materi penjelasan spsss

1. Software Aplikasi Statistik SPSS
(Statistical Package for the Social
Software)

2. Pengolahan Data Primer
Bersumber dari Kuisioner
 Rekap Data Kuisioner di Excel atau Langsung input di SPSS
 Uji Kelayakan data dengan Uji Validitas dan Uji Reliabilitas Data.
 Pengujian Hipotesis dan Interpretasi Hasil Pengolahan Data, meliputi
signifikansi uji t dan uji F (taraf 1%, 5%, 10%), beta variabel, persamaan
regresi, koefisien determinasi, korelasi berganda, dan error.

3. Pengolahan Data Sekunder
 Rekap Data di Excel atau Langsung input di SPSS.
 Uji Kelayakan data untuk regresi dengan uji normalitas dan uji asumsi klasik
(multikolinieritas, autokoreasi, dan heteroskedastisitas).
 Pengujian Hipotesis dan Interpretasi Hasil Pengolahan Data, meliputi
signifikansi uji t dan uji F (taraf 1%, 5%, 10%), beta variabel, persamaan
regresi, koefisien determinasi, korelasi berganda,dan error.

4. Uji Validitas dan Uji Reabilitas
 Uji validitas digunakan untuk mengukur valid tidaknya suatu kuesioner. Suatu
kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk
mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Uji
validitas dilakukan dengan membandingkan nilai r hitung dengan nilai r tabel
untuk degree of freedom d(f)=n –k dengan alpha 0,06. Jika r hitung lebih besar
dari r tabel dan nilai r positif, maka butir atau pertanyaan tersebut dikatakan
valid. Untuk hasil analisis dapat dilihat pada output uji reliabilitas pada bagian
correted item total correlation. Dalam pengambilan keputusan untuk menguji
validitas indikatornya adalah:
 Jika r hitung positif serta r hitung > r tabel maka butir atau variabel tersebut
valid.
 Jika r hitung tidak positif dan r hitung < r tabel maka butir atau variabel
tersebut tidak valid.

5. Correlations
item1 item2 item3 item4 item5 Skor
item1 Pearson Correlation 1 ,574**
,746**
,603**
,536**
,538**
Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000
N 80 80 80 80 80 80
item2 Pearson Correlation ,574**
1 ,522**
,663**
,686**
,436**
Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000
N 80 80 80 80 80 80
item3 Pearson Correlation ,746**
,522**
1 ,601**
,471**
,595**
Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000
N 80 80 80 80 80 80
item4 Pearson Correlation ,603**
,663**
,601**
1 ,495**
,461**
Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000
N 80 80 80 80 80 80
item5 Pearson Correlation ,536**
,686**
,471**
,495**
1 ,328**
Sig. (2-tailed) ,000 ,000 ,000 ,000 ,003
N 80 80 80 80 80 80
Skor Pearson Correlation ,538**
,436**
,595**
,461**
,328**
1
Sig. (2-tailed) ,000 ,000 ,000 ,000 ,003
N 80 80 80 80 80 80
**. Correlation is significant at the 0.01 level (2-tailed).

6.  Uji Reabilitas digunakan untuk mengukur valid tidaknya suatu kuesioner. Suatu
kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk
mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut (Ghozali
dalam demartha, 2013). Uji validitas dilakukan dengan membandingkan nilai r
hitung dengan nilai r tabel untuk degree of freedom d(f)=n –k dengan alpha
0,06. Jika r hitung lebih besar dari r tabel dan nilai r positif, maka butir atau
pertanyaan tersebut dikatakan valid. Untuk hasil analisis dapat dilihat pada
output uji reliabilitas pada bagian correted item total correlation. Dalam
pengambilan keputusan untuk menguji validitas indikatornya adalah:
 Jika r hitung positif serta r hitung > r tabel maka butir atau variabel tersebut valid.
 Jika r hitung tidak positif dan r hitung < r tabel maka butir atau
 variabel tersebut tidak valid.

7. Item-Total Statistics
Scale Mean if Item
Deleted
Scale Variance if Item
Deleted
Corrected Item-Total
Correlation
Cronbach's Alpha if
Item Deleted
item1 16,7250 5,063 ,750 ,840
item2 16,7000 5,124 ,741 ,842
item3 16,8500 4,838 ,701 ,851
item4 16,8625 4,778 ,709 ,849
item5 16,7625 5,171 ,641 ,864

8. Uji ASUMSI KLASIK
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi
oleh analisis regresi linear yang berbasik Ordinary Least Square
(OLS).
Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel
pengganggu atau residu memiliki distribusi normal. Data yang baik adalah
data yang berdistribusi normal. Uji normalitas dengan uji Kolmogorov-Smirnov,
dengan kriteria pengujian sebagai berikut:
 Jika hasil One Sample Kolmogorov Smirnov pada asymptotic signifikan di
atas tingkat signifikansi 0,05 menunjukkan pola distribusi normal, maka
model regresi memenuhi asumsi normalitas.
 Jika hasil One Sample Kolmogorov Smirnov pada asymptotic signifikan di
bawah tingkat signifikansi 0,05 tidak menunjukkan pola distribusi normal,
maka model regresi tidak memenuhi asumsi normalitas.

9. N 30
Normal
Parameter
Mean ,0000000
Std.
Deviation
,03219783
Most extreme
Differences
Absolut ,116
Positive ,116
Negative -,098
Test statistic ,116
Asymp. Sig ,200c,d

10.  Uji Multikolonieritas
Uji multikoloneritas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi antar
variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi kolerasi di antara variabel
independen. (1) nilai tolerance (2) variance inflation factor (VIF). Nilai cutoff yang umum dipakai untuk
menunjukkan adanya multikolonieritas adalah nilai Tolerance < 0,10 atau sama dengan nilai VIF > 10.
 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari
residual satu pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke
pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Model regresi yang baik adalah yang homoskedatisitas atau tidak terjadi Heteroskedasitas, uji
heteroskedasitas dapat dilakukan dengan cara seperti,
Melihat grafik plot antara nilai prediksi variabel terikat (dependen) ZPRED dengan residualnya SRESID. Jika
ada pola tertentu pada grafik maka mengindikasi telah terjadi heteroskedastisitas dan jika tidak ada pola
yang jelas, serta titik-titik menyebar diatas dan di bawah angka 0, maka tidak terjadi heteroskedastisitas

11. Model Collinearity Statistics Keter
anga
n
Tolerance VIF
Produk
si
,272 3,674 Bebas
Ekspor ,790 1,266 Bebas
Nilai
Tukar
,178 5,614 Bebas
Kebijak
an
pemeri
ntah
,207 4,834 Bebas

12.  Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah model regresi linear ada korelasi
antar kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka
dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi
yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini
timbul karena residual (kesalahan pengganggu) tidak bebas dari satu
observasi ke observasi lainya. Uji autokorelasi menggunakan uji Durbin –
Watson (DW test)
Deteksi Autokorelasi
Positive
Deteksi Autokorelasi Negative
Kriteria Keteran
gan
Kriteria Keterangan
dw < dl Ada (4- dw) <
dl
Ada
dw >
dua
Tidak (4 – dw) >
du
Tidak
dl < dw
< du
Ragu-
Ragu
dl < (4-
dw) < dl
Ragu-ragu
Dengan nilai signifikan 5%. Kriteria pengujian sebagai
Tabel 3 Kriteri Uji Autokorelasi

13. Uji Parsial (t)
 Uji t digunakan untuk mengetahui apakah variabel-variabel independen
secara parsial (individual) berpengaruh nyata atau tidak terhadap variabel
dependen. Untuk menguji apakah hipotesis yang diajukan diterima atau
ditolak digunakan statistik t (uji satu sisi).
 Kriteria Pengujian :
 Jika nilai T hitung ≤ T tabel, maka hipotesis H0 diterima dan H1 ditolak. Artinya variabel
independen secara individual tidak berpengaruh signifikan terhadap variabel dependen
 Jika nilai T hitung ≥ T tabel, maka hipotesis H0 ditolak dan H1 diterima. Artinya variabel
independen secara individual dan signifikan mempengaruhi variabel dependen.
Dalam uji T ini dilakukan pada derajat kebebasan untuk tingkat keyakinan
yang digunakan adalah 95% atau α = 5%.
n – k

14. Uji SIMULTAN (F)
 Uji F digunakan digunakan untuk mengetahui apakah variabel-variabel
independen secara simultan berpengaruh signifikan terhadap variabel
dependen. Pengambilan keputusannya adalah dengan membandingkan
nilai F hasil perhitungan dengan F menurut tabel. Dengan derajat signifikasi
(α) adalah 5%.
Kriterian Pengujian :
 Jika nilai F hitung ≤ F tabel, maka hipotesis H0 diterima dan H1 ditolak.
Artinya Semua variabel independen secara simultan tidak berpengaruh
secara signifikan terhadap variabel dependen
 Jika nilai F hitung ≥ F tabel, maka hipotesis H0 ditolak dan H1 diterima.
Artinya semua variabel independen secara simultan dan signifikan
mempengaruhi variabel dependen.

15. Koefisien Determinasi ()
 Koefisien determinasi digunakan untuk mengetahui seberapa besar
hubungan dari beberapa variabel dalam pengertian yang lebih jelas.
Koefisien determinasi akan menjelaskan seberapa besar perubahan atau
variasi suatu variabel bisa dijelaskan oleh perubahan atau variasi pada
variabel yang lain. Deteksi koefisien determinasi pada penelitian ini adalah
dengan melihat nilai Koefisien Determinasi () pada output regresi.
Ketentuan yang digunakan adalah sebagai berikut :
 Jika nilai () mendekati angka 0 berarti kemampuan variabel-variabel
independen dalam menjelaskan variasi dependen amat terbatas.
 Jika niali () mendekati angka 1 berarti variabel-variabel independen
memberikan hampir semua informasi yang dibutuhkan untuk memprediksi
variasi variabel dependen.

16. Dependen Variabel : Y
Independen Variabel t-statistic Prob. F-statistic Prob.
RCA 3,465 ,002 131,616 ,000b
Produksi 2,557 ,017
Ekspor 20,312 ,000
Nilai tukar 3,281 ,003
Kebijakan Pemerintah 2,027 ,041
R square ,955
SEE ,03468
F tabel 2,74
T tabel 1,70814