Modul Pelatihan Teknik Pengolahan Data dengan Excel & SPSS

(1)

Oleh : Ipin Aripin, M.Pd 1

Disampaikan dalam Pelatihan Metodologi Penelitian dan Analisis Data Stastistik

Oleh :

IPIN ARIPIN, M.PD

IAIN CIREBON, 30 NOPEMBER 2017

(2)

TEKNIK ANALISIS DATA DENGAN MENGGUNAKAN EXCEL 2007

i era modern seperti sekarang tidak terlalu sulit untuk mengolah data statistic baik dalam bentuk data penelitian ataupun yang lainnya. Banyak ragam software yang dapat digunakan untuk melakukan penganalisisan data seperti Minitab, Ecostat, statgraphics, Statistica, SPSS, SAS, Microstat, Ecosim dan lain sebagainya. Tetapi jika anda tidak memiliki software – software tersebut anda jangan khawatir pada Microsoft Excel fasilitas pengolahan data statistik juga tersedia meskipun dengan kemampuan yang lebih sederhana. Pada bagian ini penulis akan mencoba membahas beberapa contoh aplikasi pengolahan data dengan menggunakan Microsoft Excel 2007.

Untuk masuk pada menu analisis statistic Excel 2007 lakukan langkah – langkah sebagai berikut :

1. Buka aplikasi MS. Excel 2007 2. Klik Menu Formula

3. Pilih Statistic 4. Pilih Jenis Statistik

(3)

Oleh : Ipin Aripin, M.Pd 3 Perhatikan contoh penggunaan Excel 2007 untuk mencari :

1. Jumlah

2. Rata – rata

3. Standar Deviasi

4. Varian

(4)

Oleh : Ipin Aripin, M.Pd 4 5. Nilai Logaritma

6. Koefisien Korelasi

7. Regresi

 Nilai untuk a

 Nilai untuk b

8. Nilai Tabel t

(5)

Oleh : Ipin Aripin, M.Pd 5 Contoh : Pada sebuah penelitian diketahui n = 22, dengan α = 5% dan degree of freedom (df) = 20, maka nilai t tabel dicari dengan :

Dengan demikian diperoleh t = 2,086 9. Nilai Tabel F

Contoh : Pada sebuah penelitian n = 72, dengan α = 5% dan degree of freedom1 (df) = 30 dan degree of freedom 2 (df) = 42, maka nilai F adalah:

10. Nilai tabel α²

Contoh : Pada sebuah penelitian n = 6, dengan α = 5% dan degree of freedom (df) = 5, maka nilai tabel α² adalah :

Diperoleh nilai α² = 11,07 11. Nilai table Z

Contoh : Diketahui sebuah z = 0,84. Nilai tabel z adalah :

12. Uji Validitas

Menurut Suharsini Arikunto (2006), sebuah tes dikatakan valid apabila dapat mengungkap data dari variabel yang diteliti secara tepat.

Rumus validitas yang digunkan adalah Product Moment.

(6)



^N ^X² ^N⁽ ^XY^X⁾²



^N^X ^Y^Y² ⁽ ^Y⁾²



rxy      





 

(Suharsimi Arikunto, 2006:170)

Cara menghitung validitas dengan Microsoft Excel 2007 adalah menggunakan rumus = Pearson (array 1, array 2) perhatikan contoh di bawah:

Menggunakan rumus untuk menentukan kriteria validitas :

13. Uji Reliabilitas

Reliabilitas dapat diartikan dapat dipercaya, artinya suatu instrumen dapat digunakan sebagai alat pengumpul data karena instrumen tersebut sudah baik. Untuk menguji reliabilitas tes menggunakan rumus Spearman- Brown, yaitu:

(7)

b b

r r r x

  1 2

11 (Riduwan, 2005:102) Dengan:

r11 = reliabilitas instrument

rb = Korelasi Product Moment antara belahan (ganjil-genap) Contoh :

Masukan nilai koefisien r Product Moment pada rumus di atas. Perhatikan contoh di bawah ini:

Dapat diketahui bahwa koefisien reliabilitas untuk item soal tersebut adalah = 0,89 atau kategori sangat tinggi.

Kriteria Reliabilitas :

r11 ≤ 0,20 = derajat realibilitas sangat rendah 0,20 < r11 ≤ 0,40 = derajat realibilitas rendah 0,40 < r11 ≤ 0,60 = derajat realibilitas sedang 0,60 < r11 ≤ 0,80 = derajat realibilitas tinggi 0,80 < r11 ≤ 1,00 = derajat realibilitas sangat tinggi

(8)

TEKNIK ANALISIS DATA DENGAN SPSS

alah satu jenis software yang sangat populer untuk menganalisis data adalah SPSS (Statistical Package for the Social Sciences atau Paket Statistik untuk Ilmu Sosial) versi pertama dirilis pada tahun 1968, diciptakan oleh Norman Nie, seorang lulusan Fakultas Ilmu Politik dari Stanford University, yang sekarang menjadi Profesor Peneliti Fakultas Ilmu Politik di Stanford dan Profesor Emeritus Ilmu Politik di University of Chicago. SPSS adalah salah satu program yang paling banyak digunakan untuk analisis statistika ilmu sosial. SPSS digunakan oleh peneliti pasar, peneliti kesehatan, perusahaan survei, pemerintah, peneliti pendidikan, organisasi pemasaran, dan sebagainya. SPSS dipublikasikan oleh SPSS Inc, untuk mendapatkan software SPSS anda dapat mendownloadnya pada situs www.spss.com atau mencarinya secara manual pada situs www.download.com. Sejak pertama kali diluncurkan sampai saat ini SPSS telah mengalami pengembangan sampai pada SPSS versi 16. Secara umum tampilan antara satu versi dengan persi yang lebih baru tidak jauh berbeda hanya saja pada setiap versinya SPSS terus mengalami perbaikan, penambahan vitur ataupun fasilitas pendukung lain, yang mungkin tidak ada pada versi sebelumnya.

Sebelum penulis menjelaskan beberapa teknik analisis data yang dapat dilakukan dengan SPSS, anda terlebih dahulu harus menginstalkan software SPSS tersebut. Untuk dapat menginstal SPSS ikuti langkah – langkah sebagai berikut:

1. Masukan CD SPSS 2. Jalankan Auto Run

3. Jika berupa File, masuk pada Setup 4. Double klik pada Setup

5. Ikuti petunjuk yang diintruksikan

 Langkah – langkah menjalankan SPSS 1) Masuk ke Star kemudian klik All Program 2) Pilih SPSS for Windows

(9)

Oleh : Ipin Aripin, M.Pd 9 3) Pilih dengan mengklik SPSS 12.0 for Windows

4) Tunggu sampai jendela Aplikasi terbuka.

5) Setelah jendela aplikasi terbuka, maka akan tampil gambar seperti di bawah ini.

6) Pilih dokumen yang akan dibuka, jika akan membuat dokumen baru klik cancel

7) Ketika pertama kali masuk pada Worksheet SPSS, maka secara default anda akan masuk pada tampilan Data View.

8) Klik Variabel View untuk memulai mensetting data pada Data View.

(10)

BEKERJA DENGAN DESKRIPTIV STATISTIC

Untuk memulai melakukan analisis data dengan SPSS, terlebih dahulu anda menset data pada Variabel View seperti pada gambar di bawah ini. Pada kesempatan ini kita akan mencoba melakukan analisis data dengan Deskriptiv Statistic. Pada bagian ini anda dapat melakukan deskripsi data berupa Frequencies, Descriptives, Explore, Crosstabs, dan Ratio. Pada modul ini hanya akan dijelaskan tiga jenis Deskriptive Statistic yaitu Frequencies, Descriptives, Explore termasuk di dalamnya untuk pengujian Normalitas dan Homogenitas data.

 Frequencies

Adapun langkah – langkahnya sebagai berikut:

1. Set terlebih dahulu Variabel View sebagai berikut:

 Isikan Nama dengan Iden kemudian (X) dan (Y)

 Ubah pada Type pada kolom Iden menjadi String

 Pada Width tentukan lebar kolom misalkan 8

 Pada Desimal pilih saja 0

 Pada Label isikan penjelasan dari kode yang telah anda buat misalkan Iden = Identitas/ Nama; X = Variabel (x); dan Y = Varibel (y)

 Pada kolom Values, Mising, dan Columns biarkan saja default seperti itu.

 Pada Align pilih Left untuk rataan kiri dan Right untuk rataan kanan

 Pada Measure pilih Nominal untuk keterangan / data yang bukan berupa angka, Scala untuk data yang berupa skala dan Ordinal untuk data yang telah diurutkan.

 Setelah selesai klik Data View pada bagian bawah Worksheet

(11)

Oleh : Ipin Aripin, M.Pd 11 2. Copy data yang telah anda buat dari Microsoft Excel seperti berikut:

3. Klik menu Analyze pilih Frequencies

4. Setelah terbuka jendela Frequencies Statistic pindahkan variable yang akan kita uji misalkan variabel x dan variabel y.

5. Klik data pada bagian kiri ke kanan dengan mengklik tanda panah di antara dua kotak kerja.

6. Klik Statistics dan chek list pada bagian yang akan anda uji.

7. Klik Continue

8. Pada bagian Charts pilih Histogram dengan menchek list With Normal Curve.

(12)

Oleh : Ipin Aripin, M.Pd 12 9. Pada bagian Format biarkan saja default

10. Klik Continue

11. Klik Ok, akan muncul Output SPSS

12. Klik kiri kemudian Klik Copy Objects untuk memindahkan Output ke Microsoft Word

Interpretasi Hasil untuk Variabel X:

Dari Output SPSS di atas dari 13 orang sampel diperoleh nilai rata – rata (Mean) untuk varibel (x) = 71,92; Median = 70,00; Std Deviasi = 8,30; Variance = 68,91; Skewness (kemencengan) = 0.174; Kurtosis (kemiringan) = -0.790; Range

= 25; Minimum 60; dan Maksimum = 85.

(13)

 Descriptives

Ikuti langkah – langkah sebagai berikut:

1. Masuk pada Menu Analyze 2. Klik Descriptive

3. Setelah muncul jendela Descriptives pindahkan data pada kolom Descriptive sebelah kiri ke kolom Variabel sebelah kiri.

4. Pilih Option pada bagian bawah

5. Tentukan pengujian yang diperlukan 6. Klik Continue

7. Klik Ok

(14)

Oleh : Ipin Aripin, M.Pd 14 Interpretasi Hasil Pada Varibel (x)

Output Descriptive Statistics

Interpretasi Hasil untuk Variabel X:

Dari Output SPSS di atas dari 13 orang sampel diperoleh nilai rata – rata (Mean) untuk varibel (x) = 71,92; Median = 70,00; Std Deviasi = 8,30; Variance = 68,91; Skewness (kemencengan) = 0.174; Kurtosis (kemiringan) = -0.790; Range

= 25; Minimum 60; dan Maksimum = 85.

 Explore

Pada menu Explore ini kita dapat melakukan pengujian Normalitas dan Homogenitas (Uji Levenue Statistic). Dalam penggunaan Explore khususnya untuk pengujian normalitas dan homogenitas ada beberapa hal yang perlu diperhatikan khususnya pada saat penggabungan data dan pengkodeaanya. Untuk selengkapnya ikuti langkah – langkah sebagai berikut:

1. Lakukan set data pada Variabel View

2. Ikuti langkah setting data pada bagian sebelumnya

3. Isikan label pada Value “Variabel Penelitian dan Variabel” untuk melakukan pengisian label klik pada bagian ujung kiri tulisan None, isikan label Misalkan 1 = Variabel (x) dan 2 = Variabel (y).

Descriptive Statistics

13 60 85 71.92 8.301 68.910 .174 .616 -.790 1.191

13 60 80 69.23 7.026 49.359 .106 .616 -1.010 1.191

13 Variabel X

Variabel Y Valid N (listwise)

Statistic Statistic Statistic Statistic Statistic Statistic Statistic Std. Error Statistic Std. Error N Minimum Maximum Mean Std.

Deviation

Variance Skewness Kurtosis

(15)

Oleh : Ipin Aripin, M.Pd 15 4. Untuk menampilkan label, klik View dan pilih Value Label

5. Klik Analyze > Descriptive Statistics > Explore

6. Masukan data Varibel Penelitian (Klp) pada Dependent List dan Variabel (Code) ke Factor List dengan mengkli tanda pada tanda panah pada bagian tengah.

7. Pada bagian Display pilih Plots

8. Klik Plot pada bagian bawah dan klik None pada Boxplot; Histogram pada Descriptive; Cek list pada Normality plots with tests; Klik Power Estimation pada Spread vs. Level with Levene Test

(16)

Oleh : Ipin Aripin, M.Pd 16 Interpretasi Output SPSS :

Kriteria Pengambilan Keputusan :

 Jika nilai Signifikansi /P-value/ Sig. < 0,05 artinya data tidak normal

 Jika nilai Signifikansi /P-value/ Sig. > 0,05 artinya data normal

Berdasarkan table di atas, dengan tingkat kepercayaan α = 0,05 diperoleh nilai signifikansi (Sig.) baik pada uji Shapiro Wilk (Liliefors) (Sig. 0,434 dan 0,200) dan Kolmogorov-Smirnov (0,197 dan 0,200) kesemuanya > 0,05, artinya data berdistribusi secara Normal.

Interpretasi Output SPSS : Kriteria Pengambilan Keputusan :

 Jika nilai Signifikansi /P-value/ Sig. < 0,05 artinya data heterogen

 Jika nilai Signifikansi /P-value/ Sig. > 0,05 artinya data homogen

Dari tabel di atas dapat diketahui bahwa nilai Sig. sampel semuanya berada di atas 0,05 (0,676 > 0,05) dengan demikian dapat disimpulkan data tersebut berdistribusi homogen.

Tests of Normal ity

.130 13 .200* .938 13 .434

.144 12 .200* .907 12 .197

Variabel Variabel x Variabel Y Variabel Penelitian

Stat istic df Sig. Stat istic df Sig.

Kolmogorov -Smirnov^a Shapiro-Wilk

This is a lower bound of the true signif icance.

*.

Lillief ors Signif icance Correction a.

Test of Homogeneity of Variance

.179 1 23 .676

.140 1 23 .712

.140 1 22.060 .712

.169 1 23 .685

Based on Mean Based on Median Based on Median and with adjusted df Based on trimmed mean Variabel Penelitian

Lev ene

Statistic df1 df2 Sig.

60 65 70 75 80 85

Observed Value -1.5

-1.0 -0.5 0.0 0.5 1.0 1.5

Expected Normal

for Code= Variabel x Normal Q-Q Plot of Variabel Penelitian

50 60 70 80 90

Observed Value -0.3

-0.2 -0.1 0.0 0.1 0.2

Dev from Normal

for kd= Observasi Detrended Normal Q-Q Plot of Skor

(17)

Oleh : Ipin Aripin, M.Pd 17 Interpretasi Output :

 Normal Q-Q Plots

Data dikatakan normal apabila sebaran titik – titik nilai data berada kurang lebih pada garis lurus.

 Normal Q-Q Plot Detrended

Data dikatakan normal apabila sebaran titik – titik nilai data tidak membentuk pola tertentu dan berada di sekitar garis mendatar yang melalui titik nol.

 Kurva

Data dikatakan normal apabila kurva yang terbentuk berbentuk simetris seperti lonceng, hal ini munjukan sebaran data terdistribusi secara merata.

Untuk memperoleh grafik data anda dapat mengujinya dengan cara : 1. Klik Graphs > Pilih jenis Grafik Mis. Histogram

2. Pindahkan data pada bagian Variabels dan cek list Disply Normal Curve

(18)

UJI ONE SAMPEL t TEST

Uji t satu sampel (one sample t-test) digunakan untuk menguji / membandingkan nilai rata – rata dari sampel tunggal terhadap suatu acuan dengan asumsi data berdistribusi normal.

Kriteria Pengujian yang digunakan :

 Jika nilai Prob./Signifikansi/P-value < α, maka Ho ditolak

 Jika nilai Prob./Signifikansi/P-value ≥ α, maka Ho diterima

Sebagai contoh penulis menduga bahwa rata – rata IPK mahasiswa Biologi – A adalah 3,00 untuk membuktikannya maka penulis melakukan uji t satu sampel dengan langkah – langkah sebagai berikut :

1. Set data pada Variabel View

2. Klik Data View

3. Klik Analyze > Compare Means > One Sampel T-Test

4. Mucul kotak seperti ini

(19)

Oleh : Ipin Aripin, M.Pd 19 5. Klik tanda panah untuk memindahkan data ke Test Variables

6. Isikan Test Value dengan nilai 3 7. Klik Option

8. Muncul Kotak seperti ini

9. Klik Continue 10. Klik Ok Output SPSS :

Interpretasi Output SPSS :

Berdasarkan table di atas diperoleh nilai uji statistik t= 1,964, dengan (df) = n – 1 = 15 - 1 = 14. Dengan nilai P-value/Sig. 0,070 > 0,05 dengan demikian Ho diterima, hal ini menunjukan bahwa nilai rata – rata IPK mahasiswa tidak berbeda dengan 3. Hal ini dapat dilihat dari rata – rata IPK 3,06 > 3,00.

One-Sample Statistics

15 3.0687 .13543 .03497

IPK

N Mean St d. Dev iation

St d. Error Mean

One-Sample Test

1.964 14 .070 .06867 -.0063 .1437

IPK

t df Sig. (2-tailed)

Mean

Dif f erence Lower Upper

95% Conf idence Interv al of the

Dif f erence Test Value = 3

(20)

UJI INDEPENDENT SAMPEL t TEST

Uji t Dua Sampel Independen (Independen Sampel t Test) digunakan untuk membandingkan selisih dua rata – rata (mean) dari dua sampel yang independen dengan asumsi data berdistribusi normal.

Untuk melakukan uji t dua sampel Independen ikutilah langkah – langkah sebagai berikut:

2. Klik Analyze > Compare Means > Independent Samples T Test

3. Muncul kotak dialog seperti ini

(21)

Oleh : Ipin Aripin, M.Pd 21 4. Klik tanda panah untuk memindahkan variabel yang akan diuji 5. Pada Grouping Variables klik Define Groups

6. Isikan grup yang telah kita buat

7. Klik Option

8. Tentukan tingkat kepercayaan yang akan kita gunakan dapat (95% atau 99%).

Keterangan :

Tingkat kepercayaan (α) untuk statistik penelitian ilmu – ilmu sosial termasuk di dalamnya pendidikan adalah 95% sedangkan pada penelitian ilmu murni adalah 99%.

(22)

Oleh : Ipin Aripin, M.Pd 22 Output SPSS :

Interpretasi Output SPSS :

Berdasarkan hasil uji pada table di atas diperoleh nilai F yang mengansumsikan bahwa kedua varian sama adalah 2,516 dengan nilai t = 3,459 dengan derajat kebebasan (df) = n1 + n2 -2 = (20 + 20 –2 =38). α = 0,05 diperoleh Sig. 0,001. Karena Sig. 0,001 < 0,05 dengan demikian Ho ditolak atau dengan kata lain Ha diterima, artinya terdapat perbedaan signifikan antara Hasil belajar siswa yang menggunakan media X dengan yang menggunakan metode ceramah.

Ini menunjukkan bahwa penggunaan media X lebih baik daripada menggunakan metode ceramah.

Group Statisti cs

20 77.80 16.851 3.768

20 55.20 23.867 5.337

Kelas Test

Menggunakan Media X Menggunakan Metode Ceramah

Kelas Test

N Mean St d. Dev iation

St d. Error Mean

Independent Samples Test

2.516 .121 3.459 38 .001 22.600 6.533 9.375 35.825 3.459 34.172 .001 22.600 6.533 9.326 35.874 Equal variances

assumed Equal variances not assumed Kelas Test

F Sig.

Levene's Test f or Equality of Variances

t df Sig. (2-tailed) Mean Diff erence

Std. Error

Diff erence Lower Upper 95% Confidence

Interv al of the Diff erence t-test for Equality of Means

(23)

UJI PAIRED SAMPEL T TEST

Uji t Paired Sampel t Test digunakan untuk membandingkan selisih dua rata – rata dari dua sampel yang berpasangan dengan asumsi data berdistribusi normal (S. Uyanto, 2006). Sampel yang dimaksud adalah sampel yang sama namun mengalami proses pengukuran maupun perlakuan yang berbeda.

 Jika nilai Prob./Signifikansi/P-value ≥ α, maka Ho diterima Langkah – langkah untuk melakukan uji t Paired sebagai berikut:

1. Set data Variabel View

2. Masuk ke area Worksheet Data View

3. Klik Analyze

4. Klik Compare Means > Paired Sampels T Test

5. Klik variabel 1 dan kemudian variabel 2

(24)

Oleh : Ipin Aripin, M.Pd 24 6. Klik tanda panah untuk memindahkan variabel ke dalam kolom Paired

Variabels

7. Klik Option, isikan Convidance interval.

8. Klik Continue 9. Klik Ok

Paired Sampl es Statistics

77.03 35 15.726 2.658

49.46 35 23.415 3.958

Skor Gain Eksperimen Skor Gain Kontrol Pair

1

Mean N St d. Dev iation

St d. Error Mean

Paired Samples Correl ations

35 .149 .394

Skor Gain Eksperimen

& Skor Gain Kontrol Pair

1

N Correlation Sig.

Paired Samples Test

27.571 26.192 4.427 18.574 36.569 6.228 34 .000 Skor Gain Eksperimen

- Skor Gain Kontrol Pair

1

Mean Std. Dev iation Std. Error

Mean Lower Upper 95% Confidence

Interv al of the Diff erence Paired Diff erences

t df Sig. (2-tailed)

(25)

 Dapat diketahui bahwa dari 35 responden yang melakukan tes diperoleh rata – rata sebesar 77,03 dan 49,46 atau selisih (77,03 – 49,46 = 27,57)

 Pada korelasi Pearson diperoleh koefisien korelasi 0,149 dan Sig. 0,394 >

0,05, hal ini menunjukan tidak ada hubungan antara skor gain eksperimen dan kontrol.

 Dari table di atas diperoleh nilai t = 6,22 dengan derajat kebebasan 35-1 = 34, α = 0,05 dan diperoleh nilai Sig. (2-tailed) = 0,000 < 0,05. Dengan demikian Ho ditolak dan Ha diterima, artinya terdapat perbedaan skor gain antara kelas eksperimen dan kelas kontrol.

(26)

UJI ANOVA (Analysis of varians)

One Way Anova / Anova satu jalur digunakan untuk menganalisis satu faktor untuk sebuah variabel tergantung dengan satu buah variabel bebas.

Kegunaannya adalah untuk menguji hipotesis yang membuktikan rata – rata sama atau tidak.

Kriteria Pengujian :

Untuk melakukan uji Anova ikuti langkah – langkah sebagai berikut : 1. Set data pada Variabel View

2. Masuk ke Data View

3. Klik Analyze > Compare Means > One Way ANOVA

4. Muncul kotak seperti ini

(27)

Oleh : Ipin Aripin, M.Pd 27 5. Klik tanda panah untuk memindahkan skor test ke Dependent List dan

Media ke Factor

6. Klik Contranst 7. Klik Polynominal 8. Klik Continue

9. Klik Post Hoc

10. Klik dan pilih pada Equal Variances Assumed 11. Klik Continue

12. Klik Option

13. Klik Descriptive, Homogenity of variances test, dan Mean plot 14. Klik Continue > Ok

(28)

Descriptives Skor Test

5 73.00 10.368 4.637 60.13 85.87 60 85

5 74.00 11.402 5.099 59.84 88.16 60 85

5 66.00 4.183 1.871 60.81 71.19 60 70

15 71.00 9.297 2.400 65.85 76.15 60 85

Power Point Authorware Tanpa Media Total

N Mean Std. Dev iation Std. Error Lower Bound Upper Bound 95% Confidence Interv al for

Mean

Minimum Maximum

Test of Homogeneity of Variances Skor Test

3.303 2 12 .072

Lev ene

St at ist ic df 1 df 2 Sig.

ANOVA Skor Test

190.000 2 95.000 1.118 .359

122.500 1 122.500 1.441 .253

67.500 1 67.500 .794 .390

1020.000 12 85.000

1210.000 14

(Combined) Contrast Dev iation Linear Term Between

Groups

Within Groups Total

Sum of

Squares df Mean Square F Sig.

(29)

 Pada angka Levene Test diperoleh nilai 3,30 dan Sig. 0,070 > 0,05 maka Ho diterima dengan demikian varian ketiga sampel relative sama.

 Pada Anova diperoleh nilai Sig. > 0,05 dengan demikian tidak terdapat perbedaan Signifikan antara ketiga sampel.

Multiple Comparisons Dependent Variable: Skor Test

-1.000 5.831 .984 -16.56 14.56

7.000 5.831 .475 -8.56 22.56

1.000 5.831 .984 -14.56 16.56

8.000 5.831 .385 -7.56 23.56

-7.000 5.831 .475 -22.56 8.56

-8.000 5.831 .385 -23.56 7.56

-1.000 5.831 .985 -17.25 15.25

7.000 5.831 .506 -9.25 23.25

1.000 5.831 .985 -15.25 17.25

8.000 5.831 .417 -8.25 24.25

-7.000 5.831 .506 -23.25 9.25

-8.000 5.831 .417 -24.25 8.25

-1.000 5.831 .867 -13.70 11.70

7.000 5.831 .253 -5.70 19.70

1.000 5.831 .867 -11.70 13.70

8.000 5.831 .195 -4.70 20.70

-7.000 5.831 .253 -19.70 5.70

-8.000 5.831 .195 -20.70 4.70

(J) Media Authorware Tanpa Media Power Point Tanpa Media Power Point Authorware Authorware Tanpa Media Power Point Tanpa Media Power Point Authorware Authorware Tanpa Media Power Point Tanpa Media Power Point Authorware (I) Media

Power Point Authorware Tanpa Media Power Point Authorware Tanpa Media Power Point Authorware Tanpa Media Tukey HSD

Schef fe

LSD

Mean Diff erence

(I-J) Std. Error Sig. Lower Bound Upper Bound 95% Confidence Interv al

Skor Test

5 66.00

5 73.00

5 74.00

.385

5 66.00

5 73.00

5 74.00

.417 Media

Tanpa Media Power Point Authorware Sig.

Tukey HSD^a

Schef f e^a

N 1

Subset f or alpha

= .05

Means f or groups in homogeneous subset s are display ed.

Uses Harmonic Mean Sample Size = 5.000.

a.

(30)

UJI KORELASI

Uji korelasi digunakan untuk mengetahui hubungan antara suatu variabel terhadap variabel lain. Ada dua jenis pengujian korelasi, yaitu korelasi Pearson (Product Moment) jika distribusi data memenuhi asumsi normalitas, dan korelasi Non Paramterik (Spearmen & Kendall) jika data terdistribusi tidak normal. Hasil pengujian korelasi ada dua jenis, yaitu menghasilkan angka (+) berarti menunjukan hubungan kedua variabel secara searah, dan angk (-) berarti menunjukan hubungan kedua variabel tidak searah sehingga dapat diasumsikan bahwa jika variabel x mengalami kenaikan maka variabel y mengalami penurunan atau sebaliknya.

Kriteria Pengujian:

 Jika nilai Probabilitas/Signifikansi/P-value/Sig. < 0,05, hubungan antara kedua variabel Signifikan

 Jika nilai Probabilitas/Signifikansi/P-value/Sig. > 0,05, hubungan antara kedua variabel tidak Signifikan

Koefisien korelasi dikelompokan menjadi skala :

0,00 – 0,20 = korelasi sangat lemah / tidak berkorelasi 0,21 – 0,20 = korelasi lemah

0,41 – 0,70 = korelasi kuat 0,71 – 0,91 = korelasi sangat kuat 0,91 – 0,99 = korelasi sangat kuat sekali 1,00 = korelasi sempurna

(Nugroho, 2005)

Untuk melakukan pengujian korelasi dengan SPSS ikuti langkah – langkah sebagai berikut:

1. Set data pada Variabel View seperti di bawah ini :

(31)

Oleh : Ipin Aripin, M.Pd 31 2. Klik menu Analyze > Correlate > Bivariate

3. Setelah muncul kotak dialog seperti ini, pindahkan variabel yang akan diuji dengan mengklik tanda panah.

4. Pilih Pearson jika data berdistribusi normal atau Kendall’s tau-b dan Spearman jika data tidak normal

5. Pilih Two-tailed jika akan melakukan pengujian 2 sisi atau One-tailed jika hanya akan melakukan pengujian satu sisi.

6. Pilih Option dan klik Continue > Ok

(32)

Dari tabel di atas diperoleh Korelasi Pearson 0.849 yang mendekati 1 artinya terdapat hubungan yang signifikan dan P-value 0,000. Karena P-value <

0,05 dengan dapat disimpulkan terdapat hubungan yang signifikan antara kedua variabel.

Pada korelasi Kendall’s diperoleh rk = 0,785 dan Sig. 0,001 sedangkan pada korelasi Spearmen rs= 0,844 dan Sig. 000, karena semuan nilai P-value/Sig. < 0,05 dengan demikian dapat disimpulkan bahwa terdapat hubungan yang signifikan antara variabel x dan y.

Correlati ons

1 .849**

. .000

13 13

.849** 1

.000 .

13 13

Pearson Correlation Sig. (2-tailed) N

Variabel X

Variabel Y

Variabel X Variabel Y

Correlation is signif icant at the 0.01 lev el (2-tailed).

**.

Correlations

1.000 .785**

. .001

13 13

.785** 1.000

.001 .

13 13

1.000 .844**

. .000

13 13

.844** 1.000

.000 .

13 13

Correlation Coef f icient Sig. (2-tailed)

N

N Variabel X

Variabel Y

Variabel X

Variabel Y Kendall's t au_b

Spearman's rho

Variabel X Variabel Y

Correlation is signif icant at the 0.01 lev el (2-tailed).

**.

Keterangan :

Apabila menggunakan pengujian satu sisi (One-tailed) maka nilai Signifikansi (2-tailed) dapat langsung di bagi 2 : (Sg. 0844/2 = 0,422)

(33)

UJI REGRESI SEDERHANA

Uji regresi bertujuan untuk mengetahui hubungan pengaruh antara satu variabel terhadap variabel lain. Variabel yang dipengaruhi disebut variabel tergantung atau dependen, sedangkan variabel yang mempengaruhi disebut variabel bebas atau variabel independen. Regresi yang memiliki satu variabel dependen dan satu variabel independen disebut regresi sederhana, sedangkan regresi yang memiliki lebih dari satu variabel independen disebut regresi berganda. Cara pengujian regresi sederhana sebagai berikut:

2. Klik Analyze > Regression > Linear

3. Klik Hasil belajar siswa pada kotak Dependent dan Model Pembelajaran X pada Independent.

(34)

Oleh : Ipin Aripin, M.Pd 34 4. Klik Statistics

5. Klik Estimates pada Regression Coefficient, klik juga Model Fit, dan Casewise diagnostics pilih All Case pada Residuals.

6. Klik Dependent pada Y dan *ZPRED pada X

7. Klik Histogram dan Normal probalility plot pada Standardized Residual Plots

8. Klik Option

9. Klik Contineu 10. Klik Ok

(35)

Pada tabel ini terdapat R Square sebesar 0,356 dari koefisien korelasi (0,59) R-Square di sebut koefisien determinansi yang dalam hal ini 35% hasil belajar siswa dapat dijelaskan oleh variable Model pembelajaran X sedangkan sisanya di jelaskan variable lain.

Pada tebel ini terlihat bahwa nilai probabilitasnya atau sig. = 0,000 < 0,05 hal ini menunjukkan model regresi linear dapat digunakan.

Pada table ini menunjukkan regresi yang dicari. Nilai sig di atas adalah 0,000 dan 0,000 (< 0,05) dengan demikian dapat disimpulkan bahwa nilai pada kolom B adalah signifikan artinya persamaan yang paling tepat untuk kedua variable tersebut adalah :

Y = 29,191 + 0,537x

Dengan = X = Model Pembelajaran X Y = Hasil Belajar Siswa

Model Summary^b

.596^a .356 .336 5.679

Model 1

R R Square

Adjusted R Square

St d. Error of the Estimate

Predictors: (Constant), Model Pembelajaran X a.

Dependent Variable: Hasil Belajar Siswa b.

ANOVA^b

587.678 1 587.678 18.219 .000^a

1064.464 33 32.256

1652.142 34

Regression Residual Total Model 1

Sum of

Squares df Mean Square F Sig.

Predictors: (Const ant), Model Pembelajaran X a.

Dependent Variable: Hasil Belajar Siswa b.

Coefficients^a

29.191 6.392 4.567 .000

.537 .126 .596 4.268 .000

(Constant)

Model Pembelajaran X Model

1

B Std. Error Unstandardized

Coeff icients

Beta Standardized Coeff icients

t Sig.

Dependent Variable: Hasil Belajar Siswa a.

(36)

-4 -3 -2 -1 0 1 2

Regression Standardized Residual 0

2 4 6 8 10 12

Frequency

Mean = 1.75E-15 Std. Dev. = 0.985 N = 35 Dependent Variable: Hasil Belajar Siswa

Histogram

0.0 0.2 0.4 0.6 0.8 1.0

Observed Cum Prob 0.0

0.2 0.4 0.6 0.8 1.0

Expected Cum Prob

Dependent Variable: Hasil Belajar Siswa Normal P-P Plot of Regression Standardized Residual

-2 -1 0 1 2

Regression Standardized Predicted Value 30

40 50 60 70

Hasil Belajar Siswa

Dependent Variable: Hasil Belajar Siswa Scatterplot

Keterangan :

Untuk interpretasi output grafik silahkan baca pada bagian sebelumnya !

(37)

UJI regresi ganda

Uji regresi ganda merupakan pengembangan dari uji regresi sederhana, tau lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.

Persamaan regresi linear berganda sebagai berikut:

Y’ = a + b1X1+ b2X2+…..+ bnXn

Keterangan:

Y’ = Variabel dependen (nilai yang diprediksikan) X1 dan X2 = Variabel independen

a = Konstanta (nilai Y’ apabila X¹, X2…..Xⁿ = 0) b = Koefisien regresi (nilai peningkatan ataupun penurunan)

http//dwiconsultan.blogspot.com 1. Set data pada Variabel View

2. Klik Analyze > Regression > Linear

(38)

Oleh : Ipin Aripin, M.Pd 38 3. Klik kinerja guru biologi pada kotak Dependent dan motivasi kerja (X1),

lingkungan kerja (X2), pengmotivasi kerjaan (X3) pada kolom Independent.

4. Klik Statistics

5. Klik Estimates pada Regression Coefficient, Durbin-Watson, klik juga Model Fit, Collinearity diagnostics dan Casewise diagnostics pilih All Case pada Residuals.

6. Klik Continues

(39)

Oleh : Ipin Aripin, M.Pd 39 7. Klik Plot

8. Klik *ZPRED pada Y dan *ZRES pada X

9. Klik Histogram dan Normal probalility plot pada Standardized Residual Plots

10. Klik Contineu 11. Klik Ok

(40)

Oleh : Ipin Aripin, M.Pd 40 CARA MENAFSIRKAN

Model Summary^b

Model R R Square Adjusted R

Square

Std. Error of the Estimate

Durbin-Watson

1 .852^a .726 .715 3.414 2.145

a. Predictors: (Constant), Inovasi (X3), Motivasi kerja (X1), Lingkungan kerja (X2) b. Dependent Variable: Kinerja guru biologi (Y)

Pada tabel ini terdapat R Square sebesar 0,726 dari koefisien korelasi (0,853) R-Square di sebut koefisien determinansi (D = r²x 100% = 0,853²x 100%

= 72,6%) dalam hal ini 72,6% Kinerja guru biologi dapat dipengaruhi oleh variabel motivasi kerja, lingkungan kerja dan perhargaan sedangkan sisanya (27,3%) di jelaskan variabel lain selain variabel yang digunakan dalam penelitian.

ANOVA^a

Model Sum of Squares df Mean Square F Sig.

1

Regression 2253.294 3 751.098 64.456 .000^b

Residual 850.654 73 11.653

Total 3103.948 76

a. Dependent Variable: Kinerja guru biologi (Y)

b. Predictors: (Constant), Inovasi (X3), Motivasi kerja (X1), Lingkungan kerja (X2)

Pada tabel ini terlihat bahwa Fhitung sebesar 64,456 > 2,730 dengan nilai probabilitasnya atau sig. = 0,000 < 0,05 hal ini menunjukkan model regresi linear dapat digunakan untuk memprediksi pengaruh motivasi kerja, lingkungan kerja dan perhargaan terhadap Kinerja guru biologi. Karena regresi yang kita gunakan dapat diterima maka pengujian selanjutnya adalah menghitung koefisien regresi.

Coefficients^a

Model Unstandardized

Coefficients

Standardized Coefficients

t Sig. Collinearity Statistics

B Std. Error Beta Tolerance VIF

1

(Constant) 28.299 3.837 7.376 .000

Motivasi kerja (X1)

.775 .194 .393 3.986 .000 .387 2.586

Lingkungan kerja (X2)

.424 .187 .229 2.266 .026 .367 2.726

Inovasi (X3) .595 .177 .320 3.363 .001 .416 2.406

a. Dependent Variable: Kinerja guru biologi (Y)

(41)

Oleh : Ipin Aripin, M.Pd 41 Pada tabel di atas menunjukkan regresi yang dicari. Nilai sig untuk variabel motivasi kerja (X1), lingkungan kerja (X2), adalah (000, 0,000 < 0,05) dengan demikian dapat disimpulkan bahwa nilai pada kolom Standardized Coefficients Beta adalah signifikan artinya persamaan yang paling tepat untuk variabel tersebut adalah :

𝑌 = 28,299+ 0,393X₁ + 0,229X₂+ 0,320X₃

Kinerja guru biologi = 28,299+ 0,393X1 (motivasi kerja) + 0,229X2

(lingkungan kerja) + 0,320X3

Nilai konstanta 28,299, hal ini menyatakan bahwa jika tidak ada kenaikan nilai dari variabel motivasi kerja (X1), dan lingkungan kerja (X2), maka nilai Kinerja guru biologi (Y) adalah adalah 28,299 atau 28,299 poin. Koefisien regresi Koefisien regresi X1 sebesar 0,393. Hal ini menyatakan bahwa setiap terjadi penambahan satu skor atau nilai motivasi kerja akan menaikan Kinerja guru biologi sebesar 0,393 atau 3,93 poin. Sedangkan koefisien pada variabel X2

sebesar 0,229. Hal ini menyatakan bahwa setiap terjadi penambahan satu skor atau lingkungan kerja akan meningkatkan kinerja guru biologi sebesar 0,229 atau 2,29 poin. Sedangkan koefisien pada variabel X3 sebesar 0,320. Hal ini menyatakan bahwa setiap terjadi penambahan satu skor atau perhargaan akan meningkatkan kinerja guru biologi sebesar 0,320 atau 3,20 poin

Selanjutnya dilakukan uji t, hal ini dimaksudkan untuk menguji signifikansi konstanta dan variabel dependen. Kriteria uji koefisien regresi dari variabel motivasi kerja (X1) lingkungan kerja (X2) dan inovasi (X3) terhadap Kinerja guru biologi (Y) sebagai berikut:

Ho = motivasi kerja, lingkungan kerja dan perhargaan tidak berpengaruh signifikan terhadap kinerja guru biologi.

Ha = motivasi kerja, lingkungan kerja dan perhargaan berpengaruh signifikan terhadap kinerja guru biologi.

Dengan kriteria pengambilan keputusan sebagai berikut:

Jika nilai thitung≥ t^tabel, maka Ho ditolak artinya koefisien regresi signifikan

Jika nilai thitung≤ t^tabel, maka Ho diterima artinya koefisien regresi tidak signifikan.

(42)

Oleh : Ipin Aripin, M.Pd 42 Berdasarkan koefisien regresi X1, dan X2 diperoleh nilai thitung sebesar 3,986 dan 2,266. Dengan tingkat signifikansi α = 0,05 dan dk (n-2) = 77 – 2 = 75 dilakukan uji satu pihak, sehingga diperoleh nilai ttabel adalah 1,992. Karena nilai thitung ≥ ttabel atau (3,986, 2,266, 3,363 dan ≥ 1,992) maka Ha diterima dan Ho ditolak, artinya koefisien regresi signifikan atau dengan kata lain motivasi kerja dan lingkungan kerja berpengaruh signifikan terhadap kinerja guru biologi.

Uji Signifikansi dengan Perbandingan Nilai thitung dan ttabel

Variabel thitung ttabel Ket

Motivasi kerja 3,986 1,992 Signifikan

Lingkungan kerja 2,266 1,992 Signifikan

Perhargaan 3,363 1,992 Signifikan

Berdasarkan grafik di atas terlihat data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal. Maka model regresi memenuhi asumsi normalitas.

(43)

Oleh : Ipin Aripin, M.Pd 43 Merujuk pada diagram pencar di atas dapat dilihat bahwa plot titik-titik mendekati garis linier maka disimpulkan bahwa model regresi linier.

Lihat Grafik Scatter, jelas bahwa tidak ada pola tertentu karena titik meyebar tidak beraturan di atas dan di bawah sumbu sumbu Y. Maka dapat disimpulkan tidak terdapat gejala heteroskedastisitas.

(44)

UJI univariat (two ways anova)

Anova merupakan singkatan dari “analysis of varian” adalah salah satu uji komparatif yang digunakan untuk menguji perbedaan mean (rata-rata) data lebih dari dua kelompok. Ada dua jenis Anova, yaitu analisis varian satu faktor (one way anova) dan analisis varian dua faktor (two ways anova).

Two Way Anova disebut juga dengan Anova 2 Arah atau Analisis Varian 2 Faktor. ANOVA dua arah membandingkan perbedaan rata-rata antara kelompok yang telah dibagi pada dua variabel independen (disebut faktor). Anda perlu memiliki dua variabel independen berskala data kategorik dan satu variabel terikat berskala data kuantitatif/numerik (interval atau rasio). (www.statistikian.com).

 Buka Tab Variable View: Buat 3 variabel dengan ketentuan sebagai berikut:

 Variabel independen: 1. “Gender” dengan kategori Pria dan Wanita.

Measure Nominal, Decimals=0, Type Numeric dan isi value: 1= Pria, 2=Wanita.

 Variabel independen: 2. “Pendidikan” dengan kategori SMP, MTS dan Paket B. Measure Nominal, Decimals=0, Type Numeric dan isi value: 1= SMP, 2=MTS, 3=Paket B.

 Variabel dependen: “Hasil

Belajar”, Decimals=0, Measure Scale, Type Numeric.

 Set data variabel view seperti berikut :

(45)

 Klik Univariat

 Setelah data terisi, pada menu, Klik Analyze, General Linear Model, Univariate. Maka akan mucul jendela sbb: Masukkan Ujian ke kotak Dependent Variable, masukkan Gender dan Asal Sekolah ke kotak Fixed factor(s). (Kotak Random factor (s) dan Covariate(s) tidak akan kita gunakan dalam Two Ways Anova, kotak tersebut akan digunakan pada “Uji Ancova“).

(46)

 Klik Plot, maka akan muncul jendela seperti di bawah ini: Masukkan Gender ke kotak Horizontal Axis dan Asal sekolah ke kotak Separate Lines.

 Klik Add

 Klik Continue.

 Klik Post Hoc, maka muncul jendela sbb: Masukkan Asal sekolah ke kotak Post Hoc Test for. Centang Tukey

 Klik Continue

(47)

 Klik Options, maka akan muncul jendela sbb: Masukkan Gender, Asal Sekolah, dan Gender*Asal Sekolah ke dalam kotak Display Means for. Pada Display centang Descriptive statistics dan Homogentity test.

 Klik Continue

 Klik Ok

PENAFSIRAN

Descriptive Statistics Dependent Variable: Hasil Belajar Biologi

Gender Asal Sekolah Mean Std. Deviation N

Pria

SMP 77.00 6.708 5

MTS 80.00 8.660 9

Paket B 80.00 .000 2

Total 79.06 7.353 16

Wanita

SMP 76.67 12.111 6

MTS 75.00 7.071 5

Paket B 83.33 7.638 3

Total 77.50 9.558 14

Total

SMP 76.82 9.558 11

MTS 78.21 8.229 14

Paket B 82.00 5.701 5

Total 78.33 8.339 30

Rata-rata hasil belajar biologi berdasarkan gender, yaitu : Pria yang berasal dari SMP rata-ratanya 77, MTS rata-ratanya 80, dan Paket B rata-ratanya 80.

(48)

Levene's Test of Equality of Error Variances^a Dependent Variable: Hasil Belajar Biologi

F df1 df2 Sig.

1.992 5 24 .116

Tests the null hypothesis that the error variance of the dependent variable is equal across groups.

a. Design: Intercept + Gender + Asal_Sekolah + Gender * Asal_Sekolah

Dari tabel diketahui harga F = 1,992 dan Sig. 0.116 > 0.05 sehingga disimpulkan tiap variabel adalah homogeny.

Dari tabel di atas, kita mendapatkan nilai-nilai penting yang bisa disimpulkan sebagai berikut:

Tests of Between-Subjects Effects Dependent Variable: Hasil Belajar Biologi

Source Type III Sum of

Squares

df Mean Square F Sig.

Corrected Model 186.667^a 5 37.333 .490 .781

Intercept 147430.588 1 147430.588 1933.516 .000

Gender 2.647 1 2.647 .035 .854

Asal_Sekolah 82.511 2 41.256 .541 .589

Gender * Asal_Sekolah 70.400 2 35.200 .462 .636

Error 1830.000 24 76.250

Total 186100.000 30

Corrected Total 2016.667 29

a. R Squared = .093 (Adjusted R Squared = -.096)

Corrected Model:

Pengaruh Semua Variabel independen (Gender, Asal sekolah dan Interaksi gender dengan pendidikan atau “Gender* Asal sekolah”) secara bersama-sama terhadap variabel dependen (Nilai Ujian). Apabila Signifikansi (Sig.) < 0,05 (Alfa) = Signifikan. Contoh di atas > 0.05 berarti model tidak signifikan.

Intercept:

Nilai perubahan variabel dependen tanpa perlu dipengaruhi keberadaan variabel independen, artinya tanpa ada pengaruh variabel independen, variabel dependen

(49)

Oleh : Ipin Aripin, M.Pd 49 dapat berubah nilainya. Apabila Signifikansi (Sig.) < 0,05 (Alfa) = Signifikan. Contoh di atas 0,000 berarti intercept signifikan.

Gender:

Pengaruh gender terhadap nilai ujian di dalam model. Apabila Signifikansi (Sig.)

< 0,05 (Alfa)= Signifikan. Contoh di atas 0,005 berarti gender berpengaruh signifikan. (Contoh di atas > 0.05 / tidak signifikan)

Pendidikan:

Pengaruh pendidikan terhadap nilai ujian di dalam model. Apabila Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di atas 0,000 berarti Pendidikan berpengaruh signifikan. (Contoh di atas > 0.05 / tidak signifikan)

Gender*Pendidikan:

Pengaruh Genderpendidikan terhadap nilai ujian di dalam model. Apabila Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di atas 0,005 berarti gender pendidikan berpengaruh signifikan. (Contoh di atas > 0.05 / tidak signifikan) Error:

Nilai Error model, semakin kecil maka model semakin baik.

R Squared:

Nilai determinasi berganda semua variabel independen dengan dependen. Contoh di atas 0,093 di mana menjauhi 1, berarti tidak berkorelasi.

Kesimpulan Hipotesis Two Way ANOVA

Jika karena hasil uji F menunjukkan bahwa signifikan ada perbedaan atau menerima H1, maka selayaknya Uji ANOVA ini dilanjutkan ke tahap selanjutnya, yaitu Uji Post Hoc. (Contoh di atas tidak signifikan)

(50)

UJI VALIDITAS DAN RELIABILITAs

Suatu instrument sebelum digunakan sebagai alat uji dalam penelitian terlebih dahulu harus diuji validitas dan reliabilitasnya untuk mengetahui kelayakan serta kehandalan instrument yang akan dipakai. Ada beberapa rumus yang dapat digunakan untuk menguji validitas dan reliablilitas data salah satunya adalah dengan menggunakan rumus Product Moment. Selain itu pengujian validitas dan reliabilitas dapat juga dilakukan dengan menggunakan software SPSS sebagai berikut:

Langkah – langkah uji validitas dan reliabilitas dengan SPSS : 1. Set data pada Variabel View sebagai berikut:

2. Masukan jawaban responden pada Data View 3. Klik Analyze > Scale > Reliability Analysis

(51)

Oleh : Ipin Aripin, M.Pd 51 4. Muncul kotak dialog Reliability Analysis

5. Klik tanda panah sehingga semua butir pertanyaan masuk ke kotak items

6. Klik Statistics

7. Klik pada kotak Descriptive for untuk Item, Scale, Scale if item deleted.

8. Klik pada kotak Inter-Item kota untuk Correlations.

9. Klik Continue 10. Klik Ok

(52)

Oleh : Ipin Aripin, M.Pd 52 Interpretasi Hasil Output SPSS :

Dengan menggunakan jumlah responden sebanyak 35, maka nilai r-tabel dapat diperoleh melalui df (degree of freedom) = n-k. k merupakan jumlah butir pertanyaan dalam suatu variable. Jadi df = 35-5 = 30, maka r-tabel = 0.361. Butir pertanyaan dikatakan valid jika nilai r-hitung yang merupakan nilai dari Corrected Item-Total Correlation > dari r-tabel.

Interpretasi Output SPSS Uji Reliabilitas :

Dari output SPSS di atas menujukan table Reliability Statistic pada SPSS yang terlihat pada Cronbach’s Alpha 0.900 > 0.60. Dapat disimpulkan bahwa konstruk pertanyaan pada item angket tersebut berkategori reliable.

Item-Total Statisti cs

50.11 78.751 .522 .633 .896

50.63 77.770 .601 .703 .893

50.29 78.504 .534 .746 .895

50.80 76.341 .667 .786 .891

50.80 76.635 .648 .804 .891

51.11 75.163 .683 .816 .890

50.37 76.299 .593 .784 .893

50.91 80.198 .452 .511 .898

51.69 74.751 .497 .599 .900

50.77 75.593 .693 .768 .889

50.77 74.240 .626 .628 .892

50.86 77.597 .665 .870 .891

50.94 80.114 .577 .677 .895

50.83 77.440 .511 .653 .897

50.71 76.504 .556 .790 .895

Pert any aan 1 Pert any aan 2 Pert any aan 3 Pert any aan 4 Pert any aan 5 Pert any aan 6 Pert any aan 7 Pert any aan 8 Pert any aan 9 Pert any aan 10 Pert any aan 11 Pert any aan 12 Pert any aan 13 Pert any aan 14 Pert any aan 15

Scale Mean if Item Deleted

Scale Variance if Item Deleted

Corrected Item-Total Correlation

Squared Mult iple Correlation

Cronbach's Alpha if Item

Delet ed

Reliabi lity Statistics

.900 .904 15

Cronbach's Alpha

Cronbach's Alpha Based

on St andardized

Items N of Items

Keterangan :

Suatu Kontruk dikatakan reliable jika > 0,60 (Nugroho, 2005)

(53)

STATISTIK NON PARAMETRIK

Ketika asumsi normalitas dan homogenitas data yang menjadi syarat mutlak pada uji statistik parametrik tidak terpenuhi maka alternative pengujian statistik yang digunakan adalah statistik non parametrik, karena statistik ini dapat digunakan untuk sampel < 30 juga tidak menjadikan asumsi normalitas dan homogenitas sebagai syarat pengujiannya.

Ada beberapa uji Non Parametrik dalam SPSS seperti : Uji Chi-kuadrat, Uji Binomial, Uji Run, Uji Kolmogorov Smirnov, Uji dua sampel Independen, Uji beberapa sampel independen, Uji dua sampel yang berkaitan dan Uji beberapa sampel berkaitan. Pada Modul ini hanya akan diterangkan beberapa contoh saja:

1. Uji Peringkat bertanda Wilcoxon

Uji Wilcoxon digunakan utnuk menguji beda data berpasangan. Uji ini merupakan alternative untuk uji – t dua sampel berpasangan (Paired Sampe t Test).

Kriteria Pengujian :

 Jika nilai Prob./Signifikansi/P-value ≥ α, maka Ho diterima Langkah – langkah uji Wilcoxon

1. Klik Analyze > Nonparametric Test > 2 Related Samples

2. Muncul kotak di bawah ini