Statistik : Contoh Uji Validitas, Reliabilitas, Korelasi, Regresi, dan T Test dengan SPSS



v Uji Validitas dan Reliabilitas Kuesioner tentang Kompetensi Personal / Kepribadian dengan SPSS
1.      Aktifkan program SPSS 16 sehingga nampak spreadsheet.
2.      Aktifkan Variable View dan definisikan tiap kolomnya seperti pada gambar berikut:
3.      Setelah mengisi Variable View, klik Data View, dan isikan data seperti berikut:
4.      Simpan data tersebut dengan nama “data validitas dan reliabilitas” atau nama file sesuai dengan keinginan.
5.      Klik menu Analyze, pilih Scale, pilih Reliability Analysis.
6.      Setelah itu akan muncul kotak dialog Reliability Analysis. Destinasikan item-item dengan cara mengklik setiap variabel dan pindah variabel tersebut ke kotak Items. Pada Model pilih Split-Half.
7.      Masih pada kotak Reliability Analysis, klik Statistics, sehingga tampil kotak dialog Statistics. Pada kotak dialog tersebut pilih Scale if item deleted pada Descriptives for.
8.      Jika sudah mendestinasikan, klik Continue sehingga kembali ke kotak dialog Reliability Analysis.
9.      Klik OK, sehingga hasilnya muncul pada out viewer seperti berikut.
Scale: ALL VARIABLES
Case Processing Summary



N
%

Cases
Valid
30
100.0

Excludeda
0
.0

Total
30
100.0

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

Reliability Statistics

Cronbach's Alpha
Part 1
Value
.704

N of Items
8a

Part 2
Value
.815

N of Items
8b

Total N of Items
16

Correlation Between Forms
.655

Spearman-Brown Coefficient
Equal Length
.791

Unequal Length
.791

Guttman Split-Half Coefficient
.784

a. The items are: Item_1, Item_2, Item_3, Item_4, Item_5, Item_6, Item_7, Item_8.

b. The items are: Item_9, Item_10, Item_11, Item_12, Item_13, Item_14, Item_15, Item_16.

Item-Total Statistics

Scale Mean if Item Deleted
Scale Variance if Item Deleted
Corrected Item-Total Correlation
Cronbach's Alpha if Item Deleted
Item_1
65.6000
33.628
.210
.873
Item_2
65.3333
32.851
.670
.839
Item_3
65.4667
34.602
.400
.850
Item_4
65.7000
34.079
.406
.850
Item_5
65.3333
32.851
.670
.839
Item_6
65.4667
34.602
.400
.850
Item_7
65.2667
33.651
.551
.844
Item_8
65.3667
34.447
.416
.850
Item_9
65.8333
32.971
.540
.844
Item_10
65.5000
30.534
.635
.838
Item_11
65.2667
33.444
.584
.843
Item_12
65.5000
33.086
.580
.842
Item_13
65.3667
34.447
.416
.850
Item_14
65.9333
32.202
.468
.848
Item_15
65.6333
33.206
.457
.848
Item_16
65.4333
32.806
.682
.838












Pengujian validitas dengan melihat pada Corrected Item-Total Correlation yang merupakan skor total item (nilai r hitung ) dibandingkan dengan nilai r tabel. Jika nilai      r hitung lebih besar dari nilai rtabel atau r hitung > nilai r tabel , maka item tersebut adalah valid. Keputusannya dapat dilihat pada tabel di bawah ini :

ITEM
r hitung
r tabel (α = 0,05; n = 30)
Keputusan
Item_1
0,210
< 0,361
Tidak Valid
Item_2
0,670
> 0,361
Valid
Item_3
0,400
> 0,361
Valid
Item_4
0,406
> 0,361
Valid
Item_5
0,670
> 0,361
Valid
Item_6
0,400
> 0,361
Valid
Item_7
0,551
> 0,361
Valid
Item_8
0,416
> 0,361
Valid
Item_9
0,540
> 0,361
Valid
Item_10
0,635
> 0,361
Valid
Item_11
0,584
> 0,361
Valid
Item_12
0,580
> 0,361
Valid
Item_13
0,416
> 0,361
Valid
Item_14
0,468
> 0,361
Valid
Item_15
0,457
> 0,361
Valid
Item_16
0,682
> 0,361
Valid

Pengujian reliabilitas dengan melihat pada nilai Guttman Split-Half Coefficient = 0,784. Korelasi berada pada kategori sangat kuat. Bila dibandingkan dengan rtabel (0,361) maka rhitung lebih besar dari rtabel . Dengan demikian bisa disimpulkan bahwa kuesioner di atas reliabel.



v Uji Korelasi Hubungan antara Kompetensi Personal / Kepribadian dengan Kompetensi Sosial
o   Data hasil pengisian kuesioner oleh responden
Kompetensi Personal
Kompetensi Sosial
49
66
61
60
66
64
66
60
68
53
73
59
63
60
71
61
65
66
76
69
67
60
77
61
75
67
71
71
64
69
77
60
67
65
65
57
64
58
61
56
66
59
65
61
74
60
64
59
62
68
69
48
70
63
63
61
66
62
64
63

·        Proses Pengolahan dan Hasil Analisis Data dengan Menggunakan SPSS
1.      Buka program SPSS, destinasikan Variable View dan definisikan masing-masing kolom sebagai berikut.
2.      Aktifkan Data View kemudian ketikkan data yang ingin dimasukkan.
3.      Jika sudah yakin datanya tertulis dengan benar, klik menu Analyze, kemudian pilih Correlate dan pilih Bivariate. Maka akan tampil kotak dialog sebagai berikut.
4.      Sorot variabel X dan Y lalu pindahkan ke kotak Variables dengan cara mengklik tanda panah, sehingga semua variabel berpindah ke kotak Variables.
5.      Tandai pilihan pada kotak Pearson à Two-tailed à Flag significant correlations.
6.      Klik Option dan tandai pilihan pada kotak Mean and Standart deviation. Klik Continue sehingga kembali ke kotak dialog awal.
7.      Klik OK, maka hasilnya akan tampil seperti berikut.

*      Correlations

[DataSet0] 

Descriptive Statistics

Mean
Std. Deviation
N
Kompetensi Personal
66.9667
5.81605
30
Kompetensi Sosial
61.5333
4.87593
30

Hasil deskriptif variabel kompetensi personal (X) dalam tabel Descriptive Statistics dijelaskan bahwa terdapat jumlah kasus  (N) = 30 responden yang mengisi angket dengan rata-rata (mean) sebesar 66,9667 dan simpangan baku (standar deviasi) = 5,81605. Dan variabel kompetensi sosial (Y) dijelaskan jumlah kasus (N) = 30 dengan rata-rata (mean) sebesar 61,5333 dan simpangan baku (standar deviasi) = 4,87593.

Correlations


Kompetensi Personal
Kompetensi Sosial
Kompetensi Personal
Pearson Correlation
1
.001
Sig. (2-tailed)

.997
N
30
30
Kompetensi Sosial
Pearson Correlation
.001
1
Sig. (2-tailed)
.997

N
30
30



Pada tabel di atas disajikan hasil koefisien korelasi Pearson Product Moment antara variabel kompetensi personal (X) dengan variabel kompetensi sosial (Y). Nilai yang diperoleh sebesar 0,001 berarti terdapat hubungan yang sangat lemah antara variabel kompetensi personal dan variabel kompetensi sosial. Sedangkan apabila dilihat dari uji signifikansi dua sisi (sig. 2-tailed) diperoleh nilai 0,997 kemudian dibandingkan dengan probabilitas 0,05, ternyata probabilitas 0,05 lebih kecil dari nilai probabilitas sig atau [0,997 > 0,05], maka H0 diterima dan Ha ditolak, artinya tidak signifikan dimana H0 : tidak adanya hubungan yang signifikan antara kompetensi personal dengan kompetensi sosial dan Ha : terdapat hubungan yang signifikan antara kompetensi personal dengan kompetensi sosial. Selain itu untuk membuktikan hipotesis bisa juga dengan membandingkan nilai r hitung dengan r tabel. Diketahui nilai r hitung sebesar 0,001 sedangkan nilai r tabel (95%) (dk= n-2 =30-2 = 28) sehingga r tabel = 0,374. Karena r hitung lebih kecil dari r tabel atau 0,001 < 0,374, maka dapat disimpulkan bahwa terdapat hubungan yang tidak signifikan antara variabel kompetensi personal dengan variabel kompetensi sosial.

 
v Uji Regresi Hubungan antara Kompetensi Personal / Kepribadian dengan Kompetensi Profesional
o   Data hasil pengisian kuesioner oleh responden
Kompetensi Personal
Kompetensi Profesional
49
52
61
47
66
44
66
47
68
52
73
50
63
54
71
50
65
47
76
53
67
34
77
32
75
47
71
48
64
53
77
47
67
50
65
50
64
54
61
51
66
43
65
45
74
49
64
42
62
55
69
48
70
49
63
48
66
51
64
50

·        Proses Pengolahan dan Hasil Analisis Data dengan Menggunakan SPSS

1.      Buka program SPSS, destinasikan Variable View dan definisikan masing-masing kolom sebagai berikut.
2.      Aktifkan Data View kemudian ketikkan data yang ingin dimasukkan.
3.      Jika sudah yakin datanya tertulis dengan benar, klik menu Analyze, kemudian pilih Regression dan klik Linear.
4.      Muncul kotak dialog Linear Regression seperti berikut.
5.      Untuk keseragaman, masukkan variabel dependen (kompetensi profesional) pada kotak Dependent dan variabel independen (kompetensi personal) pada kotak Independent kemudian pilih metode Enter.
6.      Pilih Statistics, kemudian pilih Estimate, Descriptive, Model Fit, dan All Cases untuk Casewise Diagnostics.
7.      Pilih Options sehingga muncul kotak dialog Options, kemudian pada kotak Stepping Method Criteria gunakan Use Probability of F dengan Entry .05, pilih Include Constant in equation. Pada kotak Missing Value pilih Exclude cases listwise.
8.      Kemudian pilih Plots. Untuk gambar yang pertama SDRESID masukkan ke Y dan ZPRED masukkan ke X. Klik Next untuk membuat gambar yang kedua kemudian ZPRED masukkan ke Y dan DEPENDNT  masukkan ke X. Klik Next untuk membuat gambar yang ketiga kemudian pilih Standardized Residual Plots dan Normal Probability Plot lalu klik OK.
9.      Klik OK untuk proses data sehingga muncul tampilan output seperti berikut.


*      Regression
[DataSet0]

Descriptive Statistics

Mean
Std. Deviation
N
Kompetensi Profesional
48.0667
5.20566
30
Kompetensi Personal
66.9667
5.81605
30
Rata-rata data yang diperoleh dari kompetensi profesional adalah 48,0667 dengan deviasi standar 5,20566.
Rata-rata data yang diperoleh dari kompetensi personal adalah 66,9667 dengan deviasi standar 5,81605.
Correlations


Kompetensi Profesional
Kompetensi Personal
Pearson Correlation
Kompetensi Profesional
1.000
-.287
Kompetensi Personal
-.287
1.000
Sig. (1-tailed)
Kompetensi Profesional
.
.062
Kompetensi Personal
.062
.
N
Kompetensi Profesional
30
30
Kompetensi Personal
30
30
Hubungan antara variabel kompetensi personal dengan kompetensi profesional sebesar 0,287. Angka ini menunjukkan hubungan yang cukup erat antara kompetensi personal dengan kompetensi profesional. Arah yang negatif menunjukkan bahwa kompetensi personal berbanding terbalik dengan kompetensi profesional.

Variables Entered/Removedb
Model
Variables Entered
Variables Removed
Method
1
Kompetensi Personala
.
Enter
a. All requested variables entered.

b. Dependent Variable: Kompetensi Profesional

Model Summaryb
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
.287a
.082
.050
5.07503
a. Predictors: (Constant), Kompetensi Personal
b. Dependent Variable: Kompetensi Profesional
Hasil dari tabel Model Summary di atas ditampilkan nilai R = 0,287 dan koefisien Determinasi (R square) sebesar 0,082. Jika dilihat dari nilai R-nya didapat nilai 0,287, jadi hubungan antara kompetensi personal dengan kompetensi profesional termasuk dalam kategori lemah. Sedangkan apabila dilihat dari nilai R square didapat nilai 0,082, hal ini menunjukkan pengertian bahwa kompetensi profesional (Y) dipengaruhi sebesar 8,2% oleh kompetensi personal (X), sedangkan sisanya 91,8% dipengaruhi oleh faktor-faktor lain.
ANOVAb
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
64.702
1
64.702
2.512
.124a
Residual
721.165
28
25.756


Total
785.867
29



a. Predictors: (Constant), Kompetensi Personal


b. Dependent Variable: Kompetensi Profesional


Hasil dari uji Anova ditampilkan hasil yang diperoleh yaitu nilai F = 2,512 dengan tingkat probabilitas sig. 0,124. Karena probabilitas (0,124) lebih besar dari 0,05, maka model regresi tidak bisa dipakai untuk melihat hubungan kompetensi personal terhadap kompetensi profesional.
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
T
Sig.
B
Std. Error
Beta
1
(Constant)
65.265
10.890

5.993
.000
Kompetensi Personal
-.257
.162
-.287
-1.585
.124
a. Dependent Variable: Kompetensi Profesional



Hasil dari uji Coefficients dikemukakan nilai konstanta (a) = 65,265 dan beta = -0,257 serta harga t hitung dan tingkat signifikansi = 0,124. Dari tabel di atas juga dapat diperoleh persamaan perhitungannya yaitu Y = 65,265 – 0,257X. Nilai konstanta sebesar 65,265 menunjukkan bahwa jika tidak ada kompetensi personal (nilai X = 0) maka besarnya Y adalah 65,265. Koefisien regresi pada variabel kompetensi personal sebesar 0,257 dengan tanda negatif yang berarti bahwa peningkatan kompetensi personal sebesar 1 derajat akan menurunkan kompetensi profesional dengan besar 0,257 (tanda negatif berarti hubungannya berbalik arah). Sedangkan uji t digunakan untuk menguji signifikansi konstanta dan variabel dependen (variabel kompetensi profesional) atau dapat dikatakan apakah variabel kompetensi personal benar-benar dapat memprediksi kompetensi profesional. Pada tabel untuk konstanta terlihat bahwa nilai signifikansinya adalah 0,124 > 0,05 sehingga H0 diterima yang berarti bahwa konstanta regresi tidak signifikan atau dengan kata lain kompetensi personal tidak mempunyai pengaruh yang signifikan terhadap kompetensi profesional.
Casewise Diagnosticsa
Case Number
Std. Residual
Kompetensi Profesional
Predicted Value
Residual
1
-.134
52.00
52.6809
-.68089
2
-.512
47.00
49.5990
-2.59903
3
-.850
44.00
48.3149
-4.31493
4
-.259
47.00
48.3149
-1.31493
5
.827
52.00
47.8013
4.19872
6
.686
50.00
46.5172
3.48282
7
.968
54.00
49.0854
4.91461
8
.585
50.00
47.0308
2.96918
9
-.310
47.00
48.5717
-1.57175
10
1.429
53.00
45.7467
7.25329
11
-2.770
34.00
48.0581
-1.40581E1
12
-2.658
32.00
45.4899
-1.34899E1
13
.196
47.00
46.0035
.99647
14
.191
48.00
47.0308
.96918
15
.822
53.00
48.8286
4.17143
16
.298
47.00
45.4899
1.51011
17
.383
50.00
48.0581
1.94189
18
.281
50.00
48.5717
1.42825
19
1.019
54.00
48.8286
5.17143
20
.276
51.00
49.5990
1.40097
21
-1.047
43.00
48.3149
-5.31493
22
-.704
45.00
48.5717
-3.57175
23
.540
49.00
46.2604
2.73964
24
-1.346
42.00
48.8286
-6.82857
25
1.115
55.00
49.3422
5.65779
26
.090
48.00
47.5445
.45554
27
.337
49.00
47.2876
1.71236
28
-.214
48.00
49.0854
-1.08539
29
.529
51.00
48.3149
2.68507
30
.231
50.00
48.8286
1.17143
a. Dependent Variable: Kompetensi Profesional

Casewise Diagnostics memperlihatkan hasil perkiraan dari persamaan regresi.



Residuals Statisticsa

Minimum
Maximum
Mean
Std. Deviation
N
Predicted Value
45.4899
52.6809
48.0667
1.49369
30
Std. Predicted Value
-1.725
3.089
.000
1.000
30
Standard Error of Predicted Value
.927
3.055
1.236
.443
30
Adjusted Predicted Value
44.7901
53.0679
48.0824
1.56912
30
Residual
-1.40581E1
7.25329
.00000
4.98676
30
Std. Residual
-2.770
1.429
.000
.983
30
Stud. Residual
-2.860
1.521
-.001
1.021
30
Deleted Residual
-1.56125E1
8.20988
-.01574
5.38632
30
Stud. Deleted Residual
-3.337
1.559
-.033
1.114
30
Mahal. Distance
.000
9.543
.967
1.834
30
Cook's Distance
.000
.643
.041
.119
30
Centered Leverage Value
.000
.329
.033
.063
30
a. Dependent Variable: Kompetensi Profesional


Tabel Residuals Statistics menggambarkan nilai minimum dan nilai maksimum untuk variabel yang diprediksi.
*      Charts
Pada gambar di atas terlihat bahwa titik-titiknya berada di sekeliling garis lurus. Hal ini menunjukkan bahwa data normal sehingga normalitas data terpenuhi

Sedangkan gambar di bawah memperlihatkan hubungan antara variabel kompetensi profesional (nilai yang diprediksi) dengan Regression Studentized Deleted.

v Uji t antara Kompetensi Personal dan Kompetensi Kepala Sekolah
o   Data hasil pengisian kuesioner oleh responden
Kompetensi
Kategori
49
1
61
1
66
1
66
1
68
1
73
1
63
1
71
1
65
1
76
1
67
1
77
1
75
1
71
1
64
1
77
1
67
1
65
1
64
1
61
1
66
1
65
1
74
1
64
1
62
1
69
1
70
1
63
1
66
1
64
1
85
2
90
2
78
2
76
2
84
2
89
2
86
2
96
2
46
2
68
2
87
2
73
2
78
2
78
2
64
2
74
2
83
2
79
2
88
2
91
2
104
2
83
2
84
2
86
2
77
2
88
2
101
2
69
2
77
2
87
2
Keterangan:
1 = Kompetensi Personal Guru
2 = Kompetensi Kepala Sekolah




·        Proses Pengolahan dan Hasil Analisis Data dengan Menggunakan SPSS
1.      Buka program SPSS, destinasikan Variable View dan definisikan masing-masing kolom sebagai berikut.
2.      Aktifkan Data View kemudian ketikkan data yang ingin dimasukkan
3.      Klik Analyze à Compare Means à Independent-samples T Test sehingga muncul kotak dialog  Independent-samples T Test.
4.      Masukkan variabel Kompetensi pada kotak Test Variable(s) dan variabel Kategori pada kotak Grouping Variable. Klik Define Group sehingga muncul kotak dialog Define Group.
5.      Klik Options untuk memilih prosedur-prosedur pada uji Independent-samples T Test sehingga muncul kotak dialog berikut.
Kemudian isikan Confidence Interval dengan nilai 95%.
6.      Klik OK sehingga muncul output sebagai berikut.


T-Test
[DataSet0]
Group Statistics

Kategori
N
Mean
Std. Deviation
Std. Error Mean
Kompetensi
Kompetensi Personal
30
66.97
5.816
1.062
Kompetensi Kepala Sekolah
30
81.63
11.260
2.056
Dari tabel Group Statistics diperoleh rata-rata kompetensi kategori kompetensi personal guru adalah 66,97 sedangkan rata-rata kompetensi kategori kompetensi kepala sekolah adalah 81,63. Kedua rata-rata tersebut cukup berbeda jauh sehingga H0 ditolak yang berarti terdapat perbedaan antara kemampuan kompetensi personal guru dan kompetensi kepala sekolah.

Independent Samples Test


Levene's Test for Equality of Variances
t-test for Equality of Means


F
Sig.
t
df
Sig. (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference


Lower
Upper
Kompetensi
Equal variances assumed
6.757
.012
-6.339
58
.000
-14.667
2.314
-19.298
-10.035
Equal variances not assumed


-6.339
43.445
.000
-14.667
2.314
-19.332
-10.002




Dari tabel Independent Samples Test:
n  Pada kolom Levene’s Test (uji homogenitas sampel)
Nilai sig. = 0,012 < 0,05 maka H0 ditolak yang berarti bahwa sampel berasal dari populasi data yang tidak homogen.
n  Pada kolom t-test for Equality of Means
Diperoleh |thitung| = 6,339 > ttabel = 2,05 dan sig. (2-tailed) = 0,000 < 0,05 sehingga H0 ditolak yang berarti terdapat perbedaan antara kompetensi personal guru dengan kompetensi kepala sekolah.

Comments

Post a Comment

Popular posts from this blog

Makalah One-Way ANOVA (Analysis of Variance)

Image
BAB I PENDAHULUAN A.    Latar Belakang Sering kali kita menghadapi banyak rata-rata (lebih dari dua rata-rata). apabila kita mengambil langkah pengujian perbedaan rata-rata tersebut satu persatu (dengan t test) akan memakan waktu, tenaga yang banyak. di samping itu, kita akan menghadapi risiko salah yang besar. untuk itu, telah ditemikan cara analisis yang mengandung kesalahan lebih kecil da dapat menghemat waktu serta tenaga yaitu dengan ANOVA (Analisys of variances). Secara umum, analisis varians menguji dua varians (atau ragam) berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah varians antarcontoh (among samples) dan varians kedua adalah varians di dalam masing-masing contoh (within samples). Dengan ide semacam ini, analisis varians dengan dua contoh akan memberikan hasil yang sama dengan uji-t untuk dua rerata (mean) B.      Rumusan Masalah 1.     Definisi dari One-Way ANOVA 2.   ...
Read more

Tarif Khusus Tiket Kereta Api Jarak Menengah dan Jauh Tahun 2021

Image
Pada kesempatan kali ini saya akan memberikan informasi mengenai tarif khusus untuk tiket kereta api komersial / tidak disubsidi oleh pemerintah jarak menengah dan jauh untuk beberapa rute di Pulau Jawa dan Pulau Sumatera. Kereta api komersial merupakan kereta api yang ketentuan tarifnya bersifat fluktuatif dan diatur langsung kebijakannya oleh pihak PT KAI sendiri berdasarkan jarak dan kelasnya. Dalam rangka untuk memaksimalkan keterisian tempat duduk (idle seat), PT KAI menerapkan kebijakan tarif khusus dengan harga tiket yang relatif murah untuk rute tertentu khususnya jarak dekat hingga sedang. Bagi para pengguna kereta api khususnya dengan tujuan dan jarak yang tidak terlalu jauh dapat memanfaatkan tarif khusus kereta api sebagai alternatif angkutan untuk mudik dan juga bagi yang kehabisan tiket kereta api lokal. Tarif khusus ini sebenarnya sudah diberlakukan lebih dari satu tahun yang lalu, namun untuk awal tahun 2018 ini ada penyesuaian harga baik kenaikan maupun penurunan ta...
Read more