, SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi 100% – 95% = 5%.
• Untuk Missing Values atau data yang hilang. Karena dalam kasus semua pasangan data komplit (tidak ada yang kosong), maka abaikan saja bagian ini (tetap pada default dari SPSS, yaitu Exclude cases analysis by analysis).
• Klik Continue jika pengisian dianggap selesai.
Kemudian klik OK untuk mengakhiri pengisian prosedur analisis.

5.2 One Sample T Test
Uji T Untuk Satu Sampel
Uji t
Pengujian satu sampel pada prinsipnya ingin menguji apakah suatu nilai tertentu (yang diberikan sebagai pembanding) berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel.
Kasus :
Menggunakan data yang sama dengan data Obat Penurun Berat Badan terdahulu. Hanya di sini dipakai data Sebelum (berat badan sebelum minum obat).
Dari kasus tersebut diketahui bahwa populasi rata-rata berat sebelum minum obat adalah 84,51 (lihat output SPSS terdahulu). Sekelompok anak muda setelah ditimbang, mempunyai rata-rata berat badan 90 kilogram. Apakah kelompok anak muda ini mempunyai berat yang tidak sama secara signifikan dengan rata-rata berat sampel sebelum minum obat? Data sama persis dengan kasus terdahulu (angka dalam kilogram).

Sebelum Sesudah
1 76.85 76.22
2 77.95 77.89
3 78.65 79.02
4 79.25 80.21
5 82.65 82.65
6 88.15 82.53
7 92.54 92.56
8 96.25 92.33
9 84.56 85.12
10 88.25 84.56

Pemasukan Data ke SPSS
Langkah-langkah pemasukan data sama dengan pcmbahasan terdahulu, atau jika sudah diinput, langsung ke tahap selanjutnya.

Pengolahan Data dengan SPSS
Langkah-langkahnya:
a. Buka lembar kerja/file uji_t_paired sesuai kasus di atas, atau jika sudah terbuka ikuti Ian-kah berikut.
b. Dari baris menu pilih menu Statistics, kemudian pilih submenu Compare-Means.
c. Dari serangkaian pilihan test, sesuai kasus pilih One Sample T test.
• Test Variable(s) atau variabel yang akan diuji. Karena di sini akan diuji data sebelum, maka klik variabel sebelum, kemudian klik tanda (yang sebelah atas). Sehingga pada Test Variables terlihat tanda sebelum.
• Test Value, karena akan diuji nilai hipotesis 90kg, maka ketik 90
• Klik tombol Option,
• Untuk Confidence Interval: atau tingkat kepercayaan. Sebagai default, SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi 100% – 95% = 5%.
• Untuk Missing Values atau data yang hilang. Karena dalam kasus semua pasangan data komplit (tidak ada yang kosong), maka abaikan saja bagian ini (tetap pada default dari SPSS, yaitu Exclude cases analysis by analysis).-
• Klik Continue jika pengisian dianggap selesai.
Kemudian klik OK untuk mengakhiri pengisian prosedur analisis.

5.3 Independent Sample T Test
Uji T Untuk dua Sampel Independent (Bebas)

Uji t
Seorang peneliti ingin mengetahui apakah ada perbedaan antara Tinggi dan Berat badan seorang pria dan seorang wanita. Untuk itu, 7 pria dan 7 wanita masing-masing diUkur tinggi dan berat badannya. Berikut ini adalah hasilnya (angka dalam centimeter untuk Tinggi dan kilogram untuk Berat.
Tinggi Berat Gender
1 174.5 65.8 Pria
2 178.6 62.7 Pria
3 170.8 66.4 Pria
5 159.7 67.8 Pria
6 167.8 67.8 Pria
7 165.5 65.8 Pria
8 154.7 48.7 Wanita
9 152.7 45.7 Wanita
10 155.8 46.2 Wanita
11 154.8 43.8 Wanita
12 157.8 58.1 Wanita
13 156.7 54.7 Wanita
14 154.7 49.7 Wanita

Pada Baris 1, seorang pria dengan tinggi badan 174,5 cm dan berat badan 65,8 kilogram. Demikian juga untuk data yang lainnya.
Penyelesaian:
Kasus di atas terdiri dari dua sampel yang bebas satu dengan yang lain, yaitu sampel bergender pria tentu berbeda dengan sampel bergender wanita. Di sini populasi diketahui berdistribusi normal, dan karena sampel sedikit, dipakai Uji t untuk dua sampel.

Pemasukan Data ke SPSS
Langkah-langkahnya:
a. Buka lembar kerja baru
b. Memberi nama variabel yang diperlukan, dalam hal ini ada tiga variabel:
1. Variabel pertama: tinggi
• Letakkan pointer (tanda ‘+’) pada sembarang tempat di kolorn. pertama, lalu dari baris menu pilih menu Data. Kemudian klik sub-menu Define Variable.
• Variable Name, ketik dengan tinggi untuk menamai tinggi badan.Pilihan Type, karena perhitungan berupa angka, maka diisi tipe numerik. Untuk itu klik pilihan Type. Pilih tipe Numeric, untuk Width diisi 8.
• Decimal Places, karena tinggi badan dalam kasus mempunyai satu desimal, maka isi dengan 1.
• Klik Continue untuk kembali ke menu sebelumnya.
Setelah pengisian selesai, dalam kasus ini yang diubah hanya Nama Variabel dan Tipe Data, maka klik OK untuk mengakhiri pengisian variabel.

2. Untuk variabel kedua: berat
• Prinsipnya sama dengan pengisian pada variabel pertama, yaitu letakkan pointer (tanda ‘+’) pada sembarang tempat di kolom kedua (kolom pertama untuk data tinggi), lalu dari baris menu pilih menu Data. Kemudian klik submenu Define Variable.
• Variable Name, isi dengan berat untuk menamai berat badan.
• Type atau tipe data adalah Numeric/angka, dengan Width adalah 8 dan Decimal Places adalah 1.
3. Untuk variabel ketiga: gender
• Prinsipnya sama dengan pengisian pada variabel pertama, yaitu letakkan pointer (tanda ‘+’) pada sembarang tempat di kolom ketiga, lalu dari baris menu pilih menu Data.
• Kemudian klik submenu Define Variable.
• Variable Name, isi dengan gender.
• Type atau tipe data adalah Numeric/angka, dengan Width ada I6 8 dan Decimal Places adalah 0 (gender tidak ada desimal).
• Pengisian variabel gender:
Seperti diketahui, perhitungan dalam SPSS selalu untuk tipe dat numerik. Untuk itu, variabel gender barns dijadikan numerik pula, yait dengan tanda:
1. = tanda untuk pria
2. = tanda untuk wanita
• Kembali tempatkan pointer pada sembarang sel di variabel gende (kolom ketiga).
• Dari baris menu pilih menu Data, lalu pilih submenu Defin Variable.
• Klik pada Labels
• Variable Label – ketik gender sampel. Value atau nilai yang akan dimasukkan. Pertama, ketik 1.
• Value Label atau keterangan nilai ketik pria.
• Terlihat pilihan Add sudah berubah warna. Dengan mengklik pilihan Add, terlihat pada kotak di bawah keterangan 1=’pria’.
• Selanjutnya, ulangi prosedur untuk tanda ‘2’. Untuk itu tempatkan mouse pada Value, lain ketik 2. Kemudian pada Value Label ketik wanita.
• Setelah Art, dengan mengklik Add maka tampak keterangan 2=’wanita’.
• Dengan demikian angka 1 dan 2 sekarang berlaku sebagai tanda untuk pria dan wanita.
• Klik OK jika pengisian telah selesai.
c. Mengisi data.
* Untuk mengisi kolom tinggi, letakkan pointer pada baris 1 kolom tersebut, lain ketik menurun ke bawah sesuai data tinggi badan (14 data).
* Untuk mengisi kolom berat, letakkan pointer pada baris 1 kolom tersebut, lalu ketik menurun ke bawah sesuai data berat badan (14 data).
* Untuk mengisi kolom gender:
Sebelum, mengisi data, arahkan pointer ke baris menu lalu pilih menu View, kemudian klik submenu Value Label (terlihat Value Label aktif dengan adanya tanda 4 di sebelah kiri submenu tersebut).

Kegunaan pengaktifan View (melihat) Value Label terkait dengan langkah berikut ini:
– Pada data kasus, terlihat pada baris pertama tertulis ‘pria’ yang telah mempunyai kode 1. Maka pada baris pertama kolom kelompok, ketik 1. Terlihat secara otomatis SPSS mengubahnya menjadi keterangan ‘pria’. Hal ini terjadi karena pengaktifan Value Label.
– Demikian untuk data selanjutnya, pemasukan data menggunakan angka 1 atau 2 sesuai keterangan yang dikehendaki. Jangan memasukkan kalimat (huruf) dalarn pengisian data yang bersifat numerik, karena SPSS akan menolaknya!
– Jika pengisian benar, maka terlihat data seperti pada awal kasus.
– Data di atas bisa disimpan dengan langkah berikut:
• Dari baris menu pilih menu File, kemudian pilih submenu Save As….
• Beri nama file –untuk keseragaman– dengan uji t 1, dan tempatkan file pada direktori yang dikehendaki.
Pengolahan Data dengan SPSS Langkah-langkahnya:
a. Buka lembar kerja/file Uji-t-1 sesuai kasus di atas, atau jika sudah terbuka ikuti langkah berikut.
b. Dari baris menu pilih menu Statistics, kemudian pilih submenu Compare-Means.
c. Dari serangkaian pilihan test, sesuai kasus pilih Independent-Samples T test
• Test Variable(s) atau variabel yang akan diuji. Karena di sini akan diuji data tinggi dan berat, maka klik variabel tinggi, kemudian klik (yang sebelah atas). Sehingga variabel tinggi berpindah Test Variable(s). Demikian juga untuk variabel berat.
• Grouping Variable atau variabel grup. Karena variabel penge- lompokkan ada pada variabel gender, maka klik variabel gender, kemudian klik tanda (yang sebelah bawah), maka variabel gender berpindah ke Grouping Variable (berupa ‘kelompok(‘?)’).
 Klik pada Define Groups. Untuk Groupl, isi dengan 1, yan,,, berarti Grup 1 berisi tanda 1 atau ‘pria’.
 Untuk Groupl, isi dengan 2, yang berarti Grup 2 berisi tanda 2 atau ‘wanita’.
 Setelah pengisian selesai, klik Continue untuk melanjutkan ke menu sebelumnya.
Untuk tombol Option,
 Untuk Confidence Interval: atau tingkat kepercayaan. Sebagai default, SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi 100% – 95% = 5%. Signifikan tingkat kepercayaan dari SPSS, karena itu angka 95 tidak perlu diganti.
 Untuk Missing Values atau data yang hilang. Karena dalam kasus semua pasangan data komplit (tidak ada yang kosong), maka abaikan saja bagian ini (tetap pada default dari SPSS, yaitu Exclude cases analysis by analysis).Klik Continue jika pengisian dianggap selesai.

BAB V ANALISIS KORELASI DENGAN SPSS

Petunjuk Umum
Sebaiknya mahasiswa membaca sekilas isinya sebelum memulai mempelajarinya, sehingga mahasiswa mempunyai gambaran apa saja bagian-bagian di dalamnya secara terpadu. Ingat janganlah memperhatikan pertanyaan-pertanyannya terlebih dahulu. Gunakan kira-kira 30 menit saja untuk membaca bab ini. Setelah membaca apakah Analisis Korelasi dengan SPSS itu, bab ini memuat praktek dan latihan yang dapat dibahas dan dikerjakan oleh mahasiswa.

Kompetensi Umum
Dengan membaca bab ini dan menyelesaikan praktek dan tugas dari bab VI ini, diharapkan mahasiswa dapat memahami dan mempraktekkan bagaimana Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu Paired Sample T-Test untuk menganalisis perbandingan dua sampel yang berpasangan. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu One Sample T-Test untuk menganalisis satu sampel saja. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu Independent Sample T-Test untuk menganalisis dua sampel independent (bebas).

Kompetensi Khusus
Setelah mempelajari isi bab VI ini dengan baik, mahasiswa diharapkan:
1. Mampu Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan pengukuran korelasi bivariate yang menunjukkan variabel atau urutan variabel yang berhubungan.
2. Mampu Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan pengukuran korelasi parsial yang menunjukkan dua variabel yang memiliki akibat dari variabel ketiga atau sejumlah variabel-variabel.
3. Mampu Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan pengukuran korelasi distances untuk menghitung sembarang keragaman pengukuran statistik berupa kesamaan atau ketidaksamaan atau salah satu antara pasangan variabel atau pasangan case.

Deskripsi Singkat
Analisis Korelasi dengan SPSS sering kita dengar dalam kehidupan sehari-hari di masyarakat maupun dalam berita-berita di media massa elektronik maupun cetak. Orang cenderung berfikir bahwa Analisis Korelasi dengan SPSS selalu berkaitan dengan data dan berhitung (angka), memang tidak salah. Akan tetapi Analisis Korelasi dengan SPSS juga berhubungan dengan sumber daya, bagaimana peranan Analisis Korelasi dengan SPSS dalam membantu kegiatan individu dan masyarakat dalam memenuhi kebutuhannya.
Dalam Bab VI ini akan diuraikan beberapa hal mengenai Analisis Korelasi dengan SPSS. Hal ini untuk memahami konsep dan aturan yang ada di dalam Analisis Korelasi dengan SPSS .

Uraian tersebut mencakup:
1. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan pengukuran korelasi bivariate ryang menunjukkan variabel atau urutan variabel yang berhubungan.
2. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan pengukuran korelasi parsial yang menunjukkan dua variabel yang memiliki akibat dari variabel ketiga atau sejumlah variabel-variabel.
3. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan pengukuran korelasi distances untuk menghitung sembarang keragaman pengukuran statistik berupa kesamaan atau ketidaksamaan atau salah satu antara pasangan variabel atau pasangan case.

BAB 6
ANALISIS KORELASI

Dalam menyelidikan hubungan antara dua variabel dengan menggunakan analisis Korelasi. Ada banyak macam analisis korelasi, tergantung dari jenis data yang akan dianalisis. Yang sangat populer adalah analisis korelasi Product Moment atau analisis korelasi Pearson. Disamping itu ada analisis korelasi Parsial yang sebenarnya adalah untuk analisis multivaribel. Data SPSS ada 3 jenis analisis korelasi, yaitu korelasi Bivariate, korelasi Parsial dan Distances.

6.1 KORELASI BIVARIATE
Korelasi Bivariate terdiri atas tiga macam, yaitu:
• Korelasi Pearson
• Korelasi Tau-Kendall
• Korelasi Spearman
Pengukuran korelasi menunjukan bagaimana variabel atau urutan variabel berhubungan. Analisis korelasi Pearson ditujukan untuk pasangan pengamatan data rario dan menunjukan hubungan linier. Sedangkan untuk korelasi Tau-Kendall dan Spearman digunakan untuk data kategori. Koefisien korelasi adalah nilai tunggal yang menginformasikan di dalam hal apa keduanya berkorelasi dan dan dalam keadaan apa variasi pada satu hal bervariasi dengan hal lain. Untuk melakukan analisis korelasi lekukan dengan mengklik menu Analyze/Correlate, dan kemudian akan muncul tampilan pada gambar 166.
Ada beberapa hal yang penting diketahui, yaitu:
 Test of Significance; terdiri atas One tailed atau uji 1 arah dan Two tailed atau uji 2 arah. Flag Significance Correlation; menunjukan koefisien korelasi pada level 0.05 terindetifikasi maka akan diberi simbol asterisk tunggal (*), dan level 0.01 terindetifikasi, maka akan diberi dua asterisk (**).
Sedangkan pada menu Option terdapat beberapa hal, yaitu:
 Means and Standard Deviation; ditampilkan untuk setiap variabel.
 Cross Product Deviation and Covariances; ditampilkan untuk setiap pasangan variabel.
 Missing Value; dapat dipilih dalam dua pilihan, yaitu:
• Exclude Cases Pairwise; yaitu kasus dengan missing value untuk satu atau kedua pasangan variabel yang dikorelasikan
• Exclude Cases Listwise; yaitu kasus dengan missing value untk sebarang variabel dari semua korelasi.

KORELASI PEARSON
Korelasi jenis ini juga sering disebut korelasi Produk Momen, disebut korelasi Pearson karena didasarkan pada nama penemunya yaitu Karl Paerson. Korelasi digunakan untuk mengetahui hubungan dari beberapa variabel. Beberapa asumsi yang digunakan apabila akan melakukan analisis korelasi produk momen atau korelasi Pearson, antara lain:
o Distribusi nilai dari varianel berdistribusi normal atau mendekati berdistribusi normal
o Dua variabel yang akan dicari korelasinya adalah variabel kontinum yang besifat rasional atau minimal bersifat interval.
o Hubungan dari dua variabel adalah linier.
Sebagai ilustrasi dapat digambarkan seperti contoh kasus berikut ini:
1. Data yang akan dianalisis dengan korelasi pearson sudah dimasukan dalam data editor SPSS, seperti gambar 168.
2. Selanjutnya tentukan variabel yang akan dicari nilai korelasinya
3. Tentukan analisis tambahan pada Options, seperti gambar 170.
4. Hasil perhitungan disajikan seperti gambar dibawah ini :

KORELASI TAU-KENDALL
Korelasi Jenjang Kendall (Tau-Kendall) digunakan untuk mencari korelasi dimana kedua data yang dikorelasikan mempunyai gejala Ordinal. Di samping itu korelasi ini dapat digunakan juga untuk menghitung korelasi Parsial.
Untuk memperjelas bahasan ini. Diilustrasikan dengan contoh kasus seperti gambar 172.
1. Data dipersiapkan dalam tabel editor SPSS berikut ini:
2. Selanjutnya pilih variabel yang akan dihitung nilai korelasinya, seperti gambar 173.
3. Tambahkan prosedur tambahan sesuai dengan kebutuhan analisis pada Options, seperti terlihat pada tampilan gambar 174.
4. Hasil perhitungan dapat dilihat dengan gambar 175

KORELASI SPEARMAN
Korelasi ini merupakan korelasi tata jenjang yang paling terkenal. Sama dengan korelasi Tau-Kendall, korelasi spearman digunakan untuk tipe data yang mempunyai skala ordinal sehingga objek yang diteliti dimungkinkan untuk diberi rangking atau jenjang.
Untuk memperjelasnya, perhatikan contoh kasus berikut ini:
1. Data dipersiapkan dalam tabel editor SPSS, seperti gambar 176.
2. Pilih variabel yang akan dicari nilai korelasinya seperti gambar 177.
3. Tentukan uji tambahan yang diperlukan dalam analisis pada Options
Gambar 178: Pemilihan Menu Options
4. Hasil perhitungan dapat dilihat seperti gambar dibawah ini:

KORELASI PARSIAL
Korelasi parsial antara dua varibel adalah suatu korelasi yang menihilkan akibat dari variabel ketiga atauu sejumlah variabel-variabel yang lain terhhadap dua variabel yang sedang dikorelasikan.
Untuk menjalankan perhitungkan korelasi parsial lakukan langkah sebagai berikut:
1. Klik menu Analyze, pilih Correlate
2. Pilih Partial dan kemudian akan muncul tampilan seperti gambar 180.
Dari tampilan gambar diatas ada beberapa hal yang harus jadi perhatian, yaitu:
 Variables; adalah variabel yang akan dicari korelasi parsialnya.
 Controlling for; adalah variabel pengontrol.
 Test of Significance Level; menunjukkan apabila koefisien korelasi pada level 0.05 terindetifikasi akan diberikan simbol asterisk tunggal (*), dan jiks level 0.01 teridentifikasi akan diberikan simbol dua asterisk (**).
 Options; pada menu ini ada beberapa pilihan, yaitu: Mean dan Standar Deviasi, Zero Order Correlation, Missing value.
Tampilan jendela Options bisa dilihat pada gambar ini:

Untuk lebih jelasnya perhatikan contoh kasus berikut ini. Data diambil dari sampel data SPSS dengan nama file Home sales by neighborhood, seperti gambar dibawah ini :
1. Pilih variabel yang akan dihitung nilai korelasinya.
2. Tentukan analisis tambahan dalam Options, seperti terlihat pada gambar ini:
3. Hasil perhitungan dapat dilihat seperti gambar ini :

DISTANCES
Prosedur ini menghitung sembarang keragaman pengukuran atatistik berupa kesamaan atau ketidaksamaan, atau salah satu antara pasangan variabel atau pasangan case. Pengukuran tersebut dapat dibantu dengan analisis statistik Multivariate seperti analisis Faktor, Cluster, Multidimensional Scaling dan sebagainya.

Pada bahasan ini data yang digunakan sebagaimana daftar berikut ini:
Data1 Data2 Data3
125.00 90.00 1.00
100.00 85.00 2.00
75.00 75.00 1.00
110.00 80.00 3.00
150.00 65.00 4.00
135.00 95.00 1.00
130.00 100.00 2.00
145.00 65.00 3.00
130.00 80.00 4.00
200.00 90.00 5.00
Untuk melakukan analisis ini, lakukan langkah-langkah berikut ini:
1. Klik menu Analyze, pilih Correlate.
2. Klik Distances sehingga akan keluar tampilan seperti gambar ini:.

Pada gambar diatas ada beberapa hal yang penting berkaitan dengan menunya, yaitu:
• Variables; adalah data dengan tipe kuantitatif
• Label Cases by; berupa data string.
• Compute Distances; dapat dipilih antara variabel atau antara case.
• Measure; pengukuran yang dipilh adalah yang sama atau tidak sama.
Selain itu ada prosedur lain dalam measures, yaitu:\
o Interval Data; menunjukan jarak Euclid, jarak Euclid kuadrat, Chebisev, Minkowski, Block.
o Count Data; merupakan pengukuran Chi-kuadrat atau Phi-kuadrat.
o Binary Data; menunjukan jarak Euclid, jarak Euclid kuadrat, shape atau Lance dan william.
o Transform Value; berisi standarisasi nilai data meliputi metode Z-Scores, Range 1 to 1 Range 0 to 1, Maximum Magnitude 0f 1, Mean of 1, atau standard Deviation of 1.
o Transform Measures; berisi transformasi nilai dengan jarak pengukuran.
Tampilan dari kotak dialog Measure terlihat pada gambar dibawah ini:

Untuk memperjelas materi diatas akan diberikan contoh kasus sebagai berikut. Data masih tetap sama seperti tabel di awal bahasan ini, kemudian lakukan langkah-langkah berikut ini:
1. Masukkan data kedalam tabel data SPSS seperti gambar dibawah ini:
2. Pilih variabel yang akan dianalisis seperti tampak pada gambar dibawah ini:
3. Pilih prosedur yang akan digunakan untuk analisis pada Measures.

BAB VII ANALISIS REGRESI DENGAN SPSS

Petunjuk Umum
Sebaiknya mahasiswa membaca sekilas isinya sebelum memulai mempelajarinya, sehingga mahasiswa mempunyai gambaran apa saja bagian-bagian di dalamnya secara terpadu. Ingat janganlah memperhatikan pertanyaan-pertanyannya terlebih dahulu. Gunakan kira-kira 30 menit saja untuk membaca bab ini. Setelah membaca apakah Analisis Regresi dengan SPSS itu, bab ini memuat praktek dan latihan yang dapat dibahas dan dikerjakan oleh mahasiswa.

Kompetensi Umum
Dengan membaca bab ini dan menyelesaikan praktek dan tugas dari bab VII ini, diharapkan mahasiswa dapat memahami dan mempraktekkan bagaimana Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan pengukuran regresi linier/sederhana untuk menentukan hubungan satu variabel terikat dan variabel bebas. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan pengukuran regresi berganda untuk menentukan satu variabel dependent dan lebih dari satu variabel independent.

Kompetensi Khusus
Setelah mempelajari isi bab VI ini dengan baik, mahasiswa diharapkan:
1. Mampu Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan pengukuran regresi linier/sederhana untuk menentukan hubungan satu variabel terikat dan variabel bebas.
2. Mampu Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan pengukuran regresi berganda untuk menentukan satu variabel dependent dan lebih dari satu variabel independent.

Deskripsi Singkat
Analisis Regresi dengan SPSS sering kita dengar dalam kehidupan sehari-hari di masyarakat maupun dalam berita-berita di media massa elektronik maupun cetak. Orang cenderung berfikir bahwa Analisis Regresi dengan SPSS selalu berkaitan dengan data dan berhitung (angka), memang tidak salah. Akan tetapi Analisis Regresi dengan SPSS juga berhubungan dengan sumber daya, bagaimana peranan Analisis Regresi dengan SPSS dalam membantu kegiatan individu dan masyarakat dalam memenuhi kebutuhannya.
Dalam Bab VI ini akan diuraikan beberapa hal mengenai Analisis Regresi dengan SPSS Hal ini untuk memahami konsep dan aturan yang ada di dalam Analisis Regresi dengan SPSS . Uraian tersebut mencakup:
1. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan pengukuran regresi linier/sederhana untuk menentukan hubungan satu variabel terikat dan variabel bebas.
2. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan pengukuran regresi berganda untuk menentukan satu variabel dependent dan lebih dari satu variabel independent.

BAB 7
ANALISIS REGRESI DENGAN SPSS

Dalam SPSS macam analisis regresi yang dapat diproses ada banyak, diantaranya adalah Regresi Linier, Kurva Estimasi, Binary Logistic, Multinominal Logistic, Ordinal, Non Linier, Weight Estimation, 2 Stage Least Square.
Langkah-langkah yang harus dilakukan untuk melakukan analisis Regresi sebagai berikut :
1. Klik menu Analyze, pilih Regression
2. Pilih Analisis Regresi yang dikehendaki seperti dalam tampilan seperti gambar 192.

REGRESI LINIER
Regresi linier ditujukan untuk menentukan hubungan linier antara sebuah variable bebas tunggal yang biasa disebut x dengan sebuah variable terikat yang disebut y. Satu analisis yang membantu dalam analisis Regresi sebelum melakukan proses pengujian hipotesis adalah dengan melakukan visualisasi data. Metode ini setidaknya dapat memberikan arahan tentang hubungan yang terjadi antara dua variable tersebut.

Analisis Regresi yang akan digunakan adalah analisis Regresi Linier dengan dua variable, seperti pada langkah-langkah di bawah ini. Tentukan variabel pertama.
Tentukan variabel yang kedua.
Tentukan analisis tambahan dalam prosedur Statistics

3. Visualisasikan hasil perhitungan dengan memilih prosedur pada Plots,

4. Tentukan nilai residual, nilai prediksi, ataupun interval konfidensi dan simpan sekaligus hasil perhitungan

5. Atur proses apabila ditemukan missing case pada data pengamatan.

6. Hasil dari perhitungan analisis regersi linier direpresentasikan sebagaimana tampilan seperti gambar dibawah ini :

7. Keluaran statistic deskriptif.

4. Sedangkan perhitungan residual akan terlihat seperti gambar dibawah ini:

8. Visualisasi histogramnya akan nampak seperti gambar dibawah ini:

9. Visualisasikan residu standard seperti gambar dibawah ini:

10. Hasil penyimpanan dalam file aktif seperti gambar dibawah ini:

REGRESI BERGANDA
Pada regresi sederhana hanya ada satu variabel (Y) dan satu variabel independent (X), maka pada kasus regresi berganda, terdapat satu variabel dependent dan lebih dari satu variabel independent. Dalam Praktek bisnis, regresi berganda justru lebih banyak digunakan, selain karena banyaknya variabel bisnis yang perlu dianalisis bersama, juga pada banyak kasus regresi berganda lebih relevan digunakan.
Dalam banyak kasus bisnis yang menggunakan regresi berganda, pada umumnya jumlah variabel dependent berkisar dua sampai empat variabel. Walaupun secara teoritis bisa digunakan banyak variabel bebas, namun penggunaan lebih dari tujuh variabel independent dianggap akan tidak efektif.
Sama seperti pada pembahasan regresi sederhana, pembahasan regresi berganda dengan SPSS bisa dilakukan dengan menu Regression. Pembahasan akan memuat dua contoh, pertama adalah dengan dua variabel bebas, dan kemudian dengan banyak variabel bebas.

BAB VIII PENYAJIAN HASIL ANALISIS DAN INTERPRETASI

Petunjuk Umum
Sebaiknya mahasiswa membaca sekilas isinya sebelum memulai mempelajarinya, sehingga mahasiswa mempunyai gambaran apa saja bagian-bagian di dalamnya secara terpadu. Ingat janganlah memperhatikan pertanyaan-pertanyannya terlebih dahulu. Gunakan kira-kira 30 menit saja untuk membaca bab ini. Setelah membaca apakah Penyajian Hasil Analisis dan Interpretasi itu, bab ini memuat praktek dan latihan yang dapat dibahas dan dikerjakan oleh mahasiswa.

Kompetensi Umum
Dengan membaca bab ini dan menyelesaikan praktek dan tugas dari bab VIII ini, iharapkan mahasiswa dapat memahami dan mempraktekkan bagaimana Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan Penyajian Hasil Analisis dan Interprestasi

Kompetensi Khusus
Setelah mempelajari isi bab VIII ini dengan baik, mahasiswa diharapkan:
1. Mampu Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu Paired Sample T-Test untuk menganalisis perbandingan dua sampel yang berpasangan.
2. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu One Sample T-Test untuk menganalisis satu sampel saja.
3. Mempraktekkan/menjalankan penyajian/pengolahan data menggunakan menu Independent Sample T-Test untuk menganalisis dua sampel independent (bebas).

Deskripsi Singkat
Penyajian Hasil Analisis dan Interpretasi sering kita dengar dalam kehidupan sehari-hari di masyarakat maupun dalam berita-berita di media massa elektronik maupun cetak. Orang cenderung berfikir bahwa Penyajian Hasil Analisis dan Interpretasi selalu berkaitan dengan data dan berhitung (angka), memang tidak salah. Akan tetapi Penyajian Hasil Analisis dan Interpretasi juga berhubungan dengan sumber daya, bagaimana peranan Penyajian Hasil Analisis dan Interpretasi dalam membantu kegiatan individu dan masyarakat dalam memenuhi kebutuhannya.
Dalam Bab VIII ini akan diuraikan beberapa hal mengenai Penyajian Hasil Analisis dan Interpretasi Hal ini untuk memahami konsep dan aturan yang ada di dalam Penyajian Hasil Analisis dan Interpretasi. Uraian tersebut mencakup: Mempraktekkan / menjalankan penyajian/pengolahan data menggunakan Penyajian Hasil Analisis dan Interprestasi

BAB 8
PENYAJIAN HASIL ANALISIS DAN INTERPRESTASI

Contoh Hasil Penyajian Hasil Analisis dan Interpretasi. Karakteristik responden dalam penelitian ini antara lain berdasarkan jenis kelamin, umur, pendidikan terakhir, dan masa kerja pada Politeknik Negeri Sriwijaya Palembang, dengan jumlah responden 150 orang yang meliputi pegawai dilingkungan Politeknik Negeri Sriwijaya Palembang

Tabel 1 (lampiran) memperlihatkan, jenis kelamin laki-laki (83 orang) lebih banyak dibandingkan wanita (67 orang). Tingkat pendidikan tertinggi adalah S2 (2 orang), S1 (48 orang), D3 (33 orang), SMA (20 orang) selebihnya tingkat pendidikan SMP (14 Orang). Lama bekerja pegawai terbanyak antara 6-10 tahun dengan jumlah 60 orang, 45 orang antara 0-5 tahun, 35 orang antara 11-20 tahun dan 10 orang antara 21-30 tahun. Jabatan responden yang terbesar berada pada posisi administrasi sebanyak 98 orang, 29 orang sebagai Teknisi dan lain-lain sebanyak 23 orang. Umur responden tertinggi sebanyak 55 orang berumur 26 – 35 tahun, 40 orang berumur 36 – 45 tahun, 25 orang berumur 46 – 55, selebihnya berumur 17-25 sebanyak 15 orang.

Sebanyak 80 pegawai terpilih sebagai responden dalam penelitian ini. Variabel bebas terdiri dari Kepemimpinan (X1), terdiri dari 30 item pertanyaan. Variabel terikat adalah variabel Kinerja (Y) terdiri dari 30 item pertanyaan. Untuk menganalisis variabel-variabel tersebut diambil dari skor rata-rata jumlah skor dari komponen masing-masing variabel tersebut kemudian membuat interval untuk masing-masing nilai setiap variabel.
Tabel 2 (lampiran) memperlihatkan sebanyak 37 responden memilih dengan persentase 47% sangat setuju pertanyaan pada variabel Kepemimpinan (X1), 36 responden dengan persentase 45% memilih setuju , 6 responden dengan persentase 8% memilih agak setuju, 1 responden dengan persentase 45% memilih tidak setuju dan tidak ada yang menjawab sangat tidak setuju. Hal ini mencerminkan responden sangat setuju dengan Kepemimpinan dilingkungan Politeknik Negeri Sriwijaya Palembang.

Tabel 3 (lampiran) memperlihatkan sebanyak 35 responden dengan persentase 31% sangat setuju pertanyaan pada variabel Kinerja (X1), 49 responden dengan persentase 61% memilih setuju , 6 responden dengan persentase 8% memilih agak setuju, tidak ada responden memilih tidak setuju dan tidak ada responden memilih sangat tidak setuju. Hal ini mencerminkan respoden setuju terhadap Kinerja yang dicapai pegawai dilingkungan Politeknik Negeri Sriwijaya Palembang.
Uji Kuesioner sebagai instrumen penelitian, maka digunakan uji validitas dan realibilitas. Suatu instrument dalam penelitian dikatakan valid apabila mampu mengukur apa yang ingin diukur dan dapat mengungkapkan data dari variabel-variabel yang diteliti secara tetap. Uji ini dilakukan dengan menggunakan korelasi product moment, dengan kriteria pengujian yang digunakan adalah suatu instrument dikatakan valid jika nilai r = 0,30 dengan derajat signifikansi sebesar 5% (Azwar, 2000).

Hasil uji reliabilitas digunakan untuk mengetahui apakah intrumen penelitian yang dipakai dapat digunakan berkali-kali pada waktu yang berbeda. Uji Reliabilitas ini menggunakan formula koefisien alpha cronbach, dengan criteria pengujian adalah instrument dikatakan reliable jika mempunyai nilai koefisien alpha cronbach lebih besar dari 0,60.

Dari tabel 4 (lampiran) dapat kita lihat bahwa nilai alpha if item deleted lebih besar dari 0,60 adalah reliabel, sehingga hasil perhitungan data uji coba instrumen dari 30 pertanyaan tentang kepemimpinan, diperoleh 23 butir realibel sedangkan 7 butir tidak reliabel yaitu butir no. 2, 14, 15, 17, 20, 25 dan 30. Tabel 4 menjelaskan bahwa nilai Corrected item-total correlation lebih besar dari r = 0,3 sehingga dinyatakan valid.

Dimana kita bisa lihat dari tabel 5 (lampiran) yang menjelaskan bahwa Data uji coba instrumen dari 30 pertanyaan tentang kinerja, diperoleh 26 butir realibel sedangkan 4 butir tidak reliabel yaitu butir no. 1, 4, 20 dan 30. Butir-butir pertanyaan yang tidak reliabel tersebut dibuang atau kita gugurkan atau tidak kita gunakan. Tabel 5 diperhatikan nilai Corrected item-total correlation lebih Besar dari r = 0,3 sehingga dinyatakan valid.

Tabel 6 (lampiran) dapat kita lihat bahwa variabel rata-rata kinerja dengan jumlah data sebanyak 80 responden adalah 4.0525 dengan standar deviasi 0.379754, variable rata-rata kepemimpinan sebesar 4.1025 dengan jumlah data sebanyak 80 responden dan standar deviasi adalah 0.4508712.

Hasil Uji Korelasi

Tabel 7 (lampiran) menjelaskan besar hubungan antara variabel kinerja dengan variabel kepemimpinan dengan koefisien korelasinya adalah 0,484. Hal ini menunjukkan hubungan yang erat antara kinerja dan kepemimpinan. Arah hubungan yang positif (tidak ada angka negatif pada angka 0.484 dan 0.584) menunjukkan bahwa semakin besar kepemimpinan akan membuat kinerja juga cenderung meningkat. Demikian juga sebaliknya. Tingkat signifikansi koefisien korelasi satu sisi output (diukur dari probabilitas) menghasilkan angka 0.000 atau praktis 0. Karena probabilitas jauh dibawah 0.05, maka korelasi antara kinerja dan kepemimpinan sangat nyata.
Tabel 8 (lampiran) menjelaskan bahwa variabel yang dimasukkan variabel kepemimpinan serta tidak ada variabel yang dikeluarkan (removed). Hal ini disebabkan metode yang dipakai adalah single step (enter) dan bukan stepwise.

Uji Normalitas

Tujuan dilakukannya uji normalitas adalah untuk mengetahui apakah model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Jika residual berasal dari distribusi normal, maka nilai-nilai sebaran data akan terletak disekitar garis lurus. Gambar 2 (lampiran) menjelaskan bahwa sebaran data pada chart di atas bisa dikatakan tersebar di sekeliling garis lurus tersebut (tidak berpencar jauh dari garis lurus). Sehingga dapat dikatakan bahwa persyaratan normalitas bisa terpenuhi.

Uji Heteroskedastisitas

Pengujian heteroskedasitas bertujuan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varians dari residual pengamatan ke pengamatan yang lain dengan dasar pengambilan keputusan adalah sebagai berikut : (1) Jika ada data yang membentuk pola tertentu, seperti titik-titik yang membentuk pola tertentu dan teratur (bergelombang, melebar kemudian menyempit) maka telah terjadi heteroskedasitas. (2) Jika tidak ada pola yang jelas serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedasitas.
Gambar 3 (lampiran) memperlihatkan bahwa jika model regresi layak dipakai untuk prediksi (fit), maka data akan berpencar disekitar angka nol dan tidak membentuk suatu pola atau trend garis tertentu. Dari chart diatas terlihat sebaran data ada disekitar titik nol, serta tidak tampak adanya suatu pola tertentu pada sebaran data tersebut. Sebaran data pada chart juga berada mulai dari kiri bawah lurus ke kanan atas seperti yang disyaratkan. Maka bisa dikatakan model regresi memenuhi syarat untuk memprediksi kinerja.

Uji Autokorelasi

Uji autokorelasi bertujuan untuk mengetahui apakah ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Dimana pengujian autokorelasi dapat dideteksi dari besarnya nilai Durbin Watson. Berikut ini merupakan petunjuk dasar pengambilan keputusan ada tidaknya autokorelasi : (1) Angka DW dibawah -2 berarti ada autokorelasi positif. (2) Angka DW dibawah -2 sampai +2 berarti tidak ada autokorelasi. (3) Angka DW dibawah +2 berarti ada autokorelasi negative
Hasil model summary (lampiran) dapat diperoleh nilai Durbin Watson sebesar 1,913 dimana nilai DW dibawah -2 sampai +2, maka tidak ada autokorelasi.
Hasil pengujian regresi linear berganda antara variabel Kepemimpinan (X1), dan Kinerja (Y) dapat kita lihat pada tabel 9.
Y = 0.924 + 0.299 X1

Dimana :
Y adalah Kinerja
X1 adalah Kepemimpinan

Konstanta sebesar 0.924 menyatakan bahwa jika tidak ada kepemimpinan maka kinerja adalah sebesar 0.924. Koefisien regresi sebesar 0.299 menyatakan bahwa setiap penambahan (karena tanda +) 1 kepemimpinan akan meningkatkan kinerja sebesar 0.299.
Tabel 9 (lampiran) menjelaskan Koefisien determinan (R2) sebesar 0.458 berarti bahwa 45,8% variabelitas variabel kinerja pegawai dapat diterangkan oleh variabel bebas dalam hal ini Kepemimpinan, sisanya 54,2% dipengaruhi oleh faktor-faktor lain yang tidak diikutsertakan dalam penelitian ini, antara lain : disiplin, pengembangan, dan iklim organisasi.
Menguji apakah terdapat pengaruh yang kuat secara simultan antara Kepemimpinan terhadap Kinerja pegawai maka dapat kita lihat dari hasil pengujian berikut : Berdasarkan perhitungan SPSS diperoleh nilai F hitung sebesar 32.639, dimana kriteria penolakan Ho, jika F hitung lebih besar dari F tabel atau Fo > F 1, n-3, dengan mengambil taraf signifikan ( ) sebesar 5 %, maka dari tabel distribusi F didapat F tabel untuk F0.05.2.60 = 3.15 dan F0.05.2.100 = 3.07, maka F0.05.2.80 = 3.11.
Dikarenakan 32.639 lebih besar dari 3.11 dan Sig F sebesar 0.000 maka Ho ditolak. Artinya dapat disimpulkan bahwa terdapat hubungan secara linier antar Kepemimpinan terhadap Kinerja pegawai.
Untuk menguji secara parsial (sendiri-sendiri) atau untuk mengetahui variabel bebas mana yang berpengaruh signifikan terhadap varibael terikat di uji dengan uji t, hasilnya sebagai berikut : Dari hasil perhitungan program SPSS untuk uji parsial adalah sebagai berikut : nilai t hitung sebesar 4.090 dengan tingkat signifikansi α sebesar 5%, maka nilai t tabel atau t0.05.2.60 = 1.671 dan t0.05.2.100 = 1.658, maka t0.05.2.80 = 1.660, sehingga dikarenakan t hitung 4.090 lebih besar dari t tabel 1.660 maka Ho ditolak atau dengan kata lain kepemimpinan berpengaruh terhadap kinerja pegawai sebesar 0.355.
Nilai t hitung kepemimpinan (X1) sebesar 4.090 dengan tingkat signifikan sebesar 0,000 (p 56 15
55
40
25
0 10%
36%
27%
17%
0%
Total 150 100%
Sumber : data primer yang diolah

Tabel 2
Distribusi Frekuensi Variable Kepemimpinan (X1)
Skor Interval Frekwensi Persentase
Sangat tidak Setuju
Tidak setuju
Agak setuju
Setuju
Sangat setuju 1 s/d 1,8
1,9 s/d 2,6
2,7 s/d 3,4
3,5 s/d 4,1
4,2 s/d 5 0
1
6
36
37 0%
1%
8%
45%
47%
Total 80 100%
Sumber : data primer yang diolah

Tabel 3
Distribusi Frekuensi Variable Kinerja (Y)
Skor Interval Frekwensi Persentase
Sangat tidak setuju
Tidak setuju
Agak setuju
Setuju
Sangat setuju 1 s/d 1,8
1,9 s/d 2,6
2,7 s/d 3,4
3,5 s/d 4,1
4,2 s/d 5 0
0
6
49
25 0%
0%
8%
61%
31%
Total 80 100%
Sumber : data primer yang diolah

Tabel 4
Hasil Uji Validitas variable Kepemimpinan Item-total Statistics
Scale Scale Corrected
Mean Variance Item- Alpha
if Item if Item Total if Item
Deleted Deleted Correlation Deleted
KEP1 90.5500 124.5544 .7334 .9460
KEP3 90.4625 124.7581 .6690 .9467
KEP4 90.3750 127.3006 .5208 .9485
KEP5 90.3750 126.5918 .5850 .9477
KEP6 90.5250 122.6829 .6806 .9465
KEP7 90.6000 122.8759 .6904 .9464
KEP8 90.4125 122.8530 .7520 .9456
KEP9 90.4875 123.8226 .6279 .9473
KEP10 90.3875 124.9239 .7269 .9461
KEP11 90.6000 128.2430 .5457 .9481
KEP12 90.6750 126.1462 .5122 .9488
KEP13 90.5125 125.8479 .6404 .9471
KEP16 90.5750 124.6019 .7261 .9461
KEP18 90.5875 122.1695 .7934 .9450
KEP19 90.5750 121.5386 .8059 .9448
KEP21 90.6625 125.2138 .5365 .9486
KEP22 90.5500 125.0101 .6437 .9470
KEP23 90.6125 124.6454 .6701 .9467
KEP24 90.5750 124.8297 .6200 .9473
KEP26 90.6125 121.7340 .7338 .9458
KEP27 90.6125 124.7467 .6302 .9472
KEP28 90.6000 125.8633 .5691 .9479
KEP29 90.3750 126.0348 .6230 .9472
Alpha = 0,9491
Sumber : data primer diolah
Tabel 5
Hasil Uji Validitas Kinerja Item-total Statistics
Scale Scale Corrected
Mean Variance Item- Alpha
if Item if Item Total if Item
Deleted Deleted Correlation Deleted
Kiner002 101.5696 99.9919 .4569 .9198
Kiner003 101.2405 102.6722 .3655 .9208
Kiner005 101.5443 102.6358 .3652 .9208
Kiner006 101.6709 97.8390 .5753 .9175
Kiner007 101.1772 102.9682 .4039 .9200
Kiner008 101.6582 98.4330 .6092 .9168
Kiner009 101.6709 98.7364 .6692 .9159
Kiner010 101.8861 100.9484 .4987 .9187
Kiner011 102.0000 97.0000 .5806 .9176
Kiner012 101.3418 100.6125 .4615 .9194
Kiner013 101.5696 100.9150 .5280 .9182
Kiner014 101.6962 95.2142 .7621 .9137
Kiner015 101.5190 101.2016 .4594 .9193
Kiner016 101.4937 101.5352 .4115 .9202
Kiner017 101.5949 99.2441 .6639 .9161
Kiner018 101.8101 98.4891 .6377 .9163
Kiner019 101.5063 100.7147 .5038 .9186
Kiner021 101.4051 101.1159 .5043 .9186
Kiner022 101.6582 99.7663 .5452 .9178
Kiner023 101.3671 101.1584 .6452 .9170
Kiner024 101.3165 99.4499 .7103 .9157
Kiner025 101.2152 100.5044 .6281 .9169
Kiner026 101.3291 98.8903 .7116 .9155
Kiner027 101.2152 102.9916 .3916 .9202
Kiner028 101.4304 101.0175 .5443 .9180
Kiner029 101.3544 103.2061 .3641 .9206
Alpha = 0.9210
Sumber : data primer diolah

Rekapitulasi Uji Reliabilitas

Cronbach’s Alpha Keterangan
Kepemimpinan 0,9491 Reliable
Kinerja 0,9210 Reliable
Sumber : Data Primer yang diolah

Tabel 6

Sumber : Hasil pengolahan data primer dengan spss ver 15.00

Tabel 7

Sumber : Hasil Pengolahan data Primer dengan SPSS ver 15.00

Tabel 8

Gambar 2
Normal Probability Plot

Gambar 3
Hubungan antara kinerja dengan nilai prediksinya

Hasil uji autokorelasi
Model Durbin Watson
1 1.913
Sumber : Data Primer yang diolah SPSS ver. 15.0

Tabel 9
Hasil Uji Regresi Linear Berganda
Variabel B Beta T Hitung Tingkat Sig Keterangan
Konstanta 0.924 2.374 0.020 Berpengaruh dan signifikan terhadap model regresi
Kepemimpinan (X1) 0.299 0.355 4.090 0.000 Signifikan
F hitung
Signifikan
R
R2 32.580
0.000
0.677
0,458
Sumber : hasil pengolahan SPSS

BIODATA PENULIS

Indri Ariyanti, S.E., M.Si lahir di Prabumulih, 3 Juni 1973. Pada Bulan September 1992 memulai kuliah pada Jurusan Administrasi Niaga dan Selesai pada Bulan September tahun 1995 dari Politeknik Negeri Sriwijaya Palembang. Bulan September Tahun 1995 Memulai Kuliah Strata 1 pada Jurusan Manajemen Universitas Sriwijaya Palembang dan tahun 1999 Selesai. Pada Tahun 2003 memulai kuliah Akta Mengajar pada Fakultas FKIP Universitas Sriwijaya Palembang dan selesai tahun 2004. Bulan September 2005 memulai kuliah Strata 2 pada Program Studi Ilmu Ekonomi, dan bulan Juni tahun 2007 menyelesaikan pendidikan Strata 2 dalam bidang Manajemen dari Universitas Sriwijaya, Palembang. Aktivitas yang dijalani, aktif sebagai Dosen Luar Biasa pada Jurusan Administrasi Niaga pada tahun 2004 dan pada tahun 2008 sampai sekarang sebagai Staf Pengajar pada Jurusan Manajemen Informatika dan Jurusan B. Inggris Politeknik Negeri Sriwijaya.

RIWAYAT HIDUP PENULIS

1. Nama : Indri Ariyanti, S.E., M.Si
2. NIP/NIS/NPP/NIK : 197303062008012008
3. Status dosen (tetap/tidak tetap) : Dosen Tetap
4. Tempat dan tanggal lahir : Prabumulih, 03 Juni 1973
5. Jenis Kelamin (L/P) : Perempuan
6. Pendidikan :
a. Jenjang pendidikan tertinggi : Strata 2 (S2)
b. Nama perguruan tinggi almamater : Universitas Sriwijaya Palembang
c. Pelatihan profesional yang pernah diikuti : -
7. Jabatan fungsional akademik : Asisten ahli
8. Keahlian :
a. Bidang keahlian : Ekonomi
b. Pengalaman kerja di bidang tersebut : 2 tahun
9. Pengalaman mengajar dua tahun terakhir :
a. Mata kuliah :
Dasar-Dasar Akuntansi, Perilaku dalam Berorganisasi, Computer 1, Computer 2, Teknik Riset Operasional, Program Paket Niaga 1, Program Paket Niaga 2, My SQL, Sistem Informasi Akuntansi, Statistik Dasar, Praktikum Statistik Dasar.
b. Program studi : Manajemen Informatika,
B. Inggris
c. Jumlah mahasiswa yang diasuh : 156 orang + 144 orang
10. Keikutsertaan dalam kegiatan profesiona l :
a. Jenis kegiatan : -
b. Status kegiatan : -
c. Waktu pelaksanaan : -
11. Pengalaman membimbing mahasiswa : -
12. Keanggotaan dalam ikatan profesi :
a. Nasional : Korpri
b. Internasional : -

Daftar riwayat hidup ini ditulis dengan sebenarnya.

5 responses »

  1. Hertz Car Rental mengatakan:

    I was just looking for this information for some time. After 6 hours of continuous Googleing, at last I got it in your site. I wonder what’s the lack of Google strategy that don’t rank this kind of informative websites in top of the list. Usually the top websites are full of garbage.

  2. Newton Botcher mengatakan:

    I was afraid to dive into php, but gave it a shot after reading this. By no means definitely appreciate WordPress’ comment system. Thanks to the tips to have me started off.

  3. rumahradhen mengatakan:

    thank you for your visit,guys.. if you like shopping, please visit this blog http://radenfashion.wordpress.com/

  4. Ken Berrong mengatakan:

    I simply want to say I am just very new to blogging and site-building and truly loved this website. Probably I’m want to bookmark your blog . You absolutely have outstanding article content. Thank you for sharing your webpage.

  5. white whall mengatakan:

    The Silent Shard

    This tends to likely be very beneficial for many within your jobs I want to you should not only with my blog site but

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Logout / Ubah )

Twitter picture

You are commenting using your Twitter account. Logout / Ubah )

Facebook photo

You are commenting using your Facebook account. Logout / Ubah )

Google+ photo

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s