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.

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

096 df1 2 2 2 2 df2 57 57 55. a. pinggiran kota (X2). jika hasil uji signifikan maka kenormalan tidak dipenuhi.05. . jauh melebihi 0. Entry Data Data dimasukkan ke lembar kerja SPSS dengan menggunakan nama variabel x dan y. Hipotesis yang diuji ialah : H0 : Variansi pada tiap kelompok sama (homogen) H1 : Variansi pada tiap kelompok tidak sama (tidak homogen) Dengan demikian.918 . Uji linieritas antara variabel bebas X dengan variabel terikat Y memanfaatkan SPSS dilakukan melalui langkah-langkah sebagai berikut. maka variansi setiap sampel sama (homogen) • Jika signifikansi yang diperoleh <α . misalnya α = 0.05 • Bandingkan p dengan taraf signifikansi yang diperoleh • Jika signifikansi yang diperoleh > α .909 Y Interpretasi dilakukan dengan memilih salah satu statistik.086 Based on Median and . b. Uji Linieritas Uji linieritas dilakukan dilakukan dengan mencari persamaan garis regresi variabel bebas x terhadap variabel terikat y. .907. Sebaliknya. selanjutnya diuji keberartian koefisien garis regresi serta linieritasnya. Untuk menetapkan homogenitas digunakan pedoman sebagai berikut. • Tetapkan tarap signifikansi uji.b. Menafsirkan Hasil Uji Homogenitas Sebagai contoh. Hasil analisis adalah seperti tercantum pada gambar berikut. Pada kolom Sig. Berdasarkan garis regresi yang telah dibuat. yang telah diuji secara manual dengan uji Bartlett sebelumnya.918 . terdapat bilangan yang menunjukkan taraf signifikansi yang diperoleh. dan perkotaan (X3). pada kesempatan ini diuji homogenitas data untuk uji perbedaan tingkat kemandirian anak (Y) berdasarkan kelompok daerah. Dengan demikian data penelitian di atas homogen. yaitu statistik yang didasarkan pada ratarata (Based on Mean).098 Based on Median .05 atau 0. yaitu pedesaan (X1). Test of Homogeneity of Variance Levene Statistic Based on Mean .907 . C. kehomogenan dipenuhi jika hasil uji tidak signifikan untuk suatu taraf signifikasi (α ) tertentu (Biasanya α = 0. maka variansi setiap sampel tidak sama (tidak homogen) Ternyata pengujian dengan statistik Based on Mean diperoleh signifikansi 0.882 57 Sig. Sama seperti untuk uji normalitas.086 with adjusted df Based on trimmed mean . Analisis Analisis dilakukan dengan mekanisme pemilihan menu sebagai berikut.01).

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

791 15 39 117.963 . .350 1 7308. Interpretasi Hasil Bila data yang telah diuji secara manual diuji lagi dengan SPSS.. Interpretasi hasil analisis dilakukan dengan: . ANOVA Table Y * X Between Groups (Combined) Linearity Deviation from Linearity Sum of Squares 9447.membandingkan signifikansi yang ditetapkan dengan signifikansi yang diperoleh dari analsisis (Sig.209 23 92.042 7308. (Tidak semua hasil ditampilkan).702. berarti regresi tidak linier Ternyata hasil analisis menunjukkan bahwa sig.627 3.375 df Mean Square F 24 393.Susun hipotesis: H0: Model regresi linier H1: Model regresi tidak linier .009 . berarti model regresi linier.. maka H1diterima.) Bila a < Sig.157 1762.05) .menetapkan taraf signifikansi (misalnya a=.000 .885 62.702 Within Groups Total Hasil analisis menunjukkan bahwa harga F sebesar 0.791) > a (0.(0.885 2138. berarti regresi linier Bila a ≥ ig. maka akan tampak hasilnya seperti pada bagan berikut ini.05).489 Sig.c. .791 dengan signifikansi 0. maka H0 diterima.333 11209.

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

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

Pendeteksian konstan atau tidaknya varian error konstan dapat dilakukan dengan menggambar grafik antara y dengan residu (y. dan hubungan interpersonal (x3) terhadap kinerja (y) tidak terjadi multikolinieritas antar variabel bebas.080 1. Coefficients Collinearity Statistics Tolerance .865 . nilai tolerance mendekati 1 untuk semua variabel bebas. Contoh berikut menampilkan uji heterokedastisitas dengan grafik. Langkah Pengujian a. Uji Heterokedastisitas Heterokedastisitas terjadi dalam regresi apabila varian error (ei) untuk beberapa nilai x tidak konstan atau berubah-ubah.y). Apabila garis yang membatasi sebaran titik -titik relatif paralel maka varian error dikatakan konstan. dapat disimpulkan bahwa dalam regresi antara variabel bebas insentif (x1).926 .Hasil yang tampak dari uji multikolinieritas adalah seperti berikut. E. Demikian pula. untuk data hubungan antara insentif (x) dengan kinerja. Dengan demikian.911 Model 1 X1 X2 X3 a Dependent Variable: Y VIF 1.098 Ternyata nilai VIF mendekati 1 untuk semua variabel bebas. iklim kerja (x2). 1. Analisis Data Pilih menu sebagai berikut: . Entry Data Pada form SPSS dimasukkan data insentif sebagai variabel x dan data kinerja sebagai variabel y. yang telah diuji linieritasnya. b.156 1.

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

0 -. tidak terjadi pola tertentu. maka autokorelasi tidak terjadi. Dengan demikian dapat disimpulkan bahwa tidak terjadi heterokedastisitas. Scatterplot Dependent Variable: Y 1.0 . kemudian OK. Autokorelasi biasanya terjadi apabila pengukuran variabel dilakukan dalam intereval watu tertentu.5 0.Pada bagian akhir dipilih continue.5 Regression Studentized Residual 1.0 -2. maka ? akan mendekati +1 atau -1. Setelah itu. et ) ? 0.5 1. Apabila autokorelasi terjadi.5 -1.5 Regression Standardized Predicted Value Pada grafik di atas tampak titik -titik menyebar di atas dan di bawah sumbu Y. Hubungan antara et dengan et-1 dapat dinyatakan seperti berikut.0 . et = ? et-1 + vt ? menyatakan koefisien autokorelasi populasi. akan tampak hasil analisis sperti di bawah ini (ditampilkan hanya sebagian). Apabila ?=0. Menduga terjadi tidaknya . F.0 1.5 -2.0 -.5 0.0 -1.0 -1.5 -1. Uji Autokorelasi Autokorelasi terjadi dalam regresi apabila dua error et-1 dan et tidak independent atau C(et-1.

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

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

x2. iklim kerja (x2). dapat disimpulkan bahwa dalam regresi antara variabel bebas insentif (x1). Sebagai contoh.067. mendekati 2. Dengan demikian. Data hasil penelitian adalah sebagi berikut. X1 5 8 7 X2 6 8 8 Y 7 9 8 R R Square Adjusted R Square . ANALISIS REGRESI 1. Entry Data Entry data untuk Analisis Regresi dilakukan untuk variabel bebas (x1. Model Summary Model Std.614 . insentif b Dependent Variable: kinerja Ternyata koefisien Durbin-Watson besarnya 2. hub. interpersonal. II. dan hubungan interpersonal (x3) terhadap kinerja (y) tidak terjadi autokorelasi. Error Durbinof the Watson Estimate 1 .Hasil yang tampak dari uji autokorelasi adalah sebagai berikut. iklim kerja.306 4.1246 2. akan dianalisis data untuk menguji hipotesis: Terdapat hubungan antara kemampuan verbal (x1) dan kemampuan numerik (x2) dengan kemampuan memprogram komputer. …) dan variabel terikat (y) secara independen. ANALISIS DATA UNTUK UJI HIPOTESIS A.067 a Predictors: (Constant).378 .

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.

dengan langkah.2. 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.

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

Berikan tanda centang (v) pada kotak di depan nama output yang dipilih. pada contoh di atas dipilih R Squared Change.1000 1.633 X2 .6500 1.000 X1 . dan banyak data.734 . Part and partial correlations dan seterusnya. Correlations Pearson Y Y 1. Setelah itu.3870 7. Misalnya. sehingga muncul hasil analisis. Descriptive. Berikutnya.6959 6. standar deviasi. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut.0712 N 20 20 20 Tabel di atas menunjukkan harga rata-rata (mean). maka selanjutnya pilih OK. Deviation 7.8000 . pilih menu Continue. Hasil berikutnya adalah koefisien korelasi antarvariabel seperti tampak pada tabel di bawah ini. Descriptive Statistics Mean Y X1 X2 Std. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis. Jika semua menu yang diperlukan sudah dipilih.

885 . seperti tampak pada tabel di bawah ini. X2.000 . Berikutnya adalah koefisien korelasi ganda dan pengujian signifikansi koefisien korelasi ganda seperti tampak pada dua tabel di bawah ini.001 .383 . Error R Square of the Estimate 1 .594 5.800 . Beta Zero-order Partial Part Error 3.492 .202 1.385 . .633 .117 F 30.632 5.784 .619 1 (Constant ) X1 .000 .197 .633 .000 .494 .197 20 20 20 .734 .000 .605 .885.816 Sig.199 . .505 4. Koefisien tersebut signifikan karena setelah diuji dengan F-test diperoleh harga F sebesar 30.729 .816 dengan signifikansi 0. Coefficients Unstandardize d Coefficients Model Standardize t Sig. X2.202 . X1 ANOVA Model 1 Regressio n Residual 1.000 Hasil di atas menunjukkan koefisien korelasi ganda R sebesar 0.253 .001 . .3421 a Predictors: (Constant).Correlation X1 X2 Y X1 X2 Y X1 X2 . (1-tailed) N Hasil. Correlations d Coefficients B Std.411 .000 20 20 20 1.00.758 .000 .058 X2 . X1 b Dependent Variable: Y Sum of Squares 7. Hasil lain yang diperoleh adalah persamaan garis regresi. Model Summary Model R R Square Adjusted Std. 20 20 20 Sig.200 a Predictors: (Constant).075 a Dependent Variable: Y .734 .000 .989 Total 9.211 df 2 17 19 Mean Square 3.

7 8. 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. 4. 2.253X1+0. harga koefisien X1 besarnya 0. 9. Jadi persamaan garis regresinya adalah Y=0. Data hasil penelitian adalah sebagi berikut. B. Jenis Media Audio-Video (A1) Kepribadian Ekstrovert (B1) Introvert (B2) Multimedia (A2) Hipermedia (A3) 5.00. dan hipermedia. 5. ANALISIS VARIAN (ANAVA) 1. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video.411. multi media. 8. multi media.Hasil analisis menunjukkan harga konstanta besarnya 3. 9. 7. 8. multi media.729 dan 0.199. Pada siswa yang berkepribadian introvert. 6. Kelompok dikenali dari variabel bebas (x). 7 Apabila dibuat dalam bentuk tabel kerja. 7. Terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. Pada siswa yang berkepribadian ekstrovert. 6. 7. 8.800. maka tabel di atas akan tampak seperti di bawah ini. 3.masing sgnifikansinya 0. Entry Data Entry data untuk ANAVA dilakukan untuk variabel terikat (y) secara bersambung untuk semua kelompok. 5. 6. 6. 8 7. 6. dan hipermedia. 6 7.199. Terdapat pengaruh interaksi antara jenis media pembelajaran dan kepribadian siswa terhadap hasil belajar Bahasa Inggris.253 dan harga koefisien X2 besarnya 0. 8. 9. 8. Korelasi parsial untuk X1 dan X2 besarnya masing-masing 0. 7 6. 4.411X2+3. Sebagai contoh. Semua koefisen tersebut signifikan karena masing. 7. 7 6. akan dianalisis data untuk menguji hipotesis: 1. 7. 3. 6. 4. 6. 5. 5. dan hipermedia. 8. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio -video.

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

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

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

maka selanjutnya pilih OK.913 A*B 8. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut.266 Model Intercept 1853. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis.000 . pilih menu Continue. Setelah itu.Berikan tanda centang (v) pada kotak di depan nama uji lanjut yang dipilih.048 2 4.429 2 12.000 42 Sig.346 .729 5. Tests of Between-Subjects Effects Dependent Variable: Y Source Type III df Mean F Sum of Square Squares Corrected 33.559 B 1. Berikutnya.000 36 1.357 1 1853. sehingga muncul hasil analisis.453 A 24. .357 1450.055 .149 Error 46.000 .024 3. Jika semua menu yang diperlukan sudah dipilih.278 Total 1933. Misalnya.001 .167 .643 5 6.167 1 1.214 9. pada contoh di atas dipilih uji Tukey dan Uji Scheffe.

422 (Adjusted R Squared = .50 -1.43 .54 -2.005 Std.001 . maka H1 diterima. sebaliknya bila a ≥ sig.71 1. Tetapkan signifikansi.05. Jika diperhatikan hasil di atas.41 Based on observed means..26 . * The mean difference is significant at the .871 .003 .88 -2.43 .50 .003 . 95% Confidence Interval Lower Bound -2. maka untuk Uji Tukey tampak bahwa sel 1 dan sel 2 berbeda secara signifikan dengan koefisien -1.83 -2.43 .000 lebih kecil daripada a = 0. 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 -1.26 -.71 -. Dengan demikian H0 ditolak dan H1 diterima.71.21 1. Apabila a < sig.88 2.71 1.62 .559 dengan signifikansi 0.46 -.50 .76 -1.62 .50 . seperti tampak di bawah ini.43 .21 -1.) yang dipilih.21 -1.41 -. besarnya 0. maka H0 diterima.43 . . Jadi kesimpulannya.005 . Error Sig.59 Upper Bound -.05 level..43 . a. misalnya a=0.67 .54 1.Corrected 79.67 .001 .43 .83 2. yakni Uji Tukey dan Uji Scheffe.342) Hasil analisis menunjukkan bahwa harga F untuk A besarnya 9.43 . dan hipermedia.871 .001 .71 -.31 -. Untuk melihat sel mana yang berbeda harus dilihat hasil uji lanjut (Post Hoc.43 ..81 2.43 .21 1.59 1.46 -.. multi media.43 .643 41 Total a R Squared = . terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video.81 -1.43 . Susun hipotesis Ho : µ1 = µ2 = µ3 H1 : µ1 ≠ µ2 = µ3 atau µ1= µ2 ≠ µ3 atau µ1 ≠ µ2 ≠ µ3 b. c.882 . d. Bandingkan a dengan signifikansi yang diperoleh (sig). Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut.882 .001 . Ternyata hasil analisis menunjukkan bahwa sig. Perbedaan tersebut ditunjukkan oleh bilangan signifikansi .000.05.31 .76 2.

45 2.) sebesar 0.36 1.27 Setelah dimasukkan ke form SPSS. yakni variabel terikat (y) dimasukkan secara bersambung. C.langkah yang hampir sama dengan ANAVA. yang tidak ada dalam ANAVA.001 yang jauh lebih kecil daripada taraf signifikansi yang ditetapkan. terdapat perbedaan hasil belajar antara siswa yang diajar dengan strategi pembelajaran kontruktivis dan siswa yang diajar dengan strategi pembelajaran tutorial.05.77 118 3. dan kelompok dikenali dari variabel bebas (x). Sebagai contoh.74 2.42 1. data dalam form SPSS akan tampak sebagai berikut. Entry Data Entry data untuk ANAKOVA sama halnya dengan ANAVA. yakni 0. Hanya saja.05 1.yang diperoleh (sig.91 2. 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. dalam ANAKOVA ada kovariabel yang merupakan variabel numerik. 1. Data hasil penelitian adalah sebagi berikut.45 2.92 X 122 108 112 120 106 A2 Y 2. akan dianalisis data untuk menguji hipotesis: Setelah dikendalikan oleh kovariabel motivasi belajar. ANAKOVA ANAKOVA dengan SPSS mengikuti langkah.81 3. .

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

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

227 1. 2.250 .372 1 .441 8 . Jadi kesimpulannya. Dengan demikian H0 diterima.643 Model Intercept 7. Ternyata hasil analisis menunjukkan bahwa sig.Source Corrected 2 . Sama halnya dengan ANAVA.…. …. Bedanya. setela h dikendalikan oleh kovariabel motivasi belajar.302 Hasil analisis menunjukkan bahwa harga F untuk x besarnya 1.05. 3. Apabila a < sig. 3. ANALISIS VARIAN M ULTIVARIAT (MANOVA) Analisis varian multivariat merupakan terjemahan dari multivariate analisis of variance (MANOVA).305 Total 70.218 Sig. MANOVA merupakan uji beda varian. Model MANOVA untuk membandingkan vektor mean sebanyak g adalah sebagai berikut: Xij = µ + τi + eij. e.x (estimasi efek + x ij . besarnya 0. sedangkan pada MANOVA.05.285 df Mean Square F 2.372 Error 2.936E-02 1 6.. dalam ANAVA varian yang dibandingkan berasal dari satu variabel terikat.181) Type III Sum of Squares 1.218 (sama dengan hasil hitungan manual).646 . maka H0 diterima. varian yang dibandingkan berasal dari lebih dari satu variabel terikat. g.738 11 Corrected 3. Vektor observasi dapat dikomposisi ulang sesuai model.g.302. Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut.184 . 2. dengan signifikansi 0.642E-02 1 7.106 .302 lebih besar daripada a = 0.x i (residu eij) .936E-02 X .630 . maka H1 diterima.642E-02 Z 6. seperti berikut. Susun hipotesis Ho : µ1 = µ2 H1 : µ1 ≠ µ2 f. misalnya a=0. tidak terdapat perbedaan hasil belajar antara siswa yang diajar dengan strategi pembelajaran kontruktivis dan siswa yang diajar dengan strategi pembelajaran tutorial. xij (observasi) = x (rata-rata + xi . Bandingkan a dengan signifikansi yang diperoleh (sig). . sebaliknya bila a ≥ sig. j = 1.. D. Tetapkan signifikansi.345 (Adjusted R Squared = .726 10 Total a R Squared = .ni dan I = 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. Distribusi Λ* yang lebih teliti untuk pengujian H0 dapat dijabarkan. 2(Σni-g-1) g=2 Fp. 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. 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. seperti pada tabel berikut. yang populuer dengan sebutan koefisien Wilks lambda.sampel keseluruhan µ) perlakuan τi) Analog dengan ANAVA. Σni-g     F2(g-1).

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

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

250 dengan signifikansi 0. seperti tampak pada bagan berikut ini. Uji Homogenitas Matriks Varian/Covarian . sehingga muncul hasil analisis. Interpretasi Hasil Analisis Interpretasi hasil dilakukan mengikuti mekanisme sebagai berikut. a. Y1 1. Uji Homogenitas Varian Uji homogenitas varian dilihat dari hasil uji Levene. b.125 2 5 . Selanjutnya dipilih kotak option dan dipilih Test of Homogenity.363 Y2 3. Artinya.132.250 2 5 . Levene's Test of Equa lity of Error Variances F df1 df2 Sig. maka baik untuk Y1 maupun Y2 harga F tidak signifikan karena signifikansi keduanya lebih besar dari 0.05.05. 3. baik Y1 ma upun Y2 memiliki varian yang homogen. Pindahkan y1 dan y2 ke dependent variabel dan x ke fixed faktor(s).125 dengan signifikansi 0. maka akan tampak kotak dialog. seperti bagan berikut. selanjutnya pilih continue dan OK.363 dan untuk Y2 harga F=3. a Design: Intercept+X Hasil uji Levene menunjukkan bahwa untuk Y1 harga F=1.Apabila menu tersebut sudah dipilih. Bila ditetapkan taraf signifikansi 0.132 Tests the null hypothesis that the error variance of the dependent variable is equal across groups. sehingga MANOVA bisa dilanjutkan.

679 8. Hasil uji Box’s M dengan SPSS tampak pada bagan berikut ini.706 lebih besar dari 0.000 8.000 4.456 Hypothesis Error df df 2. Apabila ditetapkan taraf signifikansi penelitian 0. Hasil analisis untuk contoh di atas adalah sebagai berikut. a Design: Intercept+X Ternyata harga Box’s M=3. Box's Test of Equality of Covariance Matrices Box's M 3. maka harga Box’s M yang diperoleh tidak signifikan karena signifikansi yang diperoleh 0.466 df1 3 df2 2880 Sig.003 .000 10.541 .679 32.003 .003 . Berarti matriks varian/covarian dari variabel dependen sama. Uji MANOVA Setelah kedua uji persyaratan hipotesis dipenuhi dilanjutkan dengan uji hipotesis MANOVA. c. Wilk Lambda.000 4.006 . .942 .000 2. dan siswa yang diajar dengan strategi pembelajaran algo-heuristik.941 F 32.199 7.054 F .003 . sehingga analisis MANOVA dapat dilanjutkan. Uji MANOVA digunakan untuk menguji apakah terdapat perbedaan beberapa variabel terikat antara bebrapa kelompok yang berbeda.MANOVA mempersyaratkan bahwa matriks varian/covarian dari variabel dependen sama.038 9.05.000 4. .054 dengan signifikansi 0. Uji homogenitas matriks varian/covarian dilihat dari hasil uji Box. Roy’s Largest Root.000 6.340 1. Hotelling Trace. Keputusan diambil dengan analisis Pillae Trace. siswa yang diajar dengan strategi pembelajaran algoritmik. Dalam contoh ini dibedakan hasil belajar teori dan praktik pemrograman untuk siswa yang diajar dengan strategi pembela jaran heuristik.388 8.000 Sig.000 4. Dalam kondisi ini analisis MANOVA tidak dapat dilanjutkan.340 16.000 4.05. Dengan demikian hipotesis nol diterima.000 2.679 32.000 4.003 .000 2.706. Apabila harga Box’s M signifikan maka hipotesis nol yang menyatakan bahwa matriks varian/covarian dari variabel dependen sama ditolak.016 X .706 Tests the null hypothesis that the observed covariance matrices of the dependent variables are equal across groups.000 4. Multivariate Tests Effect Intercept Pillai's Trace Wilks' Lambda Hotelling's Trace Roy's Largest Root Pillai's Trace Wilks' Lambda Hotelling's Trace Value .058 16.679 32.

Artinya.064 . 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. tests of between-subjects effects.076 20.000 24.000 .001 .064 Y2 72. Jadi.191 2.000 5.000 88. 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 10.002 . hubungan antara strategi pembelajaran (x) dengan hasil belajar praktik pemrograman (y2) meberikan harga F sebesar 5. Hal ini menunjukkan bahwa terdapat perbedaan hasil belajar teori yang diak ibatkan oleh perbedaan strategi pembelajaran.714 168.000 4.000 24.714 168.886 (Adjusted R Squared = .533) .000 272.004 . Di lain pihak. dan siswa yang diajar dengan strategi pembelajaran algo .000 . Hotelling Trace. Artinya. c Design: Intercept+X Hasil analisis menunjukkan bahwa harga F untuk Pillae Trace.004 .000 24.000 216.857 35.667 (Adjusted R Squared = . harga F untuk Pillae Trace.000 103.000 2.800 F Sig.004 Root a Exact statistic b The statistic is an upper bound on F that yields a lower bound on the significance level.05.000 78. 2 2 1 1 2 2 5 5 8 8 7 19.000 7 a R Squared = .heuristik (A3).500 5.000 51.000 df Mean Square 39.500 5.064.Roy's Largest 8.000 39. Hotelling Trace.x memiliki signifikansi yang lebih kecil dari 0.000 19. yang tidak signifikan pada taraf signifikansi 0. Roy’s Largest Root semuanya signifikan.00 dengan signifikansi 0. siswa yang diajar dengan strategi pembelajaran algoritmik (A2).000 48.000 48.500 dengan signifikansi 0.841) b R Squared = .004.000 103. Wilk Lambda. Roy’s Largest Root.05. Selanjutnya. tidak terdapat perbedaan hasil balajar praktik pemrograman yang diakibatkan oleh perbedaan strategi pembelajaran. Wilk Lambda. terdapat perbedaan hasil belajar teori (y1) dan praktik pemrograman (y2) antara siswa yang diajar dengan strategi pembelajaran heuristik (A1).

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

Sign up to vote on this title
UsefulNot useful