data

1. ANALISIS DATA

2. Proses Analisis Data
• Tahap Persiapan
• Analisis Deskriptif
• Pengujian Kualitas Data
• Pengujian Hipotesis

3. PEMROSESAN DATA
Tahap Persiapan
PENGEKODAN
PENGEDITAN

4. Pengeditan
• Adalah proses pengecekan dan penyesuaian yang
diperlukan terhadap data penelitian untuk
memudahkan proses pemberian kode dan
pemrosesan data dengan teknik statistik.
• Tujuannya adalah untuk memastikan bahwa data:
• Tepat
• Konsisten dengan maklumat yang lain
• Dimasukkan secara seragam
• Lengkap
• Di susun untuk memudahkan pengekodan dan
tabulation

5. Pengekodan
• Merupakan proses identifikasi dan klasifikasi data
penelitian ke dalam skor numerik atau karakter simbol
supaya dapat di kelaskan kepada beberapa kelas atau
kategori yang tertentu
• Contoh:
• “M” untuk Lelaki dan “F” untuk Wanita
• “1” untuk Lelaki dan “2” untuk Wanita

6. Pemrosesan Data
Adalah proses mengolah data untuk dapat
menjawab tujuan penelitian yang dapat
menggunakan SPSS, SAS, E- Views.
Aktivitas persiapan ini untuk memastikan
ketepatan data dan proses mengubah
data mentah ke dalam bentuk yang
boleh di analisis

7. Penggunaan Statistik
• Ketika data yang diteliti berupa sampel, statistik dapat digunakan
untuk menarik kesimpulan yang berupa:
1.Deskriptif Statistik Sampel (Statistik Deskriptif)
2.Estimasi Statistik (Statistik Inferensial) yang dikategorikan ke dalam:
Statistik Parametrik dan Non Parametrik
• Statistik Parametrik: digunakan jika data penelitian diukur dengan
skala interval dan skala ratio dengan asumsi distribusi data adalah
normal
• Statistik Non Parametrik: digunakan jika data penelitian diukur
dengan skala nominal dan ordainal dan tidak memerlukan asumsi
bahwa data berdistribusi normal

8. Statistik Deskriptif
• Merupakan proses transformasi data penelitian dalam
bentuk tabulasi sehingga mudah dipahami dan
diinterpretasikan.
• Statistik deskriptif umumnya digunakan oleh peneliti
untuk memberikan informasi mengenai karakteristik
variabel penelitian yang utama dan data demografi
responden jika ada.
• Ukuran yang digunakan dalam deskriptif statistik antara
lain: Frekuensi, Mean, Median, Modus, standar deviasi,
varian, koefisien korelasi antar variabel.

9. • Frekuensi adalah ukuran yang menunjukkan nilai distribusi data
penelitian yang memiliki kesamaan kategori.
• Mean adalah pengukuran rata-rata
• Median adalah pengukuran tendensi sentral berdasarkan nilai data
yang terletak ditengah-tengah dari suatu distribusi data penelitian
yang disusun secara berurutan.
• Modus adalah mengukur tendensi sentral berdasarkan data yang
memiliki frekuensi paling banyak dalam suatu distribusi data.
• Varian adalah nilai rata-rata dari deviasi yang dikuadratkan untuk
mengukur variabilitas sampel.

10. Contoh Statistik Deskriptif
(Demografi Responden)

11. Hasil
What is your gender?
5 10.0 10.0 10.0
45 90.0 90.0 100.0
50 100.0 100.0
Male
Female
Total
Valid
Frequency Percent Valid Percent
Cumulative
Percent
What is your race?
12 24.0 24.0 24.0
33 66.0 66.0 90.0
3 6.0 6.0 96.0
2 4.0 4.0 100.0
50 100.0 100.0
Malay
Chinese
Indian
Others
Total
Valid
Frequency Percent Valid Percent
Cumulative
Percent

12. Contoh dalam Laporan
Frequency Percentage
Gender
Male
Female
Race
Malay
Chinese
Indian
Others
5
45
12
33
3
2
10.0
90.0
24.0
66.0
6.0
4.0

13. Deskriptif untuk variabel Penelitian

14. Deskriptif Output SPSS
Descriptive Statistics
50 2.33 7.00 5.0600 .96348
50 2.25 7.00 4.9700 1.03712
50 1.50 7.00 4.8150 1.34184
50 1.00 6.67 4.1900 1.16497
50 2.33 7.00 5.4200 1.07076
50
peu
pu
attitud
sn
intention
Valid N (listwise)
N Minimum Maximum Mean
Std.
Deviation

15. Contoh dalam Laporan
Mean Std. Deviation
Perceived Ease of Use 5.06 0.96
Perceived Usefulness 4.97 1.04
Attitude 4.82 1.34
Subjective Norm 4.19 1.16
Intention 5.42 1.07

16. Bagaimana Memilih Ujian
Variabel Terikat
Variabel bebas Satu Lebih dari Satu
Metrik Non-Metrik Metrik Non-Metrik
Satu: Metrik Regresi • Analisis diskriminan
• Logistic Regression
Korelasi
kanomikal
Multi-groups analisis
diskriminan (MDA)
Non-Metrik T-test • Diskrit Analisis
Diskriminan
NANOVA Diskrit MDA
Lebih dari Satu:
Metrik
Multiple
Regression
• Analisis Diskriminan
• Logistic Regression
Korelasi
kanomikal
MDA
Non-Metrik ANOVA • Diskrit MDA
• Conjoint Analysis
MANOVA Diskrit MDA
Metode Statistik Dependen

17. Jumlah Variabel Metrik Non-Metrik
Dua Variabel Korelasi
Sederhana
• Tabel Kontjensi Two
Way
• Loglinear Models
Lebih dari dua Variabel • Principle
componen
• Analisis faktor
• Tabel Kontjensi Multi
Way
• Loglinear Models
• Correspondence
analysis
Metode Statisik Interdependen

18. Pengujian Kualitas Data (Uji
Validitas dan Uji Reliabilitas)
1. VALIDITAS
Menunjukkan sejauhmana suatu alat (instrumrn) mengukur apa yang
seharusnya diukur (Ghiselli, 1981). Sementara itu Azwar (2000)
mengartikan validitas sebagai sejauhmana ketepatan dan kecermatan
suatu alat ukur dalam melakukan fungsi ukurnya. Isaac dan Michael
(1981) menjelaskan bahwa informasi validitas menunjukkan tingkat dari
kemampuan test untuk mencapai sasarannya. Dengan demikian
validitas mengukur ketepatan (akurasi) dan kecermatan suatu
instrumen pengukuran dalam melakukan fungsi ukurnya
2. RELIABILITAS
Seberapa besar variasi tidak sistematik dari penjelasan kuantitatif dari
karakteristik individu jika individu yang sama diukur berkali kali (Ghiseli,
1981). Ukuran yang menunjukkan stabilitas dan konsistensi suatu
instrumen yang mengukur suatu konsep dan berguna untuk mengukur
kebaikan (goodness) dari suatu pengukur (Sekaran, 2003).
Dengan demikian reliabilitas pada dasarnya adalah sejauh mana
hasil suatu pengukuran dapat dipercaya. Kepercayaan itu dalam bentuk
keandalan instrumen yaitu konsistensi hasil dari waktu kewaktu jika
suatu instrumen digunakan pada subjek.

19. 1. Uji Validitas
• Salah satu cara untuk mengukurnya adalah dengan
melakukan korelasi antar skor butir pertanyaan
dengan total skor. Jika signifikan berarti itemnya valid
dan sebaliknya.
2. Uji Reliabilitas
• Mengukurnya dengan salah satu caranya adalah
melihat nilai Cronbach alpha,jika Cronbach alpha > 0,6
maka reliabel (Nunnally, 1969).

20. Contoh Uji Validitas
Correlations
X1.2 X1.3 X1.4 X1
Pearson
Correlation
1 .415 .017 .619(**)
Sig. (2-tailed) . .055 .940 .002
X1.2
N 22 22 22 22
Pearson
Correlation
.415 1 .316 .788(**)
Sig. (2-tailed) .055 . .152 .000
X1.3
N 22 22 22 22
Pearson
Correlation
.017 .316 1 .703(**)
Sig. (2-tailed) .940 .152 . .000
X1.4
N 22 22 22 22
Pearson
Correlation
.619(**) .788(**) .703(**) 1
Sig. (2-tailed) .002 .000 .000 .
X1
N 22 22 22 22
** Correlation is significant at the 0.01 level (2-tailed).

21. Contoh Hasil Uji Reliabilitas
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)
Item-total Statistics
Scale Scale Corrected
Mean Variance Item- Alpha
if Item if Item Total if Item
Deleted Deleted Correlation Deleted
X2.1 20.9091 5.2294 .3559 .7450
X2.3 21.0455 6.5216 .3331 .7152
X2.5 20.2727 6.6840 .3959 .7027
X2.6 20.7273 5.9221 .4409 .6871
X2.7 20.4545 5.4026 .6241 .6310
X2.8 20.4545 5.4026 .7233 .6090
Reliability Coefficients
N of Cases = 22.0 N of Items = 6
Alpha = .7214

22. Uji Asumsi Klasik
1. Normalitas adalah untuk menguji apakah dalam model
regresi variabel terikat dan variabel bebas mempunyai
distribusi normal atau tidak. Salah satu cara
menentukan normalitas adalah dengan melihat grafik
Histogram dan normal probability plot.
2. Multikolinieritas adalah pengujian untuk melihat
apakah model regresi ditemukan adanya korelasi antar
variabel bebas. Penentuannya dapat dilihat dari nilai
variance inflation factor (VIF). Jika nilainya 10 maka
terjadi multikolinieritas dan sebaliknya.

23. 3. Autokorelasi untuk menguji apakah dalam suatu model regresi
linear terdapat korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika
durbin watson hitung terletak di antara -2 sampai dengan +2
maka bebas auto, jika <-2 terjadi auto positif, jika >+2 terjadi
auto negatif.
4. Heteroskedastisitas bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu
pengamatasn ke pengamatan yang lain. Salah satu cara untuk
mendeteksi heteroskedastisitas adalah dengan melihat grafik plot.

24. Contoh:
Rumusan Masalah:
• Adakah PEU, PU, Attitud, SN mempunyai
korelasi antara satu sama lain?
• Secara simbol di tulis
–H1: r  0

25. Hasil Output SPSS
Correlations
1 .683** .499** .471** .747**
.000 .000 .001 .000
50 50 50 50 50
.683** 1 .493** .679** .782**
.000 .000 .000 .000
50 50 50 50 50
.499** .493** 1 .315* .622**
.000 .000 .026 .000
50 50 50 50 50
.471** .679** .315* 1 .534**
.001 .000 .026 .000
50 50 50 50 50
.747** .782** .622** .534** 1
.000 .000 .000 .000
50 50 50 50 50
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
peu
pu
attitud
sn
intention
peu pu attitud sn intention
Correlation is significant at the 0.01 level (2-tailed).
**.
Correlation is significant at the 0.05 level (2-tailed).
*.

26. Jadual Korelasi dalam Laporan
** p < 0.01, * p < 0.05
PEU PU Attitude SN Intention
PEU
1.000
PU
0.683** 1.000
Attitude
0.499** 0.493** 1.000
sn
0.471** 0.679** 0.315* 1.000
Intention 0.747** 0.782** 0.622** 0.534** 1.000

27. Regresi Linear Berganda

28. Regresi Linear Berganda

29. Pilihan

30. Hasil Output SPSS
Variables Entered/Removed
b
pu, peu
a . Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entered.
a.
Dependent Variable: attitud
b.
Model Summary
b
.541a .293 .262 1.15237 1.682
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Predictors: (Constant), pu, peu
a.
Dependent Variable: attitud
b.
• Rumusan Masalah
– Apakahkah variabel PEU dan PU mampu
mempengaruhi Attitude?

31. Hasil
ANOVAb
25.812 2 12.906 9.719 .000a
62.414 47 1.328
88.226 49
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), pu, peu
a.
Dependent Variable: attitud
b.
Coefficientsa
1.250 .912 1.370 .177
.664 .194 .477 3.425 .001 .822 1.217
.040 .103 .054 .388 .700 .822 1.217
(Constant)
peu
pu
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: attitud
a.

32. Hasil
Collinearity Diagnostics a
2.967 1.000 .00 .00 .00
.022 11.693 .93 .06 .29
.012 15.957 .07 .94 .70
Dimension
1
2
3
Model
1
Eigenvalue
Condition
Index (Constant) peu pu
Variance Proportions
Dependent Variable: attitud
a.
Casewise Diagnostics(a)
Case Number Std. Residual Attitud
Predicted
Value Residual
12 4.105 5.00 3.4824 1.51755
33 3.385 4.80 3.2813 1.43214
a Dependent Variable: Attitud

33. Tabel Histogram

34. Grafik Normalitas

35. (Homoscedasticity)

36. Linear

37. Linear

38. Tabel Regresi Berganda dalam
Laporan
Variable Dependent = Attitude
Standardized Beta
Perceived Ease of Use
Perceived Usefulness
0.477**
0.054
R2
Adjusted R2
F Value
D-W
0.293
0.262
9.719
1.682

39. Ujian t

40. Output SPSS
• Rumusan Masalah
– Adakah lelaki dan wanita mempunyai sikap yang berbeda?
Group Statistics
5 5.2000 1.76246 .78819
45 4.7722 1.30539 .19460
What is your gender?
Male
Female
attitud
N Mean
Std.
Deviation
Std. Error
Mean
Independent Samples Test
.382 .540 .672 48 .504 .42778 .63612 -.85122 1.70677
.527 4.501 .623 .42778 .81186 -1.73073 2.58628
Equal variances
assumed
Equal variances
not assumed
attitud
F Sig.
Levene's Test for
Equality of Variances
t df Sig. (2-tailed)
Mean
Difference
Std. Error
Difference Lower Upper
95% Confidence
Interval of the
Difference
t-test for Equality of Means

41. Tafsiran
• H1: Lelaki mempunyai sikap lebih
positif berbanding wanita
– Mula-mula kita harus memasatikan apakah kita akan
melihat baris pertama atau kedua
– Lihat Lajur Ujian Levene, nilai p = 0.540 > 0.05 ()
jadi kita terima H0 jadi kita akan lihat baris di mana
varians adalah sama
– Lihat lajur t-test for equality of means, nilai p = 0.504
> dari 0.05 () jadi kita terima H0 maka hipotesis kita
tidak diterima.
– Kesimpulan, tiada perbezaan sikap antara lelaki dan
wanita

42. Tabel Ujian t dalam Laporan
Variables Male
(Mean)
Female
(Mean)
t-value
Attitude
Perceived Ease of Use
Perceived Usefulness
5.20 4.77 0.672
*p<0.05, **p<0.01

43. ANOVA satu Arah

44. Output SPSS
ANOVA
attitud
7.157 2 3.578 2.075 .137
81.069 47 1.725
88.226 49
Between Groups
Within Groups
Total
Sum of
Squares df Mean Square F Sig.
attitud
Duncan
a,b
12 4.6875
33 4.6894
5 5.9500
.051
What is your race?
Malay
Chinese
Indian and Others
Sig.
N 1
Subset
for alpha
= .05
Means for groups in homogeneous subsets are displayed.
Uses Harmonic Mean Sample Size = 9.565.
a.
The group sizes are unequal. The harmonic mean
of the group sizes is used. Type I error levels are
not guaranteed.
b.
• Rumusan Masalah
– Adakah pelajar berbagai
bangsa memempunyai
sikap yang berbeda?

45. Tafsiran
• H2: Pelajar berbangsa Melayu Cina, India dan
lain-lain mempunyai sikap yang berebeda
– Lihat Tabel ANOVA, nilai p = 0.137 > dari
0.05 () jadi kita terima H0 maka hipotesis
kita tidak diterima.
– Kesimpulan, tiada perbedaan sikap antara
pelajar melayu, Cina, India dan lain-lain.

46. Tabel Uji ANOVA dalam Laporan
Variables Malay Chinese Indian &
Others
F value
Attitude
Perceived Ease of Use
Perceived Usefulness
5.20 4.77 4.77 0.672
*p<0.05, **p<0.01