Tugas Statistik (spss) - Bambang Satrio 65s5m

ANALISIS DAN MENGOLAH DATA DENGAN SPSS STATISIKA

Oleh : Bambang Satrio (5302415063)

Dosen Pembimbing : Drs. Isdiyarto, M.Pd.

UNIVERSITAS NEGERI SEMARANG SEMARANG 2017

DESCRIPTIVES VARIABLES=IKLIMSEKOLAH KINERJAGURU /STATISTICS=MEAN STDDEV MIN MAX.

DESCRIPTIVES Notes Output Created

28-NOV-2017 21:33:45

Comments Input

Active Dataset

DataSet0

Filter

<none>

Weight

<none>

Split File

<none>

N of Rows in Working Data

100

File Missing Value Handling

Definition of Missing

defined missing values are treated as missing.

Cases Used

All non-missing data are used.

Syntax

DESCRIPTIVES VARIABLES=IKLIMSEKOLA H KINERJAGURU /STATISTICS=MEAN STDDEV MIN MAX.

Resources

Processor Time

00:00:00.00

Elapsed Time

00:00:00.03

[DataSet0]

Descriptive Statistics N

Minimum

Maximum

Mean

Std. Deviation

IKLIMSEKOLAH

100

10.00

25.00

17.9800

3.63479

KINERJAGURU

100

10.00

57.00

30.9000

13.85750

Valid N (listwise)

100

CORRELATIONS /VARIABLES=IKLIMSEKOLAH KINERJAGURU /PRINT=TWOTAIL NOSIG /MISSING=PAIRWISE.

CORRELATIONS Notes Output Created

28-NOV-2017 21:34:01

Comments Input

Active Dataset

DataSet0

Filter

<none>

Weight

<none>

Split File

<none>

N of Rows in Working Data

100

File Missing Value Handling

Definition of Missing

-defined missing values are treated as missing.

Cases Used

Statistics for each pair of variables are based on all the cases with valid data for that pair.

Syntax

CORRELATIONS

/VARIABLES=IKLIMSEKOLA H KINERJAGURU /PRINT=TWOTAIL NOSIG /MISSING=PAIRWISE. Resources

Processor Time

00:00:00.02

Elapsed Time

00:00:00.06

Correlations

IKLIMSEKOLAH

IKLIMSEKOLAH

KINERJAGURU

1

.122

Pearson Correlation Sig. (2-tailed)

KINERJAGURU

N

100

100

Pearson Correlation

.122

1

Sig. (2-tailed)

.225

N

100

REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN

.225

100

/DEPENDENT KINERJAGURU /METHOD=ENTER IKLIMSEKOLAH.

REGRESSION Notes Output Created

28-NOV-2017 21:34:16

Comments Input

Active Dataset

DataSet0

Filter

<none>

Weight

<none>

Split File

<none>

N of Rows in Working Data

100

File Missing Value Handling

Definition of Missing

-defined missing values are treated as missing.

Cases Used

Statistics are based on cases with no missing values for any variable used.

Syntax

REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT KINERJAGURU /METHOD=ENTER IKLIMSEKOLAH.

Resources

Processor Time

00:00:00.00

Elapsed Time

00:00:00.05

Memory Required

2400 bytes

Additional Memory Required

0 bytes

for Residual Plots

Variables Entered/Removeda Model 1

Variables

Variables

Entered

Removed

IKLIMSEKOLAH b

Method . Enter

a. Dependent Variable: KINERJAGURU b. All requested variables entered.

Model Summary Model

R

R Square

.122a

1

Adjusted R

Std. Error of the

Square

Estimate

.015

.005

13.82314

a. Predictors: (Constant), IKLIMSEKOLAH

ANOVAa Model 1

Sum of Squares Regression

df

Mean Square

285.236

1

285.236

Residual

18725.764

98

191.079

Total

19011.000

99

F

Sig. .225b

1.493

a. Dependent Variable: KINERJAGURU b. Predictors: (Constant), IKLIMSEKOLAH

Coefficientsa Standardized Unstandardized Coefficients Model 1

B (Constant)

Std. Error

22.504

7.010

.467

.382

IKLIMSEKOLAH

Coefficients Beta

t

.122

Sig.

3.210

.002

1.222

.225

a. Dependent Variable: KINERJAGURU

SAVE OUTFILE='C:\s\bamba\OneDrive\Documents\TUGAS2_STATISTIK.sav' /COMPRESSED.

PENJELASAN DARI ANALISIS

1. Analasis Statistik Deskriptif Analasis Statistik Deskriptif adalah analisis data dengan menggunakan statistik-statistik univariate seperti rata-rata, median, modus, deviasi standar, varians, dll. Tujuan dari analisis deskriptif adalah untuk mengetahui gambaran atau penyebaran data sampel atau populasi. Misalnya ingin mengetahui rata-rata umur responder, umur termuda/tertua, rentang umur, dan seterusnya. Dari hasil data diatas kita bisa mengetahui niali minimum, maksimul, mean dan standar deviasi dari data yang di amati dan di analisis.

2. Analisis Statistik Korelasi Biaviarte Pearson

Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi. Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua variabel. Pearson Correlationdigunakan untuk data berskala interval atau rasio, sedangkan Kendall’s tau b,dan Spearman Correlation lebih cocok untuk data berskala ordinal. Adapun yang menjadi dasar pengambilan keputusan dalam anasis korelasi bivariate dengan melihat nilai signifikasi (Sig) adalah: a. Jika nilai signifikasi (Sig) lebih kecil dari probabilitas 0,05 maka ada hubungan antara iklim Sekolah dengan Kinerja guru. b. Sebaliknya Jika nilai signifikasi (Sig) lebih besar dari probabilitas 0,05 maka tidak ada hubungan antara iklim Sekolah dengan Kinerja guru. Dari Hasil analisis korelasi diatas didapat signifikansi antara iklim sekolah dengan kinerja guru sebesar 0,225 . Karena signifikansi tersebut lebih besar dari 0,5 maka tidak ada hubungan antara iklim sekolah dengan kinerja guru.

3. Analisis Statistik Regresi Linear Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel independen (X) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah positif atau negatif dan untuk

memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.. Data yang digunakan biasanya berskala interval atau rasio. Adapun yang menjadi dasar pengambilan keputusan dalam analisis regresi dengan melihat nilai signifikasi (Sig) adalah: a. Jika nilai signifikasi (Sig) lebih kecil dari probabilitas 0,005 maka ada pengaruh iklim sekolah terhadap kinerja guru. b. Sebaliknya, jika nilai signifikasi (Sig) lebih besar dari probabilitas 0,005 maka tidak ada pengaruh iklim sekolah terhadap kinerja guru. Berdasarkan hasil data tersebut maka diketahui bahwa nilai signifikasi yaitu 0,225 lebih besar dari probabilitas 0,05. Maka dapat diketahui bahwa tidak ada pengaruh iklim sekolah dengan kinerja guru.