Download - PENGGUNAAN SOFTWARE SPSS16
PENGGUNAAN SOFTWARE SPSS16 DALAM MENGANALISIS PRODUKTIVITAS TENAGA KERJA DENGAN METODE ANALISIS REGRASI LINIER BERGANDA DAN UJI HIPOTESIS PROBABILITAS
Nurhidayah Tinia Lestari, Siti Aisyah, Theta Margaritifera, Uni Handayani1 23Jurusan Teknik Sipil, Fakultas Teknik Sipil dan Perencanaan,
4 5 Jurusan Teknik Sipil,
Universitas Gunadarma
Jalan Margonda Raya No. 100 Pondok Cina, Depok 16424ABSTRAKProduktivitas tenaga kerja adalah salah satu komponen yang sangat penting dalam keberhasilan suatu proyek. Oleh karena itu, produktivitas tenaga kerja harus diperhatikan dengan baik. Ada beberapa faktor yang memengaruhi produktivitas tenaga kerja dalam suatu proyek, antara lain umur, kesehatan pekerja, dan keahlian pekerja. Faktor tersebut seringkali menjadi kendala dalam berlangsungnya suatu proyek sehingga berimbas pada berhasil atau tidaknya proyek tersebut. Oleh karena itu, dibutuhkan suatu metode yang dapat menganalisis keterkaitan faktor-faktor tersebut dengan produktivitas tenaga kerja dalam suatu proyek. Metode Analisis Regresi Linier Berganda adalah metode analisis yang digunakan untuk mengetahui pengaruh dari variabel bersama-sama (bebas) terhadap variabel terikat, sehingga akan terlihat jelas keterkaitan antara kedua variabel tersebut. Dalam menunjang kegiatan analisis produktivitas tenaga kerja dalam suatu proyek, dibutuhkan sistem informasi yang dapat mempermudah proses analisis produktivitas tenaga kerja dalam suatu proyek. Oleh karena itu, digunakan Software SPSS16 untuk membantu analisis tersebut, dan untuk mendapatkan hasil yang optimal dan lebih akurat. Hasil yang diperoleh berupa koefisien variabel dan nilai signifikan variabel yang nantinya digunakan untuk pengujian hipotesis dengan menggunakan Uji Hipotesis Probabilitas.Kata kunci : Analisis Regresi Linier Berganda, Produktivitas Tenaga Kerja, Software SPSS16,Uji Hipotesis Probabilitas PENDAHULUAN
Dalam Dunia jasa konstruksi, produktivitas tenaga kerja adalah salah satu faktor penentu keberhasilan sebuah proyek pembangunan. Produktivitas tenaga kerja yang baik sangat diperlukan untuk keberhasilan proyek konstruksi. Produktivitas tenaga kerja akan sangat berpengaruh juga terhadap besarnya keuntungan atau kerugian suatu proyek. Dalam pelaksanaan di lapangan hal tersebut terkadang bisa terjadi dikarenakan tenaga kerja yang kurang efektif didalam pekerjaannya. Besarnya tingkat produktivitas tenaga kerja dipengaruhi oleh banyak faktor (Tomi Aprilian, 2010).Oleh karena itu, diperlukan suatu metode yang dapat menganalisis produktivitas tenaga kerja dengan faktor-faktor yang dapat mempengaruhinya. Pada penulisan ini metode yang digunakan adalah metode Analisis Regresi Linier Berganda dengan Uji Hipotesis Probabilitas untuk pengambilan kesimpulan hipotesis yang dihasilkan. Untuk mempermudah dan mendapatkan hasil yang lebih optimal, maka proses analisis dibantu dengan Software SPSS16.METODE ANALISIS DATA
Metode analisis data yang digunakan adalah Analisis Regresi Linier Berganda dengan Pengujian Hipotesis Probabilitas (P.Value).PEMBAHASAN
Analisis Regresi Linier Berganda adalah analisis yang digunakan untuk mengetahui pengaruh dari variabel secara bersama-sama terhadap variabel terikat. Karena pengaruh semua variabel diperhitungkan maka akan didapat persamaan linier berganda (Tomi Aprilian, 2010). Contoh kasus adalah Analisis produktivitas tenaga kerja pada pembuatan plesteran. Diketahui variabel terikat adalah produktivitas (Y) tenaga kerja dan variabel bebasnya adalah faktor-faktor yang memengaruhinya, yaitu Umur {X!), kesehatan pekerja (X2), dan keahlian pekerja (X3). Diperoleh data sebagai berikut :
Tabel 1.Sampel Data Produktivitas Tenaga KerjaX1X2X3Y
40758078
45808785
50837879
55878988
Uji Analisis Regresi Linier Berganda
Dalam regresi linier ganda selain keberartian model dan koefisien,ada juga hal hal lain yang perlu diperhatikan seperti multikolineritas dan auto korelasi. Multikolinearitas adalah kejadian yang menginformasikan terjadinya hubungan antara variable variable bebas x1 dan hubungan yang terjadi cukup besar.Hal itu akan menyebabkan perkiraan koefisien determinasi regresi.Umumnya multikolinearitas dapat diketahui dari nilai koefisien kolerasi yang cukup besar antara variable variable bebas misalnya antar x1 dan x2 .Untuk mengatasi hal tersebut maka variable yang mempunyai korelasi yang multikolinear dapat dihilangkan.Dalam metode variable variable bebas yang memiliki kajadian seperti di atas biasanya secara otomatis akan dihilangkan
Dalam suatu analisa regresi dimungkinkan terjadinya hubungan antara variable variable bebas itusendiri atau berkorelasi sendiri.Prosedur pendeteksian masalah autokorelasi dapat diketahui dengan pengujian Durbin-Watson (Joko Sulistyo, 2010)Langkah Pengujian :Langkah pertama : Variabel data didefinisikan dan dimasukkan ke SPSS, seperti terlihat pada gambar
Gambar 1 Mendefinisikan variabelKemudian masukan data dari table 1 ke dalam Data View
Gambar 2. Menginput Datapada Menu Bar pilih menu Analys ,lalu pilih Regression, kemudian pilih Linear
Gambar 3.memilih menu
Selanjutnya masukkan variabel X1, X2, X3, dan X4 ke Independent dan variabel Y ke Dependent.pilih enter pada kolom method.Metodse enter adalah suatu metode dalam pembentukan taksiran model regresi dimana semua variable bebas dilibatkan dalam pembentukan persamaan regresinya.Apabila diinginkan suatu taksiran model regresi linier berganda dimana variable bebas yang terlibat dalam model merupakan variable yang signifikan dan layak secara statistic untuk dimasukan dalam model regresi linier berganda maka pilih metode Stepwise,remove,Backward,dan Forward.Ke empat metode ini digunakan untuk menyeleksi semua variable bebas yang dilibatkan sehingga pada akhirnya hanya variable bebas yang menghasilkan taksiran yang signifikan saja yang akan dimasukan dalam model taksiran regresi linier berganda.
seperti terlihat pada gambar 4
Gambar.4.memasukan variabelberikutnya pilih kotak statistic,pilih estimates pada regression coefficients,pilih model fit,dan pilioh durbin-watson pada kolom residualkemudian Klik Continue.seperti yang terlihat pada gambar
Gambar 5.memilih sub menu statistic
selanjutnya pilih Plot, kemudian Masukkan Dependent ke Y dan Zpred ke X,selanjutnya ceklist Normal Probability Plot pada Standardized residual plot,kemudian Klik Continue seperti pada gambar 6.
Gambar 6.memilih sub menu Plotsetelah itu pilih Save.lalu pilih Standardized pada predicted value dan residual,pada Prediction intervals ceklist Mean.kemudian Klik Continueseperti yang terlihat pada gambar dibawah ini
Gambar.7.memilih sub menu save
lalu pilih Option, dalam stepping method criteria pilih Use probability of F,dengan Entry .05 dan Removal .10,kemudian Beri tanda Include Constant In Equation.pada Missing values pilih Exclude cases listwise.kemudian klik continueseperti pada gambar
Gambar 8.memilih sub menu Option
setelah itu Klik OK ,sehingga menghasilkan output dan data baru seperti di bawah ini. Hasil Pengolahan Data Linier Berganda
Menggunakan method EnterRegression
Variables Entered/Removedb
ModelVariables EnteredVariables RemovedMethod
1keahlian, umur, kesehatana.Enter
a. All requested variables entered.
b. Dependent Variable: produktivitas
Model Summaryb
ModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson
11.000a1.000..1.735
a. Predictors: (Constant), keahlian, umur, kesehatan
b. Dependent Variable: produktivitas
ANOVAb
ModelSum of SquaresdfMean SquareFSig.
1Regression69.000323.000..a
Residual.0000.
Total69.0003
a. Predictors: (Constant), keahlian, umur, kesehatan
b. Dependent Variable: produktivitas
Coefficientsa
ModelUnstandardized CoefficientsStandardized CoefficientstSig.
BStd. ErrorBeta
1(Constant)27.500.000..
umur.475.000.639..
kesehatan-.500.000-.527..
keahlian.875.000.971..
a. Dependent Variable: produktivitas
Residuals Statisticsa
MinimumMaximumMeanStd. DeviationN
Predicted Value78.000088.000082.50004.795834
Std. Predicted Value-.9381.147.0001.0004
Standard Error of Predicted Value....0
Adjusted Predicted Value....0
Residual.00000.00000.00000.000004
Std. Residual....0
Stud. Residual....0
Deleted Residual....0
Stud. Deleted Residual....0
Mahal. Distance2.2502.2502.250.0004
Cook's Distance....0
Centered Leverage Value.750.750.750.0004
a. Dependent Variable: produktivitas
Hasil analisis menggunakan method stepwiseVariables Entered/Removeda
ModelVariables EnteredVariables RemovedMethod
1keahlian.Stepwise (Criteria: Probability-of-F-to-enter = .100).
a. Dependent Variable: produktivitas
Model Summaryb
ModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson
1.992a.985.977.723551.137
a. Predictors: (Constant), keahlian
b. Dependent Variable: produktivitas
ANOVAb
ModelSum of SquaresdfMean SquareFSig.
1Regression67.953167.953129.798.008a
Residual1.0472.524
Total69.0003
a. Predictors: (Constant), keahlian
b. Dependent Variable: produktivitas
Coefficientsa
ModelUnstandardized CoefficientsStandardized CoefficientstSig.
BStd. ErrorBeta
1(Constant)7.8416.5631.195.355
keahlian.894.078.99211.393.008
a. Dependent Variable: produktivitas
Excluded Variablesb
ModelBeta IntSig.Partial CorrelationCollinearity Statistics
Tolerance
1umur.130a3.001.205.949.809
kesehatan.130a2.323.259.919.761
a. Predictors in the Model: (Constant), keahlian
b. Dependent Variable: produktivitas
Residuals Statisticsa
MinimumMaximumMeanStd. DeviationN
Predicted Value77.582487.417682.50004.759304
Std. Predicted Value-1.0331.033.0001.0004
Standard Error of Predicted Value.454.563.509.0634
Adjusted Predicted Value76.940386.522482.27834.752514
Residual-.62941.58235.00000.590784
Std. Residual-.870.805.000.8164
Stud. Residual-1.1181.282.1061.1734
Deleted Residual-1.038831.47761.221711.233294
Stud. Deleted Residual-1.2902.148.2971.5204
Mahal. Distance.4321.068.750.3674
Cook's Distance.1411.263.615.4804
Centered Leverage Value.144.356.250.1224
a. Dependent Variable: produktivitas
Berdasarkan Tabel 2 bagian Coefficients dengan metode Enter, dapat dibuat model regresi linier berganda dengan persamaan sebagai berikut :
Y = 27.500 + 0.475X1 - 0.500X2 + 0.875X3Nilai masing-masing koefisien regresi variabel independen dari model regresi linier tersebut memberikan gambaran/ hipotesis sebagai berikut:
1. Koefisien Regresi Variabel Umur (X1) sebesar 0,475 menggambarkan bahwa X1 mempunyai pengaruh positif terhadap Y, artinya dengan bertambah besarnya jumlah umur akan semakin besar produktivitas tenaga kerja yang dihasilkan.
2. Koefisien Regresi Variabel Kesehatan Pekerja (X2) sebesar 0.500 menggambarkan bahwa X2 mempunyai pengaruh negatif terhadap Y, artinya dengan berkurangnya kesehatan akan semakin kecil produktivitas tenaga kerja yang dihasilkan.
3. Koefisien Regresi Variabel Keahlian Pekerja (X3) sebesar 0.875 menggambarkan bahwa X3 mempunyai pengaruh positif terhadap Y, artinya dengan bertambahnya besarnya keahlian pekerja akan semakin besar produktivitas tenaga kerja yang dihasilkan.
Pengujian Hipotesis Probabilitas (P.Value)
Uji hipotesis probabilitas digunakan untuk mengetahui pengaruh dari masing-masing Variabel Independen terhadap Variabel Dependen. Uji ini dilakukan dengan membandingkan nilai signifikan (sig) yang telah ditentukan yaitu 5% atau 0.05 dengan nilai signifikan hitung (Slamet, 2010).Nilai signifikan hitung dari hasil pengolahan data dapat dilihat pada ANOVA dengan metode Stepwise dengan ketentuan Sig hitung < 0,05 maka H0 ditolak (model regresi layak digunakan) dan sebaliknya., Sig hitung < 0,10 maka HO ditolak. H0 (hipotesis nol) adalah hipotesis yang menyatakan tidak adanya hubungan antar variabel. H1 (hipotesis kerja) adalah hipotesis yang menyatakan adanya hubungan antar variabel. Pada hasil output data ANOVA dengan metode stepwise tertulis Sig adalah 0.008 < 0.05 maka H0 ditolak dan model regresi layak digunakan. Penutup simpulan
Metode Analisis Regresi Linier Berganda sangat membantu untuk menganalisis produktivitas tenaga kerja dalam suatu proyek dengan Pengujian Hipotesis Probabilitas untuk menguji hasil analisisnya. Software SPSS16 dapat mempermudah perhitungan analisis produktivitas tenaga kerja dengan hasil yang lebih akurat.saran
Untuk menentukan nilai signifikan pada Uji Hipotesis Probabilitas dibutuhkan ketelitian tingkat tinggi, karena akan mempengaruhi hasil analisis.DAFTAR PUSTAKA
Joko Sulistyo S . 2011. 6 Hari Jago SPSS17l. Cakrawala, Yogyakarta.
Tomas Aprilian. 2010. Modul Analisis Produktivitas Tenaga Kerja Pada Pekerjaan Struktur Atap Baja, Fakultas Teknik Sipil, Universitas Sebelas Maret, Surakarta.
Slamet. 2010. Analisis Regresi Linier : Uji Asumsi Klasik_Bab VII. Penerbit. Kota.