2015
MATERI PELATIHAN PENGOLAHAN DATA SPSS NURRATRI KURNIA SARI, S. Pd., M. Pd
MENGENAL SPSS SPSS adalah sebuah program aplikasi yang memiliki kemampuan analisis statistik cukup tinggi serta sistem manajemen data pada lingkungan grafis dengan menggunakan menu-menu deskriptif dan kotak-kotak dialog yang sederhana sehingga mudah untuk dipahami cara pengoperasiannya. Beberapa aktivitas dapat dilakukan dengan mudah dengan menggunakan pointing dan clicking mouse. SPSS banyak digunakan dalam berbagai riset pemasaran, pengendalian dan perbaikan mutu (quality improvement), serta riset-riset sains. SPSS pertama kali muncul dengan versi PC (bisa dipakai untuk komputer desktop) dengan nama SPSS/PC+ (versi DOS). Tetapi, dengan mulai populernya system operasi windows. SPSS mulai mengeluarkan versi windows (mulai dari versi 6.0 sampai versi terbaru sekarang).Pada awalnya SPSS dibuat untuk keperluan pengolahan data statistik untuk ilmu-ilmu social, sehingga kepanjangan SPSS itu sendiri adalah Statistikal Package for the Social Sciens. Sekarang kemampuan SPSS diperluas untuk melayani berbagai jenis pengguna (user), seperti untuk proses produksi di pabrik, riset ilmu sains dan lainnya. Dengan demikian, sekarang kepanjangan dari SPSS Statistical Product and Service Solutions. SPSS dapat membaca berbagai jenis data atau memasukkan data secara langsung ke dalam SPSS Data Editor. Bagaimanapun struktur dari file data mentahnya, maka data dalam Data Editor SPSS harus dibentuk dalam bentuk baris (cases) dan kolom (variables). Case berisi informasi untuk satu unit analisis, sedangkan variable adalah informasi yang dikumpulkan dari masing-masing kasus. Hasil-hasil analisis muncul dalam SPSS Output Navigator. Kebanyakan prosedur Base System menghasilkan pivot tables, dimana kita bisa memperbaiki tampilan dari keluaran yang diberikan oleh SPSS. Untuk memperbaiki output, maka kita dapat mmperbaiki output sesuai dengan kebutuhan. Beberapa kemudahan yang lain yang dimiliki SPSS dalam pengoperasiannya adalah karena SPSS menyediakan beberapa fasilitas seperti berikut ini:
Data Editor. Merupakan jendela untuk pengolahan data. Data editor dirancang sedemikian rupa seperti pada aplikasi-aplikasi spreadsheet untuk mendefinisikan, memasukkan, mengedit, dan menampilkan data. Viewer. Viewer mempermudah pemakai untuk melihat hasil pemrosesan, menunjukkan atau menghilangkan bagian-bagian tertentu dari output, serta memudahkan distribusi hasil pengolahan dari SPSS ke aplikasi-aplikasi yang lain. Multidimensional Pivot Tables. Hasil pengolahan data akan ditunjukkan dengan multidimensional pivot tables. Pemakai dapat melakukan eksplorasi terhdap tabel dengan pengaturan baris, kolom, serta layer. Pemakai juga dapat dengan mudah melakukan pengaturan kelompok data dengan melakukan splitting tabel sehingga hanya satu group tertentu saja yang ditampilkan pada satu waktu. High-Resolution Graphics. Dengan kemampuan grafikal beresolusi tinggi, baik untuk menampilkan pie charts, bar charts, histogram, scatterplots, 3-D graphics, dan yang lainnya, akan membuat SPSS tidak hanya mudah dioperasikan tetapi juga membuat pemakai merasa nyaman dalam pekerjaannya. Database Access. Pemakai program ini dapat memperoleh kembali informasi dari sebuah database dengan menggunakan Database Wizard yang disediakannya. Data Transformations. Transformasi data akan membantu pemakai memperoleh data yang siap untuk dianalisis. Pemakai dapat dengan mudah melakukan subset data, mengkombinasikan kategori, add, aggregat, merge, split, dan beberapa perintah transpose files, serta yang lainnya.
1
Electronic Distribution. Pengguna dapat mengirimkan laporan secara elektronik menggunakan sebuah tombol pengiriman data (e-mail) atau melakukan export tabel dan grafik ke mode HTML sehingga mendukung distribusi melalui internet dan intranet. Online Help. SPSS menyediakan fasilitas online help yang akan selalu siap membantu pemakai dalam melakukan pekerjaannya. Bantuan yang diberikan dapat berupa petunjuk pengoperasian secara detail, kemudahan pencarian prosedur yang diinginkan sampai pada contoh-contoh kasus dalam pengoperasian program ini. Akses Data Tanpa Tempat Penyimpanan Sementara. Analisis file-file data yang sangat besar disimpan tanpa membutuhkan tempat penyimpanan sementara. Hal ini berbeda dengan SPSS sebelum versi 11.5 dimana file data yang sangat besar dibuat temporary filenya. Interface dengan Database Relasional. Fasilitas ini akan menambah efisiensi dan memudahkan pekerjaan untuk mengekstrak data dan menganalisnya dari database relasional. Analisis Distribusi. Fasilitas ini diperoleh pada pemakaian SPSS for Server atau untuk aplikasi multiuser. Kegunaan dari analisis ini adalah apabila peneliti akan menganalisis file-file data yang sangat besar dapat langsung me-remote dari server dan memprosesnya sekaligus tanpa harus memindahkan ke komputer user. Multiple Sesi. SPSS memberikan kemampuan untuk melakukan analisis lebih dari satu file data pada waktu yang bersamaan. Mapping. Visualisasi data dapat dibuat dengan berbagai macam tipe baik secara konvensional atau interaktif, misalnya dengan menggunakan tipe bar, pie atau jangkauan nilai, simbol gradual, dan chart.
Bagian Data Editor
2
Keterangan: Name digunakan untuk memberi keterangan nama varoabel Type untuk memmilih jenis data yang direkam Width untuk mengatur lebar koom dalam hasil analisis Decimal digunakan untuk menentukan jumlah angka di belakang koma Label digunakan untuk memberikan keterangan pada variabel Value digunakan untuk mengatur keterangan untuk data variabel Missing digunaka untuk mengatur data hilang/ tidak lengkap Column digunakan untuk mengatur lebar lebar kolom dalam data view Align digunakan untuk mengatur jenis penataan Measure digunakan untuk menentukan jenis skala pengukuran data DESKRIPSI DATA Data pasien di RS Umum kota Surakarta sebagai berikut; No 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15.
Nama Adelia Erick Anggoro Amelia Lidya Liana Cicil Andre Agus Lana Mely Diana Oon Dodi Agung
Tinggi 165 170 171 166 165 167 166 173 175 174 163 164 170 171 172
Berat 45 60 65 50 46 49 44 70 71 73 65 67 75 74 70
Gender Wanita Pria Pria Wanita Wanita Pria Wanita Pria Pria Pria Wanita Wanita Pria Pria Pria
Pendidikan SMU SMU Sarjana Akademi Sarjana Akademi SMU Akademi SMU Sarjana Akademi Sarjana Sarjana Akademi Sarjana
Masukan data di atas pada input SPSS
3
Pada memberi label nomor pada varabel gender dan pendidikan Klik variabel view >> Value pada variabel gender Masukkan kolom value “1” dan label “Pria” klik add, Masukkan kolom value “2” dan label “Wanita” klik add >> OK
Lakukan seperti pada variabel “Pendidikan” DESKRIPSI DATA 1. Frekuensi Tujuan : Mengetahui frekuensi data yang diambil secara acak Analyze >> Deskripsi Statistic >> Frekuensi
4
Masukkan Gender dan Pendidikan ke kolom Variabel >> OK Hasil “OutPut” Gender Frequency Valid
Percent
Valid Percent
Cumulative Percent
Pria
9
60.0
60.0
60.0
Wanita
6
40.0
40.0
100.0
15
100.0
100.0
Total
Pada hasil “Gender” diatas dapat disimpulkan bahwa Frekuesi pria sebanyak 9 dengan presentase 60%, sedangkan Wanita sebanyak 6 dengan presentase 40%. Pendidikan Frequency Valid
Percent
Valid Percent
Cumulative Percent
SMU
4
26.7
26.7
26.7
Akademi
5
33.3
33.3
60.0
Sarjana
6
40.0
40.0
100.0
15
100.0
100.0
Total
Pada hasil “Pendidikan” diatas dapat disimpulkan bahwa Frekuesi SMU sebanyak 4 dengan presentase 26,7%, Akademi sebanyak 5 dengan presentase 33,3%, sedangkan Sarjana sebanyak 6 dengan presentase 40%.
5
2. Deskriptive Tujuan : Mengetahuia Sebaran data (Mean, median, Modus, Standar Deviasi dll) Analyze >> Deskripsi Statistic >> Deskriptive
Masukkan BB dan Tinggi pada kolom variabel Klik options (pilih Sebaran data yang ingin kita ketahui) Continue >> OK
6
Hasil “output SPSS” Descriptive Statistics N
Minimum
Maximum
Sum
Mean
Std. Deviation
Variance
Tinggi
15
163.00
175.00
2532.00
1.6880E2
3.87667
15.029
BB
15
44.00
75.00
924.00
61.6000
11.55607
133.543
Valid N (listwise)
15
3. Explore Tujuan : Mengetahui Frekuensi dan Sebaran Data (Mean, median, Modus, Standar Deviasi) berdasarkan per kategori Analyze >> Deskripsi Statistic >> Explore
Masukkan “Tinggi dan BB” pada kolom Dependent List, Masukkan “Gender dan Pendidikan” pada kolom Factor List >> OK Hasil Output SPSS Descriptives Gender Tinggi
Pria
Statistic Mean
1.7144E2
95% Confidence Interval for Lower Bound
1.6960E2
Mean
Upper Bound
.80123
1.7329E2
5% Trimmed Mean
1.7149E2
Median
1.7100E2
Variance
Std. Error
5.778
7
Std. Deviation
2.40370
Minimum
167.00
Maximum
175.00
Range
8.00
Interquartile Range
3.50
Skewness
-.329
.717
.302
1.400
Mean
1.6483E2
.47726
95% Confidence Interval for Lower Bound
1.6361E2
Kurtosis Wanita
Mean
Upper Bound
5% Trimmed Mean
1.6487E2
Median
1.6500E2
Variance
1.367
Std. Deviation
BB
Pria
1.6606E2
1.16905
Minimum
163.00
Maximum
166.00
Range
3.00
Interquartile Range
2.25
Skewness
-.668
.845
Kurtosis
-.446
1.741
Mean
67.4444
2.78444
95% Confidence Interval for Lower Bound
61.0235
Mean
73.8654
Upper Bound
5% Trimmed Mean
68.0494
Median
70.0000
Variance Std. Deviation
69.778 8.35331
Minimum
49.00
Maximum
75.00
Range
26.00
Interquartile Range
11.00
Skewness Kurtosis
-1.582
.717
2.313
1.400
8
Wanita
Mean
52.8333
95% Confidence Interval for Lower Bound
41.8987
Mean
63.7680
Upper Bound
5% Trimmed Mean
52.5370
Median
48.0000
Variance
108.567
Std. Deviation
4.25376
1.04195E1
Minimum
44.00
Maximum
67.00
Range
23.00
Interquartile Range
20.75
Skewness Kurtosis
.831
.845
-1.838
1.741
TRANFORMASI DATA 1. Recode Tranformasi data pada Recode merupakan perubahan bentuk data yang paling sederhana adalah pengkategorian data numerik menjadi data kategorik.
9
Mengelompokkan Pendapatan tinggi, sedang, rendah; Pendapatan tinggi : di atas 4000 Pendapatan sedang : 3900-2000 Pendapatan rendah : di bawah 1900 Langkah-langkah dalam transformasi data: Dari menu utama, pilihlah: Transform < Recode < Into Different Variable…. 2. Compute
Berdasarkan data tersebut, kita ingin menghitung tabungan masing-masing responden (yang berasal dari pendapatan dikurangi konsumsi), yang akan digunakan untuk pengolahan data lebih lanjut. Untuk melakukan itu, klik Transform > Compute Variable UJI PRASYARAT 1. UJI NORMALITAS Tujuan: Untuk mengetahui distribusi data, apakah berbentuk distribusi normal atau tidak. Contoh Masalah: 1. Apakah data uang saku berdistribusi normal? 2. Apakah data motivasi belajar berdistribusi normal? 3. Apakah data prestasi belajar berdistribusi normal? Kasus: Berikut ini disajikan data tentang Usia, berat badan dan kadar gula darah pasien: Kadar Gula Kadar Gula Usia Berat Badan Darah Usia Berat Badan Darah 50 58 108 45 63 118 60 45 150 45 46 114 65 54 104 65 57 107 55 48 120 55 49 142 40 61 110 45 55 144 35 54 125 40 48 139 65 52 105 30 58 147 90 50 110 25 52 108 35 58 108 45 60 110 30 60 110 65 54 121 45 48 134 50 56 100 25 62 128 60 53 109 30 44 117 40 61 111 Ujilah apakah ketiga variabel di atas memiliki distribusi normal? Ujilah dengan menggunakan taraf signifikansi 5%! Langkah-langkah dalam menganalisis 10
1. Rekamlah data tersebut ke dalam tiga kolom: Kolom pertama data tentang Uang Saku Kolom kedua data tentang Motivasi Belajar Kolom ketiga data tentang Prestasi Belajar 2. Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = X1, Label = Uang Saku) Baris kedua (Name = X2, Label = Motivasi Belajar) Baris ketiga (Name = Y, Label = Prestasi Belajar) 3. Simpanlah data tersebut dengan nama Latihan Uji Normalitas 4. Lakukan analisis dengan menggunakan menu Analyze → Deskripsi Statistik → eksplore 5. Masukkan semua variabel ke kotak Dependent List sehingga akan terlihat seperti berikut:
6. Pilih Plot → klik Normality plot with test
7. Klik continue → klik OK sehingga akan muncul hasil analisis: Tests of Normality a
Kolmogorov-Smirnov Statistic
df
Sig.
Shapiro-Wilk Statistic
df
Sig.
11
X1
.141
26
.194
.943
26
.162
X2
.105
26
.200
*
.959
26
.364
Y
.210
26
.004
.872
26
.004
a. Lilliefors Significance Correction *. This is a lower bound of the true significance.
1. Tabel di atas menunjukkan hasil analisis uji normalitas terhadap ketiga variabel di atas. Bagian yang perlu dilihat untuk keperluan uji normalitas adalah bagian kolom Kolmogorov-Smirnov Z dan Sig. Dengan asumsi sebagai berikut, a. nilai Sig ≥ 0,05 maka data berdistribusi normal, b. Sig < 0,05 maka distribusi data tidak normal. 2. Berdasarkan hasil analisis di atas diperoleh untuk variabel X1 = usia nilai Z K-S sebesar 0,141 dengan sig 0,194. Oleh karena nilai sig tersebut lebih besar dari 0,05 maka dapat disimpulkan bahwa data variabel usia pasien berdistribusi normal. 3. Bagaimana dengan variabel lainnya? Buatlah kesimpulannya! 2. UJI LINIERITAS Tujuan: Untuk mengetahui linearitas hubungan antara variabel bebas dengan variabel terikat. Contoh Masalah: Apakah hubungan antara variabel uang saku dengan variabel prestasi belajar berbentuk garis linear? Apakah hubungan antara variabel motivasi belajar dengan variabel prestasi belajar berbentuk garis linear? Kasus: Berikut ini disajikan data tentang Usia, berat badan dan kadar gula darah pasien: Tekanan Tekanan darah darah Usia Koresterol Usia Koresterol Sistolik Sistolik 45 65 238 128 213 138 45 90 195 170 196 134 65 35 240 124 207 127 55 30 198 140 199 162 45 45 211 130 205 164 50 25 204 145 243 159 60 30 202 125 208 167 65 25 200 130 202 128 55 45 208 128 210 130 40 65 210 130 204 141 35 50 198 154 206 120 50 60 212 148 203 129 60 40 194 137 211 131 40 80 230 110 150 115 Ujilah apakah hubungan antara variabel usia dengan variabel dalam tekanan darah berbentuk linear? Ujilah apakah hubungan antara variabel kadar koresterol dengan variabel tekan darah berbentuk linear? Gunakan taraf signifikansi 5%! 12
Langkah-langkah dalam menganalisis 1. Rekamlah data tersebut ke dalam tiga kolom: Kolom pertama data tentang Usia Kolom kedua data tentang Koresterol Kolom ketiga data tentang Tekanan darah 2. Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = X1, Label = Usia) Baris kedua (Name = X2, Label = Koresterol) Baris ketiga (Name = Y, Label = Tekanan darah) 3. Simpanlah data tersebut dengan nama Latihan Uji Linearitas 4. Lakukan analisis dengan menggunakan menu Analyze >> Compare Means >> Means… 5. Masukkan seluruh variabel bebas (X1 dan X2) ke dalam kotak Independent List dan masukkan variabel terikatnya (Y) pada kotak Dependent List. Sehingga akan terlihat seperti berikut:
Klik tombol Option >> klik Test for linearity >> klik Continue Klik OK sehingga akan muncul hasil analisis: ANOVA Table Sum of Squares Y * X1
Between
Mean Square
F
Sig.
3128.264
10
312.826
1.453
.239
973.196
1
973.196
4.521
.048
2155.068
9
239.452
1.112
.405
Within Groups
3659.450
17
215.262
Total
6787.714
27
Groups
(Combined)
df
Linearity Deviation from Linearity
Print out yang dihasilkan dari analisis ini sebenarnya cukup banyak namun untuk kepentingan uji linearitas yang perlu ditafsirkan hanyalah print out ANOVA Table seperti terlihat di atas. Yang perlu dilihat adalah hasil uji F untuk baris Deviation from linearity. Kriterianya adalah jika nila sig F tersebut kurang dari 0,05 maka hubungannya tidak linear, sedangkan jika nilai sig F lebih dari atau sama dengan 0,05 maka hubungannya bersifat linear. 13
Berdasarkan hasil analisis di atas menunjukkan bahwa nila F yang ditemukan adalah sebesar 1,112 dengan sig 0,405. Oleh karena nilai sig tersebut lebih dari 0,05 maka dapat disimpulkan bahwa hubungan antara variabel uang saku dan prestasi belajar bersifat linear.
UJI BEDA 1. UJI One-sample t-test Tujuan: digunakan untuk menguji perbedaan rata satu kelompok Kasus: Diperoleh data dari sebuah rumah sakit JIH, jumlah pasien selama 20 hari. Bagian administarasi menyatakan bahwa dalam 20 hari itu, terdapat rata-rata jumlah pasien dirumah sakit JIH sebanyak 20 orang. Uji hipotesis apakah benar pernyataan diatas. Hari 1 2 3 4 5 6 7 8 9 10
Jumlah Pasien 15 19 21 24 23 25 20 25 26 22
Hari
Jumlah Pasien 26 22 23 23 20 19 18 28 21 22
Langkah-langkah dalam menganalisis 1. Rekamlah data tersebut ke dalam satu kolom: Kolom data tentang Jumlah pasien 2. Simpanlah data tersebut dengan nama Latihan Uji One-samples t-test 3. Lakukan analisis dengan menggunakan menu Analyze >> Compare Means >> Means… Klik OK sehingga akan muncul hasil analisis: One-Sample Test Test Value = 20 95% Confidence Interval of the Difference t Pasien
3.003
df
Sig. (2-tailed) 19
.007
Mean Difference 2.10000
Lower .6365
Upper 3.5635
Hasil uji t ditemukan nilai t sebesar 3,003 dengan sig (2-tailed) 0,007. Oleh karena nilai sig < 0,05 maka dapat disimpulkan bahwa ada perbedaan rata-rata perkiraan rata-rata jumlah Pasien dengan jumlah pasien pada data.
14
2. UJI T-Test Tujuan: Digunakan untuk menguji perbedaan rata dua kelompok yang saling bebas Kasus: Berikut ini disajikan data angket pada pengguna ruang yang dilengkapi detektor asap rokok dengan alarm berbasis mikrokontroler dengan detektor asap rokok dengan alarm berbasis makrokontroler Pengguna detektor asap rokok dengan alarm
Pengguna detektor asap rokok dengan alarm
Mikrokontroler Makrokontroler
Mikrokontroler Makrokontroler
80 100 110 96 86 130 115 105 105 115 121
79 112 100 86 86 125 121 99 111 98 88
99 121 114 111 122
98 100 88 100 93
90 95 114 131 82 110 100 116 141
88 94 100 78 81 93 110 104 77
96 95
122 78
120 99 75 78 111
Ujilah apakah ada perbedaan penggunaan detektor asap rokok dengan alarm berbasis mikrokontroler dengan detektor asap rokok dengan alarm berbasis makrokontroler? (Gunakan taraf signifikansi 5%) Langkah-langkah dalam menganalisis 1.) Rekamlah data tersebut ke dalam dua kolom: Kolom pertama data tentang jenis detektor dengan kode 1 untuk mikrokontrol, dan 2 untuk makrokontrol Kolom kedua data tentang Responden 2.) Berilah keterangan data tersebut dengan menggunakan variable view. 3.) Simpanlah data tersebut dengan nama Latihan Independent t test 4.) Lakukan analisis dengan menggunakan menu Analyze >> Compare Means >> Independent Samples t test 5.) Masukkan variabel Responden ke Test Variables dan alat ke Grouping Variable 6.) Klik tombol Define Groups lalu isikan 1 pada kotak Group 1 dan isikan 2 pada kotak Group 2 lalu klik Continue, sehingga akan terlihat seperti berikut:
15
Klik OK sehingga akan muncul hasil analisis seperti berikut: Group Statistics alat responden
N
Mean
Std. Deviation
Std. Error Mean
Mikrokontrol
27
1.0741E2
15.18921
2.92317
makrokontrol
32
96.6250
14.43953
2.55257
Penafsiran print out hasil analisis: # Bagian Descriptive di atas menampilkan hasil analisis statistik deskriptifnya seperti rata per kelompok, standar deviasi, dan standar error Independent Samples Test Levene's Test for Equality of Variances
t-test for Equality of Means 95% Confidence Interval of the Sig. (2-
F responden
Equal variances assumed Equal variances not assumed
Sig. .099
t
df
tailed)
Mean
Std. Error
Difference Difference
Difference Lower
Upper
.755 2.791
57
.007
10.78241
3.86390 3.04508
18.51973
2.778
54.292
.007
10.78241
3.88079 3.00285
18.56196
Yang perlu ditafsirkan dalam bagian ini adalah pengujian homogenitas varians (Levene’s test for equality of variances). Jika nilai signifikansi pengujian F ini lebih kecil dari 0,05 maka varians kedua kelompok tidak homogen sehingga uji yang digunakan adalah separate t test (t bagian bawah pada print out di atas), sedangkan jika nilai signifikansi pengujian F ini lebih besar atau sama dengan 0,05 maka varians kedua kelompok homogen sehingga uji yang digunakan adalah pooled t test (t bagian atas pada print out di atas). 16
Hasil pengujian F di atas menunjukkan bahwa nilai F sebesar 0,099 dengan sig. 0,755. Oleh karena nilai sig > 0,05 maka varians kedua kelompok tersebut homogen. Oleh karena uji t yang digunakan adalah t yang bagian atas (Pooled t test/equal variances assumed). Hasil uji t ditemukan nilai t sebesar 2,791 dengan sig (2-tailed) 0,007. Oleh karena nilai sig < 0,05 maka dapat disimpulkan bahwa ada perbedaan rata-rata tanggaan antara detektor mikrokontrol dan makrokontrol. Oleh karena nilai rata-rata tanggapan pengguna detektor mikrokontrol lebih tinggi dibandingkan detektor makrokontrol (lihat bagian print out descriptive) maka dapat disimpulkan bahwa alat detektor mikrokontrol lebih baik daripada makrontrol.
3. PAIRED T TEST Tujuan: Digunakan untuk menguji perbedaan rata-rata dua kelompok yang saling berpasangan Kasus: Efek Suplementasi Vitamin A Terhadap Sensitivitas Kontras Penderita Defisiensi Vitamin A. Berikut ini disajikan data nilai sebelum dan sesudah penggunaan suplementasi vitamin A terhadap Sensitivitas Kontras Penderita defisiensi vitamin A; Sebelum 66 61 68 69 63 74 73 83 72 74 80 80 74 74 83 80 78 74 74
Sesudah 71 87 85 76 73 80 74 94 78 76 80 74 74 75 74 76 79 90 84
Sebelum 64 65 68 67 60 75 77 81 78 73 72 86 76 88 70 69 72 70 84
Sesudah 85 92 88 90 68 67 85 81 88 78 92 76 77 73 75 83 80 77 85
Ujilah apakah ada perbedaan antara nilai pre test dan nilai post test? Jika ada perbedaan, manakah di antara keduanya yang nilainya lebih baik? (Gunakan taraf signifikansi 5%) Langkah-langkah dalam menganalisis 1.) Rekamlah data tersebut ke dalam dua kolom: 17
2.) 3.) 4.) 5.)
Kolom pertama data tentang Nilai Sebelum Kolom kedua data tentang Nilai Sesudah Berilah keterangan data tersebut dengan menggunakan variable view. Simpanlah data tersebut dengan nama Latihan Paired t test Lakukan analisis dengan menggunakan menu Analyze >> Compare Means >> Paired-Samples t Test... Masukkan variabel sebelum dan sesudah ke Paired Variables, sehingga akan terlihat seperti berikut:
Klik OK sehingga akan muncul hasil analisis seperti berikut: Paired Samples Statistics Mean Pair 1
N
Std. Deviation
Std. Error Mean
sebelum
73.5526
38
6.86825
1.11418
sesudah
80.0000
38
6.90476
1.12010
Penafsiran print out hasil analisis: # Bagian di atas menampilkan hasil analisis statistik deskriptifnya seperti rata per pasangan, standar deviasi, dan standar error Paired Samples Correlations N Pair 1
sebelum & sesudah
Correlation 38
-.062
Sig. .714
Bagian di atas menampilkan hasil analisis korelasi antara kedua pasangan data. Koefisien korelasinya adalah sebesar -0,062 dengan sig 0,714. Hal ini menunjukkan bahwa kedua pasangan data tersebut tidak berkorelasi.
18
Paired Samples Test Paired Differences 95% Confidence Interval of the
Mean Pair 1
sebelum sesudah
Difference
Std.
Std. Error
Deviation
Mean
Lower
Upper
1.62777
-9.74555
-3.14919
-6.44737 10.03426
Sig. (2t -3.961
df 37
tailed) .000
Bagian di atas menampilkan hasil uji beda rata-rata antara nilai pre test dan post test. Hasil pengujian ditemukan bahwa nilai t sebesar -3,961 dengan sig (2 tailed) 0,000. Hal ini menunjukkan bahwa ada perbedaan antara nilai sebelum dengan sesudah penggunaan suplemen vitamin A dan oleh karena nilai t yang ditemukan negatif maka hal ini menunjukkan bahwa sebelum pengguan lebih baik daripada nilai sesdah penggunaan suplemen vitamin A. 4. ONE WAY ANOVA Tujuan: Digunakan untuk menguji perbedaan rata untuk lebih dari dua kelompok yang saling bebas. Contoh Masalah: 1.) Apakah ada perbedaan Asuhan pada Pasien Pre, Intra dan Pasca Bedah pada Kasus Kebidanan? 2.) Apakah ada perbedaan pengetahuan imunisasi ibu rumah tangga berpendidikan sarjana, akademi dan SMU;
Kasus: Berikut ini disajikan data angket pengetahuan KB antara Ibu rumah tangga yang berasal dari desa, pinggiran dan kota: Pengetahuan KB Desa Pinggiran Kota 64 85 72 65 92 86 68 88 76 67 90 88 60 68 70 75 70 90 77 85 83 81 81 80 78 88 84 73 78
19
Ujilah apakah ada perbedaan Pengetahuan KB ibu yang berasal dari Desa, Pinggiran dan Kota? Jika ada perbedaan, manakah di antara ketiganya yang memiliki pengetahuan paling tinggi? (Gunakan taraf signifikansi 5%) Langkah-langkah dalam menganalisis 1.) Rekamlah data tersebut ke dalam dua kolom: Kolom pertama data tentang asal daerah dengan kode 1 untuk desa, 2 pinggiran dan 3 kota Kolom kedua data tentang Nilai 2.) Berilah keterangan data tersebut dengan menggunakan variable view. 3.) Simpanlah data tersebut dengan nama Latihan One Way ANOVA 4.) Lakukan analisis dengan menggunakan menu Analyze >> Compare Means >> One Way ANOVA 5.) Masukkan variabel X2 ke Dependent List dan X1 ke Factor sehingga akan terlihat seperti berikut:
Klik tombol Post Hoc >> Scheffe >> Continue Klik tombol Options >> Descriptive >> Homogeneity of Variances Test >> Continue lalu klik OK sehingga akan muncul hasil analisis seperti berikut:
Descriptives nilai 95% Confidence Interval for Mean
Std. N
Mean
Deviation Std. Error Lower Bound Upper Bound
Minimum
Maximum
desa
10
70.8000 6.95701
2.20000
65.8233
75.7767
60.00
81.00
pinggiran
10
82.5000 8.22260
2.60021
76.6179
88.3821
68.00
92.00
kota
9
81.0000 7.03562
2.34521
75.5919
86.4081
70.00
90.00
Total
29
78.0000 8.94826
1.66165
74.5963
81.4037
60.00
92.00
20
Penafsiran print out hasil analisis: # Bagian Descriptive di atas menampilkan hasil analisis statistik deskriptifnya seperti rata per kelompok, standar deviasi, standar error, minimum dan maksimum Test of Homogeneity of Variances nilai Levene Statistic
df1
.132
df2 2
Sig. 26
.877
Bagian Test of Homogeneity of Variances menampilkan hasil uji homogenitas varians sebagai prasyarat untuk dapat menggunakan ANOVA. Hasil pengujian ditemukan bahwa F hitung = 0,132 dengan sig = 0,877. Oleh karena nilai sig > 0,05 maka dapat disimpulkan bahwa varians antar kelompok bersifat homogen. Dengan demikian prasyarat untuk dapat menggunakan ANOVA terpenuhi. ANOVA nilai Sum of Squares Between Groups
df
Mean Square
801.900
2
400.950
Within Groups
1440.100
26
55.388
Total
2242.000
28
F
Sig.
7.239
.003
Bagian di atas menampilkan hasil uji beda rata-rata secara keseluruhan. Pada tabel tersebut ditemukan harga F hitung sebesar 7,239 dengan sig = 0,003. Oleh karena nilai sig < 0,05 maka Ho ditolak sehingga dapat disimpulkan ada perbedaan rata-rata pengetahuan antara ibu yang berasal dari desa, pinggiran, dan kota. (Jika hasil pengujiannya signifikan maka dilanjutkan ke uji post hoc, tetapi jika tidak signifikan pengujian berhenti sampai di sini). Multiple Comparisons nilai Scheffe 95% Confidence Interval
Mean Difference (I) daerah
(J) daerah
(I-J)
desa
pinggiran
-11.70000
*
3.32832
.006
-20.3396
-3.0604
kota
-10.20000
*
3.41952
.022
-19.0763
-1.3237
desa
11.70000
*
3.32832
.006
3.0604
20.3396
kota
1.50000
3.41952
.909
-7.3763
10.3763
desa
10.20000
*
3.41952
.022
1.3237
19.0763
pinggiran
kota
Std. Error
Sig.
Lower Bound
Upper Bound
21
pinggiran
-1.50000
3.41952
.909
-10.3763
7.3763
*. The mean difference is significant at the 0.05 level.
Bagian ini menampilkan hasil uji lanjut untuk mengetahui perbedaan antar kelompok secara spesifik sekaligus untuk mengetahui mana di antara ketiga kelompok tersebut yang pengetahuan KBnya paling tinggi. Untuk melihat perbedaan antarkelompok dapat dilihat pada kolom sig. Misalnya untuk melihat perbedaan pengetahuan KB antara ibu yang berasal dari Desa dan Pinggiran diperoleh nilai sig = 0,006, Oleh karena nilai sig < 0,05 dapat disimpulkan bahwa ada perbedaan pengetahuan KB antara ibu yang berasal dari Desa dan Pinggiran. Dalam hal ini pengetahuan KB ibu yang berasal dari desa lebih rendah daripada pengetahuan KB ibu yang berasal dari pinggiran. (Coba lakukan pembandingan IPK antara Desa dan Kota, serta antara Pinggiran dan Kota! Buatlah kesimpulannya!) UJI BEDA PROPORSI
UJI CHI KUADRAT Tujuan : Untuk mengeahuiperbedaan proporsi antara 2 variabel atau lebih Kasus : RS Dr Oen 1 Solo mengamati perbedaan pengaruh tingkat perokok aktif dan pasif pada ibu dengan berat badan bayi yang akan dilahirkan didapat data berikut; Perokok BB bayi Aktif 2.5 Pasif 3.3 Pasif 2.75 Aktif 2.3 Aktif 2.4 Aktif 2.15 Aktif 2.2 Aktif 3.1 Pasif 2.3 Aktif 2.6 Pasif 2.8 Aktif 2.6 Aktif 2.3 Pasif 3.4 Pasif 2.0
Perokok BB bayi Aktif Pasif Pasif Pasif Pasif Pasif Pasif Pasif Aktif Aktif Aktif Aktif Pasif Pasif Pasif
2.5 3.1 3.4 3.2 3.3 3.4 2.8 2.1 1.8 2.0 1.8 2.4 1.8 2.7 2.9
Kategori bayi 22
BB bayi < 2,4 kg yaitu bayi prematur BB bayi > 2,5 kg yaitu bayi normal Ujilah apakah ada perbedaan antara variabel berat badan dengan kebiasaan merokok? Langkah-langkah dalam menganalisis 1.) Rekamlah data tersebut ke dalam dua kolom: Kolom pertama data tentang Perokok Kolom ketiga data tentang BB bayi 2.) Berilah keterangan data tersebut dengan menggunakan variable view. 3.) Kategorikan BB bayi ke kategori bayi prematur atau normal 4.) Simpanlah data tersebut dengan nama Latihan Uji Beda proporsi 5.) Lakukan analisis dengan menggunakan menu Analyze >> Deskriptive Stat >> Crosstab 6.) Pilih variabel ROKOK, kemudian klik tanda > untuk memasukkannya ke kotak Row(s) 7.) Pilih variabel Kategori bayi, kemudian klik tanda > untuk memasukkannya ke kotak Colom(s).
Klik ststistic pilih chi square dan risk >> continue Klik cells pilih colom >> continue >> Ok. Hasil Ouputnya
23
Rokok * kategori_bayi Crosstabulation kategori_bayi normal Rokok
Aktif
Count
9
14
29.4%
69.2%
46.7%
12
4
16
70.6%
30.8%
53.3%
17
13
30
100.0%
100.0%
100.0%
Count % within kategori_bayi
Total
Count % within kategori_bayi
Total
5
% within kategori_bayi Pasif
prematur
Dari tabel silang tersebut terlihat bahwa dari 14 ibu-ibu hamil yang perokok, ada 9 orang (69,2%) melahirkan bayi prematur. Dari 16 ibu-ibu yang bukan perokok, hanya ada 4 orang (30,8%) yang melahirkan bayi prematur. Artinya proporsi bayi prematur pada ibu perokok lebih besar dari proporsi bayi normal pada ibu yang bukan perokok. Walaupun secara proporsional terlihat ada hubungan antara merokok dan kategori BB Bayi yang terlihat dari proporsi bayi prematur lebih besar pada ibu perokok dari pada ibu tidak perokok, namun untuk menguji apakah hubungan tersebut bermakna secara statistik, maka kita harus melakukan uji chi-square dengan melihat hasil output berikut: Chi-Square Tests
Value Pearson Chi-Square Continuity Correction Likelihood Ratio
df
Exact Sig. (2-
Exact Sig. (1-
sided)
sided)
sided)
a
1
.030
3.229
1
.072
4.810
1
.028
4.693 b
Asymp. Sig. (2-
Fisher's Exact Test b
N of Valid Cases
.063
.035
30
a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 6,07. b. Computed only for a 2x2 table
Nilai-p Fisher’s Exact Test merupakan p-value yang cukup valid, sehingga dapat juga kita laporkan meskipun frekuensi harapan tidak ada yang kurang dari 5. Dalam hal ini, kita pakai nilai tersebut dengan p-value = 0.063. Artinya tidak ada hubungan antara merokok dengan BB bayi secara statistik cukup bermakna dan bukanlah terjadi secara kebetulan belaka.
24
UJI KORELASI DAN UJI REGRESI LINIER
1. KORELASI PRODUCT MOMENT Tujuan: Digunakan untuk menguji korelasi/hubungan antara satu variabel dengan satu variabel lainnya. Data yang dianalisis harus berupa data yang berskala interval/rasio Contoh Masalah: Apakah ada korelasi yang positif antara produktifitas perawat melalui metode timfungsional dan fungsional? Apakah ada hubungan antara pengalaman kerja dengan produktivitas kerja karyawan? Kasus: Studi komparasi kepuasan peserta askes sosial yang. Memanfaatkan pelayanan kesehatan di ppk tingkat i puskesmas. Berikut ini disajikan data kepuasan peserta askes sosial dan pelayanan kesehatan, sebagai berikut;
1
Kepuasan pemakai program 33
Kepuasan Pelayanan 58
11
Kepuasan pemakai program 36
Kepuasan Pelayanan 56
2
32
52
12
21
47
3
21
48
13
21
49
4
34
49
14
33
60
5
34
52
15
35
63
6
35
57
16
21
55
7
32
55
17
32
58
8
21
50
18
33
49
9
21
48
19
34
55
10
35
54
20
35
58
Subjek
Subjek
Ujilah apakah ada korelasi yang positif antara motivasi belajar dengan prestasi belajar? (Gunakan taraf signifikansi 5%) Langkah-langkah dalam menganalisis 1.) Rekamlah data tersebut ke dalam dua kolom: Kolom pertama data tentang pemakai program Kolom kedua data tentang layanan 2.) Berilah keterangan data tersebut dengan menggunakan variable view. 3.) Simpanlah data tersebut dengan nama Latihan Korelasi Product Moment 4.) Lakukan analisis dengan menggunakan menu Analyze >> Correlate >> Bivariate 5.) Masukkan variabel X dan Y ke kotak Variables sehingga akan terlihat seperti berikut:
25
6.) Klik tombol Options >> Means and Standard Deviation >> Cross Product Deviations and Covariance >> Continue 7.) Klik OK sehingga akan muncul hasil analisis: Descriptive Statistics Mean
Std. Deviation
N
BPJS
29.9500
6.10845
20
layanan
53.6500
4.57999
20
Bagian Descriptive di atas menampilkan hasil analisis statistik deskriptifnya seperti rata-rata per variabel, standar deviasi, dan jumlah sampel Correlations BPJS BPJS
Pearson Correlation
layanan 1
Sig. (2-tailed) N layanan
Pearson Correlation Sig. (2-tailed) N
.624
**
.003 20
20
**
1
.624
.003 20
20
**. Correlation is significant at the 0.01 level (2-tailed).
Dari tabel di atas diperoleh sig. 0,008 maka keputusan uji H0 ditolak artiya Ada hubungan antara IQ dengan Prestasi. Nilai Korelasi sebesar 0,576 berarti korelasi termasuk kategori “sedang”
2.
REGRESI LINEAR SEDERHANA Tujuan: 26
a. Digunakan untuk menguji hubungan/korelasi/pengaruh satu variabel bebas terhadap satu variabel terikat. b. Regresi juga dapat digunakan untuk melakukan prediksi atau estimasi variabel terikat berdasarkan variabel bebasnya. c. Data yang dianalisis harus berupa data yang berskala interval/rasio Contoh Masalah: a. Apakah ada pengaruh motivasi belajar terhadap prestasi belajar mahasiswa? b. Apakah pengalaman kerja mempengaruhi produktivitas kerja karyawan? Kasus: Hubungan Pengetahuan Ibu Tentang Pemberian Nutrisi Terhadap Status Gizi Anak Toddler Di Desa Gonilan. Berikut ini disajikan data tentang pengetahuan ibu tentang pemberian nutrisi dan status gizi; Pengetahuan Pengetahuan Pemberian Nutrisi gizi anak Pemberian Nutrisi gizi anak 63 118 58 125 46 114 45 150 57 107 54 104 49 142 48 120 55 144 61 128 48 139 54 125 58 147 52 105 52 108 50 128 60 110 58 108 54 121 60 110 56 100 48 134 53 109 62 128 61 111 44 117 Ujilah apakah ada pengaruh motivasi belajar terhadap prestasi belajar? (Gunakan taraf signifikansi 5%) Hitunglah berapa besarnya kontribusi variabel bebas terhadap variabel terikatnya? Bagaimana persamaan garis regresinya? Tafsirkan maknanya! Langkah-langkah dalam menganalisis 1.) Rekamlah data tersebut ke dalam dua kolom: Kolom pertama data tentang Pengetahuan Kolom kedua data tentang gizi anak 2.) Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = X, Label = Pengetahuan) Baris kedua(Name = Y, Label = gizi anak) 3.) Simpanlah data tersebut dengan nama Latihan Regresi Linear Sederhana 4.) Lakukan analisis dengan menggunakan menu 27
Analyze >> Regression >> Linear 5.) Masukkan variabel Y ke kotak Dependent dan variabel X ke dalam kotak Independent(s) sehingga akan terlihat seperti berikut:
Hasil Analisisnya Model Summary
Model 1
R .260
Adjusted R
Std. Error of the
Square
Estimate
R Square a
.068
.029
14.26616
a. Predictors: (Constant), pengetahuan
Bagian ini menampilkan: R = 0,260 artinya koefisien korelasinya sebesar 0,260 (Bandingkan dengan angka koefisien korelasi product moment yang sudah Anda hitung pada latihan sebelumnya!) R Square = 0,068 menunjukkan angka koefisien determinasinya (R ). Artinya variansi dalam pengetahuan nutrisi anak dapat dijelaskan oleh gizi anak melalui pengetahuan nutrisi sebesar 6,8%, sisanya berasal dari variabel lain. Atau dengan bahasa sederhana besarnya kontribusi/sumbangan pengetahuan ibu terhadap prestasi belajar adalah sebesar 6,8%, sisanya (93,2%) berasal dari variabel lain. Adjusted R square = 0,068. Ukuran ini maknanya sama dengan R square, hanya saja Adjusted R square ini nilainya lebih stabil karena sudah disesuaikan dengan jumlah
28
variabel bebasnya. Standard Error of The Estimate = 14,266 yang menunjukkan ukuran tingkat kesalahan dalam melakukan prediksi terhadap variabel terikat. b
ANOVA Model 1
Sum of Squares Regression
df
Mean Square
F
354.057
1
354.057
Residual
4884.559
24
203.523
Total
5238.615
25
Sig.
1.740
.200
a
a. Predictors: (Constant), pengetahuan b. Dependent Variable: gizi
Bagian ini menampilkan hasil pengujian koefisien determinasi. Hasil pengujian tersebut ditemukan harga F hitung sebesar 1,749 dengan sig. = 0,200. Oleh karena nilai sig. > 0,05 maka Ho (ρ = 0) diterima yang artinya hubungan antara gizi anak
memiliki tidak
berpengaruh yang signifikan terhadap pengetahuan nutri ibu.
Coefficients
a
Standardized Unstandardized Coefficients Model 1
B (Constant) pengetahuan
Coefficients
Std. Error
157.668
27.767
-.674
.511
Beta
t
-.260
Sig.
5.678
.000
-1.319
.200
a. Dependent Variable: gizi
Bagian ini menampilkan persamaan garis regresi dan pengujiannya. Persamaan garis regresi dapat diperoleh dari kolom Unstandardized Coefficients (B). Dengan demikian persamaan garis regresinya adalah: Y’ = 15,668 -0,674 X Untuk menguji koefisen garisnya dapat dilihat pada kolom t dan sig. Hasil pengujian ditemukan nilai t hitung sebesar 5,678 dengan sig. = 0,000 (bandingkan dengan nilai sig. F). Oleh karena nilai sig. < 0,05 maka Ho (β = 0) ditolak yang artinya gizi berpengaruh positif terhadap pengetahuan nutrisi. 29
3.
REGRESI LINEAR GANDA Tujuan: Digunakan untuk menguji hubungan/korelasi/pengaruh lebih dari satu variabel bebas terhadap satu variabel terikat. Regresi juga dapat digunakan untuk melakukan prediksi atau estimasi variabel terikat berdasarkan variabel bebasnya. Data yang dianalisis harus berupa data yang berskala interval/rasio Contoh Masalah: Apakah ada pengaruh uang saku dan motivasi belajar terhadap prestasi belajar mahasiswa? Bagaimana pengaruh lingkungan kerja dan pengalaman kerja terhadap produktivitas kerja karyawan? Kasus: Hubungan antara berat badan ibu hamil, tinggi badan ibu terhadap berat badan bayi. Berikut ini disajikan data tentang berat badan ibu, tinggi badan dan berat badan bayi : BB Ibu Hamil 70 65 66 61 68 69 63 74 73 83 72 74 78 76 77
TB ibu hamil 168 150 156 153 159 160 169 163 161 164 148 153 155 164 165
BB Bayi 3.10 2.83 2.50 2,91 2.74 2.61 2.70 3.50 4.00 4.10 3.73 3.30 3.40 3.61 2.83
Hitunglah berapa besarnya kontribusi bersama seluruh variabel bebas terhadap variabel terikatnya? Ujilah apakah ada kontribusi tersebut signifikan? (Gunakan taraf signifikansi 5%) Bagaimana persamaan garis regresinya? Tafsirkan maknanya! Ujilah pengaruh secara masing-masing variabel bebas secara parsial! Langkah-langkah dalam menganalisis 1.) Rekamlah data tersebut ke dalam tiga kolom: 30
2.)
3.) 4.) 5.)
Kolom pertama data tentang BB ibu hamil Kolom kedua data tentang TB ibu hamil Kolom ketiga data tentang BB bayi Berilah keterangan data tersebut dengan menggunakan variable view. Baris pertama (Name = X1, Label = BB ibu hamil) Baris kedua (Name = X2, Label = TB ibu hamil) Baris ketiga (Name = Y, Label = BB bayi) Simpanlah data tersebut dengan nama Latihan Regresi Ganda Lakukan analisis dengan menggunakan menu Analyze >> Regression >> Linear Masukkan variabel Y ke kotak Dependent dan variabel X1 dan X2 ke dalam kotak Independent(s) sehingga akan terlihat seperti berikut:
Klik OK sehingga akan muncul hasil analisis: Model Summary
Model 1
R .791
R Square a
Adjusted R
Std. Error of the
Square
Estimate
.626
.564
.39413
a. Predictors: (Constant), TB_ibu, BB_ibu
Bagian ini menampilkan: R = 0,791 artinya koefisien korelasinya sebesar 0,791 (Bandingkan dengan angka koefisien korelasi product moment yang sudah Anda hitung pada latihan sebelumnya!) 31
R Square = 0,626 menunjukkan angka koefisien determinasinya (R ). Artinya variansi dalam berat badan bayi dapat dijelaskan oleh berat badan ibu hamil dan tinggi badan ibu hamil melalui berat badan ibu hamil dan tinggi badan ibu hamil sebesar 62,6%, sisanya berasal dari variabel lain. Atau dengan bahasa sederhana besarnya kontribusi/sumbangan berat badan ibu hamil dan tinggi badan ibu hamil terhadap berat badan bayi adalah sebesar 62,6%, sisanya (37,4%) berasal dari variabel lain.
Adjusted R square = 0,626. Ukuran ini maknanya sama dengan R square, hanya saja
Adjusted R square ini nilainya lebih stabil karena sudah disesuaikan dengan jumlah variabel bebasnya. Standard Error of The Estimate = 0,39413 yang menunjukkan ukuran tingkat kesalahan dalam melakukan prediksi terhadap variabel terikat. b
ANOVA Model 1
Sum of Squares
df
Mean Square
Regression
3.125
2
1.562
Residual
1.864
12
.155
Total
4.989
14
F
Sig.
10.058
.003
a
a. Predictors: (Constant), TB_ibu, BB_ibu b. Dependent Variable: BB_bayi
Bagian ini menampilkan hasil pengujian koefisien determinasi. Hasil pengujian tersebut ditemukan harga F hitung sebesar 10,058 dengan sig. = 0,003. Oleh karena nilai sig. < 0,05 maka Ho (ρ = 0) ditolak yang artinya ada hubungan antara BB ibu hamil dan TB Ibu hamil terhadap BB Bayi.
Coefficients
a
Standardized Unstandardized Coefficients Model 1
B (Constant)
Std. Error -1.679
2.686
BB_ibu
.079
.018
TB_ibu
-.005
.017
Coefficients Beta
t
Sig. -.625
.544
.801
4.437
.001
-.055
-.307
.764
a. Dependent Variable: BB_bayi
32
Bagian ini menampilkan persamaan garis regresi dan pengujiannya. Persamaan garis regresi dapat diperoleh dari kolom Unstandardized Coefficients (B). Dengan demikian persamaan garis regresinya adalah: Y’ = -1,679 + 0,079 X1 – 0,05X2 Untuk menguji koefisen garisnya dapat dilihat pada kolom t dan sig. Hasil pengujian ditemukan nilai t hitung sebesar 4,437 dengan sig. = 0,001 (bandingkan dengan nilai sig. F). Oleh karena nilai sig. < 0,05 maka Ho (β = 0) ditolak yang artinya BB Bayi berpengaruh positif terhadap BB ibu hamil.
UJI VALIDITAS DAN RELIABILITAS ANGKET
-
Bivariate Pearson (Korelasi Produk Momen Pearson) Analisis ini dengan cara mengkorelasikan masing-masing skor item dengan skor total. Skor total adalah penjumlahan dari keseluruhan item. Itemitem pertanyaan yang berkorelasi signifikan dengan skor total menunjukkan item-item tersebut mampu memberikan dukungan dalam mengungkap apa yang ingin diungkap. Pengujian menggunakan uji dua sisi dengan taraf signifikansi 0,05. Kriteria pengujian adalah sebagai berikut: Jika r hitung ≥ r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau itemitem pertanyaan berkorelasi signifikan terhadap skor total (dinyatakan valid). Jika r hitung < r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau itemitem pertanyaan tidak berkorelasi signifikan terhadap skor total (dinyatakan tidak valid). Contoh Kasus: Seorang mahasiswa bernama Andi melakukan penelitian dengan menggunakan skala untuk mengetahui atau mengungkap prestasi belajar seseorang. Andi membuat 10 butir pertanyaan dengan menggunakan skala Likert, yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju dan 4 = Sangat Setuju. Setelah membagikan skala kepada 12 responden didapatlah tabulasi data-data sebagai berikut: Tabel 1. Tabulasi Data (Data Fiktif) Subjek 1 2 3 4 5
1 3 4 2 3 3
2 4 3 2 4 4
3 3 3 1 4 3
4 4 4 3 3 3
Skor Item 5 6 7 4 3 3 3 3 3 2 2 3 3 3 4 3 4 3
8 3 3 1 3 4
9 3 3 2 3 4
10 3 3 3 4 3
Skor Total 33 32 21 34 34 33
6 7 8 9 10 11 12
3 2 1 4 3 4 3
2 3 2 2 3 4 2
4 3 2 3 3 3 1
4 4 1 3 4 4 2
3 4 2 4 4 4 3
4 4 2 2 4 3 1
4 3 1 1 4 4 1
3 4 3 1 4 4 2
4 3 4 4 3 4 3
4 2 3 4 3 2 3
35 32 21 28 35 36 21
Langkah-langkah dengan program SPSS Masuk program SPSS Klik variable view pada SPSS data editor Pada kolom Name ketik item1 sampai item10, kemudian terakhir ketikkan skortot (skor total didapat dari penjumlahan item1 sampai item10) Pada kolom Decimals angka ganti menjadi 0 untuk seluruh item Untuk kolom-kolom lainnya boleh dihiraukan (isian default) Buka data view pada SPSS data editor Ketikkan data sesuai dengan variabelnya, untuk skortot ketikkan total skornya. Klik Analyze - Correlate - Bivariate Klik semua variabel dan masukkan ke kotak variables Klik OK. Hasil output yang diperoleh dapat diringkas sebagai berikut: Tabel. Hasil Analisis Bivariate Pearson
34
Dari hasil analisis didapat nilai korelasi antara skor item dengan skor total. Nilai ini kemudian kita bandingkan dengan nilai r tabel, r tabel dicari pada signifikansi 0,05 dengan uji 2 sisi dan jumlah data (n) = 12, maka didapat r tabel sebesar 0,576 (lihat pada lampiran tabel r). Berdasarkan hasil analisis di dapat nilai korelasi untuk item 1, 9 dan 10 nilai kurang dari 0,576. Karena koefisien korelasi pada item 1, 9 dan 10 nilainya kurang dari 0,576 maka dapat disimpulkan bahwa item-item tersebut tidak berkorelasi signifikan dengan skor total (dinyatakan tidak valid) sehingga harus dikeluarkan atau diperbaiki. Sedangkan pada item-item lainnya nilainya lebih dari 0,576 dan dapat disimpulkan bahwa butir instrumen tersebut valid. 2. Corrected Item-Total Correlation Analisis ini dengan cara mengkorelasikan masing-masing skor item dengan skor total dan melakukan koreksi terhadap nilai koefisien korelasi yang overestimasi. Hal ini dikarenakan agar tidak terjadi koefisien item total yang overestimasi (estimasi nilai yang lebih tinggi dari yang sebenarnya). Atau dengan cara lain, analisis ini menghitung korelasi tiap item dengan skor total (teknik bivariate pearson), tetapi skor total disini tidak termasuk skor item yang akan dihitung. Sebagai contoh pada kasus di atas kita akan menghitung item 1 dengan skor total, berarti skor total didapat dari penjumlahan skor item 2 sampai item 10. Perhitungan teknik ini cocok digunakan pada skala yang menggunakan item pertanyaan yang sedikit, karena pada item yang 35
jumlahnya banyak penggunaan korelasi bivariate (tanpa koreksi) efek overestimasi yang dihasilkan tidak terlalu besar. Menurut Azwar (2007) agar kita memperoleh informasi yang lebih akurat mengenai korelasi antara item dengan tes diperlukan suatu rumusan koreksi terhadap efek spurious overlap. Pengujian menggunakan uji dua sisi dengan taraf signifikansi 0,05. Kriteria pengujian adalah sebagai berikut: Jika r hitung ≥ r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-item pertanyaan berkorelasi signifikan terhadap skor total (dinyatakan valid). - Jika r hitung < r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau itemitem pertanyaan tidak berkorelasi signifikan terhadap skor total (dinyatakan tidak valid). Sebagai contoh kasus kita menggunakan contoh kasus dan data-data pada analisis produk momen di atas. Langkah-langkah pada program SPSS Masuk program SPSS Klik variable view pada SPSS data editor Pada kolom Name ketik item1 sampai item 10 Pada kolom Decimals angka ganti menjadi 0 untuk seluruh item Untuk kolom-kolom lainnya boleh dihiraukan (isian default) Buka data view pada SPSS data editor Ketikkan data sesuai dengan variabelnya, Klik Analyze - Scale – Reliability Analysis Klik semua variabel dan masukkan ke kotak items Klik Statistics, pada Descriptives for klik scale if item deleted Klik continue, kemudian klik OK, hasil output yang didapat adalah sebagai berikut: Tabel. Hasil Analisis Validitas Item dengan Teknik Corrected Item-Total Correlation R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A) Item-total Statistics
ITEM1 ITEM2 ITEM3
Scale Mean if Item Deleted
Scale Corrected Variance ItemAlpha if Item Total if Item Deleted Correlation Deleted
27.2500 27.2500 27.4167
29.8409 28.0227 25.7197
.4113 .6151 .8217
.8345 .8157 .7933 36
ITEM4 ITEM5 ITEM6 ITEM7 ITEM8 ITEM9 ITEM10
26.9167 26.9167 27.2500 27.3333 27.2500 26.8333 27.0833
Reliability Coefficients N of Cases = 12.0 Alpha = .8384
26.6288 29.5379 25.8409 25.1515 27.1136 32.8788 35.3561
.7163 .5603 .7764 .6784 .5679 .1866 -.1391
.8046 .8223 .7975 .8078 .8204 .8482 .8683
N of Items = 10
Dari output di atas bisa dilihat pada Corrected Item – Total Correlation, inilah nilai korelasi yang didapat. Nilai ini kemudian kita bandingkan dengan nilai r tabel, r tabel dicari pada signifikansi 0,05 dengan uji 2 sisi dan jumlah data (n) = 12, maka didapat r tabel sebesar 0,576 (lihat pada lampiran tabel r). Dari hasil analisis dapat dilihat bahwa untuk item 1, 5, 9 dan 10 nilai kurang dari 0,576. Karena koefisien korelasi pada item 1, 5, 9 dan 10 nilainya kurang dari 0,576 maka dapat disimpulkan bahwa butir instrumen tersebut tidak valid. Sedangkan pada item-item lainnya nilainya lebih dari 0,576 dan dapat disimpulkan bahwa butir instrumen tersebut valid. Sebagai catatan: analisis korelasi pada contoh kasus di atas hanya dilakukan satu kali, untuk mendapatkan hasil validitas yang lebih memuaskan maka bisa dilakukan analisis kembali sampai 2 atau 3 kali, sebagai contoh pada kasus di atas setelah di dapat 6 item yang valid, maka dilakukan analisis korelasi lagi untuk menguji 6 item tersebut, jika masih ada item yang tidak signifikan maka digugurkan, kemudian dianalisis lagi sampai didapat tidak ada yang gugur lagi.
37
