Perbincangan Seputar Pengolahan Data Penelitian

(Pendekatan Praktis dengan SPSS versi Mahasiswa S1)

Bismillaahirrahmaanirrahiim, Wabihii nasta’inu Subhaanaka laa ’ilmalana illaa maa

‘allamtana innaka antal ‘aliimul hakiim. Alhamdulillahil fattahil jawadil mu’ini min
manihtarohu minal ‘ibadi. Allahumma Shalli ‘ala sayyida Muhammad shahibul
maqom al mahmudi
Penulis berserah diri kepada Allah SWT, yang Maha Suci yang tidak
mempunyai kekurangan dalam segala hal yang diketahui maupun yang tidak ketahui
oleh makhluk-NYA, sehingga mendapat kesempatan untuk menggerakkan tangan bagi
tulisan tulisan kecil ini untuk sekedar berbagi pengetahuan.

Kata Pengantar

…….. Dalam suatu ujian skripsi, tujuh peserta ujian ditanya oleh penguji…. “Apa
alasan anda memilih regresi berganda sebagai alat analisa ?..,” peserta 1, 2 dan 3
menjawab, dengan senyuman alias nggak ngerti, peserta 4 menjawab ikut skripsi yang
lalu, peserta 5 dan 6 menjawab atas saran dosen pembimbing, peserta 7 menjawab
karena pertimbangan masalah penelitian dan tujuan penelitian serta formulasi model
penelitian.
….. mana kira-kira jawaban yang terbaik…….. !
Berdasarkan pengalaman penulis dalam membimbing dan menguji skripsi
selama ini, masih ada beberapa mahasiswa yang telah lupa atau belum faham
mengenai apa dan bagaimana proses analisis data itu dilakukan sebagai alat bantu
pembuatan kesimpulan penelitian.
Suplemen ini merupakan pelengkap modul mata kuliah metode penelitian dan
praktikum statistik yang biasa digunakan oleh penulis dalam memberikan materi
perkuliahan di kelas. Lebih lanjut, suplemen ini disusun atas dasar keinginan penulis
untuk membantu mahasiswa STIEMARA yang sedang menyusun tugas akhir dan ingin
mengolah data secara mandiri.
Terdapat beberapa alat analisa yang umum digunakan oleh mahasiswa S1 dalam
menjawab permasalahan, tujuan serta hipotesis penelitian antara lain analisis regresi
berganda, analisis jalur, uji beda dan analisis factor.
Dalam suplemen ini terdapat petunjuk praktis proses pengolahan data dengan
menggunakan regresi berganda, analisis jalur, uji beda dan analisis factor.
Semoga suplemen kecil ini ada guna dan manfaat bagi yang membutuhkan
khususnya adik-adik mahasiswa dalam menyelesaikan tugas akhirnya.
Hanya Allah yang maha sempurna sehingga karya ini tidak mungkin sempurna,
penyusun mengharap saran guna perbaikan.

Wassalam


Buku ini boleh di copy atau diperbanyak tanpa seijin penulis.
Edisi 1 Tahun 2002

Penyusun

2
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Bagian Satu
Analisa Regresi Berganda
Tujuan penggunaan Regresi Berganda
Regresi Berganda adalah bagian dari analisis multivariate. Tujuan utama analisis
regresi berganda adalah untuk menduga besarnya koefisien regresi. Selanjutnya,
koefisien regresi inilah yang akan menunjukkan besarnya pengaruh peubah bebas
(independent variable/X) terhadap peubah tak bebas (dependent variable/Y).
Kata “berganda” diambil sebagai penjelas untuk menunjukkan bahwa peneliti dalam
penelitiannya menggunakan lebih dari satu variabel bebas (di kampus tercinta ini
variabel diistilahkan dengan kata peubah, pengertian keduanya mempunyai arti yang
sama). Dengan demikian peneliti seharusnya fokus pada regresi berganda. Pemborosan
yang sering dilakukan oleh mahasiswa dalam skripsinya ialah ia menyajikan semua
analisa seperti regresi sederhana, korelasi sedehana, regresi berganda, korelasi
berganda yang pada akhirnya menyebabkan mahasiswa bingung sendiri, alat analisa
mana yang dipakai?.
Seiring kemajuan teknologi software, semua tujuan untuk uji hubungan maupun
pengaruh baik secara bersama-sama maupun secara parsial dapat diselesaikan hanya
dengan satu “click” yaitu “regression”. Semua tindakan olah data itu dapat dilakukan
bahkan berulang-ulang dengan beberapa perbaikan yang dimungkinkan hanya dalam
hitungan menit. Bersyukurlah kita karena sudah ada software pengolah data yang
saudara kenal dengan sebutan SPSS for windows.
Jangan bayangkan statistic berwajah rumus yang “jlimet” dan seabrek
perhitungan lainnya, disini statistik sebagai alat dan sebagai alat ia telah mengalamai
metamorfosis, ibarat menghitung perkalian 2435364 x 647469865, dengan
manual ???? jelas BT abis, tetapi dengan calculator “no problem” Gitu Lho. Demikian
juga regresi berganda, dengan manual ??????, tetapi dengan SPSS “smile dan
menantang”. Yang terpenting dari semua aspek teknis itu saudara bisa membaca hasil
output SPSS tersebut untuk pengambilan kesimpulan atas masalah dan tujuan
penelitian, misal untuk apa mengetahui nilai R, R square, nilai F, nilai b, nilai t, nilai
Sig dan beberapa parameter lain yang diperlukan untuk pengujian hipotesis.

Hiburan…….,
Ibarat anda sakit batuk dan tentu anda beli obat batuk, yang penting adalah anda
mengerti aturan/cara minum, kontra indikasi serta pantangannya. Anda tidak perlu tahu
bagaimana unsur-unsur kimia itu diproses dan bagaimana komposisi zat itu dihitung
takarannya. Sebab itu sudah menjadi tanggung jawab ahli-ahli kimia dan kedokteran
dan tentunya telah melalui proses quality control yang ketat sebelum dijual.
Analisis regresi dengan bantuan software SPSS layaknya seperti contoh diatas. Ketahui
saja bagimana persyaratan-persyaratan sebelum proses input data, pengolahan dan
outputnya sebagai bahan untuk pengambilan kesimpulan, jelaskan temuan angka-
angka itu dengan bersandar pada teori dan empiris, jangan sibuk belajar dari mana asal
muasal angka R, R square, t, beta, dsb apalagi sampai dibuktikan secara manual,
akhirnya energi saudara habis untuk urusan hitung menghitung yang sebenarnya bukan

3
Edisi 1 Tahun 2002

tujuan utama saudara. Akibatnya pembahasan pembuktian thesis, anti-thesis dan

sintesa antara kajian teori dan temuan empiris menjadi tidak tajam karena anda lebih
mengutamakan belajar darimana angka-angka ini tapi bukan belajar apa arti angka-
angka itu. Fenomena ini sering penulis temui ketika menjelang ujian skripsi mahasiswa
sibuk dan stress gara-gara rumus. Bukan sibuk mempersiapkan penjelasan yang logis
atas temuan penelitiannya. Mohon direnungkan……

Sebagai misal peneliti ingin mengetahui apakah ada pengaruh antara gaji karyawan
dan Kedisiplinan kerja karyawan terhadap Prestasi kerja karyawan. Lihat model
penelitian berikut:1

Gaji karyawan

Prestasi kerja karyawan

Kedisiplinan kerja
karyawan

didalam akhir bab II, gambar ini biasanya disajikan sebagai kerangka/model penelitan

Based on the model, dapat kita mengerti bahwa terdapat dua peubah bebas (x1 dan x2)
dan satu peubah terikat (Y), yang selanjutnya ingin diketahui bagaimana pengaruhnya
dengan menggunakan analisis regresi berganda.

Apa yang perlu dipersiapkan ?

Setelah bangunan teori di susun dengan menyajikan argumen yang kuat dan relevan.
Berikutnya perumusan hipotesis dilakukan sebagai dasar pengujian. Dalam contoh
diatas peneliti mempunyai fokus pada peubah gaji karyawan (x1) dan kedisiplinan
karyawan (x2) sebagai peubah bebas yang berpengaruh pada prestasi kerja karyawan
(Y) (lihat model penelitian). Selanjutnya peneliti harus menyusun pengukuran dari
peubah-peubah tersebut. (dalam skripsi saudara, perbincangan ini masuk pada bab III,
Peubah dan Pengukuran2). Untuk mempermudah penguasan peubah dan pengukuran,
saudara lebih baik membuat tabel yang berisikan penjelasan atas peubah dan
pengukuran tersebut, lihat contoh berikut:
1
Model penelitian dimaksudkan untuk membuat penyederhanaan dalam membaca
permasalahan penelitian, sehingga pembaca dapat mengetahui alur atau arah sekaligus cerita
penelitian yang dilakukan.
2
Penjelasan dapat dilihat pada intisari metode penelitian

4
Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

5
Edisi 1 Tahun 2002

Tabel 1. Peubah dan pengukuran

Peubah Penelitian Indikator peubah Skala pengukuran
Gaji karyawan (X1) 1. jumlah gaji 1. ordinal-interval
2. kesesuaian dengan beban 2. ordinal-interval
3. unsur keadilan 3. ordinal-interval
Kedisiplinan karyawan 1. taat pada aturan 1. ordinal-interval
(x2) 2. absensi 2. ordinal-interval
3. pemanfaatan fasilitas 3. ordinal-interval
Prestasi Kerja karyawan 1. kuantitas hasil kerja 1. ordinal-interval
(Y) 2. kesesuaian dengan standart 2. ordinal-interval
3. ketepatan waktu 3. ordinal-interval

Penyusunan peubah dan pengukuran seperti saran diatas juga berlaku untuk bidang
kajian yang lain misalnya bidang pemasaran, SDM, dll.
Setelah peubah dan pengukuran tersebut dikonsultasikan dengan pembimbing dan
dinilai sudah tepat artinya sesuai dengan tujuan penelitian dan kondisi
empiris/lapangan, maka indikator-indikator tersebut untuk selanjutnya digunakan
sebagai bahan penyusunan kuesioner dalam bentuk pertanyaan-pertanyaan.
Selanjutnya kuesioner dibagikan kepada responden, dan jawaban-jawaban responden
yang telah terdokumentasi didalam kuesioner diolah SPSS editor dengan langkah-
langkah sebagai berikut:

Langkah awal.
Lakukan peng-kode-an atas peubah dan indikatornya dengan menyusun terlebih dahulu
peubah dan pengukurannya tersebut sebelum di input kedalam SPSS editor. Lihat
contoh sbb. (berdasarkan tabel hal 3)

Peubah Gaji karyawan (x1),

Indikatornya: x1.1 Jumlah gaji
x1.2 kesesuaian dengan beban kerja
x1.3 unsur keadilan


Penjelasan mengenai skala pengukuran dan teknik prosedur penyusunan instrument
penelitian baca di modul metpen atau konsultasikan pada Dosen pembimbing yang terhormat

6
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Contoh pertanyaan didalam kuisioner:

1. Bagaimana pendapat bpk/ibu/sdr tentang jumlah gaji yang diterima perbulan dari
perusahaan.
a. sangat memadai Jawaban a dinilai 5, b nilai 4, dst, e nilai 1
b. memadai Lihat panduan penyusunan Likert scale, semantic
c. cukup diferensial atau skala guttman dll.
d. kurang
e. sangat tidak memadai

informasi lain : …… …………………………………………………………

……. …………………………………………………………
Terkadang didalam kuesioner perlu diberikan pertanyaan terbuka untuk
memperoleh informasi lain yang mungkin diperlukan dan berguna pada saat
mendeskripsikan profil peubah yang kita amati sekaligus memperkuat penjelasan

Peubah kedisiplinan karyawan (x2)

Indikatornya: X2.13 Taat pada aturan
X2.2 absensi
X2.3 pemanfaatan fasiltas
Selanjutnya buatlah pertanyaan yang mudah dipahami responden seperti contoh diatas.

Peubah Prestasi kerja Karyawan (Y)

Indikatornya: Y.1 kuantitas hasil kerja
Y.2 kesesuaian dengan standart
Y.3 Ketepatan waktu
Selanjutnya buatlah pertanyaan yang mudah dipahami responden seperti contoh diatas.

3
keterangan:
(x1.1; x1.2; Y1 dst hanyalah pemberian istilah saja (kode) untuk mempermudah
mengenali peubah beserta indikatornya. X1.1 artinya indikator kesatu dari peubah 1,
x2.2 artinya indikator kedua dari peubah 2, dst)

7
Edisi 1 Tahun 2002

Menjalankan SPSS.
1. Buka SPSS , bisa open lewat program, windows explorer atau klik dua kali icon
SPSS.
Hasilnya akan nampak seperti ini:

Setelah media spss editor dalam posisi ready, selanjutya tinggal ketik nama-nama
variable beserta masing-masing indikatornya dengan cara sbb: (untuk memulai
memberi nama variable, klik variable view pada bagian paling bawah sebelah kiri)

Hasilnya akan tampak sbb:

Berikutnya entry data bisa dimulai dengan kesabaran dan ketelitian. Sekali lagi proses
ini sangat mudah sekali tinggal klik sana klik sini dan langsung jadi. Hasilnya lihat
dibawah ini.

8
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Data diatas berjumlah n=30 namun hanya tampak n=12

Setelah data lengkap disajikan didalam spss editor selanjutnya akan dilakukan analisis
regresi, dengan tahapan sebagai berikut.

Tahap Awal.
Lakukan uji Validitas dan Reliabilitas seperti petunjuk di bawah ini
 Arahkan pointer saudara pada menu Analyze
 Pilih Scale, selanjutnya pilih Reliability Analysis (lihat kotak )

Berikutnya akan tampak kotak sbb:

9
Edisi 1 Tahun 2002

Masukkan tiap peubah dan indikator ke dalam kotak item (pakai tanda untuk
memasukkan dan mengeluarkan tiap peubah beserta indikatornya) sesuai dengan
kelompoknya masing-masing,
Gambar diatas adalah proses untuk menguji validitas dan reliabilitas untuk indikator-
indikator X1, lakukan hal yang sama untuk x2 dan Y lakukan sesuai kelompoknya

Klik Ok dan hasilnya adalah

Reliability
****** Method 1 (space saver) will be used for this analysis ******

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Mean Std Dev Cases

1. X1.1 3.5667 .7279 30.0

2. X1.2 3.9333 .5833 30.0
3. X1.3 3.9333 .6915 30.0
4. X1TOTAL 11.4000 1.0372 30.0

Item-total Statistics

Scale Scale Corrected

Mean Variance Item- Alpha
if Item if Item Total if Item
Deleted Deleted Correlation Deleted

X1.1 19.2667 2.9609 .5157 .5404

X1.2 18.9000 3.4034 .5499 .5816
X1.3 18.9000 3.5414 .6007 .6758
X1TOTAL 11.4333 1.0816 .7746 .7698

Reliability Coefficients

N of Cases = 30.0 N of Items = 4

Alpha = .7784

10
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Membaca output uji Validitas dan Reliabilitas.

Secara statistik, Instrumen penelitian dikatakan mempunyai tingkat validitas yang baik
jika Nilai corrected item-total correlation dibandingkan dengan nila r kritik pada tabel
harus lebih besar. Instrumen penelitian dikatakan mempunyai tingkat reliabilitas yang
tinggi jika nilai Alpha lebih besar dari 0,6. Jadi instrument penelitian untuk merespon
peubah gaji sudah “valid dan reliable”, lakukan interpretasi yang sama untuk x2 dan Y
dengan bersandar pada ketentuan diatas.
Setelah melakukan uji validitas dan reliabilitas, berikutnya lakukan pengujian asumsi
klasik4 (untuk uji asumsi klasik akan dijelaskan pada bagian akhir).
Proses uji asumsi klasik bisa dilakukan secara bersama dengan analisi regresi
berganda. Dengan tahapan sebagai berikut:

Pilih menu Analyze, pilih Regression, pilih linear, tampilannya akan tampak sebagai
berikut.

4
multikolinieritas, autokorelasi dan heteroskedastisitas, normalitas

11
Edisi 1 Tahun 2002

Klik linear maka akan tampak kotak perintah sbb: ikuti langkah berikut:
 Masukkan peubah bebas (hanya nilai total saja, x1, x2 ) pada kotak
independent
 Masukkan peubah terikat (hanya nilai total Y) pada kotak dependent
 Berikutnya klik icon “statistics….” Kemudian beri tanda check ( ) pada kotak
yang telah disediakan, sesuaikan dengan contoh

Setelah

12
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Selanjutnya klik continue dan klik Ok, maka spss sedang running… tunggu beberapa
saat dan hasil analisis regresi berganda sudah bisa dilihat seperti tampilan berikut ini.

Regression
Variables Entered/Removedb

Variables Variables
Model Entered Removed Method
1 kedisiplina
n, gaji a . Enter
karyawan
a. All requested variables entered.
b. Dependent Variable: prestasi kerja

Model Summaryb

Change Statistics
Adjusted Std. Error of R Square Durbin-W
Model R R Square R Square the Estimate Change F Change df1 df2 Sig. F Change atson
1 .738a .544 .510 .9066 .544 16.103 2 27 .000 2.002
a. Predictors: (Constant), kedisiplinan, gaji karyawan
b. Dependent Variable: prestasi kerja

ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 26.473 2 13.237 16.103 .000a
Residual 22.194 27 .822
Total 48.667 29
a. Predictors: (Constant), kedisiplinan, gaji karyawan
b. Dependent Variable: prestasi kerja

Coefficientsa

Standardi
zed
Unstandardized Coefficien
Coefficients ts Correlations Collinearity Statistics
Model B Std. Error Beta t Sig. Zero-order Partial Part Tolerance VIF
1 (Constant) -4.35E-04 2.181 .000 1.000
gaji karyawan .588 .179 .471 3.279 .003 .642 .534 .426 .819 1.220
kedisiplinan .512 .183 .402 2.799 .009 .602 .474 .364 .819 1.220
a. Dependent Variable: prestasi kerja

13
Edisi 1 Tahun 2002

Berikutnya adalah melakukan interpretasi atas hasil analisis regresi. Dalam membaca
print out SPSS tersebut, saudara harus bersandar pada rumusan masalah, tujuan dan
hipotesis penelitian. Artinya tidak semua angka-angka/parameter diinterpretasikan.

Dalam contoh ini telah disebutkan bahwa peneliti ingin mengetahui dan menguji:
 Apakah ada pengaruh antara gaji karyawan (x1) dan kedisiplinan (x2) terhadap
prestasi kerja (Y) secara bersama-sama mapun secara parsial

Dengan demikian hipotesis penelitian akan dinyatakan :

 Ada pengaruh yang signifikan antara gaji karyawan (x1) dan kedisiplinan (x2)
terhadap prestasi kerja (Y) secara bersama-sama mapun secara parsial.

Atau bisa disusun secara terpisah, sbb.

 Ada pengaruh yang signifikan antara gaji karyawan (x1) dan kedisiplinan (x2)
terhadap prestasi kerja secara bersama-sama.
 Ada pengaruh yang signifikan antara gaji karyawan (x1) terhadap prestasi kerja
(Y) (parsial)
 Ada pengaruh yang signifikan antara kedisiplinan (x2) terhadap prestasi kerja (y)
(parsial)

Jika dimungkinkan, saudara juga diperbolehkan menduga bahwa salah satu variabel
mempunyai pengaruh paling dominan, asalkan saudara mempunyai argumen yang kuat
berdasarkan teori maupun penelitian terdahulu, ingat harus punya argumen tidak
sekedar menduga tanpa dasar atau hanya mengikuti kebiasan dan adat istiadat
penelitian

Misalnya,
Gaji karyawan (x1) mempunyai pengaruh yang paling dominant terhadap prestasi
kerja (Y), pernyataan hipotesis ini tentunya harus didukung dengan alasan yang
kuat bukan berdasarkan toeri, hasil penelitian maupun kondisi empirik objek
penelitian

Sekarang marilah kita mulai dengan belajar membaca print out spss regresi berganda.

Pengujian hipotesis,
Ada pengaruh yang signifikan antara gaji karyawan (x1) dan kedisiplinan (x2)
terhadap prestasi kerja (Y) secara bersama-sama.

14
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Untuk pengujian penelitian, secara statistik biasanya ada prosedur sbb

1. lihat nilai R (koefisien korelasi berganda) gunanya untuk mengetahui keeratan

hubungan antara peubah x1 dan x2 (secara sumultan) terhadap peubah terikat (y).
Nilai korelasi bisa bernotasi negative maupun positif, notasi ini mengindikasikan
bentuk atau arah hunungan yang terjadi. Perhatikan Kriteria nilai korelasi pada
tabel berikut:

Nilai R (korelasi) Kriteria hubungan

0 Tidak ada hubungan
0 – 0,5 Korelasi lemah
0,5 – 0,8 Korelasi sedang/cukup kuat
0,8 – 1 Korelasi kuat
1 Korelasi sempurna

Hasil analisis menunjukkan nilai R= 0.738, hal ini menunjukkan bahwa terdapat
hubungan yang cukup kuat antara gaji karyawan (x1) dan kedisipliinan (x2) secara
bersama-sama terhadap prestasi kerja (Y). Artinya jika x1 dan x2 meningkat maka
Y juga akan meningkat (korelasi positif).
2. Lihat nilai R square (R2) juga disebut sebagai koefisien determinasi gunanya untuk
mengetahui besarnya kontribusi peubah bebas (x) secara serempak didalam
menjelaskan peubah terikat (Y). R Square juga dapat menunjukkan ragam naik
atau turunnya peubah terikat (Y) yang diterangkan oleh pengaruh linier peubah
bebas (X).
Ukuran nilai R Square adalah semakin mendekati angka satu berarti garis regresi
yang terbentuk dapat meramalkan peubah terikat (Y) secara lebih baik menuju
kesempurnaan (model fit)
Dalam tabel model summary, kita lihat nilai R 2 sebesar 0,544. Hal ini diartikan
bahwa peubah bebas dalam hal ini gaji dan kedisiplinan secara bersama-sama
menjelaskan peubah prestasi kerja sebesar 54,4 %, sedangkan sisanya 45,6 %
dijelaskan oleh peubah lain yang tidak diteliti dalam penelitian ini atau model
penelitian.
Semakin besar nilai R2 semakin menunjukkan ketepatan model yang telah disusun
atau model yang diuji (model yang dimaksud adalah model penelitian berbasis
teori).

3. Lihat Nilai F statistic (biasa disebut Uji F) dan Nilai Sig. (lihat table ANOVA)
NIlai F statistic dapat digunakan untuk mengetahui tingkat signifikansi kontribusi
peubah bebas (secara bersama-sama) dalam menjelaskan peubah terikat. Artinya
apakah pengaruhnya nyata atau bermakna. Dengan membandingkan nilai F
statistic dengan nilai F table dapat diketahui tingkat signifikansinya.
Kita lihat dari table ANOVA bahwa nilai F stat sebesar 16.03 sedangkan F table dapat
di tentukan dengan cara melihat tabel sebagai berikut:

15
Edisi 1 Tahun 2002

Lihat df (degree of freedom) atau derajat bebas (db) rumusnya k, n-k-1 atau
langsung lihat di table anova, df nya adalah 2 (jumlah peubah bebas) , dan 27
(jumlah responden – peubah bebas -1 jadi 30-2-1=27) setelah diketahui df nya
berikutnya lihat table F yang tersedia di setiap buku statistik. Cara baca tabelnya
adalah sebagai berikut
Lihat angka 2 pada kolom db pembilang dan lihat angka 27 pada kolom db
penyebut dan hubungkan perpotongan keduanya pada tingkat alpha (misal 0,05)
maka akan terlihat angka sebesar 3,35.
Jika kita bandingkan antara F stat dengan F table maka 16,033.35, jadi keputusannya
adalah menerima hipotesis yang menyatakan bahwa terdapat pengaruh yang
signifikan antara gaji karyawan (x1) dan Kedisiplinan karyawan (x2) secara
bersama-sama terhadap prestasi kerja karyawan (Y)

Cara lain untuk melihat tingkat signifikansi.

Cara menarik kesimpulan untuk menerima atau menolak hipotesis dapat juga
dilakukan dengan melihat nilai signifikansi atau nilai Sig pada table anova. Cara ini
lebih mudah dan praktis yaitu cukup membandingkan antara nilai Sig tersebut dengan
standar kesalahan atau alpha yang telah ditetapkan oleh peneliti. Biasanya peneliti
menetapkan alpha 5 persen atau 0,05 walaupun untuk penelitian sosial alpha 10 persen
pun masih ditoleransi. Dalam table anova terlihat nilai Sig sebesar 0.000 yang masih
dibawah alpha sebesar 0,05, artinya semua obyek yang diamati (30 responden) sesuai
dengan model yang ditetapkan. Jadi 30 karyawan yang menjadi obyek amatan
menjelaskan bahwa secara bersama-sama antara gaji dan disiplin mempengaruhi
prestasi kerja. Dua cara tersebut, yaitu membandingkan antara F stat dengan F table
atau membandingkan Nilai Sig dengan Alpha, silahkan saudara pilih mana yang lebih
mudah.

Analisis Secara Parsial

Setelah mengetahui pengaruh secara bersama-sama, selanjutnya kita akan

analisis bagaimana pengaruhnya secara parsial (pengaruh secara sendiri-sendiri,
artinya bagiamana pengaruh X1 thd Y dalam kondisi X2 dikontrol/tetap/cateris
paribus).
Adapun manfaat lain mengetahui pengaruh secara parsial adalah untuk
mencari informasi dari keseluruhan peubah bebas, peubah mana yang pengaruhnya
paling dominan atau paling besar.
Untuk tujuan itu kita bisa lihat dari table coefficient berikut ini.

16
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Coefficientsa

Standardi
zed
Unstandardized Coefficien
Coefficients ts Correlations Collinearity Statistics
Model B Std. Error Beta t Sig. Zero-order Partial Part Tolerance VIF
1 (Constant) -4.35E-04 2.181 .000 1.000
gaji karyawan .588 .179 .471 3.279 .003 .642 .534 .426 .819 1.220
kedisiplinan .512 .183 .402 2.799 .009 .602 .474 .364 .819 1.220
a. Dependent Variable: prestasi kerja

17
Edisi 1 Tahun 2002

Secara parsial semua peubah bebas mempunyai pengaruh yang signifikan hal ini bisa
dilihat dari nilai t stat maupun Sig, dimana nilai t stat lebih besar dari t table sedangkan nilai
Sig masih dibawah Alpha 0,05
Peubah gaji karyawan pengaruhnya signifikan terhadap prestasi kerja (t stat =3.279 > t
table=2,056). Demikian juga nilai Sig=0.003 < 0,05 dengan koefisien regresi sebesar
0.588.
Hal ini menyimpulkan bahwa hipotesis diterima.

Demikian juga dengan peubah kedisiplinan, dengan melihat nilai yang sama seperti
diatas dapat disimpulkan bahwa, kedisiplinan mempunyai pengaruh signifikan
terhadap prestasi kerja. Hal ini menyimpulkan bahwa hipotesis diterima.

Dari kedua peubah tersebut, dapat disimpulkan bahwa peubah gaji karyawan
mempunyai pengaruh yang paling dominant, hal ini ditunjukkan oleh nilai B maupun
nilai beta dan t yang lebih besar dan Sig yang lebih kecil dibandingkan dengan peubah
kedisiplinan.

Rekapitulasi hasil analisis regresi berganda

Gaji karyawan (x1)

B=0,588
t=3,279 R = 0,738
Sig=0,003 R2 = 0,544
Prestasi kerja karyawan
(Y).
F =16,03
Sig = 0,00

Kedisiplinan kerja
karyawan (x2)
B=0,512
t=2,799 Semua Hipotesis diterima, pada :
Sig=0,009 F tabel = 3,35
t table = 2,056
Alpha = 0,05

18
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Jadi untuk tujuan penelitian ini beberapa parameter yang harus saudara ketahui ialah:
Nilai R, R square, Nilai F(uji F), Nilai koefisien b atau beta, Nilai t (uji t), Nilai Sig
Ketika saudara mengartikan beberapa nilai statistik tersebut, itu berarti saudara sudah
melakukan interpretasi secara statistik. Pekerjaan saudara selanjutnya adalah
menjelaskan atau interpretasi secara teoritis dan empiris (pemaknaan temuan
penelitian). Artinya secara statistik terbukti ada pengaruh nyata (berdasarkan pada
parameter-parameter tsb), berikutnya perlu penjelasan dan pemaknaan, ….mengapa
dan bagaimana itu terjadi, untuk itu kuasai dasar teorinya dan pertajam hasil observasi
empiris untuk menyingkap yang tersurat dari penelitian saudara.

Oh ya hampir lupa, terkadang pembimbing menghendaki ada asumsi klasik

dalam analisis regresi sebagai syarat, untuk urusan yang satu ini disarankan saudara
berdiskusi secara langsung dengan dosen statistic yang ada atau berdiskusi dengan
dosen pembimbing yang terhormat atau ke penulis. InsyaAllah kami bantu asalkan
mampu.

19
Edisi 1 Tahun 2002

Bagian Dua
Path Analysis (Analisa Jalur)5
Prinsip dan keterbatasan
Path Analysis (analis jalur) pada dasarnya merupakan cabang dari multiple regression.
Dalam analisis jalur terdapat suatu set variabel yang merupakan kumpulan atau
rangkaian dari beberapa hubungan antar variabel yang telah membentuk sebuah model
penelitian yang kita yakini variabel-variabel tersebut saling berpengaruh satu dengan
yang lainnya. Tujuan path analysis adalah memberikan estimasi terhadap hubungan
sebab akibat antara variabel-variabel yang diteliti. Disamping mengetahui hubungan,
dengan path analysis peneliti akan mengetahui pengaruh secara langsung maupun
pengaruh secara tidak langsung antar variabel tersebut.
Seperti halnya alat analisa yang lain, path analysis juga mempunyai keterbatasan.
Keterbatasannya adalah : (1) tidak bisa digunakan untuk menguji pola hubungan
timbal balik (feed back). Jadi gerak hubungan hanya dimungkinkan untuk lurus atau
turun artinya satu tujuan. (2) setiap ada intervening variable, maka ia dianggap sebagai
dependent variable. (3) skala pengukuran hanyalah interval atau rasio. Sedangkan
untuk skala nominal, ordinal atau dichotomies tidak mungkin dilakukan.

Penggunaan
Sebagai contoh perhatikan figure 16 yang menjelaskan sebuah set variabel yang
berhubungan dengan survey tentang kepuasan kerja.

5
Prosedur analisis jalur sama dengan regresi berganda yang telah dibahas pada bagian 1.
6
Model ini dikutip dari Bryman, A. & Cramer,D.(1990). Quantitative data analysis for social
scientists, pp.246-251)

20
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Diagram Input
Masa kerja
Kepuasan kerja

otonomi

income

Figure 1 menjelaskan bahwa peneliti ingin mengetahui bagaimana pengaruh kepuasan

kerja yang akan diukur dari masa kerja, otonomi dan income secara langsung maupun
tidak langsung.
Untuk mengetahui tujuan itu, kita harus menghitung path coefficients. Path
coefficients ini bisa kita peroleh dari nilai standardized regression coefficient atau beta.
Pada bahasan regresi berganda nilai beta terdapat pada table coefficient.

Selanjutnya kita akan merumuskan persamaan dasar berdasarkan figure 1 sebagai

berikut:

1. kepuasan kerja = 11 masa kerja + 12 otonomi + 13 income + e1

2. Income = 21 masa kerja + 22 otonomi + e2
3. Otonomi = 31 masa kerja + e2

Keterangan:
 adalah path coefficient, yang diperoleh dari nilai beta.
e1, e2, e3 adalah error atau unexplained variance. Jika diperlukan nilai e 1, e2, e3, diperoleh
dari 1-R2 (note: bukan 1-R2 adj)
Formulasi persamaan ini pada dasarnya sama dengan regresi berganda, namun nilai
konstanta (a) tidak diperlukan. (bryman, A. & Cramer, D:1990:246-251)

Tahapan pengoalahan data.

Berdasarkan figure 1 maka, proses pengolahan untuk mencari nilai –nilai yang
diperlukan seperti nilai , R2 dan e akan dilakukan secara bertahap. Lakukan analisis
regresi dengan formulasi sbb:

21
Edisi 1 Tahun 2002

Indentifikasi variabel dan formulasi persamaan regresi

Taha Variabel Variable dependent Persamaan
p independent
1  Masa kerja (x11)  Kepuasan kerja 11 masa kerja + 12otonomi
 Otonomi (x12) (Y1) + 13income + e1
 Income (x13) (regresi berganda)
2  Masa kerja (x21)  Income(Y2) 21masa kerja + 22otonomi
 Otonomi (x22) + e2
(regresi berganda)
3  Masa kerja (x31)  Otonomi (Y3) 31masa kerja + e2
(regresi sederhana)
4  Masa kerja (x)  Kepuasan kerja  masa kerja + e1
(Y) (regresi sederhana)

Setelah diolah dengan spss, masukkan setiap nilai beta pada garis panah yang
menghubungkan antar variable untuk mempermudah pembacaan hasil dan interpretasi
hasil analisis. Sebagai misal lihat diagram output berikut:

Diagram output ( p<0.05)

Masa kerja  - 0.08

Kepuasan kerja

 0.28  0.58

otonomi

 0.22
 0.57  0.47
income

22
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Berdasarkan diagram output kita bisa menarik kesimpulan secara statistic sebagai
berikut.
1. Pengaruh secara langsung antara masa kerja dengan kepuasan adalah -0.08 (pola
negative)
2. Pengaruh secara tidak langsung dapat kita hitung sebagai berikut:

masa kerja  income  kepuasan kerja = 0.57 x 0.47 = 0.26

masa kerja  otonomi  kepuasan kerja = 0.28 x 0.58 = 0.16
masa kerja  otonomi  income  kepuasan kerja= 0.28 x 0.22 x 0.47 = 0.03
Total pengaruh tidak langsung = 0.45
Total pengaruh adalah -0.08 + 0.45 = 0.37

Interpretasi
Hasil ini menjelaskan bahwa secara uji statistik pengaruh langsung antara masa kerja
dengan kepuasan adalah kecil dan negative (-0.08), sedangkan pengaruh secara tidak
langsung adalah positif dan lebih besar (0.37). Berikutnya peneliti menjelaskan secara
teoritis dan empiris mengapa hal itu terjadi.
Menurut logika penulis hal ini sangat dimungkinkan sebab semakin lama masa kerja
jika tidak diikuti oleh peningkatan peran akan menyebabkan pegawai merasa jenuh dan
berada pada tingkat maturity atau kejenuhan, kondisi ini mungkin menyebabkan
pegawai merasa bosan sehingga kepuasan kerjanya menjadi menurun. Lain halnya jika
masa kerja yang lama dibarengi juga dengan peningkatan wewenang untuk mengatur
aktivitasnya (otonomi), perbaikan pendapatan atau pergharaan lain (income), maka
kepuasan kerja akan meningkat sebab pegawai merasa semakain dihargai senioritas
dan pengabdiannya. Tentunya pendapat yang disampaikan akan lebih kuat jika
didukung oleh teori maupun hasil penelitian terdahulu.
Demikian Path Analysis, ia mempunyai kelebihan dibanding regresi berganda
biasa dimana ia dapat mengungkap pengaruh secara langsung maupun pengaruh secara
tidak langsung yang mungkin diperlukan peneliti.

23
Edisi 1 Tahun 2002

Bagian Tiga
Analisa Paired – Samples t tests
dan Independent Samples t tests
(Uji Beda Untuk Sampel Berpasangan dan Tidak Berpasangan)

Analisa uji beda untuk sample berpasangan (Paired – Samples t tests)

Terkadang tujuan penelitian menyebutkan ingin mengetahui perbedaan antara dua
kelompok yang diamati. Misalkan Peneliti ingin mengetahui apakah ada perbedaan
rasa kopi antara merek A dan merek B. Untuk tujuan ini bisa digunakan Uji t atau uji
beda untuk sample yang berpasangan. Perhatikan contoh berikut:

Contoh 1
Misal, peneliti ingin mengetahui apakah ada perbedaan antara rasa kopi merek A dan
merek B. Untuk tujuan tersebut peneliti telah menyiapkan 10 orang relawan yang suka
kopi untuk mencoba rasa kopi merek A dan merek B. kemudian diminta memberikan
nilai dengan skala 1 sampai dengan 8 seperti berikut.

Skala pengukuran (semantic differential)

Tidak Enak Cukup Sangat Enak
1 2 3 4 5 6 7 8

Hasil dari kuesioner ditampilkan dalam tabel sbb.

Relawan Kopi A Kopi B

1 8 6
2 8 7
3 6 7
4 7 5
5 6 5
6 8 7
7 8 8
8 5 6
9 8 7
10 6 5

Berikutnya untuk menjawab tujuan penelitian, data tersebut kita siapkan di SPSS editor
dengan langkah sebagai berikut:

24
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Selanjutnya analisa dapat dimulai dengan langkah sbb:

Klik Analyze pilih Compare Means pilih Paired Samples T Test. Maka akan tampil
BOX seperti berikut:
Selanjutnya klik merek a (a) dan merek b (b) kemudian klik tanda panah maka merek
a dan merek b yang dibandingkan masuk dalam kotak Paired Variables, Kemudian
OK,

Hasil pengolahan dengan menggunakan SPSS dapat dilihat pada output dibawah ini.

25
Edisi 1 Tahun 2002

T-Test
Paired Samples Statistics

Std. Error
Mean N Std. Deviation Mean
Pair merek a 7.0000 10 1.1547 .3651
1 merek b 6.3000 10 1.0593 .3350

Paired Samples Correlations

N Correlation Sig.
Pair 1 merek a & merek b 10 .545 .103

Paired Samples Test

Paired Differences
95% Confidence
Interval of the
Std. Error Difference
Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed)
Pair 1 merek a - merek b .7000 1.0593 .3350 -5.78E-02 1.4578 2.090 9 .066

Dari hasil diatas dapat ditarik kesimpulan sebagai berikut:

Hipotesisnya
Ho: µa-µb = 0, artinya antara merek a dan merek b tidak ada perbedaan rasa
Ha: µa-µb ≠ 0, artinya antara merek a dan merek b ada perbedaan yang significant
tingkat signifikan menggunakan 0.05
Dari uji Paired - samples t test yang digunakan untuk menguji hipotesis menyatakan
bahwa ada perbedaan nilai rata-rata, merek a dengan mean =7 merek b dengan
mean=6.3, tetapi perbedaan tersebut tidak significant dimana t=2.09 dan p<0.066
( pada significant level 0.05). Informasi lainnya adalah terdapat korelasi yang positif
antara merek a dan merek b artinya peningkatan kepuasan merek a akan juga diikuti
peningkatan kepuasan merek b, hal ini mengindikasikan antara merek a dan merek b
mempunyai daya saing yang relative sama dari segi rasa.

Contoh 2.
Misal peneliti ingin mengetahui apakah BPNN selaku badan penyehatan perbankan
berhasil meningkatkan kinerja Bank yang menjadi pasiennya. Untuk tujuan itu
diperlukan indikator untuk menilai kinerja bank tsb, misalnya CAR. Andaikan ada 10
bank yang telah diperbaiki dengan nilai CAR sebelum dan sesudah ditangani BPPN
selengkapnya disajikan dalam tabel berikut.

26
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Bank CAR (%)

Sebelum Sesudah
Masuk Masuk
BPPN BPPN
A -2 3,5
B 1 4,6
C 0,5 3,7
D -4 2,1
E -4 1,2
F -3 2
G 0,5 3,8
H 2 6,6
I 1,3 4.8
J -1 3

Kriteria Hipotesis yang diajukan.

Ho: µa-µb = 0 maka usaha BPPN untuk meningkatkan CAR yang sakit, tidak berarti
Ha: µa-µb  0 maka usaha BPPN untuk meningkatkan CAR yang sakit, berarti.
Tingkat signifikansi adalah 0.05
Dengan tahapan analisis seperti pada contoh satu maka didapat output spss sebagai
berikut:

T-Test
Paired Samples Statistics

Std. Error
Mean N Std. Deviation Mean
Pair SEBELUM -.8700 10 2.2514 .7120
1 SESUDAH 3.5300 10 1.5770 .4987

Paired Samples Correlations

N Correlation Sig.
Pair 1 SEBELUM & SESUDAH 10 .917 .000

Paired Samples Test

Paired Differences
95% Confidence
Interval of the
Std. Error Difference
Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed)
Pair 1 SEBELUM - SESUDAH -4.4000 1.0220 .3232 -5.1311 -3.6689 -13.615 9 .000

Dari output diatas dapat ditarik suatu kesimpulan sebagai berikut:

Dilihat dari nilai rata-rata, ternyata ada perbedaan kinerja bank (CAR) antara sebelum
(mean=-0.87) dan sesudah di tangani BPPN (mean=3.35). Perbedaan tersebut

27
Edisi 1 Tahun 2002

singnificant dengan t=-13.615 dan p>0.000. Sehingga BPPN patut mendapat pujian
karena mampu meningkatkan nilai CAR bank sakit yang ditangani. Jadi Ha diterima.
Informasi lainnya adalah dari nilai korelasi positif , sangat kuat dan significant
(r=0.917; sig<p) artinya bank dengan posisi CAR baik(positif) cenderung akan
semakin meningkat kinerjanya setelah ditangani BPPN. Atau bisa diartikan Usaha
BPPN ditunjang juga oleh kinerja Bank yang ditangani sebelumnya.
Demikian mengenai Uji beda untuk sample yang berpasangan. Dua kasus tersebut
hanyalah contoh, dan masih bisa dikembangkan untuk menjawab permasalahan
penelitan yang lain.

Uji beda untuk uji satu kelompok (one samples t test)

Sekarang mari kembali pada contoh kasus 2, dimana peneliti ingin mengetahui apakah
target BPPN untuk menyehatkan bank sakit mampu memiliki CAR 3% dapat
dikatakan tercapai secara keseluruhan.
Dengan demikian maka hipotesis dapat dirumuskan sebagai berikut:
Ho= bank = 3%
Ha= bank  3%
Tingkat signifikan menggunakan 0.05
Selanjutnya mari kita uji hipotesis tersebut, dengan langkah-langkah pengolahan
sebagai berikut.

Pilih Compare mean, pilih one samples t test

Pilih “variable sesudah” untuk dianalisa, dengan test value 3. dan confidence interval
95%. Klik OK, tunggu data sedang diolah .

28
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Hasil pengolahan akan nampak sebagai berikut:

T-Test
One-Sample Statistics

Std. Error
N Mean Std. Deviation Mean
SESUDAH 10 3.5300 1.5770 .4987

One-Sample Test

Test Value = 3
95% Confidence
Interval of the
Mean Difference
t df Sig. (2-tailed) Difference Lower Upper
SESUDAH 1.063 9 .316 .5300 -.5981 1.6581

Kesimpulan yang dapat ditarik dari print out tersebut adalah:

Secara keseluruhan CAR bank yang ditangani oleh BPPN dengan batas ambang CAR
3% terpenuhi. Hal ini ditunjukkan oleh Nilai t=1.063 dengan p<0.316 yang artinya
tidak ada perbedaan signifikan sehingga H0 diterima.

Latihan
Sebuah industri bola lampu ingin menguji apakah produknya mempunyai daya nyala
selama 1000 jam nonstop. Untuk keperluan pengujian, telah diambil 10 bola lampu
secara acak dari 2 lini produk masing-masing 5 unit dan dinyalakan secara bersama-
sama dan daya tahan lampu tersebut didokumentasikan seperti dalam table berikut.

29
Edisi 1 Tahun 2002

lampu Daya tahan

(jam)
1 998
2 1050
3 1025
4 1068
5 998
6 1009
7 1016
8 935
9 1005
10 997

Dengan langkah yang sama maka hasil disajikan sebagai berikut

T-Test
One-Sample Statistics

Std. Error
N Mean Std. Deviation Mean
WAKTU 10 1010.1000 35.4854 11.2215

One-Sample Test

Test Value = 1000

95% Confidence
Interval of the
Mean Difference
t df Sig. (2-tailed) Difference Lower Upper
WAKTU .900 9 .392 10.1000 -15.2847 35.4847

Berdasarkan hasil perhitungan tersebut, apa kesimpulan saudara ?.

30
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Bagian Empat
Analisis Faktor
Dasar pemikiran

Terkadang dalam suatu penelitian kita dihadapkan pada beragam factor atau variable
yang diduga mempunyai kaitan dengan suatu permasalahan yang ingin kita cari tahu
jawabannya. Banyaknya factor atau variable ini terkadang bisa membuat bias dalam
perumusan/formulasi permsalahan atau terkadang akan merepotkan peneliti karena
harus mengendalikan banyaknya variable atau factor tersebut yang secara bangunan
teori terkadang kurang kuat.
Berdasar pada situasi tersebut maka timbul pemikiran untuk mereduksi atau meringkas
beragam factor atau variable tersebut menjadi suatu bentuk/model teori yang baru
dengan harapan model tersebut nantinya akan dapat menjelaskan secara optimal
tentang permasalahan yang ingin kita cari tahu jawabannya.
Dengan demikian, merujuk pada pendapat Malhotra (1993), analisis factor adalah
merupakan sekelompok prosedur untuk mengurangi dan meringkas data.

Dengan model matematisnya adalah :

Xi = Ai1F1 ┿ Ai2F2 ┿ Ai3F3 ┿ …………. ┿ AimFm ┿ ViUi

Xi :variable standar ke-i

Aij :koefisien loading dari variable I pada factor umum j
F :factor umum
Vi :koefisien standartized loading dari variable I pada factor khusus I
Ui : factor khusus bagi variable I
m :jumlah dari factor umum

Sedangkan faktor-faktor umum dapat dinyatakan sebagai berikut:

F1 = Wi1Xi1+Wi2Xi2+Wi3Xi3+…………+WikXik

Ket:
F1 :estimasi factor loading ke-1
Wi :bobot atau koefisien nilai factor
k :jumlah variabel

Akurasi Model Faktor

Agar terdapat kesesuaian antara permasalahan yang akan dijawab beserta data yang
diperoleh dengan alat analisis yang akan digunakan maka perlu dilakukan telaah
akurasi model factor. Prosedur dalam analisis factor adalah mengikuti beberapa
tahapan sebagai berikut:

31
Edisi 1 Tahun 2002

Memformulasikan
permasalahan

Membuat matrik korelasi

Menentukan jumlah
factor/komponen

Rotasi faktor

Interpretasi factor-faktor

Menghitung skor Memilih variable

faktor pengganti

Menentukan Model Fit

Gambar 1. Prosedur analisi faktor. (Malhotra:1996)

Penjelasan Gambar 1.

1. Memformulasikan permasalahan

Beberapa yang perlu diperhatikan dalam memformulasikan permasalahan yaitu:

 Mengidentifikasi tujuan analisis faktor
 Variabel-variabel yang akan dimasukkan dalam analisis faktor berdasarkan
pada penelitian terdahulu, teori dan keputusan peneliti.
 Kesesuaian antara instrumen penelitian dengan sampel penelitian.

2. Membentuk matrik korelasi.

32
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Proses analisis berdasarkan pada matriks korelasi antar variable-variabel yang

diteliti. Agar analisis faktor dapat dilakukan variabel-variabel tersebut harus
berkorelasi. Jika korelasi antar variabel kecil maka analisis faktor tidak dapat
dilakukan. Pengujian korelasi antar variabel tersebut merupakan langkah
pendahuluan sekaligus sebagai tindakan koreksi seperlunya. Selanjutnya
diteruskan dengan penentuan metode yang cocok dalam analisis faktor. Metode
yang lazim digunakan jika fokus tujuannya adalah untuk menentukan jumlah
faktor minimum dari berbagai faktor yang ada yaitu: Principal Component analysis
(PCA)

3. Menentukan jumlah factor

Dalam tahap ini informasi-informasi dalam variable-variabel awal diekstraksi
menjadi factor-faktor yang lebih kecil. Dengan menggunakan criteria eigenvalues
dimana dalam pendekatan ini, hanya factor yang mempunyai eigenvalues lebih
besar dari 1 akan dipilih sedangkan yang laiinya tidak disertakan dalam model.

4. Rotasi factor.
Hasil penyederhanaan dalam matrik factor memperlihatkan hubungan antara factor
dengan variable individual. Tetapi dengan banyaknya variable yang saling
berkorelasi sehingga sulit untuk diinterpretasikan. Untuk itu harus dilakukan rotasi
factor matrik yang hasilnya lebih sederhana sehingga mudah dibaca. Dalam rotasi
matrik factor ini metode yang digunakan adalah Varimax yaitu metode rotasi
orthogonal untuk meminimumkan jumlah variable dengan berpedoman pada nilai
loading tertinggi.

5. Interprestasi faktor-faktor.
Interprestasi factor dapat dilakukan dengan mengelompokkan variable yang
mempunyai factor loading tertinggi kedalam factor tersebut. Untuk interpretasi
hasil perilaku ini, factor loading dengan nilai > 0,5 sedangkan yang < 0,5
dikeluarkan dari model.

6. Menentukan Model Fit

Tahap akhir dalam analisis factor adalah menentukan model fit yaitu untuk
mengetahui apakah model mampu menjelaskan data dengan baik.

Beberapa ketentuan yang harus diketahui dalam FA

1. Uji Bartlett
Yaitu uji tingkat independen dari variable-variabel. Hasil Bartlett test of sphericity
dengan melihat tingkat signifikansi kesalahan untuk mengindikasikan sejauhmana
antar variable tersebut berkorelasi.

2. Nilai KMO (kaiser-meyer-olkin)

33
Edisi 1 Tahun 2002

Untuk mengetahui ketepatan dari analisis factor. Nilai KMO > 0,5 dianggap
mempunyai ketepatan.

34
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Ukuran ketepatan KMO

Ukuran KMO Rekomendasi

>0.9 Baik sekali
>0.8 Baik
>0.7 Sedang/agak baik
>0.6 Cukup
>0.5 Kurang
<0.5 Ditolak

3. Penentuan jumlah factor.

Untuk menentukan jumlah factor biasanya digunakan ukuran sbb:
 Eigenvalue > 1 (menurut pendapat kaiser) atau > 0,5 (menurut pendapat lawley
and maxwell)
 Persentase kumulatif > 60% atau mencapai 85%

4. Model FIT
Analisis ini sebenarnya untuk seberapa besar residual antara korelasi yang diamati
dengan korelasi yang direproduksi. Sebagai ukuran jika terdapat banyak nilai
residual melebihi nilai absolut 0.05 maka model tidak dapat diterima.

Petunjuk praktis teknis Analisis Faktor dengan SPSS.

Follow this direction

 Open SPSS
 Siapkan data yang akan diolah
 Klik menu analyze, pilih Data Reduction, pilih factor.
 Muncul box menu berisikan:
 Kotak variables (sebelah kiri berisikan variable, kanan kosong)
Masukkan variable yang akan difaktorisasi (kolom sebelah kiri) kedalam
kolom sebelah kanan, dengan menekan tanda ►.
 Descriptives (pada menu box, pilih coefficient dan KMO and Bartlett test
atau klik semua pilihan), continue
 Extraction ( pada menu box, pilih metode principal component, eigenvalue
1 atau 0,5. continue
 Rotation (pada menu box pilih method varimax )continue
 Scores
 Option
 Tekan OK, output akan nampak seperti dibawah ini:

35
Edisi 1 Tahun 2002

Contoh Print out factor analysis dari SPSS

KMO and Bartlett's Test

Kaiser-Meyer-Olkin ,644
Measure of Sampling
Adequacy.
Bartlett's Test of Sphericity Approx. Chi- 562,809
Square
df 153
Sig. ,000

Cara membaca table:

 Uji Bartlett's Test of Sphericity menyatakan sebesar 562,809 dengan Sig.
0,000. artinya peluang terjadi kesalahan untuk variable saling tidak
independent sebesar 0% dengan demikian antar variable memiliki korelasi.
 Nilai Kaiser-meyer-olkin / KMO measure of sampling adequacy sebesar 0,644
melebihi nilai baku 0,5 maka analisis factor memiliki ketepatan untuk
digunakan.

Total Variance Explained

Initial
Eigenvalues Rotation Sums of Squared Loadings

Componen Total % Cumulative Total % Cumulative

t of Variance % of Variance %
1 3,920 21,779 21,779 2,526 14,032 14,032
2 2,700 15,002 36,781 2,307 12,817 26,849
3 2,279 12,662 49,444 2,273 12,626 39,475
4 1,909 10,604 60,048 1,994 11,079 50,554
5 1,382 7,678 67,726 1,625 9,026 59,580
6 ,980 5,447 73,173 1,280 7,109 66,689
7 ,907 5,040 78,213 1,162 6,456 73,145
8 ,708 3,932 82,145 1,155 6,416 79,561
9 ,598 3,321 85,466 1,063 5,905 85,466
10 ,489 2,719 88,185
11 ,397 2,204 90,388
12 ,335 1,863 92,251
13 ,327 1,817 94,069
14 ,293 1,630 95,699
15 ,266 1,480 97,179
16 ,219 1,219 98,398
17 ,166 ,924 99,323
18 ,122 ,677 100,000

36
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Extraction Method: Principal Component Analysis.

Cara membaca table:

Dengan menggunakan metode principle component diperoleh 9 faktor dari 18 variabel
yang telah diajukan. Hasil tersebut diperoleh dengan melihat nilai eigenvalue yang
lebih besar dari 0,5. (ketika mengolah penulis menetapkan eigenvalue=0,5, namun jika
yang ditetapkan sebesar 1 makan hanya terdapat 5 faktor yang akan membentuk
model).
9 faktor tersebut memiliki Cumulative % sebesar 85,466 %. Dengan demikian asumsi
kedua telah terpenuhi yaitu menetapkan eigenvalue sebesar 0,5 dengan perolehan %
kumulatif variance sebesar > 85,466%.

Reproduced Correlations
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X1 X1 X1 X1 X1 X1 X17 X1
1 2 3 4 5 6 8
Rep X1 , , , , , - - 2,9 , -,160 - 4,6 , , - 5,2 ,126 ,
rod 839 786 627 346 335 4,3 6,7 33 313 7,723E 137 125 5,192E 263
uce 22E 81E E- 04 -02 07 -02
d -03 -02 02 E- E-
Cor 02 02
rela
tion
X2 , , , , , 2,6 - 6,6 , 9,155 , , , 9,2 - , ,133 ,
786 841 641 348 378 38E 9,2 56 294 E-02 183 293 17551E 3,3 110 359
-02 56E E- -02 97
-02 02 E-
02
X3 , , , , , - 8,9 3,4 , 2,196 8,0 , , , - 4,6 ,219 ,
627 641 794 573 642 2,0 99E 26 196 E-02 35 248 241 123 2,222E 103
50E -03 E- E- 59 -02
-02 02 02 E-
02
X4 , , , , , - - , , - - , , 9,5 , , ,228 ,
346 348 573 912 483 2,0 7,1 210 354 9,470 9,8 240 17945E 197 224 211
26E 19E E-02 44 -02
-02 -02 E-
02
X5 , , , , , - , , , - - 9,7 , --,12 -,14 6,005 ,
335 378 642 483 896 1,9 151 175 133 2,107 7,184E 318 3,9 4 4 E-02 310
01E E-02 14 -02 69E
-02 E- -02
03
X6 - 2,6 - - - , , , , ,290 , , 3,9 , - - 6,378 -

37
Edisi 1 Tahun 2002

4,3 38E 2,0 2,0 1,9 760 659 668 350 192 13771E 212 1,2 8,2 E-02 7,7
22E -0250E26E01E -02 2516E 24E
-03 -02 -02 -02 E- -03 -02
03
X7 - - 8,9 - , , , , , ,176 6,7 2,2 , , 5,2 -,10 ,227 -
6,7 9,299E 7,1 151 659 844 501 432 6245E 171 331 72 0 2,0
81E 56E -0319E E- -02 E- 59E
-02 -02 -02 02 02 -02
X8 2,9 6,6 3,4 , , , , , , 8,641 6,6 3,4 , 8,4 , , 3,736 ,
33E 56E26E 210 175 668 501 871 255 E-02 7896E 14863E 126 156 E-02 168
-02 -02 -02 E- -02 -02
02
X9 , , , , , , , , , 3,747 - , - , 6,5 - ,218 ,
313 294 196 354 133 350 432 255 896 E-02 5,1 163 4,6 155 69 4,5 440
08 44E E-26E
E- -02 02 -02
02
X1 -,16 9,1 2,1 - - , , 8,6 3,7 ,841 , , , ,-,10 - - -
0 0 55E96E 9,4 2,1 290 176 4147E 693 711 177 216 8 2,8 1,640 2,8
-02 -0270E07E E- -02 72E E-02 02E
-02 -02 02 -02 -02
X1 - , 8,0 - - , 6,7 6,6 - ,693 , , 5,5 - , , ,297 2,1
1 7,7 18335E 9,8 7,1 192 62E 78 5,1 841 696 51E 2,9 233 329 44E
04E -0244E14E -02 E-08E -0544E -02
-02 -02 -03 02 -02 -02
X1 4,6 , , , 9,7 , 2,2 3,4 , ,711 , , , , , , ,251 ,
223E 293 248 24084E 137 45E 96 163 696 805 191 198 164 253 134
-02 -02 -02 E-
02
X1 , , , , , 3,9 , , - ,177 5,5 , , , 9,0 7,7 ,111 ,
3 137 175 241 179 318 71E 171 148 4,6 51 191 841 681 9177E 244
-02 44E E- E- -02
-02 05 02
X1 , 9,2 , 9,5 - , , 8,4 , ,216 - , , , , 7,1 ,211 -
4 125 51E 12345E 3,9 212 331 63 155 2,9 198 681 866 12150E 3,2
-02 -0269E E- 44 -02 70E
-02 02 E- -02
02
X1 - - - , -,12 - 5,2 , 6,5 -,108 , , 9,0 , , , ,772 ,
5 5,1 3,3 2,2 197 4 1,2 72E 12669E 233 164 91E 121 885 823 156
07E 97E59E 25E -02 -02 -02
-02 -02 -02 -03
X1 5,2 , 4,6 , -,14 - -,10 , - - , , 7,7 7,1 , , ,678 ,
692E 11022E 224 4 8,2 0 156 4,5 2,872 329 253 77E50E 823 860 125

38
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

-02 -02 16E 26E E-02 -02 -02

-03 -02
X1 , , , , 6,0 6,3 , 3,7 , - , , , , , , ,857 8,0
7 126 133 219 22805E 78E 227 36 218 1,640 297 251 111 211 772 678 84E
-02 -02 E- E-02 -02
02
X1 , , , , , - - , , - 2,1 , , - , , 8,084 ,
8 263 359 103 211 310 7,7 2,0 168 440 2,802 44 134 244 3,2 156 125 E-02 935
24E 59E E-02 E- 70E
-02 -02 02 -02
Res X1 -,11 - 3,4 1,9 6,0 1,3 - - 2,790 1,7 1,3 - - 2,2 - - 9,3
idu 9 6,627E76E 25E 55E 1,3 3,1 E-02 1842E 1,0 1,2 04 2,3 2,832 64E
al 49E -02 -02 -03 -02 1246E E- -02 51E40E E-05E E-03 -03
-02 E- -02 02 -03 -02 02 -02
02
X2-,11 - 9,9 - - 2,4 1,1 2,9 - - 2,3 9,0 - - - 2,489 -
9 4,307E 2,2 3,1 71E 3157E 1,603 2,685E 50E 7,7 1,2 7,0 E-02 3,1
27E -0314E 16E -02 E- -03 E-02 62 -03 -0307E 6908E 45E
-02 -03 -02 02 E- -03 E- -03 -02
02 02
X3 - - - - - 4,7 1,8 1,8 3,686 - - - - 1,1 3,8 - 4,2
6,6 4,3 5,8 7,8 1,6 85E 2399E E-02 3,1 2,8 7,9 5,3 6867E 4,339 96E
49E 27E 93E23E 25E -03 E- -02 7971E 56E54E E- -02 E-02 -02
-02 -02 -02 -02 -02 02 E- -02 -03 -03 02
02
X4 3,4 9,9 - - 1,5 4,9 - - 1,753 4,9 - 3,4 - - - 1,489 2,6
27E 07E 5,8 2,2 91E 41E 4,4 5,2 E-02 15 5,9 66E 8,1 1,6 1,6 E-02 31E
-02 -0393E 74E -02 -02 8868E E- 95E -0312E 0212E -02
-02 -02 E- -02 02 -02 -03 E- -02
02 02
X5 1,9 - - - 4,0 - - 2,0 - 8,2 2,4 - 6,5 1,2 2,4 - -
76E 2,2 7,8 2,2 22E 5,2 1,621E 2,897 2464E 4,894E 8858E 2,675 2,2
-02 14E23E74E -02 69E 91 -02 E-02 E- -02 45E -02 E- -02 E-02 56E
-03 -02 -02 -02 E- 03 -02 02 -02
02
X6 6,0 - - 1,5 4,0 --,14 - - 2,3 1,4 4,0 - 4,6 - - 2,7
25E 3,1 1,691E22E 9,2 2 1,6 7,074 9053E 15E 1,6 55 2,8 1,909 87E
-03 16E25E -02 -02 89E 29E E-02 E- -02 -0239E E-26E E-02 -02
-02 -02 -02 -02 02 -02 02 -02
X7 1,3 2,4 4,7 4,9 - - - - 3,609 - 7,8 - - - 5,8 - 3,1
55E 71E85E41E 5,2 9,2 7,8 6,7 E-02 3,242E 3,5 1,0 2,789E 4,170 41E
-02 -02 -03 -0269E 89E 6456E 23 -03 76E78E 15 -02 E-02 -02
-02 -02 E- -02 E- -02 -02 E-
03 02 02

39
Edisi 1 Tahun 2002

X8 - 1,1 1,8 - - -,14 - 3,0 2,975 - 1,5 - 1,3 - - 6,123 -

1,3 31E23E 4,4 1,6 2 7,8 70E E-02 2,588E 1,772E 2,7 2,7 E-02 2,9
12E -02 -0288E91E 64E -02 74 -02 40E -02 9848E 24E
-02 -02 -02 -03 E- -02 E- -02 -02
02 02
X9 - 2,9 1,8 - 2,0 - - 3,0 - 3,9 - 6,4 - 1,7 6,1 - -
3,1 57E99E 5,221E 1,6 6,7 70 2,314 74 2,1 51E 2,2 0936E 2,191 6,4
46E -03 -0268E -02 29E 56E E- E-02 E- 14E -0235E E- -03 E-02 62E
-02 -02 -02 -02 02 02 -02 -02 02 -02
X1 2,7 - 3,6 1,7 - - 3,6 2,9 - - - - - 7,9 1,7 1,863 2,3
090E 1,686E53E 2,8 7,0 09E 75 2,3 5,5 9,3 3,5 4,4 2697E E-02 67E
-02 03E -02 -0297E 74E -02 E-14E 8890E 50E29E E- -02 -02
-02 -02 -02 02 -02 E- -02 -02 -03 03
02
X1 1,7 - - 4,9 8,2 2,3 - - 3,9 - - 3,2 2,5 - - - -
118E 2,6 3,115E24E 90E 3,2 2,574E 5,588 9,2 00E04E 5,6 1,7 2,567 1,1
-02 62E79E -02 -03 -02 23E 74 -02 E-02 48E -02 -02 1915E E-02 86E
-02 -02 -02 E- -02 E- -02 -02
02 03
X1 1,3 2,3 - - 2,4 1,4 7,8 1,5 - - - - - 5,1 - 7,200 -
242E 85E 2,8 5,964E 53E 42E 88 2,1 9,390 9,2 6,8 2,0 66 1,4 E-03 1,6
-02 -0371E95E -02 -02 -03 E-14E E-02 48 66E37E E-35E 43E
-02 -02 02 -02 E- -04 -02 03 -02 -02
02
X1 - 9,0 - 3,4 - 4,0 - - 6,4 - 3,2 - -,13 2,5 - 2,042 -
3 1,0 50E 7,966E 4,8 15E 3,5 1,751E 3,550 00 6,8 0 65 5,6 E-02 5,8
51E -0356E -0345E -02 76E 40 -02 E-02 E- 66E E-00E 13E
-03 -03 -02 -02 E- 02 -04 02 -02 -02
02
X1 - - - - 6,5 - - 1,3 - - 2,5 - -,13 - 4,4 - 3,4
4 1,2 7,7 5,3 8,194E 1,6 1,0 72 2,2 4,429 04 2,0 0 2,440E 2,414 40E
40E 07E54E12E -02 39E 78E E-35E E-03 E- 37E 38 -02 E-02 -02
-02 -03 -03 -03 -02 -02 02 -02 02 -02 E-
02
X1 2,2 - 1,1 - 1,2 4,6 - - 1,7 7,926 - 5,1 2,5 - - - -
504E 1,268E 1,688E 55E 2,7 2,709E E-03 5,666E 65E 2,4 5,1 5,747 1,8
-02 69E -0202E -02 -02 15E 98 -02 19 -03 -0238E 86E E-02 20E
-02 -02 -02 E- E- -02 -02 -02
02 03
X1 - - 3,8 - 2,4 - 5,8 - 6,1 1,797 - - - 4,4 - - 1,7
6 2,3 7,067E 1,658E 2,8 89E 2,736E E-02 1,7 1,4 5,640E 5,1 7,541 13E
05E 08E -0212E -02 26E -02 48 -03 1535E 00E -02 86 E-02 -02
-02 -03 -02 -02 E- E- -02 -02 E-
02 02 02

40
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

X1 - 2,4 - 1,4 - - - 6,1 - 1,863 - 7,2 2,0 - - - -

7 2,8 89E 4,389E 2,6 1,9 4,1 23 2,1 E-02 2,500E 42E 2,4 5,7 7,5 4,3
32E -0239E -0275E 09E 70E E-91E 67 -03 -0214E 4741E 36E
-03 -02 -02 -02 -02 02 -02 E- -02 E- -02 -04
02 02
X1 9,3 - 4,2 2,6 - 2,7 3,1 - - 2,367 - - - 3,4 - 1,7 -
864E 3,196E31E 2,2 87E 41E 2,9 6,4 E-02 1,1 1,6 5,840E 1,813E 4,336
-03 45E -02 -0256E -02 -02 2462E 8643E 13E -02 20 -02 E-04
-02 -02 E- -02 E- -02 -02 E-
02 02 02
Extraction Method: Principal Component Analysis.
a Residuals are computed between observed and reproduced correlations. There are 25
(16,0%) nonredundant residuals with absolute values > 0.05.
b Reproduced communalities

Cara membaca tabel

Pada tahap ini bertujuan untuk menetapkan Model Fit. Dari hasil perhitungan tabel
Reproduced Correlations disimpulkan sbb:
There are 25 (16,0%) nonredundant residuals with absolute values > 0.05. artinya nilai
residual dari korelasi observasi dengan korelasi reproduksi yang mempunyai korelasi
dengan nilai > 0,5 sangat sedikit yaitu sebesar 16 % sedangkan sisanya 84 %
mempunyai korelasi < 0,05.

Rotated Component Matrix

Component
Factor
1 2 3 4 5 6 7 8 9
X1 -,118 ,891
X2 ,179 ,868 ,107 ,189
X3 ,648 ,102 ,501 -,115 ,288
X4 ,180 ,270 ,287 ,132 ,836
X5 ,273 ,857 ,171 ,198
X6 ,179 ,809 ,217 -,118
X7 -,127 ,653 ,227 ,231 ,469 -,116 -,243
X8 ,891 ,172 ,176
X9 ,229 ,262 ,809 ,281 ,198
X10 -,144 ,876 ,131 ,160
X11 ,265 ,843 -,121 -,164
X12 ,151 ,838 ,119 ,118 ,203
X13 ,837 ,234 -,160 ,199
X14 ,104 ,881 -,113 ,178 -,123
X15 ,925
X16 ,867 ,121 -,151 -,195 ,135

41
Edisi 1 Tahun 2002

X17 ,856 ,103 ,100 ,152 ,252

X18 ,180 ,118 ,165 ,921
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with
Kaiser Normalization.
a Rotation converged in 9 iterations.

Cara membaca tabel:

Tabel Rotated Component Matrix merupakan inti analisa factor yaitu menentukan ke
sembilan factor yang telah teridentifikasi melalui beberapa tahapan diatas.

Cara menentukan factor adalah sbb:

Dalam tabel terdapat 9 komponen (lihat kolom), artinya ada 9 faktor yang akan
direkomendasi menuju analisa lebih lanjut misal correl atau regress

Prosedur menentukan factor:

1. Pilih koefisien tertinggi pada masing-masing kolom (hanya nilai tertinggi)
2. Setelah semua kolom terpilih nilai tertingginya. Hubungkan nilai-nilai tersebut
dengan kolom factor.( kolom paling kiri).

Sebagai contoh
Pada kolom komponen 1 nilai tertinggi adalah ,925 nama factor atau variable adalah
X15
Pada kolom komponen 9 nilai tertinggi adalah ,836 nama factor atau variable adalah
X4

Oke untuk latihan ….Teruskan sendiri ya! yang ngetik udah ngantuk.
Demikianlah perbincangan kita, semoga ada guna dan manfaat…..

42
 Hanif Mauludin SE, M.Si - Manajemen Keuangan STIEMARA

Bagian Akhir
Penutup

Tujuan Penulisan : membantu mahasiswa mengolah data skripsi secara mandiri.

Untuk pemahaman lebih lanjut :

mahasiswa dianjurkan untuk konsultasi pada dosen statistik yang tersedia
membaca literature analisis multivariate yang tersedia di Perpustakaan kampus.
Telusuri juga dengan fasilitas internet example : yahoo.com, lycos.com, google.com or
whatever you can.

Masih banyak terdapat kekurangan dalam Cerpen diatas, saran, kritik yang sifatnya
konstruktif sangat ditunggu dan diharapkan oleh penulis.

Finally,…………………

Seperti pesan Imam As Syafii kepada para pendidik

Ra’yuna shawab yahtamil al khata’ Wa ra’yuna ghairina khata’ yahtamil al shawab
Bersandar pada pendapat ini, masihkan kita saling bertahan dengan pendapat pribadi
dengan mengabaikan pendapat orang lain yang kemungkinan mengandung kebenaran
dan membawa pencerahan…..

Penulis mengharapkan saran dari pembaca untuk perbaikan.

Demikian suplemen ini semoga ada manfaatnya, Bagi adik-adik mahasiswa diberikan
kesempatan seluas-luasnya untuk berdiskusi dengan penulis jika terdapat
ketidakjelasan atau perbedaan pendapat.

Wallaahua’lam bisshawab
Singosari, 27 Rajab 2002

Penyusun,

Hanif Mauludin,
e-mail: hanif@stie-mce.ac.id
phone: STIE –MCE 491813 ext 129 (ruang mce internet)
segera terbit suplemen edisi revisi untuk mahasiswa ABM dengan tambahan analysis
cluster dan analisis diskriminan

43
Edisi 1 Tahun 2002

REFERENCE

1. Everitt, B.S, & Dunn, G. (1991). Applied multivariate data analysis. London:
Edward Arnold.
2. Bryman, A & Cramer, D. (1990). Quantitative data analysis for social scientists.
pp. 246-251
3. Rietveld & Sunaryanto, (1994). 87 masalah pokok dalam regresi berganda
4. Sugiarto. (1992). Tahap awal dan Aplikasi analisis Regresi
5. http://www.exeter.ac.uk/~SEGLea/multvar2

44