Banyak cara untuk mengatasi data yang tidak normal, salah satunya adalah dengan melakukan pemotongan (cut-off). Kali ini saya akan mendemonstrasikan pemotongan data pada data hubungan antara kompetisi dan produktivitas. Hasil identifikasi melalui grafik scatter menunjukkan bahwa kompetisi dan produktivitas memiliki hubungan yang tidak linier. Pada tingkat kompetisi yang rendah, kompetisi akan meningkatkan produktivitas kerja, akan tetapi sebaliknya, pada kompetisi yang tinggi, produktivitas kerja justru menurun. Oleh karena itu pemotongan dilakukan berdasarkan nilai kompetisi. Nilai kompetisi dibagi menjadi dua bagian, yaitu kompetisi rendah dan tinggi. Setelah data dibagi menjadi dua bagia, langkah selanjutnya adalah melakukan analisis secara terpisah. File dalam bentuk PDF bisa diunduh di sini

Deskripsi Penelitian

Penelitian hendak menguji peranan situasi kompetisi terhadap produktivitas kinerja pada beberapa perusahaan. Sejumlah unit-unit kerja pada beberapa 75 perusahaan manufakturing diukur situasi kompetitifnya serta produktivitas karyawan yang ada di dalamnya.

Variabel Penelitian.

Variabel dependen : Produktivitas kerja
Variabel independen : Situasi kompetisi antar karyawan

Hipotesis

Hipotesis alternatif (Ha) yang diajukan adalah semakin meningkat situasi kompetitif antar karyawan memprediksi peningkatan produktivitas kerja.

Analisis Statistika

Analisis statistik yang dipakai dalam menguji hipotesis yang diajukan adalah regresi linier. Situasi kompetisi antar karyawan sebagai prediktor sedangkan produktivitas kerja sebagai kriteriumnya.

Hasil Analisis : Verifikasi Asumsi

Tabel di bawah ini menunjukkan hasil verifikasi asumsi terhadap variabel dependen (produktivitas) menunjukkan distribusi yang normal (Z=1.263; p>0.05).


Gambar di bawah ini menunjukkan prosedur memverfikasi ketepatan penggunaan pola linier di SPSS. Anda bisa mengklik Analyze – Regression – Curve Estimation. Lalu masukkan variabel dan centang beberapa menu seperti pada gambar.



Tabel di bawah ini menunjukkan model mana yang tepat untuk menganalisis data penelitian kita. Dari nilai R-square pada tabel terlihat bahwa model yang paling tepat adalah model kuadratik karena nilai R-square nya paling tinggi diantara semua pola. Jika menggunakan model kudratik kita akan mendapatkan sumbangan efektif sebesar 47.5 persen, sedangkan kalau menggunakan model linier hanya menghasilkan 0.4 persen.



Gambar di bawah ini menunjukkan bahwa model kudratik hampir menyamai pola hubungan antra kompetisi dengan produktivitas. Pada kompetisi level rendah produktivitas meningkat, sedangkan ketika kompetisi tinggi, produktivitas menurun.



Tabel di bawah ini menunjukkan korelasi antar variabel. Terlihat bahwa korelasi yang dihasilkan sebesar 0.065 dengan signifikansi di atas 0.05 sehingga kita menyimpulkan tidak ada hubungan yang signifikan.

Memotong Data

Setelah mendapatkan informasi bahwa pola hubungan antara kompetisi dan produktivitas adalah non linier, maka kita bisa memotong data berdasarkan level prediktornya. Terlihat pada grafik bahwa titik potong tersebut terletak pada nilai kompetisi antara 28 hingga 32.

Tabel di bawah ini menunjukkan nilai rerata dan median pada data kompetisi. Rerata kompetisi adalah 30 sedangkan mediannya 31.4. Kita bisa memilih salah satu statistik tersebut sebagai titik potong data kita. Pada kasus ini saya pilih rerata saja, sehingga titik potong data kita adalah nilai kompetisi sebesar 30.

Memotong Data
Untuk memotong data di SPSS kita bisa memanfaatkan menu Recode into Different Variables pada menu Transform. Gambar di bawah ini akan muncul ketika anda masuk pada menu tersebut.



Masukkan variabel kompetisi pada menu Numeric
Tulis nama variabel baru yang akan membagi data produktivitas menjadi dua bagian.Pada contoh di atas, nama variabel saya adalah katkom, artinya Kategori Kompetisi.
Klik Old and New Variables
Pada menu selanjutnya klik Range, Lowest through value, isi dengan angka 30. Pada New Value, tulis angka 1, lalu klik Add
Setelah kategori pertama masuk, kita klik Range, value through highest. Isi dengan angka 31, lalu pada kotak New Value tulis 2 dan klik Add.
Klik Continue, lalu OK. Variabel Katkom akan muncul di dalam data.

Varifikasi Asumsi

Karena data kita pisah, maka verifikasi distribusi normal kita lakukan secara terpisah pula. Tabel di bawah ini menunjukkan hasil verifikasi tersebut. Untuk kategori katkom sama 1 (rendah) didapatkan nilai Z=0.775 (p>0.05) yang menunjukkan data terdistribusi normal. Demikian juga pada katkom 2 (tinggi) didapatkan nilai Z=1.162 (p<0.05).


Menganalisis Data Secara Terpisah

Klik Analyze – Regression lalu masukkan Produktif pada Dependent dan Kompetisi pada Independent(s). Jangan lupa memasukkan Katkom pada Selection Variables. Untuk tahap pertama kita pilih Katkom equal to 1 dulu. Untuk tahap kedua kita pilih katkom equal to 2.

Gambar di bawah ini contoh prosedur di dalam SPSS yang saya ceritakan tadi.



Hasil Tahap Pertama : Kompetisi Rendah

Hasil regresi khusus untuk kompetisi yang rendah menunjukkan bahwa kompetisi memprediksi peningkatan produktivitas secara signifikan, dengan nilai prediksi sebesar b=0.828  (p<0.01). Sumbangan efektif kompetisi terhadap peningkatan produktivitas sebesar 44.9 persen.


Hasil Tahap Pertama : Kompetisi Tinggi

Hasil regresi khusus untuk kompetisi yang rendah menunjukkan bahwa kompetisi memprediksi penurunan produktivitas secara signifikan, dengan nilai prediksi sebesar b=-0.670  (p<0.01). Sumbangan efektif kompetisi terhadap penurunan produktivitas sebesar 39.7 persen. Mengapa kalau di atas kompetisi dikatakan meningkatkan, sedangkan pada kategori ini dikatakan menurunkan? Lihat nilai negatif pada koefisien regresinya. Minus menunjukkan penurunan.


Kesimpulan

Memotong data adalah salah satu cara untuk mengatasi masalah ketidaklinieran data. Anda bisa melakukan pemotongan berdasarkan nilai rerata, hasil pengkategorian, atau berdasarkan grafik scatter.  Silahkan mencoba.

 

2 Responses to Data Tidak Linier ? Kita Analisis Secara Terpisah Saja

  1. rifda alda ufaira says:

    permisi pak, saya mau tanya. saat uji linear, data saya tidak linear, tp saya menggunakan deviation from linearity. karena linearity dan deviation sama-sama diatas 0,05. dan saya menggunakan uji regresi berganda. apakah bisa digunakan pak uji regresi berganda dengan hasil uji linear yang begitu? terimakasih sblmnya pak.. saya harap bapak bisa membalas pertanyaan saya.

Leave a Reply

Your email address will not be published. Required fields are marked *

Please type the characters of this captcha image in the input box

Please type the characters of this captcha image in the input box

Set your Twitter account name in your settings to use the TwitterBar Section.