LANGKAH-LANGKAH UJI LINEARITAS

b. The dependent variable (Kinerja) contains non-positive values. The minimum value is -1,83644. Log transform cannot be applied. The Compound, Power,...

0 downloads 1 Views 4MB Size
LANGKAH-LANGKAH UJI LINIERITAS 1. Contoh berikut menggunakan variabel TQM yang menggunakan 11 indikator. Masukan data rata-rata setiap indikator pada program SPSS, Seperti pada tampilan berikut ini:

2. Langkah berikutnya; a. Klik Analyze b. Klik Dimension Reduction c. Klik Factor seperti pada tampilan di bawah ini:

3. Kemudian akan muncul kotak dialog Factor Analysis. Kemudian 11 Indikator dari sebelah kiri Di Masukan ke seleha kanan, seperti pada tampilan di bawah ini: Sebelum 11 Indikator Dimasukan

Setelah 11 Indikator Dimasukan

4. Langkah selanjutnya : a. Klik Scores b. Klik / Aktivkan Save as Variabels, Seperti pada tampilan di bawah ini: Sebelum di Klik/Aktivkan

Setelah di klik / Aktivkan

5. Langkah selanjutnya a. Klik Continue b. Klik OK 6. Selanjutnya membaca hasil output spss. Untuk membaca output spss di lihat pada Component Matrix sebagai berikut:

Component Matrixa Component 1

2

3

X1

,800

,209

,086

X2

,782

,149

,166

X3

,647

,363

-,502

X4

,150

,865

,305

X5

,724

-,215

-,306

X6

,592

,289

-,178

X7

,803

-,278

-,141

X8

,805

,138

,074

X9

,714

-,331

,162

X10

,678

-,394

,090

X11

,368

-,129

,772

Extraction Method: Principal Component Analysis. a. 3 components extracted.

Cara membaca Hasil Output SPSS: a. Componen matrix berfungsi untuk mereduksi indikator yang bukan pembentuk variabel. Tujuan Componen matrix ini untuk mencari 1 Componen matrix pembentuk Variabel. Hasil contoh di atas terdapat 3 component pembentuk variabel. Maka indikator yang bukan pembentuk variabel harus di DROOP/ atau dikeluarkan. b. Kriteria Indikator disebut sebagai pembentuk variabel apabila nilai indikator di atas 0,50. Sedangkan apabila ada nilai indikator di bawah 0,50, berarti indikator tersebut bukan merupakan pembentuk indikator. c. Pada contoh hasil output di atas, terdapat 2 indikator yang bukan merupakan pembentuk variabel, Yaitu X4 dengan nilai 0,150 dan X11 dengan nilai sebesar 0,368. Dengan demikian untuk indikator X 4 dan X 11 di DROOP atau dikeluarkan dari komponen pembentuk variabel.

7. Kemudian dilakukan analisis lagi, dengan langkah-langkah sebagai berikut: a. Klik Analysis b. Klik Dimension reduction c. Klik Factor d. Kemudian X4 dan X11 dikeluarkan dari analisis, seperti pada tampilan di bawah ini:

X4 dan X11 Sudah di DROOP Atau dikeluarkan dari pembentuk variabel

e. f. g. h.

Selanjutnya klik Scores Klik Save as variables Klik Continue Klik OK

Selanjutnya membaca hasil output spss sebagai berikut:

Component Matrixa Component 1 X1

,798

X2

,774

X3

,664

X5

,739

X6

,597

X7

,805

X8

,798

X9

,711

X10

,686

Extraction Method: Principal Component Analysis. a. 1 components extracted.

Setelah berhasil mencapai 1 Component matrix, maka component matrik tersebut berfungsi sebagai pembentuk variabel TQM. Selanjutnya memberikan nama pada spss di kolom variable view dengan nama TQM pada Name dan Label, seperti pada tampilan di bawah ini

Klik

SELANJUTNYA, MELAKUKAN HAL YANG SAMA PADA VARIABEL KINERJA. 1. Kembali pada data view seperti pada tampilan di bawah ini:

2. Klik Analyze

3. Klik Dimension Reduction 4. Klik Factor 5. Masukan Y1 – Y5 ke sebelah kanan, seperti pada tampilan di bawah ini

6. Klik Score 7. Klik Save as variables 8. Klik Continue 9. Klik OK Hasil output spss. Seperti pada tampilan di bawah ini: Component Matrixa Component 1

2

Y1

,751

-,358

Y2

,867

,020

Y3

,675

-,524

Y4

,487

,715

Y5

,625

,411

Extraction Method: Principal Component Analysis. a. 2 components extracted.

Kemudian membaca hasil output spss. a. Pada contoh hasil output di atas, terdapat 1 indikator yang bukan merupakan pembentuk variabel, Yaitu Y4 dengan nilai 0,487. Dengan demikian untuk indikator Y 4 di DROOP atau dikeluarkan dari komponen pembentuk variabel. b. Kemudian dilakukan pengujian lagi, tanpa Y 4 seperti di bawah ini.

Y4 Sudah di DROOP Atau dikeluarkan dari pembentuk variabel

c. Klik Score d. Klik Save as variables e. Klik Continue f.

Klik OK Hasil output spss, seperti pada tampilan di bawah ini:

Component Matrixa Component 1 Y1

,796

Y2

,851

Y3

,738

Y5

,590

Extraction Method: Principal Component Analysis. a. 1 components extracted.

Setelah berhasil mencapai 1 Component matrix, maka component matrik tersebut berfungsi sebagai pembentuk variabel yang kedua, yaitu variabel Kinerja. Selanjutnya memberikan nama pada spss di kolom variable view dengan nama kinerja pada Name dan Label, seperti pada tampilan di bawah ini

Klik

Setelah masing-masing variabel di bentuk oleh 1 component matrix, selanjutnya dilakukan analisis linearitas. Karena analisis linearitas berfungsi untuk memenuhi asumsi linear dua VARIABEL. CATATAN TAMBAHAN: 



TINGKATAN POSISI. o

Variabel

o

Dimensi

o

Indikator

o

Item/butir pertanyaan

UJI LINEARITAS di peruntukan menguji linearitas dua VARIABEL, bukan dua indikator

UJI LINEARITAS. Uji Linearitas ada beberapa cara. Berikut ini adalah uji linearitas yang menggunakan cara yang paling sederhana. Yaitu uji linearitas yang menggunakan CURVE ESTIMATION. Langkahnya sebagai berikut: 1. Pada posisi Data view di SPSS a. Klik Analyze b. Klik Regrsseion c. Klik Curve estimation, seperti pada tampilan di bawah ini:

Kemudian akan muncul kotak dialog Curve Estimation d.

Masukan TQM pada kolom Dependen

e. Masukan Kinerja pada kolom Independen f.

Aktifkan semua pada kolom model

g. Klik OK Seperti tampilan di bawah ini:

Sebelum di proses

Setelah di proses

Kemudian akan muncul hasil output SPSPP seperti tampilan di bawah ini: Model Summary and Parameter Estimates Dependent Variable: Kinerja Equation

Model Summary R Square

F

df1

Parameter Estimates

Sig.

df2

Constant

b1

b2

,005

,115

1

24

,738

-5,964E-017

-,069

.

.

.

.

.

.

.

Inverse

,000

,007

1

24

,933

-,001

-,002

Quadratic

,062

,766

2

23

,476

,187

-,191

-,195

,074

,587

3

22

,630

,221

,029

-,291

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

Linear Logarithmic

a

Cubic b

Compound a,b

Power S

b b

Growth

Exponential

b

b3

-,097

The independent variable is TQM. a. The independent variable (TQM) contains non-positive values. The minimum value is -2,24923. The Logarithmic and Power models cannot be calculated. b. The dependent variable (Kinerja) contains non-positive values. The minimum value is -1,83644. Log transform cannot be applied. The Compound, Power, S, Growth, Exponential, and Logistic models cannot be calculated for this variable.

ASUMSI LINEARITAS DENGAN MENGGUNAKAN METODE CURVE ESTIMATION PADA SPSS HUBUNGAN ANTAR VARIABEL DIKATAKAN TERPENUHI LINEAR, APABILA: 1. LINEAR EQUATION = SIG DAN EQUATION MODEL YANG LAIN DIABAIKAN ATAU 2. SEMUA MODEL = TIDAK SIG SEDANGKAN HUBUNGAN ANTAR VARIABEL TIDAK TERPENUHI LINIERITAS, APABILA: LINEAR EQUATION = TIDAK SIG, DAN ADA MINIMAL SATU EQUATION MODEL YANG LAIN SIG (Sumber: Solimun, 2013)

Hasil Uji Linearitas dengan Model Curve Estimation di atas adalah sebagai berikut: 

Lihat pada kolom sig. Semua Equation Models tidak sig. Berdasarkan kriteria asumsi di atas, maka variabel TQM dengan Variabel Kinerja Memenuhi Asumsi Linearitas.

***SENANG BISA BERBAGI ILMU *** *** SELAMAT BEKERJA SEMOGA SUKSES ***