Modul Tutorial SPSS untuk Mahasiswa Biologi

Modul SPSS
Statistika
Dasar untuk
Mahasiswa
Program Studi
Biologi

Ma

NOVEMBER 30

FMIPA Universitas Palangka Raya
Authored by: Mu’afa Purwa Arsana, M.Si.

Lembar Pengesahan
Tugas Aktualisasi Kegiatan Latihan Dasar (Latsar)

Calon Pegawai Negeri Sipil (CPNS)
Golongan III Angkatan XCIX Tahun 2022

Judul : Modul SPSS Statistika Dasar untuk Mahasiswa Program Studi Biologi
Nama : Mu’afa Purwa Arsana, M. Si.
NIP
Angkatan : 19950602 202203 1 016
Nomor Presensi
Jabatan : XCIX (Sembilan Puluh Sembilan) Tahun 2022
Unit Kerja
: 31
: Asisten Ahli – Dosen

: Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Palangka Raya

Palangka Raya, 30 November 2022
Disetujui oleh:
Mentor,

Prof. Dr. I Nyoman Sudyana, M.Sc.
NIP. 196202181987031002

Kata Pengantar

Puji syukur dipanjatkan ke hadirat Allah SWT atas limpahan rahmat dan karunia-
Nya sehingga Modul SPSS Statistika Dasar untuk Mahasiswa Program Studi Biologi ini
dapat terselesaikan. Modul ini diperuntukkan bagi Mahasiswa Program Studi Biologi
FMIPA Universitas Palangka. Modul ini difungsikan sebagai petunjuk dalam pengolahan
data dan analisis parameter statistik pada data penelitian menggunakan Software SPSS
Versi 26. Penulis berharap modul ini dapat dijadikan sebagai pelengkap referensi
pengolahan data secara statistik dalam bidang penelitian khususnya biologi.

Ucapan terima kasih penulis sampaikan kepada semua pihak yang turut
berkontribusi dalam penyelesaian modul ini. Semoga modul ini dapat bermanfaat bagi
mahasiswa, peneliti, dan para pembaca yang berminat mempelajari pengolahan data
penelitian menggunakan software SPSS. Penulis menyadari sepenuhnya bahwa modul ini
masih belum sempurna. Untuk itu, penulis menerima semua masukan dan saran untuk
perbaikan lebih lanjut.

Palangka Raya, 30 November 2022
Penulis,

Mu’afa Purwa Arsana, M. Si.
NIP. 199506022022031016

i

Daftar ISI

KATA PENGANTAR............................................................................................................. i
DAFTAR ISI ......................................................................................................................... ii
DAFTAR GAMBAR............................................................................................................. iii
BAB I : PENGENALAN SPSS ............................................................................................. 1

A. Dasar-dasar SPSS.................................................................................................. 1
B. Tampilan Windows dalam SPSS .......................................................................... 2

1. Windows SPSS Data Editor ............................................................................. 2
2. Windows SPSS Viewer..................................................................................... 4
3. Windows Syntax Editor.................................................................................... 5
4. Menu Analyze.................................................................................................... 5
BAB II : Entri Data dengan SPSS ...................................................................................... 6
A. Tipe Data Statistik.................................................................................................. 6
1. Data Nominal.................................................................................................... 6
2. Data Ordinal ..................................................................................................... 6
3. Data Interval ..................................................................................................... 6
4. Data Rasio ........................................................................................................ 7
B. Input Data pada SPSS ........................................................................................... 7
1. Menginput data secara langsung pada SPSS ............................................... 7
BAB III : Uji Hipotesis....................................................................................................... 18
A. Uji Normalitas ....................................................................................................... 18
B. Uji Homogenitas ................................................................................................... 20
C. Uji T Satu Sampel ................................................................................................. 24
D. Uji T Dua Sampel Berpasangan (Dependent)..................................................... 27
E. Uji T Dua Sample Saling Bebas (Independent) .................................................. 30
F. Uji Tanda dan Uji Wilcoxon ................................................................................. 32
G. Uji Mann Whitney.................................................................................................. 36
H. Uji Korelasi............................................................................................................ 39
I. Uji Regrasi Linear ................................................................................................. 41

DAFTAR PUSTAKA .......................................................................................................... 45

ii

Daftar Gambar

Gambar 1 Tampilan Windows Data Editor SPSS 26 ........................................................ 2
Gambar 2 Tampilan Data View pada Windows Data Editor ............................................ 3
Gambar 3 Tampilan Variable View pada Windows Data Editor ...................................... 3
Gambar 4 Tampilan Windows SPSS Viewer pada SPSS 26............................................ 4
Gambar 5 Submenu yang terdapat pada Menu Analyze ................................................. 5
Gambar 6 Tampilan kotak dialog Welcome to IBM SPSS Statistics .............................. 8
Gambar 7 Sheet tab Variabel View.................................................................................... 9
Gambar 8 Kotak dialog Variable Type ............................................................................ 10
Gambar 9 Kotak dialog Value Labels.............................................................................. 10
Gambar 10 Kotak dialog Value Labels setelah pengisian............................................. 11
Gambar 11 Hasil pengisian variabel DOSIS ................................................................... 12
Gambar 12 Hasil pengisian variabel PRODUKSI SAWIT ............................................... 13
Gambar 13 Tampilan Data View yang telah dibuat variable ......................................... 13
Gambar 14 Tampilan data yang telah selesai diisi ........................................................ 14
Gambar 15 Windows viewer yang muncul setelah file data berhasil tersimpan......... 15
Gambar 16 Tampilan Menu File untuk Import Data ....................................................... 15
Gambar 17 Kotak Dialog Import Data yang menampilkan file Excel............................ 16
Gambar 18 Kotak Dialog Read Excel File pada Data Editor.......................................... 16
Gambar 19 Tampilan file data Excel yang telah berhasil diimport ke dalam SPSS .... 17
Gambar 20 Pilih Menu 1-Sample K-S. ............................................................................. 19
Gambar 21 Tampilan One-Sample Kolmogorov-Smirnov Test..................................... 19
Gambar 22 Hasil analisis data Kolmogorov-Smirnov ................................................... 20
Gambar 23 Edit Value pada Variable View ..................................................................... 21
Gambar 24 Data View Data untuk uji homogenitas ....................................................... 22
Gambar 25 Pilih Menu One-Way ANOVA........................................................................ 22
Gambar 26 Tampilan Menu One-Way ANOVA................................................................ 23
Gambar 27 Tampilan Submenu Options ........................................................................ 23
Gambar 28 Hasil Output uji One-Way Anova ................................................................. 24
Gambar 29 Data Dosis Pupuk.......................................................................................... 25
Gambar 30 Pilih Menu One-Sample T Test..................................................................... 26
Gambar 31 Tampilan Menu One-Sample T Test............................................................. 26

iii

Gambar 32 Hasil Output One-Sample Test..................................................................... 26
Gambar 33 Data Sales ...................................................................................................... 28
Gambar 34 Pilih Paired-Samples T Test ......................................................................... 28
Gambar 35 Tampilan Menu Paired-Samples T Test....................................................... 29
Gambar 36 Hasil Output Paired Sample Test................................................................. 29
Gambar 37 Pilih Menu Independent-Sample T Test ...................................................... 31
Gambar 38 Tampilan Menu Independent-Sample T Test .............................................. 31
Gambar 39 Submenu Define Groups .............................................................................. 31
Gambar 40 Hasil Output Independent Sample Test ...................................................... 32
Gambar 41 Pilih Menu 2 Related Sample ....................................................................... 34
Gambar 42 Tampilan Menu Two-Related Sample Test.................................................. 34
Gambar 43 Hasil Output Wilcoxon Signed Ranks Test ................................................. 35
Gambar 44 Hasil Output Sign Test.................................................................................. 35
Gambar 45 Tampilan Menu dan Submenu Two-Independent-Sample Tests............... 37
Gambar 46 Hasil Output Mann-Whitney Test ................................................................. 38
Gambar 47 Pilih Menu Correlate Bivariate ..................................................................... 40
Gambar 48 Tampilan Menu Bivariate Correlations........................................................ 40
Gambar 49 Hasil Output Bivariate Correlations............................................................. 41
Gambar 50 Pilih Regression Linear ................................................................................ 42
Gambar 51 Tampilan Menu Linear Regression.............................................................. 42
Gambar 52 Hasil Output Linear Regression................................................................... 43

iv

I. Pengenalan SPSS

A. Dasar – Dasar SPSS

SPSS (Statistical Product and Services Solution) merupakan salah satu sekian banyak software
statistika yang telah dikenal luas dikalangan penggunaannya. Disamping masih banyak lagi software
statistika lainnya seperti minitab, Syastas, Microstat dan masih banyak lagi. SPSS sebagai sebuah
tools mempunyai banyak kelebihan, terutama untuk aplikasi di bidang ilmu sosial.

Pengolahan data yang digunakan untuk berbagai keperluan mulai dari Bisnis, Riset Internal serta
penelitian. Pada proses penggunaan SPSS memiliki variasi yang berbeda-beda sesuai dengan
keperluan dan tingkat analisis yang dibutuhkan.
• Bisnis, biasanya digunakan untuk kemajuan bisnis itu sendiri seperti survey kepuasan konsumen

serta menghitung cost and benefit.
• Penelitian , penelitian atau research biasanya untuk berbagai keperluan baik akademis dan non

akademis
Seseorang menggunakan SPSS biasanya digunakan untuk berbagai keperluan Mulai dari
penelitian berupa korelasi, hubungan, pengaruh dan dampak suatu variable terhadap variable
lainnya.

Input Data -> Processing Data -> Output

Dalam regresi dalam bentuk data primer harus dilakukan uji validitas dan reliabilitas kuesioner
peneltitian.

1

B. Tampilan Windows dalam SPSS

1. Windows SPSS Data Editor

Gambar 1 Tampilan Windows Data Editor SPSS 26

Windows ini akan terbuka otomatis setiap kali program SPSS dijalankan, dan berfungsi untuk
input data SPSS. Pada Data Editor dijumpai berbagai menu utama untuk manipulasi data input dan
proses data dengan berbagai macam metode statistik. Menu yang terdapat pada Data Editor adalah
Menu File, Menu Edit, Menu View, Menu Data, Menu Transform, Menu Analyze, Menu Graphs,
Menu Utilities, Menu Extensions, Menu Windows, dan Menu Help dengan fungsi sebagai berikut:

File : Berisi tentang perintah membuka file (*.sav), syntax files (*.sps), output files

(*.spo), print operations, dan lainnya.

Edit : Memasukkan variabel dan memasukkan baris

View : View konfigurasi lembaran kerja yang meliputi nama variable dan tipe nilai

Data : Memasukkan dan menghapus variable dan baris

Transform : Operasi lebih lanjut tentang data yang meliputi record data untuk membuat

variable baru

Analyze : Statistical analysis tools

Graphs : Pembuatan grafik

Windows Data Editor merupakan windows utama yang akan muncul pada layar saat
menjalankan SPSS pada komputer. Di dalam Data Editor terdapat dua bagian yaitu Data View dan
Variable View. Data View berfungsi sebagai tempat untuk menginput data statistik, sedangkan
Variable View berfungsi sebagai tempat untuk menginput variabel statistik.

2

Gambar 2 Tampilan Data View pada Windows Data Editor

Gambar 3 Tampilan Variable View pada Windows Data Editor
Jika belum dilakukan inputing data pada SPSS, maka pertama kali lembar yang akan terbuka
adalah lembar Variable View. Pada lembar ini dilakukan proses penginputan variabel. Setelah
selesai, proses selanjutnya adalah penginputan data pada lembar Data View. Jika dilakukan
penghitungan statistik, tempat proses data tetap ada di Data View, demikian pula jika kemudian

3

dilakukan penambahan data, penghapusan data, edit data, semuanya dilakukan pada lembar Data
View. Lembar Variable View hanya digunakan lagi jika akan dilakukan penambahan variabel,
penghapusan variabel, atau editing terhadap isi variabel.

Dengan demikian, Data Editor memiliki dua fungsi utama, yaitu sebagai tempat untuk input
data (lembar Data View dan Variable View) dan sebagai tempat untuk memproses data yang telah
diinput dengan prosedur statistik tertentu (lembar Data View).

2. Windows SPSS Viewer

Gambar 4 Tampilan Windows SPSS Viewer pada SPSS 26
Windows SPSS Viewer berfungsi untuk menampilkan hasil pengolahan data atau informasi
yang telah dilakukan pada Data Editor melalui menu Analyze.

4

3. Windows Syntax Editor

Windows Syntax Editor berfungsi untuk membuat perintah yang hanya bisa digunakan dengan
SPSS Command Language. Menu ini berupa file teks yang berisi berbagai perintah SPSS dan bisa
diketik secara manual.

4. Menu Analyze

Dalam mengolah data secara statistik, SPSS menyediakan Command Windows dengan nama
Analyze yang terdapat pada Menu Bar. Menu Analyze memiliki sub menu yang dapat digunakan
untuk statistic seperti Descriptive, Compare Means, Correlate, Regresion, Classify, Data Reduction,
dan Scale. Masing – masing submenu tersebut memiliki sub-sub menu uji statistic yang lebih
spesifik.

Gambar 5 Submenu yang terdapat pada Menu Analyze

5

II.Entri Data dengan SPSS

A. Tipe Data Statistik

Statistik dalam praktiknya tidak bisa dilepaskan dari data yang berupa angka, baik dalam statistik
deskriptif yang menggambarkan data, maupun statistik inferensia yang melakukan analisis
terhadap data. Berdasarkan tingkat pengukurannya (level of measurement), data dalam statistik
dapat dibedakan menjadi empat jenis:

1. Data Nominal

Data bertipe nominal merupakan data kualitatif yang melekat pada variabel yang
kategorinya hanya bisa digunakan untuk membedakan antara satu kategori dengan kategori
lainnya. Jika suatu pengukuran data hanya menghasilkan satu dan hanya satu-satunya kategori,
maka data tersebut adalah data nominal. Data nominal dalam praktik statistik biasanya akan
dijadikan ‘angka’, yaitu proses yang disebut kategorisasi. Misal dalam pengisian data jenis
kelamin, jenis kelamin lelaki dikategorikan sebagai “1” sedangkan jenis kelamin perempuan
dikategorikan sebagai “2”. Namun ‘angka’ ini bukan berarti sebagai nilai bobot kategori yang
satu lebih baik dari kategori lainnya melainkan hanya sebagai kode yang memiliki arti berbeda
dengan ‘angka’ tersebut.

2. Data Ordinal

Data ordinal sama halnya dengan data nominal, yaitu data kualitatif namun dengan level yang
‘tinggi’ daripada data nominal. Data ordinal merupakan data yang melekat pada variabel yang
kategorinya selain menunjukkan adanya perbedaan, juga menunjukkan adanya tingkatan yang
berbeda. Dengan demikian, dalam data ordinal menunjukkan bahwa kategori yang satu lebih
baik dari kategori lainnya. Seperti halnya dengan data nominal, dalam data ordinal juga
memanfaatkan angka-angka untuk menggambarkan kategori yang ada. Misalnya variabel
penghasilan dengan kategori tinggi, sedang, dan rendah yang diberi kode ‘1’ untuk rendah, ‘2’
untuk sedang, dan ‘3’ untuk tinggi.

3. Data Interval

Data interval merupakan bentuk data kuantitatif yang menunjukkan adanya perbedaan
pada serta menunjukkan adanya rentang nilai. Data interval menempati level pengukuran data

6

yang lebih ‘tinggi’ dari data ordinal, karena selain bisa bertingkat urutannya, urutan tersebut
juga bisa dikuantitatifkan. Misalnya pengukuran jarak tempuh perjalanan dari kabupaten A
menuju Ibukota Provinsi dengan interval: Dekat jika jarak tempuh 0 – 15 km, cukup jauh jika
jarak tempuh 15 – 30 km, dan jauh jika jarak tempuh 30 - 45 km. Dalam kasus diatas, data jarak
tempuh bisa dikatakan sebagai data interval karena data mempunyai interval (jarak) tertentu,
yaitu 15 km.

4. Data Rasio

Data rasio merupakan bentuk data kuantitatif dimana data yang melekat pada variabel yang
kategorinya selain menunjukkan adanya perbedaan, juga menunjukkan adanya tingkatan
berbeda, menunjukkan adanya rentang nilai, serta bisa diperbandingkan. Data ini memiliki
tingkatan paling ‘tinggi’ diantara jenis data lainnya. Nilai yang ada bisa diperbandingkan karena
adanya nol mutlak, yang bisa diartikan bahwa setiap angka memulai dari titik nol yang sama.
Dengan demikian, dalam data rasio, bisa menunjukkan bahwa kategori yang satu lebih baik dari
kategori yang lainnya. Misalnya dalam perhitungan berat badan dengan kategori 32 kg dan 64
kg. Jika diperhatikan, kategori dapat diperbandingkan antara kategori satu dengan kategori
lainnya. Orang yang berat badannya 64 kg adalah dua kali berat badan 32 kg.

B.Input Data pada SPSS

Memasukkan data (entri data) merupakan kegiatan awal yang harus dilakukan jika pengguna
akan mengolah data yang benar-benar baru. Seperti pada program aplikasi pengolahan data lainnya,
kegiatan memasukkan data, membuka, dan menyimpan data ada pada menu File. Entri data pada
SPSS dapat dilakukan dengan 2 cara, yaitu memasukkan data secara langsung pada program SPSS
pada Windows Data Editor atau dengan cara mengimport data dari Microsoft Excel.

1. Menginput data secara langsung pada SPSS

Contoh Kasus :
“Pengaruh Dosis Pemupukan P terhadap Produksi Kelapa Sawit dalam ton.ha-1 ”

7

Langkah Kerja :
1. Membuka lembar kerja baru. Pada saat SPSS 26 pertama kali dibuka, maka akan tampak

tampilan pertama sebagai berikut. Saat membuka SPSS, maka akan tampak dua kotak dialog
IBM SPSS Statistic seperti berikut ini:

Gambar 6 Tampilan kotak dialog Welcome to IBM SPSS Statistics
Kotak dialog tersebut berfungsi untuk memandu pengguna untuk memilih proses yang
akan dilakukan, namun untuk lebih mudahnya, tutup kotak dialog tersebut dengan klik ikon
Close.

8

2. Menamai variable yang diperlukan.
Langkah berikutnya adalah membuat nama untuk setiap variabel baru. Untuk itu

gunakan lembar Variable View pada data editor. Pada kasus diatas terdapat dua variabel
yaitu Dosis Pupuk dan Produksi Sawit, selanjutnya akan dilakukan input nama variabel
sebanyak dua kali.
Variabel pertama: Dosis Pupuk

Klik kiri mouse pada sheet tab Variable View yang ada di bagian kiri bawah. Tampilan
Variable View juga bisa diambil dari menu View lalu submenu Variable.

Gambar 7 Sheet tab Variabel View
Tampilan Variable View sekilas sama dengan Data View, hanya pada Variable View
sudah ada 11 kolom dengan nama tertentu (Name, Type, Width, dst).
Mendefinisikan variabel DOSIS PUPUK
DOSIS PUPUK merupakan variabel pertama, tempatkan pointer pada baris 1.
➢ Name. Sesuai kasus, letakkan pointer pada bawah kolom Name, klik ganda pada sel

tersebut, dan ketik DOSIS. Kemudian tekan tombol ENTER untuk menyetujui
penulisan tersebut.
(Jumlah karakter yang bisa digunakan untuk memberi nama pada sebuah variabel
adalah 64 karakter (bit). Namun untuk membuat sebuah nama dalam bentuk
kalimat, gunakan tanda underline (_) untuk penghubung).

9

➢ Type. Tipe data untuk variabel DOSIS PUPUK tersebut adalah Numeric (kuantitatif)
karena DOSIS PUPUK akan dilabeli dengan kode ‘angka’.

Gambar 8 Kotak dialog Variable Type
Pilih tipe Numeric (paling atas) kemudian tekan OK.
➢ Width. Pilihan ini menyediakan masukan antara 1 sampai 40 digit untuk isian data
yang bertipe Numeric. Untuk keseragaman, ketik 8. Hal ini berarti label yang hanya
bisa dimasukkan maksimal 8 karakter saja.
➢ Decimal. Untuk keseragaman ketik 0 yang berarti tidak ada angka desimal
dibelakang koma.
➢ Label. Label adalah keterangan untuk nama variabel, yang bisa disertakan atau tidak.
Untuk keseragaman, klik ganda pada sel tersebut, dan ketik DOSIS PUPUK.
➢ Values. Pilihan ini untuk proses pemberian kode (label). Klik mouse pada kotak kecil
kanan sel, dan akan tampak pada layar:

Gambar 9 Kotak dialog Value Labels 10

Pengisian:
- Value atau nilai berupa angka yang dimasukkan. Untuk keseragaman, ketik 1.
- Value Labels atau keterangan untuk angka 1 tersebut, sesuai kasus yang memerinci
dosis pupuk, ketik P0.
- Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 1=”P0”
tampak sebagai kodifikasi dosis pupuk pertama.
- Lanjutkan pengisian value dengan lanjutan kode ‘angka’ untuk keseluruhan label
dosis pupuk, kemudian klik OK jika sudah selesai.
Tampilan setelah pengisian:

Gambar 10 Kotak dialog Value Labels setelah pengisian

➢ Missing. Missing adalah data yang hilang atau tidak ada isinya, jika data dianggap

lengkap maka abaikan bagian ini.

➢ Column. Column hamper sama dengan Width, dengan fungsi menyediakan lebar

kolom yang diperlukan untuk pemasukan data. Pada data Numeric, batas maksimal

adalah 255 digit. Untuk keseragaman, ketik 11.

➢ Align. Align adalah posisi data, yaitu rata kiri, rata kanan, atau rata tengah sel.

➢ Measure. Measure adalah hal yang penting di SPSS, karena menyangkut tipe

variabel yang nantinya akan menentukan jenis analisis yang digunakan. Untuk data

Numeric (Angka) ada tiga pilihan, yaitu Scale, Ordinal, dan Nominal. Karena variabel

DOSIS PUPUK bersifat setara dan unik, maka klik mouse pada sel tersebut, buka

kotak combo dan pilih nominal. 11

➢ Role. Tetap pada pilihan Input.
Demikian satu variabel dengan propertinya telah didefinisikan, yaitu variabel

bernama DOSIS dengan tipe numeric.

Gambar 11 Hasil pengisian variabel DOSIS
Mendefinisikan Variabel PRODUKSI SAWIT
Setelah mengisi dan menetapkan property dari variabel DOSIS, sekarang beralih ke
pengisian variabel kedua. Untuk itu, tetap pada sheet tab Variable View.
Langkah pemasukan:
➢ Name. Sesuai kasus, letakkan pointer pada bawah kolom Name, klik ganda pada sel

tersebut, dan ketik BERAT_TBS.
➢ Type. Tipe data untuk berat adalah numerik (kuantitatif), karena berat produksi

kelapa sawit pasti berupa angka.
➢ Width. Untuk keseragaman, biarkan pada angka 8 yang merupakan default SPSS.
➢ Decimals. Untuk keseragaman, ketik 0 yang berarti tidak ada angka desimal

dibelakang koma.
➢ Label. Untuk keseragaman, ketik PRODUKSI SAWIT.
➢ Values. Untuk data kuantitatif dan tanpa kategorisasi, abaikan saja Values tersebut.
➢ Missing. Dianggap tidak ada data hilang atau semua data berat produksi sawit telah

diketahui, maka abaikan bagian ini.
➢ Column. Biarkan isian ini sesuai default yang telah ada.
➢ Align. Biarkan isian ini sesuai default yang telah ada (Right).
➢ Measure. Untuk data kuantitatif dan tanpa kategorisasi, otomatis SPSS memilih tipe

Scale (skala atau data jenis interval/rasio). Tetap pada tipe tersebut.
➢ Role. Tetap pada pilihan Input.
Catatan: Penggunaan Role dalam input data
Input ➔ role (peran) variabel ini adalah sebagai variabel independent jika akan dilakukan

pemodelan regresi, regresi berganda, analisis diskriminan, dan lainnya.

12

Target ➔ terkait dengan jenis input di atas, role (peran) variabel ini adalah sebagai
variabel independent jika akan dilakukan pemodelan regresi, regresi berganda,
atau lainnya.

Both ➔ variabel bisa jadi keduanya, baik sebagai independent atau dependen.
None ➔ tidak ada jenis peran tertentu pada variabel tersebut.
Partition ➔ variabel akan diperlakukan terpisah sebagai partisi; jenis variabel ini biasanya

digunakan untuk sampel pembanding dalam kegiatan pengujian (testing) data,
atau validasi dalam kegiatan eksperimen.
Split ➔ jenis role digunakan pada IBM SPSS Modeler

Gambar 12 Hasil pengisian variabel PRODUKSI SAWIT
3. Mengisi data ke dalam SPSS

Setelah pengisian nama variabel selesai dilakukan, langkah berikutnya adalah mengisi
data. Menginput data harus dilakukan pada sheet tab Data View. Disini terdapat 24 data,
sehingga pengisian akan dilakukan pada 24 baris. Langkah pemasukan adalah sebagai
berikut:

➢ Klik tab sheet Data View yang ada pada kiri bawah layar. Atau tampilan Data View
juga bisa dilakukan dengan memilih menu View lalu klik submenu Data, atau dengan
menekan Ctrl + T.
Perhatikan adanya 2 nama variabel yang tadi telah dibuat pada nama kolom SPSS.

Gambar 13 Tampilan Data View yang telah dibuat variable
Untuk mengisi variabel DOSIS, sebelum mengisi data, arahkan pointer ke menu
utama SPSS, pilih menu View, kemudian klik mouse pada submenu Value Label
(terlihat Value Label aktif dengan adanya tanda di sebelah kiri submenu tersebut).
Pengaktifan melihat Value Label akan membuat data ditampilkan di layar tidak

13

dalam bentuk kode angka, namun dalam kata atau kalimat yang sesuai dengan kode
yang dimasukkan. Pengisian data dilakukan dengan mengetik biasa seperti mengisi
data pada Excel atau mengetik pada tabel Word.
Pada data kasus, terlihat angka ‘1’ untuk dosis P0, ‘2’ untuk dosis P1, ‘3’ untuk dosis
P2, ‘4’ untuk dosis P3, ‘5’ untuk dosis P4, ‘6’ untuk dosis P5, dan ‘7’ untuk dosis P6.
➢ Untuk mengisi variabel BERAT_TBS, letakkan pointer pada baris ke 1 kolom variabel
BERAT_TBS lalu ketik menurun ke bawah sesuai data yang ada.

Gambar 14 Tampilan data yang telah selesai diisi
Data diatas bisa disimpan dengan prosedur berikut:
➢ Dari Menu Utama SPSS, pilih menu File, kemudian pilih submenu Save As…
➢ Beri nama file “Pengaruh Dosis Pemupukan P terhadap Berat TBS” dan tempatkan

file pada directory yang dikehendaki.
Untuk tipe data, dipakai ekstensi (tipe) file SPSS adalah .sav, sehingga data tersebut
tersimpan dengan nama lengkah Pengaruh Dosis Pemupukan P terhadap Berat
TBS.sav. ada berbagai tipe ekstensi file SPSS tergantung dari jenis informasi yang
disediakan. Jika file data telah berhasil disimpan, maka Windows Viewer akan
muncul secara otomatis dan terlihat seperti pada gambar berikut:

14

Gambar 15 Windows viewer yang muncul setelah file data berhasil tersimpan
1. Klik Menu File pada Windows Data Editor, kemudian klik submenu Import Data

Gambar 16 Tampilan Menu File untuk Import Data
2. Tampilan data view, karena data yang akan diimport disimpan dalan bentuk Excel,

maka dapat dipilih Excel pada submenu Import Data, kemudian pilih file excel yang
akan diimportkan ke dalam Data Editor, lalu klik Open.

15

Gambar 17 Kotak Dialog Import Data yang menampilkan file Excel
3. Kemudian akan muncul tampilan kotak dialog Read Excel File, kemudian klik OK

seperti tampilan dibawah ini.

Gambar 18 Kotak Dialog Read Excel File pada Data Editor

16

4. Setelah itu akan tampil data pada sheet tab Data Editor.
Gambar 19 Tampilan file data Excel yang telah berhasil diimport ke dalam SPSS

17

III. Uji Hipotesis

A. UJI NORMALITAS

Uji Normalitas normalitas kolmogorov smirnov merupakan bagian dari uji asumsi klasik. Uji
normalitas bertujuan untuk mengetahui apakah data berdistribusi normal atau tidak.
Contoh Pengujian: Menggunakan data dari motivasi dan kinerja pegawai perusahan Z yaitu,

No Motivasi Kinerja No Motivasi Kinerja No Motivasi Kinerja

1 42 29 21 32 25 41 41 31
2 33 26 22 33 20 42 30 25
3 40 31 23 40 27 43 32 20
4 40 23 24 36 28 44 38 26
5 43 23 25 40 24 45 31 20
6 36 24 26 27 22 46 34 20
7 40 23 27 37 29 47 34 27
8 37 27 28 39 16 48 39 23
9 42 30 29 39 23 49 29 18
10 42 33 30 32 19 50 41 28
11 32 29 31 37 27 51 42 27
12 42 32 32 37 27 52 34 19
13 40 24 33 34 31 53 33 28
14 38 27 34 33 29
15 42 26 35 39 33
16 31 24 36 41 32
17 33 21 37 44 27
18 42 26 38 39 27
19 39 28 39 39 28
20 40 26 40 44 30

1. Buka SPSS.
2. Klik Variable View pada SPSS data editor.
3. Pada Baris Pertama Tulis No pada kolom Name, pilih Numeric pada kolom Tyoe, tulis 2 pada

kolom Width, dan 0 pada kolom Decimals.
4. Pada Baris kedua Tulis Motivasi(X) pada kolom Name, pilih Numeric pada kolom Tyoe, tulis

2 pada kolom Width, dan 0 pada kolom Decimals.
5. Pada Baris Ketiga Tulis Kinerja(Y) pada kolom Name, pilih Numeric pada kolom Tyoe, tulis 2

pada kolom Width, dan 0 pada kolom Decimals.
6. Buka Data View pada SPSS data editor akan muncul kolom No, Motivasi(X), dan Kinerja (Y).

Kemudian masukkan data tabel di atas.

18

7. Pada Command menu di bagian atas tabel, Klik Analyze→ Nonparametric Tests→ Legacy
Dialogs→1-Sample K-S.

Gambar 20 Pilih Menu 1-Sample K-S.
8. Pilih Motivasi(X) dan Kinerja(Y) dan pindahkan ke Test Variable List, dan centang Normal

pada Test Distribution, klik OK.

Gambar 21 Tampilan One-Sample Kolmogorov-Smirnov Test

19

9. Hasil akan muncul di Output SPSS

Gambar 22 Hasil analisis data Kolmogorov-Smirnov
Hasil Analisa yang keluar pada output telah muncul, bagian ini akan menguji normal tidaknya
sebuah distribusi data. Berdasarkan hasil output Asyp. Sig(2-tailed) atau nilai Sig (bisa disebut
juga p-value) Motivasi(X) bernilai 0.001 dan Kinerja(Y) bernilai 0.038. Oleh karena nilai Sig
kedua data tersebut < 0.05 maka kedua data tersebut tidak berdistribusi normal. Catatan pada
kasus ini data yang diuji ada dua, bisa jadi dilakukan pada data tunggal saja.
Pedoman pengambilan keputusan:
➢ Nilai Sig. atau signifikasi atau nilai probabilitas < 0,05 maka distribusi adalah tidak normal.
➢ Nilai Sig. atau signifikasi atau nilai probabilitas > 0,05 maka distribusi adalah normal.

B. UJI HOMOGENITAS

Uji homogenitas adalah pengujian mengenai sama tidaknya variansi-variansi dua buah distribusi
atau lebih. Uji homogenitas biasanya digunakan sebagai syarat dalam analisis Uji T dua sampel
saling bebeas (Indenpendet) dan Anova.
Contoh Pengujian: Data hasil ujian matematika Kelas A dan Kelas B

No Absen Nilai Kelas A Nilai Kelas B No Absen Nilai Kelas A Nilai Kelas B

20

1 56 87 14 67 87

2 72 92 15 72 82

3 67 87 16 74 80

4 58 82 17 76 83

5 70 89 18 68 82

6 68 86 19 62 89

7 76 90 20 70 85

8 70 86 21 61 92

9 69 80 22 77 85

10 58 85

11 65 90

12 70 83

13 75 80

1. Buka SPSS
2. Dengan menggunakan data ujian matematika kelas A dan kelas B, kita masukkan pada SPSS.
3. Pada Variable View Baris Pertama Tulis No pada kolom Name, pilih Numeric pada kolom

Type, tulis 2 pada kolom Width, dan 0 pada kolom Decimals.
4. Pada Variable View Baris kedua Tulis Nilai pada kolom Name, pilih Numeric pada kolom

Type, tulis 2 pada kolom Width, dan 0 pada kolom Decimals.
5. Pada Variable View Baris ketiga Tulis Kode Kelas pada kolom Name, pilih Numeric pada

kolom Type, tulis 2 pada kolom Width, dan 0 pada kolom Decimals. Pada Baris ini isi value
dengan value 1 untuk label kelas A kemudian add dan value 2 untuk Label kelas B kemudian
add.

Gambar 23 Edit Value pada Variable View
6. Masukkan nilai kelas A dan kelas B pada kolom Nilai, dan nilai 1 untuk kelas A dan 2 untuk

kelas B pada kolom Kode Kelas.

21

Gambar 24 Data View Data untuk uji homogenitas

7. Pada Command menu di bagian atas tabel, Klik Analyze→Compare Means→One-way
ANOVA.

Gambar 25 Pilih Menu One-Way ANOVA

22

8. Pilih Hasil Belajar Matematika ke Dependent List dan Kode Kelas ke Factor.

Gambar 26 Tampilan Menu One-Way ANOVA
9. Pilih button Options dan centang Homogeneity of variance test, Continue dan OK

Gambar 27 Tampilan Submenu Options

23

10. Hasil Output

Gambar 28 Hasil Output uji One-Way Anova
Hasil Analisa yang keluar pada output telah muncul, perhatikan pada tabel Test of
Homogeneity of Variances. Terdapat beberapa baris, jika kita menguji homogenitas
berdasarkan rata-rata perhatikan baris pertama yaitu Base on Mean. Karena Nilai Sig. adalah
0.071 >0.050 maka data merupakan data yang homogen.
Pedoman pengambilan keputusan:
➢ Nilai Sig. atau signifikasi atau nilai probabilitas < 0,05 maka distribusi adalah tidak

homogen.
➢ Nilai Sig. atau signifikasi atau nilai probabilitas > 0,05 maka distribusi adalah homogen.

C. UJI T SATU SAMPEL

Uji-T satu sampel merupakan salah satu prosedur pengujian statistik inferensial yang digunakan
untuk menguji apakah rata-rata dari data yang kita gunakan secara statistik berbeda secara
signifikan bila dibandingkan dengan nilai rata-rata yang sudah diketahui berdasarkan asumsi
atau pun opini. Ingat, syarat untuk melakukan uji T satu sampel lebih baik jika data berdistribusi
Normal untuk mendapatkan kesimpulan yang valid.
Contoh Pengujian: Data menggunakan dosis pengguanan pupuk.

24

1. Buka SPSS.
2. Dengan menggunakan data dosis pupuk pada produksi sawit, masukkan ke SPSS.
3. Pada Variable View Baris Pertama Tulis Dosis pada kolom Name, pilih String pada kolom

Type, tulis 8 pada kolom Width, dan 0 pada kolom Decimals.
4. Pada Variable View Baris Kedua Tulis Berat_TBS pada kolom Name, pilih Numeric pada

kolom Type, tulis 2 pada kolom Width, dan 1 pada kolom Decimals.
5. Masukkan dosis pupuk kolom Dosis dan berat dosis ke kolom Berat_TBS.

Gambar 29 Data Dosis Pupuk

25

6. Pada Command menu di bagian atas tabel, Klik Analyze→Compare Means→One-Sample T
Test.

Gambar 30 Pilih Menu One-Sample T Test
7. Pilih Berat_TBS ke Test Variable(s) dan isi Test Value sesuai dengan asumsi rata-rata yang

diinginkan. (Isi sesuai asumsi awal atau ) Misalkan 19 ( : = ).

Gambar 31 Tampilan Menu One-Sample T Test
8. Hasil Output.

Gambar 32 Hasil Output One-Sample Test. 26

Hasil Analisa yang keluar pada output telah muncul, perhatikan pada tabel One-Sample Test
Kolom Sig.(2-tailed). Nilai Sig. (2-tailed) pada uji ini adalah 0.050 tepat dengan taraf
signifikansinya. Pada kasus ini maka rata-rata berat dosis pupuk adalah 19 dapat diterima atau
terima .
DASAR PENGAMBILAN KEPUTUSAN
➢ Jika nilai Signifikansi (p-value) > 0,05, maka Terima .
➢ Jika nilai Signifikansi (p-value) < 0,05, maka Tolak .

D. UJI T DUA SAMPEL BERPASANGAN (DEPENDENT)

Uji T dua sampel berpasangan digunakan untuk mengetahui apakah terdapat perbedaan rata-
rata dua sampel yang berpasangan. Dua sampel yang dimaksud adalah sampel yang sama
namun mempunyai dua data. Uji ini merupakan bagian dari statistik parametrik, oleh karena
itu, sebagaimana aturan dalam statistik parametrik data penelitian haruslah berdistribusi
normal.
Contoh Pengujian : Bila seorang Manejer perusahaan ingin mengetahui apakah ada perbedaan
prestasi penjualan seles setelah mengikuti pelatihan marketing. Setelah dilakukan rekapitulasi
jumlah penjualan terhadap 15 orang sales, diperoleh data sebagai berikut (asumsikan data
Normal):

1. Buka SPSS.
2. Dengan menggunakan data rata-rata penjualan sales sebelum dan sesudah pelatihan,

masukkan ke SPSS.
3. Pada Variable View Baris Pertama Tulis Sales pada kolom Name, pilih Numeric pada kolom

Type, tulis 2 pada kolom Width, dan 0 pada kolom Decimals.
4. Pada Variable View Baris Kedua Tulis Sebelum pada kolom Name, pilih Numeric pada kolom

Type, tulis 2 pada kolom Width, dan 0 pada kolom Decimals.

27

5. Pada Variable View Baris Kedua Tulis Sesudah pada kolom Name, pilih Numeric pada kolom
Type, tulis 2 pada kolom Width, dan 0 pada kolom Decimals.

6. Masukkan data pada, tampilan seperti di bawah

Gambar 33 Data Sales

7. Pada Command menu di bagian atas tabel, Klik Analyze→Compare Means→Paired-Samples
T Test

Gambar 34 Pilih Paired-Samples T Test

28

8. Pilih Sebelum ke kolom Variable 1 dan Sesudah ke kolom Variable 2.

Gambar 35 Tampilan Menu Paired-Samples T Test
9. Hasil Output.

Gambar 36 Hasil Output Paired Sample Test
Hasil Analisa yang keluar pada output telah muncul, perhatikan pada tabel Paired Sample
Correlations pada kolom Sig.(2-tailed). Perhatikan nilai Sig. (2-tailed) adalah 0.023 < 0.05, maka
maka terdapat perbedaan yang signifikan antara sebelum dan sesudah melakukan pelatihan .
DASAR PENGMABILAN KEPUTUSAN
➢ Jika nilai Sig. (2-tailed) > 0,05, maka tidak terdapat perbedaan yang signifikan antara

Variable 1 dan 2.
➢ Jika nilai Sig. (2-tailed) < 0,05, maka terdapat perbedaan yang signifikan antara Variable 1

dan 2.

29

E. UJI T DUA SAMPEL SALING BEBAS (INDEPENDENT)

Uji-t dua sampel bebas merupakan uji statistic parametrik yang membandingkan dua kelompok
independent untuk menentukan apakah ada bukti bahwa rata-rata populasi secara statistik
signifikan berbeda. Variabel yang digunakan dalam uji ini yaitu variable terikat dan variable
bebas. Syarat uji ini untuk bisa dilakukan yaitu
1. Tidak ada hubungan antara subjek dalam setiap sampel atau kelompok.
2. Berdistribusi normal pada setiap kelompok.
3. Varian pada kedua kelompok sama.
Oleh karena itu perlu dilakukan uji Normalitas dan Homogenitas.
Contoh Pengujian: Data hasil ujian matematika Kelas A dan Kelas B (Data sama dengan uji
Homogenitas)

No Absen Nilai Kelas A Nilai Kelas B No Absen Nilai Kelas A Nilai Kelas B

1 56 87 14 67 87
2 72 92 15 72 82
3 67 87 16 74 80
4 58 82 17 76 83
5 70 89 18 68 82
6 68 86 19 62 89
7 76 90 20 70 85
8 70 86 21 61 92
9 69 80 22 77 85
10 58 85
11 65 90
12 70 83
13 75 80

1. Buka SPSS
2. Dengan menggunakan data ujian matematika kelas A dan kelas B, kita masukkan pada SPSS.
3. Pada Variable View Baris Pertama Tulis No pada kolom Name, pilih Numeric pada kolom

Type, tulis 2 pada kolom Width, dan 0 pada kolom Decimals.
4. Pada Variable View Baris kedua Tulis Nilai pada kolom Name, pilih Numeric pada kolom

Type, tulis 2 pada kolom Width, dan 0 pada kolom Decimals.
5. Pada Variable View Baris ketiga Tulis Kode Kelas pada kolom Name, pilih Numeric pada

kolom Type, tulis 2 pada kolom Width, dan 0 pada kolom Decimals. Pada Baris ini isi value
dengan value 1 untuk label kelas A kemudian add dan value 2 untuk Label kelas B kemudian
add.
6. Masukkan nilai kelas A dan kelas B pada kolom Nilai, dan nilai 1 untuk kelas A dan 2 untuk
kelas B pada kolom Kode Kelas.

30

7. Pada Command menu di bagian atas tabel, Klik Analyze→Compare Means→Independent-
Sample T Test.

Gambar 37 Pilih Menu Independent-Sample T Test
8. Masukkan Nilai ke Test Variable(s) dan Kode Kelas ke Grouping Variable.

Gambar 38 Tampilan Menu Independent-Sample T Test
9. Klik Define Groups, dan isi Group 1: “1” dan Group 2:”2”. (Sesuai dengan Values)

Gambar 39 Submenu Define Groups 31

10. Hasil Output

Gambar 40 Hasil Output Independent Sample Test
Hasil Analisa yang keluar pada output telah muncul, perhatikan pada tabel Independent Sample
Test pada kolom Sig.(2-tailed). Perhatikan nilai pada kolom Sig. (2-tailed) pada baris Equal
Variances assumed adalah 0.000 < 0.05, maka terdapat perbedaan yang signifikan antara rata-
rata hasil belajar pada KELAS A dan KELAS B.
DASAR PENGMABILAN KEPUTUSAN
➢ Jika nilai Sig. (2-tailed) > 0,05, maka tidak terdapat perbedaan yang signifikan antara hasil

belajar pada KELAS A dan KELAS B.
➢ Jika nilai Sig. (2-tailed) < 0,05, maka terdapat perbedaan yang signifikan antara hasil belajar

pada KELAS A dan KELAS B.

F. UJI TANDA dan Uji WILCOXON

Uji Tanda (sign test) adalah uji beda antara dua sampel yang berhubungan (berkorelasi)
berdasarkan arah perbedaan antara dua pengukuran, bukan pada pengukuran kuantitatif data
itu sendiri.
Uji wilcoxon bertujuan untuk mengetahui ada tidaknya perbedaan rata-rata dua sampel yang
saling berpasangan. Data penelitian yang digunakan dalam uji wilcoxon idealnya adalah data
berskala ordinal atau interval. Uji wilcoxon merupakan bagian dari statistik non parametrik,
maka dalam uji wilcoxon tidak diperlukan data penelitian yang berdistribusi normal.
Uji Tanda dan Wilcoxon digunakan sebagai alternatif dari uji T dua sampel berpasangan jika
data penelitian tidak berdistribusi normal.

Contoh Pengujian: Ambil data yang sama dengan uji T dua sampel berpasangan. Bila seorang
Manejer perusahaan ingin mengetahui apakah ada perbedaan prestasi penjualan seles setelah

32

mengikuti pelatihan marketing. Setelah dilakukan rekapitulasi jumlah penjualan terhadap 15
orang sales, diperoleh data sebagai berikut (asumsikan data Normal):

1. Buka SPSS.
2. Dengan menggunakan data rata-rata penjualan sales sebelum dan sesudah pelatihan,

masukkan ke SPSS.
3. Pada Variable View Baris Pertama Tulis Sales pada kolom Name, pilih Numeric pada kolom

Type, tulis 2 pada kolom Width, dan 0 pada kolom Decimals.
4. Pada Variable View Baris Kedua Tulis Sebelum pada kolom Name, pilih Numeric pada kolom

Type, tulis 2 pada kolom Width, dan 0 pada kolom Decimals.
5. Pada Variable View Baris Kedua Tulis Sesudah pada kolom Name, pilih Numeric pada kolom

Type, tulis 2 pada kolom Width, dan 0 pada kolom Decimals.
6. Masukkan data.

33

7. Pada Command menu di bagian atas tabel, Klik Analyze→Nonparametric Test→ Legacy
Dialogs→ 2Related Samples.

Gambar 41 Pilih Menu 2 Related Sample
8. Pilih Sebelum ke Variable 1 dan sesudah ke Variable 2, dan centang Wilcoxon dan Sign

Gambar 42 Tampilan Menu Two-Related Sample Test

34

9. Hasil Output

Gambar 43 Hasil Output Wilcoxon Signed Ranks Test

Gambar 44 Hasil Output Sign Test

Hasil Analisa yang keluar pada output telah muncul, perhatikan pada tabel Test Statisctic pada

Wilcoxon Test dan Sign Test. Pada Uji Wilcoxon nilai Asymp.Sig. adalah 0.03 < 0,05, maka

terdapat perbedaan yang signifikan antara hasil sebelum dan sesudah pelatihan. Sedangkan

untuk uji Tanda nilai Sig. (2-tailed) adalah 0.07 > 0,05, maka tidak terdapat perbedaan yang

signifikan antara hasil sebelum dan sesudah pelatihan. Hasil dari kedua uji nonparametric ini

bebeda karena konsep dasar uji tanda dengan Wilcoxon berbeda sehingga bisa memberikan

hasil yang berbeda pula. Uji tanda menggunakan tanda, sedangkan uji Wilcoxon menggunakan

rangking.

35

DASAR PENGMABILAN KEPUTUSAN UJI TANDA

➢ Jika nilai Exact Sig. (2-tailed) > 0,05, maka tidak terdapat perbedaan yang signifikan antara
hasil Sebelum dan Sesudah pelatihan.

➢ Jika nilai Exact Sig. (2-tailed) < 0,05, maka terdapat perbedaan yang signifikan antara hasil
Sebelum dan Sesudah pealtihan.

DASAR PENGAMBILAN KEPUTUSAN UJI WILCOXON

➢ Jika nilai Asymp.Sig. > 0,05, maka tidak terdapat perbedaan yang signifikan antara hasil
Sebelum dan Sesudah pelatihan..

➢ Jika nilai Asymp.Sig. < 0,05, maka terdapat perbedaan yang signifikan antara hasil Sebelum
dan Sesudah pelatihan..

G. UJI MANN WHITNEY

Uji Mann Whitney bertujuan untuk mengetahui ada tidaknya perbedaan rata-rata dua sampel
yang tidak berpasangan. Jumlah sampel yang digunakan tidak harus sama. Uji Mann Whitney
merupakan bagian dari statistik non parametrik, maka dalam uji Mann Whitney tidak diperlukan
data penelitian yang berdistribusi normal dan homogen. Uji Mann Whitney digunakan sebagai
alternatif dari uji T dua sampel saling bebas (Independent), jika data penelitian tidak
berdistribusi normal dan tidak homogen.
Contoh Pengujian: Contoh soal diambil sama dengan uji T dua sampel saling bebas
(Independent). Data hasil ujian matematika Kelas A dan Kelas B

No Absen Nilai Kelas A Nilai Kelas B No Absen Nilai Kelas A Nilai Kelas B

1 56 87 14 67 87

2 72 92 15 72 82

3 67 87 16 74 80

4 58 82 17 76 83

5 70 89 18 68 82

6 68 86 19 62 89

7 76 90 20 70 85

8 70 86 21 61 92

9 69 80 22 77 85

10 58 85

11 65 90

12 70 83

13 75 80

36

1. Buka SPSS
2. Dengan menggunakan data ujian matematika kelas A dan kelas B, kita masukkan pada SPSS.
3. Pada Variable View Baris Pertama Tulis No pada kolom Name, pilih Numeric pada kolom

Type, tulis 2 pada kolom Width, dan 0 pada kolom Decimals.
4. Pada Variable View Baris kedua Tulis Nilai pada kolom Name, pilih Numeric pada kolom

Type, tulis 2 pada kolom Width, dan 0 pada kolom Decimals.
5. Pada Variable View Baris ketiga Tulis Kode Kelas pada kolom Name, pilih Numeric pada

kolom Type, tulis 2 pada kolom Width, dan 0 pada kolom Decimals. Pada Baris ini isi value
dengan value 1 untuk label kelas A kemudian add dan value 2 untuk Label kelas B kemudian
add.
6. Masukkan nilai kelas A dan kelas B pada kolom Nilai, dan nilai 1 untuk kelas A dan 2 untuk
kelas B pada kolom Kode Kelas.
7. Pada Command menu di bagian atas tabel, Klik Analyze→Nonparametric →Independent-
Sample T Test.
8. Pilih nilai ke Test Variable List dan Kode kelas ke Grouping Variable, lalu klik Define Groups
dan centang Mann- Whitney U pada Test Type.

Gambar 45 Tampilan Menu dan Submenu Two-Independent-Sample Tests. 37

9. Hasil Output

Gambar 46 Hasil Output Mann-Whitney Test
Hasil Analisa yang keluar pada output telah muncul, perhatikan pada tabel Test Statistics. Nilai
Asymp. Sig. (2-tailed) adalah 0.000 < 0.05 sehingga terdapat perbedaan yang signifikan antara
hasil sebelum dan sesudah.
DASAR PENGAMBILAN KEPUTUSAN UJI MANN WHITNEY
➢ Jika nilai Asymp.Sig. > 0,05, maka tidak terdapat perbedaan yang signifikan antara hasil

Sebelum dan Sesudah pelatihan..
➢ Jika nilai Asymp.Sig. < 0,05, maka terdapat perbedaan yang signifikan antara hasil Sebelum

dan Sesudah pelatihan..

38

H. UJI KORELASI

Uji korelasi atau Uji Pearson Product Moment bertujuan untuk mengetahui tingkat keeratan
hubungan antar variabel yang dinyatakan dengan koefisien korelasi (r). Jenis hubungan antar
variabel X dan Y dapat bersifat positif dan negatif. Uji ini merupakan uji hipotesis asosiatif. Nilai
(r) memiliki ketentuan -1 ≤ r ≤ 1. Dan interpretasi koefisien korelasi nilai (r) menggunakan
pedoman derajat hubungan:
• Nilai Pearson Correlation 0,00 s/d 0,20 = tidak ada korelasi.
• Nilai Pearson Correlation 0,21 s/d 0,40 = korelasi lemah.
• Nilai Pearson Correlation 0,41 s/d 0,60 = korelasi sedang.
• Nilai Pearson Correlation 0,61 s/d 0,80 = korelasi kuat.
• Nilai Pearson Correlation 0,81 s/d 1,00 = korelasi sempurna.

Dan untuk menyatakan besar atau kecil sumbangan variabel (X) terhadap (Y) dapat ditentukan
dengan rumus koefisien determinan: = × %.

Contoh Pengujian: Menggunakan data dari motivasi dan kinerja pegawai perusahan Z yaitu,
No Motivasi Kinerja No Motivasi Kinerja No Motivasi Kinerja

1 42 29 21 32 25 41 41 31
2 33 26 22 33 20 42 30 25
3 40 31 23 40 27 43 32 20
4 40 23 24 36 28 44 38 26
5 43 23 25 40 24 45 31 20
6 36 24 26 27 22 46 34 20
7 40 23 27 37 29 47 34 27
8 37 27 28 39 16 48 39 23
9 42 30 29 39 23 49 29 18
10 42 33 30 32 19 50 41 28
11 32 29 31 37 27 51 42 27
12 42 32 32 37 27 52 34 19
13 40 24 33 34 31 53 33 28
14 38 27 34 33 29
15 42 26 35 39 33
16 31 24 36 41 32
17 33 21 37 44 27
18 42 26 38 39 27
19 39 28 39 39 28
20 40 26 40 44 30

1. Buka SPSS.

2. Klik Variable View pada SPSS data editor.

3. Pada Baris Pertama Tulis No pada kolom Name, pilih Numeric pada kolom Tyoe, tulis 2 pada

kolom Width, dan 0 pada kolom Decimals. 39

4. Pada Baris kedua Tulis Motivasi(X) pada kolom Name, pilih Numeric pada kolom Tyoe, tulis
2 pada kolom Width, dan 0 pada kolom Decimals.

5. Pada Baris Ketiga Tulis Kinerja(Y) pada kolom Name, pilih Numeric pada kolom Tyoe, tulis 2
pada kolom Width, dan 0 pada kolom Decimals.

6. Buka Data View pada SPSS data editor akan muncul kolom No, Motivasi(X), dan Kinerja (Y).
Kemudian masukkan data tabel di atas.

7. Pada Command menu di bagian atas tabel, Klik Analyze→ Correlate→Bivariate

Gambar 47 Pilih Menu Correlate Bivariate
8. Pilih Motivasi (X) dan Kinerja (Y) ke Variables, dan centang Pearson pada Correlation

Coefficients.

Gambar 48 Tampilan Menu Bivariate Correlations

40

9. Hasil Output

Gambar 49 Hasil Output Bivariate Correlations

Hasil Analisa yang keluar pada output telah muncul, perhatikan pada tabel Correlations. Nilai
Signifikansi pada baris Motivasi(X) dan kolom Kinerja (Y) adalah 0.000 < 0,05, maka berkorelasi
sedangkan nilai Pearson Correlation 0.463, maka korelasi sedang.

DASAR PENGAMBILAN KEPUTUSAN

➢ Jika nilai Signifikansi < 0,05, maka berkorelasi.
➢ Jika nilai Signifikansi > 0,05, maka tidak berkorelasi.

I. UJI REGRESI LINEAR

Tujuan dari Analisis regresi linear sederhana digunakan untuk menguji pengaruh satu variabel

bebas (X) terhadap variabel terikat (Y). Regresi dapat dianalisis karena didasari oleh hubungan

fungsional atau hubungan kausal variabel bebas X terhadap variabel terikat Y. Perbedaan

mendasar uji korelasi dengan uji regresi adalah, uji regresi selalu menyertakan uji korelasi,

sementara uji korelasi belum tentu ditindaklanjuti dengan uji regresi. Uji korelasi yang tidak

dilanjuti dengan uji regresi biasanya memiliki variabelvariabel yang tidak memiliki kedekatan

fungsional atau kausal (Sebabakibat). Persamaan regresi sederhana dirumuskan sebagai:

̂ = +

Syarat uji regresi linear sederhana adalah Valid dan Reliabel serta normal dan linear.

Contoh Pengujian: Menggunakan data dari motivasi dan kinerja pegawai perusahan Z yaitu,

meneruskan uji Korelasi

1. Buka SPSS.

2. Klik Variable View pada SPSS data editor.

3. Pada Baris Pertama Tulis No pada kolom Name, pilih Numeric pada kolom Tyoe, tulis 2 pada

kolom Width, dan 0 pada kolom Decimals. 41

4. Pada Baris kedua Tulis Motivasi(X) pada kolom Name, pilih Numeric pada kolom Tyoe, tulis
2 pada kolom Width, dan 0 pada kolom Decimals.

5. Pada Baris Ketiga Tulis Kinerja(Y) pada kolom Name, pilih Numeric pada kolom Tyoe, tulis 2
pada kolom Width, dan 0 pada kolom Decimals.

6. Buka Data View pada SPSS data editor akan muncul kolom No, Motivasi(X), dan Kinerja (Y).
Kemudian masukkan data tabel di atas.

7. Pada Command menu di bagian atas tabel, Klik Analyze→Regression→Linear.

Gambar 50 Pilih Regression Linear
8. Pilih Kinerja (Y) ke Dependent dan Motivasi (X) ke Independent.

Gambar 51 Tampilan Menu Linear Regression

42

9. Hasil Output

Gambar 52 Hasil Output Linear Regression

Hasil Analisa yang keluar pada output telah muncul, perhatikan pada tabel Model Summary.

Kolom R adalah besaran korelasi, R Square adalah koefisien determinasi atau =

× % atau menyatakan besar atau kecil sumbangan variable Motivasi (X) terhadap

Kinerja (Y) yaitu 21.5%. Pada tabael ANOVA perhatikan baris Regresion dan kolom Sig. bernilai

0.00 < 0.05 menyatakan bahwa model regresi ini dapat dipakai untuk memprediksi variable

Kinerja (Y). Pada tabel Coefficients, Baris Constant Kolom B menyatakan koefisien a yaitu 9.481

dan baris Motivasi (X) kolom B adalah koefisien untuk b yaitu 0.438. sehingga persamaan

regresi sederhana dirumuskan sebagai:

̂ = + = . + . . 43

Sedangkan untuk pengambilan keputusan nilai signifikan yang digunakan pada baris
Motivasi(X) kolom Sig. yaitu 0.00 < 0.05, sehingga dapat disimpulkan bahwa variable X Motivasi
berpengaruh terhadap Y Kinerja.
DASAR PENGAMBILAN KEPUTUSAN
➢ Jika nilai signifikansi < 0,05, artinya variabel X berpengaruh terhadap variabel Y.
➢ Jika nilai signifikansi > 0,05, artinya variabel X tidak berpengaruh terhadap variabel Y.

44