ANALISIS DATA DENGAN SPSS

I. ANALISIS DATA UNTUK UJI PERSYARATAN UJI HIPOTESIS A. Uji Normalitas Uji normalitas data dimaksudkan untuk memperlihatkan bahwa data sampel berasal dari populasi yang berdistribusi normal. Ada beberapa teknik yang dapat digunakan untuk menguji normalitas data, antara lain uji chi- kuadrat, uji lilliefors, dan uji kolmogorov-smirnov. Untuk menguji normalitas data dengan SPSS, lakukan langkah- langkah berikut ini. • Entry data atau buka file data yang akan dianalisis • Pilih menu berikut ini Analyze Descriptives Statistics Explore Menu SPSS akan tampak seperti gambar berikut.

Setelah menu dipilih akan tampak kotak dialog uji normalitas, seprti gambar di bawah ini.

Selanjutnya: • Pilih y sebagai dependent list • Pilih x sebagai factor list, apabila ada lebih dari 1 kelompok data • Klik tombol Plots • Pilih Normality test with plots, seperti tampak pada gambar di bawah ini. • Klik Continue, lalu klik OK

Uji normalitas menghasilkan 3 (tiga) jenis keluaran, yaitu Processing Summary, Descriptives, Tes of Normality, dan Q-Q Plots. Untuk keperluan penelitian umumnya hanya diperlukan keluaran berupa Test of Normality, yaitu keluaran yang berbentuk seperti gambar 1-3. Keluaran lainnya dapat dihapus, dengan cara klik sekali pada objek yang akan dihapus lalu tekan Delete.

Menafsirkan Hasil Uji Normalitas Tests of Normality Kolmogorov-Smirnov Statistic df Sig. Statistic Y ,132 29 ,200 ,955 * This is a lower bound of the true significance. a Lilliefors Significance Correction

Shapiro-Wilk df Sig. 29 ,351

Keluaran pada gambar di atas menunjukkan uji normalitas data y, yang sudah diuji sebelumnya secara manual dengan uji Lilliefors dan Kolmogorov-Smirno v. Pengujian dengan SPSS berdasarkan pada uji Kolmogorov–Smirnov dan Shapiro-Wilk. Pilih salah satu saja misalnya Kolmogorov–Smirnov. Hipotesis yang diuji adalah: H0 : Sampel berasal dari populasi berdistribusi normal H1 : Sampel tidak berasal dari populasi berdistribusi normal Dengan demikian, normalitas dipenuhi jika hasil uji tidak signifikan untuk suatu taraf signifikasi ( α ) tertentu (Biasanya α = 0.05 atau 0.01). Sebaliknya, jika hasil uji signifikan maka normalitas tidak terpenuhi. Cara mengetahui signifikan atau tidak signifikan hasil uji normalitas adalah dengan memperhatikan bilangan pada kolom signifikansi (Sig.). Untuk menetapkan kenormalan, kriteria yang berlaku adalah sebagai berikut. • Tetapkan tarap signifikansi uji misalnya α = 0.05 • Bandingkan p dengan taraf signifikansi yang diperoleh • Jika signifikansi yang diperoleh > α , maka sampel berasal dari populasi yang berdistribusi normal • Jika signifikansi yang diperoleh <α , maka sampel bukan berasal dari populasi yang berdistribusi normal Pada hasil di atas diperoleh taraf signifikansi dan untuk kelompok perempuan adalah 0.20. dengan demikian, data berasal dari populasi yang berdistribusi normal, pada taraf signifikansi 0.05. B. Uji Homogenitas Uji homogenitas dimaksudkan untuk memperlihatkan bahwa dua atau lebih kelompok data sampel berasal dari populasi yang memiliki variansi yang sama. Pada analisis regresi, persyaratan analisis yang dibutuhkan adalah bahwa galat regresi untuk setiap pengelompokan berdasarkan variabel terikatnya memiliki variansi yang sama. Uji Homogenitas dengan SPSS a. Langkah-langkah Pengujian Kehomogenan Untuk menguji kehomogenan data sampel y berdasarkan pengelompokkan data X, lakukan langkah-langkah berikut ini: • Buka file data yang akan dianalisis • Pilih menu berikut ini Analyze Descriptives Statistics Explore Menu uji homogenitas akan tampak seperti gambar berikut.

dengan cara klik sekali pada objek yang akan dihapus lalu tekan tombol Delete.Selanjutnya: • Pilih y sebagai dependent list dan x sebagai factor list Catatan: .untuk homogenitas regresi x adalah prediktor • Klik tombol Plots • Pilih Levene test untuk untransormed. hanya perlu keluaran Test of Homogenity of Variance saja. uji kehomogenan menghasilkan banyak keluaran. lalu klik OK Sama seperti uji kenormalan. • Klik Continue.untuk homogenitas uji beda x adalah kode kelompok . Keluaran lain dapat dihapus. Untuk keperluan penelitian umumnya. . yaitu keluaran yang berbentuk seperti pada Gambar 1-6. seprti pada gambar di bawah. keluaran inilah yang akan kita munculkan dalam lampiran laporan penelitian.

918 . Sebaliknya. . dan perkotaan (X3). Hipotesis yang diuji ialah : H0 : Variansi pada tiap kelompok sama (homogen) H1 : Variansi pada tiap kelompok tidak sama (tidak homogen) Dengan demikian. Uji Linieritas Uji linieritas dilakukan dilakukan dengan mencari persamaan garis regresi variabel bebas x terhadap variabel terikat y. kehomogenan dipenuhi jika hasil uji tidak signifikan untuk suatu taraf signifikasi (α ) tertentu (Biasanya α = 0. Dengan demikian data penelitian di atas homogen. maka variansi setiap sampel sama (homogen) • Jika signifikansi yang diperoleh <α . selanjutnya diuji keberartian koefisien garis regresi serta linieritasnya. jauh melebihi 0.918 . b.086 with adjusted df Based on trimmed mean .05 atau 0. maka variansi setiap sampel tidak sama (tidak homogen) Ternyata pengujian dengan statistik Based on Mean diperoleh signifikansi 0. Untuk menetapkan homogenitas digunakan pedoman sebagai berikut. . jika hasil uji signifikan maka kenormalan tidak dipenuhi. yang telah diuji secara manual dengan uji Bartlett sebelumnya. • Tetapkan tarap signifikansi uji. yaitu pedesaan (X1). Hasil analisis adalah seperti tercantum pada gambar berikut.907. C. Test of Homogeneity of Variance Levene Statistic Based on Mean .907 .086 Based on Median and .05. Analisis Analisis dilakukan dengan mekanisme pemilihan menu sebagai berikut.882 57 Sig. terdapat bilangan yang menunjukkan taraf signifikansi yang diperoleh. Uji linieritas antara variabel bebas X dengan variabel terikat Y memanfaatkan SPSS dilakukan melalui langkah-langkah sebagai berikut. misalnya α = 0. a. Entry Data Data dimasukkan ke lembar kerja SPSS dengan menggunakan nama variabel x dan y.096 df1 2 2 2 2 df2 57 57 55.b. Sama seperti untuk uji normalitas. Pada kolom Sig.909 Y Interpretasi dilakukan dengan memilih salah satu statistik. pada kesempatan ini diuji homogenitas data untuk uji perbedaan tingkat kemandirian anak (Y) berdasarkan kelompok daerah.05 • Bandingkan p dengan taraf signifikansi yang diperoleh • Jika signifikansi yang diperoleh > α . Menafsirkan Hasil Uji Homogenitas Sebagai contoh. Berdasarkan garis regresi yang telah dibuat. pinggiran kota (X2).01).098 Based on Median . yaitu statistik yang didasarkan pada ratarata (Based on Mean).

Pindahkan x ke variabel independent .OK .: . Selanjutnya akan tampak kotak dialog Uji Linieritas seperti gambar di bawah ini. Lakukan proses berikut. .Continue .Pindahkan y ke variabel dependent .Pilih kotak option dan pilih Test of Linierity.Analyze Compare Mean Means Sehingga menu SPSS akan tampak seperti bagan berikut. seperti tampak pada gambar di bawah ini.

791) > a (0.c.702 Within Groups Total Hasil analisis menunjukkan bahwa harga F sebesar 0.) Bila a < Sig. maka H1diterima.(0.042 7308.702.791 15 39 117.489 Sig. maka H0 diterima.009 ..209 23 92. (Tidak semua hasil ditampilkan).627 3..885 2138.05) .791 dengan signifikansi 0.885 62.05).375 df Mean Square F 24 393.963 .menetapkan taraf signifikansi (misalnya a=. .000 . .membandingkan signifikansi yang ditetapkan dengan signifikansi yang diperoleh dari analsisis (Sig. ANOVA Table Y * X Between Groups (Combined) Linearity Deviation from Linearity Sum of Squares 9447. Interpretasi Hasil Bila data yang telah diuji secara manual diuji lagi dengan SPSS. maka akan tampak hasilnya seperti pada bagan berikut ini. berarti model regresi linier.333 11209.157 1762.Susun hipotesis: H0: Model regresi linier H1: Model regresi tidak linier . berarti regresi tidak linier Ternyata hasil analisis menunjukkan bahwa sig. berarti regresi linier Bila a ≥ ig. Interpretasi hasil analisis dilakukan dengan: .350 1 7308.

dia mbil kasus regresi x1. yaitu Rx1. x1 34 41 43 37 38 36 44 38 41 48 35 48 40 42 37 39 38 35 46 37 45 40 36 43 45 x2 47 43 42 38 30 35 48 45 49 43 49 42 38 32 37 48 31 44 46 36 44 35 37 40 44 x3 44 42 43 39 39 39 44 38 44 44 38 32 39 48 41 41 40 39 49 40 35 42 39 43 47 y 62 66 66 68 60 64 67 58 63 67 58 65 68 65 70 60 58 55 71 57 74 66 68 70 69 . x1x2x4. x3. Rx2. Uji Multikolinieritas Multikolinieritas dapat dideteksi dengan menghitung koefisien korelasi ganda dan membandingkannya dengan koefisien korelasi antar variabel bebas. dihitung korelasi antar y. dengan patokan nilai VIF (variance inflation factor) dan koefisien korelasi antar variabel bebas. enam pasang variabel bebas. x2. x1x2x3x4. Setelah itu. rx2x4. x1x3x4. maka tidak terdapat masalah multikolinieritas.D. Rx3. Apabila beberapa koefisien korelasi tersebut mendekati Ry. maka dikatakan tidak terdapat masalah multikolinieritas dalam model regresi. Pertama dihitung R x1x2x3x4. Apabila salah satu dari x koefisien korelasi itu sangat kuat. x4 terhadap y. Data hasil penelitian adalah sebagai berikut. x2x3x4. yaitu r 1x2. rx2x3. Uji multikolonieritas dengan SPSS dilakukan dengan uji regresi. rx1x4. m dilanjutkan dengan menghitung koefisien korelasi ganda aka dari masing-masing variabel bebas dengan 3 variabel bebas lainnya.5. Kriteria yang digunakan adalah: 1) jika nila VIF di sekitar angka 1 atau memiliki toerance mendekati 1. iklim kerja (x2). x1x2x3. maka dikatakan terjadi multikolinieritas. dan hubungan interpersonal (x3) dengan variabel terikat kinerja (y). Sebagai contoh. dan rx3x4. 2) jika koefisien korelasi antar variabel bebas kurang dari 0. Sebagai contoh. dan Rx4. rx1x3. akan diuji multikolinieritas dalam regresi antara variabel bebas insentif (x1).

data hubungan interpersonal pada x3. dan pilih colliniearity diagnostics. lalu OK. . Selanjutnya pilih continue. dan x3 ke independent list.langkah yang ditempuh dalam pengujian multikolinieritas adalah sebagai berikut. x2. dan data kinerja pada variabel y. a. Pindahkan variabel y ke dependent list dan variabel x1. maka akan muncul kotak dialog seperti berikut.x1 38 39 41 46 42 x2 32 39 40 45 45 x3 44 42 45 49 48 y 58 61 69 71 66 Langkah. Analyze Regression Linier … Apabila menu tersebut sudah dipilih. sehingga tampak kotak dialog seperti berikut. Analisis Data Pengujian multikolinieritas dilakukan dengan modul regresi dengan menu seperti berikut. yakni data insentif dalam variabel x1. Entry Data Masukkan data ke dalam form SPSS. b. Setelah itu pilih boks statistics. data iklim kerja pada variabel x2.

iklim kerja (x2). dan hubungan interpersonal (x3) terhadap kinerja (y) tidak terjadi multikolinieritas antar variabel bebas. dapat disimpulkan bahwa dalam regresi antara variabel bebas insentif (x1).865 . Analisis Data Pilih menu sebagai berikut: . nilai tolerance mendekati 1 untuk semua variabel bebas. Coefficients Collinearity Statistics Tolerance .y). Entry Data Pada form SPSS dimasukkan data insentif sebagai variabel x dan data kinerja sebagai variabel y. Apabila garis yang membatasi sebaran titik -titik relatif paralel maka varian error dikatakan konstan. Demikian pula.Hasil yang tampak dari uji multikolinieritas adalah seperti berikut. b. Uji Heterokedastisitas Heterokedastisitas terjadi dalam regresi apabila varian error (ei) untuk beberapa nilai x tidak konstan atau berubah-ubah. 1.156 1.098 Ternyata nilai VIF mendekati 1 untuk semua variabel bebas. Dengan demikian. Pendeteksian konstan atau tidaknya varian error konstan dapat dilakukan dengan menggambar grafik antara y dengan residu (y.911 Model 1 X1 X2 X3 a Dependent Variable: Y VIF 1. Langkah Pengujian a. Contoh berikut menampilkan uji heterokedastisitas dengan grafik. yang telah diuji linieritasnya.926 .080 1. E. untuk data hubungan antara insentif (x) dengan kinerja.

Selanjutnya. Pindahkan variabel y ke dependent list dan variabel x ke faktor list. . pilih kotak dialog plots. dan masukkan *SRESID ke Y dan *ZPRED ke X.Analyze Regression Linear … Seperti tampak pada menu uji heterokedastisitas berikut. seperti tampak pada gambar berikut. Setelah langkah di atas dilakukan akan tampak kotak dialog seperti berikut.

5 0.0 -.0 -1.5 -1. Apabila ?=0. et ) ? 0.0 -2.5 -1.5 -2. tidak terjadi pola tertentu.5 Regression Standardized Predicted Value Pada grafik di atas tampak titik -titik menyebar di atas dan di bawah sumbu Y.0 -1.5 Regression Studentized Residual 1. Setelah itu. Uji Autokorelasi Autokorelasi terjadi dalam regresi apabila dua error et-1 dan et tidak independent atau C(et-1. Dengan demikian dapat disimpulkan bahwa tidak terjadi heterokedastisitas.5 0. F.5 1.Pada bagian akhir dipilih continue. Menduga terjadi tidaknya . maka ? akan mendekati +1 atau -1. Autokorelasi biasanya terjadi apabila pengukuran variabel dilakukan dalam intereval watu tertentu.0 1.0 -. et = ? et-1 + vt ? menyatakan koefisien autokorelasi populasi. maka autokorelasi tidak terjadi. Hubungan antara et dengan et-1 dapat dinyatakan seperti berikut.0 . Scatterplot Dependent Variable: Y 1.0 . akan tampak hasil analisis sperti di bawah ini (ditampilkan hanya sebagian). Apabila autokorelasi terjadi. kemudian OK.

Deteksi autokorelasi umumnya dilakukan dengan uji statistik Durbin-Watson dengan menggunakan formula sebagai berikut. yaitu 0=d=4. maka selisih antara et dengan et-1 relatif besar dan d mendekati 4.autokorelasi dengan diagram antara grafik antara et dengan et-1 sangat sulit. d= ∑ (e t =2 n t − et −1 ) 2 2 t ∑e t =1 n Nilai d berkisar antara 0 dan 4. maka selisih antara et dengan e sangat kecil dan d mendekati 0. x1 34 41 43 37 38 36 44 38 41 48 35 48 40 42 37 39 38 35 46 37 45 40 36 43 45 38 39 41 x2 47 43 42 38 30 35 48 45 49 43 49 42 38 32 37 48 31 44 46 36 44 35 37 40 44 32 39 40 x3 44 42 43 39 39 39 44 38 44 44 38 32 39 48 41 41 40 39 49 40 35 42 39 43 47 44 42 45 y 62 66 66 68 60 64 67 58 63 67 58 65 68 65 70 60 58 55 71 57 74 66 68 70 69 58 61 69 . Data hasil penelitian adalah sebagai berikut. Apabila terjadi autokorelasi positif. akan diuji autokorelasi dalam regresi antara variabel bebas insentif (x1) dan iklim kerja (x2) dengan variabel terikat kinerja (y). Autokorelasi tidak terjadi apabila nilai d = 2. Sebagai contoh. t-1 Sebaliknya. apabila Apabila terjadi autokorelasi negatif.

dan pilih Durbin-Watson. Setelah itu pilih boks statistics. . x2. data hubungan interpersonal pada x3. dan x3 ke independent list. Analisis Data Pengujian autokorelasi dilakukan dengan modul regresi dengan menu seperti berikut. Pindahkan variabel y ke dependent list dan variabel x1. Entry Data Masukkan data ke dalam form SPSS. sehingga tampak kotak dialog seperti berikut. a. Analyze Regression Linier … Apabila menu tersebut sudah dipilih. yakni data insentif dalam variabel x1. maka akan muncul kotak dialog seperti berikut.langkah yang ditempuh dalam pengujian multikolinieritas adalah sebagai berikut. Selanjutnya pilih continue. b. data iklim kerja pada variabel x2. dan data kinerja pada variabel y.x1 46 42 x2 45 45 x3 49 48 y 71 66 Langkah. lalu OK.

ANALISIS REGRESI 1. insentif b Dependent Variable: kinerja Ternyata koefisien Durbin-Watson besarnya 2. interpersonal. iklim kerja (x2). mendekati 2.067 a Predictors: (Constant). x2. Sebagai contoh. dapat disimpulkan bahwa dalam regresi antara variabel bebas insentif (x1). Dengan demikian. akan dianalisis data untuk menguji hipotesis: Terdapat hubungan antara kemampuan verbal (x1) dan kemampuan numerik (x2) dengan kemampuan memprogram komputer. iklim kerja.614 . hub. Data hasil penelitian adalah sebagi berikut.306 4. …) dan variabel terikat (y) secara independen.Hasil yang tampak dari uji autokorelasi adalah sebagai berikut.067. Entry Data Entry data untuk Analisis Regresi dilakukan untuk variabel bebas (x1. dan hubungan interpersonal (x3) terhadap kinerja (y) tidak terjadi autokorelasi. Model Summary Model Std.378 .1246 2. X1 5 8 7 X2 6 8 8 Y 7 9 8 R R Square Adjusted R Square . Error Durbinof the Watson Estimate 1 . II. ANALISIS DATA UNTUK UJI HIPOTESIS A.

data dalam form SPSS akan tampak sebagai berikut.6 9 6 8 7 8 9 5 4 7 6 7 6 6 5 6 8 8 8 7 5 8 7 6 7 6 7 8 7 8 7 7 5 9 8 9 7 7 8 8 8 7 7 8 8 8 8 7 8 7 9 Setelah dimasukkan ke form SPSS. .

dengan langkah. Analyze General Linear Model Univariate Menu akan tampak seperti bagan di bawah ini.2.langkah seperti berikut. . Analisis Data Menu ANAVA pada SPSS terletak di General Linear Model.

. maka akan tampak kotak dialog.Apabila menu tersebut sudah dipilih. Pindahkan y ke dependent variabel dan x1 serta x2 ke independent variabels seperti bagan berikut.

. jika diperlukan output yang lain.Selanjutnya dipilih menu. Misalnya.menu yang lain untuk melengkapi analisis yang diperlukan. maka pilih menu Statistics sehingga muncul menu dialog seperti di bawah ini.

6500 1. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis.734 .8000 . Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut.3870 7. Correlations Pearson Y Y 1. Berikutnya. Jika semua menu yang diperlukan sudah dipilih. pilih menu Continue.633 X2 .Berikan tanda centang (v) pada kotak di depan nama output yang dipilih. dan banyak data. Deviation 7. Descriptive. Setelah itu.0712 N 20 20 20 Tabel di atas menunjukkan harga rata-rata (mean). Hasil berikutnya adalah koefisien korelasi antarvariabel seperti tampak pada tabel di bawah ini. sehingga muncul hasil analisis.1000 1. maka selanjutnya pilih OK. Misalnya. Descriptive Statistics Mean Y X1 X2 Std. pada contoh di atas dipilih R Squared Change.000 X1 . standar deviasi.6959 6. Part and partial correlations dan seterusnya.

Coefficients Unstandardize d Coefficients Model Standardize t Sig.383 .594 5.00.000 .619 1 (Constant ) X1 .989 Total 9.3421 a Predictors: (Constant). .734 .605 .494 .211 df 2 17 19 Mean Square 3.000 .Correlation X1 X2 Y X1 X2 Y X1 X2 .385 .000 20 20 20 1. Berikutnya adalah koefisien korelasi ganda dan pengujian signifikansi koefisien korelasi ganda seperti tampak pada dua tabel di bawah ini. X2.200 a Predictors: (Constant). X2.633 .633 .117 F 30.816 Sig. Beta Zero-order Partial Part Error 3. X1 ANOVA Model 1 Regressio n Residual 1.199 . Model Summary Model R R Square Adjusted Std. . Correlations d Coefficients B Std.000 . .202 . X1 b Dependent Variable: Y Sum of Squares 7. 20 20 20 Sig. Hasil lain yang diperoleh adalah persamaan garis regresi.001 .253 .000 . Koefisien tersebut signifikan karena setelah diuji dengan F-test diperoleh harga F sebesar 30.505 4.800 .058 X2 .197 .001 .885 . seperti tampak pada tabel di bawah ini. Error R Square of the Estimate 1 . (1-tailed) N Hasil.632 5.000 Hasil di atas menunjukkan koefisien korelasi ganda R sebesar 0.075 a Dependent Variable: Y .000 .734 .816 dengan signifikansi 0.000 .758 .411 .492 .784 .197 20 20 20 .729 .885.202 1.

Terdapat pengaruh interaksi antara jenis media pembelajaran dan kepribadian siswa terhadap hasil belajar Bahasa Inggris. Entry Data Entry data untuk ANAVA dilakukan untuk variabel terikat (y) secara bersambung untuk semua kelompok.253 dan harga koefisien X2 besarnya 0.199. Terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. Data hasil penelitian adalah sebagi berikut.masing sgnifikansinya 0. 8. dan hipermedia.199. Jenis Media Audio-Video (A1) Kepribadian Ekstrovert (B1) Introvert (B2) Multimedia (A2) Hipermedia (A3) 5.Hasil analisis menunjukkan harga konstanta besarnya 3. 6.253X1+0. 8. 7 Apabila dibuat dalam bentuk tabel kerja. 6. 9. Pada siswa yang berkepribadian ekstrovert.411X2+3. YA1B1 5 7 4 6 3 5 YA1B2 6 7 8 5 6 7 YA2B1 7 8 9 8 8 6 YA2B2 8 9 8 9 8 7 YA3B1 7 7 8 6 6 5 YA3B2 6 5 6 6 7 4 . dan hipermedia. Kelompok dikenali dari variabel bebas (x). 7 6. 8.729 dan 0. B. 3. 8. harga koefisien X1 besarnya 0. 7. 3. 5. 9. 7. 7. 6 7. 7. akan dianalisis data untuk menguji hipotesis: 1. 6. multi media. multi media. maka tabel di atas akan tampak seperti di bawah ini. 8. 7 8. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. 6. 2. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio -video. dan hipermedia. 9. 8. 7 6. Korelasi parsial untuk X1 dan X2 besarnya masing-masing 0. 4. 5.800. 8 7. 7. ANALISIS VARIAN (ANAVA) 1. 6. 5. 4. Sebagai contoh. Semua koefisen tersebut signifikan karena masing. 6. Jadi persamaan garis regresinya adalah Y=0. 5. 6. multi media. 8. Pada siswa yang berkepribadian introvert.00. 4. 7.411.

dengan langkah. data dalam form SPSS akan tampak sebagai berikut. Analyze General Linear Model Univariate Menu akan tampak seperti bagan di bawah ini. Analisis Data Menu ANAVA pada SPSS terletak di General Linear Model. .7 8 7 6 7 7 Setelah dimasukkan ke form SPSS.langkah seperti berikut. 2.

Apabila menu tersebut sudah dipilih. . Pindahkan y ke dependent variabel dan x ke fixed faktor(s). maka akan tampak kotak dialog. seperti bagan berikut.

Selanjutnya dipilih menu. Misalnya. maka pilih menu Post Hoc… sehingga muncul menu dialog seperti di bawah ini. . jika diperlukan uji lanjut.menu yang lain untuk melengkapi analisis yang diperlukan.

Berikutnya.453 A 24.346 .266 Model Intercept 1853. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut.001 .000 36 1.214 9.048 2 4. maka selanjutnya pilih OK. Setelah itu.429 2 12.167 .149 Error 46. Misalnya.167 1 1. Tests of Between-Subjects Effects Dependent Variable: Y Source Type III df Mean F Sum of Square Squares Corrected 33.024 3.559 B 1.357 1450.278 Total 1933. .000 .913 A*B 8. Jika semua menu yang diperlukan sudah dipilih.055 .Berikan tanda centang (v) pada kotak di depan nama uji lanjut yang dipilih.729 5. sehingga muncul hasil analisis.000 .000 42 Sig. pilih menu Continue. pada contoh di atas dipilih uji Tukey dan Uji Scheffe.643 5 6. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis.357 1 1853.

43 .81 2.41 Based on observed means.43 .001 ..71 1.559 dengan signifikansi 0.342) Hasil analisis menunjukkan bahwa harga F untuk A besarnya 9. Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut.67 .50 .43 .. Untuk melihat sel mana yang berbeda harus dilihat hasil uji lanjut (Post Hoc. 95% Confidence Interval Lower Bound -2.43 .001 . Tetapkan signifikansi. * The mean difference is significant at the .71 1.43 .76 2. maka H0 diterima.31 -.001 .882 .50 -1.54 -2.21 1.88 2..46 -. Jika diperhatikan hasil di atas. . Perbedaan tersebut ditunjukkan oleh bilangan signifikansi . Ternyata hasil analisis menunjukkan bahwa sig.871 . multi media.50 .71 -.21 -1.54 1. Jadi kesimpulannya. Susun hipotesis Ho : µ1 = µ2 = µ3 H1 : µ1 ≠ µ2 = µ3 atau µ1= µ2 ≠ µ3 atau µ1 ≠ µ2 ≠ µ3 b.50 .001 .05 level.643 41 Total a R Squared = .) yang dipilih. a.41 -.59 1. Dengan demikian H0 ditolak dan H1 diterima. Bandingkan a dengan signifikansi yang diperoleh (sig).76 -1. Error Sig.005 .83 -2.000.000 lebih kecil daripada a = 0.46 -. Multiple Comparisons Dependent Variable: Y Mean Difference (I-J) (I) A Tukey HSD 1 2 3 Scheffe 1 2 3 (J) A 2 3 1 3 1 2 2 3 1 3 1 2 -1.43 .05.83 2.003 . sebaliknya bila a ≥ sig.Corrected 79. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video.871 . besarnya 0.003 . seperti tampak di bawah ini.26 -.81 -1.21 1.21 -1.62 ..59 Upper Bound -.005 Std.26 .43 .62 .88 -2.67 .43 .31 . misalnya a=0.43 .43 . dan hipermedia. maka untuk Uji Tukey tampak bahwa sel 1 dan sel 2 berbeda secara signifikan dengan koefisien -1.43 . Apabila a < sig.882 .43 .422 (Adjusted R Squared = .71. c. d.71 -. yakni Uji Tukey dan Uji Scheffe.05. maka H1 diterima.

Hanya saja.74 2.91 2. ANAKOVA ANAKOVA dengan SPSS mengikuti langkah.001 yang jauh lebih kecil daripada taraf signifikansi yang ditetapkan. Sebagai contoh. dan kelompok dikenali dari variabel bebas (x). yakni 0.45 2.) sebesar 0.27 Setelah dimasukkan ke form SPSS.05. yang tidak ada dalam ANAVA.77 118 3.36 1. dalam ANAKOVA ada kovariabel yang merupakan variabel numerik.45 2. terdapat perbedaan hasil belajar antara siswa yang diajar dengan strategi pembelajaran kontruktivis dan siswa yang diajar dengan strategi pembelajaran tutorial. 1. No X 1 2 3 4 5 6 114 94 106 92 96 A1 Y 2. yakni variabel terikat (y) dimasukkan secara bersambung.yang diperoleh (sig. C. data dalam form SPSS akan tampak sebagai berikut. akan dianalisis data untuk menguji hipotesis: Setelah dikendalikan oleh kovariabel motivasi belajar. Data hasil penelitian adalah sebagi berikut.81 3.05 1.langkah yang hampir sama dengan ANAVA.42 1. Entry Data Entry data untuk ANAKOVA sama halnya dengan ANAVA. .92 X 122 108 112 120 106 A2 Y 2. Dengan cara yang sama dapat dilihat perbedaan antara sel-sel yang lain.

Analisis Data Menu ANAKOVA pada SPSS terletak di General Linear Model.2. dengan langkah-langkah seperti berikut. . Analyze General Linear Model Univariate Menu akan tampak seperti bagan di bawah ini.

seperti bagan berikut. Pindahkan y ke dependent variabel. sehingga muncul hasil analisis. dan z ke covariate(s).Apabila menu tersebut sudah dipilih. x ke fixed faktor(s). Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut. Tests of Between-Subjects Effects Dependent Variable: hasil belajar . Selanjutnya dipilih OK. maka akan tampak kotak dialog.

726 10 Total a R Squared = .218 (sama dengan hasil hitungan manual). besarnya 0.05. Model MANOVA untuk membandingkan vektor mean sebanyak g adalah sebagai berikut: Xij = µ + τi + eij. MANOVA merupakan uji beda varian.106 . tidak terdapat perbedaan hasil belajar antara siswa yang diajar dengan strategi pembelajaran kontruktivis dan siswa yang diajar dengan strategi pembelajaran tutorial.642E-02 Z 6.g. Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut. Susun hipotesis Ho : µ1 = µ2 H1 : µ1 ≠ µ2 f.x (estimasi efek + x ij ..ni dan I = 1.05. maka H0 diterima.630 . maka H1 diterima.936E-02 X .372 1 . dengan signifikansi 0. 3.643 Model Intercept 7. 2. Bedanya.936E-02 1 6.. seperti berikut.Source Corrected 2 .…. D.227 1.184 . 2.218 Sig. …. ANALISIS VARIAN M ULTIVARIAT (MANOVA) Analisis varian multivariat merupakan terjemahan dari multivariate analisis of variance (MANOVA).302 Hasil analisis menunjukkan bahwa harga F untuk x besarnya 1. sebaliknya bila a ≥ sig. Tetapkan signifikansi. Dengan demikian H0 diterima. Bandingkan a dengan signifikansi yang diperoleh (sig).642E-02 1 7. Vektor observasi dapat dikomposisi ulang sesuai model. setela h dikendalikan oleh kovariabel motivasi belajar.x i (residu eij) . misalnya a=0. sedangkan pada MANOVA.441 8 . e. xij (observasi) = x (rata-rata + xi .372 Error 2. Ternyata hasil analisis menunjukkan bahwa sig.646 .302. Apabila a < sig. 3.285 df Mean Square F 2.181) Type III Sum of Squares 1.305 Total 70. j = 1.302 lebih besar daripada a = 0. .345 (Adjusted R Squared = .738 11 Corrected 3. Jadi kesimpulannya.250 . dalam ANAVA varian yang dibandingkan berasal dari satu variabel terikat. Sama halnya dengan ANAVA. varian yang dibandingkan berasal dari lebih dari satu variabel terikat. g.

Koefisien Λ* disebut koefisien lambda dari Wilks. 2(Σni-g-1) g=2 Fp. Distribusi Λ* yang lebih teliti untuk pengujian H0 dapat dijabarkan. Σni-p-1 . Σni-g     F2(g-1). Sumber Variasi B= Matrik Jumlah Kuadrat dan Perkalian Silang Derajat Kebebasan g–1 Treatmen ∑ n (x i =1 g g i i − x)( xi − x) ' Residu (Eror) W= ∑∑ ( x i =1 j =1 g ni ni ij − xi )( x ij − xi ) ' ∑n i =1 g i −g Total (Rata-rata terkoreksi) B+W = ∑∑ ( xij − x )( xij − x) ' i =1 j =1 ∑n i =1 g i −1 Selanjutnya. seperti pada tabel berikut. dari nilai B dan W dihitung koefisien Λ* dengan menggunakan rumus: W Λ* = B +W Hipotesis nol H0 : τ1 = τ2 = τ3 = … = τg = 0 ditolak apabila nilai Λ* terlalu kecil. H0: τ1 = τ2 = τ3 = … = τg = 0 Tabel MANOVA untuk membandingkan vektor mean adalah sebagai berikut.sampel keseluruhan µ) perlakuan τi) Analog dengan ANAVA. hipotesis nol yang diuji dapat dirumuskan sebagai berikut. Banyak Variabel p=1 p=2 p≥ 1 Banyak Kelompok g≥ 2 g≥ 2 Sampling Distribusi  ∑ ni − g  1 − Λ*      g − 1  Λ*      ∑ ni − g − 1  1 − Λ*     Λ* g −1    ∑ ni − p − 1  1 − Λ*       Λ*  p    Harga Ftabel Fg-1. yang populuer dengan sebutan koefisien Wilks lambda.

y2. dan siswa yang diajar dengan strategi pembelajaran algoheuristik (A3). dalam MANOVA terdapat lebih dari satu variabel terikat (y1 . Data hasil penelitian adalah sebagi berikut. Sebagai contoh. 1. . akan dianalisis data untuk menguji hipotesis: Terdapat perbedaan hasil belajar teori (y1) dan praktik pemrograman (y2) antara siswa yang diajar dengan strategi pembelajaran heuristik (A1). Hanya saja. yn ).p≥ 1 g=3  ∑ ni − p − 2  1 − Λ*     Λ* p       F2p. siswa yang diajar dengan strategi pembelajaran algoritmik (A2). A1 Y1 1 2 3 9 6 9 Y2 3 2 7 Y1 0 2 A2 Y2 4 0 Y1 3 1 2 A3 Y2 8 9 7 No Setelah dimasukkan ke form SPSS. Entry Data Entry data untuk MANOVA sama halnya dengan ANAVA. dan kelompok dikenali dari variabel bebas (x). …. 2(Σni-p-2) MANOVA dengan SPSS mengikuti langkah-langkah yang hampir sama dengan ANAVA maupun ANAKOVA. yakni variabel terikat (y) dimasukkan secara bersambung. data dalam form SPSS akan tampak sebagai berikut.

2. dengan langkah-langkah seperti berikut. Analisis Data Menu MANOVA pada SPSS terletak di General Linear Model. . Analyze General Linear Model Multiivariate Menu akan tampak seperti bagan di bawah ini.

Artinya.250 2 5 . b.363 dan untuk Y2 harga F=3. Pindahkan y1 dan y2 ke dependent variabel dan x ke fixed faktor(s). Uji Homogenitas Matriks Varian/Covarian . Uji Homogenitas Varian Uji homogenitas varian dilihat dari hasil uji Levene. selanjutnya pilih continue dan OK. sehingga MANOVA bisa dilanjutkan.05. sehingga muncul hasil analisis.132 Tests the null hypothesis that the error variance of the dependent variable is equal across groups. seperti tampak pada bagan berikut ini.Apabila menu tersebut sudah dipilih. Interpretasi Hasil Analisis Interpretasi hasil dilakukan mengikuti mekanisme sebagai berikut. Y1 1.250 dengan signifikansi 0.125 2 5 .125 dengan signifikansi 0. maka baik untuk Y1 maupun Y2 harga F tidak signifikan karena signifikansi keduanya lebih besar dari 0. Bila ditetapkan taraf signifikansi 0. 3. a Design: Intercept+X Hasil uji Levene menunjukkan bahwa untuk Y1 harga F=1. Selanjutnya dipilih kotak option dan dipilih Test of Homogenity. baik Y1 ma upun Y2 memiliki varian yang homogen.132. Levene's Test of Equa lity of Error Variances F df1 df2 Sig. seperti bagan berikut.05. a.363 Y2 3. maka akan tampak kotak dialog.

199 7.706.003 .054 dengan signifikansi 0.003 .000 10.679 32. Apabila harga Box’s M signifikan maka hipotesis nol yang menyatakan bahwa matriks varian/covarian dari variabel dependen sama ditolak. dan siswa yang diajar dengan strategi pembelajaran algo-heuristik.679 8.941 F 32.000 4. maka harga Box’s M yang diperoleh tidak signifikan karena signifikansi yang diperoleh 0.456 Hypothesis Error df df 2.000 4. Dengan demikian hipotesis nol diterima. Hasil analisis untuk contoh di atas adalah sebagai berikut.000 8. .000 4. Uji homogenitas matriks varian/covarian dilihat dari hasil uji Box.000 4.05.679 32.05.000 2. .000 2.003 .016 X .054 F .466 df1 3 df2 2880 Sig. Hotelling Trace. siswa yang diajar dengan strategi pembelajaran algoritmik.942 .003 . Wilk Lambda. sehingga analisis MANOVA dapat dilanjutkan. Dalam kondisi ini analisis MANOVA tidak dapat dilanjutkan.340 1.006 . Box's Test of Equality of Covariance Matrices Box's M 3. Uji MANOVA digunakan untuk menguji apakah terdapat perbedaan beberapa variabel terikat antara bebrapa kelompok yang berbeda.706 Tests the null hypothesis that the observed covariance matrices of the dependent variables are equal across groups.340 16. Uji MANOVA Setelah kedua uji persyaratan hipotesis dipenuhi dilanjutkan dengan uji hipotesis MANOVA.000 Sig.038 9. c. Apabila ditetapkan taraf signifikansi penelitian 0.706 lebih besar dari 0.058 16. Berarti matriks varian/covarian dari variabel dependen sama.000 4. Multivariate Tests Effect Intercept Pillai's Trace Wilks' Lambda Hotelling's Trace Roy's Largest Root Pillai's Trace Wilks' Lambda Hotelling's Trace Value .679 32.000 2. Roy’s Largest Root.003 . a Design: Intercept+X Ternyata harga Box’s M=3.000 6.541 . Keputusan diambil dengan analisis Pillae Trace. Dalam contoh ini dibedakan hasil belajar teori dan praktik pemrograman untuk siswa yang diajar dengan strategi pembela jaran heuristik.000 4.MANOVA mempersyaratkan bahwa matriks varian/covarian dari variabel dependen sama.388 8. Hasil uji Box’s M dengan SPSS tampak pada bagan berikut ini.000 4.

harga F untuk Pillae Trace. Hotelling Trace.000 5.000 88. Artinya.857 35.000 103.00 dengan signifikansi 0.000 . Jadi.000 2.000 df Mean Square 39.001 . tidak terdapat perbedaan hasil balajar praktik pemrograman yang diakibatkan oleh perbedaan strategi pembelajaran.191 2.000 78.064.000 103. Hotelling Trace. Roy’s Largest Root.667 (Adjusted R Squared = . Selanjutnya.004.05.500 5.004 . 2 2 1 1 2 2 5 5 8 8 7 19. yang tidak signifikan pada taraf signifikansi 0.000 272.714 168. tests of between-subjects effects. terdapat perbedaan hasil belajar teori (y1) dan praktik pemrograman (y2) antara siswa yang diajar dengan strategi pembelajaran heuristik (A1).x memiliki signifikansi yang lebih kecil dari 0. yang tercantum pada hasil di bawah ini menunjukkan bahwa hubungan antara strategi pembelajaran (x) dengan hasil belajar teori (y1) memberikan harga F sebesar 19.064 Y2 72.heuristik (A3).000 48. hubungan antara strategi pembelajaran (x) dengan hasil belajar praktik pemrograman (y2) meberikan harga F sebesar 5. c Design: Intercept+X Hasil analisis menunjukkan bahwa harga F untuk Pillae Trace. Tests of Between-Subjects Effects Source Dependent Variable Corrected Model Intercept X Error Total Corrected Total Y1 Y2 Y1 Y2 Y1 Y2 Y1 Y2 Y1 Y2 Y1 Type III Sum of Squares 78.000 24. Hal ini menunjukkan bahwa terdapat perbedaan hasil belajar teori yang diak ibatkan oleh perbedaan strategi pembelajaran.076 20.000 7 a R Squared = . Artinya.Roy's Largest 8. Wilk Lambda.000 39.000 .000 24.500 dengan signifikansi 0.05.841) b R Squared = .000 10.000 19.000 51. Di lain pihak. Wilk Lambda.002 . Roy’s Largest Root semuanya signifikan.500 5.000 216.000 48.004 Root a Exact statistic b The statistic is an upper bound on F that yields a lower bound on the significance level. dan siswa yang diajar dengan strategi pembelajaran algo . siswa yang diajar dengan strategi pembelajaran algoritmik (A2).533) .064 .000 24.714 168.000 4.886 (Adjusted R Squared = .800 F Sig.004 .

Statistik Multivariat Disertai Aplikasi dengan SPSS. I Made. Singaraja: Unit Penerbitan IKIP Negeri Singaraja. Singaraja: Unit Penerbitan IKIP Negeri Singaraja.DAFTAR PUSTAKA Candiasa. 2003 Candiasa. I Made. 2004 . Analisis Butir Disertai Aplikasi dengan SPSS.

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.