TABEL 2.5
TABEL ANALISIS RELIABILITAS
Nilai Hubungan
<0.20 0.21 – 0.40 0.41 – 0.70 0.71 – 0.90 0.91 – 1.00
Hubungan sangat kecil dan bisa diabaikan Hubungan yang kecil (Tidak erat)
Hubungan yang cukup erat Hubungan yang erat (Reliabel)
Hubungan yang sangat erat (Sangat reliable)
Sumber : http://olahdata.com/analisisvaliditas&reliabilitas
Dengan menggunakan instrumen yang valid dan reliabel dalam pengumpulan data, maka diharapkan hasil penelitian akan menjadi valid dan reliabel. Jadi instrumen yang valid dan realiabel merupakan syarat mutlak untuk mendapatkan hasil penelitian yang valid dan reliabel.
2.2.12 Statistik
Menurut Rosalina (2005, p.1), statistika adalah ilmu yang berhubungan dengan pengumpulan data (collecting), analisis data (analyze) dan penafsiran data (interpreting). Definisi statistika tersebut
memberikan gambaran bahwa statistika merupakan ilmu yang sangat erat hubungannya dengan data.
Aplikasi ilmu statistik dapat dibagi dalam dua bagian, yaitu:
1) Statistik Deskriptif
Statistik deskriptif merupakan bidang ilmu statistika yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data dalam penelitian. Kegiatan yang termasuk dalam kategorri ini antara lain kegiatan pengumpulan data, pengelompokan data, penentuan nilai dan fungsi statistik, pembuatan grafik, diagram dan gambar.
Tujuan utama dari operasi statistik deskriptif adalah memudahkan orang untuk membaca data serta memahami maksudnya.
Ada beberapa teknik yang biasa digunakan dalam statistik deskriptif, yaitu:
a) Distribusi frekuensi
b) Presentasi grafis dengan Histogram
c) Mencari Central Tendency seperti Mean, Median, Modus, dan sebagainya
2) Statistik Inferensi
Merupakan bidang ilmu statistik yang mempelajari cara-cara penarikan suatu kesimpulan dari sesuatu populasi tertentu berdasarkan sebagian data (sampel) yang dikumpulkan. Tindakan inferensi tersebut misalnya melakukan perkiraan, peramalan, pengambilan keputusan dan sebagainya.
Di dalam statistik inferensi, berbagai uji statistik yang dapat digunakan pada dasarnya dikelompokkan menjadi dua kelompok yaitu uji statisik parametrik dan non parametik.
a) Statistik Parametrik
Suatu uji statistik yang sudah diketahui terlebih dahulu sebaran (distribusi) datanya, yakni berdistribusi normal. Jika dilihat dari jumlah data, maka biasanya data berjumlah besar sekurang-kurangnya lebih besar atau sama dengan 30 case.
Sebab, semakin besar data maka akan mendekati asumsi normal.
b) Statistik Non Parametrik
Suatu uji statistik yang belum diketahui sebaran datanya dan tidak perlu harus berdistribusi normal. Dengan demikian statistik ini dapat dapat dikatakan sebagai uji statistic terasumsi bebas. Dari segi data, pada dasarnya data berjumlah kecil, yakni kurang dari 30 case bahkan mungkin 5 case saja.
Menurut Sugiyono (2006, p. 142), terdapat dua macam statistik yang digunakan untuk analisis data dalam suatu penelitian yaitu:
a. Statistik Deskriptif
Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum
atau generalisasi. Penelitian yang dilakukan pada populasi (tanpa diambil sampelnya) jelas akan menggunakan statistik ini adalah analisisnya. Tetapi bila penelitian dilakukan pada sampel, maka analisanya dapat menggunakan statistik deskriptif maupun inferensial. Statistik deskriptif dapat digunakan bila peneliti hanya ingin mendeskripsikan data sampel, dan tidak ingin membuat kesimpulan yang berlaku untuk populasi di mana sampel diambil.
Tetapi bila peneliti ingin membuat kesimpulan yang berlaku untuk populasi, maka teknik analisis yang digunakan adalah statistik inferensial.
Perhitungan yang termasuk di dalam statistik deskriptif yaitu : 1) Mean
Mean merupakan teknik penjelasan kelompok yang disarankan atas nilai rata-rata dari kelompok tersebut. Rata-rata (mean) didapat dengan menjumlahkan data seluruh individu dalam kelompok itu, kemudian dibagi menjadi jumlah individu yang ada pada kelompok tersebut.
Perhitungan Mean :
n Me=
∑
xiKeterangan :
Me = Mean (rata-rata)
∑ = Epsilon (baca jumlah)
Xi = Nilai X ke-i sampai dengan ke-n n = Jumlah individu
2) Median
Median adalah nilai yang ada ditenga-tengah sekelompok data jika nilai-nilai tersebut diurutkan dari yang terkecil sampai yang terbesar.
Jika jumlah data dalam kelompok ganjil, maka mediannya adalah nilai yang berada ditengah (setelah diurut). Sedangkan jika jumlah urutan data dalam kelompok adalah genap, maka mediannya adalah dua angka tengah dibagi dua, atau rata-rata dari dua angka yang ada di tengah (setelah diurut).
Perhitungan Median dapat dilakukan dengan cara sebagai berikut :
Untuk n Ganjil
Kalau k adalah suatu bilangan konstan dan n ganjil, maka Selalu dapat ditulis :
n = 2k + 1
Kalau k adalah suatu bilangan konstan dan n genap, maka Selalu dapat ditulis n = 2k, atau
2
Modus adalah nilai dari sekelompok data yang mempunyai frekuensi tertinggi atau nilai yang paling banyak terjadi
(muncul) dalam suatu kelompok nilai. Suatu distribusi mungkin tidak mempunyai Mod atau mungkin mempunyai dua Mod atau lebih. Distribusi disebut Unimodal, kalau mempunyai satu Mod. Bimodal, kalau mempunyai dua Mod, atau Multimodal, kalau mempunyai lebih dari dua Mod.
Perhitungan Modus : dibandingkan dengan frekuensi lainnya.
4. Rentang Data
Rentang data dapat diketahui dengan jalan mengurangi data yang terbesar dengan data yang terkecil yang ada pada kelompok itu.
Rumusnya adalah :
R = Xt – Xr
Dimana : R = Rentang
Xt = Data terbesar dalam kelompok Xr = Data terkecil dalam kelompok
f i
5. Standar Deviasi
Standar deviasi adalah akar dari varians. Varians merupakan jumlah kuadrat semua deviasi nilai-nilai individual terhadap rata-rata kelompok.
Standar deviasi dari sampel dapat dihitung dengan rumus sebagai berikut :
6. Distribusi Frekuensi
Distribusi frekuensi adalah pengelompokkan data ke dalam beberapa kelompok (kelas) dan kemudian dihitung banyaknya data yang masuk ke dalam tiap kelas.
b. Statistik Inferensial
Statistik inferensial adalah teknik statistik yang digunakan untuk menganalisis data sampel dan hasilnya diberlakukan untuk populasi. Statistik ini akan cocok digunakan bila sampel dari
populasi yang jelas, dan teknik pengambilan sampel dari populasi itu dilakukan secara random.
Statistik ini disebut statistik probabilitas, karena kesimpulan yang diberlakukan untuk populasi berdasarkan data sampel itu, kebenarannya bersifat peluang (probability).
2.2.13 Pengujian Persyaratan Analisis
Menurut Abdulwahab (2005, p.39), Uji persyaratan analisis diperlukan untuk mengetahui persyaratan apakah distribusi normal atau tidak. Bila distribusi normal maka digunakan statistika parametrik dan bila distribusi tidak normal maka digunakan analisis dengan statistika non parametik.
2.2.13.1 Pengujian Normalitas
Menurut Anuddin (2005, p.103), kenormalan data cukup penting peranannya secara teoritis. Uji Bartlett sering digunakan untuk memeriksa kehomogenan ragam dalam bentuk pengujian hipotesis.
Dalam menguji kenormalan dilakukan pemeriksaan dapat dilakukan dengan grafik peluang. Oleh karena salah satu asumsi analisis ragam adalah kenormalan data. Kalau data yang dimiliki didekati oleh pola sebaran teoritik tertentu (katakanlah sebaran
normal), maka pola yang terbentuk dalam grafik akan cenderuk mengumpul dari garis lurus khayal.
Menurut Abdulwahab (2005, p. 39), untuk menguji apakah data berdistribusi normal atau tidak normal dapat menggunakan uji Liliefors atau uji yang lain seperti Kolmogorof Smirnoff. Sebagai contoh uji normalitas menggunakan uji Liliefors.
2.2.13.2 Pengujian Homogenitas
Menurut Abdulwahab (2005, p.114), bila akan membandingkan atau membedakan dua kelompok sampel dan dibutuhkan bahwa ke dua kelompok harus homogen, maka perlu dilakukan uji homogenitas. Uji homogenitas untuk dua kelompok adalah dengan menguji kesamaan dua varians.
Sedangkan uji Barlett digunakan untuk uji homogenitas distribusi data yang lebih dari dua kelompok.
Pengujian normalitas dan homogenitas merupakan persyaratan yang harus dipenuhi agar regresi linear digunakan untuk menguji hipotesis. Pengujian normalitas dilakukan untuk menguji kenormalan distrubusi galat taksiran (Y-Y ). ^
Menurut Sudjana (2005, p.466), pengujian normalitas yang digunakan dikenal dengan nama Uji Liliefors. Sedangkan pengujian homogenitas yang dilakukan menggunakan Uji
Barlett. Pengujian dilakukan untuk menguji kesamaan varians dari pasangan variabel Y dan variabel X.
2.2.14 Analisis Regresi Linear Sederhana
Menurut Rosalina (2005, p.61), adalah suatu analisis yang digunakan untuk mengetahui apakah ada hubungan antara dua variabel atau lebih, atau bisa juga digunakan untuk prediksi (peramalan) antara satu variabel dengan variabel lainnya. Dimana dalam model ini ada dua buah varaiabel yaitu:
a) Variabel Dependen (terikat) b) Variabel Independen (bebas)
Analisis regresi linear sederhana digunakan untuk pengujian hubungan antara satu variabel dependen (Y) dengan satu variabel independen (X).
Menurut Sugiyono (2006, p.204), regresi sederhana didasarkan pada hubungan fungsional atau kausal satu variabel independen dengan satu variabel dependen.
Persamaan umum regresi linear sederhana adalah :
Selain itu harga a dan b dapat dicari dengan rumus berikut :
∑ ∑
Y’ = Subyek dalam variabel dependen yang diprediksikan a = Harga Y bila X = 0 (harga konstan)
b = Angka arah atau koefisien regresi, yang menunjukkan angka peningkatan maupun penurunan variabel dependen yang didasarkan pada variabel independen
X = Subyek pada variabel independent yang mempunyai nilai tertentu
2.2.15 Analisis Korelasi Sederhana
Menurut Sugiyono (2006, p.203), antara korelasi dan regresi keduanya mempunyai hubungan yang sangat erat. Setiap regresi pasti ada korelasinya.
Menurut Rosalina (2005, p.61), analisis korelasi adalah suatu analisis yang digunakan untuk mengetahui seberapa erat hubungan antara satu variabel dengan variabel lainnya. Metode korelasi akan membahas keeratan hubungan, yang berarti dalam hal ini keeratan hubungan antara kualitas sistem informasi Business Trip dengan kinerja user.
Seberapa erat hubungan antara dua atau lebih variabel disebut koefisien korelasi (r), dimana;
[
(∑
2)∑
−∑
−(∑ ∑
)2][
(().∑
(2)−∑
)2]
n = Banyaknya pasangan data
Adapun ketentuan nilai koefisien korelasi (r), adalah sebagai berikut:
1. Apabila r = 0, maka kedua variabel itu tidak mempunyai hubungan sama sekali.
2. Apabila r = +1 (positif), maka hubungan antara kedua variabel bersifat sempurna atau searah, artinya apabila variabel bebas bertambah besar maka variabel terikatpun bertambah besar.
3. Apabila r = -1 (negatif), maka hubungan antara dua variabel bersifat sempurna dan terbalik, artinya apabila variabel bebas bertambah besar, maka variabel terikat semakin kecil, atau sebaliknya apabila variabel bebas bertambah kecil maka variabel terikat semakin besar.
4. Apabila r = >0,6, maka hubungan antara variabel dianggap kuat atau erat.
5. Apabila r = <0,6, maka hubungan antara variabel dianggap lemah
TABEL 2.6
PEDOMAN UNTUK MEMBERIKAN INTERPRETASI