Pedoman Praktikum Aplikasi Komputer Lanjut ii PEDOMAN PRAKTIKUM APLIKASI KOMPUTER LANJUT Oleh: Ali Muhson FAKULTAS EKONOMIUNIVERSITAS NEGERI YOGYAKARTA2015 Pedoman Praktikum Aplikasi Komputer Lanjut iii KATA PENGANTAR Puji syukur alhamdulillah saya panjatkan kehadirat Allah SWT yang telah memberikan rahmat dan hidayahNya sehingga saya dapat menyelesaikan buku Pedoman Praktikum Aplikasi Komputer ini dengan baik dan lancar. Pedoman Praktikum ini dibuat untuk mendukung praktik pembelajaran di Program Studi Pendidikan Ekonomi FE UNY. Pada kesempatan ini, perkenankanlah saya mengucapkan terima kasih kepada Dekan FE UNY atas dukungan dan kesempatan yang diberikan, serta kepada semua pihak yang telah membantu kelancaran penyusunan pedoman praktikum ini. Kami menyadari bahwa pedoman praktikum ini masih banyak kekurangannya, untuk itu saya sangat mengharapkan saran dan kritik demi penyempurnaan pedoman praktikum ini. Kami berharap semoga tulisan ini dapat memberikan manfaat bagi kita semua. Amin Yogyakarta, April 2015 Penulis Ali Muhson, M.Pd. Pedoman Praktikum Aplikasi Komputer Lanjut iv DAFTAR ISI HALAMAN JUDUL ............................................................................... i KATA PENGANTAR ............................................................................. ii DAFTAR ISI ....................................................................................... iii Lembar Kerja 01 One Sample t-test .................................................. 1 Lembar Kerja 02 Independent t-test ................................................. 4 Lembar Kerja 03 Paired t-test ........................................................... 9 Lembar Kerja 04 One Way ANOVA .................................................... 13 Lembar Kerja 05 Korelasi Product Moment (Pearson) ......................... 17 Lembar Kerja 06 Regresi Linear Sederhana ....................................... 22 Lembar Kerja 07 Regresi Linear Ganda.............................................. 27 Lembar Kerja 08 Uji Normalitas ........................................................ 33 Lembar Kerja 09 Uji Linearitas .......................................................... 36 Lembar Kerja 10 Uji Kolinearitas/Multikolinearitas .............................. 39 Lembar Kerja 11 Uji Homesedastisitas............................................... 43 Lembar Kerja 12 Uji Otokorelasi........................................................ 51 Lembar Kerja 13 Uji Reliabilitas......................................................... 55 Lembar Kerja 14 Uji Validitas dengan Analisis Faktor.......................... 60 DAFTAR PUSTAKA ............................................................................. 69 Pedoman Praktikum Aplikasi Komputer Lanjut 1 Aplikasi Komputer Lanjut LembarKerja 01 One Sample t-test 2015 Tujuan: Digunakan untuk menguji perbedaan rata-rata sampel dengan rata-rata populasi Contoh Masalah: Apakah nilai Aplikasi Komputer mahasiswa melebihi 50? Apakah produktivitas kerja sesudah adanya program pelatihan karyawan bisa melebihi 36? Kasus: Berikut ini disajikan data nilai mata kuliah Aplikasi Komputer: Nilai 65555663466350485345 Ujilah apakah nilai Aplikasi Komputer mahasiswa melebihi 50? (Gunakan tarafsignifikansi 5%) Langkah-langkah dalam menganalisis Rekamlah data tersebut ke dalam satu kolom yaitu data tentang Nilai Aplikasi Komputer Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = X1, Label = Nilai Aplikasi Komputer) Simpanlah data tersebut dengan nama Latihan One Sample t test, sehinggaakan tampak seperti gambar berikut: Pedoman Praktikum Aplikasi Komputer Lanjut 2 Lakukan analisis dengan menggunakan menu Analyze Compare MeansOne Sample t Test... Masukkan variabel X1 ke Test Variables dengan cara double klik X1 lalu isikanangka 50 dalam kotak Test Value sehingga akan terlihat seperti berikut: Klik OK sehingga akan muncul hasil analisis seperti berikut: Pedoman Praktikum Aplikasi Komputer Lanjut 3 Penafsiran print out hasil analisis: One-Sample Statistics N Mean Std. Deviation Std. Error Mean Nilai Aplikasi Komputer 10 54.4000 7.33636 2.31996 Bagian di atas menampilkan hasil analisis statistik deskriptifnya seperti rata-rata,standar deviasi, dan standar error One-Sample Test Test Value = 50 t df Sig. (2-tailed) Mean Difference 95% Confidence Interval of the Difference Lower Upper Nilai Aplikasi Komputer 1.897 9 .090 4.40000 -.8481 9.6481 Bagian di atas menampilkan hasil uji beda rata-rata satu sampel. Hasil pengujianditemukan bahwa nilai t sebesar 1,897 dengan sig (2 tailed) 0,090. Oleh karenahipotesisnya adalah satu arah maka nilai sig dua arah tersebut dibagi 2 sehinggaditemukan nilai sig (1-tailed) sebesar 0,045. Oleh karena nilai signifikansi tersebutkurang dari 0,05 maka dapat disimpulkan bahwa Ho ditolak yang berarti nilaiAplikasi Komputer mahasiswa melebihi 50. Latihan One Sample T Test Berikut ini disajikan data Produktivitas Kerja Karyawan: ProduktivitasKerja (Unit/Jam)33 36 53 40 35 30 30 32 4239363630 Pedoman Praktikum Aplikasi Komputer Lanjut 4 344445433950 Ujilah benarkah adanya produktivitas karyawan tersebut melebihi 36 unit per jam?(Gunakan taraf signifikansi 5%) Pedoman Praktikum Aplikasi Komputer Lanjut 5 Aplikasi Komputer Lanjut LembarKerja 02 Independent t-test 2015 Tujuan: Digunakan untuk menguji perbedaan rata dua kelompok yang saling bebas Contoh Masalah: Apakah ada perbedaan rata-rata IPK antara mahasiswa kelas A dan B? Apakah ada perbedaan gaji antara karyawan pria dan wanita? Kasus: Berikut ini disajikan data IPK mahasiswa antara mahasiswa yang berasal dari Kelas A dan B: IPK Mahasiswa Kelas A Kelas B 3.14 3.203.25 3.063.10 2.823.01 3.082.77 2.962.76 2.673.58 2.55 2.662.342.42 Ujilah apakah ada perbedaan IPK antara mahasiswa kelas A dan kelas B? Jikaada perbedaan, manakah di antara keduanya yang memiliki IPK lebh tinggi?(Gunakan taraf signifikansi 5%) Langkah-langkah dalam menganalisis Rekamlah data tersebut ke dalam dua kolom: Kolom pertama data tentang Kelas dengan kode 1 untuk A, dan 2 untuk B Kolom kedua data tentang IPK Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = X1, Label = Kelas, Value = 1 A, 2 B) Baris kedua(Name = X2, Label = IPK) Simpanlah data tersebut dengan nama Latihan Independent t test, sehinggaakan tampak seperti gambar berikut: Pedoman Praktikum Aplikasi Komputer Lanjut 6 Lakukan analisis dengan menggunakan menu Analyze Compare MeansIndependent Samples t test Masukkan variabel X2 ke Test Variables dan X1 ke Grouping Variable Klik tombol Define Groups lalu isikan 1 pada kotak Group 1 dan isikan 2 pada kotak Group 2 lalu klik Continue, sehingga akan terlihat seperti berikut: Klik OK sehingga akan muncul hasil analisis seperti berikut: Pedoman Praktikum Aplikasi Komputer Lanjut 7 Group Statistics Kelas N Mean Std. DeviationStd. Error Mean IPK A 7 3.0871 .28459 .10756 B 10 2.7760 .29463 .09317 Penafsiran print out hasil analisis: Bagian Descriptive di atas menampilkan hasil analisis statistik deskriptifnya seperti rata per kelompok, standar deviasi, dan standar error Independent Samples Test Levene'sTest for Equality ofVariances t-test for Equality of Means F Sig. t dfSig. (2-tailed) MeanDifference Std. ErrorDifference 95%Confidence Interval of theDifference Lower Upper IPK Equalvariancesassumed .305 .589 2.172 15 .046 .3111 .14324 .00584 .61644 Equalvariancesnotassumed 2.186 13.365 .047 .3111 .14230 .00456 .61772 Yang perlu ditafsirkan dalam bagian ini adalah pengujian homogenitas varians(Levenes test for equality of variances). Jika nilai signifikansi pengujian Fini lebih kecil dari 0,05 maka varians kedua kelompok tidak homogen sehinggauji yang digunakan adalah separate t test (t bagian bawah pada print out diatas), sedangkan jika nilai signifikansi pengujian F ini lebih besar atau samadengan 0,05 maka varians kedua kelompok homogen sehingga uji yangdigunakan adalah pooled t test (t bagian atas pada print out di atas). Hasil pengujian F di atas menunjukkan bahwa nilai F sebesar 0,305 dengan sig.0,588. Oleh karena nilai sig > 0,05 maka varians kedua kelompok tersebuthomogen. Oleh karena uji t yang digunakan adalah t yang bagian atas (Pooled ttest/equal variances assumed). Hasil uji t ditemukan nilai t sebesar 2,172 dengan sig (2-tailed) 0,046. Olehkarena nilai sig < 0,05 maka dapat disimpulkan bahwa ada perbedaan rata-rataIPK antara mahasiswa kelas A dan B. Oleh karena nilai rata-rata IPK kelas A lebihtinggi dibandingkan nlai rata-rata kelas B (lihat bagian print out descriptive)maka dapat disimpulkan bahwa IPK mahasiswa kelas A lebih baik daripada IPKmahasiswa kelas B. Pedoman Praktikum Aplikasi Komputer Lanjut 8 Latihan Independent t test Berikut ini disajikan data Gaji Karyawan bulan September 2008: Gaji (Ribuan Rupiah) BagianProduksi BagianPemasaran 2500 1980 1750 1876 2350 1950 2230 2450 2000 2300 1676 1750 1580 1500 1850 2200 2500 Ujilah apakah ada perbedaan Gaji antara karyawan yang berasal dari BagianProduksi dan Pemasaran? Jika ada perbedaan, manakah di antara keduanyayang memiliki Gaji lebih tinggi? (Gunakan taraf signifikansi 5%) Pedoman Praktikum Aplikasi Komputer Lanjut 9 Aplikasi Komputer Lanjut LembarKerja 03 Paired t-test 2015 Tujuan: Digunakan untuk menguji perbedaan rata-rata dua kelompok yang saling berpasangan Contoh Masalah: Apakah ada perbedaan nilai pre test dengan post test? Apakah ada peningkatan produktivitas kerja antara sebelum dan sesudah adanya program pelatihan karyawan? Kasus: Berikut ini disajikan data nilai pre test dan post test mata kuliah Aplikasi Komputer: Nilai Pretest Nilai Posttest 65 7855 6656 6063 6746 6063 7550 8048 5553 7845 68 Ujilah apakah ada perbedaan antara nilai pre test dan nilai post test? Jika adaperbedaan, manakah di antara keduanya yang nilainya lebih baik? (Gunakantaraf signifikansi 5%) Langkah-langkah dalam menganalisis Rekamlah data tersebut ke dalam dua kolom: Kolom pertama data tentang Nilai Pre Test Kolom kedua data tentang Nilai Post Test Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = X1, Label = Nilai Pre Test) Baris kedua (Name = X2, Label = Nilai Post Tets) Simpanlah data tersebut dengan nama Latihan Paired t test, sehingga akantampak seperti gambar berikut: Pedoman Praktikum Aplikasi Komputer Lanjut 10 Lakukan analisis dengan menggunakan menu Analyze Compare MeansPaired-Samples t Test... Masukkan variabel X1 dan X2 ke Paired Variables dengan cara klik X1 lalu klikX2 dan masukkan ke kotak Paired Variables sehingga akan terlihat sepertiberikut: Klik OK sehingga akan muncul hasil analisis seperti berikut: Paired Samples Statistics Mean N Std. DeviationStd. Error Mean Pair 1 Nilai PreTest 54.4000 10 7.33636 2.31996 Nilai PostTest 68.7000 10 8.75658 2.76908 Pedoman Praktikum Aplikasi Komputer Lanjut 11 Penafsiran print out hasil analisis: Bagian di atas menampilkan hasil analisis statistik deskriptifnya seperti rata per pasangan, standar deviasi, dan standar error Paired Samples Correlations N Correlation Sig. Pair 1 Nilai PreTest & NilaiPost Test 10 .393 .261 Bagian di atas menampilkan hasil analisis korelasi antara kedua pasangan data.Koefisien korelasinya adalah sebesar 0,393 dengan sig 0,261. Hal inimenunjukkan bahwa kedua pasangan data tersebut tidak berkorelasi. Paired Samples Test Paired Differences t dfSig. (2-tailed) MeanStd. Deviation Std.ErrorMean 95% ConfidenceInterval of the Difference Lower Upper Pair1 Nilai PreTest - NilaiPost Test -14.300 8.94489 2.82862 -20.699 -7.9012 -5.055 9 .001 Bagian di atas menampilkan hasil uji beda rata-rata antara nilai pre test dan posttest. Hasil pengujian ditemukan bahwa nilai t sebesar -5,055 dengan sig (2tailed) 0,001. Hal ini menunjukkan bahwa ada perbedaan antara nilai pre testdengan nilai post test dan oleh karena nilai t yang ditemukan negatif maka halini menunjukkan bahwa nilai post test lebih baik daripada nilai pre test. Latihan Paired T Test Berikut ini disajikan data Produktivitas Kerja Karyawan sebelum dan sesudahmengikuti pelatihan: Produktivitas Kerja(Unit/Jam) SebelumPelatihan SesudahPelatihan 32 33 34 36 45 53 32 40 30 35 25 30 22 30 20 32 Pedoman Praktikum Aplikasi Komputer Lanjut 12 40 4236 3934 3636 3631 3033 3445 4434 4541 4335 3947 50 Ujilah benarkah adanya pelatihan karyawan yang diselenggarakan perusahaanbenar-benar efektif dalam meningkatkan produktivitas kerja karyawan?(Gunakan taraf signifikansi 5%) Pedoman Praktikum Aplikasi Komputer Lanjut 13 Aplikasi Komputer Lanjut LembarKerja 04 One Way ANOVA 2015 Tujuan: Digunakan untuk menguji perbedaan rata untuk lebih dari dua kelompok Contoh Masalah: Apakah ada perbedaan rata-rata IPK antara mahasiswa yang berasal dari kota, pinggiran dan kota? Manakah di antara ketiganya yang memiliki IPK palingtinggi? Apakah ada perbedaan gaji antara bagian produksi, pemasaran, dan staff?Manakah yang paling tinggi gajinya? Kasus: Berikut ini disajikan data IPK mahasiswa antara mahasiswa yang berasal dari desa, pinggiran dan kota: IPK Menurut Asal Daerah Desa Pinggiran Kota 3.04 3.40 3.542.95 3.16 2.822.70 2.91 3.413.01 3.08 3.252.77 2.96 3.362.76 3.45 3.382.58 3.05 3.43 3.30 3.663.00 3.273.18 Ujilah apakah ada perbedaan IPK antara mahasiswa yang berasal dari Desa,Pinggiran dan Kota? Jika ada perbedaan, manakah di antara ketiganya yangmemiliki IPK paling tinggi? (Gunakan taraf signifikansi 5%) Langkah-langkah dalam menganalisis Rekamlah data tersebut ke dalam dua kolom: Kolom pertama data tentang asal daerah dengan kode 1 untuk desa, 2 pinggiran dan 3 kota Kolom kedua data tentang IPK Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = X1, Label = Asal Daerah, Value = 1 Desa, 2 Pinggiran 3 Kota) Baris kedua(Name = X2, Label = IPK) Simpanlah data tersebut dengan nama Latihan One Way ANOVA, sehinggaakan tampak seperti gambar berikut: Pedoman Praktikum Aplikasi Komputer Lanjut 14 Lakukan analisis dengan menggunakan menu Analyze Compare MeansOne Way ANOVA Masukkan variabel X2 ke Dependent List dan X1 ke Factor sehingga akanterlihat seperti berikut: Klik tombol Post Hoc LSD Continue Klik tombol Options Descriptive Homogeneity of Variances Test Continue Klik OK sehingga akan muncul hasil analisis seperti berikut: Pedoman Praktikum Aplikasi Komputer Lanjut 15 DescriptivesIPK N MeanStd. DeviationStd.Error 95% Confidence Intervalfor Mean Minimum MaximumLowerBound UpperBound Desa 7 2.8300 .17263 .06525 2.6703 2.9897 2.58 3.04 Pinggiran 10 3.1490 .18472 .05841 3.0169 3.2811 2.91 3.45 Kota 9 3.3467 .23463 .07821 3.1663 3.5270 2.82 3.66 Total 26 3.1315 .28159 .05522 3.0178 3.2453 2.58 3.66 Penafsiran print out hasil analisis: Bagian Descriptive di atas menampilkan hasil analisis statistik deskriptifnya seperti rata per kelompok, standar deviasi, standar error, minimum danmaksimum Test of Homogeneity of VariancesIPK LeveneStatistic df1 df2 Sig. .014 2 23 .986 Bagian Test of Homogeneity of Variances menampilkan hasil ujihomogenitas varians sebagai prasyarat untuk dapat menggunakan ANOVA. Hasilpengujian ditemukan bahwa F hitung = 0,014 dengan sig = 0,986. Oleh karenanilai sig > 0,05 maka dapat disimpulkan bahwa varians antar kelompok bersifathomogen. Dengan demikian prasyarat untuk dapat menggunakan ANOVAterpenuhi. ANOVAIPK Sum ofSquares df Mean Square F Sig. Between Groups 1.056 2 .528 13.111 .000 Within Groups .926 23 .040 Total 1.982 25 Bagian di atas menampilkan hasil uji beda rata-rata secara keseluruhan. Padatabel tersebut ditemukan harga F hitung sebesar 13,111 dengan sig = 0,000.Oleh karena nilai sig < 0,05 maka Ho ditolak sehingga dapat disimpulkan adaperbedaan rata-rata IPK antara mahasiswa yang berasal dari desa, pinggiran,dan kota. (Jika hasil pengujiannya signifikan maka dilanjutkan ke uji post hoc,tetapi jika tidak signifikan pengujian berhenti sampai di sini). Pedoman Praktikum Aplikasi Komputer Lanjut 16 Multiple ComparisonsDependent Variable: IPKLSD (I) Asal Daerah (J) Asal Daerah MeanDifference (I-J) Std. Error Sig. 95% Confidence Interval Lower Bound Upper Bound Desa Pinggiran -.3190(*) .09890 .004 -.5236 -.1144Kota -.5167(*) .10113 .000 -.7259 -.3075 Pinggiran Desa .3190(*) .09890 .004 .1144 .5236 Kota -.1977(*) .09221 .043 -.3884 -.0069 Kota Desa .5167(*) .10113 .000 .3075 .7259Pinggiran .1977(*) .09221 .043 .0069 .3884 * The mean difference is significant at the .05 level. Bagian ini menampilkan hasil uji lanjut untuk mengetahui perbedaan antarkelompok secara spesifik sekaligus untuk mengetahui mana di antara ketigakelompok tersebut yang IPKnya paling tinggi. Untuk melihat perbedaan antarkelompok dapat dilihat pada kolom sig. Misalnya untuk melihat perbedaan IPKantara mahasiswa yang berasal dari Desa dan Pinggiran diperoleh nilai sig =0,004, Oleh karena nilai sig < 0,05 dapat disimpulkan bahwa ada perbedaan IPKantara mahasiswa yang berasal dari Desa dan Pinggiran. Dalam hal ini IPKmahasiswa yang berasal dari desa lebih rendah daripada IPK mahasiswa yangberasal dari pinggiran. (Coba lakukan pembandingan IPK antara Desa dan Kota,serta antara Pinggiran dan Kota! Buatlah kesimpulannya!) Latihan One Way ANOVA Berikut ini disajikan data Gaji Karyawan bulan September 2008: Gaji (Ribuan Rupiah)Bagian ProduksiBagian Pemasaran Bagian Staff2500 1980 3000 1750 1876 3400 2350 1950 2860 2230 2450 2750 2000 2300 2600 1676 1750 1580 1500 1850 2200 2500 Ujilah apakah ada perbedaan Gaji antara karyawan yang berasal dari BagianProduksi, Pemasaran, dan Staff? Jika ada perbedaan, manakah di antaraketiganya yang memiliki Gaji paling tinggi dan paling Rendah? (Gunakan tarafsignifikansi 5%) Pedoman Praktikum Aplikasi Komputer Lanjut 17 Aplikasi Komputer Lanjut LembarKerja 05 Korelasi Product Moment (Pearson) 2015 Tujuan: Digunakan untuk menguji korelasi/hubungan antara satu variabel dengan satu variabel lainnya. Data yang dianalisis harus berupa data yang berskala interval/rasio Contoh Masalah: Apakah ada korelasi yang positif antara motivasi belajar dengan prestasi belajar mahasiswa? Apakah ada hubungan antara pengalaman kerja dengan produktivitas kerja karyawan? Kasus: Berikut ini disajikan data tentang motivasi belajar mahasiswa dan prestasi belajarnya:MotivasiBelajar PrestasiBelajar 58 3.54 45 2.82 54 3.41 48 3.25 61 3.36 54 3.38 52 3.43 50 3.66 58 3.27 60 3.3 48 3.19 62 3.33 44 3.16 56 3.4 53 3.16 61 3.38 63 3.2 46 3.09 57 3.31 49 3.34 55 3.39 48 3.11 58 3.12 52 3.35 60 3.45 54 3.15 Pedoman Praktikum Aplikasi Komputer Lanjut 18 Ujilah apakah ada korelasi yang positif antara motivasi belajar dengan prestasibelajar? (Gunakan taraf signifikansi 5%) Langkah-langkah dalam menganalisis Rekamlah data tersebut ke dalam dua kolom: Kolom pertama data tentang Motivasi Belajar Kolom kedua data tentang Prestasi Belajar Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = X, Label = Motivasi Belajar) Baris kedua (Name = Y, Label = Prestasi Belajar) Simpanlah data tersebut dengan nama Latihan Korelasi Product Moment,sehingga akan tampak seperti gambar berikut: Lakukan analisis dengan menggunakan menu Analyze CorrelateBivariate Masukkan variabel X dan Y ke kotak Variables sehingga akan terlihat sepertiberikut: Pedoman Praktikum Aplikasi Komputer Lanjut 19 Klik tombol Options Means and Standard Deviation Cross ProductDeviations and Covariance Continue Klik OK sehingga akan muncul hasil analisis: Penafsiran print out hasil analisis: Descriptive Statistics Mean Std. Deviation N Motivasi Belajar 54.0769 5.58515 26 Prestasi Belajar 3.2904 .16806 26 Bagian Descriptive di atas menampilkan hasil analisis statistik deskriptifnyaseperti rata-rata per variabel, standar deviasi, dan jumlah sampel Correlations MotivasiBelajar PrestasiBelajar Motivasi Belajar Pearson Correlation 1 .397(*) Sig. (2-tailed) . .045 Sum of Squaresand Cross-products 779.846 9.319 Covariance 31.194 .373 N 26 26 Prestasi Belajar Pearson Correlation .397(*) 1 Sig. (2-tailed) .045 . Sum of Squaresand Cross-products 9.319 .706 Covariance .373 .028 N 26 26 * Correlation is significant at the 0.05 level (2-tailed). Pedoman Praktikum Aplikasi Komputer Lanjut 20 Bagian ini menampilkan hasil analisis korelasi dan ukuran statistik yang lainnyaseperti sum-of square (jumlah kuadrat), cross product, dan varians kovarians.Cara membacanya adalah untuk melihat besarnya koefisien korelasi dapat dilihatdengan mempertemukan kolom dengan baris variabel lalu ambil sub barisPearson Correlation. Dengan cara tersebut dapat ditemukan angka koefisienkorelasi antara Motivasi Belajar dengan Prestasi Belajar adalah 0,397 dengan sig.(2-tailed) 0,045. Oleh karena hipotesis yang diajukan adalah hipotesis satu arah(lihat pertanyaannya) atau Ho 0 dan Ha > 0 maka nilai sig. (2-tailed)harus dibagi 2 sehingga menjadi 0,0225. Oleh karena nilai sig. (1-tailed) < 0,05maka Ho ditolak sehingga dapat disimpulkan ada hubungan yang positif antaramotivasi belajar dengan prestasi belajar. Latihan Korelasi Product Moment Berikut ini disajikan data pengalaman kerja dan produktivitas Karyawan bulanSeptember 2008: PengalamanKerja (Tahun) ProduktivitasKerja (Unitper hari) 5 58 7 45 7 55 2 48 7 62 5 54 4 52 8 50 4 59 6 60 7 49 8 63 2 45 5 57 7 53 4 61 5 63 5 47 4 57 6 49 8 56 4 49 6 59 4 53 Hitunglah: Berapakah rata-rata pengalaman kerja dan produktivitas karyawan? Pedoman Praktikum Aplikasi Komputer Lanjut 21 Ujilah apakah ada benar bahwa semakin lama pengalaman karyawan jugasemakin tinggi tingkat produktivitasnya? (Gunakan taraf signifikansi 5%) Pedoman Praktikum Aplikasi Komputer Lanjut 22 Aplikasi Komputer Lanjut LembarKerja 06 Regresi Linear Sederhana 2015 Tujuan: Digunakan untuk menguji hubungan/korelasi/pengaruh satu variabel bebas terhadap satu variabel terikat. Regresi juga dapat digunakan untuk melakukan prediksi atau estimasi variabel terikat berdasarkan variabel bebasnya. Data yang dianalisis harus berupa data yang berskala interval/rasio Contoh Masalah: Apakah ada pengaruh motivasi belajar terhadap prestasi belajar mahasiswa? Apakah pengalaman kerja mempengaruhi produktivitas kerja karyawan? Kasus: Berikut ini disajikan data tentang motivasi belajar mahasiswa dan prestasi belajarnya (Data ini sama dengan data yang diberikan untuk latihan korelasiproduct moment): MotivasiBelajar PrestasiBelajar 58 3.54 45 2.82 54 3.41 48 3.25 61 3.36 54 3.38 52 3.43 50 3.66 58 3.27 60 3.3 48 3.19 62 3.33 44 3.16 56 3.4 53 3.16 61 3.38 63 3.2 46 3.09 57 3.31 49 3.34 55 3.39 48 3.11 58 3.12 52 3.35 60 3.45 54 3.15 Pedoman Praktikum Aplikasi Komputer Lanjut 23 Ujilah apakah ada pengaruh motivasi belajar terhadap prestasi belajar?(Gunakan taraf signifikansi 5%) Hitunglah berapa besarnya kontribusi variabel bebas terhadap variabelterikatnya? Bagaimana persamaan garis regresinya? Tafsirkan maknanya! Langkah-langkah dalam menganalisis Rekamlah data tersebut ke dalam dua kolom: Kolom pertama data tentang Motivasi Belajar Kolom kedua data tentang Prestasi Belajar Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = X, Label = Motivasi Belajar) Baris kedua(Name = Y, Label = Prestasi Belajar) Simpanlah data tersebut dengan nama Latihan Regresi Linear Sederhana,sehingga akan tampak seperti gambar berikut: Lakukan analisis dengan menggunakan menu Analyze RegressionLinear Masukkan variabel Y ke kotak Dependent dan variabel X ke dalam kotakIndependent(s) sehingga akan terlihat seperti berikut: Pedoman Praktikum Aplikasi Komputer Lanjut 24 Klik OK sehingga akan muncul hasil analisis: Penafsiran print out hasil analisis: Variables Entered/Removed(b) ModelVariablesEntered VariablesRemoved Method 1 MotivasiBelajar(a) . Enter a All requested variables entered.b Dependent Variable: Prestasi Belajar Bagian ini menampilkan variabel yang dimasukkan dalam model, dikeluarkan,metode analisisnya. Dalam hal ini variabel yang dimasukkan ke dalam modeladalah Motivasi Belajar, variabel yang dikeluarkan tidak ada dan metodeanalisis yang digunakan adalah metode enter (dimasukkan secarasimultan/bersama). Di bagian bawah juga ditampilkan nama variabel terikatnyayaitu Prestasi Belajar. Model Summary Model R R SquareAdjusted R SquareStd. Error ofthe Estimate 1 .397(a) .158 .123 .15742 a Predictors: (Constant), Motivasi Belajar Bagian ini menampilkan: R = 0,397 artinya koefisien korelasinya sebesar 0,397 (Bandingkan dengan angka koefisien korelasi product moment yang sudah Anda hitung padalatihan sebelumnya!) Pedoman Praktikum Aplikasi Komputer Lanjut 25 R Square = 0,158 menunjukkan angka koefisien determinasinya (R2). Artinyavariansi dalam prestasi dapat dijelaskan oleh motivasi belajar melalui modelsebesar 15,8%, sisanya berasal dari variabel lain. Atau dengan bahasasederhana besarnya kontribusi/sumbangan motivasi belajar terhadap prestasibelajar adalah sebesar 15,8%, sisanya (84,2%) berasal dari variabel lain. Adjusted R square = 0,123. Ukuran ini maknanya sama dengan R square,hanya saja Adjusted R square ini nilainya lebih stabil karena sudahdisesuaikan dengan jumlah variabel bebasnya. Standard Error of The Estimate = 0,15742 yang menunjukkan ukuran tingkatkesalahan dalam melakukan prediksi terhadap variabel terikat. ANOVA(b) ModelSum of Squares df Mean Square F Sig. Regression .111 1 .111 4.494 .045(a) Residual .595 24 .025 Total .706 25 a Predictors: (Constant), Motivasi Belajarb Dependent Variable: Prestasi Belajar Bagian ini menampilkan hasil pengujian koefisien determinasi. Hasil pengujiantersebut ditemukan harga F hitung sebesar 4,494 dengan sig. = 0,045. Olehkarena nilai sig. < 0,05 maka Ho ( = 0) ditolak yang artinya motivasi belajarmemiliki pengaruh yang signifikan terhadap prestasi belajar. Coefficients(a) Model UnstandardizedCoefficients StandardizedCoefficients t Sig.B Std. Error Beta 1 (Constant) 2.644 .306 8.630 .000 MotivasiBelajar .012 .006 .397 2.120 .045 a Dependent Variable: Prestasi Belajar Bagian ini menampilkan persamaan garis regresi dan pengujiannya. Persamaangaris regresi dapat diperoleh dari kolom Unstandardized Coefficients (B).Dengan demikian persamaan garis regresinya adalah:Y = 2,644 + 0,012 X Untuk menguji koefisen garisnya dapat dilihat pada kolom t dan sig. Hasilpengujian ditemukan nilai t hitung sebesar 2,120 dengan sig. = 0,045(bandingkan dengan nilai sig. F). Oleh karena nilai sig. < 0,05 maka Ho ( = 0)ditolak yang artinya motivasi belajar berpengaruh positif terhadap prestasibelajar. (Mengapa pengaruhnya positif?) Pedoman Praktikum Aplikasi Komputer Lanjut 26 Latihan Regresi Linear Sederhana Berikut ini disajikan data pengalaman kerja dan produktivitas Karyawan bulanSeptember 2008: PengalamanKerja (Tahun) ProduktivitasKerja (Unitper hari) 5 58 7 45 7 55 2 48 7 62 5 54 4 52 8 50 4 59 6 60 7 49 8 63 2 45 5 57 7 53 4 61 5 63 5 47 4 57 6 49 8 56 4 49 6 59 4 53 Hitunglah: Berapakah koefisien determinasinya? Tafsirkan maknanya! Tentukan persamaan garis regresinya! Ujilah apakah ada benar bahwa semakin lama pengalaman karyawan juga semakin tinggi tingkat produktivitasnya? (Gunakan taraf signifikansi 5%) Pedoman Praktikum Aplikasi Komputer Lanjut 27 Aplikasi Komputer Lanjut LembarKerja 07 Regresi Linear Ganda 2015 Tujuan: Digunakan untuk menguji hubungan/korelasi/pengaruh lebih dari satu variabel bebas terhadap satu variabel terikat. Regresi juga dapat digunakan untuk melakukan prediksi atau estimasi variabel terikat berdasarkan variabel bebasnya. Data yang dianalisis harus berupa data yang berskala interval/rasio Contoh Masalah: Apakah ada pengaruh uang saku dan motivasi belajar terhadap prestasi belajar mahasiswa? Bagaimana pengaruh lingkungan kerja dan pengalaman kerja terhadap produktivitas kerja karyawan? Kasus: Berikut ini disajikan data tentang jumlah uang saku, motivasi belajar mahasiswa dan prestasi belajarnya:Uang Saku (RibuanRupiah per hari) MotivasiBelajar PrestasiBelajar 50 58 3.54 60 45 2.82 65 54 3.41 55 48 3.25 40 61 3.36 35 54 3.38 65 52 3.43 90 50 3.66 35 58 3.27 30 60 3.30 45 48 3.19 25 62 3.33 30 44 3.16 50 56 3.40 60 53 3.16 40 61 3.38 45 63 3.20 45 46 3.09 65 57 3.31 55 49 3.34 45 55 3.39 40 48 3.11 Pedoman Praktikum Aplikasi Komputer Lanjut 28 30 58 3.12 25 52 3.35 45 60 3.45 65 54 3.15 Hitunglah berapa besarnya kontribusi bersama seluruh variabel bebas terhadapvariabel terikatnya? Ujilah apakah ada kontribusi tersebut signifikan? (Gunakan taraf signifikansi 5%) Bagaimana persamaan garis regresinya? Tafsirkan maknanya! Ujilah pengaruh secara masing-masing variabel bebas secara parsial! Langkah-langkah dalam menganalisis Rekamlah data tersebut ke dalam tiga kolom: Kolom pertama data tentang Uang Saku Kolom kedua data tentang Motivasi Belajar Kolom ketiga data tentang Prestasi Belajar Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = X1, Label = Uang Saku) Baris kedua (Name = X2, Label = Motivasi Belajar) Baris ketiga (Name = Y, Label = Prestasi Belajar) Simpanlah data tersebut dengan nama Latihan Regresi Ganda, sehingga akantampak seperti gambar berikut: Lakukan analisis dengan menggunakan menu Analyze RegressionLinear Masukkan variabel Y ke kotak Dependent dan variabel X1 dan X2 ke dalamkotak Independent(s) sehingga akan terlihat seperti berikut: Pedoman Praktikum Aplikasi Komputer Lanjut 29 Klik OK sehingga akan muncul hasil analisis: Penafsiran print out hasil analisis: Variables Entered/Removed(b) ModelVariablesEntered VariablesRemoved Method 1 MotivasiBelajar, UangSaku(a) . Enter a All requested variables entered.b Dependent Variable: Prestasi Belajar Bagian ini menampilkan variabel yang dimasukkan dalam model, dikeluarkan,metode analisisnya. Dalam hal ini variabel yang dimasukkan ke dalam modeladalah Uang Saku dan Motivasi Belajar, variabel yang dikeluarkan tidak adadan metode analisis yang digunakan adalah metode enter (dimasukkan secarasimultan/bersama). Di bagian bawah juga ditampilkan nama variabel terikatnyayaitu Prestasi Belajar. Model Summary Model R R SquareAdjusted R SquareStd. Error ofthe Estimate 1 .524(a) .274 .211 .14927 a Predictors: (Constant), Motivasi Belajar, Uang Saku Bagian ini menampilkan: Pedoman Praktikum Aplikasi Komputer Lanjut 30 R = 0,524 artinya koefisien korelasinya sebesar 0,524. Angka menunjukkanderajad korelasi antara variabel uang saku dan motivasi belajar denganprestasi belajar. R Square = 0,274 menunjukkan angka koefisien determinasinya (R2). Artinyavariansi dalam prestasi dapat dijelaskan oleh motivasi belajar dan uang sakumelalui model sebesar 27,4%, sisanya (72,6%) berasal dari variabel lain.Atau dengan bahasa sederhana besarnya kontribusi/sumbangan uang sakudan motivasi belajar terhadap prestasi belajar adalah sebesar 27,4%, sisanya(72,6%) berasal dari variabel lain. Adjusted R square = 0,211. Ukuran ini maknanya sama dengan R square,hanya saja Adjusted R square ini nilainya lebih stabil karena sudahdisesuaikan dengan jumlah variabel bebasnya. Standard Error of The Estimate = 0,14927 yang menunjukkan ukuran tingkatkesalahan dalam melakukan prediksi terhadap variabel terikat. ANOVA(b) ModelSum of Squares df Mean Square F Sig. Regression .194 2 .097 4.344 .025(a) Residual .513 23 .022 Total .706 25 a Predictors: (Constant), Motivasi Belajar, Uang Sakub Dependent Variable: Prestasi Belajar Bagian ini menampilkan hasil pengujian koefisien determinasi. Hasil pengujiantersebut ditemukan harga F hitung sebesar 4,344 dengan Sig. = 0,025. Olehkarena nilai sig. < 0,05 maka Ho ( = 0) ditolak yang artinya uang saku danmotivasi belajar secara simultan memiliki pengaruh yang signifikan terhadapprestasi belajar. (Jika pengujian F hasilnya signifikan atau Ho ditolak maka perludilanjutkan pengujian secara parsial dengan cara menguji koefisien garis regresiuntuk masing-masing variabel, akan tetapi jika pengujian F tidak signifikan atauHo diterima maka tidak perlu dilanjutkan ke uji parsial) Coefficients(a) Model UnstandardizedCoefficients StandardizedCoefficients t Sig.B Std. Error Beta 1 (Constant) 2.300 .341 6.735 .000 Uang Saku .004 .002 .355 1.921 .067 MotivasiBelajar .015 .006 .496 2.680 .013 a Dependent Variable: Prestasi Belajar Bagian ini menampilkan persamaan garis regresi dan pengujiannya. Persamaangaris regresi dapat diperoleh dari kolom Unstandardized Coefficients (B).Dengan demikian persamaan garis regresinya adalah: Pedoman Praktikum Aplikasi Komputer Lanjut 31 Y = 2,300 + 0,004 X1 + 0,015 X2 Untuk menguji koefisen garisnya dapat dilihat pada kolom t dan sig. Pengujian koefisien garis regresi dilakukan sebagai berikut: Untuk variabel uang saku (X1) ditemukan nilai b1 = 0,004 dengan t = 1,921 dan Sig. = 0,067. Oleh karena nilai sig. > 0,05 maka Ho (1 = 0) diterimayang artinya variabel uang saku tidak berpengaruh terhadap prestasi belajarjika motivasi belajar dikendalikan/dikontrol. Untuk variabel motivasi belajar (X2) ditemukan nilai b2 = 0,015 dengan t =2,680 dan Sig. = 0,013. Oleh karena nilai sig. < 0,05 maka Ho (2 = 0)ditolak yang artinya variabel motivasi belajar berpengaruh positif terhadapprestasi belajar jika variabel uang saku dikendalikan/dikontrol. Pedoman Praktikum Aplikasi Komputer Lanjut 32 Latihan Regresi Linear Sederhana Berikut ini disajikan data lingkungan kerja, pengalaman kerja dan produktivitasKaryawan bulan September 2008: LingkunganKerja PengalamanKerja (Tahun) ProduktivitasKerja (Unitper hari) 61 5 58 50 7 45 52 7 55 50 2 48 58 7 62 60 5 54 48 4 52 54 8 50 66 4 59 56 6 60 45 7 49 61 8 63 63 2 45 46 5 57 57 7 53 56 4 61 55 5 63 48 2 47 58 4 57 52 6 49 58 8 56 45 4 49 54 6 59 48 4 53 Hitunglah: Berapakah koefisien determinasinya? Tafsirkan maknanya! Ujilah apakah kontribusi bersama variabel bebas terbukti signifikan pada taraf signifikansi 5%? Tentukan persamaan garis regresinya! Ujilah apakah secara parsial variabel lingkungan kerja dan pengalaman karyawan berpengaruh terhadap produktivitas kerja? (Gunakan tarafsignifikansi 5%) Pedoman Praktikum Aplikasi Komputer Lanjut 33 Aplikasi Komputer Lanjut LembarKerja 08 Uji Normalitas 2015 Tujuan: Untuk mengetahui distribusi data, apakah berbentuk distribusi normal atau tidak. Contoh Masalah: Apakah data uang saku berdistribusi normal? Apakah data motivasi belajar berdistribusi normal? Apakah data prestasi belajar berdistribusi normal? Kasus: Berikut ini disajikan data tentang jumlah uang saku, motivasi belajar mahasiswa dan prestasi belajarnya:Uang Saku (RibuanRupiah per hari) MotivasiBelajar PrestasiBelajar 50 58 3.54 60 45 2.82 65 54 3.41 55 48 3.25 40 61 3.36 35 54 3.38 65 52 3.43 90 50 3.66 35 58 3.27 30 60 3.30 45 48 3.19 25 62 3.33 30 44 3.16 50 56 3.40 60 53 3.16 40 61 3.38 45 63 3.20 45 46 3.09 65 57 3.31 55 49 3.34 45 55 3.39 40 48 3.11 30 58 3.12 25 52 3.35 Pedoman Praktikum Aplikasi Komputer Lanjut 34 45 60 3.45 65 54 3.15 Ujilah apakah ketiga variabel di atas memiliki distribusi normal? Ujilah denganmenggunakan taraf signifikansi 5%! Langkah-langkah dalam menganalisis Rekamlah data tersebut ke dalam tiga kolom: Kolom pertama data tentang Uang Saku Kolom kedua data tentang Motivasi Belajar Kolom ketiga data tentang Prestasi Belajar Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = X1, Label = Uang Saku) Baris kedua (Name = X2, Label = Motivasi Belajar) Baris ketiga (Name = Y, Label = Prestasi Belajar) Simpanlah data tersebut dengan nama Latihan Uji Normalitas, sehingga akantampak seperti gambar berikut: Lakukan analisis dengan menggunakan menu Analyze Nonparametric Test 1 Sample K-S... Masukkan semua variabel ke kotak Test Variable List sehingga akan terlihatseperti berikut: Pedoman Praktikum Aplikasi Komputer Lanjut 35 Klik OK sehingga akan muncul hasil analisis: Penafsiran print out hasil analisis: One-Sample Kolmogorov-Smirnov Test Uang SakuMotivasiBelajar PrestasiBelajar N 26 26 26 Normal Parameters(a,b) Mean 47.5000 54.0769 3.2904 Std. Deviation 15.37856 5.58515 .16806 Most ExtremeDifferences Absolute .141 .105 .100 Positive .141 .092 .094 Negative -.072 -.105 -.100 Kolmogorov-Smirnov Z .721 .535 .509 Asymp. Sig. (2-tailed) .675 .937 .958 a Test distribution is Normal.b Calculated from data. Tabel di atas menunjukkan hasil analisis uji normalitas terhadap ketiga variabeldi atas. Bagian yang perlu dilihat untuk keperluan uji normalitas adalah bagianbaris Kolmogorov-Smirnov Z dan Asymp. Sig. (2-tailed). Jika nilai AsympSig lebih dari atau sama dengan 0,05 maka data berdistribusi normal, jika AsympSig kurang dari 0,05 maka distribusi data tidak normal. Berdasarkan hasil analisis di atas diperoleh untuk variabel uang saku nilai Z K-Ssebesar 0,721 dengan asymp sig 0,675. Oleh karena nilai asymp sig tersebutlebih besar dari 0,05 maka dapat disimpulkan bahwa data variabel uang sakuberdistribusi normal. Bagaimana dengan variabel lainnya? Buatlah kesimpulannya! Pedoman Praktikum Aplikasi Komputer Lanjut 36 Aplikasi Komputer Lanjut LembarKerja 09 Uji Linearitas 2015 Tujuan: Untuk mengetahui linearitas hubungan antara variabel bebas dengan variabel terikat. Contoh Masalah: Apakah hubungan antara variabel uang saku dengan variabel prestasi belajar berbentuk garis linear? Apakah hubungan antara variabel motivasi belajar dengan variabel prestasi belajar berbentuk garis linear? Kasus: Berikut ini disajikan data tentang jumlah uang saku, motivasi belajar mahasiswa dan prestasi belajarnya:Uang Saku (RibuanRupiah per hari) MotivasiBelajar PrestasiBelajar 50 58 3.54 60 45 2.82 65 54 3.41 55 48 3.25 40 61 3.36 35 54 3.38 65 52 3.43 90 50 3.66 35 58 3.27 30 60 3.30 45 48 3.19 25 62 3.33 30 44 3.16 50 56 3.40 60 53 3.16 40 61 3.38 45 63 3.20 45 46 3.09 65 57 3.31 55 49 3.34 45 55 3.39 40 48 3.11 30 58 3.12 Pedoman Praktikum Aplikasi Komputer Lanjut 37 25 52 3.35 45 60 3.45 65 54 3.15 Ujilah apakah hubungan antara variabel uang saku dengan variabel prestasibelajar berbentuk linear? Ujilah apakah hubungan antara variabel motivasi belajar dengan variabel prestasibelajar berbentuk linear? Gunakan taraf signifikansi 5%! Langkah-langkah dalam menganalisis Rekamlah data tersebut ke dalam tiga kolom: Kolom pertama data tentang Uang Saku Kolom kedua data tentang Motivasi Belajar Kolom ketiga data tentang Prestasi Belajar Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = X1, Label = Uang Saku) Baris kedua (Name = X2, Label = Motivasi Belajar) Baris ketiga (Name = Y, Label = Prestasi Belajar) Simpanlah data tersebut dengan nama Latihan Uji Linearitas, sehingga akantampak seperti gambar berikut: Lakukan analisis dengan menggunakan menu Analyze Compare MeansMeans Masukkan seluruh variabel bebas (X1 dan X2) ke dalam kotak Independent Listdan masukkan variabel terikatnya (Y) pada kotak Dependent List. sehingga akanterlihat seperti berikut: Pedoman Praktikum Aplikasi Komputer Lanjut 38 Klik tombol Option klik Test for linearity klik Continue Klik OK sehingga akan muncul hasil analisis: Penafsiran print out hasil analisis: ANOVA Table Sum ofSquares df MeanSquare F Sig. PrestasiBelajar * UangSaku BetweenGroups (Combined) .426 9 .047 2.698 .040 Linearity .034 1 .034 1.912 .186 Deviation fromLinearity .392 8 .049 2.796 .038 Within Groups .280 16 .018 Total .706 25 Print out yang dihasilkan dari analisis ini sebenarnya cukup banyak namun untukkepentingan uji linearitas yang perlu ditafsirkan hanyalah print out ANOVATable seperti terlihat di atas. Yang perlu dilihat adalah hasil uji F untuk baris Deviation from linearity.Kriterianya adalah jika nila sig F tersebut kurang dari 0,05 maka hubungannyatidak linear, sedangkan jika nilai sig F lebih dari atau sama dengan 0,05 makahubungannya bersifat linear. Berdasarkan hasil analisis di atas menunjukkan bahwa nila F yang ditemukanadalah sebesar 2,796 dengan sig 0,038. Oleh karena nilai sig tersebut kurangdari 0,05 maka dapat disimpulkan bahwa hubungan antara variabel uang sakudan prestasi belajar bersifat tidak linear. Latihan Bagaimana dengan variabel motivasi belajar dengan prestasi belajar? Apakah hubungannya bersifat linear? Cobalah lakukan analisis sendiri terhadap data di atasdan ujilah dengan melihat print out hasil analisisnya! Pedoman Praktikum Aplikasi Komputer Lanjut 39 Aplikasi Komputer Lanjut LembarKerja 10 Uji Kolinearitas/Multikolinearitas 2015 Tujuan: Untuk melihat ada tidaknya hubungan yang sangat kuat/sempurna antar variabel bebas (X) Istilah kolinearitas dipakai jika hanya ada dua variabel bebas, sedangkan multkolinearitas digunakan jika jumlah variabel bebasnya lebih dari dua. Contoh Masalah: Apakah hubungan yang kuat antara variabel uang saku dengan motivasi belajar? Kasus: Berikut ini disajikan data tentang jumlah uang saku, motivasi belajar mahasiswa dan prestasi belajarnya:Uang Saku (RibuanRupiah per hari) MotivasiBelajar PrestasiBelajar 50 58 3.54 60 45 2.82 65 54 3.41 55 48 3.25 40 61 3.36 35 54 3.38 65 52 3.43 90 50 3.66 35 58 3.27 30 60 3.30 45 48 3.19 25 62 3.33 30 44 3.16 50 56 3.40 60 53 3.16 40 61 3.38 45 63 3.20 45 46 3.09 65 57 3.31 55 49 3.34 45 55 3.39 40 48 3.11 30 58 3.12 Pedoman Praktikum Aplikasi Komputer Lanjut 40 25 52 3.35 45 60 3.45 65 54 3.15 Ujilah apakah hubungan antara variabel uang saku dengan variabel prestasibelajar berbentuk linear? Ujilah apakah hubungan antara variabel motivasi belajar dengan variabel prestasibelajar berbentuk linear? Gunakan taraf signifikansi 5%! Langkah-langkah dalam menganalisis Rekamlah data tersebut ke dalam tiga kolom: Kolom pertama data tentang Uang Saku Kolom kedua data tentang Motivasi Belajar Kolom ketiga data tentang Prestasi Belajar Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = X1, Label = Uang Saku) Baris kedua (Name = X2, Label = Motivasi Belajar) Baris ketiga (Name = Y, Label = Prestasi Belajar) Simpanlah data tersebut dengan nama Latihan Uji Multikolienaritas,sehingga akan tampak seperti gambar berikut: Beberapa Uji yang dapat digunakan: Uji korelasi Product Moment (uji ini dapat dipakai jika hanya ada dua variabel bebas) Uji VIF (Variance Inflation Factor) Uji VIF (Variance Inflation Factor) Pedoman Praktikum Aplikasi Komputer Lanjut 41 Lakukan analisis dengan menggunakan menu Analyze RegressionLinear Masukkan variabel Y ke kotak Dependent dan variabel X1 dan X2 ke dalamkotak Independent(s) sehingga akan terlihat seperti berikut: Klik tombol Statistics... klik Colinearity Diagnostics klik Continue Klik OK sehingga akan muncul hasil analisis: Penafsiran print out hasil analisis: Coefficients(a) Model UnstandardizedCoefficients StandardizedCoefficients t Sig. Collinearity Statistics BStd.Error Beta Tolerance VIF 1 (Constant) 2.300 .341 6.735 .000 UangSaku .004 .002 .355 1.921 .067 .923 1.083 MotivasiBelajar .015 .006 .496 2.680 .013 .923 1.083 a Dependent Variable: Prestasi Belajar Print out yang dihasilkan dari analisis ini sebenarnya cukup banyak dan samadengan yang dihasilkan dari analisis regresi ganda namun untuk kepentingan ujimultikolinearitas yang perlu ditafsirkan hanyalah print out Coefficients sepertiterlihat di atas. Yang perlu dilihat adalah nilai VIF. Kriterianya adalah jika nilai VIF tersebutkurang dari 4 maka tidak terjadi multikolinearitas, sedangkan jika nilai VIF lebihdari 4 maka terjadi multikolinearitas. Berdasarkan hasil analisis di atas menunjukkan bahwa nilai VIF yang ditemukanadalah sebesar 1,083. Oleh karena nilai tersebut kurang 4 maka dapat Pedoman Praktikum Aplikasi Komputer Lanjut 42 disimpulkan bahwa tidak terjadi kolinearitas antara variabel uang saku danmotivasi belajar. Pedoman Praktikum Aplikasi Komputer Lanjut 43 Aplikasi Komputer Lanjut LembarKerja 11 Uji Homosedastisitas 2015 Tujuan: Digunakan untuk mengetahui kesamaan varians error untuk setiap nilai X. Error = residu = e = Y Y Lawan homosedastisitas adalah heterosedastisitas. Analisis regresi mensyaratkan terjadinya homosedastisitas. Contoh Masalah: Apakah error yang dihasilkan dari sebuah persamaan garis regresi Y atas X1 dan X2 memiliki varians yang homogen? Kasus: Berikut ini disajikan data tentang jumlah uang saku, motivasi belajar mahasiswa dan prestasi belajarnya:Uang Saku (RibuanRupiah per hari) MotivasiBelajar PrestasiBelajar 50 58 3.54 60 45 2.82 65 54 3.41 55 48 3.25 40 61 3.36 35 54 3.38 65 52 3.43 90 50 3.66 35 58 3.27 30 60 3.30 45 48 3.19 25 62 3.33 30 44 3.16 50 56 3.40 60 53 3.16 40 61 3.38 45 63 3.20 45 46 3.09 65 57 3.31 55 49 3.34 45 55 3.39 40 48 3.11 30 58 3.12 Pedoman Praktikum Aplikasi Komputer Lanjut 44 25 52 3.35 45 60 3.45 65 54 3.15 Ujilah apakah varians error yang dihasilkan dari persamaan regresi variabelprestasi belajar atas uang saku dan motivasi belajar bersifat homogen? Gunakan taraf signifikansi 5%! Langkah-langkah dalam menganalisis Rekamlah data tersebut ke dalam tiga kolom: Kolom pertama data tentang Uang Saku Kolom kedua data tentang Motivasi Belajar Kolom ketiga data tentang Prestasi Belajar Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = X1, Label = Uang Saku) Baris kedua (Name = X2, Label = Motivasi Belajar) Baris ketiga (Name = Y, Label = Prestasi Belajar) Simpanlah data tersebut dengan nama Latihan Uji Homosedastisitas,sehingga akan tampak seperti gambar berikut: Beberapa Uji yang dapat digunakan: Uji Park Caranya meregresi nilai absolut error atas seluruh variabel bebas Uji Glesjer Caranya meregres nilai kuadrat error atas seluruh variabel bebas Uji Rho Spearman Caranya dengan menghitung koefisien korelasi rho Spearman antara absolut error dengan variabel bebas Uji Park Pedoman Praktikum Aplikasi Komputer Lanjut 45 Langkah-langkah yang dilakukan untuk menggunakan uji Park adalah: Menyimpan nilai residual/error ke dalam data Mengabsolutkan nilai error/residual Melakukan analisis regresi atau meregres nilai absolut error atas seluruh variabel bebasBerikut ini akan disampaikan rincian untuk masing-masing langkah: Menyimpan nilai residual/error ke dalam data dengan cara: Lakukan analisis dengan menggunakan menu Analyze Regression Linear Masukkan variabel Y ke kotak Dependent dan variabel X1 dan X2 ke dalam kotak Independent(s) sehingga akan terlihat seperti berikut: Klik tombol Save... klik Unstandardized pada kotak Residuals klikContinue Klik OK sehingga akan muncul hasil analisis regresi seperti biasa. Namundemikian hasil analisis ini tidak dipakai untuk keperluan uji homosedastisitas,tetapi analisis ini hanya ingin menambahkan nilai residual/error pada data.Lihat pada data view akan ada tambahan satu variabel lagi berupa res_1seperti terlihat pada gambar berikut ini: Pedoman Praktikum Aplikasi Komputer Lanjut 46 Mengabsolutkan nilai error/residual, dengan langkah-langkah berikut: Klik menu Transform Compute Ketik abs_res pada kota Target variable. Penulisan ini tidaklah mutlak artinya tidak harus abs_res tetapi bisa apa saja asal memenuhi ketentuandalam penulian nama variabel. Ketik abs(res_1) pada kotak Numeric Expression. Penulisan abs inisifatnya wajib karena merupakan fungsi untuk mengabsolutkan suatuvariabel, sedangkan res_1 merupakan nama variabel yang akandiabsolutkan yang diletakkan di antara tanda kurung. Hasilnya akan seperti terlihat pada gambar berikut: Klik tombol Type & Label... lalu di kotak Label isikan Absolut Residu, laluklik tombol Continue Klik OK sehingga di dalam data view akan ditambahkan satu variabel lagiyaitu abs_res. Pedoman Praktikum Aplikasi Komputer Lanjut 47 Meregresi nilai absolut error atas seluruh variabel bebas Lakukan analisis dengan menggunakan menu Analyze Regression Linear Masukkan variabel abs_res ke kotak Dependent dan variabel X1 dan X2 ke dalam kotak Independent(s) sehingga akan terlihat seperti berikut: Penafsiran print out hasil analisis: ANOVA(b) ModelSum of Squares df Mean Square F Sig. Regression .042 2 .021 2.811 .081(a) Residual .171 23 .007 Total .212 25 a Predictors: (Constant), Motivasi Belajar, Uang Sakub Dependent Variable: Absolute Residual Coefficients(a) Model UnstandardizedCoefficients StandardizedCoefficients t Sig.B Std. Error Beta 1 (Constant) .124 .197 .628 .536 Uang Saku .002 .001 .383 1.970 .061 MotivasiBelajar -.002 .003 -.141 -.723 .477 a Dependent Variable: Absolute Residual Print out yang dihasilkan dari analisis ini sebenarnya cukup banyak dan samadengan yang dihasilkan dari analisis regresi ganda namun untuk kepentingan ujimultikolinearitas yang perlu ditafsirkan hanyalah print out ANOVA danCoefficients seperti terlihat di atas. Pedoman Praktikum Aplikasi Komputer Lanjut 48 Sebagaimana dalam analisis regresi ganda, yang perlu dilihat terlebih dahuluadalah hasil pengujian F regresinya. Jika pengujian F signifikan (sig F < 0,05)maka menunjukkan terjadinya heterosedastisitas, sedangkan jika sig F lebih dariatau sama dengan 0,05 maka tidak terjadi heterosedastisitas. Berdasarkan hasil analisis di atas menunjukkan bahwa nilai F yang ditemukansebesar 2,811 dengan sig 0,081. Oleh karena nilai sig tersebut lebih besar dari0,05 maka dapat disimpulkan tidak terjadi heterosedastisitas. Dengan demikianpersyaratan analisis regresi terpenuhi. Uji Rho Spearman:Langkah-langkahnya hampir sama dengan uji Park, yaitu: Menyimpan nilai residual/error, dengan langkah-langkah seperti pada uji Park. Mengabsolutkan nilai error/residual, dengan langkah-langkah seperti pada uji Park Menghitung koefisien korelasi antara nilai absolut residu dengan seluruh variabel bebas. Langkah-langkahnya adalah: Lakukan analisis dengan menggunakan menu Analyze Correlate Bivariate... Masukkan variabel abs_res, X1 dan X2 ke dalam kotak Variables lalu hilangkan tanda check pada bagian Pearson dan beri tanda check padabagian Spearman dengan cara klik, sehingga akan terlihat pada gambarberikut ini: Klik OK sehingga akan muncul hasil analisis seperti berikut: Correlations AbsoluteResidual Uang Saku MotivasiBelajar Spearman's rho Absolute Residual CorrelationCoefficient 1.000 .383 -.189 Sig. (2-tailed) . .054 .356 N 26 26 26 Pedoman Praktikum Aplikasi Komputer Lanjut 49 Uang Saku CorrelationCoefficient .383 1.000 -.290 Sig. (2-tailed) .054 . .150 N 26 26 26 Motivasi Belajar CorrelationCoefficient -.189 -.290 1.000 Sig. (2-tailed) .356 .150 . N 26 26 26 Yang perlu ditafsirkan hanyalah bagian koefisien korelasi Rho antara uangsaku dengan absolut residu, dan korelasi Rho antara motivasi belajar denganabsolut residu. Jika nilai sig < 0,05 maka terjadi heterosedastisitas, jikasebaliknya maka tidak terjadi heterosedastisitas. Hasil analisis di atas menunjukkan bahwa: Koefisien korelasi Rho antara uang saku dengan absolut residu adalah sebesar 0,383 dengan sig 0,054. Oleh karena nilai sig tersebut lebihbesar dari 0,05 maka dapat disimpulkan bahwa tidak terjadiheterosedastisitas untuk variabel uang saku. Koefisien korelasi Rho antara motivasi belajar dengan absolut residuadalah sebesar -0,189 dengan sig 0,356. Oleh karena nilai sig tersebutlebih besar dari 0,05 maka dapat disimpulkan bahwa tidak terjadiheterosedastisitas untuk variabel motivasi belajar. Dengan demikian persyaratan terjadinya homosedastisitas dalampersamaan regresi tersebut terpenuhi. Uji GlesjerLangkah-langkah uji Glesjer ini hampir sama dengan uji Park, hanya yang berbedaadalah langkah kedua yakni mengkuadratkan nilai residu/error. Berikut ini langkah-langkahnya: Menyimpan nilai residual/error ke dalam data Mengkuadratkan nilai residu/error Melakukan analisis regresi atau meregres nilai residu kuadrat atas seluruh variabel bebasOleh karena langkah pertama dan ketiga sama, maka hanya akan dijelaskan langkahkedua saja, yaitu mengkuadratkan nilai residu/error, dengan cara: Menyimpan nilai residual/error ke dalam data Klik menu Transform Compute Ketik sqr_res pada kota Target variable. Penulisan ini tidaklah mutlak artinya tidak harus sqr_res tetapi bisa apa saja asal memenuhi ketentuandalam penulian nama variabel. Ketik res_1**2 pada kotak Numeric Expression. Penulisan ini sifatnyawajib karena lambang ** dalam SPSS berarti pangkat, sedangkan res_1merupakan nama variabel yang akan dikuadratkan. Hasilnya akan seperti terlihat pada gambar berikut: Pedoman Praktikum Aplikasi Komputer Lanjut 50 Coba lakukan analisis regresi atau meregres nilai residu kuadrat atas seluruhvariabel bebas lalu tafsirkan maknanya! Pedoman Praktikum Aplikasi Komputer Lanjut 51 Aplikasi Komputer Lanjut LembarKerja 12 Uji Otokorelasi 2015 Tujuan: Digunakan untuk mendeteksi hubungan antara error periode yang satu dengan error periode lainnya. Dalam analisis regresi error haruslah bersifat independen dari error lainnya, artinya error dari pengamatan yang satu bukanlah merupakan akibat dari errorpengamatan yang lain. Khusus untuk data yang sifatnya time series, prasyarat ini harus dipenuhi. Contoh Masalah: Apakah terjadi otokorelasi untuk regresi variabel prestasi belajar atas variabel uang saku dan motivasi belajar? Kasus: Berikut ini disajikan data tentang jumlah uang saku, motivasi belajar mahasiswa dan prestasi belajarnya:Uang Saku (RibuanRupiah per hari) MotivasiBelajar PrestasiBelajar 50 58 3.54 60 45 2.82 65 54 3.41 55 48 3.25 40 61 3.36 35 54 3.38 65 52 3.43 90 50 3.66 35 58 3.27 30 60 3.30 45 48 3.19 25 62 3.33 30 44 3.16 50 56 3.40 60 53 3.16 40 61 3.38 45 63 3.20 45 46 3.09 65 57 3.31 55 49 3.34 45 55 3.39 Pedoman Praktikum Aplikasi Komputer Lanjut 52 40 48 3.11 30 58 3.12 25 52 3.35 45 60 3.45 65 54 3.15 Ujilah apakah terjadi otokorelasi untuk regresi variabel prestasi belajar atasvariabel uang saku dan motivasi belajar? Langkah-langkah dalam menganalisis Rekamlah data tersebut ke dalam tiga kolom: Kolom pertama data tentang Uang Saku Kolom kedua data tentang Motivasi Belajar Kolom ketiga data tentang Prestasi Belajar Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = X1, Label = Uang Saku) Baris kedua (Name = X2, Label = Motivasi Belajar) Baris ketiga (Name = Y, Label = Prestasi Belajar) Simpanlah data tersebut dengan nama Latihan Uji Multikolienaritas,sehingga akan tampak seperti gambar berikut: Uji yang dapat digunakan: Uji Durbin & Watson Uji VIF (Variance Inflation Factor) Lakukan analisis dengan menggunakan menu Analyze Regression Linear Pedoman Praktikum Aplikasi Komputer Lanjut 53 Masukkan variabel Y ke kotak Dependent dan variabel X1 dan X2 ke dalamkotak Independent(s) sehingga akan terlihat seperti berikut: Klik tombol Statistics... klik Durbin Watson Test klik Continue Klik OK sehingga akan muncul hasil analisis: Penafsiran print out hasil analisis: Model Summary(b) Model R R SquareAdjusted R SquareStd. Error ofthe Estimate Durbin-Watson 1 .524(a) .274 .211 .14927 2.130 a Predictors: (Constant), Motivasi Belajar, Uang Sakub Dependent Variable: Prestasi Belajar Print out yang dihasilkan dari analisis ini sebenarnya cukup banyak dan samadengan yang dihasilkan dari analisis regresi ganda namun untuk kepentingan ujimultikolinearitas yang perlu ditafsirkan hanyalah print out Model Summaryseperti terlihat di atas. Yang perlu dilihat adalah nilai Durbin-Watson. Kriterianya adalah jika nilaiDurbin & Watson terletak antara 2 dan 4 (untuk taraf signifikansi 5%) makatidak terjadi otokorelasi, tetapi jika nilai berada di luar itu maka bisa terjadiotokorelasi atau tidak dapat ditentukan. Berdasarkan hasil analisis di atas menunjukkan bahwa nilai Durbin-Watson yangditemukan adalah sebesar 2,130. Oleh karena nilai tersebut berada di antara 2dan 4 maka dapat disimpulkan bahwa tidak terjadi otokorelasi untuk persamaanregresi variabel prestasi belajar atas variabel uang saku dan motivasi belajar. Pedoman Praktikum Aplikasi Komputer Lanjut 54 Latihan Regresi Linear Sederhana Berikut ini disajikan data lingkungan kerja, pengalaman kerja dan produktivitasKaryawan bulan September 2008: LingkunganKerja PengalamanKerja (Tahun) ProduktivitasKerja (Unitper hari) 61 5 58 50 7 45 52 7 55 50 2 48 58 7 62 60 5 54 48 4 52 54 8 50 66 4 59 56 6 60 45 7 49 61 8 63 63 2 45 46 5 57 57 7 53 56 4 61 55 5 63 48 2 47 58 4 57 52 6 49 58 8 56 45 4 49 54 6 59 48 4 53 Ujilah apakah persyaratan otokorelasi dapat dipenuhi untuk persamaan garisyang melibatkan variabel terikat produktivitas kerja dan variabel bebaslingkungan kerja dan pengalaman kerja? (Gunakan taraf signifikansi 5%) Pedoman Praktikum Aplikasi Komputer Lanjut 55 Aplikasi Komputer Lanjut LembarKerja 13 Uji Validitas dan Reliabilitas 2015 Tujuan: Untuk menguji tingkat validitas dan reliabilitas seperangkat instrumen, kuesioner atau angket Contoh Masalah: Apakah butir-butir yang dikembangkan dalam mengukur minat belajar valid? Apakah butir-butir yang dikembangkan dalam mengukur minat belajar reliabel? Kasus: Berikut ini disajikan data tentang butir motivasi belajar: No b1 b2 b3 b4 b5 b6 b7 b8 b9 b10 b11 b12 1 4 4 3 4 3 4 4 4 4 4 4 4 2 3 3 3 4 3 3 4 4 3 3 3 3 3 4 4 4 4 4 4 3 3 3 3 3 3 4 3 3 3 3 4 3 3 3 4 3 3 3 5 3 3 3 3 3 3 3 2 3 3 3 3 6 3 3 2 3 3 3 3 2 2 3 3 3 7 3 2 2 3 3 3 3 3 2 2 2 2 8 3 2 2 2 3 3 4 3 3 3 3 3 9 3 4 3 3 3 3 3 3 3 3 4 3 10 4 3 3 3 3 3 3 3 3 3 3 3 11 3 3 3 3 3 4 3 3 4 3 3 3 12 3 3 3 3 4 4 4 4 3 3 3 3 13 3 3 3 3 4 4 4 4 3 4 3 4 14 3 3 3 3 4 4 3 3 3 3 3 3 15 3 3 2 2 4 3 3 3 2 3 2 3 16 3 3 3 3 3 3 3 3 3 3 3 3 17 3 3 3 3 3 3 3 4 3 3 3 3 18 3 3 3 3 3 3 3 3 3 3 3 3 19 3 3 3 3 3 3 3 3 3 3 3 3 20 3 3 3 3 3 3 3 2 2 3 3 3 21 3 3 3 3 3 3 3 3 3 3 3 3 22 3 3 3 3 4 3 4 4 3 3 4 3 23 4 4 3 3 3 3 3 3 3 3 3 3 24 3 3 4 3 4 4 3 3 3 3 3 3 25 3 3 3 3 3 3 3 3 3 3 3 3 26 3 3 3 3 3 3 3 3 3 3 3 3 27 3 3 3 3 3 3 3 3 3 3 3 3 28 3 3 3 3 3 3 3 3 3 3 3 3 29 3 3 3 3 3 3 3 3 3 3 3 3 30 4 4 3 4 4 4 3 3 3 3 3 3 Pedoman Praktikum Aplikasi Komputer Lanjut 56 Ujilah apakah butir-butir yang dikembangkan untuk mengukur motivasi belajartersebut valid dan reliabel! Langkah-langkah dalam menganalisis Rekamlah data tersebut ke dalam dua belas kolom: Kolom pertama data tentang Butir Nomor 1 Kolom kedua data tentang Butir Nomor 2 Dan seterusnya Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = B1) Baris kedua (Name = B2) Baris ketiga (Name = B3) Dan seterusnya Simpanlah data tersebut dengan nama Latihan Uji Validitas, sehingga akantampak seperti gambar berikut: Lakukan analisis dengan menggunakan menu Analyze Scale ReliabilityAnalysis... Masukkan semua variabel ke kotak Items sehingga akan terlihat seperti berikut: Pedoman Praktikum Aplikasi Komputer Lanjut 57 Klik tombol Statistics... dan beri tanda check pada Scale if item delete padakotak Descriptive for lalu klik Continue Klik OK sehingga akan muncul hasil analisis: Penafsiran print out hasil analisis: Reliability Statistics Cronbach's Alpha N of Items .841 12 Tabel di atas menunjukkan hasil uji reliabilitas dengan model Alpha Cronbach.Instrumen dapat dikatakan reliabel jika niliai koefisien alpha tersebut melebihi 0,7.Berdasarkan hasil perhitungan ditemukan bahwa koefisien alpha sebesar 0,841sehingga dapat disimpulkan bahwa instrumen ini reliabel Pedoman Praktikum Aplikasi Komputer Lanjut 58 Item-Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item- Total Correlation Cronbach's Alpha if Item Deleted b1 34.0333 8.861 .423 .835 b2 34.1000 8.162 .570 .824 b3 34.2667 8.409 .516 .828 b4 34.1333 8.326 .551 .825 b5 33.9000 8.921 .295 .846 b6 33.9333 8.202 .603 .821 b7 34.0000 8.897 .369 .839 b8 34.1000 8.162 .478 .833 b9 34.2333 8.185 .547 .826 b10 34.1667 8.626 .655 .822 b11 34.1667 8.489 .539 .827 b12 34.1667 8.626 .655 .822 Untuk melihat butir mana saja yang mendukung tingkat reliabilitas dapat dilihatpada kolom Corrected item total correlation. Jika koefisien tersebut melebihiatau sama dengan 0,3 maka butir tersebut mendukung tingkat reliabilitas.Sebaliknya jika nilainya rendah misalnya di bawah 0,3 maka butir tersebut tidakberkontribusi sehingga perlu digugurkan atau direvisi. Berdasarkan hasil analisis terlihat bahwa hanya butir nomor 5 yang koefisienkorelasinya kurang dari 0,3. Dengan demikian butir nomor 5 tersebut tidak perludigugurkan atau direvisi. LatihanUjilah validitas dan reliabilitas butir di bawah ini: No kd1 kd2 kd3 kd4 kd5 kd6 kd7 kd8 kd9 kd10 kd11 kd12 kd13 1 3 2 3 3 3 2 3 4 3 3 3 2 3 2 3 3 4 3 3 3 3 3 3 3 3 2 3 3 2 2 3 3 3 2 3 3 3 3 3 3 3 4 3 3 3 4 3 3 2 3 4 3 3 3 4 5 4 4 4 4 4 4 2 4 4 3 4 4 4 6 3 4 3 3 4 3 4 4 3 3 4 3 3 7 3 4 1 1 3 2 3 3 3 1 3 3 3 8 3 4 1 1 3 2 3 3 2 1 3 3 3 Pedoman Praktikum Aplikasi Komputer Lanjut 59 9 1 3 4 4 2 3 3 4 1 4 4 4 4 10 4 4 4 4 4 3 3 4 4 3 4 3 3 11 1 3 2 3 1 3 1 4 2 2 4 3 3 12 3 3 4 4 3 3 4 4 3 3 4 2 3 13 3 3 3 4 3 2 1 2 3 3 3 3 3 14 3 4 3 3 3 3 4 3 4 3 3 3 3 15 2 3 3 2 3 3 2 2 2 2 3 2 2 16 3 2 4 4 3 3 3 3 3 4 3 3 4 17 3 2 3 3 3 3 3 3 3 2 3 3 2 18 3 2 2 3 3 2 2 4 3 2 3 2 3 19 3 3 4 4 4 3 3 3 3 4 4 3 3 20 4 4 4 4 4 3 3 4 4 4 4 4 4 21 3 2 4 3 2 3 4 3 2 4 3 3 4 22 2 3 4 3 3 2 4 3 4 3 3 2 3 23 4 4 2 2 3 3 4 3 4 3 2 3 2 24 4 3 4 4 4 2 4 4 4 4 2 4 4 25 3 2 3 4 3 3 4 3 3 3 3 2 2 26 3 3 3 4 3 3 4 3 4 4 3 4 3 27 4 4 4 4 4 2 4 4 3 4 4 3 3 28 3 2 3 3 2 1 3 3 3 3 3 3 3 29 3 3 3 3 3 3 2 3 3 3 4 4 3 30 3 4 3 3 3 3 4 3 3 4 3 3 3 Bagaimana dengan tingkat reliabilitasnya? Pedoman Praktikum Aplikasi Komputer Lanjut 60 Aplikasi Komputer Lanjut LembarKerja 14 Uji Validitas dengan Analisis Faktor 2015 Tujuan: Untuk menguji tingkat validitas konstruk seperangkat instrumen, kuesioner atau angket Contoh Masalah: Apakah butir-butir yang dikembangkan dalam mengukur indikator/faktor yang dikembangkan untuk mengukur minat belajar? Kasus: Berikut ini disajikan data tentang butir minat belajar: No b1 b2 b3 b4 b5 b6 b7 b8 b9 b10 b11 b12 1 4 4 5 4 5 5 4 4 4 4 4 3 2 5 5 5 5 4 4 3 3 4 4 5 5 3 3 3 2 2 2 1 2 2 5 5 4 5 4 5 5 5 5 5 4 4 4 4 3 3 4 5 5 5 5 5 5 4 4 5 5 5 5 4 6 4 4 5 5 5 5 5 5 4 5 4 5 7 5 5 5 5 4 4 4 4 5 5 4 5 8 4 5 5 4 4 4 4 5 5 4 5 5 9 5 5 5 5 4 5 5 5 5 5 5 5 10 2 2 3 2 3 3 3 2 2 2 2 3 11 1 4 2 2 4 2 3 5 2 4 5 1 12 3 3 3 3 4 4 3 4 3 4 4 4 13 3 3 4 3 4 4 3 4 4 3 3 3 14 4 5 4 5 3 4 3 3 4 5 5 5 15 3 4 3 4 3 3 4 4 2 1 2 2 16 5 5 5 5 4 3 3 4 5 5 5 5 17 3 4 3 3 3 3 3 3 5 5 5 4 18 4 3 3 3 5 4 5 5 4 3 3 3 19 4 3 3 4 5 5 5 4 5 4 4 5 20 5 4 5 5 3 5 5 5 4 3 1 1 21 5 5 5 5 5 5 5 4 4 4 5 5 22 2 1 4 4 1 2 4 4 5 2 3 4 23 4 3 3 4 4 5 4 4 4 4 5 5 24 4 4 3 4 5 4 4 5 3 3 3 3 25 5 4 4 5 5 5 5 4 3 4 3 3 26 5 5 5 5 5 4 4 5 4 4 3 3 27 5 4 5 5 3 4 4 4 4 4 5 4 28 3 4 4 3 5 5 5 5 4 4 3 3 29 5 4 4 5 4 5 4 5 5 5 5 5 Pedoman Praktikum Aplikasi Komputer Lanjut 61 30 5 4 4 5 4 3 4 3 3 3 4 4 Ujilah apakah butir-butir yang dikembangkan untuk mengukur minat belajartersebut valid dalam mengukur konstruk! Langkah-langkah dalam menganalisis Rekamlah data tersebut ke dalam dua belas kolom: Kolom pertama data tentang Butir Nomor 1 Kolom kedua data tentang Butir Nomor 2 Dan seterusnya Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = B1) Baris kedua (Name = B2) Baris ketiga (Name = B3) Dan seterusnya Simpanlah data tersebut dengan nama Latihan Analisis Faktor, sehingga akantampak seperti gambar berikut: Lakukan analisis dengan menggunakan menu Analyze DimensionReduction Factor Masukkan semua variabel ke kotak Items sehingga akan terlihat seperti berikut: Pedoman Praktikum Aplikasi Komputer Lanjut 62 Klik tombol Descriptives... dan beri tanda check pada KMO and BartlettTest of Sphericity dan Anti-Image pada kotak Correlation Matrix lalu klikContinue Klik tombol Extraction... dan pilih metode ektraksi yang dikehendaki (PrincipalComponent, Maximum Likelihood, atau yan lain). Pada kota Extract tentukancara penentuan jumlah faktornya apakah berdasarkan nilai eigen atau ditentukansendiri banyaknya. Misalnya jika jumlah faktornya sudah ditentukan maka klikFixed number factor dan isikan jumlah faktornya pada kotak yang tersediaseperti pada gambar berikut ini Setelah itu klik Continue Klik tombol Rotation... dan beri tanda check metode yang akan digunakan misalnya Varimax pada kotak Method lalu klik Continue Klik tombol Options... dan beri tanda check Sorted By Size pada kotak Coefficient Display Format lalu klik Continue Klik OK sehingga akan muncul hasil analisis: Pedoman Praktikum Aplikasi Komputer Lanjut 63 Penafsiran print out hasil analisis: KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .672 Bartlett's Test of Sphericity Approx. Chi-Square 238.815 df 66 Sig. .000 Penggunaan Exploratory Factor Analysis menuntut beberapa persyaratan diantaranya matriks interkorelasi haruslah bukan merupakan matriks identity danmatriks tersebut layak untuk dilakukan analisis faktor. Untuk itu dilakukanpengujian dengan melihat nilai KMO dan signifikansi dari Bartlett Test OfSphericity. Kriterianya adalah nilai KMO harus melebihi 0,7 atau paling tidak 0,5dan nilai signifikansi Bartlett harus di bawah 0,05. Tabel di atas menunjukkan hasil pengujian prasyarat penggunaan analisis faktoryang meliputi KMO dan Bartlett test of Sphericity. Nilai KMO digunakan untukmelihat apakah data yang dianalisis layak atau tidak. Hasil di atas menunjukkanbahwa nilai KMO sudah memenuhi syarat sehingga data tersebut layak untukdilakukan analisis faktor. Uji Bartlett juga merupakan salah satu prasyarat yang menguji apakah matriksinterkorelasi berupa matriks identity atau tidak. Jika nilai signifikansinya < 0,05maka matriks interkorelasi bukanlah matriks identity sehingga dapat dilakukananalisis faktor. Hasil di atas menunjukkan bahwa nilai signifikansinya jauh di bawah0,05 sehingga matriks interkorelasi tersebut bukanlah berupa matriks identitysehingga dapat dilakukan analisis faktor. Persyaratan berikutnya yang harus dipenuhi adalah kecukupan sampel yang diukurdari nilai MSA (Measure of Sampling Adequacy). Syarat minimal MSA yang harusdipenuhi adalah 0,5. Hasil analisis MSA dapat dilihat pada print out di bawah dibagian Anti-Image Correlation. Nilai MSA untuk masing-masing butir terdapatpada diagonal matriks tersebut. Hasil analisis menunjukkan bahwa butir nomor 9memiliki nilai MSA yang kurang dari 0,5 karena itu sebaiknya butir tersebutdikeluarkan dari analisis. Berdasarkan kriteria tersebut dapat dikatakan bahwabutir yang kurang memenuhi syarat adalah butir nomor 9. Pedoman Praktikum Aplikasi Komputer Lanjut 64 Anti-image Matrices b1 b2 b3 b4 b5 b6 b7 b8 b9 b10 b11 b12 Anti-imageCovariance b1 .133 -.049 .032 -.089 -.079 -.027 .005 .076 -.070 .000 .037 .013 b2 -.049 .264 -.087 -.018 -.077 .067 .045 -.026 .052 -.083 -.057 .048 b3 .032 -.087 .266 -.083 -.017 -.072 .037 .021 -.103 .056 .025 .026 b4 -.089 -.018 -.083 .118 .092 .005 -.043 -.059 .068 .007 -.018 -.047 b5 -.079 -.077 -.017 .092 .284 -.083 -.047 -.112 .111 -.025 .007 -.066 b6 -.027 .067 -.072 .005 -.083 .282 -.119 -.018 .057 -.077 .016 -.026 b7 .005 .045 .037 -.043 -.047 -.119 .275 -.099 -.037 .050 .046 -.005 b8 .076 -.026 .021 -.059 -.112 -.018 -.099 .303 -.125 .016 -.071 .145 b9 -.070 .052 -.103 .068 .111 .057 -.037 -.125 .232 -.118 .043 -.122 b10 .000 -.083 .056 .007 -.025 -.077 .050 .016 -.118 .260 -.116 .018 b11 .037 -.057 .025 -.018 .007 .016 .046 -.071 .043 -.116 .276 -.134 b12 .013 .048 .026 -.047 -.066 -.026 -.005 .145 -.122 .018 -.134 .219 Anti-image Correlation b1 .716a -.262 .172 -.708 -.406 -.142 .025 .376 -.400 -.001 .192 .078 b2 -.262 .773a -.329 -.104 -.282 .246 .166 -.092 .209 -.318 -.211 .201 b3 .172 -.329 .771a -.469 -.062 -.263 .138 .075 -.415 .213 .091 .106 b4 -.708 -.104 -.469 .654a .503 .025 -.237 -.314 .408 .041 -.100 -.293 b5 -.406 -.282 -.062 .503 .598a -.293 -.168 -.381 .431 -.092 .024 -.263 b6 -.142 .246 -.263 .025 -.293 .793a -.428 -.063 .222 -.285 .056 -.103 b7 .025 .166 .138 -.237 -.168 -.428 .771a -.342 -.145 .185 .166 -.020 b8 .376 -.092 .075 -.314 -.381 -.063 -.342 .528a -.473 .059 -.246 .562 b9 -.400 .209 -.415 .408 .431 .222 -.145 -.473 .477a -.479 .169 -.539 b10 -.001 -.318 .213 .041 -.092 -.285 .185 .059 -.479 .720a -.434 .077 b11 .192 -.211 .091 -.100 .024 .056 .166 -.246 .169 -.434 .671a -.543 b12 .078 .201 .106 -.293 -.263 -.103 -.020 .562 -.539 .077 -.543 .590a a. Measures of Sampling Adequacy(MSA) Pedoman Praktikum Aplikasi Komputer Lanjut 65 Communalities Initial Extraction b1 1.000 .846 b2 1.000 .548 b3 1.000 .794 b4 1.000 .884 b5 1.000 .764 b6 1.000 .719 b7 1.000 .708 b8 1.000 .650 b9 1.000 .548 b10 1.000 .846 b11 1.000 .817 b12 1.000 .727 Extraction Method: PrincipalComponent Analysis. Tabel di atas memunculkan nilai communality untuk masing-masing butir. Nilai communality merupakan cerminan kemampuanbutir untuk mengukur variabel. Semakin tinggi nilai communality semakin baik. Butir yang baik memiliki nilai communality lebihdari 0,5. Tabel selanjutnya adalah Total Variance Explained. Dalam tabel tersebut menyiratkan kemampuan faktor dalammengungkap variabel yang dilihat dari nilai eigen dan persentase variance. Dalam tabel tersebut tampak bahwa faktor 1, 2 dan3 memberikan kontribusi berturut-turut sebesar 26%, 24,6%, dan 23,14%. Dengan demikian secara keseluruhan ketiga faktoritu memiliki cumulative percentage sebesar 73,8%. Hal ini menunjukkan bahwa ketiga faktor tersebut mampu mengukurvariabel sebesar 73,8%, sisanya diukur oleh faktor lain. Pedoman Praktikum Aplikasi Komputer Lanjut 66 Total Variance Explained Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 4.896 40.800 40.800 4.896 40.800 40.800 3.126 26.053 26.053 2 2.736 22.802 63.603 2.736 22.802 63.603 2.950 24.587 50.640 3 1.221 10.173 73.775 1.221 10.173 73.775 2.776 23.135 73.775 4 1.015 8.461 82.236 5 .708 5.901 88.138 6 .393 3.272 91.410 7 .285 2.377 93.786 8 .272 2.263 96.049 9 .174 1.447 97.497 10 .131 1.093 98.590 11 .114 .953 99.543 12 .055 .457 100.000 Extraction Method: Principal Component Analysis. Pedoman Praktikum Aplikasi Komputer Lanjut 67 Component Matrixa Component 1 2 3 b1 .866 -.024 -.309 b4 .829 -.074 -.437 b3 .788 -.082 -.408 b2 .731 .079 .083 b6 .713 -.434 .151 b5 .572 -.414 .516 b11 .406 .713 .380 b12 .470 .708 -.076 b7 .528 -.655 .017 b10 .564 .601 .408 b8 .466 -.536 .383 b9 .518 .521 -.092 Extraction Method: Principal ComponentAnalysis. a. 3 components extracted. Rotated Component Matrixa Component 1 2 3 b4 .904 .148 .215 b3 .854 .134 .215 b1 .838 .255 .281 b2 .462 .432 .384 b11 -.020 .904 .011 b10 .082 .899 .177 b12 .342 .747 -.228 b9 .400 .615 -.099 b5 .082 .139 .859 b8 .106 -.059 .797 b6 .438 .043 .725 b7 .413 -.271 .682 Extraction Method: Principal ComponentAnalysis.Rotation Method: Varimax with KaiserNormalization. a. Rotation converged in 5 iterations. Tabel di atas mengukur loading factor untuk masing-masing butir kepada masing-masing faktor namun dalam kondisi belum dirotasi sehingga belum tampak jelaspersebaran tiap butir dalam mengukur faktornya (Hampir semua mengukur faktor1 karena nilai loading factor tertinggi ada di faktor 1). Karena itu perlu dirotasiagar semakin jelas kecenderungan butir dalam mengukur faktornya sehinggatampak persebaran butir dalam mengukur seluruh faktor yang ada. Pedoman Praktikum Aplikasi Komputer Lanjut 68 Dalam tabel selanjutnya sudah terlihat bahwa setiap butir semakin tampak jelaskecenderungan dalam mengukur faktornya, misalnya butir 1, 2, 3, dan 4 memilikinilai loading factor yang dominan di faktor 1 sehingga dapat dikatakan bahwa butirtersebut memang mengukur faktor 1. Kriteria yang digunakan untuk menyatakanbahwa butir dikatakan valid jika persebaran butir dalam mengukur faktornyasesuai dengan konstruk teoretisnya serta memiliki nilai loading factor melebihi 0,5(Hair, et.al., 2010), tetapi ada juga yang memberi batasan 0,33 (Ho, 2006).Berdasarkan kriteria tersebut dapat disimpulkan bahwa butir yang tidak validadalah butir nomor 2 karena memiliki nilai loading factor kurang dari 0,5. LatihanUjilah validitas konstruk butir di bawah ini: No kd1 kd2 kd3 kd4 kd5 kd6 kd7 kd8 kd9 kd10 kd11 kd12 kd13 1 3 4 4 4 3 5 5 5 5 5 5 5 4 2 3 3 4 3 4 3 3 4 4 4 5 5 4 3 5 5 4 5 4 3 3 3 4 5 5 4 4 4 3 5 1 3 3 5 3 5 4 3 2 3 2 5 4 4 5 4 4 5 4 5 4 5 5 5 5 6 5 5 1 4 5 2 2 3 3 1 3 2 5 7 4 5 5 4 5 4 5 4 4 5 5 4 5 8 3 3 4 3 4 5 4 5 5 3 4 4 3 9 4 5 5 4 4 3 4 4 3 4 4 4 5 10 3 3 4 4 3 5 5 5 4 4 4 4 4 11 5 5 4 5 5 3 4 4 4 5 5 5 5 12 4 5 5 5 5 5 4 5 4 5 5 4 4 13 4 5 5 5 4 3 4 3 4 5 5 4 4 14 4 3 3 3 3 5 4 5 4 5 5 4 5 15 4 3 4 4 3 4 4 4 5 3 3 4 3 16 3 2 3 3 2 5 4 4 5 4 3 3 3 17 5 4 5 5 5 5 4 5 4 5 5 4 5 18 4 4 5 5 4 5 4 4 4 4 5 4 5 19 5 4 4 5 5 5 4 5 5 5 4 4 5 20 4 4 4 4 5 5 5 4 4 3 4 3 3 21 4 4 5 5 5 3 3 2 2 4 4 4 4 22 5 5 5 5 5 5 5 5 5 5 5 5 4 23 5 5 5 5 4 4 3 3 3 4 4 5 4 24 2 3 3 3 2 5 5 5 5 1 2 2 1 25 4 5 5 5 5 5 5 5 4 5 5 4 5 26 5 5 5 4 5 5 4 5 4 3 4 3 3 27 4 5 4 5 4 4 5 5 4 5 5 4 5 28 5 5 5 5 5 4 5 5 5 3 4 4 4 29 4 4 5 1 2 4 3 4 5 1 5 2 5 30 3 3 3 4 3 3 3 3 4 3 4 4 3 Butir mana saja yang valid dan butir mana saja yang tidak valid jika variabel tersebutdibangun dari 3 konstruk? Pedoman Praktikum Aplikasi Komputer Lanjut 69 DAFTAR PUSTAKA Anderson, David R., Sweeney, Dennis J., & Williams, Thomas A. (2011) Statistics ForBusiness and Economics, Eleventh Edition. Oklohama: South-Westrn, CengageLearning Djarwanto PS (1997). Statistik Nonparametrik. Yogyakarta: BPFE Duwi Priyatno. (2008). Mandiri Belajar SPSS untuk Analisis Data & Uji Statistik.Yogyakarta: MediaKom Gorsuch, R.L. (1974). Faactor Analysis. Philadelphia: W.B. Saunders Company. Gujarati, D. (1995). Ekonometrika Dasar. (Alih Bahasa: Sumarno Zain). Jakarta: Erlangga Hair, J.F., et.al. (2010). Multivariate Data Analysis, 7th Edition. New York: PearsonPrentice Hall Ho, Robert (2006) Handbook of univariat and multivariate data analysis and interpretationwith SPSS. New York: Taylor & Francis Group Howell, David C. (2014) Fundamental Statistics for the Behavioral Sciences. Belmont, CA:Cengage Learning. Imam Ghozali (2001). Aplikasi Analisis Multivariate Dengan Program SPSS. Semarang:UNDIP Jonathan Sarwono. (2007). Analisis Jalur untuk Riset Bisnis dengan SPSS. Yogyakarta:Andi Offset Leech, N., Karen Barrett, George A Morgan (2005) SPSS for Intermediate Statistics Useand Interpretation. New Jersey: Lawrence Erlbaum Associates, Inc. Mason, Robert D. & Lind, Douglas A. (1996a). Teknik Statistika Untuk Bisnis & Ekonomi,Jilid I. (Alih Bahasa: Ellen Gunawan Sitompul, dkk). Jakarta: Erlangga Mason, Robert D. & Lind, Douglas A. (1996b). Teknik Statistika Untuk Bisnis & Ekonomi,Jilid II. (Alih Bahasa: Ellen Gunawan Sitompul, dkk). Jakarta: Erlangga McClave, et.al. (2011) Statistik untuk Bisnis dan Ekonomi Jilid 1 (Edisi kesebelas). (Alihbahasa: Bob Sabran). Jakarta: Erlangga Norusis, M.J. (1986) SPSS/PC+ for the IBM PC/XT/AT. California: SPSS Inc. Pedhazur, Elazar J. (1982). Multiple Regression in Behavioral Research: Explanation andPrediction. New York: Holt, Rinehart and Winston Singgih Santoso. (2002). SPSS Statistik Multivariat. Jakarta: PT Elek Media Komputindo Steel, Robert G.D. & Torrie, James H. (1995). Prinsip dan Prosedur Statistika: SuatuPendekatan Biometrik. (Alih bahasa: Bambang Sumantri). Jakarta: Gramedia Sudjana (1992). Metoda Statistika. Bandung: Tarsito Sudjana (1996). Teknik Analisis Regresi dan Korelasi Bagi Para Peneliti. Bandung: Tarsito Supranto, J. (2009) Statistik Teori dan Aplikasi Jilid 2 Edisi Ketujuh. Jakarta: Erlangga Wijaya. (2001). Analisis Statistik dengan Program SPSS 10.0. Bandung: Alfabeta |