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

3889 16. pada taraf signifikansinya 0.5728.6134 .9000 Scale Variance if Item Deleted 25.0556 18.2111 23.8646) jika dibuang maka reliabilitas kita akan turun menjadi 0.7009 harus kita relakan untuk dibuang.2000 25.7009.8646 .9000 Variance 24. Asumsinya adalah item yang baik. Cara Kedua Lihat pada tabel korelasi (r) product momment.5000 25. Karena jumlah item kita adalah 10 (n=10) maka lihat pada baris n=10. Lihat pada kolom Corrected Item-Total Correlation. Lalu lihat pada kolom alpha if item deleted.1667 18.4000 17.9000 26.5728 .6209 .5066 .6717 .7112 Reliability Coefficients N of Cases = 10.5000 25.5895 .7000 26.7009 N of Items = 10 TAFSIRAN ANGKA Cara Pertama 1 2 3 Lihat pada kolom Corrected Item-Total Correlation. Lihat item 6 (aitem paling bagus.3196 harus dirumahkan.7942 .3000 26.6940 .6667 21. Gagasan seperti ini ada di buku Saifuddin Azwar. mereka-mereka yang di bawah 0.7667 Std Dev 4.7667 .01 ternyata r tabel adalah 3.5000 25.7037 .9766 Item-total Statistics Scale Mean if Item Deleted ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 ITEM6 ITEM7 ITEM8 ITEM9 ITEM10 27.4556 16. Ide seperti ini dapat dilihat pada buku manual SPS Sutrisno Hadi.6636 . Ini adalah produk pemikiran Pak Heru.196.0 Alpha = .7672 .7137 . dimana korelasi item totalnya cukup tinggi 0. item yang nilai Corrected Item-Total Correlationnya dibawah 0.1556 23.3173 .1402 -.1178 .1222 27.6000 25. jika dibuang maka reliabilitasnya akan turun.3 adalah item yang buruk. Cara Ketiga (recommended) Lihat dulu reliabilitas kita berapa? Ternyata 0.1028 Alpha if Item Deleted . Mereka-mereka yang nilainya di atas 0.com SPSS Untuk Psikologi .6081 .0000 25.4 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 28.6556 Corrected ItemTotal Correlation -. Wahyu Widhiarso | 2001 | wahyupsy@gmail.

412 (gugur) . Koreksi ini ada rumusnya….yet) Sama dengan cara pak heru di atas. Korelasi ini berdasarkan hitungan product momment yang telah dikoreksi dari efek atenuasi. skor total juga ikutikutan tinggi.1402 -0. di dalamnya ada komponen dari item 1 (skor item = 1)..Bacalah buku tentang Psikometri. yaitu menguji korelasi antara skor aitem dengan skor total. tetapi yang dipakai perbandingan bukan reliabilitas. “Analisis aitem untuk seleksi butir aitem menggunakan teknik konsistensi internal. Nah inilah yang membuat korelasinya jadi meningkat.5 Cara Keempat (not recommended.867 ...001 (sahih) .7667 harus masuk kotak. (2-tailed) Pearson Correlation ITEM2 Sig. lihat kolom scale variance if item deleted.7667.. Mereka yang di bawah 24.140 . Oleh karena itu jika anda membaca skripsi anda akan mendapatkan kalimat seperti ini. Sebab dalam rumus reliabilitas alpha.841 .293 .002 (sahih) Corrected Item-Total Correlation -0.7037 0. (2-tailed) -. Coba lihat tabel dibawah ini…. Output SPSS adalah korelasi product momment yang telah dikoreksi dari efek itu.6717 0.862 . Teknik untuk seleksi butir aitem menggunakan teknik korelasi Product Moment dari Pearson dengan koefisien korelasi rxy.6940 Wahyu Widhiarso | 2001 | wahyupsy@gmail. Ini cuma intuisi saya sendiri. Variance kita adalah 24. 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. 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.3173 0. tetapi variance. 4 Semakin tinggi variance semakin tinggi alpha-nya. (2-tailed) Pearson Correlation ITEM4 Sig. (2-tailed) Pearson Correlation ITEM3 Sig.com SPSS Untuk Psikologi . (2-tailed) Pearson Correlation ITEM5 Sig. 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. karena semakin tinggi skor item 1.001 (sahih) . variance berhubungan paralel dengan reliabilitas.699 (gugur) -.Pada skor Si Darmo (skor total = 7).

3126 .389 sampai 0.8889 VAR00008 23.4444 VAR00002 23.6944 28.6667 VAR00009 23.6717 .3611 30.6255 Keterangan *) = item yang gugur A N A L Y S I S Variance 37. Reliabilitas Setelah Seleksi Item S etelah anda menghitung reliabilitas skala dan mendapatkan mana-mana item yang gugur.1111 VAR00003 22. ternyata item yang buruk korelasinya meningkat. atau cukup klik dua kali. Keluarkan dari kotak samping kanan.1111 VAR00006 23.5902 .. Jadi misalnya anda membuat laporan.8611 31.5443 .2778 Std Dev 6.5000 32.2778 29. maka anda harus menghitung lagi reliabilitas skala setelah terbebas dari item-item yang gugur. sedangkan item yang baik korelasinya menurun.5730 .4470 .5780 ..8889 VAR00004 23.6307 .6 Bisa dilihat di tabel perbandingan ini.3611 33.3361 .6319 . ia akan pindah kiri sendiri. Dan rentang koefisien korelasi anda..2778 32.1562*) .5556 VAR00010 23.3881 . kembalikan item itu pada kotak di sebelah kiri dengan menekan panah. Output yang keluar menunjukkan reliabilitas skala anda.5181 .com SPSS Untuk Psikologi ..(misalnya antara 0.5556 VAR00007 23. beginilah contohnya.6319 N of Items = 10 Wahyu Widhiarso | 2001 | wahyupsy@gmail.2439*) .1441 S C A L E N of Variables 10 (A L P H A) Corrected ItemTotal Correlation -..1111 30.5982 .2439*) Alpha if Item Deleted .5556 Reliability Coefficients N of Cases = 9.5689 . Jangan masukkan item-item yang sebelumnya teridentifikasi item yang ceniningan (buruk).0000 Item-total Statistics Scale Mean if Item Deleted VAR00001 23.689).0940*) .. itulah yang tertulis pada koefisien korelasi item total bergerak antara .7778 32.0 Alpha = ....7500 Scale Variance if Item Deleted 37.4163 ..sampai.2222 VAR00005 23. Hasil Uji reliabilitas Sebelum Seleksi Item R E L I A B I L I T Y Statistics for Mean SCALE 26.

4617 .5848 Di sini kita dapatkan bahwa ada perubahan.0000 15.35 saja.7778 Corrected ItemTotal Correlation .5216 6 (A L P H A) Item-total Statistics Scale Mean if Item Deleted VAR00002 12.8611 14. reliabilitas skor kita meningkat dari 0. kita akan mendapatkan nilai yang tak terlalu kecil.489 akan menjadi 0. Dan ini memang konsekuensi dari pengurangan item.6667 VAR00008 13.. maka anda akan mendapatkan kebalikan dari korelasi yang tadi.4444 Reliability Coefficients N of Cases = 9. Biar nanti jika dihitung lagi. tapi anda nilai dengan unfavorable. misalnya 0.489 atau -0.5184 . enakan ketika menghapus item.1439 Alpha if Item Deleted . semakin sedikit item yang dipakai semakin menurun harga korelasinya. 2 diganti 3.com SPSS Untuk Psikologi . Wahyu Widhiarso | 2001 | wahyupsy@gmail.4283 .koefisien validitas baru ada jika menggunakan validitas kriteria.1439.5949 .1 tadi.3361 menjadi 0.4677 . Saran saya.4444 S C A L E N of Std Dev Variables 4. 3 diganti 2.8889 VAR00006 13. Yang seharusnya item ini favorable.6347. ada yang mengatakan bahwa koefisien korelasi itemtotal (r) adalah koefisien validitas. Korelasi Item-total: Korelasinya kuat tetapi kok negatif ? Ada beberapa kasus dimana kita mendapatkan korelasi item-total memiliki nilai yang negatif tetapi kuat. Oleh karena kita menggunakan validitas isi (rasionalisasi pertanyaan pada item pada blue print) maka kita tidak memiliki angka validitas. Hal ini terjadi bisa karena anda mungkin kebalik dalam memberi penilaian.2245 .3611 15.7500 12. Yang semula -0..8889 VAR00003 12.0 Alpha = . Jangan percaya pada mereka.7 Hasil Uji reliabilitas Setelah Seleksi Item R E L I A B I L I T Y Statistics for SCALE Mean 15. memakai korelasi item-total diatas 0.0000 16.6667 VAR00005 12. Misalnya item 8. misalnya yang nilai 4 diganti 1.6120 .5467 .7778 A N A L Y S I S Variance 20. Nah setelah anda perbaiki..6225 menjadi 0. Koefisien korelasi item-total bergerak dari 0.1439 sampai 0.3333 VAR00007 13.6347 Scale Variance if Item Deleted 17.345.5848 .6560 N of Items = 6 Keterangan: Reliabilitas skala adalah 0. misalnya -0.489. tetapi pergerakan korelasi item total menjadi kecil.6347. Koefisien Korelasi item-total = Koefisien Validitas ? Pada beberapa buku atau beberapa skripsi. dan 1 diganti 4. yang semula bernilai 0.2962 .

badan anda menggigil karena tak bisa menjawab.275 0. yaitu kolom 1 ekor (one tailed).805. sekarang bandingkan dengan jarak antara df30 dan df35 jaraknya cuma 0.Berapa jumlah item yang harsu kita buat? Berapa subyek yang harus kita cari? Ada dua versi untuk menjawab pertanyaan ini. meski itemnya 10 tetapi karena jumlah subyeknya besar. Nah. Kalau mata anda sudah sepet. Dari sini kita dapatkan bahwa angka 60 adalah angka batas. “Sing jelas item’e banyak.9 30 --------------. “Ora usa kakean penjelasan! Piro jumlah subyek’e?” “60 subyek sudah memasuki daerah aman versi statistik”.8 Jumlah Item dan Jumlah Subyek yang ideal Ketika kita hendak membuat skala.21. Versi Statistik: Versi statistik berorientasi pada tujuan agar kita mendapatkan item yang baik dan skala yang reliabel. bayangkan bahwa anda sekarang melihat sepotong apel merah yang ranum dan siap dimakan. penurunan r pada tiap satuan df sangat kecil.. Lihat angka di sana. Dari sana terlihat bahwa yang sangat mempengaruhia reliabilitas dan koefisien korelasi adalah banyaknya subyek..257 60 ------. Oleh karena itu inilah yang membuat bagi sebagian orang memakai angka ini sebagai pegangan jumlah item atau jumlah subyek kita. melihat angka-angka yang ada di sana. Ambil satu kolom. a.900 sampai 0. dari 0. maka yang gugur cuma 2 item.. maka kita harus menyesuaikan pada tabel. ngunu wae dipikir” kata seorang teman Sebelumnya saya mengajak anda untuk memahami pola yang ada pada tebel r. Saya hanya memperlihatkan pada item 1 sampai 10 saja. Lihatlah di bawah sana (tabel ke-2). pertanyaan ini pasti muncul.kalau mata anda masih sepet dengan angka-angka itu. 2 ------------------------------------.275 35------------40 0. Dalam pandangan statistik.805 0. Wahyu Widhiarso | 2001 | wahyupsy@gmail. Lihat tabel korelasi (R) pada buku statistik... selisihnya hampir 1. Oke! buka lagi mata anda. skala kepemimpinan (45 item) yang disajikan pada 59 subyek.296 Akhirnya kita dapatkan bahwa : • Dibawah df 60 penurunan r tiap satuan angka df sangat besar.. pejamkan mata anda.pejamkan lagi mata anda dan bayangkan bahwa anda nanti akan ditanya macam-macam saat ujian skripsi.211 0.3 0. • Saya akan memberikan contoh-contoh dari satu data skripsi milik Handoko (97). dan subyek’e juga banyak. versi metodologi dan versi statistik. dan korelasi item total tergantung pada tabel. tetapi ketika sampai pada df diatas 60.35 0.195 0.70 0. Lihat juga di sana (tabel 4) itemnya 45 tetapi jumlah subyeknya cuma 10 maka item yang gugur 7.com SPSS Untuk Psikologi . oleh karena patokan baik buruknya item tergantung korelasi item-total. jantung anda bergetar keras. Lihat pergerakan angka pada kolom di sana jarak antara df2 dan df3 sangat besar sekali.

2571 .9053 ITEM3 159.1198 .5634 ITEM10 160.7639 15.8222 9.4602 Scale Variance if Item Deleted 7.6949 96.4868 15.6869 .7455 N of Items = 10 Hasil Hitungan 10 item 10 subyek Scale Mean if Item Deleted ITEM1 33.5932 34.3541 .3560 .0 Alpha = .7499 .1081 -.8305 35.9 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 159.0625 15.7954 ITEM5 160.4127 .6602 .7606 .6645 .4068 36.4032 Wahyu Widhiarso | 2001 | wahyupsy@gmail.5378 .5248 .9328 18.2000 ITEM8 34.7224 .3588 .2146 .1111 7.0000 ITEM4 34.0 Alpha = .9661 99.6780 98.4240 .4444 8.2203 98.1186 .6222 7.2881 35.1368 ITEM8 160.4915 99.4346 Alpha if Item Deleted .5581 .0 Alpha = .5559 Alpha if Item Deleted .9807 ITEM6 160.7333 8.1344 18.2712 .7627 99.8475 35.4611 ITEM9 160.6736 .3956 .6891 -.6582 .4868 15.8000 ITEM2 35.0000 ITEM7 34.4000 Reliability Coefficients N of Cases = 10.com SPSS Untuk Psikologi .8000 ITEM6 35.9000 ITEM9 34.7200 .5482 Corrected ItemTotal Correlation .5763 35.3089 .7000 ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 ITEM6 ITEM7 ITEM8 ITEM9 ITEM10 Reliability Coefficients N of Cases = 59.7157 .6593 .4589 .7448 .5401 .3051 34.7000 ITEM10 35.4631 .2616 N of Items = 10 Alpha if Item Deleted .7013 .5097 .6539 N of Items = 45 Hasil Hitungan 10 item 59 subyek Scale Mean if Item Deleted 34.7376 .8019 17.1017 34.3161 .3729 34.6000 ITEM3 34.1818 .3444 7.6765 .5132 .7510 ITEM2 161.0584 18.tidak ditampilkan Reliability Coefficients N of Cases = 59.3778 Corrected ItemTotal Correlation .9082 ITEM11 dst….6757 Corrected ItemTotal Correlation .2889 7.3507 .5294 .4802 .6556 7.0199 .7164 .6610 .6675 .7627 96.3121 .9831 101.1000 ITEM5 34.4553 17.8101 ITEM4 160.3951 .0239 .3455 .7966 103.2111 9.6603 .2373 99.0000 .6595 .7703 ITEM7 159.3729 Scale Variance if Item Deleted 17.3086 .

5444 ITEM8 161.0111 ITEM6 161.6929 ..com SPSS Untuk Psikologi .6952 .0000 108. Nafan (‘97) : Mungkin itu ada di buku Bumi Manusia. Nah sekarang mengenai jumlah subyek.5746 . Ada yang bisa melakukan uji skala dengan 60 subyek. Dodo : Tentu saja untuk subyek yang populasinya sedikit (terbatas) jumlah itu bisa diterima. Untuk uji hipotesis dan analisis faktor 100-300 orang. Bukan Buku itu. jumlahnya ya diatas 100 untuk tes hipotesisnya dan 60 untuk uji coba skala. dan uji hipotesis dengan 60 subyek juga.6881 N of Items = 45 Sebenarnya penjelasan ini ada kelemahannya.2333 ITEM11…dst tidak ditampilkan Reliability Coefficients N of Cases = 10.. Pokoknya di sana disebutkan bahwa sampel yang representatif untuk menghitung keandalan skala adalah di lebih kurang 100 orang.2222 ITEM5 161. Wahyu Widhiarso | 2001 | wahyupsy@gmail.. Kalau seperti siswa sekolah atau mahasiswa..10 Hasil Hitungan 45 item 10 subyek Scale Scale Mean Variance if Item if Item Deleted Deleted ITEM1 160.4333 ITEM7 161. Ada ahli yang nulis bahwa rata-rata orang hanya mampu menjawab dengan baik di bawah 30 item.0 Alpha = . .8444 ITEM9 161. Jangan mengacau pembaca tulisanku. karangan Pramoedya Ananta Toer.9000 106.3000 108.5000 107.7000 108..2686 .2667 ITEM10 162.3166 . Thad (’97) : Bukan Pan!.3444 ITEM2 162.1000 98.3889 ITEM3 160. There are great lies in this world.And damn statistics Benyamin Disraeli Ayolah Ben. Tapi kalau dalam pengalaman skripsi rekan-rekan yang sudah lulus. ada juga yang bilang ¼ dari populasi.1655 . Karena bisa jadi item yang cuma 10 subyek saja malahan bisa meningkatkan reliabilitas karena 10 subyek itu tidak satupun yang celelek’an.0376 . Ada satu tulisan..9000 111.1116 . saya lupa bukunya.6868 Corrected ItemTotal Correlation .6833 .1072 -.6823 . ..6000 110.6565 .Great Lie. Bukan.Lie..6852 .6802 .5444 ITEM4 161. Versi Metodologi Versi metodologi penelitian mengatakan bahwa jumlah item yang bagus adalah yang tidak sampai membuat subyek menjadi klenger. Misalnya dalam populasi perawat seperti dalam skripsi Gogon.0695 Alpha if Item Deleted . Kalau nggak salah di bukunya Pak Azwar.2014 -..7000 107. dan kelelahan karena kebanyakan membaca item-item yang malah membuat subyek tidak menjawab dengan benar. sekarang mereka akan kuajak ke babakan II tentang t-test. ada di buku Psikologi Imajinasinya Sartre.8000 108.6918 . terima kasih.6780 .0582 ...

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

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

05 ada perbedaan pada taraf sig. maka baca lajur kiri (equal variance assumed) .265 -3. Katakan juga siapa yang lebih cerdas?” OK.34743 -7.05. Deviation 3. Langkah II : Terlihat bahwa nilai t hitung= -3. Error Mean . dari kasus ini. Sig: p< 0.56916 -4.265. sedangkan ketika wanita diam.00 N 10 10 Mean 25.9000 Std. Group Statistics Std. Langkah II Jika data anda homogen.05.819 -3.95743 . jika data tidak homogen.01 ada perbedaan pada taraf sig. 1% c.23084 -1.265. Bogel: Je! Kamu jangan bilang ada perbedaan yang siginifikan saja.01). maka yang kita lihat adalah lajur equal variance assumed (data diasumsikan homogen). baca lajur kanan (equal variance not assumed).94810 kecerdasan grup 1.054 . df=18.13 Membaca Angka t-tes Independen Sample Independent Samples Test kecerdasan Equal variances Equal variances assumed not assumed .34743 -7. siapa yang memiliki rerata (mean) yang tinggi. t-test for Equality t Means df Sig.05 (data tidak homogen) Sig: p>0. 5% b. Penjelasan Kasus di Atas Langkah I : Karena data kita homogen. Di sana tampak bahwa nilai t kita -3. Kita lihat. Sig: p>0. (p<0.99815 Pria kelihatan bodohnya ketika mereka diam. maka dapat dikatakan bahwa tidak ada perbedaan varians pada data kecerdasan pria dan wanita.54 (p=0.02765 2. wanitalah yang lebih cerdas. Error Difference 95% Confidence InteLower of the Difference Upper Langkah I Baca dulu Levene’s test untuk uji homogenitas (perbedaan varians). mereka kelihatan cerdas (Henry Delacroix ) Wahyu Widhiarso | 2001 | wahyupsy@gmail. Disana tampak bahwa F=0.05 (data homogen) Aturan Uji t a. Sig: p< 0.00 2. (2-tailed) Mean Difference Std.998 .265 18 17.4000 1.com SPSS Untuk Psikologi .819) karena p diatas 0. artinya ada perbedaan kecerdasan antara pria dan wanita.004 . p<0.5000 29.004 -4. Dapat dikatakan bahwa ada perbedaan kecerdasan antara pria dan wanita.4000 1.56914 Aturan Uji Homogen Sig: p< 0.23086 -1.05 tidak ada beda Levene's Test for F Equality of Varian Sig.

Perempuan lebih cerdas daripada pria Std.(-4. Jika data homogen. Independent Samples Test kecerdasan Equal variances Equal variances assumed not assumed . rentang selisih kecerdasan pria dan wanita dari 1. Adalah rentang nilai perbedaan yang ditoleransi.34743 Lower Upper -7.23086 -1.56914 Levene's Test for Equality of Variances t-test for Equality of Means F Sig. t df Sig.819 -3.054 . Dari Sig. Jadi dengan menggunakan taraf kepercayaan 95 %. (-1.4) -----------------. bahwa rerata kecerdasan pria= 25. Seperti kita ketahui dari data ini.23084) upper mean difference lower Nomor-nomor yang besar pastilah mengandung kesalahan Wentworth Dillon Wahyu Widhiarso | 2001 | wahyupsy@gmail.com SPSS Untuk Psikologi .57 sampai 7. yaitu uji perbedaan varians pada data kita. Lihat tabel dibawah ini. Error Difference 95% Confidence Interval of the Difference Nilai t Anda. toleransi ini menggunakan taraf kepercayaan 95%.23.004 .99815 = 1. Selisih Mean.14 Levene Tes Homogenitas.(-7.02765 .90. Selisihnya adalah 4.4000 1. Mean Difference. (2-tailed) Mean Difference Std.05. 3.34743 -7. Aturannya seperti yang tertulis pada tabel sebelumya.50 kecerdasan wanita= 29. -nya terlihat bahwa ia lebih besar dari t tabel (p<0.56916)-----------------. Jika tak bisa mengalahkan t tabel (lebih besar dari t tabel).56916 -4.998 . Adalah uji homogenitas.265 18 17.400.004 -4.265 -3. jika tidak. Adalah selisih standar deviasi dua data kita. Pada kasus kita.23084 -1.4000 1. Adalah selisih dua mean data kita. jangan mengharap ada beda signifikan.34743. baca lajur kiri. Eror Difference. baca lajur kanan. Visualisasi t-tes 95 % Confidence Interval of the difference.2.

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

79 10.00 147. maka data anda distribusinya buruk (poorly distributed). (2-tailed) Exact Sig. Tes ini yang paling kuat diantara teman-temannya. Tetapi jika di atas 20.00 259. Z anda harus >1. Jika data anda berbentuk interval maka dalam pengoperasiannya data anda harus dikonversikan dulu ke data ordinal (ranking). Sig.96 Untuk sig 1% Z anda harus >2. yaitu tes non parametrik lainnya. b. Jika Sig > 0. Karakter Tes: • • • Bebas asumsi normal.000 147. di bawah. Jadi Ho ditolak. Dari kasus di atas yang memiliki perbedaan hanyalah skor gain.89 13. Dapat dilihat di display.485 .96) or (1%.com SPSS Untuk Psikologi .16 Membaca Display Mann Whitney U Test Mann Whitney U test adalah t-test versi non parametrik.907 . Di psikologi. kalau <0.21 16.50 171. Data anda sedikit (<20).50 Sum of Ranks 222.500 -.009 a a.00 • Mann Whitney U Jika nilai U tidak bisa lebih kecil dari U tabel.58 Mann-Whitney U Wilcoxon W Z Asymp.853 . Z=2.50 18.004 .000 171.50 183.000 -1.150 a GAIN 42. Tapi jika pakai SPSS data anda akan dikonversikan sendiri olehnya. Ketolak atau tidak bisa dilihat pada sig. jadi dalam tulisan ini saya hanya membahas tes ini saja. W adalah total jumlah ranking yang dinamakan pertama dalam kolompok.365 . alias tidak ada perbedaan. Not corrected for ties. Data berbentuk ordinal. maka dapat digunakan pendekatan dengan kurve normal Z. Wahyu Widhiarso | 2001 | wahyupsy@gmail. tes ini yang sering dipakai jika mereka tidak memakai t-tes.05 maka ada perbedaan POS_TES GAIN Wilcoxon W Wilcoxon rank sum W statistic.500 183.000 -2. Asymtotic Significance Tingkat signifikansi yang berbasis pada distribusi asimtot dari tes. [2*(1-tailed Sig. Grouping Variable: GRUP Penjelasan Kasus Di sini berlaku bahwa barangsiapa yang memiliki nilai Z diatas nilai kritis (5%. (yang anda beri kode 1) Test Statisticsb PRE_TES 78. 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. maka hipotesis alternatif ditolak.)] POS_TES 66.11 12.00 235.138 .376 a Z Score Deviasi dalam distribusi normal Untuk sig 5%. Jadi nggak usah pakai uji normalitas Dua sample yang dibandingkan adalah independen. Z=1.58) dialah yang nilainya memiliki perbedaan.05 (tidak signifikan).

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

164 (p>0. Ada 6 pembagian. Jadi yang dibandingkan adalah frekuensi kumulatif distribusi teoritik dengan frekuensi kumulatif distribusi empirik. (2-tailed) Mean Std. Dalam kasus ini D= 0. Calculated from data.567 . D itu didapatkan dari Frekuensi teoririk Distribusi kumulatif (teoritik)…….164 .37895 . atau poisson Absolut (D) Dari perbandingan antara negatif dan positif.05) Jika Z anda di bawah 1. 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.05). Test distribution is Normal. dan biasanya mereka menulis Z=0. yang diuji itu distribusi normal. D = 0..b Most Extreme Differences Kolmogorov-Smirnov Z Asymp.0833 1. or Beberapa orang ada yang menjadikan acuan signifikansi adalah Z. Hanya satu yang diambil 12 yaitu yang selisihnya terbesar. b. kalau KS berdasakan frekuensi kumulatif.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.data anda NORMAL ! Wahyu Widhiarso | 2001 | wahyupsy@gmail. Hasil ini lalu dibandingkan dengan tabel D.164 Jika D anda lebih kecil dari tabel. Tapi tidak semua yang diambil. Test Distribution is Normal artinya.905 Negative Pengurangan yang menghasilkan angka negatif terbesar N Normal Parameters a. maka data anda NORMAL. bukan distribusi eksponen.A Frekuensi empirik Distribusi kumulatif (empirik)…….com SPSS Untuk Psikologi .117 -. Deviasi Distribusi Normal Dari sini dapat dikatakan bahwa data anda berdistribusi normal. yang terbesarlah yang dimasukkan sebagai absolut. Cara Membaca Angka One-Sample Kolmogorov-Smirnov Test VAR00001 12 3.18 Kolomogorov -Smirnov Chi Square membandingkan distribusi teoritik dan distribusi empirik (observasi) berdasarkan kategorikategori. Ini contoh-contohan uji normalitas data. Kalau korelasi khan r.567 (p>0. Uji KS outputnya adalah D. Sig. Deviation Absolute Positive Negative Positive Pengurangan yang menghasilkan angka negatif terbesar a. Kalau t-tes khan t..97 maka dapat dikatakan tidak ada perbedaan antara distribusi teoritik dan distribusi empirik.

com SPSS Untuk Psikologi . Beri tanda pada Normality Plot With Test Wahyu Widhiarso | 2001 | wahyupsy@gmail. Tekan tombol Plots. Pilih Descriptive Statistics Æ Explore 2. 3. Masukkan variabel yang hendak di uji pada kotak Dependen.19 Menampilkan Uji Kolmogorov-Smirnov Cara Pertama Pilih distribusi normal Cara Kedua 1. 4.

00 9. sedangkan CS.834 . seperti yang saya jelaskan sebelumnya.5366 Lower Bound Upper Bound 103. Bayangkan jika data anda berjumlah 5.110 .388 10. Error . CS tidak bisa untuk sampel kecil. KS tidak memerlukannya. Gibbons. Maka ada data yang terbuang maknanya.05 Æ Normal tetapi jika dihitung dengan cara kedua sig.0384 11.2500 . Adalah perbedaan antara distribusi teoritik dan distribusi empirik. KS dapat mengestimasi variasi sd.00 56. 1971) 3. Berkatalah hanya pada apa yang anda ketahui saja Anonim .266 . Jadi enakan pakai cara pertama saja.015 p <0. Anda membuat angka 15 marah-marah. KS lebih fleksibel dibanding CS. Wahyu Widhiarso | 2001 | wahyupsy@gmail. Soalnya ada tambahan Koreksi Liliefor segala.98505 .526 1.310 Arti Statistic Adalah nilai D. Cs tidak bisa digunakan bukan? Oleh karena data Chi Square adalah bersifat kategorik.05 Æ Tak Normal Mengapa ? Cara pertama adalah uji Kolmogorov-Smirnov Plus.6233 106.0000 -.-nya 0. karena dibagi secara seimbang. maka harga tes ini jadi mahal.937 . (info lebih lengkap baca buku Non Parametrik Statistical Inference.00 13. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis . Lilliefors Significance Correction Keunggulan Kolmogorov Smirnov (KS) dibanding (Chi Square) 1.2176 107.13. padahal kurang satu no dia masuk kategori 16-20.639 Perhatian Karena ada koreksi Liliefor.357 105.00 29. Misalkan kategori 11-15. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis Lower Bound Upper Bound Statistic 9. Contoh : Data Depresi milik Hendro. Peluang tidak normal.0000 48.273 p > 0.1080 9. lebih besar di sini.5732 8. Dan anda membuat angka 11 untung. Jika dihitung dengan cara pertama sig.266 .77137 depresi Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std. Ia merasa rugi karena dibulatkan ke bawah.0000 111.20 Output Kolmogorov Smirnov Cara Kedua Descriptives Std. sementara KS bisa.-nya 0.088 df 82 82 a Shapiro-Wilk Statistic . sedangkan anda harus membuat 6 kategori sd. 2. sd nya sama.982 df 82 82 Sig. CS memerlukan data yang terkelompokkan.199 .00 29.1287 9.177 a. dan disamakan dengan angka di atasnya yaitu 12.55403 75.015 . . 4. 14 dan 15. Sig.com SPSS Untuk Psikologi .001 .8556 105.00 131. karena ia dibulatkan ke atas. Sig.16550 makna hidup Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std. .791 6. Apa Itu Koreksi Liliefor? Tuhan belum mengijinkan aku untuk menjawabnya.526 Tests of Normality Kolmogorov-Smirnov depresi makna hidup Statistic .

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

Semoga menjadi normal. tanda tanya ini ada ganti dengan variabel yang hendak di transformasikan.SQRT (harmoni) Rumus Buatan Sendiri 3. dan log 10.. 5. Jika tidak bisa juga.Relakan. Macam-macam rumus yang tersedia di SPSS Pada contoh ini. Z tidak boleh lebih dari 2. Ada banyak cara mentransformasikan. 1%) dan 1. Nama Baru Nama baru bagi variabel yang ditransformasikan Pilih variabel yang hendak ditransformasikan Ketika fungsi sudah dipilih. data anda memang ‘gak normal..22 Apa yang harus dilakukan jika sebaran data tidak normal 1. Untuk Kurtosis juga lho. Dua nilai ini harus diperhatikan. Kita transformasikan data kita dalam bentuk yang lain (remedies for non normal). Lalu muncul seperti yang ini.. Nilai Kritis (Z) = Skewness / √ (6/N). di atasnya untuk memilih fungsi ini. Klik OK jika sudah selesai.. Klik kanan pada lambang itu. tambah jumlah sampel penelitian. SQRT (square root) adalah akar kuadrat. Wahyu Widhiarso | 2001 | wahyupsy@gmail. hingga katakanlah 100 sampel. Tekan Menu Transform 2. Kemudian jadi. akan muncul : SQRT (?).. help akan muncul Tambahan tentang Normalitas (Bagi yang ingin mendalami saja) Satu istilah yang ngetrend dalam Kurve Normal adalah Skewness dan Kurtosis. Skewness berkaitan dengan lebar kurve.rumusnya sama. tetapi cara yang sering dipakai adalah transformasi dalam bentuk akar kuadrat. buang subyek yang teridentifikasi sebagai outliers. sedangkan kurtosis dengan tinggi kurve.com SPSS Untuk Psikologi . Kemudian pilih Compute.di sini adalah variabell anda yg hendak ditransformasi. Gunakan statistik non parametrik. Lihat Bab Outliers 4.96 (sig. Anda juga bisa membuat rumus dengan cara sendiri. Untuk mengerti arti lambang2 di sana. tapi kalau nilai kurtosisnya besar (alias salah satu kategori terlalu tinggi) ya nggak normal. 3. Transformasi Data 1. (1995) 2. 5%).58 (sig.. 4. Lihat buku “Multivariate Data Analysis” karangan Hair dkk.. Jika data terlihat sebarannya normal. Klik tanda panah.. Ulangi Uji Normalitas sekali lagi pada data anda.. arcsin. Jika tidak bisa. Numexpr. Jika cara 1 tidak bisa.

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

Ini adalah total dari Linearity dan deviation from linearity.162 . Terlihat bahwa kombinasinya tidak signifikan (p>0.361 18 12. .409 Deviation from Linearity 186.83 Sig.667 Total 601.912 * Frekuensi Ngemil Groups Linearity 191. Berarti data anda Wahyu Widhiarso | 2001 | wahyupsy@gmail.503 Within Groups 223.05) berarti simpangan terhadap linearitas itu tidak signifikan.426 37 F 1.409 18 10. Kalau variabel independennya dua buah.com SPSS Untuk Psikologi . 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) 377.24 Keterangan Masukkan variabel penelitian anda. Alias murni linear. Jika simpangan itu sig = (p>0. sehingga uji korelasi pearson bisa langsung dilanjutkan Deviation from Linearity Menunjukkan seberapa jauh simpangan hubungan variabel anda.890 1 191.001 . Combined Ini adalah kombinasi antara linearity dan selain linearity (deviation from linearity).6 15 . ia bermuka dua: linear dan kuadratik.579 Mean df Square 19 19. Soalnya ada juga data yang nggak murni linear.05).648 Linearity Adalah hubungan linear pada data anda.05) hubungan variabel penelitian anda linear. Jika sig (p<0. Coba lihat pada sum of square -nya.

com SPSS Untuk Psikologi .151 Eta . 2 Wahyu Widhiarso | 2001 | wahyupsy@gmail.389 R Squared .723 Eta Squared . 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.

000 Within Groups Total Wahyu Widhiarso | 2001 | wahyupsy@gmail.611 Mean Square 14.05) Kecerdasan * Keresahan Eksistensial Between Groups (Combined) Linearity Deviation from Linearity df 15 1 14 15 30 F 13. .811 100. Yang penting data anda linier.818 4. tapi kalau dianalisis dengan non linier boleh saja. 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.com SPSS Untuk Psikologi . . Data anda linier.099 9.094 Sig..000 . Linier Murni 12 Combined Deviation from linearity ternyata signifikan.91 95. Uji Asumsi: Kalau untuk uji asumsi data seperti ini tidak apa-apa. 8 10 12 14 16 18 20 22 0 Skala Patah Hati ANOVA Table Sum of Squares 103.000 . 10 8 6 4 Kedewasaaan 2 Sum Of Square Terlihat di sini Sum of Square linearity lebih besar daripada deviation from linearity. Deviasi from linearity ( p>0. Keresahan Eksistensial Kecerdasan ANOVA Table Sum of Squares 125.062 Sig.05) df 7 1 6 10 17 F 25.968 Mean Square 8.000 .635 .000 .864 .580 Kesimpulan: Korelasi yang terjadi adlh korelasi linear. Maka dari sini kelihatan bahwa korelasinya lebih mencerminkan model linier daripada model yang lain (p<0.003 3.603 Signifikansi Data anda linear sekaligus quadratik.818 68.83 8. Sumb.800 109.809 5. kombinasinya mencerminkan bentuk linier. • Karena SQRT-nya deviation lebih besar maka sumbangan efektif kuadratik lebih besar daripada sumbangan efektif linier • Setelah saya hitung.003 . (p>0.05).050 134. Dapat dikatakan bahwa.569 172. sedangkan dari regresi linier = 44% • Terserah anda pilih teknik apa. Efektif didapatkan dari regresi non linier = 42 %.830 100. Linearity dan deviatonnya sama-sama signifikan (p<0.4 1. Korelasi Product Momment sudah bisa digunakan.395 57.428 Kedewasaaan * Skala Patah Hati Between Groups (Combined) Linearity Deviation from Linearity Within Groups Total 2.918 57.26 Penglihatan Melalui Scatter dan Angka 1.05).

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.. Jadi kalau linearity sudah terpenuhi. Bukan seperti kamu. Misalnya nilai variabel A si Nurpita 100. Tetapi makin kita beri perhatian.Tidak semua hal itu berhubungan linier. warnanya merah dan putih. Pada awalnya terjadi korelasi linier positif. tetapi sekaligus kuadratik Dodo Weje : Bagaimana jika kita mendapati yang seperti ini? : Yang penting adalah linearity-nya. Maka cintanya berkurang. yang lebih rumit. F 6..274 . Kuadratik Murni 11 10 9 8 7 Kedewasaaan 6 5 Sum Square Root • SQRT yang paling besar adalah SQRT-nya deviation dibanding dengan linearity.2 3. kita sama saja membatasi diri dengan hanya menggunakan korelasi yang sudah signifikan dalam hitungan korelasi product momment.. pasti product momment-nya ya signifikan.000 . Soalnya ada penjelasan lain. ya sudah. Pokoknya satu buletin isinya tentang uji asumsi semua.581 87. . Lha bosen ! : Cowok Gampang bosenan. Baru kita uji linearitasnya sekali lagi. Weje : Dengan melihat linearity saja.951 Mean Square 5.! Dodo Weje Weje Dodo Wahyu Widhiarso | 2001 | wahyupsy@gmail. Di situ Pak Tris mengatakan bahwa salah satu variabel kita transformasikan (kuadratkan. Jadi dapat disimpulkan bahwa product momment hanya untuk hubungan yang sudah signifikan saja.953 Signifikan Data anda tidak linier. Khan Wagu? Hubungan data ini linear. Para ahli statistik mengatakan bahwa syarat uji korelasi pearson adalah datanya berkorelasi linear. ya kita jadikan 10.000 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. Sementara pakai asumsi ini saja.6 Sig. Lihat bedanya.470 28. Lha gimana? Karena linearity-nya signifikan..900 6. Terkadang jika kita memberikan perhatian pada si dia. atau diapakan yang lain.gak usah dilihat deviasinya. untuk mencari bagaimana hubungannya dengan variabel B.937 2. Edisinya saya lupa. Misalnya cinta.091 .05).370 2.27 3. Ia makin cinta pada kita.com SPSS Untuk Psikologi . sebab deviation from linearity data anda signifikan (p<0.. aku melihat yang digunakan acuan adalah linearity. Gunakan korelasi non-linier 4 Frekuensi Patah Hati ANOVA Table Sum of Squares 59.0 6. : Bagaimana kalau datanya benar-benar tidak linear? : Bacalah satu buletin psikologi. Korelasi Product Momment tidak bisa digunakan. Mereka tak mengatakan bahwa korelasinya harus linear murni. Deviation from linearity-nya yang dilihat.900 56. : Dida! Sadari.) dulu.

F Dari sini dapat disimpulkan bahwa data anda berkorelasi secara linier dan kuadratik R Square Terlihat bahwa dengan menggunakan model linier dan quadratik .28 Curve Estimation Sebenarnya untuk mengidentifikasi linearity di SPSS itu yang paling baik adalah melalui Curve Estimation. data anda samasama signifikan 21. RESAH Listwise Deletion of Missing Data Multiple R .85684 Signif F = Method..43710 Adjusted R Square .com SPSS Untuk Psikologi . Klik Anova tabel dan Pilih Model yang hendak anda uji.42839 Adjusted R Square . RESAH Listwise Deletion of Missing Data Multiple R .73352 Dependent variable. Menu Æ Analyze Æ Regression Æ Curve Estimation 2.42117 Analysis of Variance: DF Sum of Squares 1 424.87112 Wahyu Widhiarso | 2001 | wahyupsy@gmail.39689 Standard Error 4.82058 29 566.0003 10.46038 28 558. Sedangkan pada GFI uji Normalitas adalah sebaran Normal: 1.82058 19.0001 Signif. atau kuadratik. Ini adalah uji termasuk ketepatan (Goodness Of Fit) untuk menguji ketepatan data anda dengan satu distribusi yang diharapkan. QUADRATI Regression Residuals F = Mean Square 216. Mirip Uji Normalitas bukan? Kalau ini yang diharapkan adalah linier...73019 19.66113 R Square .46501 Analysis of Variance: DF Sum of Squares 2 433.65451 R Square .93632 .40868 Standard Error 4.54679 .. Anova Table Menampilkan Regresi sesuai dengan model yang dikehendaki Anova Table Pilih model yang anda harapkan untuk di uji Dependent variable. LINEAR Regression Residuals F = Mean Square 424.21704 Signif F = Method.

(2-tailed) N KESETIAAN Pearson Correlation Sig. ANOVAb Sum of Squares 5706. 1. Dari tabel Anareg di atas kelihatan. maka pilih 1 ekor. 80 itulah regresi.542 Sig. Di dalam regresi ada kata regresi dan residu. Predictors: (Constant). Tapi kita bisa melangkah sedikit ke model pengaruh dengan menggunakan sumbangan efektif. Correlation is significant at the 0.837 14076.000a 140 120 a. 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.05) dapat dikatakan bahwa ada hubungan (positif) antara kecantikan dan kesetiaan Correlations SKALA KECANTIKAN KESETIAAN 1 . Nah. 2. kalau nilai regresinya lebih tinggi daripada residunya. Karena regresinya besar maka F-nya signifikan Kecemburuan S 60 80 100 120 140 Kesetiaan Wahyu Widhiarso | 2001 | wahyupsy@gmail. Tekan Menu Analyze Æ Correlate Æ Bivariate Test Of Sign. Hanya regresi yang bisa. Tidak dapat menguji pengaruh. cuma hubungan saja. Pilih ekor yang kamu kehendaki.000 . Saya mencoba menjelaskannya melalui regresi.308 F 39.655 (p<0. sedang yang masuk dalam garis titik-titik mengarah miring. Lebih banyak di garis regresi dari pada di 40 dalam lingkaran residu. Independen thd Var.163 8369. coba lihat paparan visual di bawah ini.000 160 Residu Model 1 df 1 58 59 Regression Residual Total Mean Square 5706. Tidak ada kata prediktor dalam korelasi. Kesetiaan b.655** . dimana di dalam regresi ada kata ‘prediktor”. Kalau mengarah.29 Korelasi PRODUCT MOMMENT 1. misal di hipotesis mengatakan “Ada hubungan negatif atau positif”. Kalau tidak ada arah. Penjelasan tentang R2 Korelasi tidak menjelaskan sebab akibat. Satu ekor atau dua ekor.163 144. itulah residu. . .01 level (2-tailed). 31 31 SKALA KECANTIKAN Pearson Correlation Sig. Dependen **. (2-tailed) N Option Menampilkan nilai Cross Product. Sama juga dengan 60 tabel scater-nya.com SPSS Untuk Psikologi .655** 1 . serta mean dan standard deviasi. Option ini berguna ketika anda nanti hendak menghitung sumbangan tiap aspek Var. Dependent Variable: Kecemburuan 100 yang termasuk dalam wilayah bulatan.000 31 31 . pilih dua ekor Output r = 0. Dialah R2.

01281 0 Model 1 R R Square . sekitar 40% subyek. Subyek inilah yang kecemburuan mereka berkaitan dengan kesetiaan. kecemburuan mereka tidak ada hubungannya dengan kesetiaan 0 S 0 40 60 80 100 120 140 Wahyu Widhiarso | 2001 | wahyupsy@gmail.837 14076. Sedangkan 60% subyek lainnya.000 R2 = Regresi Total .163 8369. ANOVA Sum of Squares 5706. Kesetiaan b.395 Std. Model 1 df 1 58 59 Regression Residual Total R2 =0.163 . Kesetiaan 0 0 Penjelasan Tabel Dari tabel ini dapat diketahui. Predictors: (Constant). Error of the Estimate 12. yang masuk dalam garis.405 = 5706. Dependent Variable: Kecemburuan 0 14076 Model Summary Adjusted R Square .30 Dari pemahaman ini saya mengajak anda melihat rumus ini. Predictors: (Constant).com SPSS Untuk Psikologi . = 40% a. Terlihat bahwa R square sesuai dengan definisi yang di atas tadi.405 40% a.637a .

5 20. Outliers : Nilai Ekstrim 1.5 15. Secara statistik ini bisa dihilangkan. Dev = 4. 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.0 17.14 Mean = 12.0 22. Nilainya jauh dari rata-rata kebanyakan orang lain. Tetapi hanya 5 subyek yang paling atas dan paling bawah saja yang ditampilkan.31 Outliers Outliers adalah nama bagi subyek.com SPSS Untuk Psikologi . Yaitu mereka yang memiliki Ekstrem value Wahyu Widhiarso | 2001 | wahyupsy@gmail. Ini nih contoh visual bagi yang namanya outliers.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 10.0 12.5 25. kemudian tekan kotak Outliers Pada display akan muncul subyek-subyek yang Teridentifikasi sebagai outliers. Misalnya dengan melihat nilai-nilai yang ekstrim. Ada juga cara yang lebih praktis.5 1 1 6 5 5 4 Std. 16 15 14 13 12 11 10 9 8 7 5 4 3 2 1 0 7. Yang unik-unik ini kadang bisa mengacaukan. subyek yang unik.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.

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

Deleted Residual Mahal.608 -1.535 74.96 1.794 -39.000 2.212 4.000 .119 16.41 -17.507 9.00 .com SPSS Untuk Psikologi . Jika Ia dihapus.000 Maximum 24.239 1. maka nilai korelasi kita bisa meningkat.322 1.037 10.90 .20 -1.000 .Kembalilah pada Windows SPSS yang memuat daftar nomor subyek dan nilai subyek… Residuals Statistics Predicted Value Std.04 1.631 -18.41 4.696 . 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….68 -1.000 1.33 Ini adalah contoh outputnya.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. Predicted Value Standard Error of Predicted Value Adjusted Predicted Value Residual Std.377 23.802 17.016 1.947 .011 .320 10. Residual Deleted Residual Stud. Dependent Variable: nomor Minimum 13.091 1.345 25.927 11.60 .50 .052 1. Deviation 3.03 21. Distance Cook's Distance Centered Leverage Value a.973 1. 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.797 .094 .701 a Mean 19.997 3.19 -2.315 .053 Std.079 1.672 . Residual Stud.

Lalu kembalilah pada Windows SPSS utama.34 C.0000000 . Soalnya Keluarnya nilai Z nanti pada Windows Utama. Identifikasi Outliers Ini dia. Subyek ini pasti ngerumpinya parah sekali.19792 2. Kalau pengen cari ya. Mataku Bisa Burem gara-gara Statistik!” (kata seorang teman) Ulangi cara di atas. Deviatio 1..26611 -1. Lalu muncul output seperti ini.46802 Maximum 3.. Masukkan data yang hendak diidentifikasi pada kotak variables Membuat Nilai Z Tekan kotak ini agar tiap variabel ada nilai Z-nya.00000000 1. Mana ada nilai Z di atas 3.1979.Menu Analyze Æ Descriptive Æ masukkan nilai Z ke kotak Variables Kotak Save Standard Value gak usah dihidupkan.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.0000000 Std. lagi-lagi subyek 35 sebagai outliers. Coba tekan menu analyze Æ descriptive 2. “Jika dataku banyak. Tekan OK. lha gimana nilai Z nya kok melebihi 3. Seperti bagan di kanan ini.51660 Mean ..00000000 Ini nih ternyata ada Outliers pada data kita. Z nya 3. Ini Outliers juga 1. Descriptive Statistics Zscore: Skala score: Skala Ngerump KecemburuanV N 38 38 Minimum -1..com SPSS Untuk Psikologi . Masak aku mecicili satu persatu tiap kotak kecil di SPSS untuk mencari nilai Z diatas 3.

Sign up to vote on this title
UsefulNot useful