)\,f)\+t * "\:{ )\av$r,),y;t, c)ib. o\'i:)\ yvrlr Jr) KATA PENGANTAR

KATA PENGANTAR

yvrlr Jr)

"\:{

€)\,f)\+t * )\av$r ,),y;t, c)ib o\'i:)\

:r dI

Setelah digunakan selama satu semester pada tahun yang lalu, ada beberapa tambahan dan perbaikan yang dilakukan agar buku kumpulan modul ini dapat mempermudah mahasiswa melakukan analisis statistik dengan bantuan komputer. Pada bagian Statistik Deskriptif, Tabel Silang diperkenalkan sejak awal, termasuk penggunaannya

untuk melakukan analisis korelasi secara sederhana. Hal.ini dimaksudkan agar mahasiswa menjadi lebih mudah memahami analisis menggunakan Chi-Square pada bagian Statistik Non-Parametrik. Selain itu, beberapa bagian juga mengalami perbaikan, terutama yang menyangkut penjelasan tentang bagaimana mengoperasikan SPSS untuk analisis statistik. Selain itu, beberapa kesalahan cetak pada edisi pertama juga diperbaiki, karena kesalahan cetak tersebut kadang-kadang fatal akibatnya bagi pengoperasian komputer. Semula ada keinginan untuk menjelakan secara rincisemua halyang berhubungan dengan membaca "output" SPSS, akan tetapi dengan mempertimbangkan ketebalan kumpulan modul ini, keinginan itu tidak jadi dilaksanakan. Oleh karena itu, bagaimana membaca "output" SPSS akan dijelaskan secara lisan kepada para mahasiswa.

Walaupun telah mengalami revisi, tetapi penulis sadari masih banyak kekurangan dari kumpulan modul ini. Oleh karena itu masukan berupa kritik untuk perbaikan sangat penulis harapkan.

Akhirnya, dengan sepenuhnya mengaharapkan Ridha Allah, kumpulan modul tengah-tengah para pengguna.

dihadirkan ke

Yogyakarta, 06 Februa ri 2Ot7

Dr. Abd. Madjid, M.Ag Naufal Ahmad Rijalul Alam, M.A

DAFTAR I$I

Bagian

PENDAHULUAN

I

Bagian ll

.........3

SPSS....... STATIST|K DESKRtpTtF ........... MENGENAL MENU UTAMA

Bagian lll

ModulW-3

: TABEL

..... s

............... 15

STLANG

...............23

Bagian lV

ModulW-7 : Menormalkan Data Dengan

Transformasi.............

Modul W-8 : ANOVA Satu Jalan..

ModulW-9 : ANOVA Dua

Modul W-12:

KORELAST

Bagian

V

.......43

Jalan

.........4g

PARSIAL

ModulW-14 : UJIVALtD|TAS DAN

......61

RELtABtLtTAS tNSTRUMEN...................................67

: STATIST|K NON-PARAMETRIK ............... ModulW-16 : CHtSeUARE (Kai kuadrat)

Modulw-17 : ANALrsrs DAN KOEFISIEN

.............4I

..............7g ............7g

KORELAST DENGAN KAr KUADRAT

KONTINGENSI

Modul W-18 : UJt pERBEDAAN SAMpEL

tNDEpENDEN...........

..........85 .................91

BAGIAN I PENDAHULUAN

€)\ elr+t e+ Assalamu'alaikum wr.wb. Tidakterbayangkan bagaimana mungkin ilmu pengetahuan empiris dapat berkembang di Dunia lslam pada abad kejayaannya dahulu, tanpa kerja penelitian yang serius. Bagaimana mungkin tanpa penelitian empiris Quthbuddin al-Syirazi dapat mengembangkan ilmu optika, lbn al-Haitsam dan al-Biruni dapat mengemba ngkan ilmu fisika, Abu'l-Fath Abdurrahman al-Khazini dapat melakukan pengukuran kepadatan dan gravitasi, lbn Sina dapat mengembangkan ilmu kedokteran, atau bahkan lbn Khaldun dapat merumuskan Teori Peradqban yang terkenal itu. Semuanya tentu didukung oleh penelitian empiris yang memadai. Bahwa kemudian terjadi kemandegan yang teramat panjang di Dunia lslam dalam kaitannya dengan pengembangan ilmu pengetahuan empiris, mungkin soal lain lagi. Akan tetapi, yang jelas kemandegan itu berjalan beriring dengan lepasnya perhatian Dunia lslam dari berbagai aktivitas penelitian. Akumulasi dari itu semuanya kita rasakan saat ini, ketika Dunia lslam, setuju atau tidak setuju, mau atau tidak mau, harus mengakui ketertinggalannya dalam bidang ilmu pengetahuan dan teknologi.

Oleh karena itu, bukanlah suatu ucapan berlebihan jika dikatakan bahwa saat ini Dunia lslam harus kembali memberikan perhatian terhadap pengembangan penelitian empiris, sebagai salah satu prasyarat strategis untuk mengembangkan ilmu pengetahuan dan teknologi. Kesadaran untuk ini perlu ditumbuhkan di semua sektor, khususnya sektor pendidikan tinggi' Salah satu alat bantu yang penting bagi penelitian ilmiah adalah statistik. Telah lama dikenal statistik sebagai ilmu bantu yang amat penting guna menopang berbagai cabang ilmu, atau secara lebih khusus untuk membantu memberikan kepastian dalam analisis data. Akan tetapi sebenarnya statistik dapat dilihat dari dua sisi, yaitu sebagai ilmu murni yang dalam hal ini merupakan bagian dari matenfatika, dan sebagai ilmu terapan atau ilmu Bantu. Khusus untuk mahasiswa saat'ini, kepentingan mendesak dari dikuasainya statistik sebagai ilmu

bantu adalah guna mendukung proses penelitian dalam rangka penulisan skripsi. Oleh karena itu, statistik dipelajari sebagai bagian penting dari metodologi penelitian.

Mata Kuliah Statistik FAI UMY saat ini digabungkan menjadi satu, dari semula Statistik I dan Statistik ll. Oleh karena itu teori dan praktek akan dilakukan secara bersamaan den.gan menggunakan alat bantu yaitu komputer, dalam hal ini dengan memanfaatkdn software SPSS. sebagai software statistik pertama kali dibuat tahun 1968 oleh tiga mahasiwa Stanford University, yakni Norman H., C. Hadlai Hull, dan Dale H. Bent. Saat itu software ini dioperasikan pada computer mainfrome. Setelah penerbit terkenal McGraw-Hill menerbitkan user monualSPSS, proSPSS

gam tersebut menjadi popular. Pada tahun L984, SPSS pertama kali muncul dengan versi PC (biasa Modul Statistik 2017

dipakai untuk computer desktop) dengan nama SPSS/PC+, dan sejalan dengan mulai populernya sistem operasi windows, SPSS pada tahun 1992 mengeluarkan versi Windows. SPSS melakukan berbagaikebijakan strategi untuk pengembangann software statistik, dengan mengakuisisi software house terkemuka seperti SYSTAT. lnc, BMDP Statistikal Software. SPSS juga menjalin aliansi strategi dengan software house terkemuka dunia lainnya, seperti oracle Crop, Business Objeck, serta Ceres I ntergrrrrrated Solution. Hal ini membuat SPSS yang tadinya diperuntukan bagi pengolahan data statistik untuk ilmu sosial (SPSS saat itu adalah singkatan dari Stofistrkal Pockage for the social scinences), sekarang diperluas untuk melayani berbagaijenis user, seperti untuk proses produksi di pabrik, riset ilmu-ilmu sains lainnya. Kepanjangan SPSS sekarang menjadi Stotistikal Product ond Service Solutions. Kumpulan Modul ini merupakan gabungan darisemua modulyang digunakan dalam Mata Kuliah Statistik ll. Dengan demikian tidak semua haltentang SPSS tertulis dalam modul ini. Sehingga dukungan literatur lain sangat dibutuhkan. Mahasiswa dipersilahkan mencari sendiri literatur pendukung. Ada beberapa hal penting yang termuat dalam modul-modul yang digunakan, yaitu penjelasan singkat tentang bagaimana proses kerja SPSS, dilanjutkan dengan menjelaskan Kompetensi Dasar, kemudian diakhiri dengan tugas Lab-Statistik. Sedangkan Standar Kompetensi dari mata kuliah ini adalah: "Kemampuan untuk melakukan analisis data penelitian dengan SPSS."

4., ,"1

Modut statistik 2017

MENGENAL MENU UIAMA SPSS MEMULA!SPSS

Ketika kita mulai menjalankan program SPSS, maka akan tam[il; pada layar gambar seperti berikut.

Karena kita akan mulai dengan memasukkan data, maka pada kotak kecil ketik cansel. Selanjutnya hanya akan tersisa gambar sebagaimana Gambar 1 berikut ini.

Gambar l-. Sebelum Anda dapat menganalisis data, terlebih dahulu Anda harus memasukan data yang akan dianalisis tersebut ke dalam Data Editor window di samping. Bila Anda sebelumnya sudah memiliki data yang telah ditulis dalam format yang kompatibel den-

gan SPPS, maka Anda dapat membuka file data tersebut dari menu yang tersedia dengan memilih menu berikut: Modul statistik 2017

5

File

Open Data.,. Lihat Gambar 2.

Gambar 2.

Atau kita dapat menggunakan

tanda

yang terdapat pada toolbar untuk membuka file.

Selanjutnya akan tampak daftar file yang akan dibuka pada kotak dialog seperti tampak pada gamba2r 3.

Gambar 3. Format file data SPSS berekstensi ".sav" secara keseluruhan sPSS menyediakan tujuh window, yang meliputi:

1.

Data Editor

Window ini terbuka secara otomatis setiap kali program input data SPSS. Menu yang ada pada Data Editor adalah:

o

SPSS

dijalankan, dan berfungsi untuk

File

Menu File berfungsi untuk menangani hal-hal yang berhubungan dengan file data, seperti membuat file baru, membuka file tertentu, mengambil data dari program lain, mencetak isi dari Data Editor dan lainnYa.

o 5

Edit

Modul Statistik 2017

Menu Edit berfungsi untuk menangani hal-hal yang berhubungan dengan memperbaiki atau mengubah nilai data (duplikasi data), menghilangkan data, edit data dan lainnya' Selain itu, menu Edit juga berfungsi untuk mengubah setting pada options.

o

View sebMenu view berfungsi untuk mengatur toolbar (status bar, penampakan value lable dan againya).

o

Data menMenu data berfungsi untuk membuat perubahan data SPSS secara keseluruhan, seperti segurutkan data, menyeleksi data berdasarkan kriteria tertentu, menggabungkan data dan bagainya.

Transform Menu Transform berfungsi untuk membuat perubahan pada variabel yang telah dipilihdengan kriteria tertentu. Analyze (Statistics! proseMenu Analyze merupakan menu inti dariSPSS, yang berfungsi untuk melakukan semua dur perhitungan statistik, seperti uji-t, uji-F, regresi, time series dan sebagainya' Graphs statisMenu Graphs berfungsi untuk membuat berbagaijenis grafik untuk mendukung analisis tik, seperti Pie, Line, Bar dan kombinasinya'

Utulities Menu ini adalah menu tambahan yang mendukung program

SPSS

seperti

:

Add-Ons yang dapat Menu ini juga merupakan menu tambahan yang berisi mengenai software lain guna kepentdiintegrasikan dengan SPSS, juga berisi sambungan on-line dengan website SPSS ingan pelatihan dan pengembangan SPSS.

Window Menu ini berfungsi untuk pindah diantara menu-menu lain di sPSS

.

2.

Help Menu ini berfungsi untuk menyediakan bantuan informasi mengenai program diakses secara mudah dan jelas'

SPSS

yang bisa

Menu Output Navigator Jika menu Editor berfungsi untuk rnemasukkan data yang siap diolah oleh SPSS, kemudian pengolahan data melakukan pengolahan data yang dilakukan lewat menu Analyze, maka hasil saja' atau informasi ditampilkan lewat menu Output Navigator atau dapat disebut Output Analyze, Menu Output pada prinsipnya sama dengan menu Editor, seperti: File, Edit, View, output SPSS' Graphs, Utilities, Window dan Help. Tentunya dengan disesuaikan untuk kegunaan Selain menu ditas ada lagi menu tambahan, yaitu:


7

.

lnsert Berfungsi untuk menyisipkan judul, grafik, teks atau objek tertentu dari aplikasi lain.

o

Format Berfungsi untuk mengubah tata letak huruf output.

Menu Pivot Tabel Editor

llmu Statistik banyak berhubungan dengan berbagai tabel dan banyak output SPSS yang disajikan berbentuk tabel. Menu Pivot Tabel berhubungan dengan pengerjaan tabel SPSS, seperti mentransformasi baris tabel menjadi kolom dan sebaliknya, memindah baris dan kolom tabel, grouping atau ungrouping tabel dan yang lainnya. Karena pengerjaan Pivot table erat kaitannya dengan menu Output Navigator, yaitu sebagai tempat editing tabel hasil output, maka menu ini mempunyai submenu yang hampir sama dengan submenu pada Output Navigator.

4

Menu Chart Editor Menu inijuga merupakan tempat editing bagi output hasil pengerjaan data di menu Editor, hanya khusus untuk output berupa Grafik/Chart/Diagram. Sesuai dengan fungsinya, selain submenu dasar seperti File, edit, View dan lainnya, Char Editor juga dilengkapi submenu berikut:

o Gallery Berfungsi untuk mengubah jenis chart.

o Chart Untuk mengedit berbagai hal mengenai grafik, seperti layout dan Labelling Grafik, skala grafik dan sebagainYa.

o Series Untuk memilih kelompok data tertentu, transpose data atau menampilkan seri data.

5

Menu Text OutPut Editor Sama seperti menu Pivot tabJe dan Chart berfungsi untuk edit output yang berupa teks atau tulisan.

Menu Syntax Editor Walaupun SPSS sudah menyediakan berbagai macam pengolahan data statistik secara memadai, namun ada berbagai perintah atau pilihan yang hanya bisa digunakan dengan SPSS Command Language. Perintah-perintah tersebut bisa ditulis pada menu Syntax'Editor. Menu ini berupa file teks yang berisi berbagai perintah SPSS dan bisa diketik secara manual.

7.

Menu ScriPt Editor Menu ini pada dasarnya digunakan untuk melakukan berbagai pengerjaan SPSS secara otomatis, seperti membuka menutup File, eksport Chart dan sebagainya. lsi menu ini sama dengan menu terdahulu, hanya ditambah dengan submenu Script untuk membuat berbagai subrutin dan fungsi baru, serta submenu Debug untuk melakukan proses debug pada script.


MEMASUKKKAN DATA

L.

Buka lembar kerja baru

Lembar kerja baru selalu dibuka jika ada pemasukan variabel yang baru. Untuk itu dari menu File pilih submenu New. Selanjutnya tampak beberapa pilihan. Karena akan dibuat data yang baru, klik mouse pada Data. Sekarang SPSS siap membuat variabel baru-

9l*

Dd€ Tril4dm Andyd BEdE

Misalkan kita punya data sebagai berikut: Nama Ahmad Budi

Fatimah Dannv Hilda FannV

Gesanq

lwan

siti Maimunah

2.

Berat badan 75.00 67.80 45.00 68.00 50.50 45.80 55.50 70.00

Gender

62.O0

Wanita Wanita

45.50

Pria

Pria

Wanita Pria

Wanita Wanita Pria Pria

Menamai varaiabel yang diperlukan Langkah berikutnya adalah membuat nama untuk setiap variabel baru. Untuk contoh kasus di atas ada tiga (3)variabel, maka akan dilakukan input nama variabel sebanyak 3 kali.

Variabelpertama: NAMA


9

Langkah pemasukan variabel NAMA:

o o

Klik Menu "Variable View" yang terletak di sebelah kiri bagian paling bawah dari editor SPPS

Maka akan tampil layar editor berikut ini:

Kolom pertama tempat menuliskan nama variabel, misalkan variabel pertama adalah NAMA, variabel kedua adalah BERAT BADAN dan variabel ketiga adalah GENDER, maka pada baris pertama, kedua dan ketiga pada kolom pertama tuliskan nama-nama variabeltersebut. Kolom kedua (Type) merupakan tipe data dari variabel tersebut. Tipe data terdiri dari: Numeric, Comma, Dot., Scientific notation, Date, Custom currency, dan String. Karena nama seseorang (variabel NAMA) adalah huruf, bukan angka, maka tipe variabel ini adalah String. Sedangkan berat seseorang berupa angka atau numerik maka tipenya dipilih Numerik. Sementara untuk gender merupakan variabel yang unik bila dibandingkan variabel NAMA yang berisi huruf, karena selain dapat diberi tipe string juga bisa diberi tipe numerik dengan jenis data bersifat nominal. Misalnya PRIA = 1, WANITA = 2. Untuk tipe data string juga perlu diten-

I I

I

tukan jumlah karakter yang akan digunakan, oleh karena itu kita pun akan ditanyakan berapa jumlah karakter maksimum yang akan digunakan. Kolom ketiga (Width) adalah untuk menentukan berapa jumlah maksimal angka/huruf yang dapat dimuat. Untuk keperluan praktik biarkan kolom width sesuai dengan default SPSS yaitu

=$. Kolom keempat (Desimal) adalah untuk menentukan jumlah angka di belakang koma' Bila angka merupakan bilangan bulat, seperti PRIA = l-, WANITA = 2, desimal diisi dengan angka NoL (o).

10

ModulStatistik 2017

!-l

3.

Mengisi data Langkah berikutnya adalah mengisikan data variabel yang telah didefinisikan nama, tipe, width dan desimalnya. Cara pengisian data persis seperti kita mengisi data pada program Excell, yaitu baris-baris pada tiap-tiap kolom variabeltersebut, seperti gambar berikut ini.

4.

Langkah berikutnya adalah menyimpan data.

o o

Dari menu File, lalu pilih submenu Save As .... Beri nama file tersebut, misalnya untuk keseragaman kita beri nama berat. Dan tempatkan file tersebut di direktori yang kita kehiindaki. Untuk tipe data file SPSS adalah sav, sehingga data tersebut akan disimpan dengan nama lengkap berat.sav.


11

LAB STATISTIK II tATlHAlt 1 : MEMASUKKAI,I DAN MENYIMPAN

DATA

Masukkan dan simpanlah data berikut dengan bantuan program spss.

Data-l.

PRESTASI BELAJAR

ffii 5

6 6 7 7 5 5

8 7 7 5 5 5 8 9 7 8

4 5 3 5

6

4 6 6

4

4 5 5 5

nZ ,"1

Modulstatistik zo17

Data-2. NILAI BAHASA ARAB DAN AIK Responden

BAHASA ARAB

AIK

78

80

70

78

89

90

90

100

67

70

87

90

60

65

48

50

58

70

67

75

58

50

68

70

59

72

78

80

94

100

58

58

50

62

69

75

70

73

56

56

,,


BAGIAN III

KUMPULAN MODUL STATISTIK DESKRIPTIF

LAB STATISTIK II MODUL W.1

T0PIK: STATISTIK DESKRIPTIF PENJETASAN UMUM

kategori Telah kita ketahui bahwa nilai variabel atau keterangan dari variabel dapat beebentuk dalam atau dapat pula berbentuk numeric. Lazimnya variabel yang nilainyan kategorik ditampilkan diwakili oleh bentuk tabel distribusi frekuensi, sedangkan variabel yang nilainya numeric biasanya modus atau nilai salah satu di antara ukuran berikut: mean atau rata-rata, median atau titik tengah, stanyang frekuensinya paling besar, range atau jarak p'engukuran, nilai maksimum dan minimum, dar deviasi, dan variance (kuadrat standar deviasi)'

prosedur pembuatan tabel distribusi frekuansi dengan bantuan sPSS ditunjukkan sebagai berikut, dengan menggunakan Data-1 terlampir:

0 + * + 4 O

4

Tampilkan program

SPSS

Ktik variabel view pada SPSS Statistik Data Editor

pada kolom Name ketik sekolah dan pada kolom Label ketik Asal Sekolah, pada kolom Type pilih String, dan pada kolom Measure pilih Nominal' Klik Data View, akan terbuka sPSS statistik Data Editor. Masukkan data ke dalam kolom Sekolah' Frequencies' Selanjutnya klik Analyze, kemudian klik Deskriptif Statistics, selanjutnya klik Tanda Blok Nama Variabel di kolom kiri dan pindahkan ke kolom kanan dengan mengklik Panah.

+

Klik oK.

Akan keluar hasil sebagai berikut: NAMASEKOLAH Val d

Madrasah SMA

7

23.3

23.3

13

43.3

43.3

Cumulative Percent 23.3 66.7

SMK

10

333

33.3

100.0

Tota

30

100.0

100.0

Frequency

Percent

Valid Percent

dan nilai minimum, Prosedur untuk menghitung mean, median, modus, range, nilai maksimum Data-2 terlampir)' standar deviasi, dan variance, adalah sebagai berikut (dengan menggunakan Modul Statistik

20u

15

+ + +

Tampilkan program

SPSS

Klik variabel view pada

SPSS

Statistik Data Editor

Pada baris pertama kolom Name ketik Tempat; pada kolom Label ketik Tempat Tinggal, pada kolom Type pilih String, dan pada kolom Measure pilih Nominal. Pada baris kedua kolom Name ketik Jurusan; pada kolom Label ketik Jurusan Mahasiswa; pada kolom Type pilih String; dan pada kolom Measure pilih Nominal. Pada baris ketiga kolom Name ketik Usia; pada kolom Label ketik Usia Mahasiswa; pada ko-

lom Type pilih Numeric; dan pada kolom Measure pilih Scale. Pada baris keempat kolom Name ketik lP; pada kolom Label ketik lP Kumulatif; pada kolom

Type pilih Numeric; dan pada kolom Measure pilih Scale.

+ + + +

Klik Data View, akan terbuka SPSS Statistik Data Editor.

Masukkan data ke dalam kolom Tempat, Sekolah, Tempat, dan lP. Selanjutnya klik Analyze, kemudian klik Deskriptif Statistics, selanjutnya klik Descriptives. Blok Nama Variabel Usia Mahasiswa dan lP Kumulatif di kolom kiri dan pindahkan ke kolom kanan dengan mengklik Tanda Panah.

+ + +

Klik Options, kemudian pilih Variance dan Range dengan mengkilknya. Klik Continu. Klik oK.

Akan munculjendela output sebagai berikut: Descriptive Statistics USIA MAHASISWA IP KUMULATIF Valid N (listwise)

N

Range

Minimum

Maximum

Mean

Std. Deviation

Variance

20 20

5.00

18.00 2.50

23.00

20.4500 3.0450

1.46808

2.155

.32843

108

130

380

20

Dalam modul W-1, mahasiswa diminta berlatih untuk membuat tabel distribusi frekuensi dengan SPSS, begitu pula menghitung mean, median, modus, range, nilai maksimum dan nilai minimum, standar deviasi, dan variance. Khusus untuk table distribusi frekuensi, SPSS hanya menghitung berapa frekuensinya disertai presentasi, valid prsentasi, dan cumulative presentasi. Kita sendiriyang harus membuat table tersebut, dengan catatan, hal-hal penting saja yang dimuat dalam table tersebut, yaitu frekuensi dan persentasi. KOMPETENSI DASAR

Mahasiswa dapat membuat table distribusi frekuensi dan dapat menghitung mean, median, modus, range, nilai maksimum dan nilai minimum, standar deviasi, dan variance dengan barttuan SPSS.

TUGAS

1.. Untuk DATA lterlampir hitunglah frekuensi berikut persentasi, valid persentasi, dan cumulative persentasi, kemudian dengan MS-WORD buatlah table distibusi frekuensi yang hanya memuat 16

Modul statisrik 2017

frekuensi dan persentasi.

2.

Untuk DATA-Il terlampir harap diperhatikan bahwa ada data yang nilainya kategori dan ada data yang nilainya numeric.Untuk data yang nilainya kategori buatlah tabel distribusi frekuenSi, sedangkan untuk data yang nilainya numerik hitunglah:

- Mean - Median - Mof,us - Nilai'Maksimum - Nilai Minimum - Range DATA

- Standar Deviasi - Variance

I

ASAL SMTA MAHASISWA FAI UMY

1

SMA

2

SMA

3

SMK

4

SMA

5

SMK

6

SMK

7

Madrasah Aliyah

8

Madrasah Aliyah

9

SMK

10

SMK

t7

SMA

L2

SMA

13

SMA

L4

SMK

15

Madrasah Aliyah

16

SMA

L7

Madrasah Aliyah

L8

SMA

19

SMK

20

SMA

2L

Madrasah Aliyah

22

SMK

23

Madrasah Aliyah

24

SMK

25

SMA

26

SMA

Modul statistik

2017

I I

fZ

27

Madrasah Aliyah

28

SMA

29

SMA

30

SMK

DATA-2 TEMPAT TINGGAL, JURUSAN, USIA, DAN IP KUMULATIF

MAHASISWA FAI UMY ANGKATAN 2O1O

NO

TEMPAT TINGGAL

JURUSAN

USIA

1P

7

UNIRES

DAKWAH

20

3

2

UNIRES

TARBIYAH

20

3.2

3

ORANG TUA

TARBIYAH

19

3.4

4

ORANG TUA

SYARIAH

27

3.5

5

ORANG TUA

DAKWAH

20

2.7

5

KOS

DAKWAH

2L

2.9

7

KOS

SYARIAH

22

3.3

8

UNIRES

TARBIYAH

20

2.6

9

KOS

SYARIAH

19

2.8

1_0

ORANG TUA

TARBIYAH

19

3.1

LL

KOS

TARBIYAH

18

3.0

L2

UNIRES

SYARIAH

18

3.3

13

UNIRES

DAKWAH

22

2.6

T4

ORANG TUA

SYARIAH

23

3.8

15

KOS

SYARIAH

23

2.5

L6

KOS

TARBIYAH

22

3.1

t7

ORANG TUA

TARBIYAH

20

3.2

18

KOS

DAKWAH

20

3.0

L9

UNIRES

SVARIAH

27

3.1

20

KOS

TARBIYAH

2L

2.8

I


LAB STATISTIK II MtlDUL W.2 TOPIK: MEMBUAT GRAFIK PENJELASAN UMUM

Dalam kuliah Statistik I telah kita pelajari bahwa penyajian data dapat dilakukan dengan tabel maupun grafik. Dalam kenyataan, grafik memang lebih disenangi karena dapat menggambarkan keadaan data secara mudah dan enak dipandang, sebagaimana semboyan Majalah Tempo, "Enak Dibaca dan Perlu". Ada berbagai macam jenis grafik yang sering digunakan orang untuk menggambarkan data, di antaranya yang populer adalah Histogram, Diagram Lingkaran, Diagram Garis, Diagram Batang.

Untuk sampai kepada pembuatan grafik, kita memerlukan dukungan tabel persiapan, lazimnya berbentuk tabel distribqsi frekuensi, dengan nilai varia.bel numerik maupun kategorik. Sering ada yang salah memahami, seakan-akan histogram itu sami dengan diagram batang. Padahal perbedaannya jelas sekali. Kalau histogram, tepi batangnya berimpit, sedang diagram batang ada jarak antara tepi batangnya. Selain itu, nilai variabel untuk histogram haruslah numerik.

Prosedur membuat grafik dengan SPSS cukup sederhana, tinggal apakah akan dibuat grafik batang, histogram, atau grafik lainnya. Misalnya akan dibuat grafik batang. Satu variabel dibuat satu grafik batang. Prosedurnya adalah sebagai berikut (sebagai contoh diambil Data-2 dari Modul W-1):

0 + 4

Tarnpilkan program

SPSS

Klik r*ariabel view pada

SPSS


Padd baris pertama kolom Name ketik Tempat; pada kolom Label ketik Tempat Tinggal; pada

kolom Type pilih String; dan pada kolom Measure pilih Nominal.

O

Pada baris kedua kolom Name ketik Sekolah; pada kolom Label ketik Asal Sekolah; pada ko-

lom Type pilih String; dan pada kolom Measure pilih Nominal.

*

Pada baris ketiga kolom Name ketik Usia; pada kolom Label ketik Usia Mahasiswa; pada ko-

lom Type pilih Numeric; dan pada kolom Measure pilih Scale

* -:

Pada baris keempat kolom Name ketik lP; pada kolom Label ketik lP Kumulatif; pada kolom

Tlpe pilih Numeric; dan pada.kolom Measure pilih Scale.

+

Klik Data View, akan terbuka SPSS Statistik Data Editor.

O O

Masukkan data ke dalam kolom Tempat, Sekolah, Tempat, dan lP. Selanjutnya klik Graphs kemudian klik Legacy Dialogs, selanjutnya klik Bar. Akan terbuka jendela Bar Charts.

+

Pilih Simple kemudian pilih juga Summaries for Groups Cases. Selanjutnya klik Define. Akan terbuka jendela Summaries for Groups of Cases.

O

Blok salah satu Nama Variabel di kolom kiri dan pindahkan ke kolom kanan dengan mengklik

Tanda Panah.

+

Ktik oK.

Akan munculjendela output sebagai berikut.

di

Dalam Workshop 2 ini mahasiswa berlatih membuat empat macam grafik sebagaimana disebut atas dengan bantuan SPSS. Akan terlihat bahwa membuata grafik dengan bantuan SPSS akan

sangat memudahkan kita.

KOMPETENSI DASAR

Mahasiswa dapat membuat grafik, baik histogram, diagram lingkaran, diagram garis, maupun diagram batang, dengan bantuan SPSS. TUGAS 1..

Untuk DATA I terlampir buatlah histogram sekaligus dengan memperlihatkan kurve normal di atasnya.

2.

Untuk DATA ll terlampir buatlah diagram batang dan diagram garis, dalam bentuk grafik 3 dimensi.

Buat juga diagram lingkaran dengan data tersebut.

20


NILAI MATA KULIAH BAHASA ARAB DAN AIK MAHASISWA FAI UNIVERSITAS "TAK TENTU"

Responden

BAHASA ARAB

A!K

t

78

67

2

70

78

3

89

90

4

82

93

5

67

70

5

87

91

7

50

65

8

58

55

9

68

70

10

67

75

LI

59

50

L2

58

70

13

59

72

!4

78

80

15

86

96

16

58

68

t7

60

62

18

69

84

19

70

73

20

56

56

Modul statistik

2017

I

,,

DATA II TEMPAT TINGGAL, JURUSAN, USIA, DAN IP KUMULATIF

MAHASISWA FAI UMY ANGKATAN 2O1O

NO

JURUSAN

UTIA

IP

UNIRES

DAKWAH

20

3

2

UNIRES

TARBIYAH

20

3.2

3

ORANG TUA

TARBIYAH

19

3.4

4

ORANG TUA

SYARlAH

2L

3.5

5

ORANG TUA

DAKWAH

20

2.7

6

KOS

DAKWAH

2L

2.9

7

KOS

SYARIAH

22

3.3

8

UNIRES

TARBIYAH

20

2.6

9

KOS

SYARIAH

19

2.8

10

ORANG TUA

TARBIYAH

19

3.1

L7

KOS

TARBIYAH

18

3.0

72

UNIRES

SYARIAH

18

3.3

13

UNIRES

DAKWAH

22

2.6

1_4

ORANG TUA

SYARIAH

23

3.8

15

KOS

SYARIAH

23

2.5

16

KOS

TARBIYAH

22

3.1

L7

ORANG TUA

TARBIYAH

20

3.2

18

KOS

DAKWAH

20

3.0

19

UNIRES

SYARIAH

21

3.1

20

KOS

TARBIYAH

2t

2.8

1

TEMPAT TINGGAL

!

I F I

a

:l

ll

I

j bt


LAB STATISTIK II MODUL W-3

IOPIK: TABEL SILANG PENJEI.ASAN UMUM

Salah satu alat sederhana untuk melihat hubungan antar-variabel adalah "Tabel Silang". Secara

sederhana tabel ini dapat menggambarkan kepada kita bagaimana suatu variabel itu berhubungan dengan variabel lainnya. Sebagai contoh digunakan data dengan skala nominal yang memperlihatkan hubungan antara kediaman dan kesenangan terhadap metode dakwah, sebagaimana tabel di halaman berikut. Untuk membuat ringkas, penulisan metode-metode itu diberi kode sebagai berikut: 1 = Ceramah+Tanyajawab; 2 = Diskusi; 3 = Alat Peraga, dan 4 = Workshop. Sedangkan untuk kediaman, kodenya adalah sebagai berikut: L = Desa; 2 = Pinggiran Kota; 3 = Kota'

prosedur penggunaan

SPSS

untuk membuat tabel silang ditunjukkan sebagai berikut.

* + I

Tampilkan program

S

pada kolom Name ketik Metode; pada kolom Label ketik Metode Yang Disenangi, pada ko-

SPSS


SPSS


pada baris pertama kolom Name ketik Kediaman; pada kolom Label ketik Kediaman Jamaah, pada kolom Value buatlan value, yaitu 1= Desa, 2 = Pinggiran,3 = Kota. Pada kolom Type pilih String, sedangkan pada kolom Measure pilih Nominal.

lomValuebuatlahvalue,yaitul-=Ceramah,2=Diskusi,3=Peraga,4=Workshop.Pada

+ * O

kolom Type pilih String, sedangkan pada kolom Measure pilih Nominal. Klik Data View, akan terbuka SPSS Statistik Data Editor. Masukkan data ke dalam kolom Kediaman dan Metode (Cukup kodenya yang ditulis). Selanjutnya Klik Analyze, kemudian Descriptive Statistics, dan pilih Crosstabs. Akan muncul

tampilan sebagai berikut.

+

Blok Kediaman di kolom kiri dan pindahkan ke Row (s) di kolom kanan dengan mengklik Tanda Panah. Klik Metode di kolom kiri dan pindahkan ke Column (S) di kolom kanan dengan mengklik Modul Statistik 2017

23

Tanda Panah.

+

Klik oK.

Outputnya akan muncul dalam tampilan sebagai berikut: Case Processing SummarY Cases

Valid

Percent too.o%

N

METODE * ASAL

23

Total

Missins Percent N

N

23

.o%

0

METODE'r ASAL Crosstabulation Count ASAL

METODE

Total

DESA

PINGGIRAN

KOTA

CERAMAH

4

1

DISKUSI

4

2

0 0

PERAGA

0

4

WORKSHOP

0

2

4

6

8

9

6

23

Total

ASAL KEDIAMAN DAN METODE DAKWAH

YANG DISUKAIJAMAAH NO

ASAL KEDIAMAN

METODE P!LIHAN

L

L

1

2

2

L

3

L

2

4

2

2

5

3

3

6

3

4

7

3

4

8

2

4

9

2

3

10

3

3

1L

3

4

L2

L

1

13

1

2

T4

L

2

15

2

2

15

2

3

L7

2

3

18

2

3

19

3

4

20 2L

2

4

L

1

22

L

1.

23

!

2

ModulStatistik 2017

'2

5 6 6

Percent 100.0%

KOMPETENSI DASAR

Mahasiswa dapat melakukan Analisis Korelasi sederhana dengan menggunakan Tabel Silang. TUGAS

penelitian untuk mengetahui korelasi antara "motivasi berprestasi" dengan "kemampuan membaca Al-Qur'an" mahasiswa FAI UMY. Diperoleh data sebagaimana DATA-l terlampir. Analasislah apakah ada korelasi antara motivasi berprestasi dan kemampuan membaca Al-Qur'an para mahasiswa atau tidak.

L. Seorang mahasiswa KKI UMY melakukan

2.

Pimpinan Fakultas Agama lslam di Universitas Maju-Mundur bermaksud meneliti hubungan antara "Asat SMTA" dan "Pilihan Jurusan" dari para mahasiswanya. la memperoleh data sebagaimana DATA-2 (data nominal) terlampir:. Bantulah pimpinan fakultas tersebut untuk menganalisis datanya.

DATA-1 MOTIVASI BERPRESTASI DAN KEMAMPUAN MEMBACA AL-QUR'AN MAHASISWA FAI UMY

x

Y

4 4 4

3

3

L

2 1

5

5

5

4

3

3

4

4

3

5

3

5

5

3

5

3

4

2

3

6

2

L

L

2

5

3

5

3

2

4 4

2

KETERANGAN.

Untuk Motivasidan Kemampuan Membaca Al-Qur'an, kodenya sama sebagai beerikut: 5 = BaikSekali; 4 = Baik; 3 Sedang; 2 = Kurang; 1 = KurangSekali


DATA-2 ASAL SMTA DAN PILIHAN JURUSAN

MAHASISWA FAI UMY

t t

NO

ASAT SM'tA

L

1,

L

2

I

2

3

2

3

4

2

3

5

t

L

6

3

3

7

3

1.

8

2

3

9

2

3

10

7

2

1,1

3

2

72

2

3

13

3

1

L4

1.

2

15

3

2

KETERANGAN: ASAL SMTA: 1= Swasta lslam; 2 = Negeri; 3 = Sawasta Lain

PILIHAN JURUSAN:

e6

t= Tarbiyah; 2 = Dakwah;

ModulStatistik 2017

3 = Syariah

BAGIAN IU KUMPUTAN MODUL STATISTIK INFERENSIAL


T0PIK: UJI-T fi-TEST) SATU SAMPET PENJELASAN UMUM

Analisis komparatif atau analisis perbandingan dapat kita bedakan menjadi analisis untuk membandingkan dua rata-rata dan analisis untuk membandingkan lebih dari dua rata-rata.

Alat analisis yang paling sering digunakan untuk membandingkan dua rata-rata adalah "t-test" tau "Uji-t". Uji-t sendiri dapat dibedakan antara uji untuk sample bebas dan uji untuk sampel berkorelasi atau sampel berpasangan atau pun sample berulang. Selain itu, ada juga uji-t untuk satu sampel, yaitu rata-rata suatu variabel tunggal dibandingkan dengan suatu nilai konstanta tertentu. Misalnya uji-t untuk memprediksi nilai statistik para mahasiswa apakah mencapai angka 70. Kalau yang dibandingkan adalah tiga atau lebih rata-rata, maka uji-t tidak lagi mencukupi untuk itu. Diperlukan alat lain yang sesuai.

Syarat-syarat yang harus dipenuhi dalam penggunaan t-test, baik satu sampel maupun dua sampel'd'dalah sama, yaitu :

t.

Data harus berskala interval atau rasio (syarat yang berlaku untuk statistik parametrik, seperti t-test, ANOVA, korelasi product moment, dan regresi).

2.

Data harus berdistribusi normal.

Dalam modul W-3 ini mahasiswa diminta melakukan uji-t satu sample untuk menghitung apakah target tertentu tercapai atau tidak, semisal guru menargetkan nilai rata-rata Ujian Nasional SD Muhammadiyah adalah 2t, dan sebagainya.

Cara menghitungnya dengan SPSS sangat mudah. Mula-mula definisikan variabel. Selanjutnya masukan data pada Data View dan ikuti langkah-langkah berikut (ambil DATA-I sebagai contoh):

0

Tampilkan program

SPSS

+ Klik variabe! view pada SPSS Statistik Data Editor * Pada kolom Name ketik Prestasi; pada kolom Labe! ketik Prestasi Belajar;

pada kolom Type

pilih Numeric; dan pada kolom Measure pilih Scale.

+

KIik Data View, akan terbuka SPSS Statistik Data Editor.

*

Masukkan data ke dalam kolom Prestasi.

+ klik Analyze + Pilih Compare

Means. Akan terbuka jendela One Sample T Test.

Modul Staristik 2017

+ Pilih One Sample T Test.

*

Masukkan variabel ke kotak Test Variable (s)

4 Masukkan angka (konstanta + Ktik oK.

tertentu) yang menjaditarget pada kotak Test Value.

Akan munculjendela output sebagai berikut: One€amole Statistics PRESTASI

N

Mean

Std. Deviation

Std. Error Mean

30

5.77

1.431

261

One-Samole Test Test Value = 6

t PRESTASI

df

-.893

Mean Sig. (2-tailed)

29

.379

Difference

-.233

95% Confidence lnlerval of the Difference Lower -.77

Upper 30

Cara menarik kesimpulan adalah dengan memperhatikan Signifikansi (ditulis "Sig" pada SPSS|, dan dengan aturan penyimpulan sebagai berikut (aturan ini berlaku juga untuk analisis korelasi dengan SPSS):

1. Jika Sig < 0,01, perbedaan atau 2. Jika 0,01 < Sig S

3.

Jika Sig >

korelasi dinyatakan sangat signifikan.

0,05, perbedaanatau korelasi dinyatakan signifikan.

0,05, perbedaan atau korelasi dinyatan tidak signifikan.

Sebelum dinalisis lebih lanjut harus diingat bahwa syarat untuk menggunakan uji-t adalah data harus berdistribusi normal. Jadi sebelum masuk kepada analisis dengan uji-t harus dilakukan terlebih dahulu uji normalitas data. Untuk melakukan uji normalitas data kita menggunakan uji Kolmogorof-Smirnov (Analisis Explorer). Langkah-langkah analisis explorer adalah sebagai berikut, dengan tetap menggunakan DATA-I sebagai contoh (gunakan data yang sudah diinput ke dalam SPSS):

+ + + 0 + + + +

Klik Analyze.

Klik Deskriptif Statistics. Klik Explorer.

Pindahkan semua variabel ke kotak Depentent List. Klik tombol Plots. Akan terbuka kotak dialog explorer.

Pilih Normality plots with test. Klik Continue. Ktik oK.

Selanjutnya akan munculjendela Output sebagai berikut:

28

|

,"rr,

statistik 2017

Tests of NormalitY Shapiro-Wlk

Kolmogorov-Smirnov" Statistic PRESTASI

.204

Statistic

df

sig.

.944 .003 30 a. Lilliefors Significance Correction

30

.115

df

Ss.

Cara menganalisisnya mirip dengan di atas, yaitu perhatikan signifikansinya' Hanya saja aturan

penyimpulannya berbeda, Yaitu

(

:

0,05, dapat disimpulkan data tidak berdistribusi normal'

1-

Jika sig

2.

Jika sig > 0,05, dapat disimpulkan data berdistribusi normal.

sebaBagaimana kalau data tidak berskala interval atau rasio? Para ahli berbeda soal ini, tetapi gian besar berpendapat bahwa kalau data berskala ordinal, maka data tersebut harus ditransformasikan terlebih dahulu menjadi interval. Sekarang sudah banyak perangkat lunak yang disusun untuk keperluan ini, salah satunya adalah perangkat lunak yang berbasis Excel, yang dibuat oleh Azuar Ju-

liandi, Staf Pengajar Universitas Muhammadiyah Sumatera Utara

(

)'

jika Skema yang dilampirkan bersama modul ini merinci tentang bagaimana analisis dilakukan data tidak berskala interval atau rasio.

KOMPETENSI DASAR

Mahasiswa dapat melakukan uji-t satu sampel untuk menghitung tercapai-tidaknya target tertentu yang ditentukan sebelumnya, dengan bantuan SPSS' TUGAS

L.

Seorang Kepala SD menduga prestasi belajar dari para siswa adalah 5. Ujilah apakah dugaan Kepala SD itu sesuai dengan kenyataan, jika ia memperoleh data dari 30 siswa sebagai sampel seperti DATA 1 berikut. Sebelum menganalisis, ujilah terlebih dahulu apakah data berdistribusi normal.

z.

para Guru Bahasa Arab SMA lslam "Maju Tak Gentar" memprediksi bahwa nilai Bahasa Arab siswa adalah 70. la melakukan test terhadap dua puluh siswa dan memperoleh data sebagaimana DATA 2 berikut. Ujilah apakah prediksi guru tersebut benar. Buat juga histogram untuk menunjukkan nilai Bahasa Arab para siswa, sekaligus dengan kurva normal. Sebelum menganalisis, ujilah terlebih dahulu apakah data berdistribusi normal.

Modul statistik 2017

29

DATA-1

pnrsrnsfibE LA,AR srswA

sD

6 6

6 7 7 5 5

8 7 7 5 5 5 8 9 7

8

4 5 3 5 5

4 6 5

il

4 4

i

5 5 5

fl

I

l

ll ll

fl

l u

lr

ModulStatistik 2017

DATA 2 NILAI BAHASA ARAB STSWA

SMA ISLAM

Responden

,,MAJU

TAK GENTAR,,

BAHASA ARAB

78

70 84 94 77 87 77 78 75 84

74 74 73

75 84

68 67 59 79 64


LAMPIRAN MODUL W.3

PITIHAN ANATIS!S JIKA DATA BERSKALA ORDINAL

SKALA DAIA

:

TEST NORMATITA$& HOMOGENITAS

TIDAK

32

ModulStatistik 2017

NORMAL & .

*HOMOGEN

[ruTffiRv&fu/

SEffi

LAB STATISTIK II M(IDUI. t|Il.s

T0PIK: UJI-T 0-TEST) SAMPEL TNDEPENDEN PENJELASAN UMUM

Uji ini dilakukan untuk dua macam sample yang diambil secara bebas, tanpa dipasang-pasang-

kan.

Ada dua jenis uji-t untuk dua sampel independen, yaitu uji-t dengan asumsi bawa variance dari dua sampel adalah sama, dan uji-t dengan asumsi bahwa variance dari kedua sampel tidak sama. Tentu saja analisis harus dilakukan dalam tua tahap, yaitu menguji kesamaan dua variance (dengan uji-F) kemudian menguji apakah ada beda nyata dari kedua rata-rata (dengan uji-t). ' Akan tetapi, pekerjaannya dalam sPSS menjadi mudah karena hanya dilakukan dalam sekatai jalan, tinggal kemudian jendela outputnya diinterpretasikan. Aturan penyimpulan sama seperti uji-t untuk satu sample, yaitu dengan melihat signifikansinya. Jangan dilupakan bahwa salah satu persyaratan yang harus dipenuhi adatah data harus berdistribusi normal, di samping tentu saja data harus berskala

interval atau rasio. Dalam modul ini penjela-

san tentang itu tidak lagidiberikan, karena sudah dijelaskan di modul sebelumnya.

Prosedur uji-t untuk dua sample independent yang didalamnya sekaligus ada pemanfaatan uji-F untuk melihat kesamaam variance adalah sebagai berikut (menggunakan DATA-I sebagai contoh):

.) + $ *

+ + + f,

+ + + +

Tampilkan program SpSS.

variabelview pada SpSS Statistik Data Editor Pada baris pertama kolom Name ketik Kelamin pada kolom Label ketik Jenis Kelamin, dan pada kolom Type pilih String; pada kolom value buatlah value sebagai berikut: 1 = Laki-laki; 2 = Perempuan; dan pada kolom Measure pilih Nominal. Pada baris kedua kolom Name ketik Prestasi; pada kolom Label ketik prestasi Belajar; pada kolom Type pilih Numeric; dan pada korom Measure pirih scare. Klik Data view, akan terbuka SPSS Statistik Data Editor, disusun dari atas ke bawah, tidak berjejer ke kanan (untukhemasukkan data, hanya dimasukkan kode jenis Klik

kelamin).

Klik Analyse. Pilih compare Means, akan terbuka jendela rndependentsamples

T Test.

Pilih lndependent Samples T Test. Masukkan variabel pertama ke kotak TestVariable (s) Masukkan variabel kedua ke kotak Grouping Variables. Klik Defines Group. Akan muncul kotak Dialog Defines Group.

Masukkan kode 1 untuk Grup I dan kode 2 untuk Grup ll, dan klik continue. Klik oK.

Modut statistik

2017

I

t,

Akan munculjendela output sebagai berikut:

Levene's Test

for EqualitY ot

t-test for EqualitY of Means

Variances

yaitu pertama dengan melihat signifikansi Ada dua tahap untuk menginterpreasikan hasilnya, Aturannya, jika sig 3 0'05 tidak diasumsidari F pada kolom Levene's Test for Equality of variances' Jika Sig > 0'05 variancenya diasumsikan sama kan variancenya sama (Equal variancen not assumed)' (Equal variancen assumed). pada pilihan baris mana yang digunakan untuk meliKonsekuensi dari keadaan variance adalah tentu pada baris atas' hat signifikansinya t. Pada contoh itu, signifikansinya penyimpulan untuk t-test adalah: Kedua, melihat signifikansi dari t, dengan aturan 1. Jika Sig

( 0,0L, perbedaan

2. Jika 0,01 < Sig s 3. Jika Sig >

dinyatakan sangat signifikan'

0,05, perbedaan dinyatakan signifikan'

0,05, perbedaan dinyatan tidak signifikan'

KOMPETENSI DASAR

perbedaan atau persamaan dari rata-rata Mahasiswa dapat melakukan uji-t untuk menganalisis dua sample independen, dengan bantuan SPSS' TUGAS

ada perbedaan"prestasi belajar yang signifiseorang dosen FAr uMy ingin mengetahui apakah perempuan. sampel diambil secara random dan kan antara mahasiswa laki-taki dan mahasiswa perempuan' la kemudian memperoleh data terpilih 30 mahasiswa laki-laki dan 30 mahasiswa apakah ada perbedaan prestasi belajar yang sebagaimana DATA-I berikut. Ujilah dengan sPSS signifikan atau tidak. kemampuan berbahasa Arab 2. Suatu penelitian dilakukan untuk menguji apakah ada perbedaan

L.

34


antara mahasiswa FAI UMY yang berasal dari SMA Swasta lslam dan SMA Negeri. Peneliti melakukan test kepada 20 mahasiswa dari masing-masing latar belakang SMTA yang diambil secara random. Nilaitest ditunjukkan sebagaimana DATA-2 berikut ini. Ujilah dengan SPSS apahah ada perbedaan kemampuan berbahasa Arab yang signifikan atau tidak.

DATA-1 PERBEDAAN. PRESTASI BELAJAR

L. 2. 3.

4. 5. 6.

7. 8. 9. 10.

7L,

72. 13. L4. 15. 16. 17. 18. 19.

20. 27. 22.

23. 24. 25. 26. 27.

28. 29. 30.

6.3 6.5

6.0 7.4 7.O

5.0 5.0 8.6 7.O

7.2

5.0 5.0 5.0 8.4 9.2 7.O

8.0 4.O

5.4 3.7

5.0 6.9 4.3 6.2 6.6 4.O

4.7

5.0 5.0 5.8

5.5 5.0 6.0 6.2 5.5 6.5 6.2 5.5 6.2 5.2 5.1 5.3 8.7 4.5 4.1.

4,L

4.0 4.8 5.3 6.7

5.4 4.7 6.0

4.3 3.3 3.0 5.8 3.8

3.0

t.e


DATA-2 PERBEDAAN KEMAMPUAN BERBAHASA ARAB

60.0

t58.6

78.9 70.3

65.0

89.2

70.4

90.4

77.t

67.6

6s.3

87.0

58.4

77.6

57.0

78.5

66.0

68.9

56.4

67.0

78.2

87.6

80.1

68.2

76.3

59.0

75.4

78.O

48.0

94.0

60.2

60.2

68.1

67.3

55.0

57.1

54.6

52.6

78.O

7s.3

LAB STATISTIK II W.6

MODUL

T0PIK: UJI-T (T'TESI) SAMPET BERPASANGAN PIN'ELASAN UMUM Pada prinsipnya Uji-t sample berpasangan dilakukan untuk sampel yang sudah diatur sedemikian sehingga tidak ada kemungkinan pengaruh variabel ketiga. Atau satu kelompok sample dengan

dua macam perlakuan. Uji-t untuk sample berpasangan digunakan dalam eksperimen murni. Uji-t untuk sample berpasangan memang agak lebih mudah proses analisisnya. Dengan menggunakan SPSS, Uji-t sample berpasangan dilakukan dengan pendefinisian variabel yang biasa saja, seperti membuat tabel. Jadi dengan demikian agak berbeda dengan Uji T untuk sampel independent yang harus didefinisikan dulu faktor pembedanya. Dapat dilihat bahwa prosedur pengerjaan di SPSS pun mudah, sebagaimana ditunjukkan berikut ini (ambil DATA-1 sebagai contoh):.

A Tampilkan program SPSS. + Klik variabel view pada SPSS Statistik Data Editor O Pada baris pertama kolom Name ketik Pre pada kolom Label ketik Pre-TesU pada kolom .


0

Pada baris kedua kolom Name ketik Prestasi; pada kolom Label ketik Post Test; pada kolom


+ + + +

Klik Data View, akan terbuka SPSS Statistik Data Editor. Data disusun berjejer ke kanan.

Q

Muncul kotak Paired-Samples T Test. Masukkan kedua variabel ke kotak Test Variable.

+

Ktik oK.

Klik Analyse.

Pilih Compare Means. Akan terbuka jendela Paired-Samples T Test

pilih Paired-Samples T Test.

Akan terbuka jendela output sebagai berikut:

Paired Sam ples Statistics Pair

1

Mean

N

Std. Deviation

Std. Error Mean

PRE TEST

65.99'10

20

9.43909

2.11064

POST TEST

74.2935

20

11.45471

2.56135

Paired Sam oles Correlations Pair

1

PRE TEST & POST TEST

N

Correlation

Sg

20

.068

.776


37

95% Confidence lnterval of the Difference

-15.01301

Cara membaca output maupun aturan penyimpulan mirip dengan Uji T untuk sampel independen, hanya saja, karena sampelnya sudah diatur sedemikian sehingga berpasangan, maka uji kesamaan variance tidak diperlukan lagi. KOMPETENSI DASAR

Mahasiswa dapat melakukan uji-t untuk menganalisis perbedaan atau persamaan dari rata-rata dua sample berpasangan, dengan bantuan SpSS. TUGAS L.

seorang Guru di salah satu sMA Muhammadiyah ingin menguji apakah penggunaan metode diskusi dapat meningkatkan prestasi Siswa dalam mata petajaran Al-lslam dan Kemuhammadiyahan (AlK). la kemudian mengajarkan mata pelajaran AIK dengan menggunakan metode diskusi selama satu bulan. Sebelumnya ia melakukan test terlebih dahulu (pre Test) dan setelah sebulan mengajar ia melakukan lagi test (Post Test). Guru tersebut memperoleh data pre Test dan post Test sebagaimana DATA-I terlampir. Analisislah dengan SPSS apakah metode diskusi cukup baik untuk mengajarkan mata pblalaran AIK atau tidak. Suatu penelitian dilakukan untuk menguji apakah ada perbedaan sikap terhadap kewajiban berFISIPOL dan KEDoKTERAN. peneliti memilih dari masing-masing fakultas secara berpasangan 30 orang mahasiswa sebagai sampel dan memperoteh

jilbab yang signifikan antara mahasiswa

data sebagaimana DATA-2 terlampir. Analisislah data tersebut dengan SpSS untuk membuktikan apakah ada perbedaan sikap terhadap kewajiban jilbab yang signifikan antara mahasiswa FlSlPOL dan KEDOKTERAfit. Apa kesimpulan penelitiannya?

38


DATA-1 HASIL PRE TEST DAN POST TEST

PRE TEST

POST TEST

60.02

78.97

68.64

70.19

65.01

89.28

70.4t

90.45

77.t!

67.64

65.32

87.08

58.43

77.64

57.O4

78.51

65.03

68.92

56.40

67.O9

78.23

87.63

80.L2

68.28

76.33

59.08

75.43

78.O4

48.O7

94.05

60.23

60.27

68.16

67.36

s6.08

57.t4

54.69

s2.69

78.O7

75.35


39

II

DATA 2 SIKAP TERHADAP KEWAJIBAN BERJILBAB

l l l i ir

li lt ili I 11

i ,]

lr

ii

FrslPot

KEDOKTERAN

78

66

67.

60

56

55

55

68

89

88

68

89

60 78

90

59

68

77

85

69

77

68

74

78 80

63

87

64 60

88 72

55

66

78

79

55 72

64 74

70

59

59

79

67 77

58

73

81

63 62

70 58

77

79

57

59

60

64


88

89

LAB STATISTIK II MODUT W.7

TOPIK: MENORMALKAN DATA DENGAN TRANSFORMASI

PENJEIASAN UMUM Sebagaimana telah dijelaskan di modul-modul sebelumnya, salah satu syarat untuk pemakaian

statistik parametrik adalah data harus berdistribusi normal, selain harus berskala interval (transformasi data yang berskala ordinal menjadi data yang berskala interval akan dibicarakan di bagian tersendiri). Persoalannya adalah tidak semua data yang dikumpulkan berdistribusi normal. Bagaimana menormalkan data seperti itu? Ada beberapa cara yang biasanya digunakan untuk menormalkan data, di antaranya dengan pemangkasan data outlier atau data yang terlalu jauh menyimpang. Akan tetapi cara ini biasanya digunakan sebagai jalan terakhir, sebab masih dip.erdebatkan keabsahan nya. Cara lain yang paling lazim digunakan adalah dengan tiansformasi data ke bentuk-bentul seperti Logaritma Natural (Dalam SPSS: Ln), Logaritma Biasa (Dalam SPSS: Lg10), Kuadrat (Sqrt), 1/X (Dalam sPSs: 1/0).

KOMPETENSI DASAR

Mahasiswa dapat melakukan transformasi data yanag tidak berdistribusi normal ke dalam bentuk lain yang sesuai, dengan bantuan SPSS. PROSEDUR

+ + 4

Klik Transform.

Klik Compute Variable. Akan muncul kotak Compute Variabel sebagaimana ditampilkan di halaman berikut. Pada kotak Target Variable, masukkan nama variabel untuk menampung data hasil transformasi variabel tersebut, dengan catatan nama tidak boleh sama dengan nama variabel yang akan ditransformasikan datanya.

0

Pada kotak Numeric Expression, isikan perintah transformasinya. Anda bisa mengisi perintah

transformasi ini dengan dua cara: a. Membuat rumus sendiri, misalnya: 2*Penjualan atau Penjualanx*3, atau 1//Nama Variabel (Catatan: perkalian menggunakan bintang satu, pangkat menggunakan bintang 2) b. Menggunakan fungsi yang sudah disediakan SPSS dalam kotak Function Group. Kalau menggunakan kotak Function Group, klik All. Pada bagian bawah akan muncul kotak Functions and Special Variables.

+ + +

Pilih salah satu yang dikehendaki lalu diblok dengan mengkliknya. Klik tanda panah ke atas di bagian kiri. Akan muncul tulisan LN(?)

Blok nama variabel yang akan ditransformasikan datanya dengan jalan mengkliknya. Nama variabel tertulis di kotak Type & Label. Klik

tanda panah ke kanan di sebelahnya.

+

Ktik oK. Perhatikan bahwa secara oromatis data yang berbentuk Ln sudah tertulis di sebelah data yang akan


4t

ditransformasikan.

4

arl

*) *a:ffi

*i ffif*

Nttsji# ii#i;#*$]

I tffi .l: :i 1j :

,

lr*s!!tu I

l

+i

{a$s,@&ffi

It.- sq*l ,-. i 1g.sj .

:ih-

fu'*.

TUGAS

Perbaikilah semua data yang pernah diperoleh dalam kuliah Statistik il yang tidak berdistribusi normal.

42


LAB STATISTIK II MODUI W.8 TOPIK: ANtlUA SATU JALAN

PENJETASAN

UMUM

Sebagaimana pernah dijelaskan, T-Test tidak dapat lagi kita gunakan kalau akan menganalisis perbandingan dari tiga atau lebih kelompok sampel. Untuk itu teknik yang dipilih adalah Analysis of Variance (disingkat ANOVA). Ada du jenis ANOVA, yaitu ANOVA satu jalan dan ANOVA dua jalan. Kalau kita membandingkan prestasi belajar mahasiswa FAI UMY yang tinggal di UNIRES, tinggal dengan Orang Tua, dan tinggal di Kos-kosan, maka yang kita gunakan adalah ANOVA satu jalan. Tapi kalau di samping kita membandingkan mahasiswa berdasarkan tempat tinggalnya kita juga membandingkan jenis kelaminnya, maka yang kita gunakan adalah ANOVA dua jalan. Syarat-syarat atau asumsi yang harus dipenuhi dalam penggunaan ANOVA, baik satu njalan maupun dua jalan, hampir sama dengan T-Test, yaitu:

a. Data harus berskala interval (dibicarakan tersendiri). b. Data harus berdistribusi normal. c. Variance data harus sama atau homogen. Walaupun dalam penjelasan tentang prosedur uji asumsi diletakkan di bagian akhir, tetapi dalam pelaksanaan analisis uji asumsi harus dilakukan terlebih dahulu, baru kemudian ANOVA

Untuk Modul W-8, yang kita gunakan adalah ANOVA satu jalan. Prosedur penggunaan SPSS adalah sebagai berikut (dalam SPSS data ditulis sebagaimana penulisan data untuk Uji-T dua sampel independen). Misalnya kita akan membandingkan prestasi belajar mahasiswa yang berasal dari SMA, SMK, dan MA.

S Tampilkan program SPSS. + Klik variabel view pada SPSS Statistik Data Editor * Pada baris pertama kolom Name ketik Sekolah pada kolom Label ketik Asal Sekolah, dan pada kolom Type pilih String; pada kolom Value buatlah vafie sebagai berikut: L = SMA; 2 = SMK; 3 = MAi dan pada kolom Measure pilih Nominal.

*

Pada baris kedua kolom Name ketik Prestasi; pada kolom Label ketik Prestasi Belajar; pada

kolom Type pilih Numeric; dan pada kolom Measure pilih Scale.

+ + +

Klik Data View, akan terbuka SPSS Statistik Data Editor. Data disusun dari atas ke bawah. Klik Analyse.

Pilih General Linier

Model kemudian klik Univariate. Akan munculjendela

Univariate.

0 0 + +

Masukkan variabel yang dibandingkan ke kotak Dependet Variable. Masukkan Variabel pembanding ke kotak Fixed Factor(s). Klik Model. Akan keluar Jendela Univariate: Model.

Klik Custom. Modul Statistik 2017

43

Klik nama variabel kemudian klik anak panah untuk memindahkan nama variabel ke kotak kanan.

4 4

Klik Continue. Klik Post Hoc. Akan munculjendela Univariate: Post Hoc Multivariate

Comparisons for Observed Means.

+

Klik nama variabel kemudian klik anak panah untuk memindahkan nama variabel ke kotak kanaf.

+ + +

Pilih Tukey dengan mengkliknya lalu klik Contnuie.

+ +

Klik Options. Akan munculJendela Univariate: Options.

Klik (OVERALL) dan nama variabel kemudian klik tanda panah untuk masukkan keduanya dalam kotak di sebelah kanan. Klik Homogenety Test, setelah itu Klik Continue. Klik oK.

Akan munculjendela output sebagai berikut. Levene's Test of Equality of Error Variances" Dependent Variable:NlLAl Sio. dfl dfz 2 57 .221 1.551 Tests the null hypothesis that the error variance of the dependent variable is equal across qroups. a. Design: lntercept + JENJANG F

Tests of Between-Subiects Effects Deoendent Variable

:

N

lLAl Type lll Sum of

Source

Conected Model lntercept JENJANG

Souares 685.033" 300192.267 685.033

df

Mean Square

2

342.517 300'192.267 342.517 66.679

2 1

Error

3800.700

57

Total

304678.000

60

4485.733 59 Corrected Total a. R Squared =.153 (Adjusted R Squared = .123)

',Si

-

j:ii.


F

5.137 4502.055 5.137

sig. .009 000 .009

Multiple Gomparisons Nil-Al Tukev HSD (J)

JENJANG SMA

JENJANG SMK MA SMA

SMK

95% Confidence lnterval

Mean Difference

(t)

MA

SMA SMK Based on observed means.

MA

Std. Error

fl-J) 4.70 8.25',

-4.70 3.55 -8.25' -3.55

Lower Bound

Sio

2.582 2.582 2.582 2.582 2.582 2.582

Upoer Bound

.172

1.5't

10.91

.006

2.O4

14.46

.172

-10.91

1.51

.361

-2.66 -14.46 -9.76

9.76

.006 .361

-2.O4

2.66

The error term is Mean Square(Error) = 66.679. *. The mean difference is significant at the .05 level.

Means for groups in homogeneous subsets are displayed' Based on observed means. The error term is Mean Square(Error) = 66.679. a. Uses Harmonic Mean Sample Size = 20.000.

Ada tiga hal penting yang termuat dalam hasil ini, yaitu signifikansi dari Levene's Test, signifikansi dari F, dan Multiple Comparisons (menguji normalitas data tidak disertakan pembicaraannya karena sudah dijelaskan pada waktu membicarakan UjiT). Ketiganya dijelaskan sebagai berikut.

L.

Signifikansi Levene's Test digunakan untuk menyimpulkan homogenitas variance. Aturan penyimpulannya adalah: Jika Sig < 0,05, dapat disimpulkan bahwa variance tidak sama atau tidak homogen. Jika Sig > 0,05, dapat disimpilkan bahwa variance sama atau homogen

2.

Signifikansi dari gan Uji T, yaitu:

F

digunakan untuk menarlk kesimpulan umum. Ketentuannya hampir sama den-

Jika Sig < 0,01, perbedaan dinyatakan sangat signifikan. Jika 0,01 < Sig S 0,05, perbedaan dinyatakan signifikan. Jika Sig > 0,05, perbedaan dinyatan tidak signifikan.

3.

Multiple Comparisons (dengan Uji Tukey, dan yang lain) digunakan untuk menentukan kombinasi dari beberapa sampel yang diabandingkan itu yang paling tepat. Multiple Comparisons dengan Uji Tukey baru dapat digunakan jika variance diasumsikan homogen.


45

KOMPETENS! DASAR

Mahasiswa dapat melakukan Uji ANOVA Satu Jalan untuk menganalisis perbandingan lebih dari dua kelompok sampel, dengan bantuan SPSS. TUGAS L.

Suatu penelitian dilakukan untuk menguji apakah ada perbedaan pengetahuan politik yang signifikan antara mahasiswa FAl, FISIPOL, dan KEDOKTERAN. Peneliti memitih dari masing-masing fakultas secara acak 15 orang mahasiswa sebagai sampel kemudian mengetes mereka. la memperoleh data sebagaimana DATA-1 di bawah. Analisislah data tersebut dengan SPSS untuk membuktikan apakah ada perbedaan pengetahuan politik yang signifikan antara mahasiswa FAl, FlSIPOL, dan KEDOKTERAN. Apa kesimpulan penelitiannya?

2. Seorang mahasiswa FAI UMY

menulis skripsi tentang perbedaan prestasi belajar antara maha-

siswa FAI UMY yang tinggal dengan orang tua, tinggal di Unires, dan tinggal di kos-kosan. Prestasi belajar dilihat dari lPK. Analisislah data yang diperoleh dengan SPSS. Apa kesimpulan penelitiannya?

DATA-1 PENGETAHUAN POLITIK MAHASISWA

t:,

.FAI

frsrPor

KEDOKTERAN

68

7B

66

70

77

60

78

76

65

80

55

68

88

89

58

90

88

59

67

90

60

75

98

58

65

59

48

77

77

45

58

69

57

49

68

58

98

74

80

77

93

87

78

84

88

-

,4S1,


DATA-2 PRESTASI BELAJAR MAHASISWA

ftas 3.8

2.8

2.8

3.2

2.8

2.7

2.5

3.5

2.6

2.9

3.2

3.0

3.3

2.2

3.2

3.2

2.9

3.1

2.8

3.0

2.9

3.9

3.1

2.7

3.4

2.7

2.8

2.4

2.8

3.9

2.9

3.4

2.8

3.0

3.2

2.9

3.6

3.6

2.7

3.4

2.9

3.0

2.9

2.8

3.4

3.7

3.8

2.9

2.5

3.8

3.5

2.3

2.7

3.8

3.3

4.0

3.4

3.9

3.6

2.2

'1.

L.

Modul statistik

2017 l,'

LAB STATISTIK II M(IDUL try.g TOPIK: AN(lUA DUA JALAN

PENJELASAN UMUM

Kalau dalam ANOVA satu jalan faktor yang diujikan atau dibandingkan hanya satu, maka dalam

ANOVA dua jalan faktor yang diujikan atau dibandingkan lebih dari satu. Mislanya kita membandingkan prestasi belajar mahasiswa berdasarkan tempat tinggalnya kita juga membandingkan jenis kelaminnya, maka yang kita gunakan adalah ANOVA dua jalan.

Syarat-syarat atau asumsi yang harus dipenuhi dalam penggunaan ANOVA, baik satu njalan maupun dua jalan adalah sama, yaitu data harus berskala interval, data harus berdistribusi normal, dan variance data harus sama atau homogen. Prosedur penggunaan SPSS untuk uji ANOVA dua jalan adalah sebagai berikut (dalam SPSS data ditulis sebagaimana penulisan data untulcUji-T dua sampel independen). Andainya kita akan menguji perbedaan prestasi belajar antara mahasiswa FAI UMY yang tinggal di Unires, Kos, dan dengan Orang Tua. Akan tetapi sekaligus juga kita akan melihat perbedaan prestasi belajar antara Laki-laki dan Perempuan.

* + $ * Q

+ + +

Tampilkan program

SPSS.


SPSS


ketik Tempat Tinggal, dan pada kolom Type pilih String; pada kolom Value buatlah value sebagai berikut: ]- = Unires; 2 Pada baris pertama kolom Name ketik Tinggal pada kolom Label

= Kosi 3 = Ortu; dan pada kolom Measure pilih Nominal' Pada baris kedua kolom Name ketik Kelamin pada kolom Label ketik Jenis Kelamin, dan pada

kolom Type pilih String; pada kolom Value buatlah value sebagai berikut: 1 = Laki-laki; 2 = Perempuan; dan pada kolom Measure pilih Nominal. Pada baris ketiga kolom Name ketik Prestasi; pada kolom Label ketik Prestasi Belajar; pada kolom Type pilih Numeric; dan pada kolom Measure pilih Scale. Klik Data View, akan terbuka SPSS Statistik Data Editor. Data disusun dari atas ke bawah' Klik Analyse.

Pilih General Linier Model kemudian klik Univariate. Akan munculjendela Univariate.

Q

Masukkan variabelyang dibandingkan ke kotak Dependet Variable.

* + + +

Masukkan dua variabel pembanding ke kotak Fixed Factor(s).

+

Klik Model. Akan keluar Jendela Univariate: Model.

Klik Custom. Klik nama variabel pembanding yang pertama kemudian klik anak.panah untuk memindahkan nama variabel ke kotak kanan' Ktik nama variabel pembanding yang kedua kemudian klik anak panah untuk memindahkan nama variabel ke kotak kanan

+

Klik nama variabel pembanding yang pertama dan kedua secara bersama-sama kemudian


.- 4

klik anak panah untuk memindahkan nama variabel ke kotak kanan

+ +

Klik Continue.

Klik Post Hoc. Akan muncul jendela Univariate: Post Hoc Multivariate Comparisons for Observed Means. Klik nama variabel pertama kemudian klik anak panah untuk memindahkan nama variabel ke kotak kanan. anak panah untuk memindahkan nama variabel ke

Klik nama variabel kedua kemudian kotak kanan.

+ + +

Pilih Tukey dengan mengkliknya lalu klik Contnuie. Klik Options. Akan munculJendela Univariate: Options. Klik (OVERALL) dan nama variabel pembanding yang pertama dan kedua kemudian klik tanda

panah untuk masukkan ketiganya dalam kotak di sebelah kanan (gabungan nama variabel pertama dan kedua tidak dimasukkan ke kotak sebelah kanan).

+ +

Klik HomogenetyTest, setelah itu Klik Continue. Klik oK.

Akan munculjendela output sebagai berikut Levene's Test of Equality of Error Variancesu Dependent Variable:PENGETAHUAN F

.e36

df1

dfz

sis

5

54

465

|

Tests of Between-Subiects Effects Deoendent Variable: PENGETAHUAN Type lllSum of Source Corrected Model lnterceot KELAMIN

Df

Souares

Mean Souare

576.600

1

576.600 .561

2.780 .538 1.568

.282

5

.561

1

TINGGAL

.217

2

108

KELAMIN " TINGGAL Error

.632

2

.316

202

Total

Corrected Total

Sio.

F

1.398 2859.174

1.410,

10.890

54

588.900

60

12.300

59

.240 .000 .101 .587

.218

a. R Squared = .115 (Adiusted R Squared = .033)

Aturan penyimpulannya mirip dengan ANOVA satu jalan.

KOMPETENSI DASAR

Mahasiswa dapat melakukan Uji ANOVA Dua Jalan untuk menganalisis perbandingan lebih dari dua kelompok sampel, dengan bantuan SPSS.

TUGAS

50


Suatu penelitian dilakukan untuk menguji apakah ada perbedaan pengetahuan politik yang signifikan antara mahasiswa FAl, FISIPOL, dan KEDOKTERAN. Peneliti memilih dari masing-masing fakultas secara acak 16 orang mahasiswa, masing-masing 8 berasal dari Desa dan 8 berasal dari kota, sebagai sampel kemudian mengetes mereka. la memperoleh data sebagaimana DATA-I di bawah. Analisislah data tersebut dengan SPSS untuk membuktikan apakah ada perbedaan pengetahuan politik yang signifikan antara mahasiswa FAl, FISIPOL, dan KEDOKTERAN, yang masing-masing dibedakan juga asal tempat tinggalnya. Apa kesimpulan penelitiannya? Tentu saja anaiisis dilakukan dengan lebih dahulu menguji kedua syarat utamanya, yaitu normalitas dan homogenitas. 2.

Seorang mahasiswa FAI UMY menulis skripsi tentang perbedaan prestasi belajar antara mahasiswa FAI UMY yang tinggal dengan orang tua, tinggal di Unires, dan tinggal di kos-kosan, sekaligus juga membandingkan prestasi belajar mahasiswa laki-laki dan perempuan. Prestasi belajar dilihat dari lPK. Analisislah data yang diperoleh dengan SPSS. Apa kesimpulan penelitiannya? Tentu saja analisis dilakukan dengan lebih dahulu menguji kedua syarat utamanya, yaitu normalitas dan homogenitas.

DATA-1 PENGETAHUAN POLITIK MAHASISWA

ASAL

DESA

KOTA

FAI

FISIPOL

KEDOKTERAN

58

78

55

70

77

60

78

76

55

80

65

68

88

89

58

90

88

59

67

90

60

75

98

58

65

48

77

69 77

58

69

67

49

58

98

68 74

80

77

93

87

78

84

88

78

75

70

45


51

DATA-2 PRESTASI BELAJAR MAHASISWA

IGTAftII!N

LAKI-LAKI

PEREMPUAN

54,

ModulStatistik 2017

ORTU

UNIRES

3.8

2.8

2.8

3.2

2.8

2.5

3.5

2.7 2.6

2.9

3.2

3.0

3.3

2.2

3.2

3.2

2.9

3.1

2.8

3.0

2.9

3.9

3.1

2.7

3.4 2.4

2.7

2.8

2.8

3.9

2.9

3.4

2.8

3.0

3.2

2.9

3.6

3.6

2.7

3.4

2.9

3.0

2.9

2.8

3.4

3.7

3.8

2.9

2.5

3.8

3.5

2.3

2.7

3.8

3.3

4.0

3.4

3.9

3.6

2.2

LAB STATISTIK II MODUL

W.lO

T0PIK: ANAIISIS K0VARIAN 0NAK0UA) PENJELASAN UMUM

Analisis Kovarian (Analysis of Covariance) adalah suatu analisis yang berhubungan dengan dua atau lebih variabel terukur dengan nilai variabel bebasnya tidak ditentukan terlebih dahulu. Variabel bebas terukur dinamakan peragam atau kovarian. Nilai kovarian tidak dipengaruhi oleh nilai variabel lain yang diujikan dalam analisis. Kegunaan Analisis Kovarian (ANACOVA) dalam statistik cukup banyak, di antaranya:

L. 2.

Mengendalikan eror dan meningkatkan ketepatan.

Membantu penafsiran data, khususnya yang berhubungan dengan sifat alami pengaruh perlakuan.

3. Menduga nilaiyang hilang.

€

Prosedur penyelesaiannya di SPSS mirip dengan Analasis Varians (ANOVA), yaitu melewati langkah sebagai berikut (sebagai contoh diambil DATA-1 pada modul ini),

* + 4

Tampilkan program

O

Pada baris kedua kolom Name ketik Matematika pada kolom Label ketik Nilai Matematika, dan pada kolom Type pilih Numeric; dan pada kolom Measure pilih Scale.

0

SPSS.


SPSS


Pada baris pertama kolom Name ketik Metode pada kolom Label ketik Metode Pembelajaran, dan pada kolom Type pilih String; pada kolom Value buatlah value sebagai berikut: 1 = Ceramah; 2 = Peraga;3 = Diskusi; dan pada kolom Measure pilih Nominal.

Pada baris ketiga kolom

Name ketik Statistik; pada kolom Label ketik Nilai Statistik; pada


+ + +

Klik Data View, akan terbuka SPSS Statistik Data Editor. Data disusun dari atas ke bawah. Klik Analyse. Pilih General Linier

Model kemudian klik Univariate. Akan munculjendela

Univariate.

O Q

0 + + + +

Masukkan variabel yang dibandingkan (variable dependen) ke kotak Dependet Variable. Masukkan variabel pembanding (varabel independen) ke kotak Fixed Factor(s). Masukkan kovarian ke covasiance(s). Klik Model. Akan keluar Jendela Univariate: Model.

Klik Custom. Klik nama variabel pembanding kemudian klik anak panah untuk memindahkan nama variabel ke kotak kanan. Klik nama kovarian kemudian klik anak panah untuk memindahkan nama kovarian ke kotak kanan Modul Statistik 2017

+ + + +

+ + +

Klik nama variabel pembanding dan nama kovarian secara berama-sama klik anak panah ke kotak kanan Klik Continue. Klik Model. Akan keluar Jendela Univariate: Model. Klik custom. Klik nama variabel pembanding dan kovarian (sendiri-sendiri) kemudian klik anak panah untuk memindahkan ke kotak kanan. Klik Continue. Klik options. Akan muncurJendeta Univariate: options. Klik (oVERALL) dan nama variabel pembanding kemudian klik tanda panah untuk masukkan keduanya dalam kotak di sebelah kanan.

+

Klik kovarian kemudian klik tanda panah untuk masukkan keduanya dalam kotak di sebelah Kanan.

+ +

Klik Homogenety Test, setelah itu Klik Continue. Klik ol(.

Akan terbuka jendela output sebagai berikut. Levene's Test of Equalitv of Error

Variance_su

uepenctent Variable:NlLAl STATISTIK

rlorffi

21

.1051

33

.901

Tests the null hypot nesrs Inat the errot vaflance of the dependent ve rriable is eoual anr, L/ssrgil: rnrercepl + ME lolJE + MATEMAT

rjects Effects Type

lllsum of

Souares

Source Corrected Model lntercept METODE MATEMAT Error

I

I

Conected Total

Mean Square 3

169.433

1

13.O29

2

123.898 45.352

Total

n,

125.620.

1

32

4549.000

36

170.972

35

1. Grand Mean DepenOent

)lariabte:NtLAt STAT|STt K 95% Confidence lnterval Mean Std. Error Lower Bound Upper Bound 11.029 .198 10.624 11.432 a. Covariates appearing in ttre

mffi

following values; NILAI MATEMATIKA 5.39. =

54

J

,orr,

Starisrik 2017

F

41.873

29.546

169.433 6.515 123.898 1.417

119.551

4.597 87.422

sis. .000 .000 .018 .000

2, METODE PEMBELAJARAN Dependent Variable:NlLAl STAT|STI K METODE 95% Confidence lnterval PEMBELAJARAN CERAMAH PERAGA DISKUSI

Mean 10.202"

Std. Error .350

Lower Bound Upper Bound 9.488 10.915 11.195" .345 10.492 11.897 11 .687' .346 10.983 12.391 a. covariates appearing in the model are evaluated at the following values: NILAI MATEMATIKA = 5.39.

lngat, sama dengan ANOVA, test normalitas data dan homogenitas variance harus dilakukan. Sedang aturan penyimpulannya mirip dengan ANOVA.

KOMPETENSI DASAR

Mahasiswa dapat melakukan Uji ANACOVA untuk menganalisis perbandingan lebih dari dua kelompok sampel, dengan satu variable bebas yang tidak ditentukan terlebih dahulu dengan bantuan SPSS.

TUGAS 1.

Suatu penelitian dilakukan untuk menguji kemampuan statistik dari sejumlah mahasiswa UMy yang diajari dengan tiga jenis metode, "ceramah". "Alat peraga", dan "Diskusi,,. Untuk itu dibuat tiga kelompok mahasiswa yang terdiri dari !2 orang tiap kelompok. Kepada ketiga kelompok ini selama satu bulan diajarkan statistik dengan tiga metode, dimana masing-masing kelompok menggunakan satu metode. Akan tetapi, selain metode, kemampuan dasar matematika juga dipandang ikut mempengaruhi kemampuan statistik mahasiswa, karena itu kemampuan dasar matematika juga dites. Diperoleh data sebagaimana DATA-1 terlampir. Ujilah dengan SpSS apakah ada pengaruh yang nyata dari perbedaan metode terhadap kemampuan statistik (ANAKOVA).

2.

Seorang mahasiswa FAI UMY menulis skripsi tentang perbedaan prestasi belajar antara mahasiswa FAI UMY yang tinggal dengan Orang Tua, tinggal di Unires, dan tinggal di Kos-kosan. Akan tetapi ia juga ingin sekaligus menguji apakah Nilai Ujian Nasional (rata-rata nilai Ujian Nasional)

ikut mempengaruhi prestasi belajar. Diperoleh data sebagaimana DATA-2 terlampir. Uji adakah pengaruh nyata dari perbedaan tempat tinggalterhadap prestasi belajar (ANAKOVA).


55

DATA-1

'i

TI,IATIK.

,.1

MArtr.,

MATIK.

1

8

3

7

8

2

2

I

4

3

9

3

9

3

3

72

7

10

3

13

6

4

9

5

1,4

7

10

6

5

13

9

74

9

12

5

6

15

10

72

8

T2

4

7

5

3

8

2

11

6

8

9

4

LL

3

11

4

9

1.4

8

10

4

t4

7

L0

10

7

13

6

L2

5

L7

L2

6

77

5

7L

5

12

13

8

72

7

13

7

DATA-2

NO

:i

ORTU' !PK

UN

UIEIRES : .j:

:]

KOS

IPK

UN

!PK

UN

1

3.8

9.0

2.8

7.O

2.8

6.7

2

3.2

7.0

2.8

6.5

2.7

3

2.5

7.1,

2.5

6.0

26

4

2.9

7.O

2.2

6.0

3.0

6.0 6.0 7.8

5

3.3

7.8

2.2

6.4

2.2

5.6

6

3.2

7.5

2.9

6.8

3.1

8.0

7

2.8

6.8

3.0

7.8

2.9

7.O

8

3.9

8.0

2.6

5.8

2.7

5.8

9

3.9

9.5

3.4

8.0

2.8

7.O

L0

3.O

7.8

2.2

3.5

7.5

2.6

5.6 5.0

2.9

1L

2.7

8.0 8.0

12

3.4

7.6

29

6.2

3.0

5.O

13

3.2

7.8

2.8

5.0

34

6.4

L4

3.7

7.7

3.8

6.2

2.9

7.9

15

2.5

5.8

2.8

7.O

3.5

6.9

1,6

2.3

6.0

2.7

7..0

3.8

7.O



T0PIK: K0REIASI BIUARIAT PENJELASAN UMUM

Sebagaimana diketahui, di samping analisis komparatif, dikenal juga analisis korelasional yaitu analisis tentang hubungan antara dua variabel atau lebih. Analisis korelasional meliputi korelasi bivariat, yang mencari hubungan antara dua variabel, dan korelasi multivariat, yang mencari hubungan antara lebih dari dua variabel. Analisis korelasi multivariat terdiri dari analisis korelasi ganda dan analisis korelasi parsial. Bedanya adalah korelasiganda mencari hubungan antara lebih daridua variabel independen dengan satu variabel dependen, sedangkan korelasi parsial mencari hubungan antara variabel independen dengan dependen dengan mengontrol variabel ketiga. Korelasi bivariat yang paling populer karena sering digunakan adalah Korelasi Product Moment dari Karl Pearson, KorelasiTau dan Kendall, dan Korelasi Tata Jenjang (Rank Correlation) dan Spearman.

Product Moment mensyaratkan data berskala interval atau rasio, sedangkan Tau dan Tata Jenjang membutuhkan data yang berskala ordinal. Untuk Product Moment, asumsi yang harus dipenuhi adalah: "data harus berdistribusi normal". Di dalam SPSS, ketiga jenis korelasi bivariat itu disajikan dalam kolom yang sama, sehingga pengerjaannya menjadi mudah. Kendatipun demikian, Korelasi Tau dan Tata jenjang sebenarnya dika-

tegorikan ke dalam statistik non-parametrik, karena itu dalam penggunaan dua jenis uji korelasi ini tidak diwajibkan menggunakan asumsi normalitas maupun skala interval dan rasio seperti Product Moment. Aturan penyimpulan dalam perhitungan dengan SPSS sama dengan aturan penyimpulan dalam analisis komparatif, yang dengan melihat signifikansi. Jika sig < 0,05, korelasi dinyatakan signifikan. Jika sig ) 0,5, korelasi dinyatakan tidak signifikan. Prosedur penyelesaiannya diSPSS dari ketiga bentuk korelasi bivariat, sebagaimana dikatakan di atas, sama. Yang berbeda cuma pada pilihan rumusnya saja (sebagaicontoh diambil DATA-1).

+ + +

Tampilkan program

SPSS.


SPSS


.

Pada baris pertama kolom Name ketik Motivasi pada kolom Label

ketik Motivasi Berpresta-

si; pada kolom Type pilih Numeric; dan pada kolom Measure pilih Scale. Pada baris kedua kolom Name ketik Prestasi; pada kolom Label ketik Prestasi Belajar; pada


+ + + + +

Klik Data View, akan terbuka SPSS Statistik Data Editor. Data disusun berjejer ke kanan. Klik Analyse.

Pilih Correlate kemudian klik Bivariate. Akan munculjendela dialog Bivariate Correlations. Masukkan kedua variable ke kotak variables.. Jika ingin melakukan analisis Produc Moment, pilih Pearson. Jika ingin melakukan analisis ko-


relasi Tau pilih Kendall's Tau. Jika ingin melakukan analisis korelasi Tata Jenjang, pilih Spearman.

+

Ktik oK.

Akan munculjendela Output sebagai berikut.

Correlations MOTIVASI Kendall's

tau

b

MOTIVASI BERPRESTASI

Correlation Coefficient Sig. (2-tailed)

PRESTASIBELAJAR

Correlation Coeffi cient Sig. (2-tailed)

BERPRESTASI 1.000

N

N

Spearman's rho MOTIVASI BERPRESTASI

Correlation Coefficient Sig. (2-tailed) N

PRESTASI BELAJAR

PRESTASI

20 .058 .757 20 1.000

BELAJAR .058 .757 20 1.000 20 .050 .836

20

20

Correlation Coefficient

.050

1.000

Sig. (2-tailed)

.836

N

20

20

Cara menarik kesimpulan adalah dengan memperhatikan Signifikansi (ditulis "Sig" pada SpSS), .

dan dengan aturan penyimpulan sebagai berikut (aturan ini berlaku juga untuk analisis komparatif dengan SPSS):

t.

Jika sig

2. Jika 0,0i. < sig s 0,05, perbedaanatau korelasi dinyatakan signifikan. 3. Jika sig > 0,05, perbedaan atau korelasi dinyatan tidak signifikan. KOMPETENSI DASAR

Mahasiswa dapat melakukan analisis korelasi bivariat untuk menganalisis korelasi antara dua variable, dengan bantuan SpSS. TUGAS

t.

Seorang mahasiswa PAI UMY melakukan penelitian untuk mengetahui korelasi antara "motivasi

berprestasi" dengan "kemampuan membaca" mahasiswa FAI UMy. Diperoleh data sebagaimana DATA-1 terlampir. Gunakanlah SPSS untuk menganalisis korelasi tersebut dengan menggunakan rumus korelasiTau maupun Tata Jenjang.

2.

Suatu penelitian dilakukan untuk menguji apakah ada korelasi yang positif dan signifikan antara "religiusitas" dengan "prestasi belajar" mahasiswa FAI UMy.

Untuk memperoleh data tentang tingkat religiusitas, peneliti menggunakan. angket menggunakan skala Likert (Rating Scale), sedangkan untuk data prestasi belajar, si peneliti mengunakan lp Kumulatif. Peneliti menentukan sampelsecara random dan memperoleh data sebagaimana DATA-2 terlampir. Ujilah dengan menggunakan rumus korelasi Product Moment, apakah ada korelasi yang signifikan atau tidak

58


DATA-1 MOTIVASI BERPRESTASI DAN PRESTASI BELAJAR

x

Y

4

2 3

4

4 3 5 5 3

-t

1 5

4 3

4

4

3

5

3 5 5

4

5 3 3 2

3

5

2

7

1

2

5

3

5

3

2

4

2

4

ModulStatistik 2017

DATA-2

RELIGIUSITAS (SKOR PER ITEM KUESIONER) & PRESTASI BELAJAR MAHASISWA (IP KT]MULATIF) RELIGIUSITAS (X)

J

30

JJ

J

4 4

J

4

J

2 4 4 4

2

J

J

J

4

2

2 2

26 20 24

2

t9

5

J

5

J

J

5

J

J

32 25

J

4

J

2 2 2 2

J

2

J

J

2 2 2 4

4 4 2 2 2

J

J

4

2

J

J

J

4

J

J

4

J

J

25 25

4

28

5

5

a

1

J

2

2

4

5

J

4

2 J

4

J

J

5

6 7 8

9 10

2 2 2

I

5

5

3

4

J

4

J

J

2

J

J

J

4 4

I

2

4

5

2 2

5

1

5

4 4

a

2

J

4

5

4 4

5

11

4

t2 l3 t4 l5

5

4 4

5

J

4 4

2

l6

a

J

2

t7

J

1 1

I

J a

J

4 4 4 J

2 2

3l

2

25 23

2

20

2

t9

4

22 27

a

J

18

2

4

J

5

4

J

J

19

2

4

I

I

I

2

1

I

t3

4 2 2

4

4

1

5

29

J

J

2

J

a

ZJ

J

J

2

2

2

2

2 2

2t l8

1

1

1

1

I

1

I

4

J

20

2

4

5

2l

J

J

4

22

J

23

4 4

2 2

24

I

4

25

4

4

26 27 28

J

1

4 J

a

J

a

J a

1

2

29 30

J

1

2

I

60 |

,"or,statistik

2017

a

J

J

J

a

2

2

J

4 2

a

2

J

J

2

2

I I

I I I

J

J

-)

23

4 2 2 2

J

a

J

24

2 J

2 2

20

2

J

t7

11

15

18


T0PIK: K0RELASI PARSIAL PENJELASAN UMUM

Seperti telah dibicarakan dalam modul sebelumnya, analisis korelasional yaitu analisis tentang hubungan antara dua variabel atau lebih meliputi korelasi bivariat, yang mencari hubungan antara dua variabel, dan korelasi multivariat, yang mencari hubungan antara lebih dari dua variabel. Analisis korelasi multivariat terdiri dari analisis korelasi parsial dan analisis korelasi ganda. Bedanya adalah korelasiganda mencari hubungan antara lebih dari dua variabel independen dengan satu variabel dependen, sedangkan korelasi parsial mencarihubungan antara variabel independen dengan dependen dengan mengontrol variabel ketiga. Sama dengan korelasi Product

Moment, Korelasi Parsialjuga mensyaratkan data harus berdistribusi normal. Oleh karena itu, sebelum diuji lebih jauh terlebih dahulu harus diujinormalitas data dari ketiga variabel. Penyelesaian analisis korelasi parsial dengan SPSS mirip dengan analisis korelasi bivariat. prosedurnya adalah sebagai berikut (sebagai contoh diambil DATA-l).

+ + +

Tampilkan program

SPSS.

Klik variabel view pada SPSS Statistik Data Editor

.

Pada baris pertama kolom Name ketik Bahasa pada kolom Label

ketik Kemampuan Bahasa Arab; pada kolom Type pilih Numeric; dan pada kolom Measure pilih scale.. Pada baris kedua kolom Name ketik lslam; pada kolom Label ketik NilaiAl-lslam; pada kolom Type pilih Numeric; dan pada kolom Measure pilih Scale. Pada baris ketiga kolom Name ketik Motivasi; pada kolom Label ketik Motivasi Belajar; pada


+ + + + + +

Klik Data View, akan terbuka SPSS Statistik Data Editor. Data disusun berjejer ke kanan. Klik Analyse. Pilih Correlate kemudian klik Partial. Akan munculjendela Partial Correlations. Masukkan variabel independen dan dependen ke kotak Variabels. Masukkan variabel kontrol ke kotak Controlling for. Klik tombol Options, kemudian pilih Zero-order Correlation (untuk

mengetahui korelasi sebelum ada variabel kontrol). Klik Continue, kemudian klik OK.



61

Correlations Control Variables BAHASA -none-"

BAHASA Correlation Sionifi cance (2-tailed)

df ISLAM

MOTIVASI

Correlation Sionificance (2-tailed) df Correlation Sianificance (2-tailed) A+

MOTIVASI

BAHASA

Correlation

1.000 0

18

18

.068

1.000

.498

ISLAM

Correlation

SigniRcrn"" (2-tailed)

ldf

*

C"tt" contain zero-order (Pearson)

.026

.776 0

18

.503

.498

1.000

.o24

.026

18

18

1.000

-.243

18

0

.316

Significance (2-tailed)

df

MOTIVASI .503 .o24 .776

ISLAM .068

0

17

-.243

1.000

.316 17

0

correlffi

Aturanpenyimpulannyasamadengankorelasibivariat,yaitudenganmelihatsignifikansi.

KOMPETENSI DASAR

Mahasiswadapatmelakukananalisiskorelasiparsialuntukmenganalisiskorelasiantaradua

dengan bantuan SPSS' variable dengan mengontrolvarabel ketiga' TUGAS

L.

antara apakah ada korelasi yang positif dan signifikan Suatu penelitian dilakukan untuk menguji variabel ,,kemampuan Bahasa Arab" dengan 'hiial mata kuliah Al-lslam"' dengan mengontrol FAI UMY' Peneliti men ketiga, yaitu "motivasi belajar" mahasiswa

domdanmemperolehdatasebagaimanaDATA-Iterlampir.Datad tunglahapakahadakore]asiantaraindependendandependensetel ui apakah ada korelasi antara "motivasi belajar" " mahasiswa. Akan tetapi si mahasiswa ingin juga Mahasiswa tersebut kemudian menentukan samana DTA-2 terlampir' Data dikumpulkan dengan dari lP kumulatif' Selidikilah apakah ada korelasi engan mengontrol variable motivasi belajar?

62 i

,"or,statistik

20L7

DATA 1

at

MOTIVASI EEIA'AR

BAHASAARAB

60.0

60.02

tst-AM 78.97

6,-.6

68.64

70.39

66.0

6s.01

89.28

80.4

70.41.

90.45

70.0

77.tL

67.64

65.1

55.32

87.08

s9.2

s8.43

77.64

57.O

57.O4

78.51

66.0

66.03

68.92

s6.5

s6.40

67.09

80.0

78.23

87.63

78.5

80.12

68.28

75.8

76.?3

69.08

68.4

75.43

78.O4

85.0

48.O7

94.06

64.2

60.23

60.27

58.1

58.16

67.36

60.0

s6.08

57.t4

57.4

s4.69

s2.69

77.8

78.O7

75.35


DATA-z.

KEBERMAK-

No.

NMN

HIDUP

STRATEGI

MOTIVASI

PRESTASI

BELA'AR

BEI.AJAR

BELAJAR

(xl)

(x2

)

(x:

1

9.0

8.0

8.4

2

9.1

8.9

8.5

3

9.0

9.0

9.4

4

9.4

9.1

9.0

5

8.5

8.8

8.9

6

9.0

8.9

8.9

7

6,8

6.9

6.7

8

7.0

7.O

7.0

9

7.3

7.4

7.5

10

7.4

7.3

7.3

1,L

6.8

6.5

6.7

L2

6.7

6.7

6.4

13

8.2

8.2

8.2

L4

5.6

5.8

5.8

15

5.8

5.0

6.2

1.6

5.0

5.5

5.5

17

6.0

6.4

6.4

1.8

6.0

6.0

6.1,

19

7.1_

7.7

7.0

20

8.0

7.9

7.7

2L

6.4

6.4

6.4

22

5.9

6.0

5.0

23

5.7

5.9

5.9

24

7.9

7.8

7.8

25

5.8

6.8

5.8

26

8.6

8.6

8.7

27

7.2

7.2

7.3

28

7.0

7.0

7.2

29

6.4

6.4

6.4

30

5.8

5.8

6.0

)

(Y)

4.O 4.O

3.3

3.0 2.O

3.4 2.5

4.0 3.2

3.6 3.2 2.8

2.6 2.2

3.1 3.8 3.0 4.L 1.9 4.O

2.4 2.0 2.4 2.L 2.9

3.0 3.4 2.5 2.2

2.0

6;4'

ModulStatistik 2017


T0PIK: KOREIASI GANDA PENJELASAN UMUM

Berbeda dengan korelasi parsial, untuk korelasi ganda tidak tersedia menu khusus di SPSS. Untuk melakukan uji korelasi ganda dengan SPSS, kita memanfaatkan regresi linier yang ada menu kususnya dalam SPSS. Hanya saja dalam penyimpulan, output yang dimanfaatkan dalam regresi liner hanyalah output

Model Summary (notasi koefisien korelasinya dalah "R"). Penyelesaian analisis korelasi ganda dengan SPSS dengan memanfaatkan regresi linier adalah sebagai berikut (ambil DATA-L sebagai contoh).

+ + +

Tampilkan program

SPSS.

Klik variabel view pada SPSS Statistik Data Editor

.

Pada baris pertama kolom Name ketik Bahasa pada kolom Label

ketik Kemampuan Bahasa Arab; pada kolom Type pilih Numeric; dan pada kolom Measure pilih Scale. Pada baris kedua kolom Name ketik lslam; pada kolom Label ketik NilaiAl-lslam; pada kolom Type pilih Numeric; dan pada kolom Measure pilih Scale.

Pada baris ketiga kolom Name ketik Motivasi; pada kolom Label ketik Motivasi Belajar; pada


+ + +

Klik Analyse.

\)

Masukkan variabel dependen ke kotak Dependent. Dan variabel independen

Klik Data View, akan terbuka SPSS Statistik Data Editor. Data disusun berjejer ke kanan.

Pilih Regression kemudian klik Linier. Akan munculjendela Linier Regression.

L,2,....n ke kotak lndependen.

+ +

Klik Statistics, kemudian klik

R

Squared Change.

Klik Continue, ke'mudian klik OK.


Model Summarv Chanqe Statistics R Square Model 1

Chanqe .297.

F

Chanoe 3.594

df2

df't 2

17

Siq. F Chanoe .050

a. Predictors: (Constant), MOTIVASI BEI-AJAR, KEMAMPUAN B ARAB


65

KOMPETENSI DASAR

Mahasiswa dapat melakukan analisis korelasiganda untuk menganalisis korelasiantara dua atau lebih variable independen dengan satu variabel dependen, dengan menggunakan SPSS. TUGAS

L

Suatu penelitian dilakukan untuk menguji apakah ada korelasiyang positif dan signifikan antara "kemampuan Bahasa Arab" dan "motivasi belaj'ar" dengan "nilai mata kuliah Al-lslam". Peneliti menentukan sampel secara random dan memperoleh data sebagaimana DATA-l terlampir (data untuk Modul W-11). Data dikumpulkan dengan test. Hitunglah apakah ada korelasi antara kemampuan Bahasa Arab dan motivasi belajar dengan nilai mata kuliah Al-lslam?

2. Seorang mahasiswa FAI UMY ingin rnengetahui apakah ada korelasi antara "motivasi belajar",

"strategi belajar", dan "kebermaknaan hidup" dengan "prestasi belajar" mahasiswa. Mahasiswa tersebut kemudian menentukan sample penelitian dan memperoleh data sebagaimana DTA-2 terlampir (data untuk Modul W-11). Data dikumpulkan dengan test, terkecuali prestasi belajar yang diambil dari lP kumulatif. Selidikilah apakah ada korelasi antara keseluruhan variable independent dengan variabel dependen.

56

|

,"or,statistik

20L7


TOPIK: UJI UALIDITAS DAN RELIABILITAS INSTRUMEN

HIEIASAN UMUM Sebagaimana diketahui, Uji Validitas dilakukan untuk melihat apakah alat ukur benar-benar apa yang harus diukur. lbarat mengukur tinggi badan, jangan sampai kita mengukur -ngukur hgi badan dengan timbangan. Sementara itu, Uji Reliabilitas dilakukan untuk mengukur derajat kestabilan dari suatu alat ukur. .tsrgan sampai suatu alat ukur, misalnya angket, hanya dapat digunakan untuk kelompok atau pada

mktu tertentu

saja.

Untuk menguji validitas dan reliabilitas instrumen, ada banyak teknik yang diperkenalkan. Akan Etapi, dalam modul ini untuk Uji Validitas digunakan model pengujian menggunakan pendekatan lorelasi item-total dikoreksi (corrected item-total correlation) untuk menguji validitas internal seliap item pernyataan kuesioner yang disusun. Caranya adalah menguji korelasi antara skor setiap lem kuesioner dengan skor totalnya. Sedangkan untuk Uji Reliabilitas instrumen digunakan metode belah dua atau split half (Guttman Split-Half Coefficient). Caranya adalah item kuesioner dibagi dua dan dicari korelasi dari bagian pertama dan bagian kedua. Berikut ini dijelaskan cara pengujian masing-masing dengan

Il,I

SPSS.

VAL!DITAS

Untuk UjiValiditas maupun reliabilitas, cara penulisan datanya sebagaimana uji korelasi product moment, yaitu setiap item kuesioner dianggap sebagai variabel termasuk total skornya. Sudah itu ikuti prosedur sebagai berikut:

+ + I +

+

Klik Analyse.

Pilih Correlate kemudian klik Bivariate. Akan munculjendela dialog Bivariate Correlations. Masukkan seluruh skor item kuesioner dan skor

total ke kota variabeles..

Pilih Pearson. Ktik oK.

Yang diperhatikan pada output SPSS adalah korelasi antara skor setiap item dengan skor total. Kesimpulannya mirip dengan analisis korelasi biasanya, yaitu jika sig < 0,05, maka item tersebut valid.


67

UJI RELIABILITAS

Untuk Uji Reliabilitas, prosedur pengujiannya dalam

+ + 4 4 +

SPSS

ditunjukkan sebagai berikut:

r

Klik Analyse.

Pilih Scale kemudian klik Reliability Analysis. Akan munculjendela Reliab ility Analysis. Masukkan seluruh skor item kuesioner tanpa skor total ke kota variabeles.. Pada Model pilih Split-Half. Klik oK.

Pada output SPSS akan muncul kotak hasil sebagai berikut (hasilnya menggunakan data contoh).

Cronbach's Alpha

Reliability Statistics Part'l Value

.981

N of ltems

Parl2

Spearman-Brown Coefficient

Value N of ltems Total N of ltems

11"

.972 11b

22

Correlation Between Forms

.955

Equal Lenqth Unequal Length Guttman Split-Half

.977 .977 .977

Coefficient a. The items are: BUTlRl, BUT|R2, BUT|R3, BUT|R4, BUT|RS, BUT|R6, BUT|RT,

BUTIRS, BUTIRg, BUTIRlO, BUTIR11. b. The items are; BUT|R12, BUTIR13, BUT|R14, BUT|R15, BUT|R16, BUT|R17,

BUTIR18, BUTIR19, BUTIR2O, BUTIR21, BUTIR22.

Yang diperhatikan adalah Guttman Split-Half Coefficient. Jika koefisien dalam perhitungan lebih

besar dari koefisien dalam tabel, maka instrumen dikatakan retiabel.

KOMPETENSI DASAR

Mahasiswa dapat melakukan Ujivaliditas dan Reliabilitas instrumen dengan menggunakan

SPSS.

TUGAS

Ujilah apakah instrumen penelitian berupa angket yang telah disusun skor tiap itemnya Valid dan Reliabel. (data disediakan tersendiri) i

t

,1

Modutstatistik 2017


T0PIK: REGRESI tlNlER PENJELASAN UMUM

Kalau sebelumnya telah dibicarakan korelasi yang sejajar, maka dalam modul ini akan dibicara-

kan korelasi yang bersifat "sebab-akibat". Dalam penelitian, lazimnya istilah yang digunakan untuk memisahkan variabel independen dan dependen bukanlah "korelasi" akan tetapi "pengaruh". Salah satu alat analisis yang populer untuk menghitung pengaruh independen variabel terhadap

dependen variabel adalah regresi linier. Alat analisis ini terdiri dari dua jenis jenis, yaitu regresi liner sederhana dengan satu variabel independen dan satu variabel dependen, dan analisis regresi liner berganda yang terdiri dari satu dependen variabel dependen dan lebih dari satu variabel independen. Rumus regresi liner sederhana ditunjukkan sebagai berikut:

Y=a+bx dimana y adalah variabel dependen; x adalah variabel independen; a adalah sebuiah konstanta, dan b adalah koefisien dari x. Rumus regresi linier berganda ditunjukkan sebagai berikut: y=a+

bLxl + b2x2 +......... + bnxn

dimana y adalah variabel dependen; x1 adalah variabel independen pertama; x2 adalah variabel independen kedua; xn adalah variabel independen ke n; a adalah sebuah konstanta; b1 adalah koefisien dari x1; b2 adalah koefisien darix2; dan bn adalah koefisien darixn.

Prosedur penggunaan SPSS sebagaimana yang pernah kita bicarakan dalam korelasi parsial, yaitu (Sebagai contoh diambil DATA-I pada Modul W-11, tapi independen variabel hanya diambil motivasi belajar. lnput data sama dengan korelasi).

+ + +

Klik Analyse.

Pilih Regression kemudian klik Linier. Akan munculjendela Linier Regression. Masukkan variabel dependen ke kotak Dependent. Dan variabel independen

L,2,....n ke kotak lndependen

+ +

Klik Statistics, kemudian klik

R

Squared Change.

Klik Continue, kemudian klik OK.

Untuk regresi linier sederhana akan muncul hasil analisis sebagaimana contoh berikut:


69

Mode! Summaryb Std. Error Adjusted R Model

R

R Square

Chanqe Statistics

of the

R Square

Square

Estimate .206 10.20782

Chanqe

.498" 248 a. Predictors: (Constant), MOTIVASI b. Dependent Variable: ISLAM 1

.248

Sig. F F Chanqe

dfz

df1

5.925

Chanoe 18

1

.026

ANOVAb Model Reoression Residual

1

Sum of Souares 617.408

Total

df

Mean Square 1

617.408

1875.591

18

104.200

2492.999

19

Sio.

F

5.92s

.026.

a. Predictors: (Constant), MOTIVASI b. Dependent Variable: ISLAM

Coefficients" Standardized U

Model 1

(Constant)

nstandardized Coefficients B Std. Error 30.636 18.080

MOTIVASI a. Dependent Variable: ISLAM

.643

.264

Coefficients Beta

Sq

t

.498

1.694

.107

2.434

.026

Ada tiga hal yang harus diperhatikan dalam output SPSS, yaitu, pertama, ANOVA untuk melihat berapa signifikansi dari regresi; kedua, Coefficients, untuk melihat konstanta (a) dan koefisien (b);

ketiga, Model Summary, untuk melihat berapa R dan R square (R kuadrat). Pada table ANOVA dapat kita temukan bahwa signifikansihla = 0,026. Dapat dilihat bahwa sig < 0,05, yang berarti bahwa ada pengaruh positif yang signifikan dari motivasi belajar terhadap nilai AIK.

Dengan memperhatikan koefisien, kita dapat menentukan persamaan garis regresi, di mana a = 30,636 dan b =0,643 (dilihat pada tabel Coefficients). Dengan demikian persamaan garis regresinya

adalah: Y = 30,536 + 0,543 X. Dalam tabel Model Summery kita dapatkan R kuadrat= 0,248. R kuadrat disebut juga Koefisien Diterminasi. Angka 0,248 menunjukkan bahwa pengaruh motivasi belajar terhadap prestasi belajar

adalah sebesar 24,8%.lni berarti pengaruh variabel lain adalah sebesar tOO% - 24,8% = lS,2%o.

Untuk regresi linier, syarat data sama saja dengan statistic parametrik lainnya, yaitu data harus berskala interval atau rasio. Hanya saja asumsi klasik yang harus diuji dan dipenuhi agak lebih banyak, yaitu ada empat. Asumsi klasis untuk analisi regeresi dijelaskan sebagai berikut.

Normalitas Data. Tentang uji normalitas data telah kita bicarakan di Jadi cukup jelas.

b4ian bagian sebelumnya.

Multikolinieritas, Model regresi yang baik mensyaratkan tidak adanya masalah multikolinieritas. Heteroskedastisitas. Model regresi yang baik mensyaratkan tidak adanya masalah heteroskedastisitas.

70


Autokorelasi. Model regresi yang baik mensyaratkan tidak adanya masalah autokorelasi. Menguji tiga asumsi klasik yang belum pernah kita bicarakan dengan Spss dilakukan sekaligus dengan analisis regresinya. Jadi sebelum klik OK, lakukan langkah-langkah berikut:

d + + + +

+ +

waktu mengklik tombol statistics, pilih collinierity untuk menguji Multikolinieritas (uji ini

hanya untuk regresi linier berganda). Pilih juga Durbin-Watson, untuk menguji Autokorelasi. Klik Continue. Klik Plots, akan terbuka kotak Liner Regression: plot.

Masukkan *ZRESID (Standardized Residual) ke Kotak Y. Kemudian masukkan *ZpRED (Standardized Predicted Value) ke kotak X. Langkah ini untuk menguji Heteroskedastisitas. Pilih Normal Probability Plot, kalau ingin mengecek Normalitas Data dengan diagram. Klik Continue, kemudian klik OK.

ll

Untuk regresi linier berganda kita menggunakan DATA-2 pada Modulw-Lz,tetapi variabel Motivasi Belajar tidak diikutkan. Akan muncul hasil analisis sebagaimana contoh berikut:

Std. Error of the

Estimate a. Predictors:

STRATEGI, MAKNA Variable: PRESTASI

STRATEGI, MAKNA Variable: PRESTAST

Goefficients"

Model 1

(Constant)

Unstandardized

Standardized

Coefficients B Std. Error 2.474 .919

Coefficients Beta

MAKNA .753 STRATEGI -.687 a. uependent Vartable: pRESTASI

.547 611

Collinearitv Statistics t

So.

2.692

.012

1.376

.180

-1.079 -1.124

271

1.321

Tolerance .036 .036

VIF

.27.964 27.9M


71

I;

1

Residuals Statistics' Minimum Predicted Value

2.4629

Residual

1.04573

Maximum 3.7585 1.33706

3.45

Std. Predicted Value -2.100 Std. Residual -1.519 a. Dependent Variable: PRESTASI

1.5,p,2

Mean 2.9533 .00000 .000 .000

Std. Deviation

.23U8 .6&420

1.000 .965

Normal P-P Plot of Regreseion Standardized Residua!

Dependent Variable: FRESTASI

."

5 o o. E

= o .E al

(r

at

q.

x

IIJ

Ohrerved Cum Prob

Scatterplot

Dependent Variable : FRESTASI

E

ct= {t

c. E o .! !

0O

tE

E tr fi

w

c

E

o

.9

otl

o

a o

E,

u2 Regression Standardized Predicted Value

7,


N

30 30 30 30

output regresi linier berganda sama seperti regresi linier sederhana, ada juga tiga hal yang harus diperhatikan dalam output sPSS, yaitu, pertama, ANovA untuk melihat berapa signifikansi dari regresi; kedua, coefficients, untuk melihat konstanta (a) dan koefisien (b); ketiga;ffi;i ;rrr;;;; untuk melihat berapa R dan R square (R kuadrat). sedangkan untuk uji asumsi klasik, outputnya dapat dilihat dalam hasil di atas, yaitu:

untuk Multikolinieritas, dapat dilihat dalam Tabel coefficients di kolom collinearity statistics.

Lihat Tolerance dan vlF. Jika Tolerance > 0,1- dan vtF < 10, maka dapat disimpulkan tidak terjadi

m u ltikolin

ieritas.

Untuk Heteroskedastisitas, dapat dilihat pada scatter plot. Jika titik-titik menyebar secara tidak teratur di atas dan di bawah angka 0 pada sumbu Y, maka pada modet regresi tidak terjadi masa la

h h eteroskedastisitas.

Untuk Autokorelasi, dapat dilihat dalam Tabel Model Summary pada kolom Durbin-Watson. Uraian berikut ini menunjukkan bagaimana asumsi autokorelasi diuji. Pada Model summary kita sudah memperoleh nitai d (Durbin-watson) yaitu !,7g7.

selanjutnya kita menetukan dL dan dU sebagaimana tertulis dalam Tabel Durbin-watson. Untuksignifikansi =0,05;n=30dank=2(n=jumlahsampel,dank=jumlahvariabel independen) diperoleh dalam taber dL r,2g37 dan du = = L,56G6. Untuk keperluan perrhitungan lanjut kita perlu menghitung 4 - dU dan 4 - dL. Diperoleh 4 dU = 2,4334, sedangk an 4 - dL = 2,1163. Aturan penyimpulannya adalah: dU < d < 4

- dU, tidak terjadi autokorelasi.

d < dL, atau d > 4

-

dL< d < dU, atau

4-dU

dL,terjadi autokorelasi.
<4-dL, tidak

ada kesimpulan.

Selanjutnya lihat grafik berikut.

dL 1,2937

dU 1,5666

4-du

4-dL

2,4334 2,7163

-

(d = !,7871, yang berarti tidak terjadi au< Dari grafik di atas daPat diketahui bahwa du < d du tidak dapat dilanjutkan. tokorelasi. Kalau salah satu asumsi tidak terpenuhi maka regresi KOMPETENSI DASAR baik sederhana maupun berganda unMahasiswa dapat melakukan analisis dengan regresi linier terhadap variabel dependen' semuantuk menguji ada tidaknya pengaruh dari variabel independen ya dengan menggunakan SPSS. TUGAS

L.

ada pengaruh yang positif dan signifikan dari Suatu penelitian dilakukan untuk menguji apakah ,,Kemampuan Bahasa Arab" terhadap "Nilai Mata Kuliah Al-lslam", Peneliti menentukan samData dikumpulkan pel secara random dan memperoleh data sebagaimana DATA-I terlampir. dan dependen setelah variabel dengan test. Hitunglah apakah ada korelasi antara independen ketiga dikontrol?

persamaan garis (hitung berapa signifikansi dari regresi; hitung berapa R Squre; tulislah gresinya; uji asumsi klasik).

2.

Re-

ada pengaruh dari "nTotivasi belajar", Seorang mahasiswa FAr UMy ingin mengetahui apakah ,,strategi belajar", dan "kebermaknaan hidup" terhadap "prestasi belajar" mahasiswa' Mahapenelitian dan memperoleh Uata sebagaimana siswa tersebut kemudian menentukan sample apakah ada pengaruh dari variable DTA-2 terlampir. Data dikumpulkan dengan test. selidikilah independen terhadap dependen dengan' tulislah persamaan garis Re(hitung berapa signifikansi dari regresi; hitung berapa R gresinya; uji asumsi klasik).

I

74 | I

vtodulStatistik 2017

DATA

I

KEMAMPUAN BAHASA ARAB DAN NILAIAL-ISLAM BAI{A5A'ARAE 60.02

AL I5I.AM

58.54

70.39

65.01

89.28

70.41

90.45

77.!L

67.64

65.32

87.08

58.43

77.64

57.O4

78.51

66.03

68.92

56.40

67.O9

78.23

87.63

80.12

68.28

76.33

69.08

75.43

78.04

48.O7

94.06

60.23

60.27

68.16

57.36

56.08

57.14

54.69

52.69

78.O7

75.35

78.97


[,"*

DATA-2.

76

1,

10

10

8

4

2

10

9

9

4

3

9

8

9

4

4

9

9

7

4

5

8

9

9

3

6

9

8

6

3

7

6

6

7

3

8

7

5

8

3

9

7

7

7

3

10

7

7

6

3

1,L

5

6

5

2

12

6

6

4

I

2

13

7

5

2

74

5

5

5

2

15

5

6

6

2

76

5

5

6

3

L7

6

5

7

3

18

6

5

7

3

79

7

7

8

3

20

8

8

9

3

21

6

8

7

4

22

5

5

9

4

23

4

5

5

4

24

4

5

5

3

25

5

6

6

3

26

7

5

5

3

27

8

7

7

2

28

7

7

7

2

29

5

6

5

2

30

5

5

5

3

Modulstatistik 2017

LAMPIRAN

Tabel Durbin-Watson (DWl, o = 5%

k=2

k=1

k=3

(=5

k=4

n

dt

dU

dt

dU

dt

dU

dt

Du

dL

dU

10

0 8791

L,3T97

0.6972

1.6473

0.5253

2.0163

0.3750

2.4L37

0.2427

2.82t7

11

o.91:t3

L.3247

0.7580

t.6044

0.5948

1.9280

o 444r

2.2833

0.3155

2.6446

t2

0.9708

1.3314

o.8t22

]^-5794

o.5577

1.8640

0.5120

2.L766

0.3796

2.5061

13

1.0097

1.3404

0.8612

1.5627

o.7L47

1.81s9

0.5745

2.0943

o.4/'45

2.3897

t4

1.0450

1.3503

0.9054

1.5507

o.7667

t.7788

o.6327

2.0296

0.5052

2.2959

15

7.O770

1.3605

0.9455

1.5432

0.8140

L.750r

0.68s2

1.9774

0,5620

2.2798

16

1.1062

1.3709

0.9820

1.s386

o.a572

t.7277

0.7340

1.9351

0.61s0

2.L567

T7

1.L330

t3a12

1.0154

1.s351

0.8968

t.7tol

o.7790

1.9005

o-5541

2.to4l

18

t.r576

1.3913

1.0461

1.5353

0.9331

1.6951

0.8204

1.8719

0.7098

2.0600

19

t.Lao4

L.4012

7.O743

1.5355

0.9666

1.6851

0.8588

1.8482

o.7sz3

z.0226

20

1.201s

L.4tO7

1.1004

1.s367

0.9976

L.6763

0.8943

1.8283

0.7918

1.9908

27

t.2212

1.4200

t.1246

1.5385

t.0262

1 5594

o.9272

1.8116

0 8286

1.9635

22

1.2395

1.4289

L.L47l

1.s408

1.0529

1.6640

0.9578

7.7974

0 8629

1.9400

23

L.2567

t.4375

1.1682

1.5435

7.O778

1.5597

0.9864

1.7855

0.8949

1.9196

24

L.2728

14458

1.1878

L.5464

1.1010

1.6565

1.013L

L.77s3

o.9249

1.9018

25

t.2479

L.4537

1.2063

1.5495

L.t228

1.6s40

1.0381

1.7666

0.9530

1.8863

26

r.3022

t.45t4

t.2236

1.s528

t.t432

1.6523

1.0516

1.7597

o.9794

L 8727

27

1.3t57

1.4688

L.2399

1.5562

1.1624

1.5510

1.0836

L.7527

L.0042

1 8608

28

73244

L.4759

1.2553

1.5595

1.180S

1.6503

L.to44

t.7473

1.Ozt6

1.8502

29

1.3405

1.4828

L.2699

1 5531

1.t976

L.6499

t.t247

7.7426

L 0497

1.8409

30

1.3520

1.4894

t.2837

1.5666

1.2138

1.6498

t.t426

1.7386

1.0706

1.8326

31

1.3530

t.4957

L.2969

1.5701

L.2292

1.6500

L.7602

L.7352

1,0904

L.8252

32

L.3734

1.501.9

1.3093

1.5736

7.2437

1 5505

L.1769

r.7323

1.L092

r.8187

33

1.3834

1.5078

7.3272

1.5770

1.2576

1.6511

t.t927

7.7298

7.1270

1.8t28

34

1.3929

1.5136

1.332s

1.5805

T.2707

1.6519

t.2078

7.72-71

1.1439

1.8076

35

t.40L9

1.5 191

1.3433

1.5838

1.2833

1.5528

L.2227

t.7259

1.1601

1.8029

36

t.4LO7

1.5245

t.3537

1.5872

1.2953

1.6539

1.2358

L.7245

L.t75s

L.7987

37

1 4190

L.s297

1.3635

1.5904

1.3068

1.6550

L.2489

1.7233

1.1901

1.7950

38

L.4270

1.5348

1.3730

1.5937

L.3777

1.6s63

t.26t4

L.7223

t.2042

t.7975

39

t.4347

1.5396

1.3821

1.5969

1.3283

t.6575

L.2734

L.7275

7.2176

1.7886

40

t.4421

L.5444

1.3908

1.6000

1.3384

1.5589

t.2848

t.7209

1 2305

L.7859

47

7.4493

1.5490

1.3992

1.6031

1.3480

1.6603

1.2958

L.2428

1.783s

42

7.4552

1.5534

7.4073

1.6061

t.3s73

L.66t7

1.3054

t-720s I.7202

1.2546

L.78t4

43

7.4628

L.5577

1.4151

1.6091

1.3663

L.6632

1.3155

7.7200

1.2660

L.7794

44

L.4692

1.5619

L.4226

L6t20

r.3749

t.6647

1.3263

1.7200

t.2769

r.7777

45

1.5660

t.4298

1.5148

1.3832

t.6662

L.3357

t.7200

L.2874

t.7762

1.5700

1.4358

t.6776

7.39L2

t.6677

L.3448

Lt20r

1,.2976

1.7748

47

t.4754 L.48t4 t.4872

1,5739

r.4435

7.6204

1.3989

1.6692

1.353s

1.7203

L.3073

r.7736

48

7.4928

t.5776

1.4500

7.623t

L.4064

1.6708

1.3519

L.7206

t.3L67

49

L.4982

1.5813

t.4564

t.62s7

L.4136

1.6723

1.3701

t.72to

1 3258

t.7725 t.77L6

50

1.5035

1.5849

L.4625

1.6283

r

4206

L.6739

1.3779

1.3346

L.7708

51

1.5086

1 5884

I

4644

1.6309

t.4273

1.6754

1.3855

1.72t4 L7218

1,3431

52

1.5135

7.5917

1.474t

L.6334

1.4339

t.6769

t.3929

1.7223

1.3512

t.7707 t.7694

53

1.5183

1.5951

1.4797

1-6359

L.4402

L.5]85

1.4000

L.7228

7.3592

7.7689

54

1.5230

1.s983

1.4851

1.5383

r.4464

1.6800

1.4069

t.7234

1.3559

t.7584

55

L.5276

1.5014

1.4903

1.6406

r.4523

1.6815

1.4136

1.7240

1.3r43

t.7681.

56

1.5320

1.5045

L 4954

t.6430

1-.4581

1.6830

t.420t

7.7246

1.3815

t.7678

57

1.5363

1.6075

1.5004

1.6452

L.4637

1.684s

1.4264

L.7253

1.3885

L.767s

58

1.5405

1.6105

1.5052

L.6475

7.4592

1.6860

L.4325

L.7259

1.3953

t.7673

59

t.5446

1.6134

1.5099

t.6497

1.4745

1.6875

1.4385

L.7266

1.4019

L.7672

60

1.5485

L.6t62

L.5t44

1.6518

L.4797

1.6889

t.4443

7.7274

1.4083

T,767L

51

L.5524

1.6189

1.s189

1 6540

L.4847

L.6904

IM99

L.728L

1.4L46

1.7677

46


BAGIAN U

KUMPULAN MODUL STATISTIK NON.PARAMETRIK

LAB STATISTIK II MODUL

W.l6

T0PIK: CHI SOUARE (KAI KUADRAT) PENJELASAN UMUM

Sebelum Modul W-l-6, yang kita bicarakan adalah Statistik Parametrik, walaupun ada juga dua rumus korelasi yang dikatergorikan non-parametrik ikut dibicarakan, yaitu Tau dan Tata Jenjang. Hal ini dilakukan karena pertimbangan praktis semata, sebab di dalam SPSS, kedua rumus tersebut dimuat dalan satu kotak bersama Product Moment. Dalam modul ini kita membicarakan sepenuhnya Statistik Nonparametrik, terutama untuk analisis komparatif, kendatipun mengingat terbatasnya waktu kuliah, hanya beberapa hal saja yang dibi-

carakan secara khusus. Penjelasan berikut ini memperlihatkan beda statistik parametrik dan statistik non parametrik:

Statistik Parametrik : dig u nakan

u ntu k meng $i parameter populasimelalui sfatrsfik, atau menguji ukuran populasi melalui data sampel. Pengertianp arameterpopulasiadalah data yang diperoleh dengan mencatatsemua elemen yang menjadiobyek penelitian dan merupakan nilaiyang sebenarnya (true value). Sedangkan pengertian sfafisfikdisiniadalah data yang diperoleh darisampeldan merupakan nilai perkiraan (estimated value). Parameterpopulasiantara lain meliputi : rara-rata (p), simpangan baku (o), varians (o2). Sedangkan statistiknya adalah : rata-rata (x bar), simpangan baku (s)dan varians (s2). Uji Hipotesis Statistik : ialah pengujian parameter melaluistatistik (data sampel). Oleh karena itu penelitian yang berhipotesis statistik adalah penelitian yang menggunakan data

.

sampel.

Statistik Non Parametrik: tidak mengujiparameterpopulasi, tetapi mengujidistribusi. Penggunaan statistik Parametrikdan Non Parametriktergantung padaasumsidan jenis data yang akan dianalisis. Statistik Parametrik memerlukan terpenuhi banyak asumsr. antara lain asumsiyang utama adalah data yang dianalisis harus berdlstribusi norma{ selanjutnya dalam

penggunaansalahsatutestmengharuskan dalahomogin,dalamregresiharusterpenuhi asumsi linieritas. Statistik Non Parametriktidakmenuntutterpenuhibanyak asumsi, misalnya data yang dianalisis tidak harus berdistribusi normal. Oleh karena itu statistik non parametrik sering disebut sebagai

d

istribusi bebas (free distribution)

Statistik Parametrik banyakdigunakan untuk menganalisis data interualdan rasio. Sedangkan Statistik Non Parametrik banyak digunakan untuk untukmenganalisis data nominaldan ordinal.


79

Kuadrat, BinoAda beberapa jenis statistik non-parametrik yang sering digunakan, seperti Chi lndependen' Uji Permial, Runs, One Sample Kolmogrov-smirnov Test, Ujia Perbedaan Dua Sampel Akan tetapi bedaan K Sample lndependen, Uji Dua Sampel Berkorelasi, Uji K Sampel Berkorelasi' hanya dibicarakan mengingat terbatasnya waktu kuliah, dalam mata kuliah ini ini secara khusus Uji Perbedaan Dua sampel analisis non-parametrik untuk fenomena komparatif, yang terdiri dari (Kai Kuadrat)' lndependen, Uji Perbedaan Beberapa Sampel lndependen, dan Chi Square menyelidiki

terutama untuk Khusus Untuk Kai Kuadrat dapat dijelaskan bahwa penggunaannya juga disebut Uji Keselarasan (Goodapakah distribusidata seragam atau tidak. Uji Kai Kuadrat sering

of Fit Test), karena tujuannya untuk menguji keselrasan distribusi data' berskala ordinal, maka Kai Kalau untuk rau dan Tata Jenjang data yang dibutuhkan adalah data berikut ini memperlihatkan Kuadrat memerlukan data yang berskala nominal atau ordinal. Tabel prosedur pengcontoh data berskala nominal yang selanjutnya akan digunakan untuk menjelaskan

ness

gunaan SPSS untuk melakukan uji Kai Kuadrat' senangnya terhaAndaikan seorang guru ingin mengetahui apakah para siswanya sama saja UntUk membUat dap metOde "Ceramah+Tanyalawab", "DiSkUSi", "POrtOfOliO", atau "WOrkShOp"' = ringkas penulisan metode-metode itu diberi kode sebagai berikut: L = Ceramah+Tanya-jawab;2 yang dihasilkan berskala nominal, Diskusi; 3 = portofolio, dan 4 = workshop. Perhatikan bahwa data hanya memperlihatkan berapa jumlah siswa yang menyenangi metode tertentu'

METODE YANG DISUKAI STSWA METODE

80

NO

PILIHAN

1,

L

2

L

3

7

4

2

5

3

6 7

4 4

8

4

9

3

10

3

L1.

4

L2

1,

1_3

2

L4

2

1,5

2

L5

3

t7

3

18

3

L9

4

20

4

21

1.

22

1

23

2


Prosedur penggunaan SPSS untuk pengujian menggunakan Kai Kuadrat ditunjukkan sebagai berikut.

* + .) + *

Tampilkan program SpSS Klik variabel view pada SPSS Statistik Data Editor Pada kolom Name ketik Metode; pada kolom Label ketik Metode Yang Disenangi, pada kolom Value buatlah value, yaitu 1 = Ceramah, 2 = Diskusi, 3 = Portofolio, 4 = Workshop. pada kolom Type pilih Numeric, sedangkan pada kolom Measure pilih Nominal.

Klik Data View, akan terbuka SPSS Statistik Data Editor. Masukkan data ke dalam kolom Metode (Cukup kodenya yang ditulis)..

Q

Selanjutnya klik Analysis kemudian klik Nonparametrik Tests, selanjutnya klik Chi Square. Akan terbuka jendela Chi Square Test.

+

Blok Nama Variabel di kolom kiri dan pindahkan ke kolom kanan dengan mengklik Tanda Panah.

+

Ktik oK.

Outputnya akan muncul dalam tampilan sebagai berikut:

c

i:

METODE Observed N

Expected N

Residual

1

5

58

8

2

6

.3

3

6

5.8 5.8

4 Total

6

58

.3

3

23

Test Statistics METODE Chi-Square

.1

30"

df 3 Asvmo. Sio. .988 a. 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell

frequency is 5.8.

Selanjutnya kesimpulan ditarik dengan melihat besarnya signifikansi; jika sig < O.05 dapat disimpulkan ada perbedaan senangnya siswa. Jika sig > 0.05, perbedaannya tidak signifikan. KOMPETENSI DASAR

Mahasiswa dapat melakukan analisis untuk menguji keselarasan distribusi data dengan Kai Kuadrat, memanfaatkan SPSS. TUGAS

!-

Seorang dosen FAI UMY mencoba menyelidiki apakah ada kesalarasan distribusi data pemahaman statistik dari 30 mahasiswa. la memperoleh data sebagaimana DATA-1. terlampir. Selidikilah apakah pemahaman statistik para mahasiswa itu relatif selaras ataukah ada perbedaan nilaiyang signifikan.


8l

2. Data asal SMTA dari sejumlah

mahasiswa PAI UMY ditunjukkan dalam DATA-2 terlampir.. Selidikilah apakah ada perbedaan distribusi asalSMTA dari para mahasiswa tersebut ataukah tidak.

DATA-1

PEMAHAMAN STATISTIK MAHASISWA

NO. RESP.

PEMAHAMAN

L

BAIK SEKALI

z

BAI(

3

BAIK

4

SEDANG

5

SEDANG

6

BAIK

7

KURANG

8 9

KURANG

10

KURANG SEKALI

LL

BAIK SEKALI

12

BAIK

SEDANG

L3

SEDANG

L4

KUIRANG

15

KURANG SEKALI

16

KURANG

L7

BAIK

18

SEDANG

t9

SEDANG

20

KURANG

27

KURANG

22

KURANG SEKALI

23

SEDANG

24

KURANG

25

SEDANG

26

BAIK

27

BAIK

28

SEDANG

29

BAIK

30

KURANG

DATA-2 ASAL SMTA MAHASISWA PAI UMY

NO. RESP.

ASAL SMTA

t

SMA

2

SMA

3

SMK

4

SMK

5

MA

6

9

MA SMA SMA MA

10

SMA

7t t2

PESANTREN

7

8

13

SMA SMA

L4

PESANTREN

1.5

SMK

15

MA

L7

SMA

18

SMA

L9

PESANTREN

20

MA

21,

SMA

22

SMA

MA

23

24

"u

SMK

25

SMA

26

SMA

27

SMK

28

MA

29

SMK

30

SMA


83


T0PIK: ANALISIS KORELASI DENGAN KAI KUADRAT DAN KOEFISIEN KONTINGENSI PENJELASAN UMUM

Pada Modul W-15 yang dibicarakan adalah penggunaan Kai Kuadrat untuk menyelidiki keragaman distribusi data untuk satu sampel. Pada modul ini, pembicaraan akan dilanjutkan untuk melihat pemanfaatan Kai Kuadrat untuk menganalisis hubungan antara dua variabel dengan data yang berskala nominal ataupun ordinal. Di samping Kai Kuadrat, dalam SPSS pada kotak yang sama ada juga pilihan-pilihan analisis lain seperti Koefisien Kontingensi (Contingency Coefficient); Phi and Cramer's V; Lamda; Uncertainty Coefisien, kalau data berskala nominal. Sedangkan kalau data berskala ordinal ada pilihan-pilihan analisis seperti Gamma; Somer'sd; Kendal's Tau b; Kendal's Tau c.

Dalam Modul W-16 yang akan kita bicarakan dibatasi pada apa yang sering digunakan, mengingat terbatasnya waktu kuliah, yaitu Kai Kuadrat dan Koefisien Kontingensi. Akan tetapi perlu dijelaskan, dalam analisis kali ini dimanfaatkan apa yang dikenal dalam statistik deskriptif sebagai "Tabel silang" yang sudah dibicarakan dalam Modul w-3.

Sebagai contoh digunakan data dengan skala nominal yang memperlihatkan hubungan antara kediaman dan kesenangan terhadap metode pembelajaran, sebagaimana tabel di halaman berikut. Untuk membuat ringkas, penulisan metode-metode itu diberi kode sebagai berikut: L = Ceramah+Tanya-jawab; 2 = Diskusi; 3 = Portofolio, dan 4 = Workshop. Sedangkan untuk kediaman, kodenya adalah sebagai berikut: 1 = Desa; 2 = Pinggiran; 3 = Kota.

Prosedur penggunaan SPSS untuk pengujian menggunakan Kai Kuadrat ditunjukkan sebagai berikut.

+

Tampilkan program

SPSS


+

SPSS


Pada baris pertama kolom Name ketik Kediaman; pada kolom Label ketik Kediaman Siswa, pada kolom Value buatlan value, yaitu 1= Desa, 2 = Pinggiran, 3 = Kota. Pada kolom Type pilih

Numeric, sedangkan pada kolom Measure pilih Nominal. Pada kolom Name ketik Metode; pada kolom Label ketik Metode Yang Disenangi, pada kolom Value buatlah value, yaitu 1 = Ceramah, 2 = Diskusi, 3 = Portofolio, 4 = Workshop. pada

kolom Type pilih Numeric, sedangkan pada kolom Measure pilih Nominal.

+

Klik Data View, akan terbuka

+

Masukkan data ke dalam kolom Kediaman dan Metode (Cukup kodenya yang ditulis). Selanjutnya Klik Analyze, kemudian Descriptive Statistics, dan pilih Crosstabs. Akan muncul tampilan sebagai berikut.

SPSS



85

Blok Kediaman di kolom kiri dan pindahkan ke Row (s) di kolom kanan dengan mengklik Tanda Panah. Kemudian blok Metode di kolom kiri dan pindahkan ke Column (s) di kolom kanan.

+

Klik Statistics. Akan keluar kotak crosstabs: statistik sebagai berikut.

Klik Chi Square. Kalau sekaligus juga ingin dilihat hasil analisis koefisien kontingensi, klik Con-

tingensi coefficient.

+

Klik Continue dan akan kembali ke kotak sebelumnya.

+

Ktik oK.

Outputnya akan munculdalam tampilan sebagai berikut:

86


liaaa ____

_

.Dra^^-^l r vvveerrrv

eqtt[Ic]y

Cases Valid N

KEDIAMAN SISWA

Missing

Percent 23

N

Total

Percent

100.0o/o

0

- METODE YANG

N

Percent 23

.0%o

100.0%

DISENANGI

KEDIAMAN SISWA - METODE YANG DISEN ANGI Crosstabuli rfian Count

I

I

METoDEYA WORK

CERAMAH

KEDIAMAN SISWA

D SKUSI

SHOP

Total

DESA

4

4

0

0

PINGGIRAN

1

2

4

2

KOTA

I

0

0

2

4

b

5

6

6

6

23

Total

8

Chi-Square Tests

a. 12 cells (100.0%) have expected count ress than 5. The minimum expected count is 1.30.

N of Valid Cases

Selanjutnya kesimpulan ditarik dengan metihat besarnya signifikansi; jika sig s o.05 dapat disimpulkan ada koreJasi yang signifikan' Jika sig > 0.05, korelasinya tidak signifikan. Hat ini berlaku baik untuk Kai Kuadrat maupun untuk Koefisien Kontingensi.


ASAL KEDIAMAN DAN METODE YANG DISUKATSISWA

NO

ASAL KEDIAMAN

METODE PILIHAN

1

1

1

2

2

I

3

L

2

4

2

2

5

3

3

6

3

4

7

3

4

8

2

4

9

2

3

10

3

3

LL

3

4

L2

1

L

13

1

2

14

1.

2

L5

2

2

1_6

2

3

t7

2

3

18

2

3

L9

3

4

20

2

4

2t

1

t

22

L

L

23

L

2

KOMPETENSI DASAR

Mahasiswa dapat melakukan analisis Korelasi dengan menggunakan Kai Kuadrat dan Koefisien Kontingensi memanfaatkan SPSS. TUGAS 1.

Seorang mahasiswa PAI UMY melakukan penelitian untuk mengetahui korelasi antara "motivasi

berprestasi" dengan "kemampuan membaca" mahasiswa FAI UMY. Diperoleh data sebagaimana DATA-I terlampir. Gunakanlah SPSS untuk menganalisis korelasi'tersebut dengan menggunakan Kai Kuadrat. 2. Pimpinan Fakultas Agama lslam

di Universitas Maju-Mundur bermaksud meneliti hubungan

antara "Asal SMTA" dan "Pilihan Jurusan" dari para mahasiswanya. la memperoleh data sebagaimana DATA-2 (data nominal)terlampir. Bantulah,pimpinan fakultas tersebut untuk menganalisis datanya.

l..ce,J


DATA-1 MOTIVASI BERPRESTASI DAN PRESTASI BEI.AJAR MAHASISWA FAI UMY

x

Y

4

2

4

3

4

1

3

1

5

5

5

4

3

3

4

4

3

5

3

5

5

3

5

3

4

2

3

6

2

L

7

2

5

3

5

3

2

4

2

4

KETERANGAN.

Untuk Motivasi dan Prestasi, kodenya sama sebagai beerikut: 5 = BaikSekali; 4 = Baik; 3 Sedang; 2 = Kurang; 1 = KurangSekali


DATA-2 ASAL SMTA DAN PIL'HAN JURUSAN MAHASISWA FAI UMY

NO

ASALSMIA

7

7

PILIHAN JURUSAN 1

2

1,

3

2

3

4

2

3

5

1

7

6

3

3

7

3

1.

8

2

3

9

2

3

10

7

2

11

3

2

1.2

2

3

13

3

t

1,4

1.

2

15

3

2

2

KETERANGAN: ASAL SMTA: L= Swasta lslam; 2 = Negeri; 3 = Sawasta Lain PILIHAN JURUSAN: L= Tarbiyah;

2 = Dakwah; 3 = Syariah


LAB STATISTIK II M()DUT W.18

TOPIK: UJI PERBEDAAN SAMPEL INDEPENDEN PENJELASAN UMUM

Uji Perbedaan Dua Sampel lndependen. Untuk analisis perbedaan dua sampel independen dapat digunakan Uji Mann-Whitney U. Menulis datanya di SPSS sama dengan menulis data untuk Uji Perbedaan Dua Sampel lndependen pada statistik parametrik. Prosedur pengujiannya dengan SpSS adalah sebagai berikut:

+ + + + +

Klik Analyse dan pilih Nonparametric Test.

Pilih 2 lndependent Samples. Akan munculjendela 2 lndependent Samples Test. Masukkan variabel dependen ke kotak Test Variable List dan variabel independen ke kotak Grouping Variable. Pilih Uji Mann-Whitney U. Klik Define Groups. Masukkan kode 1 ke dalam Group 1, dan kode 2 ke dalam Group 2 lalu klik Continue. Klik oK.

Outputnya akan muncul dalam tampilan sebagai berikut: Mann-Whitney Test Ranks KELAMIN NILAI

N

1

30

2

30

Total

60

Mean Rank 34.67 26.33

Sum of Ranks 't040.00 790.00

Test Statistics" N LAI

Mann-\Mitney Wilcoxon W

U

325.000 790.000

z Asymp. Siq. (2{ailed) a. Grouping Variable: KELAMIN

-1.852 .064

Selanjutnya kesimpulan ditarik dengan melihat besarnya signifikansi; jika sig s O.05 dapat disimpulkan ada beda nyata antara keduanya. Jika sig > 0.05, perbedaannya tidak.signifikan.

Uji Perbedaan Beberapa Sampel lndependen. Untuk uji perbedaan beberapa sampel independen dapat digunakan Uji Kruskal-Wallis. Uji ini biasanya digunakan untuk sampelyang jumlah relatif sama. Penulisan datanya di SPSS mirip dengan di atas. Prosedur pengujiannya dengan SPSS adalah sebagai berikut:


91

+ + + + +

+

Klik Analyse dan pilih Nonparametric Test.

Pilih K. lndependent Samples. Akan munculjendela K. lndependent Samples Test. Masukkan variabel dependen ke kotak Test Variable List dan variabel independen ke kotak Grouping Variable. Pilih Kruskal-Wallis H. Klik Define Groups. Masukkan kode 1 ke dalam Minimum, dan kode k ke dalam k Maksimum lalu klik Continue. Besarnya k tergantung berapa kelompok yang dibandingkan. Kalau tiga

kelompok maka k = 3, dan seterusnya. Ktik oK.

Outputnya akan muncul dalam tampilan sebagai berikut: Kruskal-Wallis Test Ranks JENJANG KINERJA

N

40 43

SD

SMTP SMTA

41

Mean Rank 99.46

45.33 44.45

124

Total

Test Statistics",b KINERJA Chi-Square

df Asvmo. Sio. a. Kruskal Wallis Test

62.755 2

.000

b. Grouoino Variable: JENJANG

Selanjutnya kesimpulan ditarik dengan melihat besarnya signifikansi; jika sig< 0.05 dapat disimpulkan ada beda nyata antara keduanya. Jika sig > 0.05, perbedaannya tidak signifikan.

Untuk melihat mana yang lebih baik, kita perhatikan Man-Rank. Dalam contoh di atas ternyata Kinerja Kepala SD Muhammadiyah lebih baik dariSMTP dan SMTA.

KOMPETENSI DASAR

Mahasiswa dapat melakukan analisis komparatif dengan menggunakan Statistik Nonparametrik, memanfaatkan 5PSS. TUGAS

L.

Suatu penelitian dilakukan untuk menguji perbedaan budaya sekolah antara SD Muhammadiyah "Maju" dengan SMA Muhammadiyah "Gentar". Peneliti menggunakan angket dengan Skala Likert (1- 5) untuk mengumpulkan data. Jumlah skor kemudian ditulis dalam bentuk tabel sebagaimana DATA 1- terlampir. Uji apakah terdapat perbedaan budaya sekolah yang signifikan antara SDM "Maju" dan SMAM "Gentar".

92


2.

Mahasiswa FAI UMY melakukan penelitian untuk mengetahui perbedaan kompetensi guru antara SD Negeri A, SD Muhammadiyah B, dan SD Katholik C. Data dikumpulkan dengan angket yang menggunakan Skala Likert (1- 5). Skor total ditunjukkan dalam tabel sebagaimanj.DATA 2 terlampir. Selidikilah apakah terdapat perbedaan kompetensi guru antara ketiga sekolah tersebut.

DATA 1 PERBEDAAN BUDAYA SEKOLAH

77 68 77 83 69 66 60 82 71

79 57 80 61

70 82 73 74 74 63 77 53 23 70 70 73 54

90 83 86 84

31

35 31

32 35 33 38 22 27 24 22 24 23 18 18 18 18 18 29 51

27 33 22 30 31

32 38 43 23 40


93

DATA 2 PERBEDAAN KOMPETENSI GURU

77 68 77 83 69 66 60 82 71

79 57 80 61 70 82 73 74 74 63 77 53 23 70 70 73 54 '90

83 86 84 46 69


88 47 53 59 27 64 74 86 59 57 45 63 37 35 47 60 65 30 33 40 26 41

44 58 32 75 18 58 46 46 86 86 84

55 18 18 18 19 19 24 18 27 18 18 18 18 35 43 56 25 25 36 26 77 68 35 18 38 45 49 42 37 20 61

61

)\,f)\+t * "\:{ )\av$r,),y;t, c)ib. o\'i:)\ yvrlr Jr) KATA PENGANTAR

Recommend Documents