BAB V
dan yang kedua dengan melihat nilai prediksi variabel terikat (SRESID) dengan residual error (ZPRED). Jika dianalisis berdasarkan grafik plotnya (scatter), apabila tidak terdapat pola tertentu dan tidak menyebar di atas maupun di bawah angka nol sumbu y maka dapat dipastikan tidak terdapat gejala heterokedastisitas.
Model penelitian yang baik ialah tidak terdapat heterokedastisitas (Ghozali, 2016). Sehingga tidak terdapat bias atau penyimpangan antara satu pengamatan ke pengamatan lainnya.
B. Uji Heterokedastisitas Menggunakan SPSS
Uji heterokedastisitas dapat dilakukan dengan beberapa cara diantaranya uji Glejser, uji Park, serta uji White. Selain itu bisa dilakukan menggunakan bantuan software SPSS dengan memplotkan nilai ZPRED dan SRESID. Seperti bagaimanakah metode plots itu? Metode plot uji heterokedastisitas adalah metode uji dengan membuat grafik plot (scatter) antara sumbu Y yaitu nilai prediksi atau SRESID (Studentized Residual) dan yang sebagai sumbu X adalah nilai residual atau ZPRED
(Standardized Predicted Value) Perhatikan contoh berikut.
Contoh 5.1
Seorang peneliti ingin mengetahui apakah model analisis yang digunakan memiliki gejala heterokedastisitas atau tidak. Data hasil penelitian berupa variabel X (Motivasi) dan variabel Y (Prestasi) disajikan pada tabel 5.1 berikut. Uji heterokedastisitas yang dilakukan menggunakan metode scatter dan uji Glejser.
Tabel 5.1 Data motivasi dan prestasi No. Motivasi
(X)
Prestasi
(Y) No. Motivasi (X)
Prestasi (Y)
1 97 60 16 81 59
2 105 47 17 92 52
3 107 48 18 100 60
4 101 52 19 85 57
5 98 59 20 108 53
6 95 57 21 118 45
7 91 53 22 100 52
8 106 45 23 108 49
9 115 52 24 103 57
10 105 53 25 120 53
11 97 62 26 103 54
12 105 51 27 112 65
13 107 46 28 114 54
14 101 49 29 95 53
15 98 53 30 106 59
Penyelesaian
1. Uji Heterokedastisitas Menggunakan Scatter
Gelaja ada atau tidaknya heterokedastisitas suatu model analisis regresi dapat dicari tahu dengan menggunakan metode scatter. Metode scatter ini berbentuk diagram plot bersumbu Y dan X. Langkah- langkahnya sebagai berikut.
(1) Sebelum melakukan analisis uji heterokedastisitas, terlebih dahulu lakukan identifikasi variabel yang akan diuji. Buatkan nama variabel di Variabel View setelah itu masukan data sesuai variabelnya di Data View.
Gambar 5.1 Tampilan Variabel View
Gambar 5.2 Tampilan Data View
(2) Selanjutnya klik Analyze lalu pilih Regression, terakhir pilih Linear. Pada bagian kotak dialog, pilih dan masukan Prestasi ke kolom Dependent serta pilih dan masukan Motivasi ke kolom Independent.
Gambar 5.3 Kotak Dialog Linier Regression (3)Masih dalam kotak dialog, setelah memasukan
variabel dependent dan independent selanjutnya pilih menu Plots. Apabila diklik, akan muncul kotak dialog baru seperti gambar berikut.
Gambar 5.4 Kotak Dialog Plots
(4)Pilih nilai prediksi (SRESID) dan masukan ke kolom Y serta pilih nilai residual (ZPRED) dan masukan ke kolom X.Lihat Gambar 5.4.
(5)Kemudian klik Continue, OK untuk melanjutkannya.
Cara membaca output SPSS teknik Scatter
(1) Perhatikan hasil Output pada bagian Scatterplot.
(2) Pengujian heterokedastisitas melalui SPSS mengacu bentuk plot yang dihasilkan pada grafik.
Kriteria tidak terjadi gejala Heterokedastisitas
a. Titik-titik menyebar di atas, bawah serta di sekitaran angka 0, tidak menggumpal.
b. Penyebaran titik-ttik tidak membentuk pola bergelombang melebar dan menyempit.
Gambar 5.5 Output Scatter Plot
(3) Perhatikan output Scatter pada Gambar 5.5 di atas, terlihat bahwa titik-titik menyebar luas di atas, di bawah dan sekitar angka 0. Selain itu titik-titik yang dihasilkan tidak membentuk pola bergelombang.
(4) Berdasarkan interpretasi yang dipaparkan pada langkah 3, maka dapat disimpulkan bahwa tidak ada gejala heterokedastisitas.
2. Teknik Glejser
Teknik Glejser adalah salah satu cara akurat untuk mendeteksi gejala heterokedastisitas. Berbeda dengan hasil output teknik plot yang dirasa subjektif dan kurang realistik, hasil output teknik Glejser lebih objektif. Teknik Glejser dilakukan dengan cara meregresikan variabel Independent (variabel bebas) dengan nilai absolut residualnya. Perhatikan contoh berikut.
Contoh 5.2
Perhatikan kembali data yang disajikan pada tabel 5.1 di atas. Menggunakan teknik Glejser, lakukan pengujian heterokedastisitas lalu buktikan apakah terdapat gejala heterokedastisitas yang dihasilkan atau tidak?
Penyelesaian.
Uji heterokedastisitas teknik Glejser dicari dengan bantuan software SPSS. Langkah-langkahnya sebagai berikut.
1. Buat nama variabel di Variabel View, kemudian copy- paste data Tabel 5.1 pada Data View.
Gambar 5.6 Tampilan Variabel View
Gambar 5.7 Tampilan Data View
2. Dikarenakan teknik Glejser ditentukan dengan nilai absolut residualnya, maka terlebih dahulu buatkan variabel baru yaitu variabel residualnya dengan cara klik Analyze, pilih Regression, lalu pilih Linier.
Masukan variabel Dependent dan Independent nya.
Lebih jelasnya perhatikan gambar berikut ini.
Gambar 5.8 Kotak Dialog Linier Regression 3. Klik menu Save, beri centang pada Unstandardized.
Gambar 5.9 Tampilan Checklist Unstandardized 4. Kemudian klik Continue, OK. Abaikan hasil output
karena yang dibutuhkan hanya variabel residualnya (variabel RES_1)
5. Jika berhasil, maka akan muncul variabel baru pada Variabel View dengan nama variabel RES_1
Gambar 5.10 Tampilan Variabel Residual 6. Mencari absolut residual caranya dengan klik
Transform, pilih Compute Variable.
Gambar 5.11 Pilihan Menu Transform 7. Selanjutnya akan muncul kotak dialog Compute
Variable sebagai berikut.
Gambar 5.12 Tampilan Kotak Dialog Compute Variable
Penjelasan Gambar 5.12
a. Pada kolom Target Variable diminta untuk memberi nama variabel absolut residual. Pemberian nama bisa apa saja dengan catatan tidak ada spasi (kalaupun ada spasi, disarankan menggunakan underscore _ . Pada pembahasan ini, Target Variable diberi nama Abs_Res
b. Pada pilihan Function Group, pilih All.
c. Selanjutnya pada Functions and Special Variables, pilih Abs untuk memberi fungsi yang ingin dicari adalah nilai absolut nya. Jika fungsi Abs sudah berhasil diinput, maka pada kolom Numeric Expression akan muncul tulisan ABS(?) seperti gambar berikut.
Gambar 5.13 Tampilan kolom Numeric Expression Tanda tanya yang berada di dalam kurung ABS bisa dihapus, lalu diganti dengan memasukan variabel residualnya yaitu Unstandardized Residual [RES_1].
d. Jika sudah sesuai langkah-langkah, tampilan kotak dialog Compute Variable akan sesuai dengan Gambar 5.12
8. Langkah selanjutnya melakukan analisis regresi dengan nilai absolut residualnya. Caranya adalah dengan klik Analyze, pilih Regression, kemudian pilih Linier. Pada kolom Dependent, keluarkan variabel Prestasi lalu masukan variabel absolut residual yang sudah dibuat yaitu Abs_Res.
Gambar 5.1 Mengganti Variabel Dependent
9. Langkah selanjutnya pastikan tanda centang Unstandardized pada menu Save sudah dihilangkan supaya tidak muncul variabel residual lagi.
10.Klik OK.
Cara membaca output SPSS
1. Perhatikan hasil Output pada bagian Coefficients.
2. Pengujian heterokedastisitas melalui SPSS mengacu pada nilai Sig. yang didapat.
Kriteria pengambilan keputusan menggunakan nilai Sig. : a. Jika nilai Sig. antara variabel bebas dengan variabel
absolut residual lebih dari 0,05 (Sig > 0,05) maka dinyatakan tidak terdapat gejala Heterokedastisitas.
b. Jika nilai Sig. antara variabel bebas dengan variabel absolut residual kurang dari 0,05 (Sig < 0,05) maka dinyatakan terdapat gejala Heterokedastisitas.
3. Mengambil keputusan dengan melihat Tabel 5.3 Tabel 5.3 Coefficientsa
a. Dependent Variable: Abs_Res
4. Dapat dilihat pada Tabel 5.3 diperoleh nilai Sig. antara variabel bebas (motivasi) dengan variabel absolut residual nya adalah sebesar 0,150. Nilai 0,150 lebih dari 0,05, sehingga dapat disimpulkan bahwa tidak terdapat gejala heterokedastisitas pada semua pengamatan model regresi.
Daftar Pustaka
Azwar, S. (2000). Asumsi-asumsi dalam inferensi statistika. UGM Press Faculty of Psychology.
Ghozali, I. (2016). Aplikasi analisis multivariate dengan program IBM SPSS 23 edisi 8. Badan Penerbit Universitas Diponegoro.
http://ssiregar.staff.gunadarma.ac.id/Downloads/files/
7734/tabel_chi2.pdf
https://www.scribd.com/document/365297023/Tabel- Z-Distribusi-Normal-docx
Matondang, Zulkifi. (2012). Pengujian kenormalan data.
http://www.academia.edu/download/52711706 /8._Normalitas_Data_Liliefors.pdf. [16 Juni 2020].
Mulyono. (2019). Analisis uji asumsi klasik.
https://bbs.binus.ac.id/management/2019/12/a nalisis-uji-asumsi-klasik/. [18 Juni2020].
Nasrum, Akbar. (2018). Uji normalitas data untuk penelitian. Jayapangus Press.
Nuryadi, dkk. (2017). Dasar-dasar statistik penelitian.
Sibuku Media.
Richie. (2018). Asumsi non multikoLinearitas pada Regresi.
https://www.mobilestatistik.com/asumsi-non- multikolinearitas-pada-regresi/. [18 Juni 2020]
Setiawan dan Pepen Permana. (2008). Pengantar statistik (Modul).
http://www.academia.edu/download/57704097/PS_12 . pdf. [17 Juni 2020]
Sugiyono. (2017). Metode penelitian kuantitatif, kualitatif, dan R&D. Alfabeta.
Widharso, Wahyu. (2010). Uji linearitas hubungan.
https://widhiarso.staff.ugm.ac.id/wp/prosedur- uji-linieritas-pada-hubungan-antar-variabel/. [18 Juni 2020].
Lampiran
Tabel Z
Z Table: Negative Values
Body of table gives area under Z curve to the left of z. Example: P[Z < -2.63]
= .0043
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09 -3.80 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 -3.70 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 -3.60 .0002 .0002 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 -3.50 .0002 .0002 .0002 .0002 .0002 .0002 .0002 .0002 .0002 .0002 -3.40 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0002 -3.30 .0005 .0005 .0005 .0004 .0004 .0004 .0004 .0004 .0004 .0003 -3.20 .0007 .0007 .0006 .0006 .0006 .0006 .0006 .0005 .0005 .0005 -3.10 .0010 .0009 .0009 .0009 .0008 .0008 .0008 .0008 .0007 .0007 -3.00 .0013 .0013 .0013 .0012 .0012 .0011 .0011 .0011 .0010 .0010 -2.90 .0019 .0018 .0018 .0017 .0016 .0016 .0015 .0015 .0014 .0014 -2.80 .0026 .0025 .0024 .0023 .0023 .0022 .0021 .0021 .0020 .0019 -2.70 .0035 .0034 .0033 .0032 .0031 .0030 .0029 .0028 .0027 .0026 -2.60 .0047 .0045 .0044 .0043 .0041 .0040 .0039 .0038 .0037 .0036 -2.50 .0062 .0060 .0059 .0057 .0055 .0054 .0052 .0051 .0049 .0048 -2.40 .0082 .0080 .0078 .0075 .0073 .0071 .0069 .0068 .0066 .0064 -2.30 .0107 .0104 .0102 .0099 .0096 .0094 .0091 .0089 .0087 .0084 -2.20 .0139 .0136 .0132 .0129 .0125 .0122 .0119 .0116 .0113 .0110 -2.10 .0179 .0174 .0170 .0166 .0162 .0158 .0154 .0150 .0146 .0143 -2.00 .0228 .0222 .0217 .0212 .0207 .0202 .0197 .0192 .0188 .0183 -1.90 .0287 .0281 .0274 .0268 .0262 .0256 .0250 .0244 .0239 .0233 -1.80 .0359 .0351 .0344 .0336 .0329 .0322 .0314 .0307 .0301 .0294 -1.70 .0446 .0436 .0427 .0418 .0409 .0401 .0392 .0384 .0375 .0367 -1.60 .0548 .0537 .0526 .0516 .0505 .0495 .0485 .0475 .0465 .0455 -1.50 .0668 .0655 .0643 .0630 .0618 .0606 .0594 .0582 .0571 .0559 -1.40 .0808 .0793 .0778 .0764 .0749 .0735 .0721 .0708 .0694 .0681 -1.30 .0968 .0951 .0934 .0918 .0901 .0885 .0869 .0853 .0838 .0823 -1.20 .1151 .1131 .1112 .1093 .1075 .1056 .1038 .1020 .1003 .0985 -1.10 .1357 .1335 .1314 .1292 .1271 .1251 .1230 .1210 .1190 .1170 -1.00 .1587 .1562 .1539 .1515 .1492 .1469 .1446 .1423 .1401 .1379 -0.90 .1841 .1814 .1788 .1762 .1736 .1711 .1685 .1660 .1635 .1611 -0.80 .2119 .2090 .2061 .2033 .2005 .1977 .1949 .1922 .1894 .1867 -0.70 .2420 .2389 .2358 .2327 .2296 .2266 .2236 .2206 .2177 .2148 -0.60 .2743 .2709 .2676 .2643 .2611 .2578 .2546 .2514 .2483 .2451 -0.50 .3085 .3050 .3015 .2981 .2946 .2912 .2877 .2843 .2810 .2776 -0.40 .3446 .3409 .3372 .3336 .3300 .3264 .3228 .3192 .3156 .3121 -0.30 .3821 .3783 .3745 .3707 .3669 .3632 .3594 .3557 .3520 .3483 -0.20 .4207 .4168 .4129 .4090 .4052 .4013 .3974 .3936 .3897 .3859 -0.10 .4602 .4562 .4522 .4483 .4443 .4404 .4364 .4325 .4286 .4247 0.00 .5000 .4960 .4920 .4880 .4840 .4801 .4761 .4721 .4681 .4641
Z Table: Positive Values
Body of table gives area under Z curve to the right of z. Example: P[Z < 1.16]
= .8770
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09 0.00 .5000 .5040 .5080 .5120 .5160 .5199 .5239 .5279 .5319 .5359 0.10 .5398 .5438 .5478 .5517 .5557 .5596 .5636 .5675 .5714 .5753 0.20 .5793 .5832 .5871 .5910 .5948 .5987 .6026 .6064 .6103 .6141 0.30 .6179 .6217 .6255 .6293 .6331 .6368 .6406 .6443 .6480 .6517 0.40 .6554 .6591 .6628 .6664 .6700 .6736 .6772 .6808 .6844 .6879 0.50 .6915 .6950 .6985 .7019 .7054 .7088 .7123 .7157 .7190 .7224 0.60 .7257 .7291 .7324 .7357 .7389 .7422 .7454 .7486 .7517 .7549 0.70 .7580 .7611 .7642 .7673 .7704 .7734 .7764 .7794 .7823 .7852 0.80 .7881 .7910 .7939 .7967 .7995 .8023 .8051 .8078 .8106 .8133 0.90 .8159 .8186 .8212 .8238 .8264 .8289 .8315 .8340 .8365 .8389 1.00 .8413 .8438 .8461 .8485 .8508 .8531 .8554 .8577 .8599 .8621 1.10 .8643 .8665 .8686 .8708 .8729 .8749 .8770 .8790 .8810 .8830 1.20 .8849 .8869 .8888 .8907 .8925 .8944 .8962 .8980 .8997 .9015 1.30 .9032 .9049 .9066 .9082 .9099 .9115 .9131 .9147 .9162 .9177 1.40 .9192 .9207 .9222 .9236 .9251 .9265 .9279 .9292 .9306 .9319 1.50 .9332 .9345 .9357 .9370 .9382 .9394 .9406 .9418 .9429 .9441 1.60 .9452 .9463 .9474 .9484 .9495 .9505 .9515 .9525 .9535 .9545 1.70 .9554 .9564 .9573 .9582 .9591 .9599 .9608 .9616 .9625 .9633 1.80 .9641 .9649 .9656 .9664 .9671 .9678 .9686 .9693 .9699 .9706 1.90 .9713 .9719 .9726 .9732 .9738 .9744 .9750 .9756 .9761 .9767 2.00 .9772 .9778 .9783 .9788 .9793 .9798 .9803 .9808 .9812 .9817 2.10 .9821 .9826 .9830 .9834 .9838 .9842 .9846 .9850 .9854 .9857 2.20 .9861 .9864 .9868 .9871 .9875 .9878 .9881 .9884 .9887 .9890 2.30 .9893 .9896 .9898 .9901 .9904 .9906 .9909 .9911 .9913 .9916 2.40 .9918 .9920 .9922 .9925 .9927 .9929 .9931 .9932 .9934 .9936 2.50 .9938 .9940 .9941 .9943 .9945 .9946 .9948 .9949 .9951 .9952 2.60 .9953 .9955 .9956 .9957 .9959 .9960 .9961 .9962 .9963 .9964 2.70 .9965 .9966 .9967 .9968 .9969 .9970 .9971 .9972 .9973 .9974 2.80 .9974 .9975 .9976 .9977 .9977 .9978 .9979 .9979 .9980 .9981 2.90 .9981 .9982 .9982 .9983 .9984 .9984 .9985 .9985 .9986 .9986 3.00 .9987 .9987 .9987 .9988 .9988 .9989 .9989 .9989 .9990 .9990 3.10 .9990 .9991 .9991 .9991 .9992 .9992 .9992 .9992 .9993 .9993 3.20 .9993 .9993 .9994 .9994 .9994 .9994 .9994 .9995 .9995 .9995 3.30 .9995 .9995 .9995 .9996 .9996 .9996 .9996 .9996 .9996 .9997 3.40 .9997 .9997 .9997 .9997 .9997 .9997 .9997 .9997 .9997 .9998 3.50 .9998 .9998 .9998 .9998 .9998 .9998 .9998 .9998 .9998 .9998 3.60 .9998 .9998 .9999 .9999 .9999 .9999 .9999 .9999 .9999 .9999 3.70 .9999 .9999 .9999 .9999 .9999 .9999 .9999 .9999 .9999 .9999 3.80 .9999 .9999 .9999 .9999 .9999 .9999 .9999 .9999 .9999 .9999
Tabel Distribusi
²
0.1 0.05 0.025 0.01 0.005
db 1 2.70554 3.84146 5.02390 6.63489 7.87940 2 4.60518 5.99148 7.37778 9.21035 10.59653 3 6.25139 7.81472 9.34840 11.34488 12.83807 4 7.77943 9.48773 11.14326 13.27670 14.86017 5 9.23635 11.07048 12.83249 15.08632 16.74965 6 10.64464 12.59158 14.44935 16.81187 18.54751 7 12.01703 14.06713 16.01277 18.47532 20.27774 8 13.36156 15.50731 17.53454 20.09016 21.95486 9 14.68366 16.91896 19.02278 21.66605 23.58927 10 15.98717 18.30703 20.48320 23.20929 25.18805 11 17.27501 19.67515 21.92002 24.72502 26.75686 12 18.54934 21.02606 23.33666 26.21696 28.29966 13 19.81193 22.36203 24.73558 27.68818 29.81932 14 21.06414 23.68478 26.11893 29.14116 31.31943 15 22.30712 24.99580 27.48836 30.57795 32.80149 16 23.54182 26.29622 28.84532 31.99986 34.26705 17 24.76903 27.58710 30.19098 33.40872 35.71838 18 25.98942 28.86932 31.52641 34.80524 37.15639 19 27.20356 30.14351 32.85234 36.19077 38.58212 20 28.41197 31.41042 34.16958 37.56627 39.99686 21 29.61509 32.67056 35.47886 38.93223 41.40094 22 30.81329 33.92446 36.78068 40.28945 42.79566 23 32.00689 35.17246 38.07561 41.63833 44.18139 24 33.19624 36.41503 39.36406 42.97978 45.55836 25 34.38158 37.65249 40.64650 44.31401 46.92797 26 35.56316 38.88513 41.92314 45.64164 48.28978 27 36.74123 40.11327 43.19452 46.96284 49.64504 28 37.91591 41.33715 44.46079 48.27817 50.99356 29 39.08748 42.55695 45.72228 49.58783 52.33550 30 40.25602 43.77295 46.97922 50.89218 53.67187 tabel ini dibuat dengan Microsoft Excel
Tabel Liliefors
Jumlah Sampel
Taraf signifikansi
0.01 0.05 0.10 0.15 0.20
n = 4 0.417 0.381 0.352 0.319 0.300
5 0.405 0.337 0.315 0.299 0.285
6 0.364 0.319 0.294 0.277 0.265
7 0.348 0.300 0.276 0.258 0.247
8 0.331 0.285 0.261 0.244 0.233
9 0.311 0.271 0.249 0.233 0.223
10 0.294 0.258 0.239 0.224 0.215
11 0.284 0.249 0.230 0.217 0.206
12 0.275 0.242 0.223 0.212 0.199
13 0.268 0.234 0.214 0.202 0.190
14 0,261 0.227 0.207 0.194 0.183
15 0.257 0.220 0.201 0.187 0.177
16 0.250 0.213 0.195 0.182 0.173
17 0.245 0.206 0.289 0.177 0.169
18 0.239 0.200 0.184 0.173 0.166
19 0.235 0.195 0.179 0.169 0.163
20 0.231 0.190 0.174 0.166 0.160
25 30 n > 30
0.200 0.187 1.031
0.173 0.161 0.886
0.158 0.144 0.805
0.147 0.136 0.768
0.142 0.131 0.736
Profil Penulis
I Wayan Widana. Lahir 16 Desember 1965 di Tabanan-Bali.
Dosen PNS LLDikti Wilayah VIII dpk pada Prodi Pendidikan Matematika, FPMIPA IKIP PGRI Bali. Menempuh studi D-3 Pendidikan Matematika FKIP Universitas Mataram (Unram) tahun 1985-1988. Melanjutkan studi S-1/A-IV Pendidikan Matematika FKIP Universitas Terbuka (UT) tahun 19921994. Menempuh pendidikan S-2 Penelitian dan Evaluasi Pendidikan (PEP) Program Pascasarjana Universitas Pendidikan Ganesha (Undiksha) Singaraja tahun 2007-2009. Studi S-3 Penelitian dan Evaluasi Pendidikan (PEP) Program Pascasarjana Universitas Negeri Jakarta (UNJ) tahun 20132016. Diangkat sebagai Guru PNS tahun 1989 di SMA Negeri 2 Dompu (NTB) selama 11 tahun. Mutasi tahun 2000 sebagai guru Matematika di SMA Negeri 1 Kerambitan Tabanan Bali selama 11 tahun. Sejak 1 Mei 2011 sampai sekarang bertugas sebagai dosen PNS LLDikti Wilayah VIII dpk di Prodi Pendidikan Matematika, FPMIPA IKIP PGRI Bali. Pengalaman: (1) Fasilitator Nasional/Tim Pengembang Kurikulum dan Penilaian Direktorat Pembinaan SMA Kemdikbud (2008- sekarang), (2) Tim Fasilitator Publikasi Ilmiah bagi Guru dan Kepala Sekolah Indonesia Luar Negeri (SILN) di Thailand-Bangkok (2009), (3) Tim Pembina MBS-SD Direktorat Pembinaan SD Kemdikbud (2012-2015), (4)
Tim Pengembang Bank Soal Daerah Puspendik Balitbang Kemdikbud (2014), (5) Tim Fasilitator Nasional Ujian Sekolah Tingkat SD, SMP, dan SMA/SMK Dirjen GTK Kemdikbud (2016), (6) Ketua Tim Penilai Guru Berprestasi Tingkat Provinsi Bali (2012-2018), (7) Ketua Staf Ahli Dinas Pendidikan Pemuda dan Olahraga Provinsi Bali (2014-2017), (8) Ketua Tim OGN Dinas Pendidikan Pemuda dan Olahraga Provinsi Bali (2015- 2016), (9) Tim Pengajar Diklat Penguatan Kepala Sekolah Dirjen GTK Kemdikbud (2019), (10) Ketua Lembaga Pengembangan Akademik (LPA) Universitas Mahadewa Indonesia (2016-sekarang), (11) Tim Peneliti IPM di Kabupaten Klungkung (2015), (12) Ketua Tim Peneliti Impelemtasi Pendidikan Karakter di Kabupaten Tabanan (2019), (13) Pemenang Hibah PKM DRPM Kemenristek Dikti (2018), (14) Pemenang Hibah Penelitian Terapan DRPM Kemenristek Dikti (2019), (15) Reviewer pada International Journal of Research in Education and Science (IJRES), Turkey, Jurnal terindeks ERIC, Elsevier Scopus (2020), (16) Pemimpin Redaksi Indonesian Journal of Educational Development (IJED) tahun 2020- sekarang.