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

1402 -.6209 . dimana korelasi item totalnya cukup tinggi 0. Ide seperti ini dapat dilihat pada buku manual SPS Sutrisno Hadi.7009.4556 16.4 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 28.7137 .5000 25.7000 26.2000 25.3173 .5066 .3889 16.9000 26. Wahyu Widhiarso | 2001 | wahyupsy@gmail.4000 17. jika dibuang maka reliabilitasnya akan turun.9000 Scale Variance if Item Deleted 25.5000 25.6636 .6940 .6081 .01 ternyata r tabel adalah 3.com SPSS Untuk Psikologi .1178 .2111 23.7037 .1222 27.3 adalah item yang buruk. Lihat pada kolom Corrected Item-Total Correlation.196.8646) jika dibuang maka reliabilitas kita akan turun menjadi 0. item yang nilai Corrected Item-Total Correlationnya dibawah 0.7667 . Cara Ketiga (recommended) Lihat dulu reliabilitas kita berapa? Ternyata 0. Cara Kedua Lihat pada tabel korelasi (r) product momment.0556 18. Lihat item 6 (aitem paling bagus. Ini adalah produk pemikiran Pak Heru.7672 .6134 .7112 Reliability Coefficients N of Cases = 10.5000 25.8646 . Mereka-mereka yang nilainya di atas 0.3196 harus dirumahkan.9766 Item-total Statistics Scale Mean if Item Deleted ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 ITEM6 ITEM7 ITEM8 ITEM9 ITEM10 27. pada taraf signifikansinya 0.6556 Corrected ItemTotal Correlation -.3000 26. Asumsinya adalah item yang baik.7667 Std Dev 4.9000 Variance 24.0 Alpha = . Gagasan seperti ini ada di buku Saifuddin Azwar.5728.5728 .7009 harus kita relakan untuk dibuang.6667 21.1556 23.7009 N of Items = 10 TAFSIRAN ANGKA Cara Pertama 1 2 3 Lihat pada kolom Corrected Item-Total Correlation. Lalu lihat pada kolom alpha if item deleted.5895 .6717 .6000 25. mereka-mereka yang di bawah 0.7942 .0000 25.1667 18. Karena jumlah item kita adalah 10 (n=10) maka lihat pada baris n=10.1028 Alpha if Item Deleted .

Oleh karena itu jika anda membaca skripsi anda akan mendapatkan kalimat seperti ini..6940 Wahyu Widhiarso | 2001 | wahyupsy@gmail.. (2-tailed) Pearson Correlation ITEM4 Sig. (2-tailed) Pearson Correlation ITEM3 Sig. Output SPSS adalah korelasi product momment yang telah dikoreksi dari efek itu. lihat kolom scale variance if item deleted.862 . Sebab dalam rumus reliabilitas alpha. Korelasi ini berdasarkan hitungan product momment yang telah dikoreksi dari efek atenuasi. (2-tailed) Pearson Correlation ITEM2 Sig. Mereka yang di bawah 24. Teknik untuk seleksi butir aitem menggunakan teknik korelasi Product Moment dari Pearson dengan koefisien korelasi rxy. Nah inilah yang membuat korelasinya jadi meningkat.yet) Sama dengan cara pak heru di atas. di dalamnya ada komponen dari item 1 (skor item = 1).412 (gugur) . Koreksi ini ada rumusnya…. yaitu menguji korelasi antara skor aitem dengan skor total.867 ..6717 0.3173 0. (2-tailed) -.002 (sahih) Corrected Item-Total Correlation -0..1402 -0. skor total juga ikutikutan tinggi.5 Cara Keempat (not recommended.com SPSS Untuk Psikologi . 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. “Analisis aitem untuk seleksi butir aitem menggunakan teknik konsistensi internal. Variance kita adalah 24. tetapi variance.7667. variance berhubungan paralel dengan reliabilitas.7037 0.140 .841 . Ini cuma intuisi saya sendiri. 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. tetapi yang dipakai perbandingan bukan reliabilitas.Bacalah buku tentang Psikometri. (2-tailed) Pearson Correlation ITEM5 Sig. Coba lihat tabel dibawah ini….Pada skor Si Darmo (skor total = 7).7667 harus masuk kotak.001 (sahih) .001 (sahih) . 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. karena semakin tinggi skor item 1.699 (gugur) -. 4 Semakin tinggi variance semakin tinggi alpha-nya.293 .

4444 VAR00002 23.3126 .4470 .2778 29. maka anda harus menghitung lagi reliabilitas skala setelah terbebas dari item-item yang gugur.0940*) .6944 28.689).1562*) ..5556 VAR00010 23.5982 .2439*) .389 sampai 0.com SPSS Untuk Psikologi .1441 S C A L E N of Variables 10 (A L P H A) Corrected ItemTotal Correlation -.2439*) Alpha if Item Deleted ..1111 VAR00003 22. Jadi misalnya anda membuat laporan.8889 VAR00004 23.3611 33. kembalikan item itu pada kotak di sebelah kiri dengan menekan panah.8889 VAR00008 23.6307 .5000 32..2778 32.5730 . beginilah contohnya. Output yang keluar menunjukkan reliabilitas skala anda...5780 .5902 .(misalnya antara 0.7500 Scale Variance if Item Deleted 37.6319 .5556 Reliability Coefficients N of Cases = 9.0000 Item-total Statistics Scale Mean if Item Deleted VAR00001 23.5556 VAR00007 23.1111 VAR00006 23.2778 Std Dev 6. Dan rentang koefisien korelasi anda.. ternyata item yang buruk korelasinya meningkat. ia akan pindah kiri sendiri.6667 VAR00009 23. Keluarkan dari kotak samping kanan.3881 .6255 Keterangan *) = item yang gugur A N A L Y S I S Variance 37.3611 30.1111 30. atau cukup klik dua kali.2222 VAR00005 23..6319 N of Items = 10 Wahyu Widhiarso | 2001 | wahyupsy@gmail.6717 .0 Alpha = . Jangan masukkan item-item yang sebelumnya teridentifikasi item yang ceniningan (buruk).sampai. sedangkan item yang baik korelasinya menurun..5443 .5689 .7778 32.3361 . Reliabilitas Setelah Seleksi Item S etelah anda menghitung reliabilitas skala dan mendapatkan mana-mana item yang gugur.8611 31. itulah yang tertulis pada koefisien korelasi item total bergerak antara .4163 ..5181 .6 Bisa dilihat di tabel perbandingan ini.. Hasil Uji reliabilitas Sebelum Seleksi Item R E L I A B I L I T Y Statistics for Mean SCALE 26.

7778 A N A L Y S I S Variance 20. Jangan percaya pada mereka.345.7500 12.. Koefisien korelasi item-total bergerak dari 0. yang semula bernilai 0.4617 . 2 diganti 3. memakai korelasi item-total diatas 0.6120 .0000 15. 3 diganti 2.1439 Alpha if Item Deleted . tapi anda nilai dengan unfavorable. Korelasi Item-total: Korelasinya kuat tetapi kok negatif ? Ada beberapa kasus dimana kita mendapatkan korelasi item-total memiliki nilai yang negatif tetapi kuat.3361 menjadi 0.7778 Corrected ItemTotal Correlation . reliabilitas skor kita meningkat dari 0. dan 1 diganti 4.6347 Scale Variance if Item Deleted 17.4444 S C A L E N of Std Dev Variables 4. Koefisien Korelasi item-total = Koefisien Validitas ? Pada beberapa buku atau beberapa skripsi..6560 N of Items = 6 Keterangan: Reliabilitas skala adalah 0. Misalnya item 8.5184 . Oleh karena kita menggunakan validitas isi (rasionalisasi pertanyaan pada item pada blue print) maka kita tidak memiliki angka validitas.6667 VAR00008 13. tetapi pergerakan korelasi item total menjadi kecil. Yang seharusnya item ini favorable.5467 .5848 Di sini kita dapatkan bahwa ada perubahan.3333 VAR00007 13.6667 VAR00005 12. Yang semula -0.0 Alpha = . kita akan mendapatkan nilai yang tak terlalu kecil.koefisien validitas baru ada jika menggunakan validitas kriteria. Saran saya.com SPSS Untuk Psikologi .5949 .5848 . enakan ketika menghapus item. ada yang mengatakan bahwa koefisien korelasi itemtotal (r) adalah koefisien validitas. Biar nanti jika dihitung lagi. Dan ini memang konsekuensi dari pengurangan item.2962 . Nah setelah anda perbaiki.1 tadi. misalnya yang nilai 4 diganti 1. semakin sedikit item yang dipakai semakin menurun harga korelasinya.8889 VAR00003 12. maka anda akan mendapatkan kebalikan dari korelasi yang tadi.4444 Reliability Coefficients N of Cases = 9.4677 . misalnya -0..489.0000 16. Hal ini terjadi bisa karena anda mungkin kebalik dalam memberi penilaian.6347.8889 VAR00006 13.489 akan menjadi 0.6225 menjadi 0.35 saja.6347.5216 6 (A L P H A) Item-total Statistics Scale Mean if Item Deleted VAR00002 12. misalnya 0.4283 . Wahyu Widhiarso | 2001 | wahyupsy@gmail.7 Hasil Uji reliabilitas Setelah Seleksi Item R E L I A B I L I T Y Statistics for SCALE Mean 15.3611 15.8611 14.1439.1439 sampai 0.2245 .489 atau -0.

296 Akhirnya kita dapatkan bahwa : • Dibawah df 60 penurunan r tiap satuan angka df sangat besar. Oke! buka lagi mata anda. Lihatlah di bawah sana (tabel ke-2).kalau mata anda masih sepet dengan angka-angka itu.8 Jumlah Item dan Jumlah Subyek yang ideal Ketika kita hendak membuat skala.Berapa jumlah item yang harsu kita buat? Berapa subyek yang harus kita cari? Ada dua versi untuk menjawab pertanyaan ini. Dalam pandangan statistik. ngunu wae dipikir” kata seorang teman Sebelumnya saya mengajak anda untuk memahami pola yang ada pada tebel r. dan korelasi item total tergantung pada tabel.805 0.. Wahyu Widhiarso | 2001 | wahyupsy@gmail. penurunan r pada tiap satuan df sangat kecil. pertanyaan ini pasti muncul. Ambil satu kolom. “Ora usa kakean penjelasan! Piro jumlah subyek’e?” “60 subyek sudah memasuki daerah aman versi statistik”. tetapi ketika sampai pada df diatas 60.21.. sekarang bandingkan dengan jarak antara df30 dan df35 jaraknya cuma 0. yaitu kolom 1 ekor (one tailed). dari 0.805. skala kepemimpinan (45 item) yang disajikan pada 59 subyek. a. maka yang gugur cuma 2 item.275 35------------40 0. Dari sini kita dapatkan bahwa angka 60 adalah angka batas.275 0. meski itemnya 10 tetapi karena jumlah subyeknya besar. Nah. Lihat juga di sana (tabel 4) itemnya 45 tetapi jumlah subyeknya cuma 10 maka item yang gugur 7. bayangkan bahwa anda sekarang melihat sepotong apel merah yang ranum dan siap dimakan. badan anda menggigil karena tak bisa menjawab.com SPSS Untuk Psikologi .. Lihat angka di sana. Lihat pergerakan angka pada kolom di sana jarak antara df2 dan df3 sangat besar sekali..9 30 --------------. jantung anda bergetar keras. versi metodologi dan versi statistik. Versi Statistik: Versi statistik berorientasi pada tujuan agar kita mendapatkan item yang baik dan skala yang reliabel. 2 ------------------------------------. oleh karena patokan baik buruknya item tergantung korelasi item-total. Lihat tabel korelasi (R) pada buku statistik. • Saya akan memberikan contoh-contoh dari satu data skripsi milik Handoko (97). dan subyek’e juga banyak. Saya hanya memperlihatkan pada item 1 sampai 10 saja.3 0. Oleh karena itu inilah yang membuat bagi sebagian orang memakai angka ini sebagai pegangan jumlah item atau jumlah subyek kita.35 0. selisihnya hampir 1. maka kita harus menyesuaikan pada tabel.pejamkan lagi mata anda dan bayangkan bahwa anda nanti akan ditanya macam-macam saat ujian skripsi.211 0.. “Sing jelas item’e banyak.70 0.195 0. Dari sana terlihat bahwa yang sangat mempengaruhia reliabilitas dan koefisien korelasi adalah banyaknya subyek..257 60 ------.900 sampai 0. Kalau mata anda sudah sepet. pejamkan mata anda. melihat angka-angka yang ada di sana.

3956 .4611 ITEM9 160.4444 8.3086 .0000 .6780 98.5932 34.8019 17.tidak ditampilkan Reliability Coefficients N of Cases = 59.6610 .7448 .7639 15.7224 .0 Alpha = .7703 ITEM7 159.4240 .5634 ITEM10 160.3455 .6736 .6556 7.3051 34.5378 .5248 .7000 ITEM10 35.1111 7.9831 101.5581 .1017 34.7606 .2881 35.7510 ITEM2 161.6595 .5294 .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 159.8222 9.5763 35.8101 ITEM4 160.3729 Scale Variance if Item Deleted 17.5401 .1368 ITEM8 160.5482 Corrected ItemTotal Correlation .1000 ITEM5 34.6539 N of Items = 45 Hasil Hitungan 10 item 59 subyek Scale Mean if Item Deleted 34.4915 99.0000 ITEM7 34.4802 .6222 7.6593 .3541 .3161 .7627 96.0000 ITEM4 34.7013 .6602 .6603 .1818 .4553 17.4068 36.9053 ITEM3 159.9807 ITEM6 160.7000 ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 ITEM6 ITEM7 ITEM8 ITEM9 ITEM10 Reliability Coefficients N of Cases = 59.6000 ITEM3 34.2373 99.com SPSS Untuk Psikologi .9082 ITEM11 dst….5559 Alpha if Item Deleted .1344 18.3444 7.0584 18.0 Alpha = .7157 .6869 .7455 N of Items = 10 Hasil Hitungan 10 item 10 subyek Scale Mean if Item Deleted ITEM1 33.2146 .4000 Reliability Coefficients N of Cases = 10.6645 .4589 .1198 .1186 .4631 .7164 .4868 15.2111 9.6765 .7333 8.5097 .2712 .9328 18.2616 N of Items = 10 Alpha if Item Deleted .6675 .2000 ITEM8 34.3778 Corrected ItemTotal Correlation .0625 15.8305 35.5132 .3121 .1081 -.3560 .3588 .4346 Alpha if Item Deleted .3729 34.4602 Scale Variance if Item Deleted 7.7376 .7954 ITEM5 160.6757 Corrected ItemTotal Correlation .6949 96.6891 -.7200 .3951 .3507 .0199 .8000 ITEM6 35.4868 15.9000 ITEM9 34.4032 Wahyu Widhiarso | 2001 | wahyupsy@gmail.7499 .0 Alpha = .2889 7.4127 .8000 ITEM2 35.7966 103.7627 99.0239 .8475 35.3089 .6582 .2203 98.2571 .9661 99.

Bukan Buku itu.And damn statistics Benyamin Disraeli Ayolah Ben.6881 N of Items = 45 Sebenarnya penjelasan ini ada kelemahannya. jumlahnya ya diatas 100 untuk tes hipotesisnya dan 60 untuk uji coba skala.7000 108.. Thad (’97) : Bukan Pan!.5444 ITEM8 161. Misalnya dalam populasi perawat seperti dalam skripsi Gogon.0111 ITEM6 161.4333 ITEM7 161. .6802 ..0695 Alpha if Item Deleted .3444 ITEM2 162.2667 ITEM10 162.3889 ITEM3 160. sekarang mereka akan kuajak ke babakan II tentang t-test.6000 110.Lie. terima kasih.2014 -.0582 .7000 107. ada di buku Psikologi Imajinasinya Sartre. Versi Metodologi Versi metodologi penelitian mengatakan bahwa jumlah item yang bagus adalah yang tidak sampai membuat subyek menjadi klenger.1000 98.. Ada yang bisa melakukan uji skala dengan 60 subyek..6823 .1116 . Nafan (‘97) : Mungkin itu ada di buku Bumi Manusia.8444 ITEM9 161. Jangan mengacau pembaca tulisanku...1072 -. Ada satu tulisan. dan uji hipotesis dengan 60 subyek juga. ada juga yang bilang ¼ dari populasi. saya lupa bukunya.2333 ITEM11…dst tidak ditampilkan Reliability Coefficients N of Cases = 10.5444 ITEM4 161.8000 108.1655 ..6852 .2686 .2222 ITEM5 161. Tapi kalau dalam pengalaman skripsi rekan-rekan yang sudah lulus.3166 .10 Hasil Hitungan 45 item 10 subyek Scale Scale Mean Variance if Item if Item Deleted Deleted ITEM1 160. Kalau seperti siswa sekolah atau mahasiswa. Ada ahli yang nulis bahwa rata-rata orang hanya mampu menjawab dengan baik di bawah 30 item. Dodo : Tentu saja untuk subyek yang populasinya sedikit (terbatas) jumlah itu bisa diterima. Karena bisa jadi item yang cuma 10 subyek saja malahan bisa meningkatkan reliabilitas karena 10 subyek itu tidak satupun yang celelek’an.6833 .com SPSS Untuk Psikologi . Kalau nggak salah di bukunya Pak Azwar. There are great lies in this world.9000 106. ..0376 .9000 111.6918 . Untuk uji hipotesis dan analisis faktor 100-300 orang. Pokoknya di sana disebutkan bahwa sampel yang representatif untuk menghitung keandalan skala adalah di lebih kurang 100 orang.0000 108.6952 . Nah sekarang mengenai jumlah subyek.. Wahyu Widhiarso | 2001 | wahyupsy@gmail.5746 .5000 107.6929 . karangan Pramoedya Ananta Toer.3000 108.6565 . dan kelelahan karena kebanyakan membaca item-item yang malah membuat subyek tidak menjawab dengan benar.Great Lie.6868 Corrected ItemTotal Correlation ..6780 .0 Alpha = . Bukan..

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

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

004 .13 Membaca Angka t-tes Independen Sample Independent Samples Test kecerdasan Equal variances Equal variances assumed not assumed . Langkah II : Terlihat bahwa nilai t hitung= -3.54 (p=0.01 ada perbedaan pada taraf sig. 5% b. Sig: p>0. Error Mean .34743 -7. artinya ada perbedaan kecerdasan antara pria dan wanita. sedangkan ketika wanita diam.9000 Std.56916 -4. Penjelasan Kasus di Atas Langkah I : Karena data kita homogen.004 -4. jika data tidak homogen.054 .265 -3. t-test for Equality t Means df Sig.94810 kecerdasan grup 1.56914 Aturan Uji Homogen Sig: p< 0.95743 . Dapat dikatakan bahwa ada perbedaan kecerdasan antara pria dan wanita.00 2. maka baca lajur kiri (equal variance assumed) .05.34743 -7. Sig: p< 0.5000 29. Disana tampak bahwa F=0. df=18.01). wanitalah yang lebih cerdas. Bogel: Je! Kamu jangan bilang ada perbedaan yang siginifikan saja. Deviation 3.com SPSS Untuk Psikologi .23086 -1. Di sana tampak bahwa nilai t kita -3.265.23084 -1.819) karena p diatas 0.998 . p<0.05 ada perbedaan pada taraf sig.99815 Pria kelihatan bodohnya ketika mereka diam. 1% c.819 -3. (p<0.05 (data tidak homogen) Sig: p>0. siapa yang memiliki rerata (mean) yang tinggi.00 N 10 10 Mean 25. Katakan juga siapa yang lebih cerdas?” OK.4000 1.265 18 17. Group Statistics Std. baca lajur kanan (equal variance not assumed). Sig: p< 0. maka dapat dikatakan bahwa tidak ada perbedaan varians pada data kecerdasan pria dan wanita.4000 1. dari kasus ini. (2-tailed) Mean Difference Std. mereka kelihatan cerdas (Henry Delacroix ) Wahyu Widhiarso | 2001 | wahyupsy@gmail. maka yang kita lihat adalah lajur equal variance assumed (data diasumsikan homogen).05 tidak ada beda Levene's Test for F Equality of Varian Sig.02765 2.265. Error Difference 95% Confidence InteLower of the Difference Upper Langkah I Baca dulu Levene’s test untuk uji homogenitas (perbedaan varians).05 (data homogen) Aturan Uji t a. Kita lihat. Langkah II Jika data anda homogen.05.

baca lajur kiri. Error Difference 95% Confidence Interval of the Difference Nilai t Anda. Aturannya seperti yang tertulis pada tabel sebelumya. Jika tak bisa mengalahkan t tabel (lebih besar dari t tabel).34743 Lower Upper -7. jangan mengharap ada beda signifikan. 3. toleransi ini menggunakan taraf kepercayaan 95%. rentang selisih kecerdasan pria dan wanita dari 1. -nya terlihat bahwa ia lebih besar dari t tabel (p<0. Jadi dengan menggunakan taraf kepercayaan 95 %.34743.819 -3. t df Sig.998 .23084 -1.4000 1.400.23. Selisih Mean. Adalah uji homogenitas.004 .02765 . Dari Sig.56914 Levene's Test for Equality of Variances t-test for Equality of Means F Sig.(-7.05. Independent Samples Test kecerdasan Equal variances Equal variances assumed not assumed .com SPSS Untuk Psikologi .4000 1. bahwa rerata kecerdasan pria= 25. Visualisasi t-tes 95 % Confidence Interval of the difference.2.90.99815 = 1.23086 -1.50 kecerdasan wanita= 29. Adalah selisih dua mean data kita. Mean Difference. Jika data homogen.56916)-----------------. (-1.56916 -4. Seperti kita ketahui dari data ini.57 sampai 7. baca lajur kanan. Eror Difference. Lihat tabel dibawah ini. Pada kasus kita.004 -4.054 . Adalah selisih standar deviasi dua data kita. Adalah rentang nilai perbedaan yang ditoleransi. (2-tailed) Mean Difference Std.265 -3. yaitu uji perbedaan varians pada data kita.(-4.265 18 17.4) -----------------. Perempuan lebih cerdas daripada pria Std. jika tidak. Selisihnya adalah 4.23084) upper mean difference lower Nomor-nomor yang besar pastilah mengandung kesalahan Wentworth Dillon Wahyu Widhiarso | 2001 | wahyupsy@gmail.34743 -7.14 Levene Tes Homogenitas.

0.412 yang dua ekor lebih tinggi.15 Filosofi t-tes distribusi Kecerdasan pria distribusi kecerdasan wanita 19 mean 25.482.. Prinsip ini digunakan pada analisis yang lain juga. Coba lihat di tabel. tetapi secara metodologi lebih mahal.. satu ekor nilainya 0. Jika kurang berarti ada perbedaan.com SPSS Untuk Psikologi . secara statistik memang kepenak memakai satu ekor. toleransi yang dipakai akan lebih rendah. Wahyu Widhiarso | 2001 | wahyupsy@gmail. karena lebih murah. 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 secara teoritik harus benar-benar dapat dipertanggung-jawabkan dan membutuhkan landasan teori yang kuat.nilai t kritis pada df 15. Misalnya korelasi. sebab harga satu ekor lebih murah dari pada dua ekor.9 37 Perpotongan antara dua data ini masih dalam batas toleransi (95% or 99%) ataukah tidak.5 27 29 mean 29.

Jika data anda berbentuk interval maka dalam pengoperasiannya data anda harus dikonversikan dulu ke data ordinal (ranking). Z=2.50 171.58) dialah yang nilainya memiliki perbedaan.89 13. Tetapi jika di atas 20. 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 15.16 Membaca Display Mann Whitney U Test Mann Whitney U test adalah t-test versi non parametrik. tes ini yang sering dipakai jika mereka tidak memakai t-tes.000 171.000 147. (2-tailed) Exact Sig.138 . Not corrected for ties. Z=1. di bawah.485 . (yang anda beri kode 1) Test Statisticsb PRE_TES 78. Wahyu Widhiarso | 2001 | wahyupsy@gmail.500 183. Dari kasus di atas yang memiliki perbedaan hanyalah skor gain.376 a Z Score Deviasi dalam distribusi normal Untuk sig 5%. b.500 -. Asymtotic Significance Tingkat signifikansi yang berbasis pada distribusi asimtot dari tes.com SPSS Untuk Psikologi . Ketolak atau tidak bisa dilihat pada sig. Di psikologi.907 .004 .50 183.96) or (1%.00 • Mann Whitney U Jika nilai U tidak bisa lebih kecil dari U tabel. Data berbentuk ordinal.05 (tidak signifikan). Jadi Ho ditolak. [2*(1-tailed Sig.11 12.96 Untuk sig 1% Z anda harus >2. jadi dalam tulisan ini saya hanya membahas tes ini saja.79 10. Tes ini yang paling kuat diantara teman-temannya. yaitu tes non parametrik lainnya. maka data anda distribusinya buruk (poorly distributed).50 Sum of Ranks 222. Karakter Tes: • • • Bebas asumsi normal.58 Mann-Whitney U Wilcoxon W Z Asymp. Dapat dilihat di display.21 16. W adalah total jumlah ranking yang dinamakan pertama dalam kolompok. Grouping Variable: GRUP Penjelasan Kasus Di sini berlaku bahwa barangsiapa yang memiliki nilai Z diatas nilai kritis (5%.853 .000 -1. maka hipotesis alternatif ditolak.009 a a.00 235. kalau <0.05 maka ada perbedaan POS_TES GAIN Wilcoxon W Wilcoxon rank sum W statistic. Jika Sig > 0.00 259.)] POS_TES 66. alias tidak ada perbedaan. Jadi nggak usah pakai uji normalitas Dua sample yang dibandingkan adalah independen. maka dapat digunakan pendekatan dengan kurve normal Z. Data anda sedikit (<20).000 -2.00 147. Z anda harus >1.150 a GAIN 42. Sig. Tapi jika pakai SPSS data anda akan dikonversikan sendiri olehnya.50 18.365 .

tapi Goodness Of Fit Tes.30 34% 34 38 2 31 .17 Uji Normalitas Uji distribusi normal adalah uji untuk mengukur apakah data kita memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial).35 14% 14 12 3 36 . Tapi karena tes ini memiliki kelemahan. Sehingga hasil penelitian kita bisa digeneralisasikan pada populasi. Terus. Frek.20 34% 34 20 Ada Beda 1 21 . Apakah harus di tes normal segala. Aplikasi Chi-Square pada Uji Normalitas.. ngetes normalitas segala? Pertama. bagaimana kalau kita langsung meneliti populasi secara langsung. sisi B keluar sebanyak 65 kali. Dalam kaus. sisi A keluar sebanyak 35 kali.05 : Ada Beda B =65 Kalau hasilnya tidak ada perbedaan.com SPSS Untuk Psikologi . pembuatannya itu mengacu pada tebel normalitas.maksud’e koinku gak penceng?.eh kasus ini. p>0. Apakah koinku dapat dikatakan seimbang. maka dapat dikatakan bahwa koin kita setimbang. p<0.05 : -1 16 . Artinya. dan Sony ’93. adalah begini: Aku punya uang seratus rupiah. Januar: Makanan lagi ini? Ayo Jelaskan apa yang kau maksud dengan fitness tes ini. Populasinya khan cuma tiga. distribusi normal. Kurve normal punya 6 Standar Deviasi (sd).15 14% 14 15 Sig. Tes-tes parametrik itu dibangun dari distribusi normal.10 2% 2 5 Beda -2 11 . Sig. uji apakah data empirik yang kamu dapatkan dari lapangan itu sesuai dengan distribusi teoritik tertentu. Macam Data Data Teoritik Data Observasi Kemunculan Sisi Koin A = 50 B = 50 A = 35 Total 100 100 Uji Chi Square Sig. Tak lempar seratus kali. Januar: Mengapa kita harus. kau lihat tabel t-tes misalnya. Sd Distribusi Kurve Normal Data Hasil Kategori % Frek. apakah datamu itu dari populasi yang berdistribusi normal. kamu. Bukan Fitness Tes. Kita Lihat dulu Data teoritik kurve Normal. Dengan kata lain. Kedua.05 : Tidak Ada Beda Sig. Masing-masing sd luasnya seperti ini. p>0. Misalnya Hubungan Antara Independensi Anak yang Jarang Mandi di Fakultas Psikologi UGM Dengan Kreativitas. p<0. Cara yang biasa dipakai untuk menghitung masalah ini adalah Chi Square. Aku.05 : Tidak Ada -3 1 . maka yang kita pakai adalah KolmogorovSmirnov. Mbuh! Chi-Square Filosofi mengapa Chi-Square kok bisa dikatakan Goodness Of Fit Tes. kita bisa berasumsi bahwa sampel kita bener-bener mewakili populasi.. Kedua tes dinamakan masuk dalam kategori Goodness Of Fit Tes.40 2% 2 10 Wahyu Widhiarso | 2001 | wahyupsy@gmail.

dan biasanya mereka menulis Z=0. 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. Hasil ini lalu dibandingkan dengan tabel D. yang diuji itu distribusi normal.18 Kolomogorov -Smirnov Chi Square membandingkan distribusi teoritik dan distribusi empirik (observasi) berdasarkan kategorikategori. Dalam kasus ini D= 0. Test Distribution is Normal artinya. bukan distribusi eksponen.05) Jika Z anda di bawah 1. Ada 6 pembagian.905 Negative Pengurangan yang menghasilkan angka negatif terbesar N Normal Parameters a. D = 0. yang terbesarlah yang dimasukkan sebagai absolut.567 (p>0.164 . Test distribution is Normal. Hanya satu yang diambil 12 yaitu yang selisihnya terbesar. D itu didapatkan dari Frekuensi teoririk Distribusi kumulatif (teoritik)…….37895 .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.com SPSS Untuk Psikologi . maka data anda NORMAL. Uji KS outputnya adalah D.0833 1. Jadi yang dibandingkan adalah frekuensi kumulatif distribusi teoritik dengan frekuensi kumulatif distribusi empirik.97 maka dapat dikatakan tidak ada perbedaan antara distribusi teoritik dan distribusi empirik. Deviasi Distribusi Normal Dari sini dapat dikatakan bahwa data anda berdistribusi normal. b...data anda NORMAL ! Wahyu Widhiarso | 2001 | wahyupsy@gmail. Tapi tidak semua yang diambil.05).b Most Extreme Differences Kolmogorov-Smirnov Z Asymp. atau poisson Absolut (D) Dari perbandingan antara negatif dan positif. Cara Membaca Angka One-Sample Kolmogorov-Smirnov Test VAR00001 12 3. Calculated from data. Kalau t-tes khan t. Deviation Absolute Positive Negative Positive Pengurangan yang menghasilkan angka negatif terbesar a. or Beberapa orang ada yang menjadikan acuan signifikansi adalah Z. Ini contoh-contohan uji normalitas data.164 . Kalau korelasi khan r.164 (p>0.117 -.164 Jika D anda lebih kecil dari tabel. Sig. kalau KS berdasakan frekuensi kumulatif.A Frekuensi empirik Distribusi kumulatif (empirik)…….567 . (2-tailed) Mean Std.

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

Sig. 4. Berkatalah hanya pada apa yang anda ketahui saja Anonim .20 Output Kolmogorov Smirnov Cara Kedua Descriptives Std. sementara KS bisa.388 10.00 29. CS tidak bisa untuk sampel kecil. seperti yang saya jelaskan sebelumnya. CS memerlukan data yang terkelompokkan. Error . Contoh : Data Depresi milik Hendro.937 .791 6.982 df 82 82 Sig.2176 107.526 Tests of Normality Kolmogorov-Smirnov depresi makna hidup Statistic . karena ia dibulatkan ke atas. Jadi enakan pakai cara pertama saja.2500 . .1080 9.266 . Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis Lower Bound Upper Bound Statistic 9.16550 makna hidup Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std.00 131.273 p > 0. Jika dihitung dengan cara pertama sig. Anda membuat angka 15 marah-marah.5732 8.199 . Ia merasa rugi karena dibulatkan ke bawah. Wahyu Widhiarso | 2001 | wahyupsy@gmail.com SPSS Untuk Psikologi . Gibbons.98505 .110 .00 56.55403 75.834 .8556 105. Adalah perbedaan antara distribusi teoritik dan distribusi empirik. Soalnya ada tambahan Koreksi Liliefor segala. Dan anda membuat angka 11 untung. Peluang tidak normal.77137 depresi Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std. 2. sedangkan anda harus membuat 6 kategori sd. Maka ada data yang terbuang maknanya.266 . Apa Itu Koreksi Liliefor? Tuhan belum mengijinkan aku untuk menjawabnya.015 . KS lebih fleksibel dibanding CS. Lilliefors Significance Correction Keunggulan Kolmogorov Smirnov (KS) dibanding (Chi Square) 1.13. sd nya sama.526 1.6233 106. Misalkan kategori 11-15.00 13. KS dapat mengestimasi variasi sd. sedangkan CS. (info lebih lengkap baca buku Non Parametrik Statistical Inference.357 105. 14 dan 15.5366 Lower Bound Upper Bound 103.177 a. Cs tidak bisa digunakan bukan? Oleh karena data Chi Square adalah bersifat kategorik. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis . padahal kurang satu no dia masuk kategori 16-20.1287 9.015 p <0. karena dibagi secara seimbang.-nya 0. maka harga tes ini jadi mahal. lebih besar di sini. .05 Æ Tak Normal Mengapa ? Cara pertama adalah uji Kolmogorov-Smirnov Plus.639 Perhatian Karena ada koreksi Liliefor.05 Æ Normal tetapi jika dihitung dengan cara kedua sig.-nya 0. Sig.00 9.0384 11.0000 -.088 df 82 82 a Shapiro-Wilk Statistic .0000 48.0000 111.00 29. 1971) 3. dan disamakan dengan angka di atasnya yaitu 12. Bayangkan jika data anda berjumlah 5.310 Arti Statistic Adalah nilai D. KS tidak memerlukannya.001 .

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

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

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

409 Deviation from Linearity 186. ia bermuka dua: linear dan kuadratik.409 18 10. Kalau variabel independennya dua buah.com SPSS Untuk Psikologi . Coba lihat pada sum of square -nya.6 15 . Jika simpangan itu sig = (p>0.648 Linearity Adalah hubungan linear pada data anda.667 Total 601.24 Keterangan Masukkan variabel penelitian anda.912 * Frekuensi Ngemil Groups Linearity 191. 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. Jika sig (p<0.05). Alias murni linear. Terlihat bahwa kombinasinya tidak signifikan (p>0. sehingga uji korelasi pearson bisa langsung dilanjutkan Deviation from Linearity Menunjukkan seberapa jauh simpangan hubungan variabel anda.361 18 12. Combined Ini adalah kombinasi antara linearity dan selain linearity (deviation from linearity).162 .05) berarti simpangan terhadap linearitas itu tidak signifikan.83 Sig. Berarti data anda Wahyu Widhiarso | 2001 | wahyupsy@gmail. Ini adalah total dari Linearity dan deviation from linearity.579 Mean df Square 19 19. Soalnya ada juga data yang nggak murni linear.426 37 F 1.05) hubungan variabel penelitian anda linear.890 1 191. .001 .503 Within Groups 223.

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

603 Signifikansi Data anda linear sekaligus quadratik.003 . Linier Murni 12 Combined Deviation from linearity ternyata signifikan. Korelasi Product Momment sudah bisa digunakan. Sumb.000 .003 3. .811 100.05) Kecerdasan * Keresahan Eksistensial Between Groups (Combined) Linearity Deviation from Linearity df 15 1 14 15 30 F 13.91 95. Data anda linier.05). 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. Efektif didapatkan dari regresi non linier = 42 %. (p>0. 8 10 12 14 16 18 20 22 0 Skala Patah Hati ANOVA Table Sum of Squares 103.395 57.000 .4 1. Yang penting data anda linier.809 5.428 Kedewasaaan * Skala Patah Hati Between Groups (Combined) Linearity Deviation from Linearity Within Groups Total 2.05).918 57.818 4. Dapat dikatakan bahwa.611 Mean Square 14.000 . Linearity dan deviatonnya sama-sama signifikan (p<0.580 Kesimpulan: Korelasi yang terjadi adlh korelasi linear.05) df 7 1 6 10 17 F 25.com SPSS Untuk Psikologi . Maka dari sini kelihatan bahwa korelasinya lebih mencerminkan model linier daripada model yang lain (p<0. sedangkan dari regresi linier = 44% • Terserah anda pilih teknik apa. Uji Asumsi: Kalau untuk uji asumsi data seperti ini tidak apa-apa.099 9.818 68. tapi kalau dianalisis dengan non linier boleh saja.968 Mean Square 8. Deviasi from linearity ( p>0.26 Penglihatan Melalui Scatter dan Angka 1. 10 8 6 4 Kedewasaaan 2 Sum Of Square Terlihat di sini Sum of Square linearity lebih besar daripada deviation from linearity.569 172. • Karena SQRT-nya deviation lebih besar maka sumbangan efektif kuadratik lebih besar daripada sumbangan efektif linier • Setelah saya hitung.83 8.094 Sig.. .635 . kombinasinya mencerminkan bentuk linier. Keresahan Eksistensial Kecerdasan ANOVA Table Sum of Squares 125.800 109.000 Within Groups Total Wahyu Widhiarso | 2001 | wahyupsy@gmail.864 .050 134.000 .062 Sig.830 100.

6 Sig.900 6. Bukan seperti kamu. untuk mencari bagaimana hubungannya dengan variabel B. Lihat bedanya. Para ahli statistik mengatakan bahwa syarat uji korelasi pearson adalah datanya berkorelasi linear..com SPSS Untuk Psikologi . Terkadang jika kita memberikan perhatian pada si dia. Pada awalnya terjadi korelasi linier positif.937 2. sebab deviation from linearity data anda signifikan (p<0. Tetapi makin kita beri perhatian.) dulu.0 6..091 .953 Signifikan Data anda tidak linier. Edisinya saya lupa.2 3. Korelasi Product Momment tidak bisa digunakan. Gunakan korelasi non-linier 4 Frekuensi Patah Hati ANOVA Table Sum of Squares 59.gak usah dilihat deviasinya.! Dodo Weje Weje Dodo Wahyu Widhiarso | 2001 | wahyupsy@gmail. 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. Soalnya ada penjelasan lain. Kuadratik Murni 11 10 9 8 7 Kedewasaaan 6 5 Sum Square Root • SQRT yang paling besar adalah SQRT-nya deviation dibanding dengan linearity. Lha gimana? Karena linearity-nya signifikan.581 87. : Bagaimana kalau datanya benar-benar tidak linear? : Bacalah satu buletin psikologi. Khan Wagu? Hubungan data ini linear. pasti product momment-nya ya signifikan.470 28. kita sama saja membatasi diri dengan hanya menggunakan korelasi yang sudah signifikan dalam hitungan korelasi product momment. yang lebih rumit.274 . Jadi kalau linearity sudah terpenuhi.951 Mean Square 5. Baru kita uji linearitasnya sekali lagi. : Dida! Sadari.000 .05). warnanya merah dan putih.. Misalnya cinta. Jadi dapat disimpulkan bahwa product momment hanya untuk hubungan yang sudah signifikan saja. tetapi sekaligus kuadratik Dodo Weje : Bagaimana jika kita mendapati yang seperti ini? : Yang penting adalah linearity-nya. ya kita jadikan 10.. Maka cintanya berkurang. Misalnya nilai variabel A si Nurpita 100. Weje : Dengan melihat linearity saja.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.Tidak semua hal itu berhubungan linier. Lha bosen ! : Cowok Gampang bosenan. Mereka tak mengatakan bahwa korelasinya harus linear murni. ya sudah. Pokoknya satu buletin isinya tentang uji asumsi semua.370 2. atau diapakan yang lain. Ia makin cinta pada kita. aku melihat yang digunakan acuan adalah linearity.. Sementara pakai asumsi ini saja.27 3. .900 56. Di situ Pak Tris mengatakan bahwa salah satu variabel kita transformasikan (kuadratkan. F 6. Deviation from linearity-nya yang dilihat.

28 Curve Estimation Sebenarnya untuk mengidentifikasi linearity di SPSS itu yang paling baik adalah melalui Curve Estimation.46038 28 558. Ini adalah uji termasuk ketepatan (Goodness Of Fit) untuk menguji ketepatan data anda dengan satu distribusi yang diharapkan.42839 Adjusted R Square .com SPSS Untuk Psikologi .66113 R Square .54679 .0001 Signif.46501 Analysis of Variance: DF Sum of Squares 2 433. RESAH Listwise Deletion of Missing Data Multiple R .82058 29 566.. Mirip Uji Normalitas bukan? Kalau ini yang diharapkan adalah linier.82058 19. Sedangkan pada GFI uji Normalitas adalah sebaran Normal: 1..39689 Standard Error 4. atau kuadratik. RESAH Listwise Deletion of Missing Data Multiple R .93632 .65451 R Square .43710 Adjusted R Square . Klik Anova tabel dan Pilih Model yang hendak anda uji.73019 19.42117 Analysis of Variance: DF Sum of Squares 1 424.. F Dari sini dapat disimpulkan bahwa data anda berkorelasi secara linier dan kuadratik R Square Terlihat bahwa dengan menggunakan model linier dan quadratik . QUADRATI Regression Residuals F = Mean Square 216.73352 Dependent variable.87112 Wahyu Widhiarso | 2001 | wahyupsy@gmail.0003 10. data anda samasama signifikan 21.40868 Standard Error 4. LINEAR Regression Residuals F = Mean Square 424..85684 Signif F = Method. Anova Table Menampilkan Regresi sesuai dengan model yang dikehendaki Anova Table Pilih model yang anda harapkan untuk di uji Dependent variable.21704 Signif F = Method. Menu Æ Analyze Æ Regression Æ Curve Estimation 2.

Satu ekor atau dua ekor. Di dalam regresi ada kata regresi dan residu. Tapi kita bisa melangkah sedikit ke model pengaruh dengan menggunakan sumbangan efektif.163 8369.000a 140 120 a.655 (p<0. Correlation is significant at the 0. Sama juga dengan 60 tabel scater-nya.837 14076. sedang yang masuk dalam garis titik-titik mengarah miring. (2-tailed) N Option Menampilkan nilai Cross Product. Tidak ada kata prediktor dalam korelasi. Pilih ekor yang kamu kehendaki. 31 31 SKALA KECANTIKAN Pearson Correlation Sig. coba lihat paparan visual di bawah ini. . Kesetiaan b. Option ini berguna ketika anda nanti hendak menghitung sumbangan tiap aspek Var. (2-tailed) N KESETIAAN Pearson Correlation Sig. Independen thd Var. Saya mencoba menjelaskannya melalui regresi. dimana di dalam regresi ada kata ‘prediktor”.163 144. Nah.05) dapat dikatakan bahwa ada hubungan (positif) antara kecantikan dan kesetiaan Correlations SKALA KECANTIKAN KESETIAAN 1 . .01 level (2-tailed). Tidak dapat menguji pengaruh. itulah residu. cuma hubungan saja. 1. kalau nilai regresinya lebih tinggi daripada residunya.542 Sig.655** 1 .000 . ANOVAb Sum of Squares 5706. Tekan Menu Analyze Æ Correlate Æ Bivariate Test Of Sign. Dari tabel Anareg di atas kelihatan. 80 itulah regresi. Kalau tidak ada arah. Lebih banyak di garis regresi dari pada di 40 dalam lingkaran residu.000 31 31 . misal di hipotesis mengatakan “Ada hubungan negatif atau positif”. Dependent Variable: Kecemburuan 100 yang termasuk dalam wilayah bulatan. maka pilih 1 ekor.29 Korelasi PRODUCT MOMMENT 1. Predictors: (Constant). Kalau mengarah. 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. Dependen **. serta mean dan standard deviasi. Hanya regresi yang bisa. Dialah R2.000 160 Residu Model 1 df 1 58 59 Regression Residual Total Mean Square 5706.308 F 39. Penjelasan tentang R2 Korelasi tidak menjelaskan sebab akibat. pilih dua ekor Output r = 0. 2.com SPSS Untuk Psikologi . Karena regresinya besar maka F-nya signifikan Kecemburuan S 60 80 100 120 140 Kesetiaan Wahyu Widhiarso | 2001 | wahyupsy@gmail.655** .

Subyek inilah yang kecemburuan mereka berkaitan dengan kesetiaan. Dependent Variable: Kecemburuan 0 14076 Model Summary Adjusted R Square .30 Dari pemahaman ini saya mengajak anda melihat rumus ini. kecemburuan mereka tidak ada hubungannya dengan kesetiaan 0 S 0 40 60 80 100 120 140 Wahyu Widhiarso | 2001 | wahyupsy@gmail. Predictors: (Constant). Model 1 df 1 58 59 Regression Residual Total R2 =0.395 Std.163 8369. ANOVA Sum of Squares 5706.405 = 5706. Kesetiaan b. Error of the Estimate 12.637a . Predictors: (Constant). Terlihat bahwa R square sesuai dengan definisi yang di atas tadi. Sedangkan 60% subyek lainnya. Kesetiaan 0 0 Penjelasan Tabel Dari tabel ini dapat diketahui.837 14076. = 40% a. sekitar 40% subyek. yang masuk dalam garis.163 .com SPSS Untuk Psikologi .405 40% a.000 R2 = Regresi Total .01281 0 Model 1 R R Square .

14 Mean = 12. Ada juga cara yang lebih praktis.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.com SPSS Untuk Psikologi . Misalnya dengan melihat nilai-nilai yang ekstrim. Yaitu mereka yang memiliki Ekstrem value Wahyu Widhiarso | 2001 | wahyupsy@gmail.0 N = 36. A.5 25. subyek yang unik. 16 15 14 13 12 11 10 9 8 7 5 4 3 2 1 0 7.5 20. Yang unik-unik ini kadang bisa mengacaukan.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 17.0 12. Secara statistik ini bisa dihilangkan.31 Outliers Outliers adalah nama bagi subyek.5 1 1 6 5 5 4 Std. Nilainya jauh dari rata-rata kebanyakan orang lain. Tekan Menu Analyze Æ Descriptive Æ Explore Æ Input Variabel Masukkan variabel yang hendak di identifikasi pada kolom ini Tekan Tekan kotak Statistics.0 22. Dev = 4. Tetapi hanya 5 subyek yang paling atas dan paling bawah saja yang ditampilkan. kemudian tekan kotak Outliers Pada display akan muncul subyek-subyek yang Teridentifikasi sebagai outliers.5 15. Outliers : Nilai Ekstrim 1. Ini nih contoh visual bagi yang namanya outliers.

kemudian beri nomor secara urut Petunjuk 1. pilih insert variable.. Klik kanan. Makin jauh jarak dari pusat garis korelasi. Sebelum menganalisis.. Ini contohnya. ada satu subyek outliers..yaitu nomor subyek. Cook’s Distance : ukuran pengaruh subyek pada model.bukan aku. Cook’s atau Leverage Æ tekan continue kemudian OK Dependent Masukkan Nomor di sini Independent Masukkan variabel yang dianalisis Save Tekan save. Pada gambar B di atas. Leverage Distance : nilai yang mendekati 1 saja yang di del. Kalau aku sih. nilai di atas 15 yang di del. Tekan analyze Æ regression Æ masukkan nomor pada kotak dependent dan variabel yang diuji korelasinya pada kotak independent 2.. Ukuran ini Barnet dan Lewis (1978) yang bilang lho. Nilai Cook’s >1 adalah subyek outliers 2. Terserah anda lha ! 3. nilai di atas 11 perlu dipertimbangkan untuk di del. sedangkan N=100. Beri satu kolom tambahan pada data anda.. Tekan kotak Save..com SPSS Untuk Psikologi . Pilih kotak Mahalobis. makin jelek dia bukan? Untuk jumlah sampel 30 (N=30). Mahal’s Distance : ukuran jarak nilai subyek dari garis yang dikehendaki. pada kotak kolom. 2 subyek yang nilainya yang paling besar dan ekstrem yang aku del. Ini nih cara mengidentifikasikannya. Ouliers : Jauh Dari Garis Korelasi Outliers pada acara ini adalah mereka yang jauh dari garis korelasi. lalu pilih menu yang ada Keterangan 1.32 B. Aturan yang saya rekomendasikan adalah Mahal Distance kemudian Cook’s distance Wahyu Widhiarso | 2001 | wahyupsy@gmail.

016 1.794 -39.04 1.345 25. Residual Stud.19 -2.320 10. 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. Dependent Variable: nomor Minimum 13. Deleted Residual Mahal.973 1.000 . Deviation 3.41 4.50 .802 17.947 .96 1.322 1.41 -17.60 .000 Maximum 24.053 Std.377 23.90 .037 10.03 21.000 2.052 1.315 .631 -18.000 .094 .091 1.696 .672 . Distance Cook's Distance Centered Leverage Value a.33 Ini adalah contoh outputnya.797 .20 -1. Jika Ia dihapus.68 -1.000 1.212 4.535 74.608 -1.507 9.701 a Mean 19. Predicted Value Standard Error of Predicted Value Adjusted Predicted Value Residual Std.119 16. Residual Deleted Residual Stud. maka nilai korelasi kita bisa meningkat.927 11.997 3.115 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 35.00 . 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….011 .com SPSS Untuk Psikologi .Kembalilah pada Windows SPSS yang memuat daftar nomor subyek dan nilai subyek… Residuals Statistics Predicted Value Std.079 1.239 1.

.26611 -1.0000000 . Deviatio 1. Seperti bagan di kanan ini..Menu Analyze Æ Descriptive Æ masukkan nilai Z ke kotak Variables Kotak Save Standard Value gak usah dihidupkan.51660 Mean . Masukkan data yang hendak diidentifikasi pada kotak variables Membuat Nilai Z Tekan kotak ini agar tiap variabel ada nilai Z-nya. Kalau pengen cari ya. Descriptive Statistics Zscore: Skala score: Skala Ngerump KecemburuanV N 38 38 Minimum -1.com SPSS Untuk Psikologi .00000000 1. Mana ada nilai Z di atas 3. Soalnya Keluarnya nilai Z nanti pada Windows Utama.. Coba tekan menu analyze Æ descriptive 2. Mataku Bisa Burem gara-gara Statistik!” (kata seorang teman) Ulangi cara di atas.19792 2.1979.34 C. Lalu muncul output seperti ini. Masak aku mecicili satu persatu tiap kotak kecil di SPSS untuk mencari nilai Z diatas 3.0000000 Std. Tekan OK.00000000 Ini nih ternyata ada Outliers pada data kita.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. Z nya 3. Lalu kembalilah pada Windows SPSS utama. lha gimana nilai Z nya kok melebihi 3.46802 Maximum 3. lagi-lagi subyek 35 sebagai outliers.. Subyek ini pasti ngerumpinya parah sekali. Ini Outliers juga 1. Identifikasi Outliers Ini dia. “Jika dataku banyak.

Sign up to vote on this title
UsefulNot useful