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

1222 27.9000 Scale Variance if Item Deleted 25.3000 26. dimana korelasi item totalnya cukup tinggi 0.6209 .7037 .1178 .0000 25.3889 16.4556 16.7000 26. Lihat item 6 (aitem paling bagus. Lihat pada kolom Corrected Item-Total Correlation.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 28.1402 -.196. Cara Kedua Lihat pada tabel korelasi (r) product momment.6556 Corrected ItemTotal Correlation -.0 Alpha = .7672 .5066 .5728. Ini adalah produk pemikiran Pak Heru.6134 .4000 17.5728 .5000 25.3196 harus dirumahkan. Lalu lihat pada kolom alpha if item deleted.7112 Reliability Coefficients N of Cases = 10.5895 . Ide seperti ini dapat dilihat pada buku manual SPS Sutrisno Hadi.3 adalah item yang buruk.7009 harus kita relakan untuk dibuang.7009. Cara Ketiga (recommended) Lihat dulu reliabilitas kita berapa? Ternyata 0.7137 .0556 18. mereka-mereka yang di bawah 0. Asumsinya adalah item yang baik.8646) jika dibuang maka reliabilitas kita akan turun menjadi 0.7667 Std Dev 4. item yang nilai Corrected Item-Total Correlationnya dibawah 0.7667 .1556 23.6717 . Mereka-mereka yang nilainya di atas 0.com SPSS Untuk Psikologi .3173 .5000 25.1667 18.6940 .2000 25.9766 Item-total Statistics Scale Mean if Item Deleted ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 ITEM6 ITEM7 ITEM8 ITEM9 ITEM10 27.6667 21.1028 Alpha if Item Deleted .2111 23.6000 25. Karena jumlah item kita adalah 10 (n=10) maka lihat pada baris n=10. Wahyu Widhiarso | 2001 | wahyupsy@gmail.01 ternyata r tabel adalah 3. Gagasan seperti ini ada di buku Saifuddin Azwar.5000 25.7009 N of Items = 10 TAFSIRAN ANGKA Cara Pertama 1 2 3 Lihat pada kolom Corrected Item-Total Correlation.7942 . pada taraf signifikansinya 0.8646 .9000 26.6081 .6636 . jika dibuang maka reliabilitasnya akan turun.9000 Variance 24.

699 (gugur) -. (2-tailed) Pearson Correlation ITEM2 Sig. karena semakin tinggi skor item 1. Mereka yang di bawah 24. Ini cuma intuisi saya sendiri.862 . (2-tailed) -..7667 harus masuk kotak. 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. Korelasi ini berdasarkan hitungan product momment yang telah dikoreksi dari efek atenuasi.Pada skor Si Darmo (skor total = 7). Teknik untuk seleksi butir aitem menggunakan teknik korelasi Product Moment dari Pearson dengan koefisien korelasi rxy. yaitu menguji korelasi antara skor aitem dengan skor total.7667.. di dalamnya ada komponen dari item 1 (skor item = 1)..867 . (2-tailed) Pearson Correlation ITEM5 Sig. skor total juga ikutikutan tinggi.5 Cara Keempat (not recommended.841 . Variance kita adalah 24.001 (sahih) .yet) Sama dengan cara pak heru di atas.. 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.412 (gugur) . tetapi variance.Bacalah buku tentang Psikometri.3173 0. variance berhubungan paralel dengan reliabilitas. Coba lihat tabel dibawah ini…. Sebab dalam rumus reliabilitas alpha. (2-tailed) Pearson Correlation ITEM3 Sig.002 (sahih) Corrected Item-Total Correlation -0.293 .1402 -0.6940 Wahyu Widhiarso | 2001 | wahyupsy@gmail. Koreksi ini ada rumusnya…. Oleh karena itu jika anda membaca skripsi anda akan mendapatkan kalimat seperti ini.6717 0. tetapi yang dipakai perbandingan bukan reliabilitas.com SPSS Untuk Psikologi .7037 0.001 (sahih) .140 . (2-tailed) Pearson Correlation ITEM4 Sig. Nah inilah yang membuat korelasinya jadi meningkat. lihat kolom scale variance if item deleted. 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. Output SPSS adalah korelasi product momment yang telah dikoreksi dari efek itu. “Analisis aitem untuk seleksi butir aitem menggunakan teknik konsistensi internal. 4 Semakin tinggi variance semakin tinggi alpha-nya.

7500 Scale Variance if Item Deleted 37.6319 ..4444 VAR00002 23.5982 ..8889 VAR00008 23.6255 Keterangan *) = item yang gugur A N A L Y S I S Variance 37.6944 28.5556 VAR00010 23.5181 . sedangkan item yang baik korelasinya menurun.0 Alpha = .1111 VAR00006 23.2778 Std Dev 6.(misalnya antara 0.4470 .5902 . kembalikan item itu pada kotak di sebelah kiri dengan menekan panah.6319 N of Items = 10 Wahyu Widhiarso | 2001 | wahyupsy@gmail.2439*) Alpha if Item Deleted .6307 .5689 .6717 .2778 29.389 sampai 0.5730 .2439*) .5000 32.5556 VAR00007 23.2778 32. beginilah contohnya.1111 VAR00003 22. ternyata item yang buruk korelasinya meningkat..3126 . Dan rentang koefisien korelasi anda.0940*) .6 Bisa dilihat di tabel perbandingan ini.7778 32.5780 .8889 VAR00004 23.3611 30. Reliabilitas Setelah Seleksi Item S etelah anda menghitung reliabilitas skala dan mendapatkan mana-mana item yang gugur.. Jangan masukkan item-item yang sebelumnya teridentifikasi item yang ceniningan (buruk).com SPSS Untuk Psikologi .4163 .3881 .0000 Item-total Statistics Scale Mean if Item Deleted VAR00001 23.1111 30.5556 Reliability Coefficients N of Cases = 9. Keluarkan dari kotak samping kanan.8611 31. Hasil Uji reliabilitas Sebelum Seleksi Item R E L I A B I L I T Y Statistics for Mean SCALE 26.. Output yang keluar menunjukkan reliabilitas skala anda.1441 S C A L E N of Variables 10 (A L P H A) Corrected ItemTotal Correlation -... maka anda harus menghitung lagi reliabilitas skala setelah terbebas dari item-item yang gugur.sampai.689).5443 . itulah yang tertulis pada koefisien korelasi item total bergerak antara ..6667 VAR00009 23.2222 VAR00005 23.3611 33. Jadi misalnya anda membuat laporan.3361 ..1562*) . atau cukup klik dua kali.. ia akan pindah kiri sendiri.

3361 menjadi 0.6560 N of Items = 6 Keterangan: Reliabilitas skala adalah 0.1 tadi.0000 16. Oleh karena kita menggunakan validitas isi (rasionalisasi pertanyaan pada item pada blue print) maka kita tidak memiliki angka validitas.3611 15. Yang seharusnya item ini favorable.7 Hasil Uji reliabilitas Setelah Seleksi Item R E L I A B I L I T Y Statistics for SCALE Mean 15.0 Alpha = .koefisien validitas baru ada jika menggunakan validitas kriteria. maka anda akan mendapatkan kebalikan dari korelasi yang tadi.7778 A N A L Y S I S Variance 20.5467 . tapi anda nilai dengan unfavorable.6667 VAR00008 13.5216 6 (A L P H A) Item-total Statistics Scale Mean if Item Deleted VAR00002 12.2962 . Dan ini memang konsekuensi dari pengurangan item.4444 S C A L E N of Std Dev Variables 4.com SPSS Untuk Psikologi . misalnya yang nilai 4 diganti 1.35 saja.8889 VAR00006 13.7500 12.2245 .8611 14. misalnya 0. 2 diganti 3. Misalnya item 8.6667 VAR00005 12.489 atau -0.1439.6120 .345.6225 menjadi 0. dan 1 diganti 4. enakan ketika menghapus item. Hal ini terjadi bisa karena anda mungkin kebalik dalam memberi penilaian. tetapi pergerakan korelasi item total menjadi kecil. Wahyu Widhiarso | 2001 | wahyupsy@gmail. Koefisien korelasi item-total bergerak dari 0.5949 .8889 VAR00003 12.6347. ada yang mengatakan bahwa koefisien korelasi itemtotal (r) adalah koefisien validitas.4617 .5184 .0000 15. misalnya -0. Jangan percaya pada mereka.5848 Di sini kita dapatkan bahwa ada perubahan.6347 Scale Variance if Item Deleted 17.1439 Alpha if Item Deleted .489 akan menjadi 0.4283 ... Nah setelah anda perbaiki.6347. Koefisien Korelasi item-total = Koefisien Validitas ? Pada beberapa buku atau beberapa skripsi. 3 diganti 2.489. kita akan mendapatkan nilai yang tak terlalu kecil. Saran saya. yang semula bernilai 0. semakin sedikit item yang dipakai semakin menurun harga korelasinya..3333 VAR00007 13.4444 Reliability Coefficients N of Cases = 9.1439 sampai 0. reliabilitas skor kita meningkat dari 0. memakai korelasi item-total diatas 0.7778 Corrected ItemTotal Correlation . Biar nanti jika dihitung lagi. Korelasi Item-total: Korelasinya kuat tetapi kok negatif ? Ada beberapa kasus dimana kita mendapatkan korelasi item-total memiliki nilai yang negatif tetapi kuat.5848 .4677 . Yang semula -0.

pertanyaan ini pasti muncul. versi metodologi dan versi statistik. pejamkan mata anda.21..296 Akhirnya kita dapatkan bahwa : • Dibawah df 60 penurunan r tiap satuan angka df sangat besar. “Ora usa kakean penjelasan! Piro jumlah subyek’e?” “60 subyek sudah memasuki daerah aman versi statistik”.275 0. Lihat tabel korelasi (R) pada buku statistik.. Nah. bayangkan bahwa anda sekarang melihat sepotong apel merah yang ranum dan siap dimakan.805 0. Oke! buka lagi mata anda.275 35------------40 0. maka yang gugur cuma 2 item. sekarang bandingkan dengan jarak antara df30 dan df35 jaraknya cuma 0. “Sing jelas item’e banyak. • Saya akan memberikan contoh-contoh dari satu data skripsi milik Handoko (97). yaitu kolom 1 ekor (one tailed). dan subyek’e juga banyak.9 30 --------------.kalau mata anda masih sepet dengan angka-angka itu. maka kita harus menyesuaikan pada tabel. Saya hanya memperlihatkan pada item 1 sampai 10 saja.pejamkan lagi mata anda dan bayangkan bahwa anda nanti akan ditanya macam-macam saat ujian skripsi. Dari sana terlihat bahwa yang sangat mempengaruhia reliabilitas dan koefisien korelasi adalah banyaknya subyek. Lihatlah di bawah sana (tabel ke-2). badan anda menggigil karena tak bisa menjawab..Berapa jumlah item yang harsu kita buat? Berapa subyek yang harus kita cari? Ada dua versi untuk menjawab pertanyaan ini. a.257 60 ------. skala kepemimpinan (45 item) yang disajikan pada 59 subyek. dan korelasi item total tergantung pada tabel. Ambil satu kolom. Lihat angka di sana. penurunan r pada tiap satuan df sangat kecil. Kalau mata anda sudah sepet. ngunu wae dipikir” kata seorang teman Sebelumnya saya mengajak anda untuk memahami pola yang ada pada tebel r.8 Jumlah Item dan Jumlah Subyek yang ideal Ketika kita hendak membuat skala. selisihnya hampir 1..70 0. oleh karena patokan baik buruknya item tergantung korelasi item-total. Dari sini kita dapatkan bahwa angka 60 adalah angka batas.com SPSS Untuk Psikologi .900 sampai 0. Oleh karena itu inilah yang membuat bagi sebagian orang memakai angka ini sebagai pegangan jumlah item atau jumlah subyek kita. dari 0. tetapi ketika sampai pada df diatas 60. Lihat juga di sana (tabel 4) itemnya 45 tetapi jumlah subyeknya cuma 10 maka item yang gugur 7. Lihat pergerakan angka pada kolom di sana jarak antara df2 dan df3 sangat besar sekali. melihat angka-angka yang ada di sana. 2 ------------------------------------...35 0.805. Versi Statistik: Versi statistik berorientasi pada tujuan agar kita mendapatkan item yang baik dan skala yang reliabel. Dalam pandangan statistik.211 0.3 0. jantung anda bergetar keras.195 0. Wahyu Widhiarso | 2001 | wahyupsy@gmail. meski itemnya 10 tetapi karena jumlah subyeknya besar.

4802 .6780 98.5378 .9661 99.2203 98.5482 Corrected ItemTotal Correlation .3951 .0239 .3541 .8019 17.4240 .3729 34.7376 .2571 .6222 7.1368 ITEM8 160.4553 17.6645 .9831 101.2146 .6891 -.1081 -.4868 15.7000 ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 ITEM6 ITEM7 ITEM8 ITEM9 ITEM10 Reliability Coefficients N of Cases = 59.1186 .8000 ITEM2 35.8305 35.7627 96.1818 .7510 ITEM2 161.5097 .6736 .6675 .4589 .4602 Scale Variance if Item Deleted 7.3121 .7157 .4000 Reliability Coefficients N of Cases = 10.2111 9.9 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 159.6603 .7639 15.5932 34.4915 99.tidak ditampilkan Reliability Coefficients N of Cases = 59.0199 .7200 .6757 Corrected ItemTotal Correlation .1344 18.7499 .2000 ITEM8 34.4868 15.1017 34.5559 Alpha if Item Deleted .5294 .7333 8.7448 .6869 .5132 .7966 103.3444 7.7164 .6765 .1198 .3086 .6949 96.1111 7.9807 ITEM6 160.0625 15.9053 ITEM3 159.7455 N of Items = 10 Hasil Hitungan 10 item 10 subyek Scale Mean if Item Deleted ITEM1 33.7954 ITEM5 160.4611 ITEM9 160.3161 .0 Alpha = .7000 ITEM10 35.3729 Scale Variance if Item Deleted 17.1000 ITEM5 34.5581 .3778 Corrected ItemTotal Correlation .4032 Wahyu Widhiarso | 2001 | wahyupsy@gmail.2712 .0584 18.8475 35.6000 ITEM3 34.4444 8.5634 ITEM10 160.4346 Alpha if Item Deleted .3588 .6582 .9082 ITEM11 dst….5763 35.3560 .2616 N of Items = 10 Alpha if Item Deleted .6593 .9000 ITEM9 34.5248 .6595 .5401 .3089 .6602 .7606 .8101 ITEM4 160.3051 34.7224 .3507 .0000 ITEM4 34.6556 7.3455 .0 Alpha = .0000 ITEM7 34.7627 99.4127 .8000 ITEM6 35.9328 18.2881 35.4068 36.0000 .6539 N of Items = 45 Hasil Hitungan 10 item 59 subyek Scale Mean if Item Deleted 34.7703 ITEM7 159.3956 .com SPSS Untuk Psikologi .6610 .2889 7.4631 .8222 9.0 Alpha = .7013 .2373 99.

. Thad (’97) : Bukan Pan!.2222 ITEM5 161.6000 110.6852 . saya lupa bukunya. ada di buku Psikologi Imajinasinya Sartre. dan kelelahan karena kebanyakan membaca item-item yang malah membuat subyek tidak menjawab dengan benar. Bukan Buku itu.. Misalnya dalam populasi perawat seperti dalam skripsi Gogon. karangan Pramoedya Ananta Toer.10 Hasil Hitungan 45 item 10 subyek Scale Scale Mean Variance if Item if Item Deleted Deleted ITEM1 160. Wahyu Widhiarso | 2001 | wahyupsy@gmail.6823 .2014 -.6565 . Karena bisa jadi item yang cuma 10 subyek saja malahan bisa meningkatkan reliabilitas karena 10 subyek itu tidak satupun yang celelek’an.0000 108.0 Alpha = .3889 ITEM3 160.6929 ...com SPSS Untuk Psikologi .4333 ITEM7 161.5444 ITEM8 161.2667 ITEM10 162.9000 106.6802 .1072 -. There are great lies in this world.5000 107. Kalau nggak salah di bukunya Pak Azwar.And damn statistics Benyamin Disraeli Ayolah Ben.6918 . .3000 108. Versi Metodologi Versi metodologi penelitian mengatakan bahwa jumlah item yang bagus adalah yang tidak sampai membuat subyek menjadi klenger. Ada yang bisa melakukan uji skala dengan 60 subyek.5444 ITEM4 161.7000 108.Great Lie. Ada satu tulisan.5746 . Jangan mengacau pembaca tulisanku.0376 .3166 . Pokoknya di sana disebutkan bahwa sampel yang representatif untuk menghitung keandalan skala adalah di lebih kurang 100 orang.. Ada ahli yang nulis bahwa rata-rata orang hanya mampu menjawab dengan baik di bawah 30 item.0582 . Tapi kalau dalam pengalaman skripsi rekan-rekan yang sudah lulus..9000 111.2333 ITEM11…dst tidak ditampilkan Reliability Coefficients N of Cases = 10. Bukan.6780 .2686 .8000 108.0111 ITEM6 161. Nafan (‘97) : Mungkin itu ada di buku Bumi Manusia.6881 N of Items = 45 Sebenarnya penjelasan ini ada kelemahannya.0695 Alpha if Item Deleted . sekarang mereka akan kuajak ke babakan II tentang t-test. Kalau seperti siswa sekolah atau mahasiswa.. Dodo : Tentu saja untuk subyek yang populasinya sedikit (terbatas) jumlah itu bisa diterima. terima kasih. ada juga yang bilang ¼ dari populasi.6833 .6952 .. .1000 98. jumlahnya ya diatas 100 untuk tes hipotesisnya dan 60 untuk uji coba skala. Untuk uji hipotesis dan analisis faktor 100-300 orang.7000 107. dan uji hipotesis dengan 60 subyek juga.Lie.1655 .1116 .6868 Corrected ItemTotal Correlation . Nah sekarang mengenai jumlah subyek.8444 ITEM9 161...3444 ITEM2 162..

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

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

t-test for Equality t Means df Sig. baca lajur kanan (equal variance not assumed).23086 -1. maka baca lajur kiri (equal variance assumed) . df=18.819 -3.05 ada perbedaan pada taraf sig.23084 -1.9000 Std. Sig: p< 0. Group Statistics Std. sedangkan ketika wanita diam.265 18 17. Langkah II : Terlihat bahwa nilai t hitung= -3. Bogel: Je! Kamu jangan bilang ada perbedaan yang siginifikan saja. (p<0.05. p<0.4000 1.00 N 10 10 Mean 25.01). Sig: p< 0.54 (p=0.819) karena p diatas 0.99815 Pria kelihatan bodohnya ketika mereka diam.4000 1. maka dapat dikatakan bahwa tidak ada perbedaan varians pada data kecerdasan pria dan wanita. Dapat dikatakan bahwa ada perbedaan kecerdasan antara pria dan wanita.95743 .004 -4.00 2. Deviation 3.05 (data homogen) Aturan Uji t a. Kita lihat. (2-tailed) Mean Difference Std. 5% b. Penjelasan Kasus di Atas Langkah I : Karena data kita homogen. jika data tidak homogen.01 ada perbedaan pada taraf sig. Katakan juga siapa yang lebih cerdas?” OK.265. Di sana tampak bahwa nilai t kita -3.com SPSS Untuk Psikologi . Error Mean .5000 29. dari kasus ini. 1% c.94810 kecerdasan grup 1. maka yang kita lihat adalah lajur equal variance assumed (data diasumsikan homogen).054 . Sig: p>0.34743 -7.56916 -4.265 -3.004 . Langkah II Jika data anda homogen.34743 -7. artinya ada perbedaan kecerdasan antara pria dan wanita.265. Disana tampak bahwa F=0.13 Membaca Angka t-tes Independen Sample Independent Samples Test kecerdasan Equal variances Equal variances assumed not assumed .56914 Aturan Uji Homogen Sig: p< 0.05.02765 2. wanitalah yang lebih cerdas. siapa yang memiliki rerata (mean) yang tinggi. mereka kelihatan cerdas (Henry Delacroix ) Wahyu Widhiarso | 2001 | wahyupsy@gmail.05 (data tidak homogen) Sig: p>0. Error Difference 95% Confidence InteLower of the Difference Upper Langkah I Baca dulu Levene’s test untuk uji homogenitas (perbedaan varians).998 .05 tidak ada beda Levene's Test for F Equality of Varian Sig.

com SPSS Untuk Psikologi . Pada kasus kita.819 -3. Lihat tabel dibawah ini.56916 -4.34743 Lower Upper -7.054 . 3. Adalah selisih standar deviasi dua data kita.02765 .14 Levene Tes Homogenitas.2. jika tidak. Error Difference 95% Confidence Interval of the Difference Nilai t Anda.23084) upper mean difference lower Nomor-nomor yang besar pastilah mengandung kesalahan Wentworth Dillon Wahyu Widhiarso | 2001 | wahyupsy@gmail. baca lajur kiri. bahwa rerata kecerdasan pria= 25.004 .90. Mean Difference.(-7. yaitu uji perbedaan varians pada data kita. -nya terlihat bahwa ia lebih besar dari t tabel (p<0. Visualisasi t-tes 95 % Confidence Interval of the difference. t df Sig. (2-tailed) Mean Difference Std. jangan mengharap ada beda signifikan.23.23086 -1.57 sampai 7. Eror Difference.34743. Jika tak bisa mengalahkan t tabel (lebih besar dari t tabel). Adalah selisih dua mean data kita. Selisihnya adalah 4. toleransi ini menggunakan taraf kepercayaan 95%.4000 1. Aturannya seperti yang tertulis pada tabel sebelumya.400.50 kecerdasan wanita= 29.265 -3.(-4. Dari Sig.05.56916)-----------------. Adalah rentang nilai perbedaan yang ditoleransi. Jika data homogen. Adalah uji homogenitas.4000 1.99815 = 1.56914 Levene's Test for Equality of Variances t-test for Equality of Means F Sig. rentang selisih kecerdasan pria dan wanita dari 1. (-1.34743 -7.23084 -1. Independent Samples Test kecerdasan Equal variances Equal variances assumed not assumed . Seperti kita ketahui dari data ini. Perempuan lebih cerdas daripada pria Std. baca lajur kanan. Jadi dengan menggunakan taraf kepercayaan 95 %. Selisih Mean.998 .004 -4.4) -----------------.265 18 17.

sebab harga satu ekor lebih murah dari pada dua ekor.5 27 29 mean 29. Misalnya korelasi. Coba lihat di tabel. karena secara teoritik harus benar-benar dapat dipertanggung-jawabkan dan membutuhkan landasan teori yang kuat.nilai t kritis pada df 15. karena lebih murah.482. Wahyu Widhiarso | 2001 | wahyupsy@gmail.15 Filosofi t-tes distribusi Kecerdasan pria distribusi kecerdasan wanita 19 mean 25. Jika kurang berarti ada perbedaan. satu ekor nilainya 0. secara statistik memang kepenak memakai satu ekor. 0. Prinsip ini digunakan pada analisis yang lain juga. tetapi secara metodologi lebih mahal.9 37 Perpotongan antara dua data ini masih dalam batas toleransi (95% or 99%) ataukah tidak..412 yang dua ekor lebih tinggi. toleransi yang dipakai akan lebih rendah. 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..com SPSS Untuk Psikologi .

000 147.50 Sum of Ranks 222. Sig. Jadi Ho ditolak. Not corrected for ties.com SPSS Untuk Psikologi . (yang anda beri kode 1) Test Statisticsb PRE_TES 78. alias tidak ada perbedaan. Data berbentuk ordinal.89 13. maka data anda distribusinya buruk (poorly distributed).00 235.000 -2. Tes ini yang paling kuat diantara teman-temannya. jadi dalam tulisan ini saya hanya membahas tes ini saja.500 183.79 10.000 171. Jika data anda berbentuk interval maka dalam pengoperasiannya data anda harus dikonversikan dulu ke data ordinal (ranking). yaitu tes non parametrik lainnya.)] POS_TES 66.500 -. Jika Sig > 0.485 . 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 15.96 Untuk sig 1% Z anda harus >2.21 16. kalau <0.50 171.50 183.853 .05 maka ada perbedaan POS_TES GAIN Wilcoxon W Wilcoxon rank sum W statistic. Dari kasus di atas yang memiliki perbedaan hanyalah skor gain.00 147. Z=2.58) dialah yang nilainya memiliki perbedaan. Asymtotic Significance Tingkat signifikansi yang berbasis pada distribusi asimtot dari tes.138 .05 (tidak signifikan). Z anda harus >1.96) or (1%.365 . b.00 259. Di psikologi.00 • Mann Whitney U Jika nilai U tidak bisa lebih kecil dari U tabel.58 Mann-Whitney U Wilcoxon W Z Asymp. tes ini yang sering dipakai jika mereka tidak memakai t-tes. Jadi nggak usah pakai uji normalitas Dua sample yang dibandingkan adalah independen. Z=1.004 .150 a GAIN 42.907 . Dapat dilihat di display. Data anda sedikit (<20). Ketolak atau tidak bisa dilihat pada sig. maka dapat digunakan pendekatan dengan kurve normal Z.50 18. Grouping Variable: GRUP Penjelasan Kasus Di sini berlaku bahwa barangsiapa yang memiliki nilai Z diatas nilai kritis (5%.376 a Z Score Deviasi dalam distribusi normal Untuk sig 5%. (2-tailed) Exact Sig. [2*(1-tailed Sig. maka hipotesis alternatif ditolak. Karakter Tes: • • • Bebas asumsi normal. Wahyu Widhiarso | 2001 | wahyupsy@gmail. Tetapi jika di atas 20.16 Membaca Display Mann Whitney U Test Mann Whitney U test adalah t-test versi non parametrik.000 -1. di bawah. W adalah total jumlah ranking yang dinamakan pertama dalam kolompok.11 12.009 a a. Tapi jika pakai SPSS data anda akan dikonversikan sendiri olehnya.

Sd Distribusi Kurve Normal Data Hasil Kategori % Frek. Terus. Cara yang biasa dipakai untuk menghitung masalah ini adalah Chi Square. Populasinya khan cuma tiga.17 Uji Normalitas Uji distribusi normal adalah uji untuk mengukur apakah data kita memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial). sisi B keluar sebanyak 65 kali.30 34% 34 38 2 31 . p>0. sisi A keluar sebanyak 35 kali. Bukan Fitness Tes. pembuatannya itu mengacu pada tebel normalitas. Tak lempar seratus kali. Sig. p<0.. Apakah harus di tes normal segala. p<0. maka yang kita pakai adalah KolmogorovSmirnov. maka dapat dikatakan bahwa koin kita setimbang.20 34% 34 20 Ada Beda 1 21 . p>0.35 14% 14 12 3 36 . Januar: Makanan lagi ini? Ayo Jelaskan apa yang kau maksud dengan fitness tes ini.05 : -1 16 . Kedua. kau lihat tabel t-tes misalnya. kamu. distribusi normal. Aplikasi Chi-Square pada Uji Normalitas. Misalnya Hubungan Antara Independensi Anak yang Jarang Mandi di Fakultas Psikologi UGM Dengan Kreativitas. kita bisa berasumsi bahwa sampel kita bener-bener mewakili populasi. Artinya. Kurve normal punya 6 Standar Deviasi (sd). Dalam kaus. Apakah koinku dapat dikatakan seimbang. Mbuh! Chi-Square Filosofi mengapa Chi-Square kok bisa dikatakan Goodness Of Fit Tes. bagaimana kalau kita langsung meneliti populasi secara langsung. dan Sony ’93. Tapi karena tes ini memiliki kelemahan.maksud’e koinku gak penceng?.com SPSS Untuk Psikologi . Masing-masing sd luasnya seperti ini. adalah begini: Aku punya uang seratus rupiah. Tes-tes parametrik itu dibangun dari distribusi normal. Januar: Mengapa kita harus.eh kasus ini. tapi Goodness Of Fit Tes. Sehingga hasil penelitian kita bisa digeneralisasikan pada populasi. apakah datamu itu dari populasi yang berdistribusi normal. Dengan kata lain. Kita Lihat dulu Data teoritik kurve Normal. Macam Data Data Teoritik Data Observasi Kemunculan Sisi Koin A = 50 B = 50 A = 35 Total 100 100 Uji Chi Square Sig. uji apakah data empirik yang kamu dapatkan dari lapangan itu sesuai dengan distribusi teoritik tertentu. Aku.05 : Tidak Ada Beda Sig. ngetes normalitas segala? Pertama.. Kedua tes dinamakan masuk dalam kategori Goodness Of Fit Tes.05 : Tidak Ada -3 1 .10 2% 2 5 Beda -2 11 .15 14% 14 15 Sig.05 : Ada Beda B =65 Kalau hasilnya tidak ada perbedaan. Frek.40 2% 2 10 Wahyu Widhiarso | 2001 | wahyupsy@gmail.

A Frekuensi empirik Distribusi kumulatif (empirik)…….567 (p>0.117 -.data anda NORMAL ! Wahyu Widhiarso | 2001 | wahyupsy@gmail.97 maka dapat dikatakan tidak ada perbedaan antara distribusi teoritik dan distribusi empirik. Hanya satu yang diambil 12 yaitu yang selisihnya terbesar. Deviasi Distribusi Normal Dari sini dapat dikatakan bahwa data anda berdistribusi normal.567 . yang diuji itu distribusi normal.05). Uji KS outputnya adalah D..905 Negative Pengurangan yang menghasilkan angka negatif terbesar N Normal Parameters a. Calculated from data.05) Jika Z anda di bawah 1. Tapi tidak semua yang diambil. Ini contoh-contohan uji normalitas data. or Beberapa orang ada yang menjadikan acuan signifikansi adalah Z.164 . b. bukan distribusi eksponen. D = 0. Jadi yang dibandingkan adalah frekuensi kumulatif distribusi teoritik dengan frekuensi kumulatif distribusi empirik.37895 .com SPSS Untuk Psikologi .0833 1.b Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Test distribution is Normal.164 Jika D anda lebih kecil dari tabel. Hasil ini lalu dibandingkan dengan tabel D. Sig. 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. atau poisson Absolut (D) Dari perbandingan antara negatif dan positif. (2-tailed) Mean Std.164 (p>0. Dalam kasus ini D= 0. Test Distribution is Normal artinya.18 Kolomogorov -Smirnov Chi Square membandingkan distribusi teoritik dan distribusi empirik (observasi) berdasarkan kategorikategori. Kalau korelasi khan r. D itu didapatkan dari Frekuensi teoririk Distribusi kumulatif (teoritik)……. Ada 6 pembagian. yang terbesarlah yang dimasukkan sebagai absolut.. Kalau t-tes khan t.164 . Deviation Absolute Positive Negative Positive Pengurangan yang menghasilkan angka negatif terbesar a. dan biasanya mereka menulis Z=0.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. kalau KS berdasakan frekuensi kumulatif. Cara Membaca Angka One-Sample Kolmogorov-Smirnov Test VAR00001 12 3. maka data anda NORMAL.

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

2.55403 75.5366 Lower Bound Upper Bound 103.98505 .015 p <0. 14 dan 15. Maka ada data yang terbuang maknanya. Berkatalah hanya pada apa yang anda ketahui saja Anonim . Soalnya ada tambahan Koreksi Liliefor segala.8556 105.273 p > 0. CS tidak bisa untuk sampel kecil. sedangkan anda harus membuat 6 kategori sd.110 .266 .05 Æ Tak Normal Mengapa ? Cara pertama adalah uji Kolmogorov-Smirnov Plus. Dan anda membuat angka 11 untung.388 10.-nya 0. Sig. Cs tidak bisa digunakan bukan? Oleh karena data Chi Square adalah bersifat kategorik.-nya 0. sedangkan CS. KS tidak memerlukannya. sementara KS bisa.088 df 82 82 a Shapiro-Wilk Statistic . (info lebih lengkap baca buku Non Parametrik Statistical Inference. KS dapat mengestimasi variasi sd.526 Tests of Normality Kolmogorov-Smirnov depresi makna hidup Statistic . Adalah perbedaan antara distribusi teoritik dan distribusi empirik. .357 105.6233 106. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis .0000 -. lebih besar di sini.1080 9. Lilliefors Significance Correction Keunggulan Kolmogorov Smirnov (KS) dibanding (Chi Square) 1.05 Æ Normal tetapi jika dihitung dengan cara kedua sig.00 29. Apa Itu Koreksi Liliefor? Tuhan belum mengijinkan aku untuk menjawabnya.266 . karena dibagi secara seimbang. Anda membuat angka 15 marah-marah.2176 107.13. Error .com SPSS Untuk Psikologi .015 . 1971) 3. karena ia dibulatkan ke atas. dan disamakan dengan angka di atasnya yaitu 12.00 56. CS memerlukan data yang terkelompokkan.2500 . Jika dihitung dengan cara pertama sig. sd nya sama. KS lebih fleksibel dibanding CS. padahal kurang satu no dia masuk kategori 16-20. Wahyu Widhiarso | 2001 | wahyupsy@gmail. Contoh : Data Depresi milik Hendro. Peluang tidak normal.0000 111. . Jadi enakan pakai cara pertama saja. 4. Bayangkan jika data anda berjumlah 5.001 .937 .526 1.834 . Sig. Misalkan kategori 11-15.77137 depresi Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std.199 . Ia merasa rugi karena dibulatkan ke bawah. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis Lower Bound Upper Bound Statistic 9.0384 11.982 df 82 82 Sig.16550 makna hidup Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std. Gibbons.00 9.20 Output Kolmogorov Smirnov Cara Kedua Descriptives Std.0000 48.639 Perhatian Karena ada koreksi Liliefor. seperti yang saya jelaskan sebelumnya.5732 8.00 13.00 29. maka harga tes ini jadi mahal.00 131.1287 9.791 6.177 a.310 Arti Statistic Adalah nilai D.

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

Nilai Kritis (Z) = Skewness / √ (6/N). tetapi cara yang sering dipakai adalah transformasi dalam bentuk akar kuadrat. 4.58 (sig. Untuk Kurtosis juga lho. Jika cara 1 tidak bisa. Kemudian jadi. hingga katakanlah 100 sampel. Transformasi Data 1. Skewness berkaitan dengan lebar kurve.di sini adalah variabell anda yg hendak ditransformasi. Jika tidak bisa. 5%). 3. 1%) dan 1.rumusnya sama. arcsin. 5. sedangkan kurtosis dengan tinggi kurve. tanda tanya ini ada ganti dengan variabel yang hendak di transformasikan. dan log 10... Numexpr. Ulangi Uji Normalitas sekali lagi pada data anda.SQRT (harmoni) Rumus Buatan Sendiri 3. Gunakan statistik non parametrik. Lihat buku “Multivariate Data Analysis” karangan Hair dkk.. tapi kalau nilai kurtosisnya besar (alias salah satu kategori terlalu tinggi) ya nggak normal.com SPSS Untuk Psikologi . help akan muncul Tambahan tentang Normalitas (Bagi yang ingin mendalami saja) Satu istilah yang ngetrend dalam Kurve Normal adalah Skewness dan Kurtosis.. Klik tanda panah. Semoga menjadi normal. Anda juga bisa membuat rumus dengan cara sendiri.. Kita transformasikan data kita dalam bentuk yang lain (remedies for non normal). buang subyek yang teridentifikasi sebagai outliers. Kemudian pilih Compute. (1995) 2. Z tidak boleh lebih dari 2. Tekan Menu Transform 2. Dua nilai ini harus diperhatikan.. Macam-macam rumus yang tersedia di SPSS Pada contoh ini. Klik kanan pada lambang itu. Lalu muncul seperti yang ini. Jika data terlihat sebarannya normal.. Jika tidak bisa juga. SQRT (square root) adalah akar kuadrat. Wahyu Widhiarso | 2001 | wahyupsy@gmail..Relakan. Ada banyak cara mentransformasikan. data anda memang ‘gak normal. Untuk mengerti arti lambang2 di sana. Nama Baru Nama baru bagi variabel yang ditransformasikan Pilih variabel yang hendak ditransformasikan Ketika fungsi sudah dipilih. tambah jumlah sampel penelitian. di atasnya untuk memilih fungsi ini. akan muncul : SQRT (?). Klik OK jika sudah selesai. Lihat Bab Outliers 4..96 (sig.22 Apa yang harus dilakukan jika sebaran data tidak normal 1.

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

.05) hubungan variabel penelitian anda linear.05) berarti simpangan terhadap linearitas itu tidak signifikan.05).83 Sig.162 .409 Deviation from Linearity 186. Alias murni linear. ia bermuka dua: linear dan kuadratik.6 15 . Ini adalah total dari Linearity dan deviation from linearity. Jika sig (p<0.com SPSS Untuk Psikologi . sehingga uji korelasi pearson bisa langsung dilanjutkan Deviation from Linearity Menunjukkan seberapa jauh simpangan hubungan variabel anda. Berarti data anda Wahyu Widhiarso | 2001 | wahyupsy@gmail.912 * Frekuensi Ngemil Groups Linearity 191.503 Within Groups 223.409 18 10.361 18 12. Soalnya ada juga data yang nggak murni linear.001 .579 Mean df Square 19 19. 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. Combined Ini adalah kombinasi antara linearity dan selain linearity (deviation from linearity). Coba lihat pada sum of square -nya. Terlihat bahwa kombinasinya tidak signifikan (p>0.426 37 F 1.648 Linearity Adalah hubungan linear pada data anda.890 1 191. Kalau variabel independennya dua buah. Jika simpangan itu sig = (p>0.24 Keterangan Masukkan variabel penelitian anda.667 Total 601.

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

Maka dari sini kelihatan bahwa korelasinya lebih mencerminkan model linier daripada model yang lain (p<0.05) Kecerdasan * Keresahan Eksistensial Between Groups (Combined) Linearity Deviation from Linearity df 15 1 14 15 30 F 13.000 .4 1. 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.91 95.603 Signifikansi Data anda linear sekaligus quadratik.26 Penglihatan Melalui Scatter dan Angka 1. • Karena SQRT-nya deviation lebih besar maka sumbangan efektif kuadratik lebih besar daripada sumbangan efektif linier • Setelah saya hitung. Keresahan Eksistensial Kecerdasan ANOVA Table Sum of Squares 125. (p>0.05).818 4.918 57. sedangkan dari regresi linier = 44% • Terserah anda pilih teknik apa.580 Kesimpulan: Korelasi yang terjadi adlh korelasi linear.000 . Efektif didapatkan dari regresi non linier = 42 %.com SPSS Untuk Psikologi . tapi kalau dianalisis dengan non linier boleh saja. Uji Asumsi: Kalau untuk uji asumsi data seperti ini tidak apa-apa. .809 5.569 172. 8 10 12 14 16 18 20 22 0 Skala Patah Hati ANOVA Table Sum of Squares 103.830 100. Linearity dan deviatonnya sama-sama signifikan (p<0.000 .83 8.428 Kedewasaaan * Skala Patah Hati Between Groups (Combined) Linearity Deviation from Linearity Within Groups Total 2.050 134.000 Within Groups Total Wahyu Widhiarso | 2001 | wahyupsy@gmail. Data anda linier. kombinasinya mencerminkan bentuk linier.611 Mean Square 14.864 . Yang penting data anda linier.811 100.395 57.003 3.099 9. .05). Deviasi from linearity ( p>0. 10 8 6 4 Kedewasaaan 2 Sum Of Square Terlihat di sini Sum of Square linearity lebih besar daripada deviation from linearity.800 109. Dapat dikatakan bahwa.635 . Sumb.818 68. Korelasi Product Momment sudah bisa digunakan.000 . Linier Murni 12 Combined Deviation from linearity ternyata signifikan.094 Sig.05) df 7 1 6 10 17 F 25.003 .062 Sig.968 Mean Square 8..

937 2. Soalnya ada penjelasan lain.000 .05).581 87.. Khan Wagu? Hubungan data ini linear.900 56.Tidak semua hal itu berhubungan linier. Terkadang jika kita memberikan perhatian pada si dia.. atau diapakan yang lain. Lha gimana? Karena linearity-nya signifikan. Gunakan korelasi non-linier 4 Frekuensi Patah Hati ANOVA Table Sum of Squares 59. Weje : Dengan melihat linearity saja. Maka cintanya berkurang. : Dida! Sadari. aku melihat yang digunakan acuan adalah linearity.900 6. Mereka tak mengatakan bahwa korelasinya harus linear murni. Misalnya cinta. Lihat bedanya.. Korelasi Product Momment tidak bisa digunakan. Ia makin cinta pada kita. untuk mencari bagaimana hubungannya dengan variabel B.6 Sig. yang lebih rumit. warnanya merah dan putih.27 3. Lha bosen ! : Cowok Gampang bosenan. Misalnya nilai variabel A si Nurpita 100. F 6. ya kita jadikan 10. Pokoknya satu buletin isinya tentang uji asumsi semua.370 2. tetapi sekaligus kuadratik Dodo Weje : Bagaimana jika kita mendapati yang seperti ini? : Yang penting adalah linearity-nya.. Jadi kalau linearity sudah terpenuhi. Sementara pakai asumsi ini saja. Baru kita uji linearitasnya sekali lagi.470 28.. Kuadratik Murni 11 10 9 8 7 Kedewasaaan 6 5 Sum Square Root • SQRT yang paling besar adalah SQRT-nya deviation dibanding dengan linearity. pasti product momment-nya ya signifikan.2 3.gak usah dilihat deviasinya. ya sudah. Pada awalnya terjadi korelasi linier positif.274 .953 Signifikan Data anda tidak linier. .com SPSS Untuk Psikologi . Edisinya saya lupa.) dulu. : Bagaimana kalau datanya benar-benar tidak linear? : Bacalah satu buletin psikologi. Bukan seperti kamu. Para ahli statistik mengatakan bahwa syarat uji korelasi pearson adalah datanya berkorelasi linear. Deviation from linearity-nya yang dilihat.0 6.951 Mean Square 5. 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. kita sama saja membatasi diri dengan hanya menggunakan korelasi yang sudah signifikan dalam hitungan korelasi product momment.! Dodo Weje Weje Dodo Wahyu Widhiarso | 2001 | wahyupsy@gmail.091 .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. Tetapi makin kita beri perhatian. Jadi dapat disimpulkan bahwa product momment hanya untuk hubungan yang sudah signifikan saja. Di situ Pak Tris mengatakan bahwa salah satu variabel kita transformasikan (kuadratkan. sebab deviation from linearity data anda signifikan (p<0.

Menu Æ Analyze Æ Regression Æ Curve Estimation 2.82058 19.. Ini adalah uji termasuk ketepatan (Goodness Of Fit) untuk menguji ketepatan data anda dengan satu distribusi yang diharapkan. Sedangkan pada GFI uji Normalitas adalah sebaran Normal: 1. Klik Anova tabel dan Pilih Model yang hendak anda uji.0001 Signif. RESAH Listwise Deletion of Missing Data Multiple R .39689 Standard Error 4. RESAH Listwise Deletion of Missing Data Multiple R .28 Curve Estimation Sebenarnya untuk mengidentifikasi linearity di SPSS itu yang paling baik adalah melalui Curve Estimation.73019 19. data anda samasama signifikan 21.87112 Wahyu Widhiarso | 2001 | wahyupsy@gmail. Anova Table Menampilkan Regresi sesuai dengan model yang dikehendaki Anova Table Pilih model yang anda harapkan untuk di uji Dependent variable. QUADRATI Regression Residuals F = Mean Square 216.73352 Dependent variable.40868 Standard Error 4.42117 Analysis of Variance: DF Sum of Squares 1 424.54679 .0003 10.46038 28 558.42839 Adjusted R Square . atau kuadratik. F Dari sini dapat disimpulkan bahwa data anda berkorelasi secara linier dan kuadratik R Square Terlihat bahwa dengan menggunakan model linier dan quadratik .. Mirip Uji Normalitas bukan? Kalau ini yang diharapkan adalah linier.com SPSS Untuk Psikologi .21704 Signif F = Method.43710 Adjusted R Square .85684 Signif F = Method.65451 R Square .82058 29 566.93632 .46501 Analysis of Variance: DF Sum of Squares 2 433. LINEAR Regression Residuals F = Mean Square 424...66113 R Square .

1. sedang yang masuk dalam garis titik-titik mengarah miring. 80 itulah regresi.com SPSS Untuk Psikologi . Tidak ada kata prediktor dalam korelasi. Dependent Variable: Kecemburuan 100 yang termasuk dalam wilayah bulatan.000 31 31 . Kesetiaan b. Satu ekor atau dua ekor.837 14076. Pilih ekor yang kamu kehendaki.163 8369.308 F 39. Tekan Menu Analyze Æ Correlate Æ Bivariate Test Of Sign. (2-tailed) N Option Menampilkan nilai Cross Product. . dimana di dalam regresi ada kata ‘prediktor”.01 level (2-tailed). Nah. Hanya regresi yang bisa.655** . 2.000 . pilih dua ekor Output r = 0. Kalau mengarah. coba lihat paparan visual di bawah ini. Option ini berguna ketika anda nanti hendak menghitung sumbangan tiap aspek Var. itulah residu.542 Sig. Tidak dapat menguji pengaruh.655** 1 . Saya mencoba menjelaskannya melalui regresi. serta mean dan standard deviasi. misal di hipotesis mengatakan “Ada hubungan negatif atau positif”. ANOVAb Sum of Squares 5706. Di dalam regresi ada kata regresi dan residu. Independen thd Var. Dari tabel Anareg di atas kelihatan. Dependen **. Lebih banyak di garis regresi dari pada di 40 dalam lingkaran residu. Sama juga dengan 60 tabel scater-nya. maka pilih 1 ekor.000 160 Residu Model 1 df 1 58 59 Regression Residual Total Mean Square 5706. Kalau tidak ada arah. Penjelasan tentang R2 Korelasi tidak menjelaskan sebab akibat. cuma hubungan saja. Karena regresinya besar maka F-nya signifikan Kecemburuan S 60 80 100 120 140 Kesetiaan Wahyu Widhiarso | 2001 | wahyupsy@gmail. kalau nilai regresinya lebih tinggi daripada residunya.05) dapat dikatakan bahwa ada hubungan (positif) antara kecantikan dan kesetiaan Correlations SKALA KECANTIKAN KESETIAAN 1 . 31 31 SKALA KECANTIKAN Pearson Correlation Sig. Tapi kita bisa melangkah sedikit ke model pengaruh dengan menggunakan sumbangan efektif.000a 140 120 a. Dialah R2. . 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. Predictors: (Constant). (2-tailed) N KESETIAAN Pearson Correlation Sig. Correlation is significant at the 0.29 Korelasi PRODUCT MOMMENT 1.163 144.655 (p<0.

000 R2 = Regresi Total .405 40% a. Predictors: (Constant). sekitar 40% subyek. yang masuk dalam garis.01281 0 Model 1 R R Square . kecemburuan mereka tidak ada hubungannya dengan kesetiaan 0 S 0 40 60 80 100 120 140 Wahyu Widhiarso | 2001 | wahyupsy@gmail. ANOVA Sum of Squares 5706.637a . Model 1 df 1 58 59 Regression Residual Total R2 =0. Terlihat bahwa R square sesuai dengan definisi yang di atas tadi. Kesetiaan b. Subyek inilah yang kecemburuan mereka berkaitan dengan kesetiaan. Kesetiaan 0 0 Penjelasan Tabel Dari tabel ini dapat diketahui.163 8369.405 = 5706.com SPSS Untuk Psikologi .395 Std.837 14076. Error of the Estimate 12.163 . Dependent Variable: Kecemburuan 0 14076 Model Summary Adjusted R Square . Predictors: (Constant).30 Dari pemahaman ini saya mengajak anda melihat rumus ini. = 40% a. Sedangkan 60% subyek lainnya.

31 Outliers Outliers adalah nama bagi subyek.0 17. Nilainya jauh dari rata-rata kebanyakan orang lain.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.0 22.0 12. 16 15 14 13 12 11 10 9 8 7 5 4 3 2 1 0 7.00 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. Ini nih contoh visual bagi yang namanya outliers. Tetapi hanya 5 subyek yang paling atas dan paling bawah saja yang ditampilkan.0 N = 36.5 20. A. Yaitu mereka yang memiliki Ekstrem value Wahyu Widhiarso | 2001 | wahyupsy@gmail. Ada juga cara yang lebih praktis. kemudian tekan kotak Outliers Pada display akan muncul subyek-subyek yang Teridentifikasi sebagai outliers. Misalnya dengan melihat nilai-nilai yang ekstrim.14 Mean = 12. Outliers : Nilai Ekstrim 1. Yang unik-unik ini kadang bisa mengacaukan.com SPSS Untuk Psikologi . subyek yang unik. Secara statistik ini bisa dihilangkan.5 25. Tekan Menu Analyze Æ Descriptive Æ Explore Æ Input Variabel Masukkan variabel yang hendak di identifikasi pada kolom ini Tekan Tekan kotak Statistics.5 15. Dev = 4.5 1 1 6 5 5 4 Std.

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

322 1.68 -1.00 .672 .50 .377 23.997 3.239 1.927 11.90 .631 -18. Residual Stud. Dependent Variable: nomor Minimum 13.701 a Mean 19. Deviation 3.000 Maximum 24.Kembalilah pada Windows SPSS yang memuat daftar nomor subyek dan nilai subyek… Residuals Statistics Predicted Value Std.608 -1.000 2.04 1.60 .000 . Predicted Value Standard Error of Predicted Value Adjusted Predicted Value Residual Std.320 10. Jika Ia dihapus. Deleted Residual Mahal.03 21.079 1.000 1.19 -2. maka nilai korelasi kita bisa meningkat.094 .212 4. 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.000 .696 .33 Ini adalah contoh outputnya.41 4. 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…. Residual Deleted Residual Stud.119 16.091 1.507 9.016 1.053 Std.41 -17.345 25.052 1.315 .794 -39.20 -1.797 .011 .802 17.973 1.535 74.com SPSS Untuk Psikologi . Distance Cook's Distance Centered Leverage Value a.037 10.947 .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 35.96 1.

34 C. Soalnya Keluarnya nilai Z nanti pada Windows Utama. Tekan OK..00000000 Ini nih ternyata ada Outliers pada data kita.51660 Mean .19792 2.Menu Analyze Æ Descriptive Æ masukkan nilai Z ke kotak Variables Kotak Save Standard Value gak usah dihidupkan. Subyek ini pasti ngerumpinya parah sekali.. Coba tekan menu analyze Æ descriptive 2.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.00000000 1.0000000 Std. Ini Outliers juga 1. Identifikasi Outliers Ini dia.1979. Descriptive Statistics Zscore: Skala score: Skala Ngerump KecemburuanV N 38 38 Minimum -1. Z nya 3. Lalu muncul output seperti ini. lagi-lagi subyek 35 sebagai outliers. Kalau pengen cari ya.0000000 . “Jika dataku banyak. Masak aku mecicili satu persatu tiap kotak kecil di SPSS untuk mencari nilai Z diatas 3.26611 -1. Mana ada nilai Z di atas 3..com SPSS Untuk Psikologi . Lalu kembalilah pada Windows SPSS utama. Deviatio 1.46802 Maximum 3.. Seperti bagan di kanan ini. Mataku Bisa Burem gara-gara Statistik!” (kata seorang teman) Ulangi cara di atas. Masukkan data yang hendak diidentifikasi pada kotak variables Membuat Nilai Z Tekan kotak ini agar tiap variabel ada nilai Z-nya. lha gimana nilai Z nya kok melebihi 3.