fernandhi dwi prakoso 115020307111050 kelascc uts
TRANSCRIPT
Warning # 849 in column 23. Text: in_IDThe LOCALE subcommand of the SET command has an invalid parameter. It couldnot be mapped to a valid backend locale.GET FILE='D:\College\3rd semester\APLIKOM\Fernandhi Dwi Prakoso_115020307111050_KelasCC_UTS.sav'.DATASET NAME DataSet1 WINDOW=FRONT.REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS CI(95) R ANOVA CHANGE /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Y /METHOD=ENTER X1 X2 X3 /RESIDUALS HISTOGRAM(ZRESID).
Regression
Notes
Output Created20-Okt-2012 09:54:53
Comments
InputDataD:\College\3rd semester\APLIKOM\Fernandhi Dwi Prakoso_115020307111050_KelasCC_UTS.sav
Active DatasetDataSet1
Filter
Weight
Split File
N of Rows in Working Data File7
Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.
Cases UsedStatistics are based on cases with no missing values for any variable used.
SyntaxREGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS CI(95) R ANOVA CHANGE /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Y /METHOD=ENTER X1 X2 X3 /RESIDUALS HISTOGRAM(ZRESID).
ResourcesProcessor Time00 00:00:01,638
Elapsed Time00 00:00:01,016
Memory Required2036 bytes
Additional Memory Required for Residual Plots312 bytes
[DataSet1] D:\College\3rd semester\APLIKOM\Fernandhi Dwi Prakoso_115020307111050_KelasCC_UTS.sav
Pada Tabel awal saat pembuatan penghitungan dalam SSPS, kita akan disuguhkan pada tabel yang berisikan tentang kapan output dibuat (Output Created), Komentar-komentar (Comments), Masukan yang kita berikan (Input), disini menjelaskan tentang dataset yang aktif pada file yang kita buka sebelumnya, terdapat filter, weight, split file, dan N for Rows in Working Data File, masing-masing inputan ini akan diproses saat User (Brainware), menginput data yang akan dihitung, namun dalam data saya, hanya menginput berapa N yang akan digunakan, di program ini saya menggunakan sampel (N) sebanyak 7, atau bisa dibilang tujuh karyawan PT. XYZ. Kemudian ada Missing Value Handling. Dibagian ini, User menginput mengenai definisi akan kehilangan (definition of missing) dengan menentukan missing values diperlakukan sebagai kehilangan, maksudnya ketika suatu value ada yang hilang, maka value tersebut di anggap sebagai missing value yang nantinya akan membuat penghitungan jadi tidak berjalan. Kemudian ada kasus yang digunakan (Cases Used), statistik berdasarkan kasus dengan tidak ada missing value untuk setiap variabel digunakan. Baris berikutnya berisikan syntax, data ini menunjukkan apa saja yang di input oleh user, Saya sebagai user menginput untuk menghitung regresi, korelasi, anova, disertai histogramnya. Baris terakhir adalah resources, data ini menunjukkan berapa waktu prosesor menjalankan perintah ini, waktu yang berlalu, memori yang dibutuhkan, dan memori yang biasanya digunakan untuk residual.
Descriptive Statistics
MeanStd. DeviationN
Pengaruh Variabel Terhadap Kinerja Karyawan77,28576,848717
Fasilitas6,8571,899747
Kenyamanan7,2857,487957
Infrastruktur7,1429,899747
Descriptive Statistics, atau yang disebut Statistik deskriptif, menunjukkan berapa nilai rata-rata dari setiap variabel. Dalam hal ini, User menentukan banyaknya orang dengan jumlah tujuh karyawan. Dengan Variabel dependen Pengaruh variabel terhadap kinerja karyawan ((Y) pada data SPSS), sedangkan untuk X1 Fasilitas, X2 Kenyamanan, dan X3 Infrastruktur sebagai variabel independen. Kemudian tabel ini juga menunjukkan berapa nilai standart deviasinya.Tabel bawah ini menunjukkan hasil perhitungan dengan menggunakan korelasi, dimana Pengaruh variabel terhadap kinerja karyawan dengan fasilitas kantor, dan kenyaman kantor, dan infrastruktur kantor :
Correlations
Pengaruh Variabel Terhadap Kinerja KaryawanFasilitasKenyamanan
Pearson CorrelationPengaruh Variabel Terhadap Kinerja Karyawan1,000-,317,071
Fasilitas-,3171,000-,651
Kenyamanan,071-,6511,000
Infrastruktur-,657,235,271
Sig. (1-tailed)Pengaruh Variabel Terhadap Kinerja Karyawan.,244,440
Fasilitas,244.,057
Kenyamanan,440,057.
Infrastruktur,054,306,278
NPengaruh Variabel Terhadap Kinerja Karyawan777
Fasilitas777
Kenyamanan777
Infrastruktur777
Correlations
Infrastruktur
Pearson CorrelationPengaruh Variabel Terhadap Kinerja Karyawan-,657
Fasilitas,235
Kenyamanan,271
Infrastruktur1,000
Sig. (1-tailed)Pengaruh Variabel Terhadap Kinerja Karyawan,054
Fasilitas,306
Kenyamanan,278
Infrastruktur.
NPengaruh Variabel Terhadap Kinerja Karyawan7
Fasilitas7
Kenyamanan7
Infrastruktur7
Dalam tabel dibawah ini menunjukkan apa saja variabel yang masuk, dan variabel yang keluar :
Variables Entered/Removedb
ModelVariables EnteredVariables RemovedMethod
1Infrastruktur, Fasilitas, Kenyamanan.Enter
a. All requested variables entered.b. Dependent Variable: Pengaruh Variabel Terhadap Kinerja Karyawan
Model Summaryb
ModelRR SquareAdjusted R SquareStd. Error of the Estimate
1,708a,501,0026,84264
Model Summaryb
ModelChange Statistics
R Square ChangeF Changedf1df2Sig. F Change
1,5011,00433,499
a. Predictors: (Constant), Infrastruktur, Fasilitas, Kenyamananb. Dependent Variable: Pengaruh Variabel Terhadap Kinerja Karyawan
Dalam tabel Model Summary diatas, dimana koefisien korelasi R, hasil prediksi konstan dari variabel kenyamanan, fasilitas, dan infrastruktur. Sehingga menunjukkan tingkat hubungan variabel dependen (Y) atau pengaruh variabel terhadap kinerja karyawan pada tingkat kuat (0.708) dalam skala 0 1. Dalam nilai Pearson Correlation, menunjukkan tingkat hubungan variabel sebagai berikut :0 0.25 korelasinya sangat lemah0.25 0.50 korelasi berupa moderat atau normal0.50 0.75 korelasi kuat0.75 1.00 korelasinya sangat kuatNilai R square menunjukkan 50.1 % dari variabel Y adalah hasil dari perubahan variabel-variabel X-nya, baik itu X1 Fasilitas, X2 Kenyaman, dan X3 Infrastruktur.Standar errornya menghasilkan 6.84264, berarti kemungkinan data ini error sangat kecil. Karena skala yang digunakan untuk menentukan standar errornya adalah 0 100.
ANOVAb
ModelSum of SquaresdfMean SquareFSig.
1Regression140,963346,9881,004,499a
Residual140,465346,822
Total281,4296
a. Predictors: (Constant), Infrastruktur, Fasilitas, Kenyamananb. Dependent Variable: Pengaruh Variabel Terhadap Kinerja Karyawan
Dalam tabel Anova, User akan menjelaskan mengenai apa itu F yang ada pada tabel diatas. F yang dimaksudkan adalah F test, atau uji F seperti yang kita pelajari di mata kuliah Statistika, uji F adalah sebuah tes untuk menguji apakah variabel-variabel independen secara bersamaan dapat mempengaruhi signifikan pada variabel dependen.Hipotesis :H0 = Variabel-variabel independen secara bersamaan tidak berpengaruh signifikan pada variabel dependenH1 = Variabel-variabel independen secara bersamaan berpengaruh signifikan pada variabel dependenDasar Pengambilan KeputusanJika probabilitasnya (nilai signifikan) > 0.05 atau F hitung < F tabel maka H0 diterima, jika probabilitasnya (nilai signifikan) < 0.05 atau F hitung > F tabel maka H0 ditolak.KeputusanPada tabel diatas, probabilitasnya atau nilai signifikannya = 0.499 > 0.05, maka hipotesis H0 diterima, berarti variabel-variabel independen secara bersamaan tidak berpengaruh signifikan pada variabel dependen.
Coefficientsa
ModelUnstandardized Coefficients
BStd. Error
1(Constant)81,27981,893
Fasilitas,5814,950
Kenyamanan4,6059,216
Infrastruktur-5,8143,904
Coefficientsa
ModelStandardized CoefficientstSig.95,0% Confidence Interval for B
BetaLower BoundUpper Bound
1(Constant),993,394-179,340341,898
Fasilitas,076,117,914-15,17116,334
Kenyamanan,328,500,652-24,72433,934
Infrastruktur-,764-1,489,233-18,2396,612
a. Dependent Variable: Pengaruh Variabel Terhadap Kinerja Karyawan
Dalam tabel coefficients, terdapat t test, atau uji t, uji t yang dimaksud adalah untuk menguji apakah variabel independen secara parsial berpengaruh signifikan pada variabel dependen.Hipotesis :H0 = Variabel independen secara parsial tidak berpengaruh signifikan pada variabel dependenH1 = Variabel independen secara parsial berpengaruh signifikan pada variabel dependen.Dasar Pengambilan Keputusan :Jika probabilitasnya (nilai signifikannya) > 0.05 , atau -t tabel < t hitung < t tabel maka H0 diterima, jika probabilitasnya (nilai signifikannya) < 0.05, atau t hitung < -t tabel atau t hitung > t tabel, maka H0 ditolak.Keputusan :Seperti yang ditunjukkan oleh tabel diatas, nilai signifikan variabel X1 Fasilitas, X2 Kenyamanan, dan X3 infrastuktur masing-masing bernilai 0.914, 0.652, dan 0.233 dimana ketiga variabel tersebut > 0.05 sehingga H0 diterima, yang berarti variabel independen Fasilitas, kenyamanan, dan infrastruktur secara parsial tidak berpengaruh signifikan pada variabel dependen. Dengan demikian persamaan estimasinya adalah :Y = 81,279 + X1*0,581+X2*4,605+(X3*-5,814)
Residuals Statisticsa
MinimumMaximumMeanStd. DeviationN
Predicted Value71,069882,697777,28574,847057
Residual-7,069776,34884,000004,838487
Std. Predicted Value-1,2821,117,0001,0007
Std. Residual-1,033,928,000,7077
a. Dependent Variable: Pengaruh Variabel Terhadap Kinerja Karyawan
Charts
NPAR TESTS /K-S(NORMAL)=Y /MISSING ANALYSIS.
NPar Tests
Notes
Output Created20-Okt-2012 09:55:37
Comments
InputDataD:\College\3rd semester\APLIKOM\Fernandhi Dwi Prakoso_115020307111050_KelasCC_UTS.sav
Active DatasetDataSet1
Filter
Weight
Split File
N of Rows in Working Data File7
Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.
Cases UsedStatistics for each test are based on all cases with valid data for the variable(s) used in that test.
SyntaxNPAR TESTS /K-S(NORMAL)=Y /MISSING ANALYSIS.
ResourcesProcessor Time00 00:00:00,000
Elapsed Time00 00:00:00,024
Number of Cases Alloweda196608
a. Based on availability of workspace memory.
[DataSet1] D:\College\3rd semester\APLIKOM\Fernandhi Dwi Prakoso_115020307111050_KelasCC_UTS.sav
One-Sample Kolmogorov-Smirnov Test
Pengaruh Variabel Terhadap Kinerja Karyawan
N7
Normal Parametersa,bMean77,2857
Std. Deviation6,84871
Most Extreme DifferencesAbsolute,283
Positive,203
Negative-,283
Kolmogorov-Smirnov Z,748
Asymp. Sig. (2-tailed),631
a. Test distribution is Normal.b. Calculated from data.
Uji Normalitas (Uji Kolmogorov-Smirnov)Fungsi untuk menghitung uji normalitas untuk melihat apakah nilai yang residual terdistribusi normal atau tidak. Model untuk regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas sendiri itu dilakukan bukan pada nilai masing-masing variabel, namun pada nilai residualnya.Hipotesis :H0 = Data yang di uji berdistribusi normalH1 = Data yang diuji tidak berdistribusi normalDasar Pengambilan Keputusan :Jika probabilitasnya atau nilai signifikannya > 0.05, maka H0 diterima, dan jika probabilitasnya atau nilai signifikannya < 0.05, maka H0 ditolak.Keputusan :Pada tabel hasil penghitungan program SPSS diatas, nilai signifikannya adalah 0.631 > 0.05, sehingga hipotesis H0 diterima, jadi data yang dianalisis berarti memiliki data residual berdistribusi normal.