KORELASI & REGRESI

UJI KORELASI

DESKRIPSI Mengetahui apakah di antara dua variabel terdapat hubungan TUJUAN Mengetahui apakah di antara dua variabel terdapat hubungan Bagaimana arah hubungan Seberapa besar hubungan tersebut DATA Skala : Interval atau rasio Syarat: data normal : Korelasi Pearson Product MomentTidak normal : Range Spearman Latihan : Pakai data Latihan_korelasi_regresi

Buka file : Latihan_korelasi_regresi.sav Ayo berlatihan.... Buka file : Latihan_korelasi_regresi.sav Apakah ada hubungan antara Skor_kepuasan_kerja dengan Produktivitas_kerja?

Latihan Lakukan uji Normalitas Klik analyze  Correlate  Bivariate Masukkan variabel yang akan diuji ke kotak sebelah kanan Klik Pearson jika data normal Klik Spearman jika data tidak normal Baca hasil uji statistik : p-value (signifikansi) dan Pearson Correlation (r)

Nilai r (kekuatan korelasi) Baca output Correlations Skor_kepuasan_kerja Produktivitas_kerja Pearson Correlation 1 .989** Sig. (2-tailed) .000 N 50 **. Correlation is significant at the 0.01 level (2-tailed). Nilai r (kekuatan korelasi) P-value (nilai signifikansi)

ARTINYA.... Pertama Baca nilai signifikansinya, jika < () / 0.05  Ho ditolak, artinya ada hubungan antara Kepuasan_kerja dan Produktivitas_Kerja Kedua Baca koefisien korelasi (r) Jika angka mendekati 1 maka korelasi sangat kuat Jika angkanya mendekati 0 maka korelasi sangat lemat Pada output angkanya 0.989  sangat kuat Ketiga Baca arah hubungan Jika (+) berarti: semakin tinggi skor kepuasan kerja maka semakin tinggi kepuasan kerja

Jika data TIDAK NORMAL  Range Spearman Klik analyze  Correlate  Bivariate Masukkan variabel yang akan diuji ke kotak sebelah kanan Klik Spearman Baca hasil uji statistik : p-value (signifikansi) dan Spearman’s Rho (rho) Analisis data seperti pada korelasi Pearson

Korelasi Untuk Data ORDINAL Mengunakan korelasi Range Spearman Cara dan analisis seperti telah dibahas pada bagian sebelumnya

Apakah ada hubungan Pengetahuan dan Sikap dengan Kepuasan Kerja? Latihan... Apakah ada hubungan Motivasi, Stress, Beban Kerja & Gaji dengan Produktivitas Kerja? Apakah ada hubungan Pengetahuan dan Sikap dengan Kepuasan Kerja?

UJI REGRESI LINIER

DESKRIPSI Tujuan Memprediksi pengaruh variabel terikat terhadap variabel bebas Data Data : Rasio / Interval Operasi Utama Analyze-Regression-Linear

Ayo berlatihan.... Buka file : Latihan_korelasi_regresi.sav Apakah ada pengaruh Skor_kepuasan_kerja terhadap Produktivitas_kerja?

Latihan Lakukan uji hubungan, pastikan kedua variabel berhubungan Klik analyze  Regression  Linier Pada DEPENDENT masukkan produktivitas_kerja Pada INDEPEDENT(s) masukkan skor_kepuasan_kerja Methods pilih Enter OK

Variables Entered/Removedb Baca output...(1) MODEL SUMMARY Angka R sebesar 0.989 menunjukkan bahwa korelasi antara Skor_kepuasan_kerja dengan Produktivitas_kerja: Sangat kuat Angka R square atau Koefisien Determinasi adalah 0.979 (berasal dari 0.989X0.989), untuk variabel independen lebih dari 2 gunakan Adjusted R Square. Arti R square 0.989 (99%) artinya 99% Variasi dari Produktivitas_kerja dapat dijelaskan oleh variasi Skor_produktivitas_kerja. Sedangkan sisanya (1%) dijelaskan oleh sebab-sebab yang lain Standard Error of Estimate (SEE) adalah 2.686. Makin kecil SEE akan membuat model regresi semakin tepat dalam memprediksi variabel dependen. Variables Entered/Removedb Model Variables Entered Variables Removed Method 1 Skor_kepuasan_kerjaa . Enter a. All requested variables entered. b. Dependent Variable: Produktivitas_kerja Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .989a .979 .978 2.648 a. Predictors: (Constant), Skor_kepuasan_kerja

Baca output...(2) ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 15554.900 2.218E3 .000a Residual 336.620 48 7.013 Total 15891.520 49 a. Predictors: (Constant), Skor_kepuasan_kerja b. Dependent Variable: Produktivitas_kerja ANOVA Dari uji ANOVA atau F test, didapat F hitung sebesar 2218 dengan tingkat signifikansi 0.000, jauh lebih kecil dari  0.05, maka model regresi bisa dipakai untuk memprediksi Produktivitas_kerja Lihat pembahasan UJI ANOVA untuk pemahaman lebih jauh tentang F test Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 51.665 4.601 11.229 .000 Skor_kepuasan_kerja 2.316 .049 .989 47.096 a. Dependent Variable: Produktivitas_kerja

Produktivitas kerja = 51.665 + 2.316 skor_kepuasan_kerja Baca output...(3) KOEFISIEN REGRESI Persamaan Regresi : Y = a + bX Produktivitas kerja = 51.665 + 2.316 skor_kepuasan_kerja Konstanta sebesar 51,665 menyatakan bahwa jika tidak ada ada Skor_kepuasan_kerja, Produktivitas sebesar 51,665 Koefisien regresi sebesar 2,316 menyatakan bahwa setiap penambahan (karena tanda +) skor_kepuasan_kerja sebanyak 1 skor maka Produktivitas_kerja akan meningkat sebanyak 2,316

Baca output...(3) UJI T Uji T untuk menguji signifikansi konstanta dari setiap variabel independen, jika nilai signifikansi < maka variabel independen mempengaruhi variabel dependen Jika pengujian dilakukan untuk 2 atau lebih variabel independen maka bila ada variabel yang tidak signifikan harus dikeluarkan dari model regresi, dan dilakukan prosedur pencarian model regresi ulang.

Catatan Kasus ini adalah regresi linier dengan 1 variabel independen, regresi biasanya digunakan untuk menguji pengaruh 2 atau lebih variabel independen terhadap 1 variabel dependen Var Dependen = constant + bxVarDep1 + cxVarDep2 + cxVarDep3 + dst... Y = a + bX + cZ + dW + dst... Maka persamaan regresinya :

Bagaimana pengaruh pengetahuan dan sikap terhadap Kepuasan Kerja? Latihan... Bagaimana pengaruh Motivasi, Stress, Beban Kerja & Gaji terhadap Produktivitas Kerja? Bagaimana pengaruh pengetahuan dan sikap terhadap Kepuasan Kerja?

Lakukan latihan untuk variabel yang tersedia pada file latihan !