P. 1
analisis data dengan spss

analisis data dengan spss

|Views: 648|Likes:
Published by yogoj

More info:

Published by: yogoj on Nov 09, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

05/22/2013

pdf

text

original

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.

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

907 .05 atau 0. yaitu statistik yang didasarkan pada ratarata (Based on Mean). Analisis Analisis dilakukan dengan mekanisme pemilihan menu sebagai berikut.05 • Bandingkan p dengan taraf signifikansi yang diperoleh • Jika signifikansi yang diperoleh > α .096 df1 2 2 2 2 df2 57 57 55. Pada kolom Sig. Uji linieritas antara variabel bebas X dengan variabel terikat Y memanfaatkan SPSS dilakukan melalui langkah-langkah sebagai berikut. C.907. a. Test of Homogeneity of Variance Levene Statistic Based on Mean . b.909 Y Interpretasi dilakukan dengan memilih salah satu statistik. Menafsirkan Hasil Uji Homogenitas Sebagai contoh. pinggiran kota (X2). Sama seperti untuk uji normalitas.918 . maka variansi setiap sampel tidak sama (tidak homogen) Ternyata pengujian dengan statistik Based on Mean diperoleh signifikansi 0. Dengan demikian data penelitian di atas homogen. .05. terdapat bilangan yang menunjukkan taraf signifikansi yang diperoleh. dan perkotaan (X3). yang telah diuji secara manual dengan uji Bartlett sebelumnya. Entry Data Data dimasukkan ke lembar kerja SPSS dengan menggunakan nama variabel x dan y. misalnya α = 0.b. jauh melebihi 0. selanjutnya diuji keberartian koefisien garis regresi serta linieritasnya.086 with adjusted df Based on trimmed mean . Uji Linieritas Uji linieritas dilakukan dilakukan dengan mencari persamaan garis regresi variabel bebas x terhadap variabel terikat y.882 57 Sig.918 . pada kesempatan ini diuji homogenitas data untuk uji perbedaan tingkat kemandirian anak (Y) berdasarkan kelompok daerah. . Hasil analisis adalah seperti tercantum pada gambar berikut. maka variansi setiap sampel sama (homogen) • Jika signifikansi yang diperoleh <α . yaitu pedesaan (X1). • Tetapkan tarap signifikansi uji. jika hasil uji signifikan maka kenormalan tidak dipenuhi.098 Based on Median . Sebaliknya. Berdasarkan garis regresi yang telah dibuat.086 Based on Median and . Hipotesis yang diuji ialah : H0 : Variansi pada tiap kelompok sama (homogen) H1 : Variansi pada tiap kelompok tidak sama (tidak homogen) Dengan demikian. Untuk menetapkan homogenitas digunakan pedoman sebagai berikut. kehomogenan dipenuhi jika hasil uji tidak signifikan untuk suatu taraf signifikasi (α ) tertentu (Biasanya α = 0.01).

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

627 3. berarti regresi linier Bila a ≥ ig. maka akan tampak hasilnya seperti pada bagan berikut ini. ANOVA Table Y * X Between Groups (Combined) Linearity Deviation from Linearity Sum of Squares 9447.209 23 92.702. .963 .702 Within Groups Total Hasil analisis menunjukkan bahwa harga F sebesar 0. Interpretasi hasil analisis dilakukan dengan: .350 1 7308. maka H0 diterima.885 2138.375 df Mean Square F 24 393. maka H1diterima.791 15 39 117.791) > a (0. Interpretasi Hasil Bila data yang telah diuji secara manual diuji lagi dengan SPSS.042 7308. . berarti model regresi linier.(0.885 62.157 1762.000 . berarti regresi tidak linier Ternyata hasil analisis menunjukkan bahwa sig. (Tidak semua hasil ditampilkan).) Bila a < Sig..791 dengan signifikansi 0.05).membandingkan signifikansi yang ditetapkan dengan signifikansi yang diperoleh dari analsisis (Sig.c.Susun hipotesis: H0: Model regresi linier H1: Model regresi tidak linier .489 Sig..009 .menetapkan taraf signifikansi (misalnya a=.05) .333 11209.

Apabila beberapa koefisien korelasi tersebut mendekati Ry. maka dikatakan terjadi multikolinieritas. rx1x3. x2x3x4. 2) jika koefisien korelasi antar variabel bebas kurang dari 0.5. x2. Uji multikolonieritas dengan SPSS dilakukan dengan uji regresi. Rx2. maka tidak terdapat masalah multikolinieritas. dan hubungan interpersonal (x3) dengan variabel terikat kinerja (y). x4 terhadap y. x1x2x4. enam pasang variabel bebas. Uji Multikolinieritas Multikolinieritas dapat dideteksi dengan menghitung koefisien korelasi ganda dan membandingkannya dengan koefisien korelasi antar variabel bebas. dihitung korelasi antar y. Rx3. dengan patokan nilai VIF (variance inflation factor) dan koefisien korelasi antar variabel bebas. akan diuji multikolinieritas dalam regresi antara variabel bebas insentif (x1). dan rx3x4. Setelah itu. Pertama dihitung R x1x2x3x4. Kriteria yang digunakan adalah: 1) jika nila VIF di sekitar angka 1 atau memiliki toerance mendekati 1. yaitu Rx1. x3. x1x3x4. yaitu r 1x2. Sebagai contoh. x1x2x3x4. rx1x4. Data hasil penelitian adalah sebagai berikut. iklim kerja (x2). maka dikatakan tidak terdapat masalah multikolinieritas dalam model regresi. 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 . x1x2x3. dan Rx4.D. rx2x3. Sebagai contoh. m dilanjutkan dengan menghitung koefisien korelasi ganda aka dari masing-masing variabel bebas dengan 3 variabel bebas lainnya. dia mbil kasus regresi x1. rx2x4. Apabila salah satu dari x koefisien korelasi itu sangat kuat.

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

Apabila garis yang membatasi sebaran titik -titik relatif paralel maka varian error dikatakan konstan.156 1. untuk data hubungan antara insentif (x) dengan kinerja. Demikian pula.y).Hasil yang tampak dari uji multikolinieritas adalah seperti berikut. Langkah Pengujian a. Pendeteksian konstan atau tidaknya varian error konstan dapat dilakukan dengan menggambar grafik antara y dengan residu (y. dapat disimpulkan bahwa dalam regresi antara variabel bebas insentif (x1). E.911 Model 1 X1 X2 X3 a Dependent Variable: Y VIF 1.865 . 1. Contoh berikut menampilkan uji heterokedastisitas dengan grafik. Uji Heterokedastisitas Heterokedastisitas terjadi dalam regresi apabila varian error (ei) untuk beberapa nilai x tidak konstan atau berubah-ubah. iklim kerja (x2). dan hubungan interpersonal (x3) terhadap kinerja (y) tidak terjadi multikolinieritas antar variabel bebas. Dengan demikian. Coefficients Collinearity Statistics Tolerance . nilai tolerance mendekati 1 untuk semua variabel bebas.080 1. yang telah diuji linieritasnya.926 .098 Ternyata nilai VIF mendekati 1 untuk semua variabel bebas. b. Entry Data Pada form SPSS dimasukkan data insentif sebagai variabel x dan data kinerja sebagai variabel y. Analisis Data Pilih menu sebagai berikut: .

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

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

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

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

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

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

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

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

633 X2 .6959 6. pilih menu Continue. Deviation 7. standar deviasi.Berikan tanda centang (v) pada kotak di depan nama output yang dipilih.3870 7.1000 1. maka selanjutnya pilih OK.000 X1 . Misalnya. Part and partial correlations dan seterusnya. Hasil berikutnya adalah koefisien korelasi antarvariabel seperti tampak pada tabel di bawah ini. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut.734 . Berikutnya. Setelah itu. Descriptive Statistics Mean Y X1 X2 Std.8000 . sehingga muncul hasil analisis. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis. dan banyak data. Descriptive.6500 1. Correlations Pearson Y Y 1.0712 N 20 20 20 Tabel di atas menunjukkan harga rata-rata (mean). Jika semua menu yang diperlukan sudah dipilih. pada contoh di atas dipilih R Squared Change.

001 .000 Hasil di atas menunjukkan koefisien korelasi ganda R sebesar 0.989 Total 9. Berikutnya adalah koefisien korelasi ganda dan pengujian signifikansi koefisien korelasi ganda seperti tampak pada dua tabel di bawah ini. Correlations d Coefficients B Std. (1-tailed) N Hasil.202 1.197 20 20 20 .494 .492 .632 5.075 a Dependent Variable: Y .385 .816 Sig.058 X2 .211 df 2 17 19 Mean Square 3. Beta Zero-order Partial Part Error 3. Koefisien tersebut signifikan karena setelah diuji dengan F-test diperoleh harga F sebesar 30.411 .202 . X2.800 .505 4.729 .619 1 (Constant ) X1 . Model Summary Model R R Square Adjusted Std.Correlation X1 X2 Y X1 X2 Y X1 X2 .885 .001 .000 . X1 b Dependent Variable: Y Sum of Squares 7.000 . .00.000 . .633 . Coefficients Unstandardize d Coefficients Model Standardize t Sig. Error R Square of the Estimate 1 .734 .816 dengan signifikansi 0. 20 20 20 Sig.758 .000 .784 .605 .000 20 20 20 1. X2.3421 a Predictors: (Constant).197 .383 . X1 ANOVA Model 1 Regressio n Residual 1.000 .117 F 30.200 a Predictors: (Constant).253 .633 . seperti tampak pada tabel di bawah ini. Hasil lain yang diperoleh adalah persamaan garis regresi.885. .199 .734 .000 .594 5.

4. 5. 6. 9. 5. 7.800. 8. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. 8. Semua koefisen tersebut signifikan karena masing. 9. 7. Jadi persamaan garis regresinya adalah Y=0. maka tabel di atas akan tampak seperti di bawah ini. 6. 8. Terdapat pengaruh interaksi antara jenis media pembelajaran dan kepribadian siswa terhadap hasil belajar Bahasa Inggris.253X1+0. multi media.253 dan harga koefisien X2 besarnya 0. 7 Apabila dibuat dalam bentuk tabel kerja.411. Pada siswa yang berkepribadian ekstrovert. 8. 6. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio -video. 6.411X2+3. 6. 7. dan hipermedia. Jenis Media Audio-Video (A1) Kepribadian Ekstrovert (B1) Introvert (B2) Multimedia (A2) Hipermedia (A3) 5. 8.199. dan hipermedia. 9. 4. Data hasil penelitian adalah sebagi berikut. 7 6. ANALISIS VARIAN (ANAVA) 1. 7.729 dan 0. 7. Pada siswa yang berkepribadian introvert. 8 7. Entry Data Entry data untuk ANAVA dilakukan untuk variabel terikat (y) secara bersambung untuk semua kelompok. 6 7. 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 . 7 8.masing sgnifikansinya 0. 4. 6. 2. 5. 3. 6. 7.199. multi media. 3.Hasil analisis menunjukkan harga konstanta besarnya 3. B. Terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. 8. multi media. Kelompok dikenali dari variabel bebas (x). akan dianalisis data untuk menguji hipotesis: 1. harga koefisien X1 besarnya 0. 8. Sebagai contoh. 7 6.00. 5. Korelasi parsial untuk X1 dan X2 besarnya masing-masing 0. dan hipermedia.

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

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

Jika semua menu yang diperlukan sudah dipilih.055 .357 1 1853. sehingga muncul hasil analisis. Setelah itu.266 Model Intercept 1853.000 .167 1 1. Misalnya. Berikutnya.559 B 1. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis. maka selanjutnya pilih OK.048 2 4. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut.167 . pilih menu Continue.214 9.346 .453 A 24. .000 36 1.000 . Tests of Between-Subjects Effects Dependent Variable: Y Source Type III df Mean F Sum of Square Squares Corrected 33.357 1450.000 42 Sig. pada contoh di atas dipilih uji Tukey dan Uji Scheffe.149 Error 46.729 5.Berikan tanda centang (v) pada kotak di depan nama uji lanjut yang dipilih.429 2 12.643 5 6.278 Total 1933.001 .913 A*B 8.024 3.

67 .46 -. a. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video.88 2.76 2.21 1.001 .62 .342) Hasil analisis menunjukkan bahwa harga F untuk A besarnya 9.81 -1.05 level.000.43 .83 2. * The mean difference is significant at the .50 .43 .001 . Dengan demikian H0 ditolak dan H1 diterima.643 41 Total a R Squared = . Perbedaan tersebut ditunjukkan oleh bilangan signifikansi . maka untuk Uji Tukey tampak bahwa sel 1 dan sel 2 berbeda secara signifikan dengan koefisien -1.71 1.54 -2.43 . . c.43 .05.43 .559 dengan signifikansi 0.81 2..43 .43 .003 . Jika diperhatikan hasil di atas.005 . d. dan hipermedia.21 1..) yang dipilih.43 .001 .005 Std.21 -1. Susun hipotesis Ho : µ1 = µ2 = µ3 H1 : µ1 ≠ µ2 = µ3 atau µ1= µ2 ≠ µ3 atau µ1 ≠ µ2 ≠ µ3 b. Ternyata hasil analisis menunjukkan bahwa sig.31 -. Apabila a < sig. 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 .43 . maka H0 diterima.41 -.26 -.50 -1.43 .43 .05.62 .59 1.Corrected 79. multi media.000 lebih kecil daripada a = 0.50 .46 -.26 . misalnya a=0.21 -1.67 . besarnya 0. maka H1 diterima.71 -.871 .71..50 ..882 .71 1.003 .71 -.882 . Bandingkan a dengan signifikansi yang diperoleh (sig).001 . Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut.31 . sebaliknya bila a ≥ sig.88 -2. yakni Uji Tukey dan Uji Scheffe.422 (Adjusted R Squared = .871 .41 Based on observed means. seperti tampak di bawah ini.76 -1. Jadi kesimpulannya. Error Sig.59 Upper Bound -. Untuk melihat sel mana yang berbeda harus dilihat hasil uji lanjut (Post Hoc. 95% Confidence Interval Lower Bound -2.54 1.83 -2. Tetapkan signifikansi.

yang tidak ada dalam ANAVA. dalam ANAKOVA ada kovariabel yang merupakan variabel numerik. C.45 2. terdapat perbedaan hasil belajar antara siswa yang diajar dengan strategi pembelajaran kontruktivis dan siswa yang diajar dengan strategi pembelajaran tutorial. . data dalam form SPSS akan tampak sebagai berikut. akan dianalisis data untuk menguji hipotesis: Setelah dikendalikan oleh kovariabel motivasi belajar.yang diperoleh (sig.27 Setelah dimasukkan ke form SPSS. Hanya saja. No X 1 2 3 4 5 6 114 94 106 92 96 A1 Y 2. ANAKOVA ANAKOVA dengan SPSS mengikuti langkah.91 2. dan kelompok dikenali dari variabel bebas (x).92 X 122 108 112 120 106 A2 Y 2. Dengan cara yang sama dapat dilihat perbedaan antara sel-sel yang lain.74 2. Sebagai contoh.001 yang jauh lebih kecil daripada taraf signifikansi yang ditetapkan.langkah yang hampir sama dengan ANAVA.45 2.81 3. yakni 0.) sebesar 0.05. Entry Data Entry data untuk ANAKOVA sama halnya dengan ANAVA.05 1. Data hasil penelitian adalah sebagi berikut.36 1.42 1. 1.77 118 3. yakni variabel terikat (y) dimasukkan secara bersambung.

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

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

345 (Adjusted R Squared = . maka H1 diterima. misalnya a=0.305 Total 70.642E-02 Z 6. 2.630 . Bedanya.05.372 Error 2.643 Model Intercept 7. . Vektor observasi dapat dikomposisi ulang sesuai model. tidak terdapat perbedaan hasil belajar antara siswa yang diajar dengan strategi pembelajaran kontruktivis dan siswa yang diajar dengan strategi pembelajaran tutorial. Jadi kesimpulannya.302 lebih besar daripada a = 0. dengan signifikansi 0. e. Model MANOVA untuk membandingkan vektor mean sebanyak g adalah sebagai berikut: Xij = µ + τi + eij.726 10 Total a R Squared = . 3. Dengan demikian H0 diterima.302. 3. Sama halnya dengan ANAVA. Bandingkan a dengan signifikansi yang diperoleh (sig).ni dan I = 1.. setela h dikendalikan oleh kovariabel motivasi belajar. dalam ANAVA varian yang dibandingkan berasal dari satu variabel terikat.285 df Mean Square F 2. 2.250 .936E-02 1 6.g.441 8 . maka H0 diterima. ….218 Sig. Ternyata hasil analisis menunjukkan bahwa sig.227 1.x i (residu eij) . seperti berikut.184 . MANOVA merupakan uji beda varian.936E-02 X . ANALISIS VARIAN M ULTIVARIAT (MANOVA) Analisis varian multivariat merupakan terjemahan dari multivariate analisis of variance (MANOVA).106 .Source Corrected 2 .x (estimasi efek + x ij .302 Hasil analisis menunjukkan bahwa harga F untuk x besarnya 1. sebaliknya bila a ≥ sig. D.642E-02 1 7.646 . xij (observasi) = x (rata-rata + xi .….181) Type III Sum of Squares 1. besarnya 0. Susun hipotesis Ho : µ1 = µ2 H1 : µ1 ≠ µ2 f.05.218 (sama dengan hasil hitungan manual). sedangkan pada MANOVA.372 1 .. g.738 11 Corrected 3. varian yang dibandingkan berasal dari lebih dari satu variabel terikat. Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut. Apabila a < sig. j = 1. Tetapkan signifikansi.

yang populuer dengan sebutan koefisien Wilks lambda. 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. 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. 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. seperti pada tabel berikut. Distribusi Λ* yang lebih teliti untuk pengujian H0 dapat dijabarkan. hipotesis nol yang diuji dapat dirumuskan sebagai berikut. Koefisien Λ* disebut koefisien lambda dari Wilks. H0: τ1 = τ2 = τ3 = … = τg = 0 Tabel MANOVA untuk membandingkan vektor mean adalah sebagai berikut.sampel keseluruhan µ) perlakuan τi) Analog dengan ANAVA. Σni-g     F2(g-1). 2(Σni-g-1) g=2 Fp.

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

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

125 2 5 .05. 3. Uji Homogenitas Varian Uji homogenitas varian dilihat dari hasil uji Levene. b. maka baik untuk Y1 maupun Y2 harga F tidak signifikan karena signifikansi keduanya lebih besar dari 0. Interpretasi Hasil Analisis Interpretasi hasil dilakukan mengikuti mekanisme sebagai berikut. Artinya. Bila ditetapkan taraf signifikansi 0. seperti tampak pada bagan berikut ini.Apabila menu tersebut sudah dipilih. Uji Homogenitas Matriks Varian/Covarian . Levene's Test of Equa lity of Error Variances F df1 df2 Sig.05. Pindahkan y1 dan y2 ke dependent variabel dan x ke fixed faktor(s). selanjutnya pilih continue dan OK. Y1 1. Selanjutnya dipilih kotak option dan dipilih Test of Homogenity. sehingga muncul hasil analisis.363 dan untuk Y2 harga F=3. baik Y1 ma upun Y2 memiliki varian yang homogen. sehingga MANOVA bisa dilanjutkan.132. a. a Design: Intercept+X Hasil uji Levene menunjukkan bahwa untuk Y1 harga F=1.250 dengan signifikansi 0.125 dengan signifikansi 0.250 2 5 .132 Tests the null hypothesis that the error variance of the dependent variable is equal across groups. maka akan tampak kotak dialog.363 Y2 3. seperti bagan berikut.

.541 .000 8.941 F 32. dan siswa yang diajar dengan strategi pembelajaran algo-heuristik.000 10.000 4.003 .054 F .000 4.706 Tests the null hypothesis that the observed covariance matrices of the dependent variables are equal across groups.679 32. Hasil uji Box’s M dengan SPSS tampak pada bagan berikut ini.05.058 16. maka harga Box’s M yang diperoleh tidak signifikan karena signifikansi yang diperoleh 0.003 . sehingga analisis MANOVA dapat dilanjutkan. Uji homogenitas matriks varian/covarian dilihat dari hasil uji Box.000 2. Dalam contoh ini dibedakan hasil belajar teori dan praktik pemrograman untuk siswa yang diajar dengan strategi pembela jaran heuristik. Roy’s Largest Root.388 8.038 9.016 X . Uji MANOVA Setelah kedua uji persyaratan hipotesis dipenuhi dilanjutkan dengan uji hipotesis MANOVA.942 .003 .054 dengan signifikansi 0.000 4.000 2. Dengan demikian hipotesis nol diterima.706.000 6.000 2.000 4.679 32.05.340 16. Dalam kondisi ini analisis MANOVA tidak dapat dilanjutkan.679 32. Hotelling Trace.003 . Wilk Lambda. Apabila ditetapkan taraf signifikansi penelitian 0. 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 . a Design: Intercept+X Ternyata harga Box’s M=3.006 .340 1. c.000 Sig.000 4.000 4. Uji MANOVA digunakan untuk menguji apakah terdapat perbedaan beberapa variabel terikat antara bebrapa kelompok yang berbeda.456 Hypothesis Error df df 2. Hasil analisis untuk contoh di atas adalah sebagai berikut. Apabila harga Box’s M signifikan maka hipotesis nol yang menyatakan bahwa matriks varian/covarian dari variabel dependen sama ditolak.466 df1 3 df2 2880 Sig.000 4.003 . Keputusan diambil dengan analisis Pillae Trace. .679 8.199 7. siswa yang diajar dengan strategi pembelajaran algoritmik. Berarti matriks varian/covarian dari variabel dependen sama.706 lebih besar dari 0. Box's Test of Equality of Covariance Matrices Box's M 3.MANOVA mempersyaratkan bahwa matriks varian/covarian dari variabel dependen sama.

Roy's Largest 8.064 .841) b R Squared = .533) .500 5. Roy’s Largest Root semuanya signifikan.500 5.000 216.000 2.000 24.800 F Sig.714 168. tidak terdapat perbedaan hasil balajar praktik pemrograman yang diakibatkan oleh perbedaan strategi pembelajaran. dan siswa yang diajar dengan strategi pembelajaran algo .000 88. Hotelling Trace.191 2.000 5. Hotelling Trace. yang tidak signifikan pada taraf signifikansi 0.000 19.004 .857 35. hubungan antara strategi pembelajaran (x) dengan hasil belajar praktik pemrograman (y2) meberikan harga F sebesar 5.000 51. 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 78.000 272.05.000 78.heuristik (A3).000 .000 48.000 df Mean Square 39. terdapat perbedaan hasil belajar teori (y1) dan praktik pemrograman (y2) antara siswa yang diajar dengan strategi pembelajaran heuristik (A1).000 103.000 4. Selanjutnya.076 20. Artinya.001 . Jadi.064 Y2 72. Wilk Lambda.002 . c Design: Intercept+X Hasil analisis menunjukkan bahwa harga F untuk Pillae Trace.667 (Adjusted R Squared = . Artinya. Di lain pihak.000 48. Roy’s Largest Root. 2 2 1 1 2 2 5 5 8 8 7 19.004 .004.000 7 a R Squared = .714 168. siswa yang diajar dengan strategi pembelajaran algoritmik (A2).000 24.000 39.05.00 dengan signifikansi 0.500 dengan signifikansi 0.x memiliki signifikansi yang lebih kecil dari 0. Wilk Lambda. yang tercantum pada hasil di bawah ini menunjukkan bahwa hubungan antara strategi pembelajaran (x) dengan hasil belajar teori (y1) memberikan harga F sebesar 19.000 103. Hal ini menunjukkan bahwa terdapat perbedaan hasil belajar teori yang diak ibatkan oleh perbedaan strategi pembelajaran.000 10.886 (Adjusted R Squared = . tests of between-subjects effects.004 Root a Exact statistic b The statistic is an upper bound on F that yields a lower bound on the significance level. harga F untuk Pillae Trace.000 24.064.000 .

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->