295409_tm 5-7__uji Kualitas Data, Regres, Reglog.pptx

Uji Kualitas Data

Uji Validitas

O Mendefiniskan secara operasional suatu konsep

O O O O

yang akan diukur. Jadi untuk menguji validitas suatu konsep, tahap awal yg harus dilakukan adalah menjabarkan konsep dalam suatu definisi operasional. Misalkan kuesioner adalah sasaran tembak seperti pada gambar berikut ini. Anggap bahwa pusat sasaran tembak itu adalah target dari apa yang kita ukur. Jawaban tiap responden yang ditanya menggunakan kuesioner adalah menembak pada sasarannya. Jika pertanyaannya baik dan responden menjawab dengan baik pula, maka kita sudah menembak tepat pada sasaran.

O Jika

tidak demikian maka tembakan kita meleset. O Makin banyak responden menjawab salah (karena pertanyaan tidak jelas atau bias) maka sasaran kita makin jauh. O Pertama : menembak sasaran secara konsisten tetapi jauh dari sasaran sebenarnya. Hal ini disebut konsisten dan sistematis mengukur pendapat responden dengan nilai yang salah untuk semua responden  reliable tetapi tidak valid (konsisten tetapi salah sasaran).

O Kedua, menebak secara acak, merata di segala

tempat. O Kadang-kadang tembakannya kena sasaran, tetapi

secara rata-rata diperoleh jawaban yang benar secara kelompok (tetapi tidak terlalu baik untuk individu). O Dalam hal ini, kita memperoleh estimasi yang benar

secara kelompok, tetapi tidak konsisten. Sekarang jelas bahwa reliabilitas berkaitan langsung dengan validitas dari apa yang diukur.

O Ketiga, menunjukkan tembakan

yang menyebar dan secara konsisten menyimpang dari sasaran  tidak reliable dan tidak valid O Terakhir, menunjukkan menembak sasaran secara konsisten  reliable dan valid.

O Hasil penelitian yang valid  bila terdapat kesamaan

antara data yang terkumpul dengan data yang sesungguhnya terjadi pada obyek yang diteliti. O Hasil penelitian yang reliabel  bila terdapat

kesamaan data dalam waktu yang berbeda. O Instrumen yang valid : alat ukur yang digunakan untuk

mendapatkan data (mengukur) itu valid. O Valid berarti instrumen tersebut dapat digunakan untuk

mengukur apa yang seharusnya diukur.

O Meteran yang valid dapat digunakan untuk mengukur

panjang dengan teliti karena meteran memang alat untuk mengukur panjang. O Instrumen yang reliabel : instrumen yang bila

digunakan beberapa kali untuk mengukur obyek yang sama akan menghasilkan data yang sama. O Alat ukur panjang dari karet  contoh instrumen

yang tidak reliabel/konsisten.

O Instrumen yang valid dan reliabel merupakan syarat

mutlak untuk mendapatkan hasil penelitian yang valid dan reliabel. O Instrumen yang berbentuk test  untuk mengukur

prestasi belajar dan instrumen yang non-test untuk mengukur sikap. O Instrumen yang berupa test jawabannya adalah “salah

atau benar” sedangkan instrumen sikap jawabannya tidak ada yang “salah atau benar” tetapi bersifat “positif atau negatif”.

Pengujian Validitas Instrumen O Validitas merupakan kesahihan alat ukur yang digunakan.

Intrumen dikatakan valid berarti menunjukkan alat ukur yang dipergunakan untuk mendapatkan data itu valid atau dapat digunakan untuk mengukur apa yang seharusnya di ukur (Sugiyono, 2004:137). O Pada setiap instrumen baik test maupun non test terdapat

butir-butir (item) pertanyaan atau pernyataan. O Analisis item dilakukan dengan menghitung korelasi antara

skor butir instrumen dengan skor total.

O Pengujian validitas tiap butir  digunakan analisis

item  mengkorelasikan skor tiap butir dengan skor total yang merupakan jumlah tiap skor butir.

O Item yang mempunyai korelasi positif dengan

kriterium (skor total) serta korelasi yang tinggi menunjukkan bahwa item tersebut mempunyai validitas yang tinggi pula.

Contoh Kasus O Seorang mahasiswa smt akhir melakukan penelitian

dengan menggunakan skala untuk mengetahui atau mengungkap prestasi belajar seseorang. Kuesioner terdiri dari 10 item dan menggunakan skala Likert yaitu : 1 = sangat tidak setuju 2 = tidak setuju 3 = setuju 4 = sangat setuju Setelah kuesioner diisi oleh 12 responden diperoleh data berikut :

O Diperoleh korelasi bivariat Pearson antara

Skor Item dan Skor Total untuk masingmasing item. Jika digunakan tingkat signifikansi (level of significance)  = 0,05 (5 %) dengan uji 2 sisi dan n= 12 maka titik kritisnya adalah 0,576. O Terlihat bahwa item 1, 9 dan 10 kurang dari

0,576 sehingga dapat disimpulkan bahwa item 1, 9 dan tidak valid dan jika perlu item tersebut diubah atau dibuang (asalkan tidak mengurangi arti kuesioner secara kesatuan).

Tabel titik kritis untuk uji korelasi r

Corrected Item-Total Correlation O Analisis ini dilakukan dengan cara mengkorelasikan

masing-masing Skor Item dengan Skor Total dan melakukan koreksi terhadap nilai koefisien korelasi yang overestimasi.

O Hal ini dikarenakan agar tidak terjadi koefisien item

total yang overestimasi (estimasi nilai yang lebih tinggi dari yang sebenarnya).

O Dengan kata lain, analisis ini menghitung korelasi tiap

item dengan skor total, tetapi skor total tersebut tidak termasuk skor item yang dihitung.

O Sebagai contoh, pada kasus di atas , akan dihitung

korelasi item 1 dengan skor total (yaitu jumlah total skor 2 sampai skor 10). O Perhitungan teknik ini cocok digunakan pada

kuesioner yang menggunakan item-item pertanyaan yang sedikit, sedangkan pada kuesioner yang menggunakan item-item pertanyaan yang banyak tidak perlu dilakukan karena perbedaan antara kedua teknik tersebut tidak jauh.

Uji Validitas dengan SPSS dengan metode korelasi Pearson O Siapkan data hasil dari tabulasi kuesioner,

kolom desimal di-nol-kan (0), kolom2 yg lain dapat diabaikan. O Buka halaman Data Editor dengan mengklik tab Data View. O klik Analyze>>Correlate>>Bivariate, akan muncul kotak dialog Bivariate Correlations. O Masukkan semua item dan skor total ke Variables. Pada Correlations Coefficients pastikan terpilih Pearson>>OK.

Uji Validitas dengan SPSS dengan metode korelasi Corrected Item-Total Correlation O Siapkan data hasil dari tabulasi kuesioner,

O O O O

kolom desimal di-nol-kan (0), kolom2 yg lain dapat diabaikan. Buka halaman Data Editor dengan meng-klik tab Data View. klik Analyze>>Scale>>Reliability Analysis, akan muncul kotak dialog Reliability Analysis. Masukkan semua item ke kotak Items, klik tombol Statistics. Pada Descriptive for, beri tanda ceklist pada Scale if item deleted. Kemudian Continue>>OK.

O Dari output SPSS diperoleh nilai

korelasi yang diinginkan pada kolom Corrected Item – Total Correlation dan dibandingkan dengan titik kritis table yaitu 0,576 sehingga item-item yang tidak valid adalah item 1, item 5, item 9 dan item 10.

Uji Validitas dengan SPSS dengan metode korelasi Pearson (jika jumlah item sedikit < 10 item) O Siapkan data hasil dari tabulasi kuesioner,

kolom desimal di-nol-kan (0), kolom2 yg lain dapat diabaikan. O Buka halaman Data Editor dengan mengklik tab Data View. O klik Analyze>>Correlate>>Bivariate, akan muncul kotak dialog Bivariate Correlations. O Masukkan semua item dan skor total ke Variables. Pada Correlations Coefficients pastikan terpilih Pearson>>OK.

Uji Validitas dengan SPSS : metode korelasi Corrected Item-Total Correlation O Siapkan data hasil dari tabulasi kuesioner,

O O O O

kolom desimal di-nol-kan (0), kolom2 yg lain dapat diabaikan. Buka halaman Data Editor dengan meng-klik tab Data View. klik Analyze>>Scale>>Reliability Analysis, akan muncul kotak dialog Reliability Analysis. Masukkan semua item ke kotak Items, klik tombol Statistics. Pada Descriptive for, beri tanda ceklist pada Scale if item deleted. Kemudian Continue>>OK.

Uji Reliabilitas

O Suatu

questionare disebut handal (reliabel) jika instrumen dalam kuesioner dapat digunakan lebih dari satu kali, paling tidak oleh responden yang sama akan menghasilkan data yang konsisten. Dengan kata lain, reliabilitas instrumen mencirikan tingkat konsistensi. O Pengukuran reliabilitas dilakukan dengan dua cara sbb: O Repeated measure atau pengukuran berulang, adalah pengukuran dilakukan berulang-ulang pada waktu yg berbeda, dengan kuesioner (pertanyaan/pernyataan) yg sama. Hasil pengukuran dilihat apakah konsisten dengan pengukuran sebelumnya. O One shot atau hanya pada satu waktu saja, dilakukan perbandingan dengan pertanyaan yg lain atau dengan pengukuran korelasi antar jawaban (metode Alpha Cronbach).

Contoh pertanyaan: O Apakah gaji/upah yang diterima memuaskan? Jawab: 1. Sangat tidak memuaskan 2. Tidak memuaskan 3. Memuaskan 4. Sangat memuaskan O Apakah kenaikan gaji/upah krusial untuk diatasi? Jawab: 1. Sangat tidak krusial 2. Tidak krusial 3. Krusial 4. Sangat krusial O Ini menunjukkan ketidak konsistenan responden dalam mengungkap sikap atau pendapat.

Langkah uji Reliabilitas dengan menggunakan SPSS. O Buka file yang akan diuji

O Klik Analyze >>Scale>>Reliability Analysis O Masukkan item-item yang tidak gugur ke

dalam kotak Items. Kemudian klik Statistics. O Pilih pada box model Alpha, Descriptive for, ceklist pada Scale if item deleted, klik Continue>>OK.

Uji Kualitas Data (Uji Asumsi Klasik) O Uji Normalitas O Uji Multikolinearitas O Uji Autokorelasi (utk data time series)

O Uji Heterokedastisitas O Uji Linearitas

Uji Normalitas Uji Histogram, P-Plot O Analyze>>Regression>>Linear O Masukkan variabel Y ke kolom Dependent, dan variabel X ke kolom Independent O Masukkan SRESID ke kolom Y dan ZPRED ke kolom X O Klik Histogram, Normal Probability Plots pada kolom Standardized>>SPSS Residual Plots>>Continue>>Ok Uji Kolmogorov – Smirnov O Analize>>Nonparametric Test>>1 sample K-S O Klik variabel yang akan diuji, masukkan ke kotak Test Variable List O Pada Test Distribution ceklist Normal>>Ok

Uji Normalitas Uji Skewness-Kurtosis O Analyze>>Descriptive Statistics>>Frequencies O Masukkan variabel (X atau Y) ke dalam kolom Variables>>klick Statistics O Klik Means, Median, Mode, dan Sum pada kolom Central Tendency O Klik Std deviation dan Variance pada kolom Dispersion O Klik Skewness dan Kurtosis pd kolom Distribution O Klik Continue, klik Chart, Histogram, With Normal Curve>>Continue>>Ok Nb: Jika nilai Skewness (kemencengan) dan Kurtosis (keruncingan) di antara -2 sampai 2 (berarti data berdistribusi normal).

Skewnes: O Kemencengan data ke arah kiri (condong negatif) dimana nilai modus lebih dari nilai mean (modus > mean). O Kemencengan data simetris (distribusi normal) dimana nilai mean dan modus adalah sama (mean = modus). O Kemencengan data ke arah kanan (condong positif) dimana nilai mean lebih dari nilai modus (mean > modus). Kurtosis: O Leptokurtic, yaitu bagian tengah distribusi data memiliki puncak yang lebih runcing (nilai keruncingan lebih dari 3). O Mesokurtic, yaitu bagian tengah distribusi data memiliki puncak diantara Leptokurtic dan Platykurtic (nilai keruncingan sama dengan 3). O Platykurtic, yaitu bagian tengah distribusi data memiliki puncak yang lebih datar (nilai keruncingan kurang dari 3).

Uji Multikolinearitas O Analyze>>Regression>>Linear O Masukkan variabel Y ke Dependen dan X ke

kolom Independent>>Enter O Klik Statistics>>Estimates, Covariance Matrix, Collinearity Diagnostics>>Continue O Ok Perhatikan nilai korelasinya: VIF < 10 dan Telerance >0,1  tdk tjd multikol

Uji Autokorelasi O Analyze>>Regression>>Linear O Statistics>>Durbin-Watson>>Continue>>Ok

Perhatikan: dw

 tjd autokorelasi positif (perlu perbaikan) ada autokorelasi positif lemah, lebih baik diperbaiki tidak tjd autokorelasi ada autokorelasi lemah, lebih baik diperbaiki  autokorelasi serius

Cara menanggulangi gejala Autokorelasi O n=20, k=3 (var independen) O Lihat nilai pd tabel DW, dl dan du apakah nilai

DW diantara dl dan du.

Jika tjd gejala autkorelasi: O Transform>>Compute>>ketikkan Lag_Y pada target variabel>>cari fungsi Lag(?)>>ganti simbol ? dgn variabel Y>>Ok O Lakukan uji autokorelasi dengan menambahkan variabel Lag(Y) sbg variabel independent

Penyebab terjadinya Autokorelasi O Terdapat variabel prediktor penting yang tidak

dimasukkan ke dalam model. O Pola hubungan antara X dan Y tidak linear (kuadratik, kubik). O Data pengamatan yang diambil merupakan data deret waktu atau time series (harian, mingguan, bulanan, kuartalan, semesteran, tahunan. O Dilakukan manipulasi data sehingga residual data terbentuk secara sistematik.

Uji Heterokedastisitas Uji Scatterplot: O Analyze>>Regression>>Linear O Masukkan variabel Ykolom Dependent, dan variabel Xkolom Independent O Klik Plots, SRESIDY, dan ZPREDX>>Contonue>>Ok Uji Spearman: O Analyze>>Regression>>Linear, pada kotak linear regression, masukkan var Y ke korak dependent dan X ke kotak independent>>Save O Pada residuals klik unstandardized>>continue>>OK (akan didapat data tambahan (Res_1) O Analyze>>Correlate>>Bivariate (masukkan variabel Unstandardized Residual (dan var X lainnya) ke kotak variables. O Pada Correlation Coefficients ceklist Pearson dan Spearman>>Ok Perhatikan: O Jika nilai Sig pada Unstandardized Residual > 0,05 maka dapat disimpulkan tidak tjd heterokedastisitas

Regresi Linear Berganda O Analyze>>Regression>>Linear, masukkan var Y ke

dependent dan X ke independent>>Ok atau O Analyze>>Regression>>Linear, masukkan var Y ke dependent dan X ke independent O Pada menu Statistics, klik Estimates, Model Fit, R Square Change, Descriptives, Part and Partial Correlations, Colinearity Diagnostics, dan DurbinWatson>>Continue O Klik pilihan Plots, Histogram, dan Normal Probability Plots O Masukkan var SRESID ke Y dan ZPRED ke X>>Continue>>Ok

• UJI NORMALITAS • Skewness kurva adalah -0.351 dengan standard error of skewness sebesar 0.337, sedangkan Kurtosis kurva adalah 0.154 dengan standard error of kurtosis sebesar 0.662. Dengan membagi skewness/kurtosis dengan masing-masing standard error-nya maka dapat diketahui rasio skewness dan rasio kurtosis. Sesuai dengan langkah yang telah disebutkan pada Bab III, rasio skewness dan rasio kurtosis adalah: • Rasio skewness : -0.351/0.337 = -1.0415 • Rasio kurtosis : 0.154/0.662 = 0.2326 • Dari hasil perhitungan terhadap rasio skewness/kurtosis, dapat diketahui bahwa baik rasio skewness maupun rasio kurtosis nilainya berada diantara -2 sampai 2, sehingga dapat disimpulkan bahwa nilai residual telah berdistribusi secara normal.

• UJI MULTIKOLINEARITAS • Nilai korelasi adalah sebesar 0.224, ini berarti masih di bawah 0.95, sehingga dapat disimpulkan bahwa antar variabel bebas tidak terjadi gejala multikolinearitas. • Nilai Tolerance yang sebesar 0.950 jauh diatas 0.10 dan juga nilai Variance Inflation Factor (VIF) yang jauh lebih kecil dari 10, sehingga baik dengan nilai korelasi, Tolerance ataupun VIF, tidak terjadi multikolinearitas pada variabel bebasnya.

• Deteksi heterokedastisitas dari grafik diketahui bahwa titik-titik menyebar di semua bidang (di atas 0 dan di bawah 0 sumbu Y), sehingga dapat disimpulkan bahwa data dalam penelitian ini tidak mengalami masalah heterokedastisitas atau dengan kata lain adalah homokedastisitas.

Standardized Unstandardized Coefficients Model 1

B

(Constant)

Std. Error 1,444

,749

PA

,081

,023

BO

,011

,009

Coefficients Beta

t

Sig.

1,927

,060

,472

3,559

,001

,164

1,233

,224

Koefisien Determinasi (R2) Change Statistics Model 1

R ,464a

Adjusted R R Square Square ,215

,181

Std. Error of the Estimate ,41039

Sig. F R Square Change F Change df1 df2 Change ,215

6,432

2

47

,003

Regresi Logistik Variabel Dependen Jenis Analisis Jumlah Variabel

Jenis Variabel Independen

Jenis Variabel

Regresi Sederhana

1

Metrik

Metrik/Non Metrik

Regresi Berganda

1

Metrik

Metrik/Non Metrik

Regresi Logistik

1

Non Metrik

Metrik/Non Metrik

Analisis Diskriminan

1

Non Metrik

Metrik/Non Metrik

Analisis Jalur

>1

Metrik

Metrik/Non Metrik

Langkah Reglog dengan SPSS O Analyze>>Regression>>Binary Logistic O Masukkan variabel Sker pada kolom

Dependent, kemudian masukkan variabel BebKer, LinKer, dan BangKer pada kolom Covariates. O Klik Options>>Klik Classification Plots, Hosmer-Lemeshow Goodness of Fit, Corerlations of Estimates, dan Iteration History>>Continue>>Ok

REGRESI LOGISTIK

Langkah Reglog dengan SPSS O KOND_KEU (Y)=KONDISI KEUANGAN (LABEL),

DAN BERI VALUE 1=TIDAK SEHAT, 0=SEHAT O Analyze>>Regression>>Binary Logistic O Masukkan variabel Kond_Keu pada kolom Dependent, kemudian masukkan variabel DAR, dan COST pada kolom Covariates. O Klik Options>>klik Classification Plots, HosmerLemeshow Goodness of Fit, Corerlations of Estimates, dan Iteration History>>Continue>>OK

Uji Keseluruhan Model: O Hasil pengujian dipeoleh nilai Chi Square sebesar

11,375 dengan nilai Sig sebesar 0,181. Dari hasil tersebut nilai Sig > dari alpha (α) 0,05, yang berarti model regresi logistik dapat digunakan untuk analisis selanjutnya. O Penilaian keseluruhan ,model regresi dengan menggunakan nilai -2 Log Likelihood pada blok kedua dan dibandingkan dengan blok pertama, jika nilai pada block kedua terjadi penurunan maka dapat disimpulkan bahwa model regresi kedua lebih baik dalam memprediksi Kondisi Keuangan perusahaan.

Ketepatan Klasifikasi O Pada tabel klasifikasi blok pertama (block

number=0) nilai prediksi kondisi keuangan dan dibandingkan dengan nilai prediksi kondisi keuangan pada blok kedua (block number=1), jika terjadi kenaikan dalam nilai prediksi maka menunjukkan nilai presentase ketepatan klasifikasi adalah menjadi lebih baik.

Uji Kebaikan Model (Kelayakan Model) O Berdasarkan ....

O Uji kelayakan model regresi, Hosmer and

Lemeshow Test:

O Dari hasil pengujian nilai Chi Square sebesar

11,707 dengan nilai Sig. 0,165 > 0,05, maksudnya adalah bahwa tidak ada perbedaan antara klasifikasi yang diprediksi dengan klasifikasi yg diamati. O ini berarti bahwa model regresi logistik dapat digunakan untuk analisis selanjutnya.

• Penilaian keseluruhan model dgn menggunakan -2Log Likelihood di mana jika tjd penurunan nilai -2Log Likelihood pada blok kedua dibandingkan dengan blok pertama maka dpt disimpulkan bhw model kedua dari regresi mjd lebih baik. • Dari hasil perhitngan nilai -2 Log Likelihood terlihat bhw nilai blok pertama (block number=0) adalah 27,726 dan nilai blok kedua (block number=1) sebesar 19,528.

>

O Dari tabel klasifikasi, secara keseluruhan hasil

klasifikasi menunjukkan ketepatan klasifikasi adalah 85.

O Untuk melihat hasil regresi, dapat dengan

memasukan komponen Variables in Equation P O LN--------- = -8,036 + 0,102DAR + 0,107ROI 1-p

UJI BEDA

UJI BEDA DUA SAMPEL BEBAS O Rumuskan hipotesis O Ho : μ1 = μ2 atau Ho : μ1 - μ2 = 0 O Ha : μ1 ≠ μ2 atau Ho : μ1 - μ2 ≠ 0 O Contoh: O Seorang dosen ingin meneliti mahasiswa tentang apakah ada perbedaan nilai UTS untuk mahasiswa yang masuk melalui jalur SNMPTN dengan jalur SBMPTN.

RESPONDEN

NILAI UTS

JALUR MASUK

Resp 1

84

SNMPTN

Resp 2

75

SNMPTN

Resp 3

77

SNMPTN

Resp 4

80

SNMPTN

Resp 5

76

SNMPTN

Resp 6

69

SNMPTN

Resp 7

86

SNMPTN

Resp 8

90

SNMPTN

Resp 9

87

SNMPTN

Resp 10

88

SNMPTN

Resp 11

88

SBMPTN

Resp 12

75

SBMPTN

Resp 13

79

SBMPTN

Resp 14

85

SBMPTN

Resp 15

83

SBMPTN

Resp 16

85

SBMPTN

Resp 17

68

SBMPTN

Resp 18

68

SBMPTN

Resp 19

81

SBMPTN

Resp 20

76

SBMPTN

Langkah olah data O Input data ke dalam SPSS, label utk Jalur_Masuk, 1=SNMPTN, O

O O O

O

2=SBMPTN, Scale=Nominal, Decimal=0. Analyze>>Compare Means>>Indepedent-Samples t-Test Klik variabel Nilai UTS dan masukkan ke kotak Test Variable(s). Klik variabel Jalur Masuk dan masukkan ke dalam kotak Grouping Variable(s), kemudian klik tombol Define Groups. Pada Group 1 ketik angka 1 dan Group 2 ketik angka 2, kemudian klik Continue>>OK Jika hasil uji Levene’s (uji homogenitas) dengan F-test menunjukkan nilai Sig > 5% (menggunakan Equal variances assumed), jika Sig<5% (mengggunakan Equal variances not assumed) O Nilai Sig (pada taraf 5%) > 0,05  kedua varian adalah sama (varian Nilai UTS mhs jalur masuk SNMPTN dan SBMPTN tidak berbeda) O Nilai Sig (pada taraf 5%) < 0,05  kedua varian adalah berbeda (varian Nilai UTS mhs jalur masuk SNMPTN dan SBMPTN berbeda)

Contoh hasil

Kesimpulan hasil uji beda (uji t) pada taraf 5%: karena Sig > 0,05 maka hasil UTS mhs yang masuk melalui jalur SNMPTN dan SBMPTN tidak berbeda.  Dapat juga dengan membandingkan t-hitung dengan t-tabel (N-jml variabel)

Uji Beda sampel berpasangan O Seorang manajer produksi

sebuah perusahaan manufaktur ingin meneliti produktivitas pekerja sebelum dan setelah mengikuti program pelatihan.

Responden

Produktivitas sebelum Pelatihan

Produktivitas setelah Pelatihan

Resp1

126

138

Resp2

134

142

Resp3

132

146

Resp4

126

128

Resp5

110

124

Resp6

123

120

Resp7

107

113

Resp8

123

118

Resp9

117

122

Resp10

114

119

Resp11

109

130

Resp12

110

118

Resp13

128

122

Resp14

132

145

Resp15

126

133

Langkah olah data O Buka SPSS, buat variabel sebelum dan

setelah, Input data ke dalam SPSS, O Klik Analyze>>Compare Means>>PairedSamples t-Test O Klik varibel sebelum dan masukkan ke kotak Paired variable pada kolom Variabel 1, kemudian klik varibel setelah dan masukkan ke kotak Paired Variable pada kolom Variable 2. O Klik OK.

Contoh hasil

Tahapan dalam uji beda sampel berpasangan O Menentukan Hipotesis O Ho: Tidak ada perbedaan produktivitas pekerja sebelum

pelatihan dan setelah pelatihan. O Ha: Tidak ada perbedaan produktivitas pekerja sebelum pelatihan dan setelah pelatihan. O Menentukan taraf signifikasnis (misal α=5%). O Jika Sig > 0,05 maka Ho diterima atau O Jika t-hitung > t-tabel (N-jml variabel) maka Ha diterima.

O Kesimpulan: karena nilai Sig = 0.004 < dari 0,05 maka

dapat disimpulkan bahwa Produktivitas Pekerja sebelum dan setelah mengikuti pelatihan berbeda (setelah mengikuti pelatihan signifikan menjadi lebih baik)

Terima Kasih

PATH ANALYSIS

O Analisa Jalur adalah suatu perluasan dari model

regresi, yang digunakan untuk menguji cocok matriks korelasi terhadap dua atau lebih yang model-model kausal yang dibandingkan oleh peneliti. O Path analysis (PA) atau analisis jalur adalah analisis

model kausal dari variabel independent (exogenous), variabel antara (endogenous), dan variabel dependen (endogenous) dan semua variabel terukur. O O Model ini pada umumnya dilukiskan dalam suatu

gambar lingkaran dan arah panah (circle-and-arrow) dimana panah tunggal menandai sebagai penyebab.

Model Jalur O Suatu model jalur adalah suatu diagram yang

berhubungan secara independen, adanya perantara, dan variabel dependent. Panah tunggal menandai adanya yang menjadi penyebab antara variabel exogenous. O Panah ganda menandakan adanya korelasi

antara pasangan dari variabel exogenous.

Jalur Penyebab O Jalur

ke variabel yang ditentukan meliputi (1) jalur yang langsung dari panah menuju ke variabel, dan (2) jalur yang dari variabel endogenous berhubungan dengan variable lain yang mempunyai panah menuju ke arah variabel yang ditentukan.

Variabel exogenous dan endogenous. O Variabel exogenous dalam suatu model jalur adalah

yang tidak mempunyai penyebab eksplisit (tidak ada panah ke arahnya, selain dari pengukuran bentuk kesalahan). O Variabel endogenous adalah variable yang mempunyai arah panah. Variabel endogenous meliputi variable kausal campuran dan variablevariabel dependent. O Variabel endogenous campuran mempunyai baik arah panah datang maupun keluar didalam diagram jalur. Sedangkan variable-variabel dependent hanya mempunyai panah datang.

Koefisien Jalur/Bobot Jalur. O Suatu koefisien jalur adalah suatu koefisien regresi

terstandardisasi (beta) yang menunjukkan efek langsung dari suatu variabel independent dalam suatu variabel dependent di dalam model jalur.

O Dengan begitu ketika suatu model mempunyai dua atau

lebih variabel kausal, koefisien jalur merupakan koefisien parsial regresi yang mengukur tingkat efek dari satu variabel pada varibel yang lain dalam pengontrolan model jalur untuk variabel utama lainnya, penggunaan data yang terstandardisasi atau matriks korelasi sebagai input.

TIPE MODEL JALUR Tipe Regresi Berganda Model pertama ini sebenarnya merupakan pengembangan regresi berganda dengan menggunakan dua variabel exogenous, yaitu X1 dan X2 dengan satu variabel endogenous Y.

Model Mediasi Model kedua adalah model mediasi atau perantara dimana variabel Y memodifikasi pengaruh variabel X terhadap variabel Z.

Model Kombinasi Pertama dan Kedua

Model ketiga ini merupakan kombinasi antara model pertama dan kedua, yaitu variabel X berpengaruh terhadap variabel Z secara langsung dan secara tidak langsung mempengaruhi variabel Z melalui variabel Y.

Model Kompleks Model keempat ini merupakan model yang lebih kompleks, yaitu variabel X1 secara langsung mempengaruhi Y2 dan melalui variabel X2 secara tidak langsung mempengaruhi Y2, sementara itu variabel Y2 juga dipengaruhi oleh variabel Y1.

Model Recursif dan Non Recursif

Dari sisi pandang arah sebab akibat, ada dua tipe model jalur, yaitu recursif dan non recursif.

Model recursif ialah jika semua anak panah menuju satu arah.

Model hubungan struktural antar variabel e1

X1 P31

P41

X3

r12 P32

X2

e2

P42

P43

X4

CONTOH : Harga (X1)

e1

PYX1

e2

PZX1

Kualitas Profuk (Y) PYX2

PZY

PZX2

Fasilitas (X2)

Persamaan Strukutur-1 : Y = PYX1 X1 + PYX2 X2 + e1 Persamaan Strukutur-2 : Z = PZX1 X1 + PZX2 X2 + PZY Y + e2

Citra (Z)

Menghitung kontribusi pengaruh setiap variabel Pengaruh Variabel

Pengaruh Kausal Tidak Langsung Langsung

Melalui Y

Sisa Ε1 Ε2

Total

X1 thd Y

0,495

0,495

X2 thd Y

0,510

0.510

X1 X2 thd Y

0,831

X1 thd Z

0,053 -

X2 thd Z

0,949

1,00 0,053

0,053 + (0,495 x 0,870)

0,483

0,071 -

X1 X2 Y thd Z

0,169

0,071 0,071 + (0,510 x0,870)

0,515 0,051

1,00

Terima Kasih