Pelajaran Satu Juta Dolar

Petey Parker adalah seorang memberikan dasar-dasar bisnis inti melalui konsultasi dan seminar untuk semua kalangan. Dia membawa sebuah perspektif yang jujur sebagai pengamat, memberikan wawasan strategis, dan membantu perusahaan dalam menemukan solusi akan program dan agenda perusahaan. Berikut adalah ceritanya..

Seorang sopir taxi di Dallas telah mengajarkan saya bagaimana memenuhi harapan dan kepuasan pelanggan. Sebuah pelajaran seharga satu juta Dollar. Mungkin anda harus mengeluarkan ribuan Dollar untuk membayar seorang keynote atau pembicara profesional dalam sebuah seminar atau pelatihan motivasi untuk karyawan perusahaan. Tapi kali ini saya hanya cukup mengeluarkan ongkos taxi seharga 12 Dollar saja.

Berikut ceritanya: Suatu hari saya terbang ke Dallas untuk bertemu seorang klien. Waktu sangat sempit, karena saya harus segera kembali ke airport. Saya menghentikan sebuah taxi. Begitu berhenti, dengan segera sopir taxi membuka pintu mobil untuk saya, dan memastikan bahwa saya telah duduk dengan nyaman di dalamnya.<
... baca selengkapnya di Pelajaran Satu Juta Dolar Cerita Motivasi dan Inspirasi Nomor Satu

»»  READ MORE...

Uji Regresi Sederhana dengan SPSS Lengkap

Uji Regresi Sederhana dengan SPSS Lengkap | Analisis regresi sederhana digunakan untuk memprediksi atau menguji pengaruh satu variabel bebas atau variabel independent terhadap variabel terikat atau variabel dependent. Bila skor variabel bebas diketahui maka skor variabel terikatnya dapat diprediksi besarnya. Analisis regresi juga dapat dilakukan untuk mengetahui linearitasvariabel terikat dengan variabel bebasnya.

Analisis regresi linear sederhana terdiri dari satu variabel bebas (predictor) dan satu variabel terikat (respon), dengan persamaan :

Y = a + bX

Keterangan :
Y : Variabel terikat
a : Konstanta regresi
bX : Nilai turunan atau peningkatan variabel bebas

DASAR PENGAMBILAN KEPUTUSAN UJI REGRESI SEDERHANA
Pengambilan keptusan dalam uji regresi sederhana dapat mengacu pada dua hal, yakni dengan membandingkan nilai t hitung dengan t tabel, atau dengan membandingkan nilai signifikansi dengan nilai probabilitas 0,05.

Membanginkan nilai t hitung dan t tabel:

• Jika nilai t hitung lebih besar dari nilai t tabel, artinya variabel bebas berpengaruh terhadap variabel terikat.
• Jika nilai t hitung tidak lebih besar dari nilai t tabel, artinya variabel bebas tidak berpengaruh terhadap variabel terikat.

Membandingkan nilai signifikansi dengan probabilitas 0,05:

• Jika nilai signifikansi tidak lebih dari nilai probabilitas 0,05, artinya variabel bebas berpengaruh secara signifikan terhadap variabel terikat.
• Jika nilai signifikansi lebih dari nilai probabilitas 0,05, artinya variabel bebas tidak berpengaruh secara signifikan terhadap variabel terikat.

Setelah mengetahui tujuan dan dasar pengambilan keputusan dalam uji regresi sederhana, selanjutnya kita masuk praktek uji regresi sederhana dengan menggunakan contoh penelitian dibawah ini.

Contoh Judul Penelitian : Pengaruh Trust (Kepercayaan) pada calon presiden terhadap partisipasi dalam pemilihan umum.

Identifikasi variabel penelitian : Variabel bebas (X) adalah Trust, sedangkan variabel terikat (Y) adalah Partisipasi.

Sebaiknya untuk latihan sobat download dulu data variabel X dan Y yang saya gunakan untuk praktek dalam artikel ini : DOWNLOAD DATA

LANGKAH-LANGKAH UJI REGRESI SEDERHANA DENGAN SPSS
1. Buka data penelitian yang sudah sobat di atas, tampilan datanya sebagaimana gambar di bawah ini.

2. Dari menu SPSS, pilih menu Analyze, kemudian regression, lalu klik Linear. Maka akan muncul kotak dialog sebagai berikut:

3. Masukkan varibel Partisipasi ke kolom Dependent, dan masukkan variabel Trust ke kolom Independent(s). Pada Method kita pilih metode Enter.

4. Klik Statistics, lalu berikan tanda pada Estimates dan Model Fit, Kemudian KlikContinue.. Terakhir klik Ok untuk mengakhiri perintah.



OUTPUT SPSS DAN PENJELASANNYA :



Output Bagian Pertama (Variabel Entered/removed) : Tabel di atas menjelaskan tentang variabel yang dimasukkan atau dibuang dan metode yang digunakan. Dalam hal ini variabel yang dimasukkan adalah variabel nilai Trust sebagai predictor dan metode yang digunakan adalah metode Enter.



Output Bagian Kedua (Model Summary) : Tabel di atas menjelaskan besarnya nilai korelasi/ hubungan (R) yaitu sebesar 0,463 dan dijelaskan besarnya prosentase pengaruh variabel bebas terhadap variabel terikat yang disebut koefisien determinasi yang merupakan hasil dari penguadratan R. Dari output tersebut diperoleh koefisien determinasi (R2) sebesar 0,215, yang mengandung pengertian bahwa pengaruh variabel bebas (Trust) terhadap variabel terikat (Partisipasi) adalah sebesar 21,5%, sedangkan sisanya dipengaruhi oleh variabel yang lain.



Output bagian Ketiga (ANOVA) : Pada bagian ini untuk menjelaskan apakah ada pengaruh yang nyata (signifikan) variabel Trust (X) terhadap Variabel Partisipasi (Y). Dari output tersebut terlihat bahwa F hitung = 13,951 dengan tingkat signifikansi / Probabilitas 0,000 < 0,05, maka model regresi dapat dipakai untuk memprediksi variabel partisipasi



Output Bagian Keempat (Coefficients) : Pada tabel Coefficients, pada kolom B pada Constant (a) adalah 9,481, sedang nilai Trust (b) adalah 0,438, sehingga persamaan regresinya dapat ditulis :

Y = a + bX atau 9,481 + 0,438X

Koefisien b dinamakan keofisien arah regresi dan menyatakan perubahan rata-rata variabel Y untuk setiap perubahan variabel X sebesar satu satuan. Perubahan ini merupakan pertabahan bila b bertanda positif dan penurunan bila b bertanda negatif. Sehingga dari persamaan tersebut dapat diterjemahkan :

• Kostanta sebesar 9,481 menyatakan bahwa jika tidak ada nilai Trust maka nilai Partisipasi sebesar 9,481.
• Koefisien regresi X sebesar 0,438 menyatakan bahwa setiap penambahan 1 nilai Trust, maka nilai Partisipasi bertambah sebesar 0,438

MAKNA HASIL UJI REGRESI SEDERHANA
Selain mengganbarkan persamaan regresi output ini juga menampilan uji signifikansi dengan uji t yaitu untuk mengetahui apakah ada pengaruh yang nyata (signifikan) variabel Trust (X) sendiri (partial) terhadap variabel Partispasi (Y).

HIPOTESIS :

• Ho : Tidak ada pengaruh yang nyata (signifikan) variabel Trust (X) terhadap variabel Partispasi (Y).
• H1 : Ada pengaruh yang nyata (signifikan) variabel Trust (X) terhadap variabel Partispasi (Y).

Dari output di atas dapat diketahui nilai t hitung = 3,735 dengan nilai signifikansi 0,000 < 0,05, maka Ho ditolak dan H1 diterima, yang berarti Ada pengaruh yang nyata (signifikan) variabel Trust (X) terhadap variabel Partispasi (Y).

»»  READ MORE...

Tutorial Uji Heteroskedastisitas dengan Glejser SPSS

Tutorial Uji Heteroskedastisitas dengan Glejser SPSS | Selamat malam bapak-bapak, ibu-ibu, temen-temen semua yang sedang bersibuk-sibuk ria mengerjakan skirpsi, tesis, maupun tugas lainnya. Setelah seblumnya saya membahas mengenai Uji Multikolonieritas dengan Melihat Nilai Tolerance dan VIF SPSS, saatnya kita lanjut ke latihan SPSS tahap berikutnya yakni Tutorial Uji Heteroskedastisitas dengan Glejser SPSS

Sebelum saya mulai pada tutorialnya, sobat harus tahu terlebih dahulu tujuan dari Uji Heteroskedastisitas. Uji ini pada dasarnya bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan berbeda disebut Heteroskedastisitas. Model regresi yang baik seharusnya tidak terjadi heteroskedastisitas.

Seperti yang pernah saya ungkapkan berulang-ulang dalam artikel-artikel yang lalu, bahwa setiap uji dalam statistik pasti mempuyai dasar pengambilan keputusan yang berguna untuk menentukan sebuah kesimpulan. Dasar pengambilan keputusan pada Uji Heteroskedastisitas yakni :

• Jika nilai signifikansi lebih besar dari 0,05, kesimpulannya adalah tidak terjadi heteroskedastisitas.
• Jika nilai nilai signifikansi lebih kecil dari 0,05, kesimpulannya adalah terjadi heteroskedastisitas.

Dalam judul artikel tutorial ini, Uji Heteroskedastisitas dilakukan dengan Uji Glejser maksudnya adalah Glejser ini mengusulkan untuk meregres nilai absolute residual terhadap variabel independen dengan persamaan regresi : |Ut| =a + BXt + vt

Agar lebih jelas, selanjutnya kita masuk saja kebagian praktek yakni langkah-langkah melakukan Uji Heteroskedastisitas dengan Glejser SPSS versi 21. Namun sebelumnya, perlu saya informasikan bahwa data yang saya uji disini adalah data Motivasi (X1), Minat (X2), dan Prestasi (Y). Adapun data yang saya maksud dapat dilihat pada gambar dibawah ini.



1. Setelah data yang ingin di uji sudah dipersiapkan, selanjutnya buka program SPSS, lalu seperti biasa, klik Variable View, Selanjutnya, pada bagian Name tulis saja X1, X2 dan Y, pada Decimals ubah semua menjadi angka 0, pada bagian Label tuliskan Motivasi, Minat ,dam Prestasi, abaikan yang lainnnya.

2. Setelah itu, klik Data View, dan masukkan data Motivasi (X1), Minat (X2) dan Prestasi (Y) yang sudah dipersiapkan tadi, bisa dengan cara copy-paste.

3. Langkah selanjunya, saya akan membuat variabel tersebut dalam bentukunstandardized residual, caranya : dari menu SPSS pilih Analyze, lalu klikRegression, selanjutnya klik Linear

4. Kemudian, muncul kotak dialog dengan nama Linear Regression, maka masukkan variabel Prestasi (Y) ke Dependent, masukkan variabel Motivasi (X1) dan Minat (X2) ke Independent (s), laku klik Save

5. Muncul dialog dengan nama Linear Regression : Save, selanjutnya pada bagian Residul, centang (V) Unstandardized (abaikan kolom yang lain), lalu klikContinue

6. Lalu klik OK, abaikan saja ada output SPSS yang muncul, lihat di bagian Data View maka akan muncul variabel baru dengan nama RES_1

7. Selanjutnya saya akan membuat variabel RES2, caranya :dari menu utama SPSS pilih Transform, lalu Compute Variable : pada kotak "Target Variable" Isi dengan RES2. Pada kotak "Numeric Expression" ketikkan rumus: "ABS_RES(RES_1)"

8. Kemudian klik OK, abaikan saja ada outpur SPSS yang muncul, lihat di bagianData View maka akan muncul variabel baru dengan nama RES2

9. Sampai disini sudah bisakan, oke kita saya lanjutkan ke langkah berikutnya : dari menu utama SPSS pilih Analyze, kemudian pilih Regression, lalu klik Linear

10. Kemudian muncul kotak dialog dengan nama Linear Regression, lalu keluarkan dulu variabel Prestasi (Y) yang terdapat pada Dependent dan ganti dengan variabel RES2, lalu klik Save

11. Mucul kotak dengan nama Linear Regression : Save, selanjutnya pada bagian Residul, hilangkan tanda centang (V) Unstandardized (abaikan kolom yang lain), lalu klik Continue

12. Langkah yang terakhir adalah klik Ok untuk mengakhiri perintah, maka kita sudah bisa melihat Outputnya, tinggal kita interprestasikan saja.

Interprestasi :
Berdasarkan output di atas diketahui bahwa nilai signifikasi variabel Motivasi (X1) sebesar 0,004 lebih kecil dari 0,05, artinya terjadi heteroskedastisitas pada variabel Motivasi (X1). Sementara itu, diketahui nilai signifikasi variabel Minat (X2) yakni 0,009 lebih kecil dari 0,05, antinya terjadi heteroskedastisitas pada variabel Minat (X2)

»»  READ MORE...

Tutorial Uji Autokorelasi dengan Durbin Watson SPSS

Tutorial Uji Autokorelasi dengan Durbin Watson SPSS | Sebelum saya membahas mengenai Uji Autokorelasi, sekedar mengigatkan kembali bahwa sebelumnya telah dibahas mengenai Tutorial Uji Heteroskedastisitas dengan Glejser SPSS. Uji Autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu 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 lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) karena “gangguan” pada seseorang individu atau kelompok cenderung mempengaruhi “gangguan” pada individu atau kelompok yang sama atau pada periode berikutnya. 

Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi. Dalam postingan kali ini akan saya bahas mengenai Uji Autokorelasi dengan Durbin Watson (DW test). Uji Durbin Watson hanya digunakan untuk autokorelasi tingkat satu dan mensyaratkan adanya intercept (konstanta) dalam model regresi dan tidak ada variabel lag diantara variabel independen.

Dasar Pengambilan Keputusan
Metode pengujian yang sering digunakan adalah dengan uji Durbin-Watson (uji DW) dengan ketentuan sebagai berikut :

• Jika d lebih kecil dari dL atau lebih besar dari (4-dL) maka hopotesis nol ditolak, yang berarti terdapat autokorelasi.
• Jika d terletak antara dU dan (4-dU), maka hipotesis nol diterima, yang berarti tidak ada autokorelasi.
• Jika d terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka tidak menghasilkan kesimpulan yang pasti.

Setelah sobat mengetahui dasar-dasar pada Uji Autokorelasi, kini kita masuk pada bagian praket pengolahan datanya dengan SPSS versi 21. Perlu saya informasikan terlebih dahulu bahwa data yang akan diuji adalah data Motivasi (X1), Minat (X2), dan Prestasi (Y) dengan jumlah N=12. Adapun rincian datanya dapat dilihat pada gambar dibawah ini.

1. Setelah data yang ingin di uji sudah dipersiapkan, selanjutnya buka program SPSS, lalu seperti biasa, klik Variable View, Selanjutnya, pada bagian Name tulis saja X1, X2 dan Y, pada Decimals ubah semua menjadi angka 0, pada bagianLabel tuliskan Motivasi, Minat ,dam Prestasi, abaikan yang lainnnya.



2. Setelah itu, klik Data View, dan masukkan data Motivasi (X1), Minat (X2) dan Prestasi (Y) yang sudah dipersiapkan tadi, bisa dengan cara copy-paste.

3. Langkah selanjunya, dari menu SPSS pilih Analyze, lalu klik Regression, selanjutnya klik Linear

4. Kemudian, muncul kotak dialog dengan nama Linear Regression, maka masukkan variabel Prestasi (Y) ke Dependent, masukkan variabel Motivasi (X1) dan Minat (X2) ke Independent (s), laku klik Statistics

5. Muncul kotak dengan nama Linear Regression : Statistics, pada bagian ini lalu centang (v) Durbin-Watson (abaikan centangan yang lain).

6. Langkah yang terakhir adalah klik Ok. Hasil outputnya lihat dibawah ini.

Berdasarkan output di atas, diketahui nilai DW 2,115, selanjutnya nilai ini akan kita bandingkan dengan nilai table signifikansi 5%, jumlah sampel N=12 dan jumlah variabel independen 2 (K=2) = 2.12 (Cari pada tabel Durbin Watson) maka diperoleh nilai du 1,579.

Nilai DW 2,115 lebih besar dari batas atas (du) yakni 1,579 dan kurang dari (4-du) 4-1,579 = 2,421 sehingga dapat disimpulkan bahwa tidak terjapat autokorelasi.

Demikain tadi serangkaian Tutorial Uji Autokorelasi dengan Durbin Watson SPSS cukup simpel dan mudah untuk dipraktekkan, jika sobat masih bingung dapat memilih alternatif lain yakni : Jasa Olah Data Statistik SPSS Terpercaya

Artikel selanjutnya : Uji Homegenitas

Search : Tutorial Uji Autokorelasi dengan Durbin Watson SPSS, Cara melakukan Uji Autokorelasi dengan Uji Durbin Watson (DW test) program SPSS versi 21, Langkah-langkah Uji Autokorelasi lengkap dengan gambar
Img : Dokumen olah data SPSS versi 21

»»  READ MORE...