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

Pada kolom Sig. pinggiran kota (X2).086 Based on Median and . maka variansi setiap sampel tidak sama (tidak homogen) Ternyata pengujian dengan statistik Based on Mean diperoleh signifikansi 0. yaitu pedesaan (X1). Berdasarkan garis regresi yang telah dibuat. 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. Test of Homogeneity of Variance Levene Statistic Based on Mean . jika hasil uji signifikan maka kenormalan tidak dipenuhi. .882 57 Sig.909 Y Interpretasi dilakukan dengan memilih salah satu statistik.01). dan perkotaan (X3). Entry Data Data dimasukkan ke lembar kerja SPSS dengan menggunakan nama variabel x dan y.907. Sama seperti untuk uji normalitas.05 atau 0.907 .05. terdapat bilangan yang menunjukkan taraf signifikansi yang diperoleh. C.086 with adjusted df Based on trimmed mean .098 Based on Median . Sebaliknya. b. Uji linieritas antara variabel bebas X dengan variabel terikat Y memanfaatkan SPSS dilakukan melalui langkah-langkah sebagai berikut.096 df1 2 2 2 2 df2 57 57 55. Analisis Analisis dilakukan dengan mekanisme pemilihan menu sebagai berikut. pada kesempatan ini diuji homogenitas data untuk uji perbedaan tingkat kemandirian anak (Y) berdasarkan kelompok daerah. Menafsirkan Hasil Uji Homogenitas Sebagai contoh. jauh melebihi 0. . • Tetapkan tarap signifikansi uji. yaitu statistik yang didasarkan pada ratarata (Based on Mean). misalnya α = 0.918 .918 . maka variansi setiap sampel sama (homogen) • Jika signifikansi yang diperoleh <α . yang telah diuji secara manual dengan uji Bartlett sebelumnya. kehomogenan dipenuhi jika hasil uji tidak signifikan untuk suatu taraf signifikasi (α ) tertentu (Biasanya α = 0.05 • Bandingkan p dengan taraf signifikansi yang diperoleh • Jika signifikansi yang diperoleh > α . a. Hasil analisis adalah seperti tercantum pada gambar berikut. selanjutnya diuji keberartian koefisien garis regresi serta linieritasnya.b. Dengan demikian data penelitian di atas homogen. Untuk menetapkan homogenitas digunakan pedoman sebagai berikut.

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

489 Sig.009 . (Tidak semua hasil ditampilkan).) Bila a < Sig. . .627 3.05).791 15 39 117.791) > a (0.375 df Mean Square F 24 393.791 dengan signifikansi 0.350 1 7308.042 7308.963 .702 Within Groups Total Hasil analisis menunjukkan bahwa harga F sebesar 0. berarti regresi tidak linier Ternyata hasil analisis menunjukkan bahwa sig. berarti regresi linier Bila a ≥ ig.membandingkan signifikansi yang ditetapkan dengan signifikansi yang diperoleh dari analsisis (Sig.05) .menetapkan taraf signifikansi (misalnya a=... maka akan tampak hasilnya seperti pada bagan berikut ini.000 .c. Interpretasi Hasil Bila data yang telah diuji secara manual diuji lagi dengan SPSS. maka H1diterima.Susun hipotesis: H0: Model regresi linier H1: Model regresi tidak linier .885 62. maka H0 diterima.(0.157 1762. Interpretasi hasil analisis dilakukan dengan: .333 11209. berarti model regresi linier.209 23 92.702. ANOVA Table Y * X Between Groups (Combined) Linearity Deviation from Linearity Sum of Squares 9447.885 2138.

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

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

iklim kerja (x2). yang telah diuji linieritasnya.156 1.Hasil yang tampak dari uji multikolinieritas adalah seperti berikut. b. Langkah Pengujian a. Entry Data Pada form SPSS dimasukkan data insentif sebagai variabel x dan data kinerja sebagai variabel y. untuk data hubungan antara insentif (x) dengan kinerja. Uji Heterokedastisitas Heterokedastisitas terjadi dalam regresi apabila varian error (ei) untuk beberapa nilai x tidak konstan atau berubah-ubah. nilai tolerance mendekati 1 untuk semua variabel bebas.865 .911 Model 1 X1 X2 X3 a Dependent Variable: Y VIF 1. Coefficients Collinearity Statistics Tolerance .080 1. Apabila garis yang membatasi sebaran titik -titik relatif paralel maka varian error dikatakan konstan. Pendeteksian konstan atau tidaknya varian error konstan dapat dilakukan dengan menggambar grafik antara y dengan residu (y. 1.926 .098 Ternyata nilai VIF mendekati 1 untuk semua variabel bebas. dapat disimpulkan bahwa dalam regresi antara variabel bebas insentif (x1). E. dan hubungan interpersonal (x3) terhadap kinerja (y) tidak terjadi multikolinieritas antar variabel bebas.y). Dengan demikian. Contoh berikut menampilkan uji heterokedastisitas dengan grafik. Demikian pula. Analisis Data Pilih menu sebagai berikut: .

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

0 .0 . tidak terjadi pola tertentu.0 -2.5 1.5 Regression Studentized Residual 1.0 -. Autokorelasi biasanya terjadi apabila pengukuran variabel dilakukan dalam intereval watu tertentu.0 -.Pada bagian akhir dipilih continue. et = ? et-1 + vt ? menyatakan koefisien autokorelasi populasi. F. maka ? akan mendekati +1 atau -1. Apabila ?=0. et ) ? 0.5 0.5 -1.0 1. Dengan demikian dapat disimpulkan bahwa tidak terjadi heterokedastisitas. akan tampak hasil analisis sperti di bawah ini (ditampilkan hanya sebagian). Apabila autokorelasi terjadi.5 -2.5 -1. Scatterplot Dependent Variable: Y 1. kemudian OK. Hubungan antara et dengan et-1 dapat dinyatakan seperti berikut. maka autokorelasi tidak terjadi.5 0. Setelah itu. Uji Autokorelasi Autokorelasi terjadi dalam regresi apabila dua error et-1 dan et tidak independent atau C(et-1.0 -1. Menduga terjadi tidaknya .0 -1.5 Regression Standardized Predicted Value Pada grafik di atas tampak titik -titik menyebar di atas dan di bawah sumbu Y.

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

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

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

. 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.

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

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

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

Berikutnya.0712 N 20 20 20 Tabel di atas menunjukkan harga rata-rata (mean). Setelah itu.1000 1.6959 6. Part and partial correlations dan seterusnya. Correlations Pearson Y Y 1. sehingga muncul hasil analisis. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut.8000 . dan banyak data. Descriptive Statistics Mean Y X1 X2 Std.6500 1. pilih menu Continue.734 . Hasil berikutnya adalah koefisien korelasi antarvariabel seperti tampak pada tabel di bawah ini. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis. Misalnya. Descriptive.3870 7. Jika semua menu yang diperlukan sudah dipilih. maka selanjutnya pilih OK. pada contoh di atas dipilih R Squared Change.Berikan tanda centang (v) pada kotak di depan nama output yang dipilih. Deviation 7.000 X1 . standar deviasi.633 X2 .

000 .Correlation X1 X2 Y X1 X2 Y X1 X2 .000 Hasil di atas menunjukkan koefisien korelasi ganda R sebesar 0.758 .633 .3421 a Predictors: (Constant).001 . seperti tampak pada tabel di bawah ini. X2.211 df 2 17 19 Mean Square 3.411 .989 Total 9.605 . Error R Square of the Estimate 1 .816 Sig.117 F 30.000 . Berikutnya adalah koefisien korelasi ganda dan pengujian signifikansi koefisien korelasi ganda seperti tampak pada dua tabel di bawah ini.734 . (1-tailed) N Hasil.619 1 (Constant ) X1 .000 . Koefisien tersebut signifikan karena setelah diuji dengan F-test diperoleh harga F sebesar 30. Coefficients Unstandardize d Coefficients Model Standardize t Sig.734 .885. X1 ANOVA Model 1 Regressio n Residual 1.253 .494 .383 .632 5.784 .000 .197 20 20 20 .816 dengan signifikansi 0.200 a Predictors: (Constant). .492 .00.885 .001 .800 . Model Summary Model R R Square Adjusted Std.633 . Correlations d Coefficients B Std.000 . X1 b Dependent Variable: Y Sum of Squares 7.199 . .197 .594 5. 20 20 20 Sig.729 .000 .202 1.075 a Dependent Variable: Y .058 X2 .505 4.202 . X2. . Hasil lain yang diperoleh adalah persamaan garis regresi.000 20 20 20 1. Beta Zero-order Partial Part Error 3.385 .

6. multi media.729 dan 0. 7. 9. Semua koefisen tersebut signifikan karena masing. 7. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio -video. maka tabel di atas akan tampak seperti di bawah ini. 6. 7. 7 Apabila dibuat dalam bentuk tabel kerja. 5. 5. Pada siswa yang berkepribadian ekstrovert. 8. 3. Terdapat pengaruh interaksi antara jenis media pembelajaran dan kepribadian siswa terhadap hasil belajar Bahasa Inggris. ANALISIS VARIAN (ANAVA) 1.411.masing sgnifikansinya 0. 6. multi media. 8. Jadi persamaan garis regresinya adalah Y=0. dan hipermedia.199. dan hipermedia. 7. akan dianalisis data untuk menguji hipotesis: 1. 9. Korelasi parsial untuk X1 dan X2 besarnya masing-masing 0.411X2+3.800. 7. 5. 4. 8. Jenis Media Audio-Video (A1) Kepribadian Ekstrovert (B1) Introvert (B2) Multimedia (A2) Hipermedia (A3) 5.Hasil analisis menunjukkan harga konstanta besarnya 3. Pada siswa yang berkepribadian introvert. 8. Terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. Kelompok dikenali dari variabel bebas (x).00. 8. 4. 6. Sebagai contoh. Entry Data Entry data untuk ANAVA dilakukan untuk variabel terikat (y) secara bersambung untuk semua kelompok. 7 6. 6. 5. 8. 2. 7 6.199.253 dan harga koefisien X2 besarnya 0. Data hasil penelitian adalah sebagi berikut. dan hipermedia. 7 8. 4. 8. B. 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 . 8 7. 9. 6. multi media. harga koefisien X1 besarnya 0. 3.253X1+0. 6 7. 6.

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

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

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

000 .278 Total 1933.266 Model Intercept 1853.149 Error 46. sehingga muncul hasil analisis.643 5 6.167 .357 1 1853. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut.214 9. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis.167 1 1.055 .453 A 24.000 36 1.000 . Jika semua menu yang diperlukan sudah dipilih. .024 3. Misalnya.729 5. Setelah itu.429 2 12. pilih menu Continue.000 42 Sig. Berikutnya. pada contoh di atas dipilih uji Tukey dan Uji Scheffe.048 2 4.559 B 1. Tests of Between-Subjects Effects Dependent Variable: Y Source Type III df Mean F Sum of Square Squares Corrected 33. maka selanjutnya pilih OK.346 .001 .913 A*B 8.Berikan tanda centang (v) pada kotak di depan nama uji lanjut yang dipilih.357 1450.

559 dengan signifikansi 0.43 .46 -. a. Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut.43 .000 lebih kecil daripada a = 0.88 2.342) Hasil analisis menunjukkan bahwa harga F untuk A besarnya 9.05.05.62 .59 1...) yang dipilih. * The mean difference is significant at the .882 .71.41 Based on observed means.46 -. dan hipermedia.67 . maka H0 diterima.62 .43 .43 . terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. besarnya 0. multi media.83 2.43 .54 1.643 41 Total a R Squared = .871 .005 .26 .43 . 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 -1. yakni Uji Tukey dan Uji Scheffe. c.81 -1. Ternyata hasil analisis menunjukkan bahwa sig. maka H1 diterima.71 -.882 . 95% Confidence Interval Lower Bound -2.43 .43 ..871 .001 .003 .21 -1.003 . Tetapkan signifikansi.05 level.005 Std. d.83 -2.001 .71 1. misalnya a=0.001 . sebaliknya bila a ≥ sig.59 Upper Bound -.21 1.Corrected 79. Untuk melihat sel mana yang berbeda harus dilihat hasil uji lanjut (Post Hoc. Dengan demikian H0 ditolak dan H1 diterima. Jadi kesimpulannya. Perbedaan tersebut ditunjukkan oleh bilangan signifikansi .50 . Apabila a < sig.67 .43 .21 -1.26 -.81 2. Susun hipotesis Ho : µ1 = µ2 = µ3 H1 : µ1 ≠ µ2 = µ3 atau µ1= µ2 ≠ µ3 atau µ1 ≠ µ2 ≠ µ3 b. Bandingkan a dengan signifikansi yang diperoleh (sig). seperti tampak di bawah ini.422 (Adjusted R Squared = ..43 . maka untuk Uji Tukey tampak bahwa sel 1 dan sel 2 berbeda secara signifikan dengan koefisien -1. .31 .31 -. Jika diperhatikan hasil di atas.76 -1.21 1.000.71 -.71 1.50 .001 .76 2.88 -2.41 -.43 .54 -2.43 .50 . Error Sig.

) sebesar 0.27 Setelah dimasukkan ke form SPSS. dan kelompok dikenali dari variabel bebas (x).yang diperoleh (sig. terdapat perbedaan hasil belajar antara siswa yang diajar dengan strategi pembelajaran kontruktivis dan siswa yang diajar dengan strategi pembelajaran tutorial. yang tidak ada dalam ANAVA.05 1. yakni 0. Entry Data Entry data untuk ANAKOVA sama halnya dengan ANAVA. Data hasil penelitian adalah sebagi berikut. data dalam form SPSS akan tampak sebagai berikut.45 2.91 2.05.81 3.42 1. ANAKOVA ANAKOVA dengan SPSS mengikuti langkah.77 118 3. . akan dianalisis data untuk menguji hipotesis: Setelah dikendalikan oleh kovariabel motivasi belajar.92 X 122 108 112 120 106 A2 Y 2. 1.36 1. dalam ANAKOVA ada kovariabel yang merupakan variabel numerik. C.74 2. Sebagai contoh.001 yang jauh lebih kecil daripada taraf signifikansi yang ditetapkan. Hanya saja. No X 1 2 3 4 5 6 114 94 106 92 96 A1 Y 2. Dengan cara yang sama dapat dilihat perbedaan antara sel-sel yang lain. yakni variabel terikat (y) dimasukkan secara bersambung.45 2.langkah yang hampir sama dengan ANAVA.

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. .

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

05. e.372 1 .643 Model Intercept 7.285 df Mean Square F 2. . Bandingkan a dengan signifikansi yang diperoleh (sig).x i (residu eij) .305 Total 70. besarnya 0.ni dan I = 1.726 10 Total a R Squared = . dalam ANAVA varian yang dibandingkan berasal dari satu variabel terikat. g. Sama halnya dengan ANAVA.302 lebih besar daripada a = 0. …. Tetapkan signifikansi. tidak terdapat perbedaan hasil belajar antara siswa yang diajar dengan strategi pembelajaran kontruktivis dan siswa yang diajar dengan strategi pembelajaran tutorial. Bedanya. maka H0 diterima.302 Hasil analisis menunjukkan bahwa harga F untuk x besarnya 1. Vektor observasi dapat dikomposisi ulang sesuai model.302.05.x (estimasi efek + x ij .106 . xij (observasi) = x (rata-rata + xi . 2..184 . misalnya a=0. seperti berikut. dengan signifikansi 0. Model MANOVA untuk membandingkan vektor mean sebanyak g adalah sebagai berikut: Xij = µ + τi + eij.642E-02 1 7.441 8 .218 (sama dengan hasil hitungan manual). setela h dikendalikan oleh kovariabel motivasi belajar. sedangkan pada MANOVA. maka H1 diterima. j = 1. Ternyata hasil analisis menunjukkan bahwa sig. 2.227 1. 3.….630 .936E-02 1 6.g.646 . Susun hipotesis Ho : µ1 = µ2 H1 : µ1 ≠ µ2 f. MANOVA merupakan uji beda varian.181) Type III Sum of Squares 1.936E-02 X .218 Sig. 3. Apabila a < sig.738 11 Corrected 3.642E-02 Z 6. D.345 (Adjusted R Squared = . varian yang dibandingkan berasal dari lebih dari satu variabel terikat. Dengan demikian H0 diterima. Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut. sebaliknya bila a ≥ sig.. Jadi kesimpulannya.372 Error 2.Source Corrected 2 . ANALISIS VARIAN M ULTIVARIAT (MANOVA) Analisis varian multivariat merupakan terjemahan dari multivariate analisis of variance (MANOVA).250 .

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.sampel keseluruhan µ) perlakuan τi) Analog dengan ANAVA. 2(Σni-g-1) g=2 Fp. yang populuer dengan sebutan koefisien Wilks lambda. Σni-p-1 . Koefisien Λ* disebut koefisien lambda dari Wilks. Distribusi Λ* yang lebih teliti untuk pengujian H0 dapat dijabarkan. 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. H0: τ1 = τ2 = τ3 = … = τg = 0 Tabel MANOVA untuk membandingkan vektor mean adalah sebagai berikut. 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. hipotesis nol yang diuji dapat dirumuskan sebagai berikut. Σni-g     F2(g-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). 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. 2(Σni-p-2) MANOVA dengan SPSS mengikuti langkah-langkah yang hampir sama dengan ANAVA maupun ANAKOVA. dan siswa yang diajar dengan strategi pembelajaran algoheuristik (A3). siswa yang diajar dengan strategi pembelajaran algoritmik (A2). yn ). Data hasil penelitian adalah sebagi berikut. yakni variabel terikat (y) dimasukkan secara bersambung. y2. Hanya saja. Entry Data Entry data untuk MANOVA sama halnya dengan ANAVA.p≥ 1 g=3  ∑ ni − p − 2  1 − Λ*     Λ* p       F2p. . 1. data dalam form SPSS akan tampak sebagai berikut. Sebagai contoh. dan kelompok dikenali dari variabel bebas (x). dalam MANOVA terdapat lebih dari satu variabel terikat (y1 . ….

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

b. maka baik untuk Y1 maupun Y2 harga F tidak signifikan karena signifikansi keduanya lebih besar dari 0.363 dan untuk Y2 harga F=3. Uji Homogenitas Matriks Varian/Covarian .125 dengan signifikansi 0. seperti tampak pada bagan berikut ini.250 2 5 . baik Y1 ma upun Y2 memiliki varian yang homogen.125 2 5 . seperti bagan berikut.Apabila menu tersebut sudah dipilih. sehingga MANOVA bisa dilanjutkan.132. Bila ditetapkan taraf signifikansi 0. sehingga muncul hasil analisis. Pindahkan y1 dan y2 ke dependent variabel dan x ke fixed faktor(s). Uji Homogenitas Varian Uji homogenitas varian dilihat dari hasil uji Levene. a. Artinya.363 Y2 3.05. Interpretasi Hasil Analisis Interpretasi hasil dilakukan mengikuti mekanisme sebagai berikut. Selanjutnya dipilih kotak option dan dipilih Test of Homogenity. selanjutnya pilih continue dan OK. maka akan tampak kotak dialog. Y1 1. 3.132 Tests the null hypothesis that the error variance of the dependent variable is equal across groups.250 dengan signifikansi 0. a Design: Intercept+X Hasil uji Levene menunjukkan bahwa untuk Y1 harga F=1.05. Levene's Test of Equa lity of Error Variances F df1 df2 Sig.

Uji homogenitas matriks varian/covarian dilihat dari hasil uji Box. 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 .000 8.000 2.003 . a Design: Intercept+X Ternyata harga Box’s M=3. .942 .000 4.706 Tests the null hypothesis that the observed covariance matrices of the dependent variables are equal across groups.679 32.541 . Uji MANOVA digunakan untuk menguji apakah terdapat perbedaan beberapa variabel terikat antara bebrapa kelompok yang berbeda.679 8.679 32.054 F .003 .388 8. Hotelling Trace. dan siswa yang diajar dengan strategi pembelajaran algo-heuristik. c.340 16. Hasil uji Box’s M dengan SPSS tampak pada bagan berikut ini. Dengan demikian hipotesis nol diterima.003 .05.000 2.706.05. Box's Test of Equality of Covariance Matrices Box's M 3.058 16.000 4.000 6.006 . Dalam contoh ini dibedakan hasil belajar teori dan praktik pemrograman untuk siswa yang diajar dengan strategi pembela jaran heuristik. Hasil analisis untuk contoh di atas adalah sebagai berikut.456 Hypothesis Error df df 2.000 10.MANOVA mempersyaratkan bahwa matriks varian/covarian dari variabel dependen sama. Wilk Lambda. Apabila ditetapkan taraf signifikansi penelitian 0.000 4. sehingga analisis MANOVA dapat dilanjutkan.679 32.054 dengan signifikansi 0. .000 4. siswa yang diajar dengan strategi pembelajaran algoritmik. Apabila harga Box’s M signifikan maka hipotesis nol yang menyatakan bahwa matriks varian/covarian dari variabel dependen sama ditolak.038 9.466 df1 3 df2 2880 Sig. Berarti matriks varian/covarian dari variabel dependen sama. Uji MANOVA Setelah kedua uji persyaratan hipotesis dipenuhi dilanjutkan dengan uji hipotesis MANOVA. maka harga Box’s M yang diperoleh tidak signifikan karena signifikansi yang diperoleh 0.016 X . Roy’s Largest Root.000 2. Keputusan diambil dengan analisis Pillae Trace.000 4.340 1.000 Sig.003 .000 4.706 lebih besar dari 0.941 F 32. Dalam kondisi ini analisis MANOVA tidak dapat dilanjutkan.199 7.003 .000 4.

tidak terdapat perbedaan hasil balajar praktik pemrograman yang diakibatkan oleh perbedaan strategi pembelajaran. Wilk Lambda. harga F untuk Pillae Trace.500 5.500 5. hubungan antara strategi pembelajaran (x) dengan hasil belajar praktik pemrograman (y2) meberikan harga F sebesar 5.714 168. dan siswa yang diajar dengan strategi pembelajaran algo . Roy’s Largest Root. Hotelling Trace.800 F Sig.000 .000 df Mean Square 39.000 24. Artinya.Roy's Largest 8. Di lain pihak.000 24.x memiliki signifikansi yang lebih kecil dari 0. Hal ini menunjukkan bahwa terdapat perbedaan hasil belajar teori yang diak ibatkan oleh perbedaan strategi pembelajaran. 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 5.000 272. Hotelling Trace.000 7 a R Squared = .857 35. yang tidak signifikan pada taraf signifikansi 0.000 103.667 (Adjusted R Squared = .500 dengan signifikansi 0.05. Wilk Lambda.05.886 (Adjusted R Squared = . Jadi. terdapat perbedaan hasil belajar teori (y1) dan praktik pemrograman (y2) antara siswa yang diajar dengan strategi pembelajaran heuristik (A1). tests of between-subjects effects. Artinya.064 .064 Y2 72.000 24. c Design: Intercept+X Hasil analisis menunjukkan bahwa harga F untuk Pillae Trace.004 .004.000 10.001 .000 39.000 51.heuristik (A3).064.004 .002 . Selanjutnya.000 . Roy’s Largest Root semuanya signifikan.191 2. 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 78.000 103.000 88.000 48. 2 2 1 1 2 2 5 5 8 8 7 19.841) b R Squared = .004 Root a Exact statistic b The statistic is an upper bound on F that yields a lower bound on the significance level.000 2.000 19.000 216. siswa yang diajar dengan strategi pembelajaran algoritmik (A2).714 168.00 dengan signifikansi 0.000 4.000 78.533) .076 20.000 48.

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

Sign up to vote on this title
UsefulNot useful