P. 1
Membaca Angka Pada SPSS (1)

Membaca Angka Pada SPSS (1)

|Views: 261|Likes:
Published by Cha O Cha

More info:

Published by: Cha O Cha on May 25, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/17/2015

pdf

text

original

NOTE. Ini adalah tulisan jadoel ketika masih mahasiswa.

Mohon maaf jika ada kata yang kurang sopan didalamnya. Atas permintaan rekan2, maka tulisan ini saya upload dengan kondisi apa adanya

Babak I Reliabilitas dan Seleksi item
Sajian Data Sajikan datamu seperti pada contoh dibawah ini. Zetira Zamrowi Zuratno Kolom Baris Item 1 1 1 1 Item2 2 2 3 Item3 4 3 4 Item4 4 4 4 Item5 2 3 4

: memuat item-item : memuat nama subyek (nama ini bisa ditulis dengan kode, 1,2,3... dst)

Menganalisis Tekan analyze, kemudian pilih scale, dan tekan reliability analyze.

1. Masukkan item yang hendak dianalisis dengan menekan item, kemudian klik tanda panah 2. Tekan Statistics.

2

3. Setelah muncul menu option, pilih menu yang hendak diinginkan. Untuk analisis reliabilitas biasa yang dibutuhkan cuma dengan menekan scale dan scale if item deleted.

4. tekan continue, kemudian tekan OK, pada menu sebelumnya. 5. tunggu display keluar....prosessor 486 tunggu 30 detik, pentium 2 tunggu 5 detik

ITEM BAIK DAN BURUK
• • Item yang memiliki daya diskriminasi buruk adalah item yang tidak mampu membedakan antara subyek yang kemampuannya tinggi dan subyek yang kemampuannya rendah Item yang baik adalah yang berkorelasi positif dan kuat dengan skor total, sedangkan yang buruk ya sebaliknya, negatif, atau korelasi postif tetapi lemah. Ada ahli bilang bahwa korelasi yang kuat itu di atas 0,3, ada yang bilang bandingkan dengan tabel dulu, ada yang bilang juga dilihat melalui output SPSS. Ada juga yang mengaku bahwa dirinya ahli bilang baik-buruknya item tergantung pada rumput yang bergoyang. Saya mulai dulu dengan menjelaskan kenapa item itu ada yang baik dan ada yang buruk. Coba lihat pada tabel dibawah ini:

Subyek Darmo Goni Bona Joko Reti Daya Diskrim. Ket.

Item1 1 1 2 1 4 0,2825 Buruk

Item2 2 1 2 4 3 ,6578 Baik

Item3 1 1 2 4 4 ,9236 Baik

Item4 1 2 2 4 4 ,9923 Baik

Item5 2 4 2 4 3 ,2414 Buruk

Total 7 9 10 17 18

Ranking Rendah Rendah Sedang Tinggi Tinggi

Wahyu Widhiarso | 2001 | wahyupsy@gmail.com

SPSS Untuk Psikologi

3

• •

Lihat Item 1. Item ini memiliki daya diskriminasi yang buruk. Masak, Si Joko yang memiliki kemampuan tinggi, kok bisa! terukur dengan skor minim (1). Lihat pula Item 4. Item ini juga sama saja, tak jauh beda. Masak Si Goni yang memiliki kemampuan rendah, eh bisa-bisanya terukur dengan skor tinggi (4).

Permakluman
Istilah daya diskriminasi (indeks daya diskriminasi) item sebenarnya untuk Tes Prestasi, yaitu untuk membedakan orang yang pintar dan bodoh. Istilah ini sebenarnya kurang tepat jika diterapkan pada skala psikologis. Cari istilah sendiri ya? Tanya dosen…kalau sudah hubungi saya. Sementara ini pakai istilah korelasi item-total saja.

KESIMPULAN
Item 1 dan 4 ini pasti penglihatannya sudah kabur. Gak bisa dipercaya sebagai item. Tak mampu mendeteksi realita dengan benar. Atau malah mereka sedang bergurau? Jadi item 1 dan 4 tidak konsisten. Ia tak mampu membedakan mana yang tinggi dan mana rendah. Item seharusnya mampu membuat subyek: “Yang tinggi ya njawabnya tinggi terus, yang rendah ya njawabnya rendah terus”. Ini yang dinamakan item yang konsisten. Lihat grafik dibawah ini.
“Iki jenenge item sing ceniningan” kata Huda (‘96). “Bener Hud, Kuwi item sing ora sopan” lanjut Dicky (’95). “Sing jelas item iki ngajak bacok’an” seru Miko (‘97)
TOTAL
20 18 16

TOTAL
30

20
14 12 10 8 6 4 ,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 Observed Linear

Ini posisi subyek yang celelek’an. Jika subyek ini dihapus maka reliabilitas kita meningkat.

10

Observed 0 ,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 Linear

Untuk menampilkan tabel ini anda bisa, membaca tentang bab mengolah tabel. Pada bab akhir tulisan ini

ITEM2

ITEM1

Lihat bagaimana Grafik item 2 (bagus) hampir mendekati garis linear. Item 2 (buruk) malah menjauhi garis linear.
“Kamu pernah bilang bahwa sebenarnya bukan cuma item yang bisa celelek’an, ada juga subyek yang celelek’an, jelaskan itu Je!” tanya Gogon (97). Oke Gon! kalau anda melihat daftar skor yang memuat nilai Darmo, Goni, Joko, Bona, Lusi dan Rety, kowe bisa lihat Gon, mereka yang celelek’an itu adalah Goni dan Joko. Si Goni bisa-bisanya ia menjawab dengan poin penuh (skor=4) di item ke 5. Nah dengan menghilangkan subyek ini (tidak memasukkan dalam analisis) reliabilitas dan skor korelasi item-totalnya bisa sangat meningkat. Semula r = 0,6 bisa menjadi 0,8

Wahyu Widhiarso | 2001 | wahyupsy@gmail.com

SPSS Untuk Psikologi

6556 Corrected ItemTotal Correlation -.4556 16.3173 .0 Alpha = .1667 18.9000 Variance 24. jika dibuang maka reliabilitasnya akan turun.7009 harus kita relakan untuk dibuang.6940 . Ini adalah produk pemikiran Pak Heru. Karena jumlah item kita adalah 10 (n=10) maka lihat pada baris n=10. Mereka-mereka yang nilainya di atas 0.7009 N of Items = 10 TAFSIRAN ANGKA Cara Pertama 1 2 3 Lihat pada kolom Corrected Item-Total Correlation.7672 . Cara Kedua Lihat pada tabel korelasi (r) product momment.7137 .9766 Item-total Statistics Scale Mean if Item Deleted ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 ITEM6 ITEM7 ITEM8 ITEM9 ITEM10 27. Cara Ketiga (recommended) Lihat dulu reliabilitas kita berapa? Ternyata 0.1556 23.1222 27.5895 .7667 Std Dev 4.7009. pada taraf signifikansinya 0.8646) jika dibuang maka reliabilitas kita akan turun menjadi 0.4 MEMBACA ANGKA PADA SPSS R E L I A B I L I T Y A N A L Y S I S S C A L E N of Variables 10 (A L P H A) Statistics for SCALE Mean 28.7037 .3000 26. Lihat item 6 (aitem paling bagus. Ide seperti ini dapat dilihat pada buku manual SPS Sutrisno Hadi.6134 .7667 .com SPSS Untuk Psikologi . Wahyu Widhiarso | 2001 | wahyupsy@gmail. Asumsinya adalah item yang baik.6717 .7942 .196.6209 .1178 . Lalu lihat pada kolom alpha if item deleted. Gagasan seperti ini ada di buku Saifuddin Azwar.0000 25. Lihat pada kolom Corrected Item-Total Correlation.3 adalah item yang buruk.9000 Scale Variance if Item Deleted 25.9000 26. mereka-mereka yang di bawah 0.5728.6636 .6000 25.8646 .7000 26.2111 23.4000 17.3889 16. dimana korelasi item totalnya cukup tinggi 0.6667 21.1402 -.7112 Reliability Coefficients N of Cases = 10.5728 .6081 .2000 25.1028 Alpha if Item Deleted .01 ternyata r tabel adalah 3.0556 18.5066 . item yang nilai Corrected Item-Total Correlationnya dibawah 0.3196 harus dirumahkan.5000 25.5000 25.5000 25.

. (2-tailed) Pearson Correlation ITEM4 Sig. “Analisis aitem untuk seleksi butir aitem menggunakan teknik konsistensi internal. (2-tailed) -.Pada skor Si Darmo (skor total = 7).Bacalah buku tentang Psikometri. Coba lihat tabel dibawah ini….6940 Wahyu Widhiarso | 2001 | wahyupsy@gmail. yaitu menguji korelasi antara skor aitem dengan skor total. variance berhubungan paralel dengan reliabilitas. (2-tailed) Pearson Correlation ITEM2 Sig..7667.001 (sahih) .699 (gugur) -. Koreksi ini ada rumusnya…. Teknik untuk seleksi butir aitem menggunakan teknik korelasi Product Moment dari Pearson dengan koefisien korelasi rxy.. Variance kita adalah 24.841 .7667 harus masuk kotak. Subyek Darmo Goni Bona Item1 1 1 2 Item2 2 1 2 Item3 1 1 2 Item4 1 2 2 Item5 2 4 2 Total 7 9 10 Korelasi Product Momment Pearson Correlation ITEM1 Sig.yet) Sama dengan cara pak heru di atas.001 (sahih) .1402 -0.862 . tetapi variance.412 (gugur) .6717 0. skor total juga ikutikutan tinggi.5 Cara Keempat (not recommended..002 (sahih) Corrected Item-Total Correlation -0. Korelasi ini berdasarkan hitungan product momment yang telah dikoreksi dari efek atenuasi. Mereka yang di bawah 24. Output SPSS adalah korelasi product momment yang telah dikoreksi dari efek itu. tetapi yang dipakai perbandingan bukan reliabilitas. TAMBAHAN Koreksi Spurious Overlap S udah diungkapkan di atas kalau yang dipakai sebagai patokan dalam menyeleksi item adalah korelasi antara skor item dan skor total. lihat kolom scale variance if item deleted. Korelasi Product Moment ini kemudian dikoreksi dengan menggunekan korelasi part whole untuk menghindari terjadinya taksiran yang terlalu tinggi” Koreksi inilah yang dinamakan koreksi dari efek atenuasi tadi. (2-tailed) Pearson Correlation ITEM5 Sig.867 . karena semakin tinggi skor item 1.140 .com SPSS Untuk Psikologi .7037 0. 4 Semakin tinggi variance semakin tinggi alpha-nya. Sebab dalam rumus reliabilitas alpha. Ini cuma intuisi saya sendiri. (2-tailed) Pearson Correlation ITEM3 Sig.3173 0. di dalamnya ada komponen dari item 1 (skor item = 1). Oleh karena itu jika anda membaca skripsi anda akan mendapatkan kalimat seperti ini. Nah inilah yang membuat korelasinya jadi meningkat.293 .

1562*) .7500 Scale Variance if Item Deleted 37.5000 32.2778 Std Dev 6.. kembalikan item itu pada kotak di sebelah kiri dengan menekan panah.6717 . Jangan masukkan item-item yang sebelumnya teridentifikasi item yang ceniningan (buruk).2222 VAR00005 23.0000 Item-total Statistics Scale Mean if Item Deleted VAR00001 23. maka anda harus menghitung lagi reliabilitas skala setelah terbebas dari item-item yang gugur.5556 VAR00010 23. Output yang keluar menunjukkan reliabilitas skala anda.8889 VAR00004 23.5443 .2439*) .6944 28.2439*) Alpha if Item Deleted .4444 VAR00002 23..5181 .5730 .6307 . Hasil Uji reliabilitas Sebelum Seleksi Item R E L I A B I L I T Y Statistics for Mean SCALE 26.3361 .6319 .5780 .5982 . atau cukup klik dua kali.com SPSS Untuk Psikologi .3611 30..5689 .5556 VAR00007 23.389 sampai 0.1441 S C A L E N of Variables 10 (A L P H A) Corrected ItemTotal Correlation -.5902 ..7778 32...4470 .689).0 Alpha = .3881 . beginilah contohnya.1111 VAR00006 23. Reliabilitas Setelah Seleksi Item S etelah anda menghitung reliabilitas skala dan mendapatkan mana-mana item yang gugur. ternyata item yang buruk korelasinya meningkat.5556 Reliability Coefficients N of Cases = 9.1111 30.6319 N of Items = 10 Wahyu Widhiarso | 2001 | wahyupsy@gmail.3126 .(misalnya antara 0.2778 29.0940*) ..6667 VAR00009 23. Jadi misalnya anda membuat laporan.4163 .8611 31.. sedangkan item yang baik korelasinya menurun.. Dan rentang koefisien korelasi anda.sampai.6255 Keterangan *) = item yang gugur A N A L Y S I S Variance 37.1111 VAR00003 22. Keluarkan dari kotak samping kanan.6 Bisa dilihat di tabel perbandingan ini..2778 32.8889 VAR00008 23.3611 33. ia akan pindah kiri sendiri. itulah yang tertulis pada koefisien korelasi item total bergerak antara .

Wahyu Widhiarso | 2001 | wahyupsy@gmail.6347. Hal ini terjadi bisa karena anda mungkin kebalik dalam memberi penilaian. Korelasi Item-total: Korelasinya kuat tetapi kok negatif ? Ada beberapa kasus dimana kita mendapatkan korelasi item-total memiliki nilai yang negatif tetapi kuat.5848 .489 akan menjadi 0. maka anda akan mendapatkan kebalikan dari korelasi yang tadi.489.3611 15.7778 Corrected ItemTotal Correlation .3333 VAR00007 13.com SPSS Untuk Psikologi .0000 15.8611 14.3361 menjadi 0. Yang semula -0.2245 . Saran saya.4617 . yang semula bernilai 0. Oleh karena kita menggunakan validitas isi (rasionalisasi pertanyaan pada item pada blue print) maka kita tidak memiliki angka validitas.1 tadi.6667 VAR00008 13. tapi anda nilai dengan unfavorable. 2 diganti 3.6120 .4444 Reliability Coefficients N of Cases = 9.. misalnya 0. 3 diganti 2.5848 Di sini kita dapatkan bahwa ada perubahan. kita akan mendapatkan nilai yang tak terlalu kecil. reliabilitas skor kita meningkat dari 0. Koefisien Korelasi item-total = Koefisien Validitas ? Pada beberapa buku atau beberapa skripsi.345.7778 A N A L Y S I S Variance 20.0000 16.5216 6 (A L P H A) Item-total Statistics Scale Mean if Item Deleted VAR00002 12.489 atau -0.7500 12. enakan ketika menghapus item.7 Hasil Uji reliabilitas Setelah Seleksi Item R E L I A B I L I T Y Statistics for SCALE Mean 15.1439 Alpha if Item Deleted .4677 . Nah setelah anda perbaiki. semakin sedikit item yang dipakai semakin menurun harga korelasinya.6560 N of Items = 6 Keterangan: Reliabilitas skala adalah 0. dan 1 diganti 4.4444 S C A L E N of Std Dev Variables 4.6347..6667 VAR00005 12.8889 VAR00003 12. Misalnya item 8. Jangan percaya pada mereka.1439. Dan ini memang konsekuensi dari pengurangan item.6347 Scale Variance if Item Deleted 17.6225 menjadi 0..5467 .35 saja. misalnya -0.4283 . misalnya yang nilai 4 diganti 1.5184 .0 Alpha = . Koefisien korelasi item-total bergerak dari 0. Biar nanti jika dihitung lagi.8889 VAR00006 13. ada yang mengatakan bahwa koefisien korelasi itemtotal (r) adalah koefisien validitas. Yang seharusnya item ini favorable.koefisien validitas baru ada jika menggunakan validitas kriteria.2962 .5949 . tetapi pergerakan korelasi item total menjadi kecil.1439 sampai 0. memakai korelasi item-total diatas 0.

9 30 --------------. sekarang bandingkan dengan jarak antara df30 dan df35 jaraknya cuma 0.. Nah.21. meski itemnya 10 tetapi karena jumlah subyeknya besar. tetapi ketika sampai pada df diatas 60.70 0.. maka kita harus menyesuaikan pada tabel. Saya hanya memperlihatkan pada item 1 sampai 10 saja.211 0. “Ora usa kakean penjelasan! Piro jumlah subyek’e?” “60 subyek sudah memasuki daerah aman versi statistik”.. dan subyek’e juga banyak.pejamkan lagi mata anda dan bayangkan bahwa anda nanti akan ditanya macam-macam saat ujian skripsi.8 Jumlah Item dan Jumlah Subyek yang ideal Ketika kita hendak membuat skala.. maka yang gugur cuma 2 item.. jantung anda bergetar keras. a. yaitu kolom 1 ekor (one tailed). badan anda menggigil karena tak bisa menjawab. Oke! buka lagi mata anda.com SPSS Untuk Psikologi . oleh karena patokan baik buruknya item tergantung korelasi item-total. dari 0. versi metodologi dan versi statistik.257 60 ------.275 35------------40 0. melihat angka-angka yang ada di sana. Oleh karena itu inilah yang membuat bagi sebagian orang memakai angka ini sebagai pegangan jumlah item atau jumlah subyek kita. dan korelasi item total tergantung pada tabel. Lihat tabel korelasi (R) pada buku statistik.275 0. “Sing jelas item’e banyak. selisihnya hampir 1.195 0. Dari sana terlihat bahwa yang sangat mempengaruhia reliabilitas dan koefisien korelasi adalah banyaknya subyek. 2 ------------------------------------. pejamkan mata anda. Wahyu Widhiarso | 2001 | wahyupsy@gmail.805. Ambil satu kolom.kalau mata anda masih sepet dengan angka-angka itu. Dalam pandangan statistik. skala kepemimpinan (45 item) yang disajikan pada 59 subyek. Lihatlah di bawah sana (tabel ke-2). bayangkan bahwa anda sekarang melihat sepotong apel merah yang ranum dan siap dimakan. Lihat pergerakan angka pada kolom di sana jarak antara df2 dan df3 sangat besar sekali. Kalau mata anda sudah sepet. ngunu wae dipikir” kata seorang teman Sebelumnya saya mengajak anda untuk memahami pola yang ada pada tebel r.35 0. Lihat angka di sana. Versi Statistik: Versi statistik berorientasi pada tujuan agar kita mendapatkan item yang baik dan skala yang reliabel.805 0. pertanyaan ini pasti muncul. • Saya akan memberikan contoh-contoh dari satu data skripsi milik Handoko (97)..3 0. penurunan r pada tiap satuan df sangat kecil. Dari sini kita dapatkan bahwa angka 60 adalah angka batas.296 Akhirnya kita dapatkan bahwa : • Dibawah df 60 penurunan r tiap satuan angka df sangat besar.900 sampai 0. Lihat juga di sana (tabel 4) itemnya 45 tetapi jumlah subyeknya cuma 10 maka item yang gugur 7.Berapa jumlah item yang harsu kita buat? Berapa subyek yang harus kita cari? Ada dua versi untuk menjawab pertanyaan ini.

3560 .0584 18.7499 .2571 .0 Alpha = .7703 ITEM7 159.2373 99.tidak ditampilkan Reliability Coefficients N of Cases = 59.6610 .4444 8.0000 .9082 ITEM11 dst….7000 ITEM10 35.6765 .3086 .5097 .6602 .1000 ITEM5 34.7448 .8019 17.8475 35.2889 7.4915 99.5559 Alpha if Item Deleted .6593 .4802 .1017 34.3444 7.0000 ITEM4 34.7639 15.9831 101.4000 Reliability Coefficients N of Cases = 10.3121 .3778 Corrected ItemTotal Correlation .6556 7.7510 ITEM2 161.0000 ITEM7 34.8101 ITEM4 160.4240 .2203 98.9053 ITEM3 159.0199 .0239 .9328 18.4068 36.6869 .3507 .4127 .6780 98.2712 .3051 34.1081 -.4611 ITEM9 160.9807 ITEM6 160.3455 .5401 .1186 .7000 ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 ITEM6 ITEM7 ITEM8 ITEM9 ITEM10 Reliability Coefficients N of Cases = 59.7200 .6603 .9661 99.7157 .6891 -.2111 9.3956 .2616 N of Items = 10 Alpha if Item Deleted .7164 .6757 Corrected ItemTotal Correlation .8000 ITEM6 35.4868 15.6736 .4868 15.0 Alpha = .3951 .0 Alpha = .6645 .1368 ITEM8 160.7627 99.1818 .6000 ITEM3 34.8222 9.7627 96.7376 .6539 N of Items = 45 Hasil Hitungan 10 item 59 subyek Scale Mean if Item Deleted 34.1198 .1344 18.5132 .7606 .5763 35.2881 35.5248 .3588 .2146 .5482 Corrected ItemTotal Correlation .5634 ITEM10 160.9 Hasil Hitungan 45 item 59 subyek Keterangan: yang diberi cetak tebal adalah item yang gugur Scale Scale Mean Variance if Item if Item Deleted Deleted ITEM1 159.1111 7.4032 Wahyu Widhiarso | 2001 | wahyupsy@gmail.5932 34.0625 15.8000 ITEM2 35.7013 .6582 .3161 .5294 .6222 7.6949 96.com SPSS Untuk Psikologi .5378 .5581 .4553 17.4602 Scale Variance if Item Deleted 7.7333 8.7966 103.3729 Scale Variance if Item Deleted 17.7455 N of Items = 10 Hasil Hitungan 10 item 10 subyek Scale Mean if Item Deleted ITEM1 33.3729 34.4631 .8305 35.6675 .2000 ITEM8 34.4589 .7224 .7954 ITEM5 160.4346 Alpha if Item Deleted .3541 .6595 .3089 .9000 ITEM9 34.

sekarang mereka akan kuajak ke babakan II tentang t-test.0 Alpha = . Bukan. Ada ahli yang nulis bahwa rata-rata orang hanya mampu menjawab dengan baik di bawah 30 item.10 Hasil Hitungan 45 item 10 subyek Scale Scale Mean Variance if Item if Item Deleted Deleted ITEM1 160.0000 108.8444 ITEM9 161.5444 ITEM4 161. Wahyu Widhiarso | 2001 | wahyupsy@gmail.com SPSS Untuk Psikologi . Untuk uji hipotesis dan analisis faktor 100-300 orang.2014 -.. karangan Pramoedya Ananta Toer.. There are great lies in this world.0695 Alpha if Item Deleted .6929 .And damn statistics Benyamin Disraeli Ayolah Ben..3889 ITEM3 160.6833 .4333 ITEM7 161.1072 -.2686 .. ada di buku Psikologi Imajinasinya Sartre. Versi Metodologi Versi metodologi penelitian mengatakan bahwa jumlah item yang bagus adalah yang tidak sampai membuat subyek menjadi klenger.5444 ITEM8 161..Great Lie. ada juga yang bilang ¼ dari populasi.7000 107..6918 . dan uji hipotesis dengan 60 subyek juga. Karena bisa jadi item yang cuma 10 subyek saja malahan bisa meningkatkan reliabilitas karena 10 subyek itu tidak satupun yang celelek’an.3166 . Nah sekarang mengenai jumlah subyek. Nafan (‘97) : Mungkin itu ada di buku Bumi Manusia.. .1116 . .5746 . Bukan Buku itu. Ada yang bisa melakukan uji skala dengan 60 subyek.6823 ....6868 Corrected ItemTotal Correlation .6802 . dan kelelahan karena kebanyakan membaca item-item yang malah membuat subyek tidak menjawab dengan benar. Kalau nggak salah di bukunya Pak Azwar.0582 .. terima kasih. Pokoknya di sana disebutkan bahwa sampel yang representatif untuk menghitung keandalan skala adalah di lebih kurang 100 orang.1655 . Dodo : Tentu saja untuk subyek yang populasinya sedikit (terbatas) jumlah itu bisa diterima. Jangan mengacau pembaca tulisanku.8000 108.6881 N of Items = 45 Sebenarnya penjelasan ini ada kelemahannya.2222 ITEM5 161.9000 111.3444 ITEM2 162. Kalau seperti siswa sekolah atau mahasiswa.6852 .7000 108.6952 .6565 . Thad (’97) : Bukan Pan!.6000 110.0111 ITEM6 161. saya lupa bukunya. jumlahnya ya diatas 100 untuk tes hipotesisnya dan 60 untuk uji coba skala.2333 ITEM11…dst tidak ditampilkan Reliability Coefficients N of Cases = 10.6780 .3000 108.Lie.1000 98. Tapi kalau dalam pengalaman skripsi rekan-rekan yang sudah lulus.0376 .9000 106.5000 107. Ada satu tulisan. Misalnya dalam populasi perawat seperti dalam skripsi Gogon.2667 ITEM10 162.

Dalam eksperimen. Sampel Independen (between subjects) Sampel independen adalah sampel yang didapatkan dari data yang berasal dari subyek yang berbeda. desa-kota. Misalnya: 1. 1.com SPSS Untuk Psikologi . 2. Contoh: 1. Anda ingin mencari perbedaan antara kecenderungan depresi pada laki-laki dan perempuan.11 BAB II UJI Hipotesis Komparatif No. dsb. Dalam eksperimen anda ingin membandingkan skor pre-test dan post-test kelompok eksperimen. Misalkan perbandingan antara laki-laki perempuan. Non Parametrik Sampel Independen dan Sampel Berhubungan A. 2. B. anda ingin mencari perbedaan antara skor pre-test antara kelompok kontrol dan kelompok eksperimen. Jenis Uji Statistik Parametrik Jenis Data 2 Sampel Independen 2 Sampel Berhubungan 2< Sampel 2 Sampel Independen 2 Sampel Berhubungan 2< Sampel Independen 2< Sampel Berhubungan Jenis Statistik Independent sample t-test Paired sample t-test Anava Mann Whitney U test Wilcoxon Sign Rank test Anava ranking Friedman 2. Anda ingin mencari perbedaan kinerja pegawai dari yang sebelum diberi kenaikan gaji. Sampel Berhubungan (between treatment) Sampel berkorelasi adalah sampel yang didapatkan dari data yang berasal dari subyek yang sama. Joseph Stalin Wahyu Widhiarso | 2001 | wahyupsy@gmail. Banyaknya kematian adalah statistik. Satu kematian adalah tragedi. SMA-S1.

cerdas Grup 3.com SPSS Untuk Psikologi . antara 0 sampai 10 anda dapat menekan cut point dan menulis angka tengahnya yaitu 5. Tekan continue. Letakkan dengan menyusun ke bawah Tidak harus berurutan ya tidak apa-apa. jadi yang dibedakan adalah yang diatas 5. Grup 1 adalah pria dan grup 2 adalah wanita. nggak ada yang melarang jika kode 1 dan 2 tidak berurutan seperti contoh yang saya berikan. Wahyu Widhiarso | 2001 | wahyupsy@gmail. Lalu muncul display seperti di samping ini. yaitu 1 dan 2. Display out akan muncul. misalkan anda punya variabel yang lain. dan dibawah 5 Option Jika anda menginginkan taraf sig. kemudian OK. anda dapat menekan tombol option. Masukkan kode data Specified Value Jika data yang dibandingkan. Lalu tulis kode anda. bisa juga langsung dimasukkan. yang anda inginkan Perlu diingat. compare means. Tulis berapa % sig. Contoh: wanita Tidak urut tidak apa-apa pria 2. selain 95%. misalnya. Lalu muncul menu seperti di samping ini. Jika tidak hanya variabel cerdas saja yang hendak dianalisis. tidak ada format analisis yang mengijinkan bahwa subyek yang sama berada dalam satu kolom. Tekan Menu analyze. misalnya asertifitas. tekan define grup. Sajikan data anda seperti pada contoh di samping ini Ini yang dinamakan variabel dummy. Jika anda memakai kode a dan b.12 Mengolah t-tes Sample Independen 1. Melainkan data kontinum. 4. Misalkan hipotesis kita adalah ada perbedaan antara Kecerdasan pria dan wanita. Dalam SPSS.maka Masukkan a dan b. t-test independent samples. Masukkan variabel yang hendak dianalsisis. bukan data kategorik 1 dan 2. Pada menu grup.

00 2. df=18.05. Langkah II : Terlihat bahwa nilai t hitung= -3.01 ada perbedaan pada taraf sig.56916 -4. p<0.4000 1.56914 Aturan Uji Homogen Sig: p< 0.34743 -7.02765 2.00 N 10 10 Mean 25. mereka kelihatan cerdas (Henry Delacroix ) Wahyu Widhiarso | 2001 | wahyupsy@gmail.95743 . Sig: p< 0.99815 Pria kelihatan bodohnya ketika mereka diam. maka yang kita lihat adalah lajur equal variance assumed (data diasumsikan homogen). maka baca lajur kiri (equal variance assumed) . maka dapat dikatakan bahwa tidak ada perbedaan varians pada data kecerdasan pria dan wanita.998 .4000 1. siapa yang memiliki rerata (mean) yang tinggi.05 (data homogen) Aturan Uji t a. artinya ada perbedaan kecerdasan antara pria dan wanita.054 . Deviation 3. 1% c.01).05 tidak ada beda Levene's Test for F Equality of Varian Sig. sedangkan ketika wanita diam.5000 29. Kita lihat.265.265 18 17. Error Mean . 5% b.94810 kecerdasan grup 1. Penjelasan Kasus di Atas Langkah I : Karena data kita homogen.com SPSS Untuk Psikologi .05.23086 -1.004 . jika data tidak homogen.819 -3.05 ada perbedaan pada taraf sig.13 Membaca Angka t-tes Independen Sample Independent Samples Test kecerdasan Equal variances Equal variances assumed not assumed . Sig: p< 0.54 (p=0. t-test for Equality t Means df Sig. (2-tailed) Mean Difference Std. Bogel: Je! Kamu jangan bilang ada perbedaan yang siginifikan saja. Dapat dikatakan bahwa ada perbedaan kecerdasan antara pria dan wanita. Katakan juga siapa yang lebih cerdas?” OK. dari kasus ini. wanitalah yang lebih cerdas. Disana tampak bahwa F=0. Sig: p>0.265. Group Statistics Std.23084 -1.05 (data tidak homogen) Sig: p>0.819) karena p diatas 0.34743 -7. baca lajur kanan (equal variance not assumed).9000 Std.265 -3.004 -4. Di sana tampak bahwa nilai t kita -3. (p<0. Langkah II Jika data anda homogen. Error Difference 95% Confidence InteLower of the Difference Upper Langkah I Baca dulu Levene’s test untuk uji homogenitas (perbedaan varians).

4000 1.400. Perempuan lebih cerdas daripada pria Std.56916 -4. Selisih Mean.004 . baca lajur kanan. (2-tailed) Mean Difference Std.com SPSS Untuk Psikologi .34743 Lower Upper -7. yaitu uji perbedaan varians pada data kita. baca lajur kiri.23. Adalah selisih standar deviasi dua data kita.02765 . Visualisasi t-tes 95 % Confidence Interval of the difference.23086 -1.004 -4. -nya terlihat bahwa ia lebih besar dari t tabel (p<0.(-4.50 kecerdasan wanita= 29.34743.2. Jadi dengan menggunakan taraf kepercayaan 95 %. 3. Adalah rentang nilai perbedaan yang ditoleransi. jangan mengharap ada beda signifikan. Error Difference 95% Confidence Interval of the Difference Nilai t Anda.05.14 Levene Tes Homogenitas. Jika tak bisa mengalahkan t tabel (lebih besar dari t tabel).56914 Levene's Test for Equality of Variances t-test for Equality of Means F Sig. Adalah uji homogenitas. Jika data homogen.054 . Lihat tabel dibawah ini.90. toleransi ini menggunakan taraf kepercayaan 95%.57 sampai 7. Mean Difference.998 .34743 -7.265 -3. (-1. Independent Samples Test kecerdasan Equal variances Equal variances assumed not assumed .99815 = 1.4000 1.819 -3. Eror Difference. Adalah selisih dua mean data kita. Pada kasus kita.23084) upper mean difference lower Nomor-nomor yang besar pastilah mengandung kesalahan Wentworth Dillon Wahyu Widhiarso | 2001 | wahyupsy@gmail. bahwa rerata kecerdasan pria= 25.265 18 17. t df Sig.56916)-----------------. Seperti kita ketahui dari data ini. rentang selisih kecerdasan pria dan wanita dari 1.(-7.23084 -1. Aturannya seperti yang tertulis pada tabel sebelumya. Dari Sig. jika tidak.4) -----------------. Selisihnya adalah 4.

nilai t kritis pada df 15.9 37 Perpotongan antara dua data ini masih dalam batas toleransi (95% or 99%) ataukah tidak.com SPSS Untuk Psikologi . Jika kurang berarti ada perbedaan.5 27 29 mean 29. karena secara teoritik harus benar-benar dapat dipertanggung-jawabkan dan membutuhkan landasan teori yang kuat. sebab harga satu ekor lebih murah dari pada dua ekor. Wahyu Widhiarso | 2001 | wahyupsy@gmail. satu ekor nilainya 0. Prinsip ini digunakan pada analisis yang lain juga. 0.482.. karena lebih murah. toleransi yang dipakai akan lebih rendah..15 Filosofi t-tes distribusi Kecerdasan pria distribusi kecerdasan wanita 19 mean 25. secara statistik memang kepenak memakai satu ekor. Coba lihat di tabel. tetapi secara metodologi lebih mahal.412 yang dua ekor lebih tinggi. jika lebih berarti tidak ada perbedaan < 5% (ada beda) < 1% (sangat ada beda) > 5% (tidak ada beda) Tambahan Pada menu option Anda dapat memilih berapa taraf signifikansi yang anda inginkan 1 Ekor melawan 2 Ekor Kalau pakai satu ekor. Misalnya korelasi.

)] POS_TES 66. tes ini yang sering dipakai jika mereka tidak memakai t-tes. maka hipotesis alternatif ditolak. di bawah. Jadi Ho ditolak. maka data anda distribusinya buruk (poorly distributed). alias tidak ada perbedaan.150 a GAIN 42.000 -1. jadi dalam tulisan ini saya hanya membahas tes ini saja.50 Sum of Ranks 222.05 (tidak signifikan).000 -2.907 . Wahyu Widhiarso | 2001 | wahyupsy@gmail. Tetapi jika di atas 20.com SPSS Untuk Psikologi .11 12. Data berbentuk ordinal.138 .000 171. (yang anda beri kode 1) Test Statisticsb PRE_TES 78.50 171.50 18. Tes ini yang paling kuat diantara teman-temannya.009 a a. Sig.00 • Mann Whitney U Jika nilai U tidak bisa lebih kecil dari U tabel.500 183. Not corrected for ties.58) dialah yang nilainya memiliki perbedaan.376 a Z Score Deviasi dalam distribusi normal Untuk sig 5%. Jika data anda berbentuk interval maka dalam pengoperasiannya data anda harus dikonversikan dulu ke data ordinal (ranking). Z=2. b.79 10.500 -.004 . kalau <0.853 .365 .50 183. Karakter Tes: • • • Bebas asumsi normal. Data anda sedikit (<20). Z anda harus >1.00 147.485 .000 147. [2*(1-tailed Sig. (2-tailed) Exact Sig.96 Untuk sig 1% Z anda harus >2. Ketolak atau tidak bisa dilihat pada sig.00 235. Dari kasus di atas yang memiliki perbedaan hanyalah skor gain.21 16. Z=1.05 maka ada perbedaan POS_TES GAIN Wilcoxon W Wilcoxon rank sum W statistic. Di psikologi. Tapi jika pakai SPSS data anda akan dikonversikan sendiri olehnya. Asymtotic Significance Tingkat signifikansi yang berbasis pada distribusi asimtot dari tes. Grouping Variable: GRUP Penjelasan Kasus Di sini berlaku bahwa barangsiapa yang memiliki nilai Z diatas nilai kritis (5%.00 259. Ranks PRE_TES GRUP 1 2 Total 1 2 Total 1 2 Total N 14 14 28 14 14 28 14 14 28 Mean Rank 15. yaitu tes non parametrik lainnya. Jadi nggak usah pakai uji normalitas Dua sample yang dibandingkan adalah independen.58 Mann-Whitney U Wilcoxon W Z Asymp.89 13. Dapat dilihat di display. Jika Sig > 0. maka dapat digunakan pendekatan dengan kurve normal Z.96) or (1%. W adalah total jumlah ranking yang dinamakan pertama dalam kolompok.16 Membaca Display Mann Whitney U Test Mann Whitney U test adalah t-test versi non parametrik.

Terus.40 2% 2 10 Wahyu Widhiarso | 2001 | wahyupsy@gmail.15 14% 14 15 Sig. kau lihat tabel t-tes misalnya.05 : Ada Beda B =65 Kalau hasilnya tidak ada perbedaan. Aplikasi Chi-Square pada Uji Normalitas. apakah datamu itu dari populasi yang berdistribusi normal.com SPSS Untuk Psikologi .35 14% 14 12 3 36 . Aku. sisi B keluar sebanyak 65 kali. Apakah koinku dapat dikatakan seimbang. Kurve normal punya 6 Standar Deviasi (sd). ngetes normalitas segala? Pertama. Tapi karena tes ini memiliki kelemahan. p<0.17 Uji Normalitas Uji distribusi normal adalah uji untuk mengukur apakah data kita memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial). Macam Data Data Teoritik Data Observasi Kemunculan Sisi Koin A = 50 B = 50 A = 35 Total 100 100 Uji Chi Square Sig. Misalnya Hubungan Antara Independensi Anak yang Jarang Mandi di Fakultas Psikologi UGM Dengan Kreativitas. Cara yang biasa dipakai untuk menghitung masalah ini adalah Chi Square. Populasinya khan cuma tiga. Tak lempar seratus kali. sisi A keluar sebanyak 35 kali.05 : Tidak Ada -3 1 . p<0. Masing-masing sd luasnya seperti ini.. Sd Distribusi Kurve Normal Data Hasil Kategori % Frek. maka yang kita pakai adalah KolmogorovSmirnov.20 34% 34 20 Ada Beda 1 21 . pembuatannya itu mengacu pada tebel normalitas.05 : -1 16 . Frek. uji apakah data empirik yang kamu dapatkan dari lapangan itu sesuai dengan distribusi teoritik tertentu. Dengan kata lain. Mbuh! Chi-Square Filosofi mengapa Chi-Square kok bisa dikatakan Goodness Of Fit Tes. Artinya. Kita Lihat dulu Data teoritik kurve Normal. Apakah harus di tes normal segala. kamu. dan Sony ’93.eh kasus ini. Kedua tes dinamakan masuk dalam kategori Goodness Of Fit Tes.maksud’e koinku gak penceng?. bagaimana kalau kita langsung meneliti populasi secara langsung. distribusi normal. Dalam kaus. Tes-tes parametrik itu dibangun dari distribusi normal. Januar: Mengapa kita harus. p>0.10 2% 2 5 Beda -2 11 . p>0. Januar: Makanan lagi ini? Ayo Jelaskan apa yang kau maksud dengan fitness tes ini. kita bisa berasumsi bahwa sampel kita bener-bener mewakili populasi. Bukan Fitness Tes. Sig. tapi Goodness Of Fit Tes. adalah begini: Aku punya uang seratus rupiah. Kedua.05 : Tidak Ada Beda Sig. maka dapat dikatakan bahwa koin kita setimbang.. Sehingga hasil penelitian kita bisa digeneralisasikan pada populasi.30 34% 34 38 2 31 .

Data 2 3 5 7 Total frekuensi 5 2 3 5 15 Frekuensi kumulatif 5 7 10 15 Frekuensi Kumulatif Frekuensi kumulatif adalah penjumlahan frekuensi per-baris hingga ke bawah Lihat tabel dibawah ini. (2-tailed) Mean Std. Deviasi Distribusi Normal Dari sini dapat dikatakan bahwa data anda berdistribusi normal.164 (p>0. Hasil ini lalu dibandingkan dengan tabel D. yang diuji itu distribusi normal. maka data anda NORMAL. dan biasanya mereka menulis Z=0.18 Kolomogorov -Smirnov Chi Square membandingkan distribusi teoritik dan distribusi empirik (observasi) berdasarkan kategorikategori.. Dalam kasus ini D= 0. Kalau t-tes khan t. Kalau korelasi khan r.com SPSS Untuk Psikologi . Ada 6 pembagian.905 Negative Pengurangan yang menghasilkan angka negatif terbesar N Normal Parameters a.. Tapi tidak semua yang diambil. D = 0.A Frekuensi empirik Distribusi kumulatif (empirik)……. or Beberapa orang ada yang menjadikan acuan signifikansi adalah Z. Uji KS outputnya adalah D. Hanya satu yang diambil 12 yaitu yang selisihnya terbesar.164 Jika D anda lebih kecil dari tabel.164 .B A-B 1 1 1/12 1 1/12 0 2 2 3/12 3 4/12 -1/12 Sebaran Normal 3 4 5 3 3 2 6/12 9/12 11/12 2 6/12 0 3 9/12 0 1 10/12 1/12 distribusi kumulatif teoritik 6 1 12/12 2 12/12 0 Total 12 dikurangi distribusi kumulatif empirik.567 (p>0.37895 .164 . Deviation Absolute Positive Negative Positive Pengurangan yang menghasilkan angka negatif terbesar a.0833 1.b Most Extreme Differences Kolmogorov-Smirnov Z Asymp. atau poisson Absolut (D) Dari perbandingan antara negatif dan positif. Test distribution is Normal. Sig. bukan distribusi eksponen.117 -.05) Jika Z anda di bawah 1. Calculated from data.567 . Ini contoh-contohan uji normalitas data.data anda NORMAL ! Wahyu Widhiarso | 2001 | wahyupsy@gmail. D itu didapatkan dari Frekuensi teoririk Distribusi kumulatif (teoritik)……. Test Distribution is Normal artinya.97 maka dapat dikatakan tidak ada perbedaan antara distribusi teoritik dan distribusi empirik. b. Cara Membaca Angka One-Sample Kolmogorov-Smirnov Test VAR00001 12 3. kalau KS berdasakan frekuensi kumulatif. yang terbesarlah yang dimasukkan sebagai absolut.05). Jadi yang dibandingkan adalah frekuensi kumulatif distribusi teoritik dengan frekuensi kumulatif distribusi empirik.

Pilih Descriptive Statistics Æ Explore 2.19 Menampilkan Uji Kolmogorov-Smirnov Cara Pertama Pilih distribusi normal Cara Kedua 1.com SPSS Untuk Psikologi . Tekan tombol Plots. 4. Beri tanda pada Normality Plot With Test Wahyu Widhiarso | 2001 | wahyupsy@gmail. Masukkan variabel yang hendak di uji pada kotak Dependen. 3.

1971) 3.5366 Lower Bound Upper Bound 103. CS memerlukan data yang terkelompokkan. Bayangkan jika data anda berjumlah 5.0000 -.com SPSS Untuk Psikologi . karena ia dibulatkan ke atas.110 . sedangkan CS. (info lebih lengkap baca buku Non Parametrik Statistical Inference. .266 .199 .2176 107.98505 . sedangkan anda harus membuat 6 kategori sd. lebih besar di sini.0000 111.00 13. Jika dihitung dengan cara pertama sig. sementara KS bisa. dan disamakan dengan angka di atasnya yaitu 12. KS lebih fleksibel dibanding CS.015 p <0.0384 11. Jadi enakan pakai cara pertama saja.00 56.00 9. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis Lower Bound Upper Bound Statistic 9.273 p > 0.-nya 0.55403 75.791 6. Misalkan kategori 11-15.77137 depresi Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std. Maka ada data yang terbuang maknanya.177 a. padahal kurang satu no dia masuk kategori 16-20.1287 9.526 1.982 df 82 82 Sig.088 df 82 82 a Shapiro-Wilk Statistic . Sig.2500 .015 . Dan anda membuat angka 11 untung.834 . CS tidak bisa untuk sampel kecil.310 Arti Statistic Adalah nilai D. sd nya sama. 14 dan 15. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis . Wahyu Widhiarso | 2001 | wahyupsy@gmail. maka harga tes ini jadi mahal. Soalnya ada tambahan Koreksi Liliefor segala.05 Æ Tak Normal Mengapa ? Cara pertama adalah uji Kolmogorov-Smirnov Plus. Cs tidak bisa digunakan bukan? Oleh karena data Chi Square adalah bersifat kategorik.266 .5732 8.357 105. KS tidak memerlukannya. Adalah perbedaan antara distribusi teoritik dan distribusi empirik. Berkatalah hanya pada apa yang anda ketahui saja Anonim .20 Output Kolmogorov Smirnov Cara Kedua Descriptives Std.937 . Sig.00 29. seperti yang saya jelaskan sebelumnya.1080 9. Contoh : Data Depresi milik Hendro. 4.13. Apa Itu Koreksi Liliefor? Tuhan belum mengijinkan aku untuk menjawabnya. KS dapat mengestimasi variasi sd.00 131. Ia merasa rugi karena dibulatkan ke bawah.0000 48. Lilliefors Significance Correction Keunggulan Kolmogorov Smirnov (KS) dibanding (Chi Square) 1.001 . Anda membuat angka 15 marah-marah.8556 105. Gibbons. karena dibagi secara seimbang.00 29. .16550 makna hidup Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std. 2.-nya 0. Error .639 Perhatian Karena ada koreksi Liliefor.388 10.526 Tests of Normality Kolmogorov-Smirnov depresi makna hidup Statistic .05 Æ Normal tetapi jika dihitung dengan cara kedua sig. Peluang tidak normal.6233 106.

Non Parametrik.itu data dianalisis... Wahyu Widhiarso | 2001 | wahyupsy@gmail. Dengan menekan Analyze.com SPSS Untuk Psikologi . Susunan data sama seperti penyajian t-tes sampel independen. Masukkan variabel penelitian yang telah disusun ke arah bawah.” Misalkan data kita sudah tersaji seperti ini...dan memasukkan variabel cerdas..... lalu 2 independet sample.. lalu non parametric test. Kalau penelitian anda adalah eksperimen. 3. keterangan seperti ini. ya sama saja. yakni menggunakan variabel dummy... 4.. One Sample K-S (Kolmogorov Smirnov)... Tekan analyze. bilang bahwa syarat menguji t-tes adalah data kita harus berdistribusi normal.21 Cara Menguji Distribusi Normal Sampel t-Tes. Langsung saja. 2. Uji perbedaan Sampel Indenpenden Versi Non Parametrik 1. Caranya sama saja dengan yang diatas. Pilih test yang ingin kau gunakan. ayo ceritakan Je! Nanti tak kasih permen. Penjelasan Tes Jika ingin menampilkan keterangan masing-masing test. maka akan tampli. “Kamu. sesuai dengan kelompoknya. kemudian klik kanan.. Anda dapat mengarahkan kursor pada jenis tes.

4. hingga katakanlah 100 sampel. Nama Baru Nama baru bagi variabel yang ditransformasikan Pilih variabel yang hendak ditransformasikan Ketika fungsi sudah dipilih.di sini adalah variabell anda yg hendak ditransformasi. 3. Gunakan statistik non parametrik. Skewness berkaitan dengan lebar kurve. help akan muncul Tambahan tentang Normalitas (Bagi yang ingin mendalami saja) Satu istilah yang ngetrend dalam Kurve Normal adalah Skewness dan Kurtosis. Lalu muncul seperti yang ini. akan muncul : SQRT (?). Jika tidak bisa. Transformasi Data 1. Dua nilai ini harus diperhatikan. Tekan Menu Transform 2. Untuk Kurtosis juga lho.. Anda juga bisa membuat rumus dengan cara sendiri. Jika data terlihat sebarannya normal. Z tidak boleh lebih dari 2.com SPSS Untuk Psikologi . Kemudian jadi..SQRT (harmoni) Rumus Buatan Sendiri 3.. Klik tanda panah. Kita transformasikan data kita dalam bentuk yang lain (remedies for non normal). tapi kalau nilai kurtosisnya besar (alias salah satu kategori terlalu tinggi) ya nggak normal. tetapi cara yang sering dipakai adalah transformasi dalam bentuk akar kuadrat.96 (sig. 5%).. Macam-macam rumus yang tersedia di SPSS Pada contoh ini.. (1995) 2. Untuk mengerti arti lambang2 di sana.. Ulangi Uji Normalitas sekali lagi pada data anda. dan log 10. Lihat Bab Outliers 4. Semoga menjadi normal. Lihat buku “Multivariate Data Analysis” karangan Hair dkk. 5. data anda memang ‘gak normal. Wahyu Widhiarso | 2001 | wahyupsy@gmail. tanda tanya ini ada ganti dengan variabel yang hendak di transformasikan. SQRT (square root) adalah akar kuadrat.. tambah jumlah sampel penelitian. Numexpr. 1%) dan 1. Nilai Kritis (Z) = Skewness / √ (6/N). arcsin.. Ada banyak cara mentransformasikan.22 Apa yang harus dilakukan jika sebaran data tidak normal 1.. Jika tidak bisa juga. buang subyek yang teridentifikasi sebagai outliers. Jika cara 1 tidak bisa. Klik kanan pada lambang itu. Klik OK jika sudah selesai.58 (sig.rumusnya sama.Relakan. Kemudian pilih Compute. di atasnya untuk memilih fungsi ini. sedangkan kurtosis dengan tinggi kurve.

com SPSS Untuk Psikologi . Je! Apakah ada data yang tidak linear? Ada. Tetapi bertambah tinggi stress mu maka kinerjamu menurun. Kemudian Pilih Lineartity Test dan Eta and Eta Square.. 3. untuk menguji syarat linear inilah yang dibahas di sini. Misalnya hubungan antara stress dan kinerja. yang dikenal adalah pemaknaan melalui mata (visual). Sebenarnya dalam statistik uji linearitas pemaknaan melalui angak-angka tidak seberapa dikenal.. distribusinya normal. Pada awalnya semakin tinggi stress tingkat stress semakin tinggi kinerjamu.. Kalau pada diagram itu terlihat membentuk linier yang bisa ditarik. Nah.23 Uji Linearitas Uji Korelasi product moment memerlukan tiga syarat. Uji SPSS menggunakan regresi biasa. Kuadratik Linear Kubik Kuartik Menampilkan Uji Linearitas 1. Beberapa buku statistik merekomendasikan dengan melihat diagram scatter. Analyze Æ Compare Means Æ Means Masukkan data anda pada kotak menu variabel independen dan variabel dependen Tekan Option. dan hubungan antar variabel yang hendak di komparasikan linear. sama saja hasilnya ketik anda menggunakan uji regresi. maka data anda bekorelasi secara linier. Jadi kalau anda menggunakan uji linearitas. Wahyu Widhiarso | 2001 | wahyupsy@gmail. Yaitu dengan melihat hubungan dua variabel pada diagram scatter. Iki lho gambare.. 2. Ini adalah hubungan kuadratik. data bersifat interval/rasio.

24 Keterangan Masukkan variabel penelitian anda. Kalau variabel independennya dua buah.912 * Frekuensi Ngemil Groups Linearity 191.503 Within Groups 223. masukan langsung juga nggak apa-apa Keterangan Pilih Option Kemudian beri tanda pada anova table dan test of linearity Tampilan Uji Linearitas ANOVA Table Sum of Squares Tingkat Kecerewetan Between (Combined) 377. Berarti data anda Wahyu Widhiarso | 2001 | wahyupsy@gmail.6 15 . sehingga uji korelasi pearson bisa langsung dilanjutkan Deviation from Linearity Menunjukkan seberapa jauh simpangan hubungan variabel anda. Combined Ini adalah kombinasi antara linearity dan selain linearity (deviation from linearity). Coba lihat pada sum of square -nya.890 1 191.361 18 12.05) berarti simpangan terhadap linearitas itu tidak signifikan.667 Total 601. .05).579 Mean df Square 19 19. Alias murni linear.001 .409 Deviation from Linearity 186.83 Sig.05) hubungan variabel penelitian anda linear.409 18 10. Jika sig (p<0. Terlihat bahwa kombinasinya tidak signifikan (p>0. ia bermuka dua: linear dan kuadratik.648 Linearity Adalah hubungan linear pada data anda. Ini adalah total dari Linearity dan deviation from linearity.426 37 F 1. Soalnya ada juga data yang nggak murni linear.162 .com SPSS Untuk Psikologi . Jika simpangan itu sig = (p>0.

com SPSS Untuk Psikologi .389 R Squared .25 Measures of Association R -.723 Eta Squared . 2 Wahyu Widhiarso | 2001 | wahyupsy@gmail.523 depresi * makna hidup R Adalah nilai korelasi pearson (hubungan kedua variabel anda) R Square (r ) Adalah sumbangan Efektif variabel independen thd. Variabel dependen.151 Eta .

Linearity dan deviatonnya sama-sama signifikan (p<0.003 3.83 8. • Karena SQRT-nya deviation lebih besar maka sumbangan efektif kuadratik lebih besar daripada sumbangan efektif linier • Setelah saya hitung.864 .099 9.000 .428 Kedewasaaan * Skala Patah Hati Between Groups (Combined) Linearity Deviation from Linearity Within Groups Total 2.395 57.811 100.91 95. kombinasinya mencerminkan bentuk linier. Sumb.818 4. Maka dari sini kelihatan bahwa korelasinya lebih mencerminkan model linier daripada model yang lain (p<0.968 Mean Square 8.830 100.05) df 7 1 6 10 17 F 25. tapi kalau dianalisis dengan non linier boleh saja. Uji Asumsi: Kalau untuk uji asumsi data seperti ini tidak apa-apa.800 109.818 68.. Linier Murni 12 Combined Deviation from linearity ternyata signifikan. . 10 8 6 4 Kedewasaaan 2 Sum Of Square Terlihat di sini Sum of Square linearity lebih besar daripada deviation from linearity.26 Penglihatan Melalui Scatter dan Angka 1.569 172.com SPSS Untuk Psikologi .000 . sedangkan dari regresi linier = 44% • Terserah anda pilih teknik apa.635 . Linear dan Kuadratik 30 20 10 0 0 2 4 6 8 10 12 Sum Square Root • SQRT yang paling besar adalah SQRT-nya deviation dibanding dengan linearity.809 5.05) Kecerdasan * Keresahan Eksistensial Between Groups (Combined) Linearity Deviation from Linearity df 15 1 14 15 30 F 13. Data anda linier.000 .05).000 . Keresahan Eksistensial Kecerdasan ANOVA Table Sum of Squares 125.094 Sig. Korelasi Product Momment sudah bisa digunakan.050 134. Efektif didapatkan dari regresi non linier = 42 %.603 Signifikansi Data anda linear sekaligus quadratik.918 57. 8 10 12 14 16 18 20 22 0 Skala Patah Hati ANOVA Table Sum of Squares 103.611 Mean Square 14.4 1. (p>0.580 Kesimpulan: Korelasi yang terjadi adlh korelasi linear. Yang penting data anda linier. .003 .000 Within Groups Total Wahyu Widhiarso | 2001 | wahyupsy@gmail.05). Dapat dikatakan bahwa. Deviasi from linearity ( p>0.062 Sig.

com SPSS Untuk Psikologi . Di situ Pak Tris mengatakan bahwa salah satu variabel kita transformasikan (kuadratkan.gak usah dilihat deviasinya. Misalnya nilai variabel A si Nurpita 100. Lihat bedanya.953 Signifikan Data anda tidak linier. F 6. besar sekali bukan? • Karena SQRT-nya deviation lebih besar maka sumbangan efektif kuadratik lebih besar daripada sumbangan efektif linier 0 2 4 6 8 10 12 14 16 Uji Asumsi: Kalau untuk uji asumsi data seperti ini tidak bisa dikatakan linier. tetapi sekaligus kuadratik Dodo Weje : Bagaimana jika kita mendapati yang seperti ini? : Yang penting adalah linearity-nya. sebab deviation from linearity data anda signifikan (p<0.6 Sig. . aku melihat yang digunakan acuan adalah linearity. Lha gimana? Karena linearity-nya signifikan. Gunakan korelasi non-linier 4 Frekuensi Patah Hati ANOVA Table Sum of Squares 59. Maka cintanya berkurang.274 .370 2. Deviation from linearity-nya yang dilihat. Jadi kalau linearity sudah terpenuhi. Edisinya saya lupa. Mereka tak mengatakan bahwa korelasinya harus linear murni. Terkadang jika kita memberikan perhatian pada si dia.! Dodo Weje Weje Dodo Wahyu Widhiarso | 2001 | wahyupsy@gmail. pasti product momment-nya ya signifikan. Pada awalnya terjadi korelasi linier positif. Khan Wagu? Hubungan data ini linear. kita sama saja membatasi diri dengan hanya menggunakan korelasi yang sudah signifikan dalam hitungan korelasi product momment.) dulu. Misalnya cinta..951 Mean Square 5..900 56.000 Kedewasaaan * Frekuensi Patah Hati Between Groups (Combined) Linearity Deviation from Linearity df 10 1 9 30 40 Within Groups Total Linearity atau Deviation From Linearity Thathad : Lho bukankah dari beberapa skripsi. yang lebih rumit.091 . Baru kita uji linearitasnya sekali lagi. : Dida! Sadari. Korelasi Product Momment tidak bisa digunakan.0 6.2 3.Tidak semua hal itu berhubungan linier.937 2. Lha bosen ! : Cowok Gampang bosenan. untuk mencari bagaimana hubungannya dengan variabel B. ya sudah. : Bagaimana kalau datanya benar-benar tidak linear? : Bacalah satu buletin psikologi..470 28. Pokoknya satu buletin isinya tentang uji asumsi semua. Bukan seperti kamu..000 . warnanya merah dan putih. ya kita jadikan 10. atau diapakan yang lain. Ia makin cinta pada kita.. Weje : Dengan melihat linearity saja.27 3. Sementara pakai asumsi ini saja. Jadi dapat disimpulkan bahwa product momment hanya untuk hubungan yang sudah signifikan saja. Tetapi makin kita beri perhatian. Soalnya ada penjelasan lain.581 87.900 6.05). Para ahli statistik mengatakan bahwa syarat uji korelasi pearson adalah datanya berkorelasi linear. Kuadratik Murni 11 10 9 8 7 Kedewasaaan 6 5 Sum Square Root • SQRT yang paling besar adalah SQRT-nya deviation dibanding dengan linearity.

com SPSS Untuk Psikologi .46038 28 558.82058 29 566. Ini adalah uji termasuk ketepatan (Goodness Of Fit) untuk menguji ketepatan data anda dengan satu distribusi yang diharapkan. RESAH Listwise Deletion of Missing Data Multiple R .85684 Signif F = Method.66113 R Square .. F Dari sini dapat disimpulkan bahwa data anda berkorelasi secara linier dan kuadratik R Square Terlihat bahwa dengan menggunakan model linier dan quadratik . QUADRATI Regression Residuals F = Mean Square 216. LINEAR Regression Residuals F = Mean Square 424.43710 Adjusted R Square ..46501 Analysis of Variance: DF Sum of Squares 2 433. RESAH Listwise Deletion of Missing Data Multiple R .40868 Standard Error 4.42839 Adjusted R Square ..73019 19. Sedangkan pada GFI uji Normalitas adalah sebaran Normal: 1. Anova Table Menampilkan Regresi sesuai dengan model yang dikehendaki Anova Table Pilih model yang anda harapkan untuk di uji Dependent variable.73352 Dependent variable.65451 R Square .93632 .28 Curve Estimation Sebenarnya untuk mengidentifikasi linearity di SPSS itu yang paling baik adalah melalui Curve Estimation. Mirip Uji Normalitas bukan? Kalau ini yang diharapkan adalah linier.0003 10.82058 19.. Menu Æ Analyze Æ Regression Æ Curve Estimation 2. atau kuadratik.39689 Standard Error 4. Klik Anova tabel dan Pilih Model yang hendak anda uji. data anda samasama signifikan 21.87112 Wahyu Widhiarso | 2001 | wahyupsy@gmail.21704 Signif F = Method.42117 Analysis of Variance: DF Sum of Squares 1 424.54679 .0001 Signif.

29 Korelasi PRODUCT MOMMENT 1. Predictors: (Constant). Kalau mengarah. Saya mencoba menjelaskannya melalui regresi. Dependen **. Option ini berguna ketika anda nanti hendak menghitung sumbangan tiap aspek Var.308 F 39. Sama juga dengan 60 tabel scater-nya.01 level (2-tailed). (2-tailed) N Option Menampilkan nilai Cross Product. 80 itulah regresi.000 160 Residu Model 1 df 1 58 59 Regression Residual Total Mean Square 5706. ANOVAb Sum of Squares 5706. Tidak ada kata prediktor dalam korelasi.com SPSS Untuk Psikologi . Tekan Menu Analyze Æ Correlate Æ Bivariate Test Of Sign. Apakah R2 itu? Mengapa r2 bisa menjelaskan sumbangan efektif? Kalau dari definisi sih dikatakan bahwa : R square adalah ukuran seberapa jauh variabilitas dalam variabel dependen yang dapat diprediksi oleh variabel independen.655** . Nah. Karena regresinya besar maka F-nya signifikan Kecemburuan S 60 80 100 120 140 Kesetiaan Wahyu Widhiarso | 2001 | wahyupsy@gmail.655** 1 . coba lihat paparan visual di bawah ini. cuma hubungan saja. pilih dua ekor Output r = 0. . Correlation is significant at the 0. Independen thd Var. Satu ekor atau dua ekor. misal di hipotesis mengatakan “Ada hubungan negatif atau positif”. Hanya regresi yang bisa. Lebih banyak di garis regresi dari pada di 40 dalam lingkaran residu.542 Sig. Tapi kita bisa melangkah sedikit ke model pengaruh dengan menggunakan sumbangan efektif.000 31 31 . serta mean dan standard deviasi. Tidak dapat menguji pengaruh.837 14076. maka pilih 1 ekor. Dari tabel Anareg di atas kelihatan. . Kalau tidak ada arah. Kesetiaan b. 31 31 SKALA KECANTIKAN Pearson Correlation Sig. dimana di dalam regresi ada kata ‘prediktor”. 2. Dialah R2.655 (p<0. kalau nilai regresinya lebih tinggi daripada residunya. Dependent Variable: Kecemburuan 100 yang termasuk dalam wilayah bulatan. Pilih ekor yang kamu kehendaki.163 8369. Di dalam regresi ada kata regresi dan residu. sedang yang masuk dalam garis titik-titik mengarah miring.163 144.000 . itulah residu.000a 140 120 a. (2-tailed) N KESETIAAN Pearson Correlation Sig. 1. Penjelasan tentang R2 Korelasi tidak menjelaskan sebab akibat.05) dapat dikatakan bahwa ada hubungan (positif) antara kecantikan dan kesetiaan Correlations SKALA KECANTIKAN KESETIAAN 1 .

837 14076. ANOVA Sum of Squares 5706. Subyek inilah yang kecemburuan mereka berkaitan dengan kesetiaan.com SPSS Untuk Psikologi .163 .405 40% a. Error of the Estimate 12. sekitar 40% subyek. Kesetiaan 0 0 Penjelasan Tabel Dari tabel ini dapat diketahui. Terlihat bahwa R square sesuai dengan definisi yang di atas tadi. kecemburuan mereka tidak ada hubungannya dengan kesetiaan 0 S 0 40 60 80 100 120 140 Wahyu Widhiarso | 2001 | wahyupsy@gmail.395 Std.30 Dari pemahaman ini saya mengajak anda melihat rumus ini.163 8369. Predictors: (Constant).637a . Predictors: (Constant).000 R2 = Regresi Total . Dependent Variable: Kecemburuan 0 14076 Model Summary Adjusted R Square .405 = 5706. Model 1 df 1 58 59 Regression Residual Total R2 =0. Sedangkan 60% subyek lainnya. Kesetiaan b.01281 0 Model 1 R R Square . yang masuk dalam garis. = 40% a.

Ini nih contoh visual bagi yang namanya outliers. Secara statistik ini bisa dihilangkan. Ada juga cara yang lebih praktis.31 Outliers Outliers adalah nama bagi subyek. Yang unik-unik ini kadang bisa mengacaukan.0 N = 36. Tekan Menu Analyze Æ Descriptive Æ Explore Æ Input Variabel Masukkan variabel yang hendak di identifikasi pada kolom ini Tekan Tekan kotak Statistics. Nilainya jauh dari rata-rata kebanyakan orang lain.5 25. Tetapi hanya 5 subyek yang paling atas dan paling bawah saja yang ditampilkan. Dev = 4.0 17.5 1 1 6 5 5 4 Std.5 15.com SPSS Untuk Psikologi .5 20. Yaitu mereka yang memiliki Ekstrem value Wahyu Widhiarso | 2001 | wahyupsy@gmail. 16 15 14 13 12 11 10 9 8 7 5 4 3 2 1 0 7.0 22. A.0 Tingkat Kecerewetan Tingkat Kecerewetan Gambar A Gambar B Outliers pada Distribusi Normal Outliers pada Korelasi Cara di atas adalah cara mengidentifikasi outliers dengan cara meraba-raba saja.00 14 80 Outliers Yang diberi tanda bulat ini 70 adalah yang subyek beridentitas sebagai outliers 60 Frekuensi Ngemil 6 50 40 0 10 20 30 10.14 Mean = 12. Misalnya dengan melihat nilai-nilai yang ekstrim. Outliers : Nilai Ekstrim 1. subyek yang unik.0 12. kemudian tekan kotak Outliers Pada display akan muncul subyek-subyek yang Teridentifikasi sebagai outliers.

Leverage Distance : nilai yang mendekati 1 saja yang di del. nilai di atas 11 perlu dipertimbangkan untuk di del. sedangkan N=100. makin jelek dia bukan? Untuk jumlah sampel 30 (N=30). Aturan yang saya rekomendasikan adalah Mahal Distance kemudian Cook’s distance Wahyu Widhiarso | 2001 | wahyupsy@gmail. Kalau aku sih. nilai di atas 15 yang di del. Pada gambar B di atas. Beri satu kolom tambahan pada data anda. Tekan analyze Æ regression Æ masukkan nomor pada kotak dependent dan variabel yang diuji korelasinya pada kotak independent 2. kemudian beri nomor secara urut Petunjuk 1.bukan aku.. Mahal’s Distance : ukuran jarak nilai subyek dari garis yang dikehendaki... pilih insert variable. Ini contohnya. Klik kanan. Sebelum menganalisis.. Pilih kotak Mahalobis. Cook’s Distance : ukuran pengaruh subyek pada model. Tekan kotak Save. Makin jauh jarak dari pusat garis korelasi. lalu pilih menu yang ada Keterangan 1.yaitu nomor subyek.. Cook’s atau Leverage Æ tekan continue kemudian OK Dependent Masukkan Nomor di sini Independent Masukkan variabel yang dianalisis Save Tekan save.32 B. 2 subyek yang nilainya yang paling besar dan ekstrem yang aku del. ada satu subyek outliers.. Ukuran ini Barnet dan Lewis (1978) yang bilang lho. Nilai Cook’s >1 adalah subyek outliers 2. Ouliers : Jauh Dari Garis Korelasi Outliers pada acara ini adalah mereka yang jauh dari garis korelasi. pada kotak kolom.com SPSS Untuk Psikologi . Ini nih cara mengidentifikasikannya. Terserah anda lha ! 3.

Deviation 3. Coba lihat ternyata ada nilai Mahal’s dan Cook’s yang sangat besar ! Nilai Mahal’s nya ada yang di atas 11 ! Kita lihat subyek berapa yang memiliki nilai itu….997 3.535 74.000 . Predicted Value Standard Error of Predicted Value Adjusted Predicted Value Residual Std.19 -2.631 -18.212 4.016 1.797 .03 21.68 -1.000 .696 . Distance Cook's Distance Centered Leverage Value a.091 1.079 1.33 Ini adalah contoh outputnya.345 25. Dependent Variable: nomor Minimum 13.50 . Residual Deleted Residual Stud.315 .41 4.094 . Jika Ia dihapus.794 -39.052 1.Kembalilah pada Windows SPSS yang memuat daftar nomor subyek dan nilai subyek… Residuals Statistics Predicted Value Std.973 1.96 1.802 17.com SPSS Untuk Psikologi . Residual Stud.701 a Mean 19.000 1.927 11.04 1.20 -1.00 .000 Maximum 24.320 10. Deleted Residual Mahal.119 16.037 10.322 1.60 .011 .115 N 38 38 38 38 38 38 38 38 38 38 38 38 80 Identifikasi Ternyata yang memiliki nilai Mahal’s dan Cook’s distance paling tinggi adalah subyek nomor 35. Insya Allah 12 11 70 36 37 38 28 60 14 5 1 13 Frekuensi Ngemil 50 16 21 20 17 15 18 19 3023 3122 32 26 25 2924 27 33 34 4 9 10 3 6 82 7 35 10 20 30 40 0 Tingkat Kecerewetan Wahyu Widhiarso | 2001 | wahyupsy@gmail. maka nilai korelasi kita bisa meningkat.672 .608 -1.000 2.239 1.053 Std.41 -17.947 .507 9.377 23.90 .

Coba tekan menu analyze Æ descriptive 2. Mana ada nilai Z di atas 3.19792 2.0000000 Std.00000000 Ini nih ternyata ada Outliers pada data kita. Identifikasi Outliers Ini dia.urutkan z score melalui menu Data Æ Sort Case lalu urutkan data anda berdasarkan Z score variabel yang ingin diketahui outliernya Wahyu Widhiarso | 2001 | wahyupsy@gmail.1979.46802 Maximum 3. Subyek ini pasti ngerumpinya parah sekali. Deviatio 1. “Jika dataku banyak.Menu Analyze Æ Descriptive Æ masukkan nilai Z ke kotak Variables Kotak Save Standard Value gak usah dihidupkan. Descriptive Statistics Zscore: Skala score: Skala Ngerump KecemburuanV N 38 38 Minimum -1.51660 Mean ... Seperti bagan di kanan ini.00000000 1.com SPSS Untuk Psikologi . lagi-lagi subyek 35 sebagai outliers. Z nya 3.0000000 . Masukkan data yang hendak diidentifikasi pada kotak variables Membuat Nilai Z Tekan kotak ini agar tiap variabel ada nilai Z-nya. Tekan OK. Ini Outliers juga 1.34 C.. Kalau pengen cari ya. Mataku Bisa Burem gara-gara Statistik!” (kata seorang teman) Ulangi cara di atas. Soalnya Keluarnya nilai Z nanti pada Windows Utama.. Masak aku mecicili satu persatu tiap kotak kecil di SPSS untuk mencari nilai Z diatas 3.26611 -1. Lalu kembalilah pada Windows SPSS utama. Lalu muncul output seperti ini. lha gimana nilai Z nya kok melebihi 3.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->