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


ANOVAb

ModelSum of SquaresdfMean SquareFSig.

1Regression69.000323.000..a

Residual.0000.

Total69.0003

a. Predictors: (Constant), keahlian, umur, kesehatan


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


Hasil analisis menggunakan method stepwiseVariables Entered/Removeda

ModelVariables EnteredVariables RemovedMethod

1keahlian.Stepwise (Criteria: Probability-of-F-to-enter = .100).


Model Summaryb

ModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson

1.992a.985.977.723551.137

a. Predictors: (Constant), keahlian


ANOVAb

ModelSum of SquaresdfMean SquareFSig.

1Regression67.953167.953129.798.008a

Residual1.0472.524

Total69.0003

a. Predictors: (Constant), keahlian


Coefficientsa

ModelUnstandardized CoefficientsStandardized CoefficientstSig.

BStd. ErrorBeta

1(Constant)7.8416.5631.195.355

keahlian.894.078.99211.393.008


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


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


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.

penggunaan software spss16

Documents