SKALA PENGUKURAN DAN METODE ANALISIS DAT

Nama
NIM
KELAS

:
:
:

SISCA DWI RAHMAWATI
132211095
MJS 5C

SKALA PENGUKURAN DAN METODE ANALISIS DATA
Tujuan dari analisis data adalah mendapatkan informasi relevan yang terkandung di dalam data tersebut
dan menggunakan hasilnya untuk memecahkan suatu masalah. Hipotesis nol menggambarkan permasalahan dan
“informasi relevan” yang terkandung di dalam data yang digunakan untuk menguji secara statistic hipotesis nol.
Skala pengukuran adalah kesepakatan yang digunakan sebagai acuan tolak ukur untuk menentukan panjang
pendeknya interval yang ada pada alat ukur sehimgga alat ukur tersebut bila digunakan dalam pengukuran akan
menghasilkan data.
Rasio
Nominal

Ordinal
Interval

:
:
:
:

Pendapatan, harga barang
Gender, Religion
Tenaga Kerja, Penduduk, Juara
Nilai test, pengukuran sikap

Satu satuan real
Sama-sama identitas (tidak akan bisa ditambah)
Sama- sama identitas (tidak akan bisa ditambah)
Memberikan nilai

Tujuan metode Dependen,!! : Menentukan apakah variable bebas mempengaruhi variable terikat secara
individual dan atau bersamaan.

Table 1 Metode Statistik Dependen
No.

Variabel Dependen

Variabel Independen

Uji Statistik

1.

satu skala metric

2.

satu skala metric

3.

Lebih dari satu metric

Satu non-metrik dgn dua
kategori
Satu /lebih non-metrik dgn
lebih 2 kategori
Satu atau lebih non metric

Uji beda t-test

4.

Satu atau lebih metric

Lebih dari satu metric

Multivariate Analysis of Varience
(MANOVA)
Canonical Correlation

5.

Satu non metric dua kategori

Satu atau lebih metric

Analisis diskriminan

6.

Satu atau lebih metric

Analisis Multiple Diskriminan

7.

Satu non-metrik lebih dari dua
kategori
Satu non-metrik dua kategori

Logistic Regression

8.

Lebih dari satu metric

Satu atau lebih metric dan nonmetrik
Lebih dari satu metric

Analysis of Varience (ANOVA)

Analisis Jalur (Path Analysis) dan
Structural Equation Modelig (SEM)
Tujuan Metode Interdependen,!!: Memahami atau mengidentifikasi mengapa dan bagaimana variable” tersebut
saling berkorelasi.
Tabel 2 Metode Statistik Interdependen
Jumlah variable
Dua variable
Lebih dari dua variable



Metric
Korelasi sederhana




Principle components
Analisis factor







Non-metrik
Tabel kontjensi two-way
Loglinear models
Table kontijensi Multiway

Loglinear models
Correspondence analysis

SPSS berfungsi untuk menganalisis data, melakukan perhitungan statistic baik untuk statistic parametric
maupun non-parametrik dengan basis windows. Menu SPSS : file, edit, view, data, transform, analyze, graphs,
utilities, add-ons, windows, help. Statistic deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat
dari nilai rata-rata (mean), std deviasi, variance, maksimum, minimum, sum, range, kurtosis dan skewness
(kemencengan distribusi). Screening data diperlukan sebelum melakukan uji statistic. Salah satu asumsi
penggunaan statistic parametric adalah asumsi multivariate normality. Asumsi ini dapat di uji dengan melihat
normalitas, linearitas dan homoskedastisitas variable atau melalui residualnya.
Reabilitas :alat untuk mengukur suatu kuesioner yang merupakan indicator dari variable atau konstruk. Ada
dua cara pengukuran reabilitas, : a. repeated measure (pengukuran ulang) b. One shot (pengukuran sekali).
Validitas : digunakan untuk mengukur sah atau tidaknya suau kuesioner. Uji signifikan dilakukan dengan
membandingkan nilai r hitung dengan r table untuk degree of freedom (df)= n-2, dalam hal ini n adalah jumlah
sample. Analisis factor konfirmatori digunaka utuk meguji apakah suatu konstruk mempuyai uidimesioalitas atau
apakah idikator-indikator (autonom1-4) yag digunaka dapat megkofirmasika sebuah kostruk atau variable
(AUTONOMI)
Apabila variable independen berkategori dua, maka uji statistic yag digunakan adalah uji beda t-test,
sedagka untuk variable independen yag berkategori lebih dari dua digunakan analisis of varience ( ANOVA ).
Apabila jumlah variable dependen lebih dari satu maka diguaka multivariate analysis of variance ( MANOVA ).

Mengimpor data dari program Excel, Lotus,
Dbase
File
Open
data
*pilih data excel dengan file ekstensi .xls atau
lotus .wk
Membuka file dan meng-entri data baru
File
New
data
* nama data dimasukkan kedalam variable view

Menghitung statistic deskriptif
1. Buka file Crossecl.xls (file/open/data)
2. Pilih analyze – descriptive statistic –
descriptive
3. Isi variabel dengan EARNS dan WEALTH
4. pilih option, kemudian pilih hanya yang ada

pada tab distribution (skewness dan kurtosis)
dan variabel list pada display order lainnya
abaikan
5. pilih continue dan OK
*hasil ouput

Uji statistic Kolmogorov-Smirnov
1. buka file Crossecl.xls dengan perintah
File/Open/Data
2. pilih analyze, lalu pilih Non-parametrik test,
pilih submenu 1-sample K-S
3. Masukkan EARNS dan WEALTH dalam kotak
Test variabel list dan OK
*hasil output

a).Nilai K-S untuk variabel EARNS = 1.859
dengan probabilitas signifikansi 0.002 < 0.05,
sehingga Ho ditolak (variabel EARNS tidak
terdistribusi secara normal). b) Nilai K-S untuk
WEALTH = 2.271 dengan probabilitas signifikasi

0.00 < 0.05, sehingga Ho ditolak (variabel
WEALTH tidak terdistribusi secara normal).
Uji reabilitas:
1. Buka file Jobsurvey.sav (File/Open/Data)
2. Pilih Analyze/ Scale/ Reability Analysis
3. Pada layar Reability masukkan Autonom 1-4
kedalam kotak Items,pilih model alpha lalu
pilih statistic
4. Pada bagian descriptive for, pilih Item, Scale,
Scale if item deleted dan inter-item Correlation
5. Pilih Continue / OK

Dari Ouput tersebut dapat dihitung Zskewness dan
Zkurtosis nya, sbb:

2.590
= 10.575
√ 6 /100
3.030
Zskew (WEALTH) :

= 12.372
√6 /100
8.422
Zkurt (EARNS) :
= 17.192
√ 24 /100
11.551
Zkurt (WEALTH) :
= 23.578
√ 24 /100
Zskew (EARNS) :

Hasil perhitungan nilai z baik untuk variabel
EARNS maupun WEALTH jauh diatas nilai
kritisnya ±2.58 (signifikan pada α = 0.01). jadi
kesimpulannya kedua variabel ini tidak
terdistribusi secara normal.
Maka harus dilakukan transformasi data sampai
data tersebut normal. transformasi data = Buka file
Crossecl.xls (file/open/data) > pilih Transform –
compute > pada Target Variabel isikan nama baru
variabel hasil transform missal SQEARNS > pada
Function Group pilih all dan pada functions
sepecial variabel pilih SQRT,lalu masukkan ke
kotak Numeric Expression dengan panah > pada
type dan label pilih variabel EARNS atau
WEALTH > Ok. Kemudian uji statistic
Kolmogoro-Smirnov untuk variabel yang telah
ditransformasi (SQREARNS & SQRWEALTH)
untuk melihat apakah data berdistribusi normal.
Setelah melakukan transformasi data untuk
mendapatkan normalitas dilakukan dengan
mendeteksi outler dengan melihat adanya nilai
lebih dari 3 untuk table ZSQREARNS &
ZSQRWEALTH setelah melakukan langkahlangkah berikut : Analyze – Descriptive Statistic –
Descriptive > isikan variabel SQREARNS
&SQRWEALTH – pilih (tikmark) save standardize
value as variable > Ok.
*hasil Ouput

Dari hasil output tersebut AUTONOMI
memberikan Cronbach Alpha 77.3% yang menurut
criteria Nunnally (1994) bisa dikatakan reliable.

Uji validitas menggunakan korelasi bivariate
antara masing-masing skor indicator dengan skor
konstruk :
1. Buka file Jobsurvey.sav
2. pilih menu analyze, klik correlate, lalu
bivariate
3. isikan dalam kotak variable ke empat indicator
kostruk AUTONOM
dan
skor
total
AUTONOM
4. pilih Correlation Coefficients Pearson
5. klik Ok
*hasil output disamping

Dari tampilan output terlihat bahwa korelasi antara
masing-masing indicator (autonom1-autonom4)
terhadap total skor konstruk (autonom)
menunjukkan hasil yang signifikan. Jadi dapat
disimpulkan bahwa masing-masing indicator
pertanyaan adalah Valid.

Uji dengan CFA
1. buka file Job Survey.sav dengan peritah
File/Open/Data
2. klik Analyze /data reduction / factor
3. pada kotak variable, masukkan semua indicator
autonom 1-4 dan routine 1-4
4. klik Descriptive dan pilih KMO and Bartlett’s
test of sphericity, kemudian Continue
5. klik Rotation dan klik Varimax dan tekan
Continue/ OK
*hasil output

Pada hasil outout menunjukkan nilai KMO =
0.713 sehingga dapat dilakukan analisis factor.
Dan nilai Barlett test dengan Chi-Squares =
183.867 dan signifikan pada 0.000, maka dapat
disimpulkan bahwa uji analisis factor dapat
dilanjutkan.
Uji beda t-test
1. Buka file Employee data.sav dengan perintah
File/Open/Data
2. Analyze / Compare Means / Independent
Sample T Test (karena lk dan pr berasal dari
populasi berbeda)
3. Isikan kedalam kotak variabel Previous
Experience dan pada Grouping Variable bertipe
kualitatif yaitu Gender
4. Pada Define Group isikan m(male) pada Group
satu dan f(female) pada Group dua
5. Continues / OK
Ho :
variance populasi pengalaman kerja
sebelumnya antara responden laki-laki dan wanita
adalah sama
Ha : variance populasi pengalaman kerja
sebelumnya antara responden laki-laki dan wanita
adalah berbeda
UJi ANOVA
1. Buka file Employee data.sav dengan perintah
File/Open/Data

Pada output hasil rotasi menunjukkan bahwa
autonom 1-4 mengelompok pada factor 1 dan
indicator routine1-4 mengelompok pada factor 2.
Jadi,kesimpulannya
konstruk
AUTONOMI
memiliki unidimensionalitas begitu juga dengan
kontruk ROUTINE dengan kata lain indicator
autonom dan routine semuanya valid.
*hasil Output :

F : 2.582 dengan sig : 0.109 = p>0.05 maka
kesimpulannya adalah Terima Ho (variance sama).
t= 3.361 dengan probabilitas signifikan sig: 0.00.
jadi kesimpulannya adalah rata-rata pengalaman
kerja sebelumnya dengan bulan lalu berbeda
signifikan anatara responden lk dengan pr.
*hasil output
Multivariate normality

2. Analyze/ General Linear Model/ Univariate
3. Pada kotakDependent variable isikan Previous
experience
4. Pada kotak fixed factor isikan variabel kategori
yaitu Employment category (jobcat)
5. Option/Homogeneyty Test (untuk menguji
apakah variabel sama atau tidak)
6. Klik Post Hoc, pindahkan variable jobcat ke
kotak post hoc test for
7. Pilih bonferoni dan Tukey
8. Klik continue dan OK
Sebelum analisis di ANOVA maka harus
memenuhi asumsi-asumsi sbb :
1. Multivariate normality (uji normalitas data
menggunakan Kolmogorof smirnov, histogram
atau skewness kurtosis)
2. Homogenity test asumsi (dilihat pada Levene
test)
3. Test of between subjek (hasil akhir)
Jika telah terdistribusi secara normal maka
dilanjutkan uji ANOVA nya, kalau belum normal
maka dilakukan transformasi data (compute
variable, yaitu dengan membuat data baru). Jika
masih tetap tidak normal maka diberi keterangan
bahwa data tidak terdistribusi secara normal lalu
lanjut ke ANOVA, hal ini juga berlaku di uji
MANOVA .

P 0.05 (Ho diterima)
Test of between-subject effects diketahui F =
483.709 untuk intercept dan signifikan pada 0.05.
pada jobcat F= 69.192 dan signifikan pada 0.05.
maka jobcat mempengaruhi kerja sebelumnya.

Uji MANOVA
1. bukafile employee data.sav
2. Klik Analyze > General Linear Model >
Multivariate
3. pada dependen Variabel diisi 2 variabel metrik
gaji akhir dan pengalaman kerja sebelumnya
4. pada fixed factor isikan kategori pekerjaan
(Jobcat)
5. pada kotak options klik homogeneity tests
6. klik Post Hoc test > bonferoni > Turkey
7. Klik Continue dan OK
Asumsi MANOVA:
1. Multivariate normality
2. Matrik Variance/Covariance (harus sama)
3. Test of Between subject effects
Box’s M test : 220.377 , F test : 36.046 , sig :
0.000 maka P