Cara menggunakan program spss 13

Uji asumsi klasik yang sering digunakan yaitu uji multikolinearitas, uji heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas. Tidak ada ketentuan yang pasti tentang urutan uji mana dulu yang harus dipenuhi. Analisis dapat dilakukan tergantung pada data yang ada.

Sebagai contoh, dilakukan analisis terhadap semua uji asumsi klasik, lalu dilihat mana yang tidak memenuhi persyaratan. Kemudian dilakukan perbaikan pada uji tersebut, dan setelah memenuhi persyaratan, dilakukan pengujian pada uji yang lain.

Uji Normalitas Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya.

Sering terjadi kesalahan yang jamak yaitu bahwa uji normalitas dilakukan pada masing-masing variabel. Hal ini tidak dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya bukan pada masing-masing variabel penelitian.

Pengertian normal secara sederhana dapat dianalogikan dengan sebuah kelas. Dalam kelas siswa yang bodoh sekali dan pandai sekali jumlahnya hanya sedikit dan sebagian besar berada pada kategori sedang atau rata-rata.

Jika kelas tersebut bodoh semua maka tidak normal, atau sekolah luar biasa. Dan sebaliknya jika suatu kelas banyak yang pandai maka kelas tersebut tidak normal atau merupakan kelas unggulan. Pengamatan data yang normal akan memberikan nilai ekstrim rendah dan ekstrim tinggi yang sedikit dan kebanyakan mengumpul di tengah. Demikian juga nilai rata-rata, modus dan median relatif dekat. Tidak ada metode yang paling baik atau paling tepat.

Tipsnya adalah bahwa pengujian dengan metode grafik sering menimbulkan perbedaan persepsi di antara beberapa pengamat, sehingga penggunaan uji normalitas dengan uji statistik bebas dari keragu-raguan, meskipun tidak ada jaminan bahwa pengujian dengan uji statistik lebih baik dari pada pengujian dengan metode grafik.

Jika residual tidak normal tetapi dekat dengan nilai kritis misalnya signifikansi Kolmogorov Smirnov sebesar 0, maka dapat dicoba dengan metode lain yang mungkin memberikan justifikasi normal.

Tetapi jika jauh dari nilai normal, maka dapat dilakukan beberapa langkah yaitu: melakukan transformasi data, melakukan trimming data outliers atau menambah data observasi. Transformasi dapat dilakukan ke dalam bentuk Logaritma natural, akar kuadrat, inverse, atau bentuk yang lain tergantung dari bentuk kurva normalnya, apakah condong ke kiri, ke kanan, mengumpul di tengah atau menyebar ke samping kanan dan kiri.

Uji Multikolinearitas Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel- variabel bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu.

Sebagai ilustrasi, adalah model regresi dengan variabel bebasnya motivasi, kepemimpinan dan kepuasan kerja dengan variabel terikatnya adalah kinerja. Logika sederhananya adalah bahwa model tersebut untuk mencari pengaruh antara motivasi, kepemimpinan dan kepuasan kerja terhadap kinerja. Jadi tidak boleh ada korelasi yang tinggi antara motivasi dengan kepemimpinan, motivasi dengan kepuasan kerja atau antara kepemimpinan dengan kepuasan kerja.

Alat statistik yang sering dipergunakan untuk menguji gangguan multikolinearitas adalah dengan variance inflation factor VIF , korelasi pearson antara variabel-variabel bebas, atau dengan melihat eigenvalues dan condition index CI. Beberapa alternatif cara untuk mengatasi masalah multikolinearitas adalah sebagai berikut: 1. Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi.

Menambah jumlah observasi. Mentransformasikan data ke dalam bentuk lain, misalnya logaritma natural, akar kuadrat atau bentuk first difference delta. Uji Heteroskedastisitas Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain.

Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas. Model yang baik didapatkan jika tidak terdapat pola tertentu pada grafik, seperti mengumpul di tengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit.

Uji statistik yang dapat digunakan adalah uji Glejser, uji Park atau uji White. Beberapa alternatif solusi jika model menyalahi asumsi heteroskedastisitas adalah dengan mentransformasikan ke dalam bentuk logaritma, yang hanya dapat dilakukan jika semua data 5.

Atau dapat juga dilakukan dengan membagi semua variabel dengan variabel yang mengalami gangguan heteroskedastisitas. Uji Autokorelasi Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya t Secara sederhana adalah bahwa analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya.

Sebagai contoh adalah pengaruh antara tingkat inflasi bulanan terhadap nilai tukar rupiah terhadap dollar. Data tingkat inflasi pada bulan tertentu, katakanlah bulan Februari, akan dipengaruhi oleh tingkat inflasi bulan Januari.

Berarti terdapat gangguan autokorelasi pada model tersebut. Contoh lain, pengeluaran rutin dalam suatu rumah tangga. Ketika pada bulan Januari suatu keluarga mengeluarkan belanja bulanan yang relatif tinggi, maka tanpa ada pengaruh dari apapun, pengeluaran pada bulan Februari akan rendah.

Uji autokorelasi hanya dilakukan pada data time series runtut waktu dan tidak perlu dilakukan pada data cross section seperti pada kuesioner di mana pengukuran semua variabel dilakukan secara serempak pada saat yang bersamaan. Model regresi pada penelitian di Bursa Efek Indonesia di mana periodenya lebih dari satu tahun biasanya memerlukan uji autokorelasi. Beberapa uji statistik yang sering dipergunakan adalah uji Durbin-Watson, uji dengan Run Test dan jika data observasi di atas data sebaiknya menggunakan uji Lagrange Multiplier.

Beberapa cara untuk menanggulangi masalah autokorelasi adalah dengan mentransformasikan data atau bisa juga dengan mengubah model regresi ke dalam bentuk persamaan beda umum generalized difference equation. Selain itu juga dapat dilakukan dengan memasukkan variabel lag dari variabel terikatnya menjadi salah satu variabel bebas, sehingga data observasi menjadi berkurang 1.

Uji Linearitas Uji linearitas dipergunakan untuk melihat apakah model yang dibangun mempunyai hubungan linear atau tidak. Uji ini jarang digunakan pada berbagai penelitian, karena biasanya model dibentuk berdasarkan telaah teoretis bahwa hubungan antara variabel bebas dengan variabel terikatnya adalah linear. Hubungan antar variabel yang secara teori bukan merupakan hubungan linear sebenarnya sudah tidak dapat dianalisis dengan regresi linear, misalnya masalah elastisitas. Jika ada hubungan antara dua variabel yang belum diketahui apakah linear atau tidak, uji linearitas tidak dapat digunakan untuk memberikan adjustment bahwa hubungan tersebut bersifat linear atau tidak.

Uji linearitas digunakan untuk mengkonfirmasikan apakah sifat linear antara dua variabel yang diidentifikasikan secara teori sesuai atau tidak dengan hasil observasi yang ada.

Uji normalitas merupakan salah satu bagian dari uji persyaratan analisis data atau uji asumsi klasik, artinya sebelum kita melakukan analisis yang sesugguhnya, data penelitian tersebut harus di uji kernormalan distribusinya.

Tentun sobat juga sudah tahu, kalau data yang baik itu adalah data yang normal dalam pendistribusiannya. Dasar pengambilan keputusan dalam uji normalitas yakni : jika nilai signifikansi lebih besar dari 0,05 maka data tersebut berdistribusi normal.

Sebaliknya, jika nilai signifikansi lebih lebih dari 0,05 maka data tersebut tidak berdistribusi normal. Sebagai contoh saya mempuyai data Motivasi Belajar X dan Prestasi Belajar Y , untuk datanya lihat gambar di bawah ini. Langkah pertama adalah persiapkan data yang dingin di uji dalam file doc, excel, atau yang lainnya untuk mempermudah tahapannya nanti.

Buka program SPSS pada komputer sobat. Selanjunya, pada bagian Name tulis saja Motivasi kemudian Prestasi, pada Decimals ubah semua menjadi angka 0, pada bagian Label tuliskan Motivasi Belajar kemudian Prestasi belajar, abaikan yang lainnnya 7. Langkah selanjutnya, kita akan mengubah data tersebut ke dalam bentuk unstandardized residual, caranya adalah : dari menu SPSS pilih menu Analyze, kemudian klik Regression, dan pilih Linear.

Langkah terkahir yakni klik OK untuk mengakhiri perintah, Selanjutnya lihat tampilan Outputnya, tinggal kita interprestasikan supaya lebih jelas. Berdasarkan output di atas, diketahui bahwa nilai signifikansi sebesar 0, lebih besar dari 0,05, sehingga dapat disimpulkan bahwa data yang kita uji berdistribusi normal.

Data yang baik seharusnya terdapat hubungan yang linear antara variabel predictor X dengan variabel kriterium Y. Dalam beberapa referensi dinyatakan bahwa Uji Linearitas merupakan syarat sebelum dilakukannya Uji Regresi Linear Suatu uji yang dilakukan harus berpedoman pada dasar pengambilan keputusan yang jelas. Dasar pengambilan keputusan dalam Uji Linearitas dapat dilakukan dengan dua cara: Pertama adalah dengan melihat nilai signifikansi pada output SPSS : Jika nilai signifikansi lebih besar dari 0,05, maka kesimpulannya adalah terdapat hubungan linear secara signifikan antara variabel predictor X dengan variabel kriterium Y.

Sebaliknya, Jika nilai signifikansi lebih kecil dari 0,05, maka kesimpulannya adalah tidak terdapat hubungan yang linear antara variabel predictor X dengan variabel kriterium Y. Kedua adalah dengan melihat Nilai F hitung dan F tabel : Jika nilai F hitung lebih kecil dari F tabel maka kesimpulannya adalah terdapat hubungan linear secara signifikan antara variabel predictor X dengan variabel kriterium Y.

Sebaliknya, Jika nilai F hitung lebih besar dari F tabel maka kesimpulannya adalah tidak terdapat hubungan linear antara variabel predictor X dengan variabel kriterium Y. Adapun rincian datanya, lihat gambar di bawah ini.

Selanjutnya, pada bagian Name tulis saja Motivasi kemudian Prestasi, pada Decimals ubah semua menjadi angka 0, pada bagian Label tuliskan Motivasi Belajar kemudian Prestasi belajar, abaikan yang lainnnya. Langkah terahir adalah klik OK untuk mengakhiri perintah.

Tampilan Output SPSS Seperti yang sudah saya jelaskan di awal bahwa dasar pengambilan keputusan dalam Uji Linearitas dapat dilakukan dengan dua cara yakni melihat nilai signifikansi dan nilai F.

Karena nilai F hitung lebih kecil dari F tabel maka dapat disimpulkan bahwa terdapat hubungan linear secara signifikan antara variable Motivasi Belajar X dengan variable Prestasi Belajar Y. Uji ini pada dasarnya bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain.

Install Software autocad,Photoshop,Office,dll 5. Mati total 2. Tidak Tampil 3. Bunyi Bunyi 4. BlueScreen 5. Lemot 6. Tidak Bisa Masuk Windows 7. Sering Hang,Restart 8. MENGENAL SPSS SPSS adalah sebuah program aplikasi yang memiliki kemampuan analisis statistik cukup tinggi serta sistem manajemen data pada lingkungan grafis dengan menggunakan menu-menu deskriptif dan kotak-kotak dialog yang sederhana sehingga mudah untuk dipahami cara pengoperasiannya.

Beberapa aktivitas dapat dilakukan dengan mudah dengan menggunakan pointing dan clicking mouse. SPSS banyak digunakan dalam berbagai riset pemasaran, pengendalian dan perbaikan mutu quality improvement , serta riset-riset sains.

Tetapi, dengan mulai populernya system operasi windows. SPSS mulai mengeluarkan versi windows mulai dari versi 6. Sekarang kemampuan SPSS diperluas untuk melayani berbagai jenis pengguna user , seperti untuk proses produksi di pabrik, riset ilmu sains dan lainnya. Bagaimanapun struktur dari file data mentahnya, maka data dalam Data Editor SPSS harus dibentuk dalam bentuk baris cases dan kolom variables.

Case berisi informasi untuk satu unit analisis, sedangkan variable adalah informasi yang dikumpulkan dari masing-masing kasus. Kebanyakan prosedur Base System menghasilkan pivot tables, dimana kita bisa memperbaiki tampilan dari keluaran yang diberikan oleh SPSS.

Untuk memperbaiki output, maka kita dapat mmperbaiki output sesuai dengan kebutuhan. Menu yang terdapat pada SPSS adalah :. Untuk operasi file dokumen SPSS yang telah dibuat, baik untuk perbaikan pencetakan dan sebagainya.

Ada 5 macam data yang digunakan dalam SPSS, yaitu :. Data : dokumen SPSS berupa data. Systax : dokumen berisi file syntax SPSS. Output : dokumen yang berisi hasil running out SPSS. Script : dokumen yang berisi running out SPSS. Secara umum ada 3 macam ekstensi dalam lembar kerja SPSS, yaitu :. Menu data digunakan untuk melakukan pemrosesan data. Menu transform dipergunakan untuk melakukan perubahan-perubahan atau penambahan data.

Menu analyse digunakan untuk melakukan analisis data yang telah kita masukkan ke dalam komputer. Menu ini merupakan menu yang terpenting karena semua pemrosesan dan analisis data dilakukan dengan menggunakan menu correlate, compare mens, regresion. Menu graph digunakan untuk membuat grafik, diantaranya ialah bar, line, pie, dll. Menu utilities dipergunakan untuk mengetahui informasi variabel, informasi file, dll. Menu ad-ons digunakan untuk memberikan perintah kepada SPSS jika ingin menggunakan aplikasi tambahan, misalnya menggunakan alikasi Amos, SPSS data entry, text analysis, dsb.

Menu windows digunakan untuk melakukan perpindahan switch dari satu file ke file lainnya. Menu help digunakan untuk membantu pengguna dalam memahami perintah-perintah SPSS jika menemui kesulitan. Demikianlah salah satu cara memasukkan dan mengolah data menggunakan SPSS. Untuk anda ketahui ,disini saya menggunakan SPSS Sekarang udah ada yang terbaru dan mungkin tampilannya sedikit berbeda. Selamat Mencoba! Diposting oleh Unknown di Unknown 13 Mei Mayang 24 Januari Unknown 5 Juni Unknown 19 Juni Harun Ar-rosyid 19 Agustus Unknown 29 Agustus Unknown 16 September Unknown 29 September Unknown 24 Oktober Unknown 18 November Unknown 6 Desember Unknown 8 Desember Anonim 15 Desember Unknown 7 Januari Unknown 22 Januari Berbagi Informasi Dunia 26 Januari Unknown 6 Februari Unknown 23 Maret Unknown 30 Maret Nduut 25 Mei Dewi putri sihite 11 Juni Unknown 11 Maret Wira 9 Februari Unknown 25 Maret Unknown 31 Maret Unknown 27 Mei Unknown 3 Juli Unknown 6 Juli Unknown 21 September Unknown 15 November Pemulung Ajah 30 November Unknown 14 Desember Pradana Yoga 27 Desember Unknown 5 Januari Sewa Laptop 12 Januari Unknown 27 Februari You Know Me 8 April Unknown 21 April Unknown 23 April Unknown 31 Mei Unknown 28 Juli Payara P.

AIN 4 Agustus Pilih Produk Terbaikmu 20 Agustus Yohanis Sahabat 3 September Bantuan yang diberikan dapat berupa petunjuk pengoperasian secara detail, kemudahan pencarian prosedur yang diinginkan sampai pada contoh-contoh kasus dalam pengoperasian program ini. Analisis file-file data yang sangat besar disimpan tanpa membutuhkan tempat penyimpanan sementara. Hal ini berbeda dengan SPSS sebelum versi Interface dengan Database Relasional.

Fasilitas ini akan menambah efisiensi dan memudahkan pekerjaan untuk mengekstrak data dan menganalisnya dari database relasional. Analisis Distribusi. Kegunaan dari analisis ini adalah apabila peneliti akan menganalisis file-file data yang sangat besar dapat langsung me-remote dari server dan memprosesnya sekaligus tanpa harus memindahkan ke komputer user.

Multiple Sesi. SPSS memberikan kemampuan untuk melakukan analisis lebih dari satu file data pada waktu yang bersamaan. SPSS, piranti lunak khusus untuk melakukan analisis data, memberikan banyak kelebihan dan kemudahan dibandingkan spreadsheet. Apakah keunggulan SPSS? Beberapa keunggulan di atas hanyalah sebagian dari seluruh keunggulan yang dimiliki SPSS dibandingkan dengan spreadsheet. Masih ada banyak keunggulan lainnya. Bahkan, semua pekerjaan di atas dilakukan dengan bantuan dialog box , tanpa perlu mengerti bahasa pemrograman!

Sangat user friendly. Pertama tama kalian harus punya dulu file set up nya , bagi yang belum tau file set up adalah paket file yang di gunakan untuk meng install sebuah program, untuk set up file SPSS bisa kalian download Disini. Extrak file nya dengan winrar, buka folder SPSS