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.

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

Uji Linieritas Uji linieritas dilakukan dilakukan dengan mencari persamaan garis regresi variabel bebas x terhadap variabel terikat y.096 df1 2 2 2 2 df2 57 57 55. Dengan demikian data penelitian di atas homogen. pinggiran kota (X2). Hipotesis yang diuji ialah : H0 : Variansi pada tiap kelompok sama (homogen) H1 : Variansi pada tiap kelompok tidak sama (tidak homogen) Dengan demikian. • Tetapkan tarap signifikansi uji.b. b. selanjutnya diuji keberartian koefisien garis regresi serta linieritasnya. Menafsirkan Hasil Uji Homogenitas Sebagai contoh.05 • Bandingkan p dengan taraf signifikansi yang diperoleh • Jika signifikansi yang diperoleh > α . Uji linieritas antara variabel bebas X dengan variabel terikat Y memanfaatkan SPSS dilakukan melalui langkah-langkah sebagai berikut.918 . yang telah diuji secara manual dengan uji Bartlett sebelumnya.907. a.882 57 Sig. yaitu pedesaan (X1). Entry Data Data dimasukkan ke lembar kerja SPSS dengan menggunakan nama variabel x dan y. terdapat bilangan yang menunjukkan taraf signifikansi yang diperoleh. Analisis Analisis dilakukan dengan mekanisme pemilihan menu sebagai berikut.086 with adjusted df Based on trimmed mean . kehomogenan dipenuhi jika hasil uji tidak signifikan untuk suatu taraf signifikasi (α ) tertentu (Biasanya α = 0. Pada kolom Sig.907 . .05 atau 0.909 Y Interpretasi dilakukan dengan memilih salah satu statistik. C. jika hasil uji signifikan maka kenormalan tidak dipenuhi. Hasil analisis adalah seperti tercantum pada gambar berikut.098 Based on Median . Untuk menetapkan homogenitas digunakan pedoman sebagai berikut.086 Based on Median and . . maka variansi setiap sampel sama (homogen) • Jika signifikansi yang diperoleh <α . maka variansi setiap sampel tidak sama (tidak homogen) Ternyata pengujian dengan statistik Based on Mean diperoleh signifikansi 0. misalnya α = 0. pada kesempatan ini diuji homogenitas data untuk uji perbedaan tingkat kemandirian anak (Y) berdasarkan kelompok daerah. Test of Homogeneity of Variance Levene Statistic Based on Mean .05.918 . Sama seperti untuk uji normalitas. Berdasarkan garis regresi yang telah dibuat. jauh melebihi 0. Sebaliknya.01). yaitu statistik yang didasarkan pada ratarata (Based on Mean). dan perkotaan (X3).

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

000 .885 62.042 7308.791 15 39 117. berarti model regresi linier. berarti regresi linier Bila a ≥ ig..885 2138.209 23 92.menetapkan taraf signifikansi (misalnya a=.Susun hipotesis: H0: Model regresi linier H1: Model regresi tidak linier . ..c. .791) > a (0.009 .350 1 7308.627 3.membandingkan signifikansi yang ditetapkan dengan signifikansi yang diperoleh dari analsisis (Sig. berarti regresi tidak linier Ternyata hasil analisis menunjukkan bahwa sig. maka H0 diterima. maka akan tampak hasilnya seperti pada bagan berikut ini. Interpretasi Hasil Bila data yang telah diuji secara manual diuji lagi dengan SPSS.) Bila a < Sig.05) . ANOVA Table Y * X Between Groups (Combined) Linearity Deviation from Linearity Sum of Squares 9447.702 Within Groups Total Hasil analisis menunjukkan bahwa harga F sebesar 0.791 dengan signifikansi 0.963 .05). (Tidak semua hasil ditampilkan).489 Sig.157 1762.375 df Mean Square F 24 393. Interpretasi hasil analisis dilakukan dengan: .702.(0. maka H1diterima.333 11209.

Sebagai contoh.D. Rx2. iklim kerja (x2). x3. rx2x3. x1x2x4. Apabila beberapa koefisien korelasi tersebut mendekati Ry. maka dikatakan terjadi multikolinieritas. x1x2x3. dan rx3x4. dia mbil kasus regresi x1. Rx3.5. Uji multikolonieritas dengan SPSS dilakukan dengan uji regresi. Setelah itu. x4 terhadap y. Uji Multikolinieritas Multikolinieritas dapat dideteksi dengan menghitung koefisien korelasi ganda dan membandingkannya dengan koefisien korelasi antar variabel bebas. enam pasang variabel bebas. x2. dengan patokan nilai VIF (variance inflation factor) dan koefisien korelasi antar variabel bebas. maka tidak terdapat masalah multikolinieritas. x1x2x3x4. Pertama dihitung R x1x2x3x4. dan hubungan interpersonal (x3) dengan variabel terikat kinerja (y). yaitu Rx1. m dilanjutkan dengan menghitung koefisien korelasi ganda aka dari masing-masing variabel bebas dengan 3 variabel bebas lainnya. dihitung korelasi antar y. Sebagai contoh. yaitu r 1x2. rx1x3. 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 . Kriteria yang digunakan adalah: 1) jika nila VIF di sekitar angka 1 atau memiliki toerance mendekati 1. Apabila salah satu dari x koefisien korelasi itu sangat kuat. rx2x4. maka dikatakan tidak terdapat masalah multikolinieritas dalam model regresi. Data hasil penelitian adalah sebagai berikut. 2) jika koefisien korelasi antar variabel bebas kurang dari 0. dan Rx4. rx1x4. x1x3x4. akan diuji multikolinieritas dalam regresi antara variabel bebas insentif (x1). x2x3x4.

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

Entry Data Pada form SPSS dimasukkan data insentif sebagai variabel x dan data kinerja sebagai variabel y.926 . b. Uji Heterokedastisitas Heterokedastisitas terjadi dalam regresi apabila varian error (ei) untuk beberapa nilai x tidak konstan atau berubah-ubah.Hasil yang tampak dari uji multikolinieritas adalah seperti berikut. Coefficients Collinearity Statistics Tolerance . Analisis Data Pilih menu sebagai berikut: . Demikian pula. untuk data hubungan antara insentif (x) dengan kinerja.865 . Dengan demikian. Contoh berikut menampilkan uji heterokedastisitas dengan grafik.098 Ternyata nilai VIF mendekati 1 untuk semua variabel bebas. 1. Apabila garis yang membatasi sebaran titik -titik relatif paralel maka varian error dikatakan konstan. dapat disimpulkan bahwa dalam regresi antara variabel bebas insentif (x1). iklim kerja (x2). Langkah Pengujian a.080 1. nilai tolerance mendekati 1 untuk semua variabel bebas. yang telah diuji linieritasnya. dan hubungan interpersonal (x3) terhadap kinerja (y) tidak terjadi multikolinieritas antar variabel bebas.y). Pendeteksian konstan atau tidaknya varian error konstan dapat dilakukan dengan menggambar grafik antara y dengan residu (y. E.156 1.911 Model 1 X1 X2 X3 a Dependent Variable: Y VIF 1.

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

maka ? akan mendekati +1 atau -1.5 Regression Studentized Residual 1. maka autokorelasi tidak terjadi.5 -2. Apabila autokorelasi terjadi.0 -. Setelah itu. Hubungan antara et dengan et-1 dapat dinyatakan seperti berikut. F. Autokorelasi biasanya terjadi apabila pengukuran variabel dilakukan dalam intereval watu tertentu. Menduga terjadi tidaknya .0 1.0 -2.0 -1.5 1.0 .5 Regression Standardized Predicted Value Pada grafik di atas tampak titik -titik menyebar di atas dan di bawah sumbu Y. Scatterplot Dependent Variable: Y 1. Uji Autokorelasi Autokorelasi terjadi dalam regresi apabila dua error et-1 dan et tidak independent atau C(et-1.Pada bagian akhir dipilih continue.5 0. et = ? et-1 + vt ? menyatakan koefisien autokorelasi populasi. Apabila ?=0. Dengan demikian dapat disimpulkan bahwa tidak terjadi heterokedastisitas.0 -1. tidak terjadi pola tertentu.5 0. et ) ? 0.0 -.0 .5 -1. akan tampak hasil analisis sperti di bawah ini (ditampilkan hanya sebagian). kemudian OK.5 -1.

Apabila terjadi autokorelasi positif. apabila Apabila terjadi autokorelasi negatif. d= ∑ (e t =2 n t − et −1 ) 2 2 t ∑e t =1 n Nilai d berkisar antara 0 dan 4. Deteksi autokorelasi umumnya dilakukan dengan uji statistik Durbin-Watson dengan menggunakan formula sebagai berikut. Data hasil penelitian adalah sebagai berikut. t-1 Sebaliknya. Sebagai contoh. maka selisih antara et dengan et-1 relatif besar dan d mendekati 4. yaitu 0=d=4. akan diuji autokorelasi dalam regresi antara variabel bebas insentif (x1) dan iklim kerja (x2) dengan variabel terikat kinerja (y).autokorelasi dengan diagram antara grafik antara et dengan et-1 sangat sulit. 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 . maka selisih antara et dengan e sangat kecil dan d mendekati 0. Autokorelasi tidak terjadi apabila nilai d = 2.

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

interpersonal.306 4. dan hubungan interpersonal (x3) terhadap kinerja (y) tidak terjadi autokorelasi. II. Sebagai contoh. x2. ANALISIS DATA UNTUK UJI HIPOTESIS A. mendekati 2. Data hasil penelitian adalah sebagi berikut. Model Summary Model Std.067 a Predictors: (Constant).378 .067. hub. iklim kerja. iklim kerja (x2). Entry Data Entry data untuk Analisis Regresi dilakukan untuk variabel bebas (x1. dapat disimpulkan bahwa dalam regresi antara variabel bebas insentif (x1). akan dianalisis data untuk menguji hipotesis: Terdapat hubungan antara kemampuan verbal (x1) dan kemampuan numerik (x2) dengan kemampuan memprogram komputer. ANALISIS REGRESI 1.614 . X1 5 8 7 X2 6 8 8 Y 7 9 8 R R Square Adjusted R Square . Dengan demikian. …) dan variabel terikat (y) secara independen. Error Durbinof the Watson Estimate 1 . insentif b Dependent Variable: kinerja Ternyata koefisien Durbin-Watson besarnya 2.Hasil yang tampak dari uji autokorelasi adalah sebagai berikut.1246 2.

.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. data dalam form SPSS akan tampak sebagai berikut.

2. dengan langkah. Analyze General Linear Model Univariate Menu akan tampak seperti bagan di bawah ini.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. .

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

Berikan tanda centang (v) pada kotak di depan nama output yang dipilih.3870 7. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut. Jika semua menu yang diperlukan sudah dipilih.1000 1.633 X2 . maka selanjutnya pilih OK. Hasil berikutnya adalah koefisien korelasi antarvariabel seperti tampak pada tabel di bawah ini. Part and partial correlations dan seterusnya. Correlations Pearson Y Y 1. pada contoh di atas dipilih R Squared Change. sehingga muncul hasil analisis. Misalnya.6500 1. Descriptive Statistics Mean Y X1 X2 Std. Descriptive. Berikutnya. dan banyak data. Setelah itu.8000 .000 X1 . Deviation 7.734 . pilih menu Continue.0712 N 20 20 20 Tabel di atas menunjukkan harga rata-rata (mean).6959 6. standar deviasi.

494 .117 F 30. .000 .633 .385 .885.000 .197 .Correlation X1 X2 Y X1 X2 Y X1 X2 .197 20 20 20 .202 1.199 .594 5.619 1 (Constant ) X1 .492 .000 .211 df 2 17 19 Mean Square 3.000 .411 . (1-tailed) N Hasil.075 a Dependent Variable: Y . Coefficients Unstandardize d Coefficients Model Standardize t Sig.505 4. X1 ANOVA Model 1 Regressio n Residual 1.001 .989 Total 9. Model Summary Model R R Square Adjusted Std.784 .000 20 20 20 1. Correlations d Coefficients B Std.633 . 20 20 20 Sig.058 X2 . Beta Zero-order Partial Part Error 3.00.3421 a Predictors: (Constant).000 Hasil di atas menunjukkan koefisien korelasi ganda R sebesar 0. seperti tampak pada tabel di bawah ini. Hasil lain yang diperoleh adalah persamaan garis regresi. X2.816 dengan signifikansi 0.885 . X2.383 .001 .816 Sig.605 . .200 a Predictors: (Constant).734 . Error R Square of the Estimate 1 . Berikutnya adalah koefisien korelasi ganda dan pengujian signifikansi koefisien korelasi ganda seperti tampak pada dua tabel di bawah ini. X1 b Dependent Variable: Y Sum of Squares 7.800 . Koefisien tersebut signifikan karena setelah diuji dengan F-test diperoleh harga F sebesar 30.729 .253 .758 .000 .202 . .000 .734 .632 5.

6 7. 7 6.masing sgnifikansinya 0. 9. Terdapat pengaruh interaksi antara jenis media pembelajaran dan kepribadian siswa terhadap hasil belajar Bahasa Inggris.253X1+0. 8. harga koefisien X1 besarnya 0. Kelompok dikenali dari variabel bebas (x). 8 7. 3. dan hipermedia. Data hasil penelitian adalah sebagi berikut. akan dianalisis data untuk menguji hipotesis: 1. 8. 6.199. 7. maka tabel di atas akan tampak seperti di bawah ini. Pada siswa yang berkepribadian introvert. 4. B. dan hipermedia. Pada siswa yang berkepribadian ekstrovert. 3. 8. 6. 7 8. 7.199. 9. 7. Semua koefisen tersebut signifikan karena masing. 8. multi media. 7 Apabila dibuat dalam bentuk tabel kerja. 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 . 9. 4. ANALISIS VARIAN (ANAVA) 1. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. 6. 5. Terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. 7. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio -video. multi media. 7.253 dan harga koefisien X2 besarnya 0. Sebagai contoh.800. 2. 8.Hasil analisis menunjukkan harga konstanta besarnya 3. 4. 6. 6. 8. dan hipermedia.00. Korelasi parsial untuk X1 dan X2 besarnya masing-masing 0. 5. 7 6. 7. 5. Entry Data Entry data untuk ANAVA dilakukan untuk variabel terikat (y) secara bersambung untuk semua kelompok. 6. 6. Jenis Media Audio-Video (A1) Kepribadian Ekstrovert (B1) Introvert (B2) Multimedia (A2) Hipermedia (A3) 5.411X2+3.729 dan 0.411. multi media. Jadi persamaan garis regresinya adalah Y=0. 8. 5.

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

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

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

sehingga muncul hasil analisis.453 A 24.357 1 1853.055 .001 .149 Error 46. Jika semua menu yang diperlukan sudah dipilih.000 36 1.643 5 6.266 Model Intercept 1853.Berikan tanda centang (v) pada kotak di depan nama uji lanjut yang dipilih.048 2 4.167 1 1. Misalnya. pada contoh di atas dipilih uji Tukey dan Uji Scheffe.278 Total 1933.346 . Tests of Between-Subjects Effects Dependent Variable: Y Source Type III df Mean F Sum of Square Squares Corrected 33. Berikutnya.167 .000 42 Sig.000 . Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut.913 A*B 8.000 .214 9.429 2 12. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis. maka selanjutnya pilih OK.559 B 1. Setelah itu. pilih menu Continue.729 5.357 1450. .024 3.

Jadi kesimpulannya.21 -1.882 .342) Hasil analisis menunjukkan bahwa harga F untuk A besarnya 9.54 1.43 .. * The mean difference is significant at the . Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut.67 .43 .43 .62 .005 Std. Error Sig.88 -2.50 . c.001 .21 1.43 .. d.43 .81 2. a. misalnya a=0. maka H1 diterima.54 -2.67 .43 . Dengan demikian H0 ditolak dan H1 diterima.43 .26 .71.05 level.882 .05. yakni Uji Tukey dan Uji Scheffe.62 .59 Upper Bound -.000.50 .31 . dan hipermedia.003 .005 .05.59 1.46 -. . multi media. maka H0 diterima. Ternyata hasil analisis menunjukkan bahwa sig.43 .559 dengan signifikansi 0.41 -. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video.003 .) yang dipilih.. besarnya 0. Tetapkan signifikansi.001 .000 lebih kecil daripada a = 0. Bandingkan a dengan signifikansi yang diperoleh (sig).83 -2.43 .41 Based on observed means.43 .71 -.43 . Perbedaan tersebut ditunjukkan oleh bilangan signifikansi . maka untuk Uji Tukey tampak bahwa sel 1 dan sel 2 berbeda secara signifikan dengan koefisien -1.76 2.88 2. 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 -1.50 . sebaliknya bila a ≥ sig.83 2.21 -1.31 -.71 1.422 (Adjusted R Squared = .43 .46 -.81 -1.71 1. Untuk melihat sel mana yang berbeda harus dilihat hasil uji lanjut (Post Hoc.001 .71 -. Apabila a < sig. Susun hipotesis Ho : µ1 = µ2 = µ3 H1 : µ1 ≠ µ2 = µ3 atau µ1= µ2 ≠ µ3 atau µ1 ≠ µ2 ≠ µ3 b.21 1.Corrected 79. Jika diperhatikan hasil di atas.001 ..871 .26 -.643 41 Total a R Squared = . seperti tampak di bawah ini.871 .50 -1. 95% Confidence Interval Lower Bound -2.76 -1.

36 1. akan dianalisis data untuk menguji hipotesis: Setelah dikendalikan oleh kovariabel motivasi belajar.91 2. yakni variabel terikat (y) dimasukkan secara bersambung. Dengan cara yang sama dapat dilihat perbedaan antara sel-sel yang lain.74 2. C.27 Setelah dimasukkan ke form SPSS.langkah yang hampir sama dengan ANAVA.001 yang jauh lebih kecil daripada taraf signifikansi yang ditetapkan.yang diperoleh (sig. terdapat perbedaan hasil belajar antara siswa yang diajar dengan strategi pembelajaran kontruktivis dan siswa yang diajar dengan strategi pembelajaran tutorial.77 118 3. Sebagai contoh. data dalam form SPSS akan tampak sebagai berikut.92 X 122 108 112 120 106 A2 Y 2.42 1. Hanya saja. No X 1 2 3 4 5 6 114 94 106 92 96 A1 Y 2. .45 2.05 1.) sebesar 0. 1. Entry Data Entry data untuk ANAKOVA sama halnya dengan ANAVA. yakni 0. Data hasil penelitian adalah sebagi berikut.45 2. yang tidak ada dalam ANAVA.05. ANAKOVA ANAKOVA dengan SPSS mengikuti langkah. dan kelompok dikenali dari variabel bebas (x). dalam ANAKOVA ada kovariabel yang merupakan variabel numerik.81 3.

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

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

Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut. Vektor observasi dapat dikomposisi ulang sesuai model.345 (Adjusted R Squared = . sebaliknya bila a ≥ sig. e.05. Apabila a < sig.x i (residu eij) .642E-02 1 7.05. xij (observasi) = x (rata-rata + xi .646 . Bandingkan a dengan signifikansi yang diperoleh (sig).936E-02 X .305 Total 70. besarnya 0. Susun hipotesis Ho : µ1 = µ2 H1 : µ1 ≠ µ2 f.285 df Mean Square F 2.372 Error 2.…. dalam ANAVA varian yang dibandingkan berasal dari satu variabel terikat.630 . Dengan demikian H0 diterima.ni dan I = 1.643 Model Intercept 7. Jadi kesimpulannya. varian yang dibandingkan berasal dari lebih dari satu variabel terikat. D.106 . seperti berikut. MANOVA merupakan uji beda varian. 2. 3. maka H0 diterima. Model MANOVA untuk membandingkan vektor mean sebanyak g adalah sebagai berikut: Xij = µ + τi + eij. 2. Ternyata hasil analisis menunjukkan bahwa sig.x (estimasi efek + x ij . maka H1 diterima. …. g.441 8 . dengan signifikansi 0. tidak terdapat perbedaan hasil belajar antara siswa yang diajar dengan strategi pembelajaran kontruktivis dan siswa yang diajar dengan strategi pembelajaran tutorial.302 lebih besar daripada a = 0. setela h dikendalikan oleh kovariabel motivasi belajar.936E-02 1 6. sedangkan pada MANOVA.184 .181) Type III Sum of Squares 1.250 . Sama halnya dengan ANAVA. Bedanya. j = 1..Source Corrected 2 .218 (sama dengan hasil hitungan manual).738 11 Corrected 3. 3.726 10 Total a R Squared = .218 Sig. ANALISIS VARIAN M ULTIVARIAT (MANOVA) Analisis varian multivariat merupakan terjemahan dari multivariate analisis of variance (MANOVA). misalnya a=0. .372 1 . Tetapkan signifikansi.g..227 1.642E-02 Z 6.302 Hasil analisis menunjukkan bahwa harga F untuk x besarnya 1.302.

seperti pada tabel berikut. H0: τ1 = τ2 = τ3 = … = τg = 0 Tabel MANOVA untuk membandingkan vektor mean adalah sebagai berikut. Koefisien Λ* disebut koefisien lambda dari Wilks. hipotesis nol yang diuji dapat dirumuskan sebagai berikut. Σni-p-1 . 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. 2(Σni-g-1) g=2 Fp. 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. Distribusi Λ* yang lebih teliti untuk pengujian H0 dapat dijabarkan. 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. yang populuer dengan sebutan koefisien Wilks lambda.sampel keseluruhan µ) perlakuan τi) Analog dengan ANAVA.

Entry Data Entry data untuk MANOVA sama halnya dengan ANAVA. Sebagai contoh. dalam MANOVA terdapat lebih dari satu variabel terikat (y1 . 1. Hanya saja. 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). yakni variabel terikat (y) dimasukkan secara bersambung. 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. siswa yang diajar dengan strategi pembelajaran algoritmik (A2). y2. …. dan kelompok dikenali dari variabel bebas (x). yn ). Data hasil penelitian adalah sebagi berikut. 2(Σni-p-2) MANOVA dengan SPSS mengikuti langkah-langkah yang hampir sama dengan ANAVA maupun ANAKOVA.p≥ 1 g=3  ∑ ni − p − 2  1 − Λ*     Λ* p       F2p. data dalam form SPSS akan tampak sebagai berikut. . dan siswa yang diajar dengan strategi pembelajaran algoheuristik (A3).

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

Pindahkan y1 dan y2 ke dependent variabel dan x ke fixed faktor(s).125 2 5 .132 Tests the null hypothesis that the error variance of the dependent variable is equal across groups. Interpretasi Hasil Analisis Interpretasi hasil dilakukan mengikuti mekanisme sebagai berikut. Bila ditetapkan taraf signifikansi 0. a.125 dengan signifikansi 0. sehingga muncul hasil analisis.05. Uji Homogenitas Varian Uji homogenitas varian dilihat dari hasil uji Levene. seperti tampak pada bagan berikut ini. baik Y1 ma upun Y2 memiliki varian yang homogen.05.Apabila menu tersebut sudah dipilih.250 2 5 . Y1 1. Uji Homogenitas Matriks Varian/Covarian . selanjutnya pilih continue dan OK. seperti bagan berikut.132. Levene's Test of Equa lity of Error Variances F df1 df2 Sig. Selanjutnya dipilih kotak option dan dipilih Test of Homogenity. sehingga MANOVA bisa dilanjutkan.250 dengan signifikansi 0. Artinya.363 dan untuk Y2 harga F=3. maka akan tampak kotak dialog. 3. maka baik untuk Y1 maupun Y2 harga F tidak signifikan karena signifikansi keduanya lebih besar dari 0. b. a Design: Intercept+X Hasil uji Levene menunjukkan bahwa untuk Y1 harga F=1.363 Y2 3.

679 32. Box's Test of Equality of Covariance Matrices Box's M 3.054 F .058 16.003 . Dengan demikian hipotesis nol diterima. Hotelling Trace. Hasil uji Box’s M dengan SPSS tampak pada bagan berikut ini.388 8. Uji homogenitas matriks varian/covarian dilihat dari hasil uji Box.340 16.679 32.05.000 2. dan siswa yang diajar dengan strategi pembelajaran algo-heuristik.000 Sig.000 4.000 8.000 4. Keputusan diambil dengan analisis Pillae Trace. Uji MANOVA Setelah kedua uji persyaratan hipotesis dipenuhi dilanjutkan dengan uji hipotesis MANOVA.340 1.003 . 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 . Roy’s Largest Root.016 X .706 lebih besar dari 0.05.003 .199 7.000 2.000 4.006 .541 .706.003 . .456 Hypothesis Error df df 2. Dalam contoh ini dibedakan hasil belajar teori dan praktik pemrograman untuk siswa yang diajar dengan strategi pembela jaran heuristik. Wilk Lambda.054 dengan signifikansi 0. Berarti matriks varian/covarian dari variabel dependen sama.000 10.MANOVA mempersyaratkan bahwa matriks varian/covarian dari variabel dependen sama.466 df1 3 df2 2880 Sig. Apabila ditetapkan taraf signifikansi penelitian 0.000 6. siswa yang diajar dengan strategi pembelajaran algoritmik. c.000 4. Hasil analisis untuk contoh di atas adalah sebagai berikut. .679 8. maka harga Box’s M yang diperoleh tidak signifikan karena signifikansi yang diperoleh 0. Uji MANOVA digunakan untuk menguji apakah terdapat perbedaan beberapa variabel terikat antara bebrapa kelompok yang berbeda. Dalam kondisi ini analisis MANOVA tidak dapat dilanjutkan.000 4.000 4.000 4.706 Tests the null hypothesis that the observed covariance matrices of the dependent variables are equal across groups. sehingga analisis MANOVA dapat dilanjutkan. a Design: Intercept+X Ternyata harga Box’s M=3.942 .038 9. Apabila harga Box’s M signifikan maka hipotesis nol yang menyatakan bahwa matriks varian/covarian dari variabel dependen sama ditolak.679 32.003 .941 F 32.000 2.

000 7 a R Squared = .500 5.886 (Adjusted R Squared = . Wilk Lambda.000 4.800 F Sig. Artinya. yang tercantum pada hasil di bawah ini menunjukkan bahwa hubungan antara strategi pembelajaran (x) dengan hasil belajar teori (y1) memberikan harga F sebesar 19.000 df Mean Square 39.000 48.000 19. Roy’s Largest Root. Jadi. Artinya.714 168.533) .076 20.000 39. harga F untuk Pillae Trace.000 2. hubungan antara strategi pembelajaran (x) dengan hasil belajar praktik pemrograman (y2) meberikan harga F sebesar 5.000 10.000 51.x memiliki signifikansi yang lebih kecil dari 0.000 216.667 (Adjusted R Squared = .000 78. 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. Wilk Lambda.00 dengan signifikansi 0.Roy's Largest 8.857 35.064. Hal ini menunjukkan bahwa terdapat perbedaan hasil belajar teori yang diak ibatkan oleh perbedaan strategi pembelajaran.05.000 .064 Y2 72.714 168.000 .05. dan siswa yang diajar dengan strategi pembelajaran algo .heuristik (A3).191 2.500 dengan signifikansi 0.002 .841) b R Squared = .004 .000 103.004.000 24. Hotelling Trace. Hotelling Trace.000 48. siswa yang diajar dengan strategi pembelajaran algoritmik (A2). Roy’s Largest Root semuanya signifikan.500 5.000 103.000 24. tidak terdapat perbedaan hasil balajar praktik pemrograman yang diakibatkan oleh perbedaan strategi pembelajaran. c Design: Intercept+X Hasil analisis menunjukkan bahwa harga F untuk Pillae Trace. Selanjutnya. 2 2 1 1 2 2 5 5 8 8 7 19. Di lain pihak.001 .064 . tests of between-subjects effects.004 .004 Root a Exact statistic b The statistic is an upper bound on F that yields a lower bound on the significance level.000 24. yang tidak signifikan pada taraf signifikansi 0.000 272.000 88. terdapat perbedaan hasil belajar teori (y1) dan praktik pemrograman (y2) antara siswa yang diajar dengan strategi pembelajaran heuristik (A1).000 5.

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

Sign up to vote on this title
UsefulNot useful