UJI VALIDITAS DAN RELIABELITAS TERHADAP DATA HASIL UJI ISNTRUMEN

(1)

Laporan:

UJI VALIDITAS DAN RELIABELITAS TERHADAP DATA HASIL UJI ISNTRUMEN

Dosen Pengampu:

Setia Ningsih S.Pd,. M.Si Dr. Abdul Dabar Mohidin M. Pd

Di Susun Oleh: :

Rifindu Putra Oktafian (413421003)

PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI GOTRONTALO

2023

(2)

DAFTAR ISI

DAFTAR ISI...2

BAB I PENDAHULUAN...4

1.1 Uji Validitas Biserial...4

1.2 Uji Validitas Pearson Product Momen...5

1.3 Uji validitas dengan Analisis Faktor...5

1.4 Uji Validitas dengan Analisis Faktor...6

1.5 Uji Reliabilitas...8

BAB II DESKRIPSI KERJA...10

2.2 Uji Validitas Product Momen Pearson...13

2.3 Analisi Faktor...17

2.4 Uji Reliabilitas...20

BAB III PEMBAHASAN...25

3.2 Uji Validitas Product Momen Pearson...27

3.3 Analisis Faktor...29

3.4 Uji Reliable...31

BAB IV PENUTUP...34

4.1 Kesimpulan...34

4.2 Saran...34

DAFTAR PUSTAKA...35

i

(3)

BAB I PENDAHULUAN 1.1 Uji Validitas Biserial

Uji validitas dengan menggunakan teknik korelasi point biserial adalah teknik dalam statistika yang digunkan untuk mengestimasitingkat korelasi (hubungan) diantara data berskala dikotomus (data yang memiliki skala nominal) dengan data yang berskala interval/rasio (dalam Brown (1988,p.150). dalam hal ini praktikan ingin menguji tingkat hubungan antara variabel data atau item yang berskala dikotomus dan total dari item yang berupa skor yang berskala interval.

Untuk menghitung koefisien korelasi poin biserial. Dapat dihitung dengan mengunakan rumus sebagai berikut:

r_pbi=M_p−M_q St

Dimana:

r = koefisien korelasi point biserial

Mp = jumlah responden yang menjawab benar Mq = jumlah responden yang menjawab salah

St = standar deviasi untuk semua item

P =proporsi responden yang menjawab benar Q = proporsi responden yang menjawab benar

Jika koefisien korelasi dari seluruh item telah diperoleh, selanjutnya menentukan angka tekecil sebagai nilai yang dianggap cukup “tinggi” sebagai indikator adanya konsistensi anatar skor item dan skor keseluruhan. Dalam kasus ini tidak ada teori yang menyatakan dengan tegas bahwa ada batasan nilai terendahnya. Prinsip utama darai pemilihan item dengan melihata nilai korelasi dan mencari nilai korelasi yang setinggi mungkin dan menyingkirkan nilaikorelasi yang bernilai mines (-) atau nilai korelasi yang semakin mendekati nol (0,00).

Namun menurut Friedenberg (1995) umunya dalam pegembangan dan penyususnan skala- skala psikologi, nilai koefisien yang digunakan minimal bernialai 0,30. Sehingga menjadi batas untuk menentukan item yang digunakan dan disingkirkan. Jika nilai korelasinya di bawah 0,30 item dapat disingkirkan dan untuk item yang memiliki nilai korelasi diatass 0,30 dapat digunakan dengan tetap mengikuti asumsi koreleasi dimana semakin mendekati 1,00 maka korelasi semakin kuat (validitasnya semakin konsisten)

3

(4)

1.2 Uji Validitas Pearson Product Momen

Pengujian validitas menggunakan uji Pearson Product Moment merupakan salah satu uji korelasi terhadap dua variabelyang memiliki skala interval atau rasio, dimana hasil dari uji korelasi ini memiliki kesamaan dengan nilai korelasi yang sama dengan uji korelasi yang lainnya yakni memiliki nilai yang berselang dari -1 sampai 1 (-1≤ 0 ≥1) dimana nilai -1 mengartikan memiliki hubungan nigatif sempurna, 0 mengartikan tidak ada hubungan antar variabel dan nilai 1 mengartikan ada hubungan positif yang sempurna.

Dari nilai korelasi yang berselang dari -1 sampai 1 diatas dapat diartikan bahwa semakin nilai korelasi mendekati 1 atau -1 maka hubungan antar variabel semakin erat. Sedangkan jika semakin mendekati 0 maka hubungan antar variabel semakin lemah.

Dalam menghitung nilai koefisien korelasi Pearson dapat dihitung dengan rumus:

n ∑Y²

¿

∑Y¿²

∑ X¿²¿ n ∑ X²−¿

¿

√¿

r_xy=n ∑ XY−(∑ X)(∑Y)

¿ Di mana:

rxy: koefisien korelasi r pearson n: jumlah sampel/observasi

x: variabel bebas/variabel pertama y: variabel terikat/variabel kedua.

1.3 Uji validitas dengan Analisis Faktor

Dalam studi perilaku dan sosial, peneliti membutuhkan pengembangan pengukuran untuk bermacam-macam variabel yang tidak dapat diukur secara langsung, seperti tingkah laku, pendapat, intelegensi, personality dan lain-lain. Faktor analisis adalah metode yang dapat digunakan untuk pengukuran semacam itu. (Subash Sharma, 1996).

Tujuan dari analisis faktor adalah untuk menggambarkan hubungan- hubungan kovarian antara beberapa variabel yang mendasari tetapi tidak teramati, kuantitas random yang disebut faktor, (Johnson &Wichern, 2002). Vektor random teramati X dengann p komponen, memiliki rata-rata μ dan matrik kovarian . Model analisis faktor adalah sebagai berikut :

X₁−μ₁=l₁F₁+l₂F₂+…+l_1mF₁_m+ε₁

4

(5)

X_p−μ_p=l_p₁F₁+l_p₂F₂+…+l_pmF_m+ε_p

Atau dapat ditulis dalam notasi matriks sebagai berikut:

X_pxl=μ_pxl+L_pxlF_pxl+ε_pxl Keterangan:

μ_i = rata-rata vaeiabel i ε_i = faktor spesifik ke-i F_j = common faktor ke-j

l_ij = loading dari variabel ke=i pada faktor ke-j

Bagian dari variabel-variabel ke-idari m common faktor disebut komunalitas ke-i yang merupakan jumalah kuadarat dari loading variabel ke-i pada m common faktor (Jhonson &

Whichern, 20202), dengan rumus:

h_i²=l_i²₁+l_i²₂+…+l_ℑ²

Salah satu fungsi dari analysis factor adalah pengujian validitas. Dalam pengujian validitas dilakukan pengujian pada butir-butir instrument dan kemudian dirangkum menjadi factor yang lebih sedikit dan sederhana.

Dalam melakukan pengujian validitas mengunakan analisis factor, sebelumnya harus memenuhi asumsi KMO. Uji KMO bertujuan untuk mengetahui apakah semua data yang telah terambil telah cukup untuk difaktorkan. Hipotesis dari KMO adalah sebagai berikut:

Hipotesis:

H0 = jumlah data cukup untuk difaktorkan H1 = Jumlah data tidak cukup untuk difaktorkan Statistika uji:

KMO=

∑

i=1 p

∑

j=1 p

r_ij²

∑

i=1 p

∑

j=1 p

r_ij²+

∑

i=1 p

∑

j=1 p

a_ij² i = 1, 2, 3, ..., p dan j = 1, 2, ..., p

rij = Koefisien korelasi antara variabel i dan j

aij = Koefisien korelasi parsial antara variabel i dan j

Apabila nilai KMO lebih besar dari 0,5 maka terima Ho sehingga dapat disimpulkan jumlah data telah cukup difaktorkan. Dengan kata lain uji KMO merupakan asumsi yang harus terpenuhi sebelum melakukan analisis factor.

1.4 Uji Validitas dengan Analisis Faktor

5

(6)

Pengujian validitas menggunakan analisis factor merupakan pengujian yang dilakukan terhadap 2 variabel dengan setiap butirnya dengan memperhatikan nila rotasi matriksnya.

Dalam studi perilaku dan sosial, peneliti membutuhkan pengembangan pengukuran untuk bermacam-macam variabel yang tidak dapat diukur secara langsung, seperti tingkah laku, pendapat, intelegensi, personality dan lain-lain. Faktor analisis adalah metode yang dapat digunakan untuk pengukuran semacam itu. (Subash Sharma, 1996).

Tujuan dari analisis faktor adalah untuk menggambarkan hubungan- hubungan kovarian antara beberapa variabel yang mendasari tetapi tidak teramati, kuantitas random yang disebut faktor, (Johnson &Wichern, 2002). Vektor random teramati X dengann p komponen, memiliki rata-rata μ dan matrik kovarian . Model analisis faktor adalah sebagai berikut :

X₁−μ₁=l₁F₁+l₂F₂+…+l_1mF₁_m+ε₁ X_p−μ_p=l_p₁F₁+l_p₂F₂+…+l_pmF_m+ε_p

Atau dapat ditulis dalam notasi matriks sebagai berikut:

X_pxl=μ_pxl+L_pxlF_pxl+ε_pxl Keterangan:

μ_i = rata-rata vaeiabel i ε_i = faktor spesifik ke-i F_j = common faktor ke-j

l_ij = loading dari variabel ke=i pada faktor ke-j

Bagian dari variabel-variabel ke-i dari m common faktor disebut komunalitas ke-i yang merupakan jumalah kuadarat dari loading variabel ke-i pada m common faktor (Jhonson &

Whichern, 20202), dengan rumus:

h_i²=l_i²₁+l_i²₂+…+l_ℑ²

Salah satu fungsi dari analysis factor adalah pengujian validitas. Dalam pengujian validitas dilakukan pengujian pada butir-butir instrument dan kemudian dirangkum menjadi factor yang lebih sedikit dan sederhana.

Dalam melakukan analisis factor, ada asumsi yang harus terpenuhi, yakni KMO. Uji KMO bertujuan untuk mengetahui apakah semua data yang telah terambil telah cukup untuk difaktorkan. Hipotesis dari KMO adalah sebagai berikut:

Hipotesis:

H0 = jumlah data cukup untuk difaktorkan H1 = Jumlah data tidak cukup untuk difaktorkan Statistika uji:

6

(7)

KMO=

∑

i=1 p

∑

j=1 p

r_ij²

∑

i=1 p

∑

j=1 p

r_ij²+

∑

i=1 p

∑

j=1 p

a_ij² i = 1, 2, 3, ..., p dan j = 1, 2, ..., p

Apabila nilai KMO lebih besar dari 0,5 maka terima Ho sehingga dapat disimpulkan jumlah data telah cukup difaktorkan. Dengan kata lain uji KMO merupakan asumsi yang harus terpenuhi sebelum melakukan analisis factor.

1.5 Uji Reliabilitas

Reliabilitas berasal dari kata reliability. Pengertian dari reliability (rliabilitas) adalah keajegan pengukuran (Walizer, 1987). Sugiharto dan Situnjak (2006) menyatakan bahwa reliabilitas menunjuk pada suatu pengertian bahwa instrumen yang digunakan dalam penelitian untuk memperoleh informasi yang digunakan dapat dipercaya sebagai alat pengumpulan data dan mampu mengungkap informasi yang sebenarnya dilapangan. Ghozali (2009) menyatakan bahwa reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari peubah atau konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu. Reliabilitas suatu test merujuk pada derajat stabilitas, konsistensi, daya prediksi, dan akurasi. Pengukuran yang memiliki reliabilitas yang tinggi adalah pengukuran yang dapat menghasilkan data yang reliable.

Menurut Masri Singarimbun, reliabilitas adalah indeks yang menunjukkan sejauh mana suatu alat ukur dapat dipercaya atau dapat diandalkan. Bila suatu alat pengukur dipakai dua kali – untuk mengukur gejala yang sama dan hasil pengukuran yang diperoleh relative konsisten, maka alat pengukur tersebut reliable. Dengan kata lain, reliablitas menunjukkan konsistensi suatu alat pengukur di dalam pengukur gejala yang sama.

Menurut Sumadi Suryabrata (2004: 28) reliabilitas menunjukkan sejauh mana hasil pengukuran dengan alat tersebut dapat dipercaya. Hasil pengukuran harus reliabel dalam artian harus memiliki tingkat konsistensi dan kemantapan.

7

(8)

Reliabilitas, atau keandalan, adalah konsistensi dari serangkaian pengukuran atau serangkaian alat ukur. Hal tersebut bisa berupa pengukuran dari alat ukur yang sama (tes dengan tes ulang) akan memberikan hasil yang sama, atau untuk pengukuran yang lebih subjektif, apakah dua orang penilai memberikan skor yang mirip (reliabilitas antar penilai). Reliabilitas tidak sama dengan validitas. Artinya pengukuran yang dapat diandalkan akan mengukur secara konsisten, tapi belum tentu mengukur apa yang seharusnya diukur. Dalam penelitian, reliabilitas adalah sejauh mana pengukuran dari suatu tes tetap konsisten setelah dilakukan berulang-ulang terhadap subjek dan dalam kondisi yang sama. Penelitian dianggap dapat diandalkan bila memberikan hasil yang konsisten untuk pengukuran yang sama. Tidak bisa diandalkan bila pengukuran yang berulang itu memberikan hasil yang berbeda-beda.

Tinggi rendahnya reliabilitas, secara empirik ditunjukan oleh suatu angka yang disebut nilai koefisien reliabilitas. Reliabilitas yang tinggi ditunjukan dengan nilai rxx mendekati angka 1.

Kesepakatan secara umum reliabilitas yang dianggap sudah cukup memuaskan jika ≥ 0.700.

Pengujian reliabilitas instrumen dengan menggunakan rumus Alpha Cronbach karena instrumen penelitian ini berbentuk angket dan skala bertingkat. Rumus Alpha Cronbach sebagai berikut :

r₁₁=

(

n−1ⁿ

) (

¹⁻^∑σ^σt^t² 2

)

Dimana :

�11 : reliabilitas yang dicari

n : jumlah item pertanyaan yang diuji

∑ �² : jumlah varians skor tiap-tiap item

�² : varians total

Jika nilai alpha > 0.7 artinya reliabilitas mencukupi (sufficient reliability) sementara jika alpha

> 0.80 ini mensugestikan seluruh item reliabel dan seluruh tes secara konsisten memiliki reliabilitas yang kuat. Atau, ada pula yang memaknakannya sebagai berikut:

Jika alpha > 0.90 maka reliabilitas sempurna. Jika alpha antara 0.70 – 0.90 maka reliabilitas tinggi. Jika alpha 0.50 – 0.70 maka reliabilitas moderat. Jika alpha < 0.50 maka reliabilitas rendah. Jika alpha rendah, kemungkinan satu atau beberapa item tidak reliabel.

�

8

(9)

BAB II DESKRIPSI KERJA

Data yang digunakan dalam pengujian merupakan data simulasi (data karangan) terkecuali pada data yang digunakan dalam pengujian validitas dengan menggunakan metode point biserial.

Data yang digunakan apada setiap pengujian berbeda sehingga data hasil dari pengujian berbeda-beda dalam kesimpulanya.

2.1 Uji Validitas Biserial

Data yang digunakan dalam pengujian merupakan hasil uji coba instrument bentuk tes (dikotomi) terhadap 30 responden dengan 10 butir pertanyaan dengan variabel penelian kemampuan berpikir kritis matematis, berikut datanya:

Tabel 2.1 Data Hasil Uji Instrumen No

Nomor Butir Total

1 2 3 4 5 6 7 8 9 10

1 1 1 1 1 1 1 1 1 1 1 10

2 1 1 1 0 1 1 1 0 0 1 7

3 1 1 1 1 1 1 1 1 0 1 9

4 1 1 1 1 1 0 0 1 1 1 8

5 1 0 0 0 1 0 0 0 0 0 2

6 1 1 0 1 1 1 1 0 0 1 7

7 1 0 0 1 1 0 0 1 1 0 5

8 1 1 0 1 1 0 0 1 0 0 5

9 0 0 1 1 0 0 0 1 1 1 5

10 1 1 0 0 1 1 1 1 1 1 8

11 0 1 1 1 0 0 0 1 1 1 6

12 0 1 0 0 0 1 1 0 0 0 3

13 1 1 0 1 1 0 0 0 0 0 4

14 0 0 1 1 0 0 0 0 1 1 4

15 1 1 1 1 1 1 1 0 0 0 7

16 1 0 0 0 1 1 1 1 1 1 7

17 1 1 1 1 1 1 1 0 0 1 8

18 1 1 0 1 1 1 1 1 0 0 7

19 1 1 1 1 1 0 0 0 0 0 5

20 1 1 1 1 1 0 0 1 1 1 8

21 1 1 0 1 1 1 1 0 0 1 7

22 0 1 0 0 0 1 1 1 0 0 4

23 1 1 0 1 1 1 1 0 1 0 7

24 1 1 1 1 0 1 1 0 0 1 7

25 1 1 0 1 1 1 1 1 1 0 8

26 1 1 1 1 1 1 1 1 0 1 9

27 0 1 0 0 0 1 1 0 1 1 5

28 1 0 0 0 1 0 0 0 0 0 2

(10)

29 1 1 1 0 0 0 1 1 0 1 6

30 0 1 1 0 0 0 1 1 1 1 6

Keterangan:

SALAH = 0 BENAR = 1

Dalam melakukan uji validitas biserial, praktikan menggunakan Software SPSS 25 dalam melakukan pengujian, berikut langkah pengujinya.

1. Buka software SPSS 25

2. Klik variabel view untuk membuat variabel dari data kasus. Pada kasus ini variabel yang digunakan adalah Butir 1 sampai 10 dan total dari jawaban yang menjawab 1 atau BENAR.

Gambar 2.1 Variabel View

(11)

3. Klik data view untuk menampilkan data.

Gambar 2.2 Data View

4. Lakukan uji validitas biserial dengan klik Analyze → Scale → Reliability Analysis Seperti pada gambar berikut:

Gambar 2.3 Menu Analyze

5. Maka akan ditampilkan kotak dialog. Pindahkan Semua Variabel ke kotak items, lalu klik menu statistics. Seperti gambar berikut.

(12)

Gambar 2.4 Kotak Dialog

6. Maka akan menampilkan gambar seperti dibawah ini, centang Correlation pada menu inter-item lalu klik

Gambar 2.5 Menu Statistics 7. continue > OK

2.2 Uji Validitas Product Momen Pearson

Data yang digunakan merupakan data simulasi yang memiliki skala dari 1 sampai 4 yang terdiri dari 10 butir pertanyaan yang dijawab oleh 30 Responden, Berikut datanya:

T a b el 2.

2 D at a H as

Nomor Butir Total

1 2 3 4 5 6 7 8 9 10

(13)

il U ji K ui si

o¹ 2 4 3 3 4 4 2 4 2 4 32

2 4 4 3 4 2 4 1 4 4 2 32

3 4 4 3 4 2 4 4 3 4 3 35

4 4 4 1 4 3 4 4 4 2 4 34

5 2 4 1 4 2 2 2 4 2 3 26

6 4 2 4 3 3 4 3 2 4 4 33

7 2 3 2 4 3 2 3 4 4 4 31

8 2 4 4 3 4 4 4 3 3 2 33

9 4 3 4 4 1 2 4 1 2 4 29

10 4 4 3 3 3 3 2 4 4 3 33

11 4 4 4 1 4 4 3 4 3 4 35

12 1 2 3 3 3 4 2 4 4 3 29

13 4 4 3 4 4 4 3 4 1 4 35

14 1 3 1 4 4 2 3 4 2 4 28

15 3 4 4 4 3 4 4 2 4 2 34

16 4 3 4 4 4 2 1 4 4 1 31

17 3 4 4 4 4 4 3 3 4 1 34

18 4 4 4 1 4 4 4 3 3 4 35

19 4 3 2 4 4 4 3 4 4 4 36

20 3 4 2 4 2 4 4 4 3 3 33

21 4 3 4 2 2 4 4 3 4 4 34

22 1 4 3 4 2 3 2 4 3 1 27

23 3 4 4 3 4 3 4 4 4 3 36

24 4 4 3 4 4 4 4 4 3 4 38

25 3 4 4 4 4 3 4 4 3 2 35

26 4 4 4 4 2 3 4 3 4 4 36

27 3 2 4 1 4 4 2 3 1 4 28

28 3 4 1 1 2 1 2 2 2 1 19

29 4 4 1 1 2 4 3 1 2 3 25

(14)

30 1 1 2 4 4 4 3 3 4 2 28

Dalam melakukan uji Validitas menggunakan Product Moment Pearson, praktikan menggunakan Software SPSS 25 dalam melakukan pengujian. Langkah - langkah untuk pengujian Uji Validitas Pearson sebagai berikut :

1. Buka software SPSS,

2. Klik variabel view untuk membuat variabel dari data kasus. Pada kasus ini variabel yang digunakan adalah No. Responden, Butir soal 1 sampai 10 dan Skor total dari jawaban responden.

Gambar 2.6 Kontak Dialog Variable View

3. Kemudian klik data view untuk menampilkan data setiap variable. Seperti gambar dibawah ini:

Gambar 2.7 Kontak Dialog Data View

(15)

4. Pada menu SPSS pilih menu Analyze → Corralate → Bivariate Seperti gambar dibawah ini:

Gambar 2.8 Data Analyze Corralate

5. Pada Kotak Dialog masukkan variable Butir 1 sampai 7 dan Skor Total pada kotak Test Variables. Kemudian pada bagian Corralate Coefisient klik Pearson

Gambar 2.9 Kotak Dialog 6. Kemudian klik OK.

(16)

2.3 Analisi Faktor

Dalam pengujian validitas mengunakan analisis faktor, praktikan menggunakan data hasil uji coba instrument yang diperoleh dari internet dengan syarat data memenuhi uji validitas instrumen menggunakan analisis fakor yakni data harus berskala liker dan variabel laten.jenis instrument yang digunakan merupakan kuesioner sebanyak 30 responden Variabel yang digunakan adalah merek pizza (X) dan persepsi harga (Y). data hasil uji coba instrument sebagai berikut:

Tabel 2.3 Data Hasil Uji Kuisioner

x1 x2 x3 x4 y1 y2 y3

2 2 1 3 2 3 4

4 3 3 2 2 3 2

2 2 2 2 1 1 2

4 2 2 4 4 1 3

1 2 3 1 1 1 2

2 4 2 3 1 3 3

1 2 3 4 4 2 4

4 2 1 1 2 3 3

1 4 3 4 3 3 3

4 2 4 1 4 3 4

3 2 1 1 3 3 2

2 1 1 1 3 2 4

4 2 2 4 1 3 2

3 3 1 2 3 4 3

4 2 2 3 2 1 3

2 4 3 4 1 1 3

3 4 3 4 3 1 4

4 1 3 4 3 2 2

1 3 3 3 3 3 1

4 1 2 3 3 1 3

1 1 4 2 2 1 2

2 3 3 2 3 2 1

4 3 2 2 2 4 2

2 3 1 2 1 4 4

4 3 1 1 4 2 4

3 3 4 1 2 4 2

4 1 1 3 3 4 4

2 1 4 4 4 3 1

3 2 1 1 1 3 3

1 2 4 2 1 4 4

Dimana :

(17)

x1 : butir item 1 pada variabel X x2 : butir item 2 pada variabel X x3 : butir item 3 pada variabel X x4 : butir item 4 pada variabel X y1 : butir item 1 pada variabel Y y2 : butir item 2 pada variabel Y y3 : butir item 3 pada variabel Y

dalam pengujian validitas menggunaka analisis faktor praktikan menggunakn software SPSS 25 dalam pengujian. Langka-langkahnya sebagai berikut:

1. Buka Software SPSS 25

2. Pada lembar kerja SPSS, plih dan klik menu Variabel view untuk membuat variabel dari data kasus yang digunakan, seperti pada gambar berikut:

Gambar 2.10 Variabel View

3. Selanjutnya pilih dan klik Data View kemudian input atau masukan data yang kasus, seperti pada gambar

(18)

4. Kemudian klik Analyze  dimensieon  factor. Seperti pada gamabarberikut:

Gambar 2.12 Analisis factor

(19)

5. Pada kotak dialog factor Analysis masukan variabel jagung, kacang tanah, kacang hijau, palawija, padi sawah dan ubi kayu pada bagian variabels. Sepeti pada gambar:

Gambar 2.13 Factor Analyzis

6. Selanjtnya klik Descriptives pada kolom statistics dan beri centang pada initial solution dan pada kolom correlation matrix beri centang KMO Barllett’s pf sphericity. Seperti pada gambar berikut:

Gambar 2.14 Descriptives 7. Selanjutnya klik Rotation dan pada kolom Method pilih Varimax.

Gambar 2.15 Rotation 8. Kemudian klik continue  kemudian OK

2.4 Uji Reliabilitas

Data yang digunakan merupakan data simulasi yang memiliki skala dari 1 sampai yang terdiri dari 10 butir pertanyaan yang dijawab oleh 30 Responden, Berikut datanya:

(20)

Tab el 2.3 Dat a Kui sion

er Skal aXN o

Nomor Butir

1 2 3 4 5 6 7 8 9 10

(21)

1 2 4 3 3 4 4 2 4 2 4

2 4 4 3 4 2 4 1 4 4 2

3 4 4 3 4 2 4 4 3 4 3

4 4 4 1 4 3 4 4 4 2 4

5 2 4 1 4 2 2 2 4 2 3

6 4 2 4 3 3 4 3 2 4 4

7 2 3 2 4 3 2 3 4 4 4

8 2 4 4 3 4 4 4 3 3 2

9 4 3 4 4 1 2 4 1 2 4

10 4 4 3 3 3 3 2 4 4 3

11 4 4 4 1 4 4 3 4 3 4

12 1 2 3 3 3 4 2 4 4 3

13 4 4 3 4 4 4 3 4 1 4

14 1 3 1 4 4 2 3 4 2 4

15 3 4 4 4 3 4 4 2 4 2

16 4 3 4 4 4 2 1 4 4 1

17 3 4 4 4 4 4 3 3 4 1

18 4 4 4 1 4 4 4 3 3 4

19 4 3 2 4 4 4 3 4 4 4

20 3 4 2 4 2 4 4 4 3 3

21 4 3 4 2 2 4 4 3 4 4

22 1 4 3 4 2 3 2 4 3 1

23 3 4 4 3 4 3 4 4 4 3

24 4 4 3 4 4 4 4 4 3 4

25 3 4 4 4 4 3 4 4 3 2

26 4 4 4 4 2 3 4 3 4 4

27 3 2 4 1 4 4 2 3 1 4

28 3 4 1 1 2 1 2 2 2 1

29 4 4 1 1 2 4 3 1 2 3

30 1 1 2 4 4 4 3 3 4 2

Dalam melakukan pengujian Reliabilitas, Praktikan menggunakan software SPSS 25 dalam pengujiannya. berikut langkah - langkah untuk pengujian Uji Reliabilitas sebagai berikut :

1. Buka software SPSS,

2. klik variabel view untuk membuat variabel dari data. Pada data ini variabel yang digunakan adalah Nomor Responden dan Butir Soal 1 sampai 7.

(22)

Gambar 2.16 Variabel View 3. Klik data view untuk menampilkan data

(23)

4. Lakukan uji Reliabilitas dengan Analyze → Scale → Reliability Analysis seperti gambar dibawah ini:

Gambar 2.18 Menu Analyze

5. Pada kotak Dialog masukan variabel Butir 1 sampai 10 pada items. Lalu klik Statistics:

Gambar 2.19 Kotak Dialog

(24)

6. Pada menu statistics Centang sign if item deleted pada descriptive for, lalu klik Continue dan OK untuk menampilkan output.

Gambar 2.20 Menu Statistics

(25)

BAB III PEMBAHASA

N

Dari bab sebelumnya kita sudah melakukan pengujian data masing-masing uji menggunakan software SPSS, selanjutnya kita akan melakukan pengujian hipotesis menggunakan statistik uji dengan hasil output dari software SPSS yang telah kita bahas pada bab sebelumnya.

3.1 Uji Validitas Biserial

Dalam langkah-langkah yang telah kita lakukan pada deskripsi kerja kita mendapatkan output sebagai berikut :

Tabel 3.1 Output Case Proccesing Summary

Case Processing Summary

N %

Cases Valid 30 100.0

Excluded^a 0 .0

Total 30 100.0

a. Listwise deletion based on all variables in the procedure.

Dari Tabel Output di atas dapat diketahui jumlah N yang valid adalah sebanyak 30. Lalu dengan menggunakan α = 0,05 dan N=30 di peroleh nilai Rtabel sebesar 0,361.

Tabel 3.2 Output Reliability Statistics Reliability Statistics

Cronbach's Alpha

Cronbach's Alpha Based

on Standardized

Items N of Items

.670 .660 11

Dari tabel output di atas dapat kita ketahui bahwa nilai Cronbach’s Alpha adalah sebesar 0,719 yang mana ini lebih dari 0,7 sehingga butir soal di nyatakan RELIABEL

(26)

Tabel 3.3 Inter-Item Correlation Matrix

Inter-Item Correlation Matrix Butir1

Butir 2

Butir 3

Butir 4

Butir 5

Butir 6

Butir 7

Butir 8

Butir 9

Butir

10 Total Butir1 1.000 .118 -.079 .279 .843 .154 .071 -.042 -.313 -.129 .412 Butir2 .118 1.000 .167 .177 .036 .404 .484 .033 -.235 .102 .511 Butir3 -.079 .167 1.000 .283 -.218 -.202 -.069 .134 .067 .544 .402 Butir4 .279 .177 .283 1.000 .309 -.048 -.245 .047 .048 .000 .426 Butir5 .843 .036 -.218 .309 1.000 .161 -.045 -.029 -.161 -.238 .358 Butir6 .154 .404 -.202 -.048 .161 1.000 .870 -.144 -.186 .110 .494 Butir7 .071 .484 -.069 -.245 -.045 .870 1.000 -.018 -.172 .226 .494 Butir8 -.042 .033 .134 .047 -.029 -.144 -.018 1.000 .413 .191 .396 Butir9 -.313 -.235 .067 .048 -.161 -.186 -.172 .413 1.000 .302 .216 Butir10 -.129 .102 .544 .000 -.238 .110 .226 .191 .302 1.000 .527 Total .412 .511 .402 .426 .358 .494 .494 .396 .216 .527 1.000

Dari tabel output di atas dapat kita ketahui butir soal yang valid dan tidak valid, dengan melihat nilai korelasi yang ada pada kolom total masing-masing butir soal, lalu membandingkannya dengan nilai Rtabel (0,361) dengan kriteria jika Nilai korelasi Total > Nilai Rtabel (0,361) maka butir soal tersebut dinyatakan VALID, dan jika sebaliknya maka butir soal tersebut dinyatakan TIDAK VALID. Berikut adalah butir soal yang VALID maupun yang TIDAK VALID.

 Soal 1

Nilai korelasi total (0,412) > Nilai Rtabel (0,361) maka soal 1 dinyatakan VALID.

 Soal 2

 Soal 3

 Soal 4

 Soal 5

(27)

 Soal 6

 Soal 7

 Soal 8

 Soal 9

Nilai korelasi total (0,216) < Nilai Rtabel (0,361) maka soal 9 dinyatakan TIDAK VALID.

 Soal 10

3.2 Uji Validitas Product Momen Pearson

Berikut adalah pembahasan Output dari analisis Uji Validitas Product moment pearson menggunakan Software SPSS 26.

Tabel 3.2 Output Correlations

Correlations Butir1 Butir2

Butir

3 Butir4 Butir5 Butir6 Butir7 Butir8 Butir9 Butir10 Total

Butir1 Pearson Correlation 1 .327 .282 -.186 -.141 .204 .226 -.239 .054 .284 .455^*

Sig. (2-tailed) .078 .131 .325 .456 .279 .231 .203 .777 .128 .012