Tutorial Olah Data SPSS : Tabulasi Data di Microsoft Excel

Tutorial Penelitian ~ Semua proses olah data IBM SPSS Statistics diawali dengan input data dan agar mudah terlebih dahulu ditabulasi menggunakan spreadsheets Microsoft Excel.

Kasus ini kita menabulasi data kuesioner yang berisi data demografi, variabel Y yaitu Keputusan Pembelian, variabel X1 yaitu Persepsi Harga, variabel X2 yaitu Kualitas Produk dan variabel X3 yaitu Kualitas Layanan.

Imput satu-satu data dari kuesioner ke dalam spreadsheets Microsoft Excel. Atur serapi mungkin dan disusun berurutan agar mudah dilakukan pengecekan dan koreksi jika ada kesalahan.

Di bawah ini contoh spreadsheets Microsoft Excel yang berisi tabulasi data hasil rekap kuesioner (klik gambar untuk perbesar):

Demografi bertujuan untuk analisis deskriptif responden dengan empat indkator yaitu Jenis kelamin, Umur, Pendidikan Terakhir dan Profesi dengan skala pengukuran sebagai berikut:

Demografi terdiri dari 4 item yaitu:

JK (Jenis Kelamin) terdiri dari:

• Kode 1 = Pria
• Kode 2 = Wanita

Umur terdiri dari (skala interval):

• Kode 1 = 20-30 tahun
• Kode 2 = 31-40 tahun
• Kode 3 = 40 tahun ke atas

Pendidikan terdiri dari (skala nominal):

• Kode 1 = SD/SMP/SMA
• Kode 2 = Diploma
• Kode 3 = S1
• Kode 4 = S2/S3

Profesi terdiri dari (skala nominal):

• Kode 1 = Pegawai Negeri
• Kode 2 = Pegawai Swasta
• Kode 3 = Wiraswasta

Variabel Penelitian

Variabel penelitian masing-masing terdiri dari tiga item yang diwakili dengan 3 kolom ditambah 1 kolom yaitu total skor. Semua variabel menggunakan skala Likert sebagai berikut:

• Skor 1 = Sangat Tidak Setuju
• Skor 2 = Tidak Setuju
• Skor 3 = Netral
• Skor 4 = Setuju
  
• Skor 5 = Sangat Setuju   http://tu.laporanpenelitian.com/p/11.html

Tutorial Olah Data SPSS : Analisis Deskriptif (Univariat)

Tutorial Penelitian ~ Analisis deksriptif atau statistik deskriptif adalah analisis yang bertujuan untuk mendeskripsi berbagai karakteristik data penelitian.

Peneliti ingin mengetahui bagaimana gambaran umum responden penelitian. Karakteristik-karakteristik data ini meliputi frekuensi, mean, median, jumlah, quartile, standar deviasi, maksimum, minimum dan lain-lain.

Kasus:

• N = 10
  
• Berat Badan (Skala Rasio)
  
• Sikap Diet (Skala Ordinal, Likert)
  
  • Skor 1 Sangat Tidak Setuju
    
  • Skor 2 Tidak Setuju
    
  • Skor 3 NetralSkor 4 Setuju
    
  • Skor 5 Sangat Setuju

Gambar 1

Input data ke spreadsheets Microsoft Excel kemudian copy dan paste ke spreadsheets Data View SPSS dilanjutkan dengan input parameter deskripsi ke spreadsheets Data Variable SPSS.

Gambar 1 (klik gambar untuk perbesar) adalah penampakan spreadsheets Data View SPSS. Dengan demikian kita memliki 2 kolom variabel.

---

MEAN, STANDAR DEVIASI, MAKSIMUM, MINIMUM

1. Pilih Analyze - Descriptive Statistics - Descriptives
   
2. Pindahkan Berat Badan ke Variable(s)
   
3. Klik Option lalu pilih Mean, Std. deviation, Minimum dan Maximum
   
4. Klik OK

Gambar 2

Gambar 2 kiri (klik gambar untuk perbesar) adalah menu popup saat Anda melakukan langkah ke-2 yaitu memilih variabel yang akan dianalisis. Gambar 2 kanan adalah output hasil analisis deskriptif.

Dengan demikian kita mengetahui gambaran data penelitian yang meliputi parameter mean, standar deviasi, maksimum dan minimum. Anda bisa bereksperimen dengan banyak parameter lainnya.

---

FREKUENSI

• Pilih Analyze - Descriptive Statistics - Frequencies
  
• Pindahkan Sikap Diet ke Variable(s)
  
• Pilih Dispay frequency tables
  
• Klik OK

Gambar 3

Gambar 3 kiri (klik gambar untuk perbesar) adalah menu popup saat Anda melakukan langkah ke-2 yaitu memilih variabel yang akan dianalisis. Gambar 3 kanan adalah output hasil analisis frekuensi.

Dengan demikian kita mengetahui gambaran data penelitian yang meliputi frekuensi sikap Sangat Tidak Setuju, Tidak Setuju, Ragu-ragu, Setuju dan Sangat Setuju.
sumber http://tu.laporanpenelitian.com/2015/04/59.html

Tutorial Olah Data SPSS : Uji Validitas dan Reliabilitas Kuesioner

Tutorial Penelitian ~ Uji validitas dan reliabilitas adalah uji statistik untuk mengukur ketepatan (valid) dan kehandalan (reliabel) indikator-indikator alat ukur kuesioner terhadap apa yang seharusnya diukur.

Di bidang ilmu-ilmu sosial umunya variabel-variabel penelitian dirumuskan sebagai konsep latent atau un-observed yaitu variabel yang tidak dapat diukur secara langsung.

Uji validitas dan reliabilitas bertujuan untuk mengetahui sejauhmana ketepatan dan kehandalan indikator-indikator kuesioner atau angket tersebut benar-benar mengukur konstruk yang un-observed tersebut.

Kasus:

• Variabel Persepsi Harga terdiri dari 3 indikator yang masing-masing diwakili 3 item (butir pernyataan).
• Skala yang digunakan ordinal yaitu skala Likert.
• N = 10

---

INPUT DATA

Gambar 1

Input data ke spreadsheets Microsoft Excel kemudian copy dan paste ke spreadsheets Data View SPSS dilanjutkan dengan input parameter deskripsi ke spreadsheets Data Variable SPSS.

Gambar 1 (klik untuk perbesar) adalah penampakan spreadsheets Data View SPSS. Dengan demikian kita memliki 3 kolom yaitu Indikator 1, Indikator 2 dan Indikator 3. Pada tahap ini input data sudah selesai. Lanjut langkah perintah uji.

---

LANGKAH-LANGKAH

1. Klik Analyze - Scale - Reliability Analysis...
2. Pindahkan Indikator 1, Indikator 2 dan Indikator 3 ke Items
3. Klik Statistics, kemudian pilih Item, Scale dan Scale if item deleted, kemudian klik Continue
4. Klik OK

Gambar 2

Gambar 2 (klik untuk perbesar) adalah menu pop-up pada saat Anda melakukan langkah-langkah ke-2 dan ke-3 yaitu memilih data indikator-indikator variabel yang akan dianalisis.

Pada tahap ini langkah uji validitas dan reliabiltas sudah selesai dan kita sudah memiliki output. Langkah selanjutnya adalah mengambil keputusan berdasarkan hasil output tersebut.

---

PENGAMBILAN KEPUTUSAN VALIDITAS
[Download Output Pdf 32KB] + [Download Tabel r Pdf 94KB]

• Jika r hitung di bawah r tabel maka Ho diterima
• Jika r hitung positif di atas r tabel maka Ho ditolak

Klik link pertama di atas untuk download output. Nilai koefisien korelasi atau r hitung masing-masing indikator terlihat di dalam kotak “Item-Total Statistics” pada kolom “Corrected Item-Total Correlation”.

Klik link kedua di atas untuk download tabel r. Nilai Degree of Freedom (df) yang digunakan adalah n-2 dalam hal ini 10-2=8 dengan nilai r tabel dua arah pada sig. 0,05 maka kita mendapat nilai sebesar 0,6139.

Pengambilan keputusan:

• Nilai r hitung Indikator 1 sebesar 0,787 (di atas 0,6139) maka diputuskan item valid
• Nilai r hitung Indikator 2 sebesar 0,734 (di atas 0,6139) maka diputuskan item valid
• Nilai r hitung Indikator 3 sebesar 0,451 (di bawah 0,6139) maka diputuskan item tidak valid

---

PENGAMBILAN KEPUTUSAN RELIABILITAS

Klik link pertama di atas untuk download output. Nunnally (1967) mengatakan batas minimal reliabilitas menggunakan Cronbach Alpha adalah 0,6. Sumber lain mengatakan batas tersebut adalah 0,5 dan sumber lainnya adalah 0,4.

Lihat pada kotak “Reliability Statistics” pada kolom “Cronbach’s Alpha” terlihat sebesar 0,797 dengan demikian di atas batas 0,6 (Nunnally, 1967) sehingga diputuskan bahwa variabel Persepsi Harga reliabel.

Sekian dulu tutorial olah data SPSS. Analisis-analisis yang lain dijelaskan dalam tutorial selanjutnya. Ikuti terus update tutorial olah data statistik SPSS. Selamat Meneliti!

Saran Bacaan:

Nunnelly, J. (1967). Psychometric Methods. New York: McGrow-Hill.

Tutorial Olah Data SPSS : Uji Asumsi Klasik

Tutorial Penelitian ~ Uji asumsi klasik (classical assumptions) adalah uji statistik untuk mengukur sejauhmana sebuah model regresi dapat disebut sebagai model yang baik.

Model regresi disebut sebagai model yang baik jika model tersebut memenuhi asumsi-asumsi klasik yaitu multikolinieritas, autokorelasi, heteroskedastisitas dan normalitas.

Proses pengujian asumsi klasik menggunakan SPSS dilakukan bersamaan dengan proses uji regresi sehingga langkah-langkah menggunakan langkah kerja yang sama dengan uji regresi.

Untuk memahami pengertian uji asumsi klasik dapat disimak pada laman ini, untuk memahami pengertian regresi simak pada laman ini, sedangkan langkah SPSS regresi simak di laman ini.

Kasus:

• Merek (X1), layanan (X2) dan harga (X3) terhadap pembelian (Y)
• N = 34

---

INPUT DATA

Gambar 1

Input data ke spreadsheets Microsoft Excel kemudian copy dan paste ke spreadsheets Data View SPSS dilanjutkan dengan input parameter deskripsi ke spreadsheets Data Variable SPSS.

Gambar 1 (klik untuk perbesar) adalah potongan penampakan spreadsheets Data View SPSS. Dengan demikian kita memliki 4 kolom variabel yaitu X1, X2, (X3) dan Y. Pada tahap ini input data sudah selesai. Lanjut langkah perintah uji.

---

LANGKAH-LANGKAH

1. Klik Analyze - Regression - Linear...
   
2. Pindahkan Pembelian (Y) ke Dependent, disusul masukkan merek (X1), layanan (X2) dan harga (X3) ke Independent(s)
   
3. Klik Statistics. Pilih Estimate, Covariance matrix, Model fit, Collinearity diagnostics dan Durbin-Watson. Klik Continue.
   
4. Klik Plots. Masukkan *SRESID ke Y dan *ZPRED ke X. Klik Continue.
   
5. Klik OK

Gambar 2

Gambar 2 (klik untuk perbesar) adalah menu pop-up pada saat Anda melakukan langkah-langkah ke-2 yaitu memilih data variabel bebas dan variabel tergantung yang akan dianalisis.

Pada tahap ini langkah uji regresi sudah selesai dan kita sudah memiliki output. Langkah selanjutnya adalah mengambil keputusan berdasarkan hasil output tersebut.

---

PENGAMBILAN KEPUTUSAN
[Download Output Pdf 102 KB] dan [Download Tabel Durbin-Watson Pdf 175 KB]

Klik link di atas untuk download output. Di dalam output tersebut berisi hasil-hasil pengujian regresi berdasarkan formula yang telah ditetapkan yaitu 3 variabel bebas dan 1 variabel tergantung.

Multikolinieritas

Model regresi bebas dari masalah multikolenieritas apabila nilai Tolerance lebih dari 0,10 dan nilai VIF kurang dari 10 yang berarti tidak ada korelasi antar variabel bebas.

Lihat output pada kotak Coefficients. Semua nilai Tolerance di atas 0,10 dan nilai VIF kurang dari 10 sehingga disimpulkan bahwa model regresi bebas dari multikolenieritas.

Autokorelasi

Model regresi bebas dari masalah autokorelasi apabila nilai Durbin-Watson hitung antara dU dan 4-dU yang berarti tidak memiliki korelasi antara variabel pengganggu pada periode tertentu dengan variabel pengganggu periode sebelumnya.

Download Tabel Durbin-Watson dan lihat kolom k (jumlah variabel independen) dan baris n jadi 3 dan 34. Nilai dU tabel sebesar 1,6519 sehingga batasnya antara dU dan 4-dU (1,6519 dan 2,3481).

Lihat output pada kotak Model Sumary terlihat nilai Durbin-Watson hitung sebesar 2,251 sehingga diputuskan bahwa tidak terdapat autokorelasi dalam model regresi.

Heteroskedastisitas

Model regresi yang baik adalah homoskedastisitas atau tidak terjadi heteroskedastisitas yaitu titik-titik pada Scatterplot menyebar di atas dan di bawah atau di sekitar 0 serta tidak membentuk pola tertentu.

Lihat Scatterplot pada output terlihat titik-titik menyebar antara -2 hingga 1 dan tidak membentuk pola tertentu sehingga disimpulkan model regresi adalah homoskedastisitas atau tidak heteroskedastisitas.

Normalitas

Analisis regresi adalah statistik parametrik sehingga model regresi yang valid jika data berdistribusi normal yaitu titik-titik pada grafik P-P Plot menyebar di sekitar garis diagonal.

Lihat P-P Plot pada output terlihat titik-titik menyebar di sekitar garis diagonal sehingga diputuskan model regresi berdistribusi normal. Untuk estimasi normalitas dapat diketahui menggunakan Kolmogorov-Smirnov Test.
sumber http://tu.laporanpenelitian.com/2015/06/95.html

Tutorial Olah Data SPSS : Analisis Deskriptif (Univariat)

Tutorial Penelitian ~ Analisis deksriptif atau statistik deskriptif adalah analisis yang bertujuan untuk mendeskripsi berbagai karakteristik data penelitian.

Peneliti ingin mengetahui bagaimana gambaran umum responden penelitian. Karakteristik-karakteristik data ini meliputi frekuensi, mean, median, jumlah, quartile, standar deviasi, maksimum, minimum dan lain-lain.

Kasus:

• N = 10
  
• Berat Badan (Skala Rasio)
  
• Sikap Diet (Skala Ordinal, Likert)
  
  • Skor 1 Sangat Tidak Setuju
    
  • Skor 2 Tidak Setuju
    
  • Skor 3 NetralSkor 4 Setuju
    
  • Skor 5 Sangat Setuju

Gambar 1

Input data ke spreadsheets Microsoft Excel kemudian copy dan paste ke spreadsheets Data View SPSS dilanjutkan dengan input parameter deskripsi ke spreadsheets Data Variable SPSS.

Gambar 1 (klik gambar untuk perbesar) adalah penampakan spreadsheets Data View SPSS. Dengan demikian kita memliki 2 kolom variabel.

---

MEAN, STANDAR DEVIASI, MAKSIMUM, MINIMUM

1. Pilih Analyze - Descriptive Statistics - Descriptives
   
2. Pindahkan Berat Badan ke Variable(s)
   
3. Klik Option lalu pilih Mean, Std. deviation, Minimum dan Maximum
   
4. Klik OK

Gambar 2

Gambar 2 kiri (klik gambar untuk perbesar) adalah menu popup saat Anda melakukan langkah ke-2 yaitu memilih variabel yang akan dianalisis. Gambar 2 kanan adalah output hasil analisis deskriptif.

Dengan demikian kita mengetahui gambaran data penelitian yang meliputi parameter mean, standar deviasi, maksimum dan minimum. Anda bisa bereksperimen dengan banyak parameter lainnya.

---

FREKUENSI

• Pilih Analyze - Descriptive Statistics - Frequencies
  
• Pindahkan Sikap Diet ke Variable(s)
  
• Pilih Dispay frequency tables
  
• Klik OK

Gambar 3

Gambar 3 kiri (klik gambar untuk perbesar) adalah menu popup saat Anda melakukan langkah ke-2 yaitu memilih variabel yang akan dianalisis. Gambar 3 kanan adalah output hasil analisis frekuensi.

Dengan demikian kita mengetahui gambaran data penelitian yang meliputi frekuensi sikap Sangat Tidak Setuju, Tidak Setuju, Ragu-ragu, Setuju dan Sangat Setuju.
 sumber http://tu.laporanpenelitian.com/p/9.html

Tutorial Olah Data SPSS : Uji Normalitas Kolmogorov-Smirnov

Tutorial Penelitian ~ Uji normalitas Kolmogorov-Smirnov adalah uji yang bertujuan untuk mengetahui apakah data dalam variabel yang akan dianalisis berdistribusi normal.

Data yang baik dan layak digunakan dalam penelitian adalah data yang memiliki distribusi normal. Data berdistribusi normal artinya data mempunyai sebaran merata sehingga benar-benar mewakili populasi.

Uji normalitas data dilakukan sebelum data diolah berdasarkan model-model penelitian. Uji normalitas adalah membandingkan antara data yang akan diteliti dengan data berdistribusi normal berdasarkan mean dan standar deviasi.

Jika data berdistribusi normal maka analisis statistik dapat memakai pendekatan parametrik, sedangkan jika data tidak berdistribusi normal maka analisis menggunakan pendekatan non-parametrik.

Kasus:

• N = 10
• Berat Badan (Skala Rasio)

---

INPUT DATA

Gambar 1

Input data ke spreadsheets Microsoft Excel kemudian copy dan paste ke spreadsheets Data View SPSS dilanjutkan dengan input parameter deskripsi ke spreadsheets Data Variable SPSS.

Gambar 1 (klik untuk perbesar) adalah penampakan spreadsheets Data View SPSS. Dengan demikian kita memliki 1 kolom variabel. Pada tahap ini input data sudah selesai. Lanjut langkah perintah uji.

---

LANGKAH-LANGKAH

1. Klik Analyze - Nonparametrik Test - Legacy Dialogs - 1-Sample K-S
2. Pindahkan Berat Badan ke Test Variable List
3. Klik OK

Gambar 2

Gambar 2 (klik untuk perbesar) adalah menu popup pada saat Anda melakukan langkah ke-2 dan ke-3 yaitu memilih variabel yang akan dianalisis.

Pada tahap ini uji normalitas sudah selesai dan kita sudah mendapatkan output SPSS. Langkah selanjutnya adalah mengambil keputusan berdasarkan output tersebut.

---

PENGAMBILAN KEPUTUSAN

• Jika Sig di atas 0,05 maka berdistribusi normal
• Jika Sig di bawah 0,05 maka tidak berdistribusi normal

Gambar 3

Gambar 3 (klik untuk perbesar) adalah output hasil uji normalitas Kolmogorov-Smirnov. Output menujukkan bahwa nilai Asymp. Sig. (2-tailed) sebesar 0,960 maka lebih besar dari 0,05 sehingga data berat badan berdistribusi normal.
http://tu.laporanpenelitian.com/2015/05/63.html

Tutorial Olah Data SPSS : Tes Heterokedastisitas Menggunakan Uji Glejser

Tutorial Penelitian ~ Uji Glejser adalah uji hipotesis untuk mengetahui apakah sebuah model regresi memiliki indikasi heterokedastisitas dengan cara meregres absolud residual (UbsUt).

Heteroskedastisitas adalah salah satu asumsi klasik sebagai prasyarat melakukan analisis regresi. Tes heteroskedastisitas bisa dilihat berdasarkan scatterplot. Lebih lanjut mengenai scatterplot kunjungi laman ini.

Tetapi tes heteroskedastisitas menggunakan scatterplot sangat lemah karena hanya mengandalkan analisis visual. Untuk mendapatkan kepastian perlu uji hipotesis yaitu menggunakan uji Glejser.

Uji Glejser mengusulkan untuk meregres nilai absolud residual (UbsUt) sebagai variabel dependen dengan persamaan sebagai berikut:

UbsUt = a + bX^t+vi

Jika variabel independen secara signifikan mempengaruhi UbsUt maka ada indikasi heteroskedastisitas, sebaliknya jika variabel independen tidak mempengaruhi UbsUt maka tidak ada indikasi heteroskedastisitas.

Langkah-langkah uji Glejser dilakukan bersamaan melakukan langkah-langkah uji regresi tetapi memiliki perbedaan sedikit. Lebih lanjut mengenai langkah-langkah analisis regresi kunjungi laman ini.

Kasus:

• Peneliti ingin menguji indikasi heteroskedastisitas pada sebuah model regresi yang melibatkan harga (X1), Kualitas (X2) dan Pembelian (Y). Semua data menggunakan skala Likert
• N = 10

---

INPUT DATA

Gambar 1

Input data ke spreadsheets Microsoft Excel kemudian copy dan paste ke spreadsheets Data View SPSS dilanjutkan dengan input parameter deskripsi ke spreadsheets Data Variable SPSS.

Gambar 1 (klik untuk perbesar) adalah penampakan spreadsheets Data View SPSS. Pada walnya kita memliki 3 kolom variabel yaitu X1, X2 dan Y. Pada tahap ini input data sudah selesai. Lanjut langkah perintah uji.

---

MENCARI UNSTANDARDIZED RESIDUAL (RES_1)

1. Klik Analyze - Regression - Linear...
2. Pindahkan Pembelian (Y) ke Dependent, disusul masukkan Harga (X1) dan Kualitas (X2) ke Independent(s)
3. Klik Save. Pilih Residuals dengan Unstandardized. Klik Continue.
4. Klik OK

Sekarang pada spreadsheets Data View SPSS memiliki tambahan kolom variabel yaitu Unstandardized Residual (RES_1) seperti dalam Gambar 1. Langkah selanjutnya yaitu mengabsoludkan nilai residual.

---

MENCARI ABSOLUD UNSTANDARDIZED RESIDUAL (ABsUt)

1. Klik Transform - Kompute Variable...
2. Masukkan Unstandardized Residual (RES_1) ke Numeric Expression. Ketik kotak Target Variable dengan AbsUt
3. Klik OK

Gambar 2

Gambar 2 (klik untuk perbesar) adalah menu pop-up pada saat Anda melakukan langkah-langkah ke-2 dan ke-3 yaitu mengabsoludkan RES_1 menjadi AbsUt.

Sekarang pada spreadsheets Data View SPSS memiliki tambahan satu kolom variabel lagi yaitu Absolud Unstandardized Residual (AbsUt) seperti dalam Gambar 1.

---

MEREGRES ABSOLUD UNSTANDARDIZED RESIDUAL (ABsUt)

1. Klik Analyze - Regression - Linear...
2. Pindahkan AbsUt ke Dependent, disusul masukkan Harga (X1) dan Kualitas (X2) ke Independent(s)
3. Klik Save. Hapus centang pada Unstandardized. Klik Continue.
4. Klik OK

Pada tahap ini langkah uji Glejser sudah selesai dan kita sudah memiliki output. Langkah selanjutnya adalah mengambil keputusan berdasarkan hasil output tersebut.

---

PENGAMBILAN KEPUTUSAN DAN INTERPRESTASI

• Jika Sig di atas 0,05 maka Ho diterima
• Jika Sig di bawah 0,05 maka Ho ditolak

Gambar 3

Gambar 3 (klik untuk perbesar) adalah output hasil uji Glejser. Pada kotak Coefficients terihat Harga (X1) dan Kualitas (X2) memiliki nilai Sig. 1,000 atau lebih besar dari 0,05 sehingga diputuskan tidak ada indikasi Heterokedastisitas.

Sekian dulu tutorial olah data SPSS. Analisis-analisis yang lain dijelaskan dalam tutorial selanjutnya. Ikuti terus update tutorial olah data statistik SPSS. Selamat Meneliti!
sumber http://tu.laporanpenelitian.com/2015/07/14.html