Contoh Hasil

Di bawah ini kami sajikan penggalan hasil pengolahan data untuk penulisan skripsi ataupun tesis.

Model Penelitian

REGRESSION
/DESCRIPTIVES MEAN STDDEV CORR SIG N
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA COLLIN TOL
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Emotional
/METHOD=ENTER Sense Feel Act
/RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID)
/SAVE RESID.

Regression

Notes
Output Created		13-May-2011 22:13:44
Comments
Input	Data	E:\olahdata 2011\andreas\data2.sav
	Active Dataset	DataSet1
	Filter	<none>
	Weight	<none>
	Split File	<none>
	N of Rows in Working Data File	103
Missing Value Handling	Definition of Missing	User-defined missing values are treated as missing.
	Cases Used	Statistics are based on cases with no missing values for any variable used.
Syntax		REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA COLLIN TOL /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Emotional /METHOD=ENTER Sense Feel Act /RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID) /SAVE RESID.
Resources	Processor Time	00 00:00:00.672
	Elapsed Time	00 00:00:00.688
	Memory Required	3220 bytes
	Additional Memory Required for Residual Plots	640 bytes
Variables Created or Modified	RES_1	Unstandardized Residual

[DataSet1] E:\olahdata 2011\andreas\data2.sav

Descriptive Statistics
	Mean	Std. Deviation	N
Emotional	11.11	2.249	103
Sense	9.59	1.511	103
Feel	9.91	.864	103
Act	14.70	2.240	103

Descriptive statistics menggambarkan nilai rata-rata variabel, deviasi standar dan jumlah data variabel dependen dan variabel independen.

Correlations
		Emotional	Sense	Feel	Act
Pearson Correlation	Emotional	1.000	.088	.529	.703
	Sense	.088	1.000	.048	.129
	Feel	.529	.048	1.000	.543
	Act	.703	.129	.543	1.000
Sig. (1-tailed)	Emotional	.	.188	.000	.000
	Sense	.188	.	.317	.098
	Feel	.000	.317	.	.000
	Act	.000	.098	.000	.
N	Emotional	103	103	103	103
	Sense	103	103	103	103
	Feel	103	103	103	103
	Act	103	103	103	103

Variables Entered/Removedb
Model	Variables Entered	Variables Removed	Method
1	Act, Sense, Feel	.	Enter
a. All requested variables entered. b. Dependent Variable: Emotional

Model Summaryb
Model	R	R Square	Adjusted R Square	Std. Error of the Estimate
1	.725a	.525	.511	1.573
a. Predictors: (Constant), Act, Sense, Feel b. Dependent Variable: Emotional

Koefisen korelasi R = 0.725 menunjukkan tingkat hubungan variabel dependen dengan variabel independen pada tingkat sangat kuat (0.725) untuk slala 0 – 1.

Kuat lemahnya hubungan dua variabel ditunjukkan oleh nilai Pearson Correlation (R) dimana nilai secara umum dibagi menjadi sbb:

0 – 0.25  korelasi sangat lemah
0.25 – 0.50  korelasi moderat
0.50 – 0.75  korelasi kuat
0.75 – 1.00  korelasi sangat kuat

Nilai R square = 0.525 dari tabel di atas menunjukkan bahwa 52.5 % dari varians Emotional dapat dijelaskan oleh perubahan dalam variabel Sense, feel dan Act.

ANOVAb
Model		Sum of Squares	df	Mean Square	F	Sig.
1	Regression	271.010	3	90.337	36.531	.000a
	Residual	244.815	99	2.473
	Total	515.825	102
a. Predictors: (Constant), Act, Sense, Feel b. Dependent Variable: Emotional

Uji F

Uji F dimaksudkan untuk menguji apakah variabel-variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen .

Hipotesis:

H0: variabel-variabel independen secara bersama-sama tidak berpengaruh signifikan terhadap variabel dependen
H1: variabel-variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen

Dasar Pengambilan Keputusan

Jika probalitasnya (nilai sig) > 0.05 atau F hitung < F tabel maka H0 diterima
Jika probalitasnya (nilai sig) < 0.05 atau F hitung > F tabel maka H0 ditolak

Keputusan:

Pada tabel di atas nilai sig = 0.000 < 0.05, sehingga H0 ditolak, yang berarti variabel-variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen.

Coefficientsa
Model		Unstandardized Coefficients
		B	Std. Error
1	(Constant)	-3.015	2.008
	Sense	.003	.104
	Feel	.544	.215
	Act	.592	.083

Coefficientsa
Model		Standardized Coefficients	t	Sig.	Collinearity Statistics
		Beta			Tolerance	VIF
1	(Constant)		-1.501	.136
	Sense	.002	.033	.974	.983	1.018
	Feel	.209	2.533	.013	.704	1.420
	Act	.589	7.093	.000	.694	1.440

a. Dependent Variable: Emotional

Uji t dimaksudkan untuk menguji apakah variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen.

Hipotesis:

H0: variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel dependen
H1: variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen

Dasar Pengambilan Keputusan

Jika probalitasnya (nilai sig) > 0.05 atau - t tabel < t hitung < t tabel maka H0 diterima
Jika probalitasnya (nilai sig) < 0.05 atau t hitung < - t tabel atau t hitung > t tabel maka H0 ditolak

Keputusan:

Pada tabel di atas nilai sig variabel Feel dan Act masing-masing 0.013 dan 0.000 dimana keduanya < 0.05 sehingga H0 ditolak, yang berarti variabel independen Feel dan Act secara parsial berpengaruh signifikan terhadap variabel Emotional. Sedangkan Feel tidak berpengaruh nyata kepada Emotional karena nilai sig = 0.974 > 0.05.

Dengan demikian persamaan estimasinya adalah :

Emotional = -3.015 + 0.03*Sense + 0.544*Feel + 0.592*Act

Uji Mulikolinearitas
Multikolinearitas (kolinearitas ganda) berarti adanya hubungan linear yang sempurna di antara variabel-variabel bebas dalam model regresi. Korelasi yang kuat antar variabel bebas menunjukkan adanya multikolinearitas. Jika terdapat korelasi yang sempurna di antara variabel bebas, maka konsekuensinya adalah koefisien-koefisien regresi menjadi tidak dapat ditaksir, nilai standard error setiap regresi menjadi tidak terhingga

Ada atau tidak adanya multikolinearitas dapat dilihat dari nilai tolerance yang lebih dari 0.1 atau VIF yang kurang dari 10.

Kesimpulan:
Berdasarkan nilai VIF yang berada di antara 0.1 dan 10, disimpulkan tidak terjadi multikolinieritas antar variabel independen Sense, Feel dan Act.

Collinearity Diagnosticsa
Model	Dimension	Eigenvalue	Condition Index	Variance Proportions
				(Constant)	Sense	Feel	Act
1	1	3.965	1.000	.00	.00	.00	.00
	2	.022	13.559	.00	.70	.01	.21
	3	.011	19.394	.18	.22	.08	.63
	4	.003	35.785	.82	.07	.91	.16
a. Dependent Variable: Emotional

Residuals Statisticsa
	Minimum	Maximum	Mean	Std. Deviation	N
Predicted Value	6.63	14.24	11.11	1.630	103
Residual	-3.874	3.670	.000	1.549	103
Std. Predicted Value	-2.748	1.921	.000	1.000	103
Std. Residual	-2.464	2.334	.000	.985	103
a. Dependent Variable: Emotional

Charts

Uji Normalitas
Secara penampakan visual residual berdistribusi normal.

NPAR TESTS
/K-S(NORMAL)=RES_1
/MISSING ANALYSIS.

NPar Tests

Notes
Output Created		13-May-2011 22:14:07
Comments
Input	Data	E:\olahdata 2011\andreas\data2.sav
	Active Dataset	DataSet1
	Filter	<none>
	Weight	<none>
	Split File	<none>
	N of Rows in Working Data File	103
Missing Value Handling	Definition of Missing	User-defined missing values are treated as missing.
	Cases Used	Statistics for each test are based on all cases with valid data for the variable(s) used in that test.
Syntax		NPAR TESTS /K-S(NORMAL)=RES_1 /MISSING ANALYSIS.
Resources	Processor Time	00 00:00:00.015
	Elapsed Time	00 00:00:00.015
	Number of Cases Alloweda	196608
a. Based on availability of workspace memory.

[DataSet1] E:\olahdata 2011\andreas\data2.sav

One-Sample Kolmogorov-Smirnov Test
		Unstandardized Residual
N		103
Normal Parametersa,b	Mean	.0000000
	Std. Deviation	1.54924112
Most Extreme Differences	Absolute	.125
	Positive	.044
	Negative	-.125
Kolmogorov-Smirnov Z		1.269
Asymp. Sig. (2-tailed)		.080
a. Test distribution is Normal. b. Calculated from data.

Uji normalitas (uji Kolmogorov- Smirnov)

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.

Hipotesis:

H0: data berdistribusi normal
H1: data tidak berdistribusi normal

Dasar Pengambilan Keputusan

Jika probalitasnya (nilai sig) > 0.05 maka H0 diterima
Jika probalitasnya (nilai sig) < 0.05 maka H0 ditolak

Keputusan:

Pada tabel di atas nilai sig = 0.080 > 0.05, sehingga H0 diterima, yang berarti data residual berdistribusi normal.

COMPUTE AbsRes1=abs(RES_1).
EXECUTE.
REGRESSION
/DESCRIPTIVES MEAN STDDEV CORR SIG N
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA COLLIN TOL
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT AbsRes1
/METHOD=ENTER Sense Feel Act
/RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID).

Regression

Notes
Output Created		13-May-2011 22:15:00
Comments
Input	Data	E:\olahdata 2011\andreas\data2.sav
	Active Dataset	DataSet1
	Filter	<none>
	Weight	<none>
	Split File	<none>
	N of Rows in Working Data File	103
Missing Value Handling	Definition of Missing	User-defined missing values are treated as missing.
	Cases Used	Statistics are based on cases with no missing values for any variable used.
Syntax		REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA COLLIN TOL /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT AbsRes1 /METHOD=ENTER Sense Feel Act /RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID).
Resources	Processor Time	00 00:00:00.625
	Elapsed Time	00 00:00:00.625
	Memory Required	3260 bytes
	Additional Memory Required for Residual Plots	640 bytes

[DataSet1] E:\olahdata 2011\andreas\data2.sav

Descriptive Statistics
	Mean	Std. Deviation	N
AbsRes1	1.2064	.96463	103
Sense	9.59	1.511	103
Feel	9.91	.864	103
Act	14.70	2.240	103

Correlations
		AbsRes1	Sense	Feel	Act
Pearson Correlation	AbsRes1	1.000	-.237	.182	-.046
	Sense	-.237	1.000	.048	.129
	Feel	.182	.048	1.000	.543
	Act	-.046	.129	.543	1.000
Sig. (1-tailed)	AbsRes1	.	.008	.033	.321
	Sense	.008	.	.317	.098
	Feel	.033	.317	.	.000
	Act	.321	.098	.000	.
N	AbsRes1	103	103	103	103
	Sense	103	103	103	103
	Feel	103	103	103	103
	Act	103	103	103	103

Variables Entered/Removedb
Model	Variables Entered	Variables Removed	Method
1	Act, Sense, Feel	.	Enter
a. All requested variables entered. b. Dependent Variable: AbsRes1

Model Summaryb
Model	R	R Square	Adjusted R Square	Std. Error of the Estimate
1	.338a	.115	.088	.92135
a. Predictors: (Constant), Act, Sense, Feel b. Dependent Variable: AbsRes1

ANOVAb
Model		Sum of Squares	df	Mean Square	F	Sig.
1	Regression	10.873	3	3.624	4.269	.007a
	Residual	84.040	99	.849
	Total	94.913	102
a. Predictors: (Constant), Act, Sense, Feel b. Dependent Variable: AbsRes1

Coefficientsa
Model		Unstandardized Coefficients
		B	Std. Error
1	(Constant)	.525	1.177
	Sense	-.146	.061
	Feel	.320	.126
	Act	-.075	.049

Coefficientsa
Model		Standardized Coefficients	t	Sig.	Collinearity Statistics
		Beta			Tolerance	VIF
1	(Constant)		.446	.656
	Sense	-.229	-2.396	.018	.983	1.018
	Feel	.287	2.548	.012	.704	1.420
	Act	-.173	-1.524	.131	.694	1.440

a. Dependent Variable: AbsRes1

Uji Heteroskedastisitas

Heteroskedastisitas adalah kondisi dimana seluruh faktor gangguan tidak memiliki varian yang sama. Heteroskedastisitas akan menyebabkan penaksiran koefisien-koefisien regresi menjadi tidak efisien.

Pendeteksian ada tidaknya heteroskedastisitas mengunakan uji Glejser yang meregresikan nilai absolute residual terhadap variabel independen.

Hipotesis:

H0: tidak terjadi heteroskedastisitas
H1: terjadi heteroskedastisitas

Dasar Pengambilan Keputusan

Jika probalitasnya (nilai sig) > 0.05 maka H0 diterima
Jika probalitasnya (nilai sig) < 0.05 maka H0 ditolak

Keputusan:

Pada tabel di atas nilai sig variabel Act 0.131 > 0.05, sehingga H0 diterima, yang berarti tidak terjadi heteroskedastisitas pada variabel tersebut. Sedangkan nilai sig variabel Feel dan Act, masing-masing adalah 0.018 dan 0.012 dimana keduanya < 0.05, sehingga disimpulkan terjadi heteroskedastisitas pada kedua variabel tersebut.

Bila signifikansi diturunkan menjadi 0.01 maka disimpulkan tidak terjadi heteroskedastisitas pada kedua variabel tersebut.

Collinearity Diagnosticsa
Model	Dimension	Eigenvalue	Condition Index	Variance Proportions
				(Constant)	Sense	Feel	Act
1	1	3.965	1.000	.00	.00	.00	.00
	2	.022	13.559	.00	.70	.01	.21
	3	.011	19.394	.18	.22	.08	.63
	4	.003	35.785	.82	.07	.91	.16
a. Dependent Variable: AbsRes1

Residuals Statisticsa
	Minimum	Maximum	Mean	Std. Deviation	N
Predicted Value	.4943	2.2291	1.2064	.32649	103
Residual	-1.41192	2.62438	.00000	.90770	103
Std. Predicted Value	-2.181	3.132	.000	1.000	103
Std. Residual	-1.532	2.848	.000	.985	103
a. Dependent Variable: AbsRes1

Charts

Reliability

Notes
Output Created		13-May-2011 21:18:22
Comments
Input	Data	E:\olahdata 2011\andreas\data2.sav
	Active Dataset	DataSet1
	Filter	<none>
	Weight	<none>
	Split File	<none>
	N of Rows in Working Data File	103
	Matrix Input
Missing Value Handling	Definition of Missing	User-defined missing values are treated as missing.
	Cases Used	Statistics are based on all cases with valid data for all variables in the procedure.
Syntax		RELIABILITY /VARIABLES=SE1 SE2 SE3 /SCALE('Sense') ALL /MODEL=ALPHA /STATISTICS=SCALE /SUMMARY=TOTAL.
Resources	Processor Time	00 00:00:00.016
	Elapsed Time	00 00:00:00.016

[DataSet1] E:\olahdata 2011\andreas\data2.sav

Scale: Sense

Case Processing Summary
		N	%
Cases	Valid	103	100.0
	Excludeda	0	.0
	Total	103	100.0
a. Listwise deletion based on all variables in the procedure.

Reliability Statistics
Cronbach's Alpha	N of Items
.797	3

Reliabilitas adalah indeks yang menunjukkan sejauh mana suatu alat pengukur dapat dipercaya atau dapat diandalkan atau menunjukkan konsistensi suatu alat pengukur di dalam mengukur gejala yang sama.

Hasil perhitungan di atas menunjukkan bahwa instrumen untuk Sense memiliki angka reliabilitas yang sangat tinggi (Cronbach’s Alpha = 0.797), karena menurut Nunnaly (1967) dan Hinkle (2004) ataupun indeks yang biasa digunakan dalam penelitian sosial, apabila angka Cronbach’s Alpha (α) diatas 0,70 menunjukkan bahwa konstruk atau variabel adalah reliabel.

Comments

Search this site
Home