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.

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

Berdasarkan garis regresi yang telah dibuat. jauh melebihi 0.907. yaitu pedesaan (X1). Entry Data Data dimasukkan ke lembar kerja SPSS dengan menggunakan nama variabel x dan y. kehomogenan dipenuhi jika hasil uji tidak signifikan untuk suatu taraf signifikasi (α ) tertentu (Biasanya α = 0.882 57 Sig. . selanjutnya diuji keberartian koefisien garis regresi serta linieritasnya.05 atau 0.907 . dan perkotaan (X3).01). Dengan demikian data penelitian di atas homogen. C. Test of Homogeneity of Variance Levene Statistic Based on Mean . Uji Linieritas Uji linieritas dilakukan dilakukan dengan mencari persamaan garis regresi variabel bebas x terhadap variabel terikat y. Sebaliknya.086 Based on Median and .05 • Bandingkan p dengan taraf signifikansi yang diperoleh • Jika signifikansi yang diperoleh > α . pada kesempatan ini diuji homogenitas data untuk uji perbedaan tingkat kemandirian anak (Y) berdasarkan kelompok daerah. • Tetapkan tarap signifikansi uji. misalnya α = 0. Hipotesis yang diuji ialah : H0 : Variansi pada tiap kelompok sama (homogen) H1 : Variansi pada tiap kelompok tidak sama (tidak homogen) Dengan demikian.b. terdapat bilangan yang menunjukkan taraf signifikansi yang diperoleh. Analisis Analisis dilakukan dengan mekanisme pemilihan menu sebagai berikut. Uji linieritas antara variabel bebas X dengan variabel terikat Y memanfaatkan SPSS dilakukan melalui langkah-langkah sebagai berikut.05. yaitu statistik yang didasarkan pada ratarata (Based on Mean). pinggiran kota (X2). yang telah diuji secara manual dengan uji Bartlett sebelumnya. . Sama seperti untuk uji normalitas. Pada kolom Sig. jika hasil uji signifikan maka kenormalan tidak dipenuhi. b.918 .098 Based on Median . a.918 . maka variansi setiap sampel sama (homogen) • Jika signifikansi yang diperoleh <α . Menafsirkan Hasil Uji Homogenitas Sebagai contoh.096 df1 2 2 2 2 df2 57 57 55.086 with adjusted df Based on trimmed mean . maka variansi setiap sampel tidak sama (tidak homogen) Ternyata pengujian dengan statistik Based on Mean diperoleh signifikansi 0.909 Y Interpretasi dilakukan dengan memilih salah satu statistik. Untuk menetapkan homogenitas digunakan pedoman sebagai berikut. Hasil analisis adalah seperti tercantum pada gambar berikut.

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

.885 2138.791 15 39 117..885 62. ANOVA Table Y * X Between Groups (Combined) Linearity Deviation from Linearity Sum of Squares 9447.333 11209.791 dengan signifikansi 0. Interpretasi hasil analisis dilakukan dengan: . berarti model regresi linier. berarti regresi linier Bila a ≥ ig.(0.489 Sig.membandingkan signifikansi yang ditetapkan dengan signifikansi yang diperoleh dari analsisis (Sig. . maka akan tampak hasilnya seperti pada bagan berikut ini.c. (Tidak semua hasil ditampilkan).009 .209 23 92.702 Within Groups Total Hasil analisis menunjukkan bahwa harga F sebesar 0.157 1762.05) .000 .791) > a (0. maka H1diterima.05).702.375 df Mean Square F 24 393..963 .042 7308.627 3.Susun hipotesis: H0: Model regresi linier H1: Model regresi tidak linier . maka H0 diterima.) Bila a < Sig.menetapkan taraf signifikansi (misalnya a=. Interpretasi Hasil Bila data yang telah diuji secara manual diuji lagi dengan SPSS. berarti regresi tidak linier Ternyata hasil analisis menunjukkan bahwa sig.350 1 7308.

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

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

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

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

maka autokorelasi tidak terjadi. Setelah itu.0 -2. Menduga terjadi tidaknya .5 -2.5 0. Uji Autokorelasi Autokorelasi terjadi dalam regresi apabila dua error et-1 dan et tidak independent atau C(et-1.0 -. et ) ? 0. tidak terjadi pola tertentu.5 Regression Studentized Residual 1.5 Regression Standardized Predicted Value Pada grafik di atas tampak titik -titik menyebar di atas dan di bawah sumbu Y.0 1.0 . Autokorelasi biasanya terjadi apabila pengukuran variabel dilakukan dalam intereval watu tertentu. maka ? akan mendekati +1 atau -1.5 0.0 -. kemudian OK.Pada bagian akhir dipilih continue. Dengan demikian dapat disimpulkan bahwa tidak terjadi heterokedastisitas. et = ? et-1 + vt ? menyatakan koefisien autokorelasi populasi. Apabila autokorelasi terjadi.0 -1. Hubungan antara et dengan et-1 dapat dinyatakan seperti berikut.0 . akan tampak hasil analisis sperti di bawah ini (ditampilkan hanya sebagian).0 -1. Apabila ?=0.5 -1. Scatterplot Dependent Variable: Y 1.5 -1.5 1. F.

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

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

…) dan variabel terikat (y) secara independen. Error Durbinof the Watson Estimate 1 . Entry Data Entry data untuk Analisis Regresi dilakukan untuk variabel bebas (x1. x2.Hasil yang tampak dari uji autokorelasi adalah sebagai berikut. ANALISIS REGRESI 1. dan hubungan interpersonal (x3) terhadap kinerja (y) tidak terjadi autokorelasi. mendekati 2. dapat disimpulkan bahwa dalam regresi antara variabel bebas insentif (x1). Dengan demikian. hub. interpersonal. II.1246 2.614 . Model Summary Model Std. ANALISIS DATA UNTUK UJI HIPOTESIS A.067. X1 5 8 7 X2 6 8 8 Y 7 9 8 R R Square Adjusted R Square .067 a Predictors: (Constant). iklim kerja.378 . Sebagai contoh. Data hasil penelitian adalah sebagi berikut. iklim kerja (x2). akan dianalisis data untuk menguji hipotesis: Terdapat hubungan antara kemampuan verbal (x1) dan kemampuan numerik (x2) dengan kemampuan memprogram komputer.306 4. insentif b Dependent Variable: kinerja Ternyata koefisien Durbin-Watson besarnya 2.

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

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

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.

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

sehingga muncul hasil analisis. Jika semua menu yang diperlukan sudah dipilih. Descriptive Statistics Mean Y X1 X2 Std. Descriptive.000 X1 . Setelah itu. Part and partial correlations dan seterusnya. Berikutnya.3870 7. Deviation 7. dan banyak data. Misalnya. maka selanjutnya pilih OK.Berikan tanda centang (v) pada kotak di depan nama output yang dipilih.633 X2 .1000 1. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis.734 .8000 .6959 6. Hasil berikutnya adalah koefisien korelasi antarvariabel seperti tampak pada tabel di bawah ini. Correlations Pearson Y Y 1.0712 N 20 20 20 Tabel di atas menunjukkan harga rata-rata (mean). pada contoh di atas dipilih R Squared Change. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut. pilih menu Continue. standar deviasi.6500 1.

202 .816 dengan signifikansi 0.000 .00. X2.734 .734 . .117 F 30.075 a Dependent Variable: Y .197 . .197 20 20 20 .202 1. Correlations d Coefficients B Std.000 .632 5.211 df 2 17 19 Mean Square 3.494 .885. X2. Model Summary Model R R Square Adjusted Std.001 .989 Total 9. Berikutnya adalah koefisien korelasi ganda dan pengujian signifikansi koefisien korelasi ganda seperti tampak pada dua tabel di bawah ini.729 .385 .885 . 20 20 20 Sig. Coefficients Unstandardize d Coefficients Model Standardize t Sig.200 a Predictors: (Constant).784 .199 .605 .000 . seperti tampak pada tabel di bawah ini.000 20 20 20 1.000 .633 .758 .001 . (1-tailed) N Hasil.3421 a Predictors: (Constant).Correlation X1 X2 Y X1 X2 Y X1 X2 .000 .383 .000 Hasil di atas menunjukkan koefisien korelasi ganda R sebesar 0.000 . .594 5. Hasil lain yang diperoleh adalah persamaan garis regresi.505 4.816 Sig.253 . X1 b Dependent Variable: Y Sum of Squares 7. Beta Zero-order Partial Part Error 3.633 .619 1 (Constant ) X1 . X1 ANOVA Model 1 Regressio n Residual 1.058 X2 .411 . Error R Square of the Estimate 1 .800 .492 . Koefisien tersebut signifikan karena setelah diuji dengan F-test diperoleh harga F sebesar 30.

Jenis Media Audio-Video (A1) Kepribadian Ekstrovert (B1) Introvert (B2) Multimedia (A2) Hipermedia (A3) 5. 8. 7. 6. dan hipermedia. 6. 8. 5.729 dan 0. harga koefisien X1 besarnya 0.199. Sebagai contoh. Semua koefisen tersebut signifikan karena masing. 4. 8. 5. maka tabel di atas akan tampak seperti di bawah ini. Entry Data Entry data untuk ANAVA dilakukan untuk variabel terikat (y) secara bersambung untuk semua kelompok. 8. Korelasi parsial untuk X1 dan X2 besarnya masing-masing 0. 6.411X2+3. 7 Apabila dibuat dalam bentuk tabel kerja. Pada siswa yang berkepribadian introvert. 4. 7. 7. multi media. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio -video. 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 6. 7 6. 6 7. 8. 9. B. 6. 6. 3. Pada siswa yang berkepribadian ekstrovert. akan dianalisis data untuk menguji hipotesis: 1. 6. 9. 5. 7.800. 7.masing sgnifikansinya 0. 7. multi media. 6.199. Terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. dan hipermedia.Hasil analisis menunjukkan harga konstanta besarnya 3. 2. multi media. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. Data hasil penelitian adalah sebagi berikut. 8 7. 3. Jadi persamaan garis regresinya adalah Y=0.411. dan hipermedia. Terdapat pengaruh interaksi antara jenis media pembelajaran dan kepribadian siswa terhadap hasil belajar Bahasa Inggris. Kelompok dikenali dari variabel bebas (x). 8. 7 8.253 dan harga koefisien X2 besarnya 0. 4.00. ANALISIS VARIAN (ANAVA) 1. 8.253X1+0. 9. 5.

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

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

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

pada contoh di atas dipilih uji Tukey dan Uji Scheffe.167 1 1.000 . pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis.149 Error 46. Tests of Between-Subjects Effects Dependent Variable: Y Source Type III df Mean F Sum of Square Squares Corrected 33.024 3.913 A*B 8. Misalnya. sehingga muncul hasil analisis.429 2 12. Berikutnya.214 9.001 .729 5.048 2 4.278 Total 1933.559 B 1. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut. .000 36 1.453 A 24.000 .055 . Setelah itu. pilih menu Continue.357 1 1853.000 42 Sig.167 .Berikan tanda centang (v) pada kotak di depan nama uji lanjut yang dipilih.346 .357 1450.643 5 6. maka selanjutnya pilih OK.266 Model Intercept 1853. Jika semua menu yang diperlukan sudah dipilih.

multi media.. sebaliknya bila a ≥ sig.000. Apabila a < sig.67 .71 1. 95% Confidence Interval Lower Bound -2. Multiple Comparisons Dependent Variable: Y Mean Difference (I-J) (I) A Tukey HSD 1 2 3 Scheffe 1 2 3 (J) A 2 3 1 3 1 2 2 3 1 3 1 2 -1.71 1.05 level.76 2. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video.26 -.882 .005 .31 -.81 -1.Corrected 79.21 -1. a. Dengan demikian H0 ditolak dan H1 diterima.643 41 Total a R Squared = .54 -2.59 1.001 .05. besarnya 0. Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut.) yang dipilih.71 -.43 .422 (Adjusted R Squared = .871 . dan hipermedia. Ternyata hasil analisis menunjukkan bahwa sig.43 .43 .50 -1...88 -2. maka H1 diterima.003 .882 .43 . Tetapkan signifikansi.54 1.43 . d.001 .43 .76 -1. Susun hipotesis Ho : µ1 = µ2 = µ3 H1 : µ1 ≠ µ2 = µ3 atau µ1= µ2 ≠ µ3 atau µ1 ≠ µ2 ≠ µ3 b. c. maka untuk Uji Tukey tampak bahwa sel 1 dan sel 2 berbeda secara signifikan dengan koefisien -1.50 .26 .50 . * The mean difference is significant at the .50 .21 1. Untuk melihat sel mana yang berbeda harus dilihat hasil uji lanjut (Post Hoc.41 -.71 -.46 -.001 .67 . yakni Uji Tukey dan Uji Scheffe. Jadi kesimpulannya.. Jika diperhatikan hasil di atas.88 2.41 Based on observed means. misalnya a=0.81 2.31 . Perbedaan tersebut ditunjukkan oleh bilangan signifikansi .62 .005 Std. seperti tampak di bawah ini. Bandingkan a dengan signifikansi yang diperoleh (sig).62 .559 dengan signifikansi 0.46 -.003 .43 .000 lebih kecil daripada a = 0.871 .43 .43 .71.05.43 .001 .21 1.43 .342) Hasil analisis menunjukkan bahwa harga F untuk A besarnya 9.83 -2. Error Sig. maka H0 diterima.21 -1. .59 Upper Bound -.83 2.43 .

langkah yang hampir sama dengan ANAVA. .45 2. 1. dan kelompok dikenali dari variabel bebas (x).yang diperoleh (sig. Hanya saja.001 yang jauh lebih kecil daripada taraf signifikansi yang ditetapkan. Entry Data Entry data untuk ANAKOVA sama halnya dengan ANAVA.91 2.92 X 122 108 112 120 106 A2 Y 2. No X 1 2 3 4 5 6 114 94 106 92 96 A1 Y 2.27 Setelah dimasukkan ke form SPSS. Sebagai contoh.42 1. data dalam form SPSS akan tampak sebagai berikut. yang tidak ada dalam ANAVA. ANAKOVA ANAKOVA dengan SPSS mengikuti langkah. Data hasil penelitian adalah sebagi berikut. C. terdapat perbedaan hasil belajar antara siswa yang diajar dengan strategi pembelajaran kontruktivis dan siswa yang diajar dengan strategi pembelajaran tutorial.36 1.05 1.) sebesar 0.81 3. yakni 0.05.45 2. dalam ANAKOVA ada kovariabel yang merupakan variabel numerik. akan dianalisis data untuk menguji hipotesis: Setelah dikendalikan oleh kovariabel motivasi belajar. yakni variabel terikat (y) dimasukkan secara bersambung.74 2. Dengan cara yang sama dapat dilihat perbedaan antara sel-sel yang lain.77 118 3.

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

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

250 .302 Hasil analisis menunjukkan bahwa harga F untuk x besarnya 1.…. seperti berikut.646 . besarnya 0. xij (observasi) = x (rata-rata + xi . setela h dikendalikan oleh kovariabel motivasi belajar.g. maka H0 diterima.05.05. Tetapkan signifikansi.738 11 Corrected 3. Vektor observasi dapat dikomposisi ulang sesuai model.. Susun hipotesis Ho : µ1 = µ2 H1 : µ1 ≠ µ2 f.106 .. 3. sedangkan pada MANOVA. varian yang dibandingkan berasal dari lebih dari satu variabel terikat. Model MANOVA untuk membandingkan vektor mean sebanyak g adalah sebagai berikut: Xij = µ + τi + eij.227 1.726 10 Total a R Squared = .302 lebih besar daripada a = 0. 2.285 df Mean Square F 2. e.ni dan I = 1. Apabila a < sig.936E-02 1 6.184 . misalnya a=0. maka H1 diterima.643 Model Intercept 7.218 Sig.936E-02 X .305 Total 70. Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut. Dengan demikian H0 diterima. Ternyata hasil analisis menunjukkan bahwa sig.x (estimasi efek + x ij .642E-02 Z 6. 2. MANOVA merupakan uji beda varian. g. tidak terdapat perbedaan hasil belajar antara siswa yang diajar dengan strategi pembelajaran kontruktivis dan siswa yang diajar dengan strategi pembelajaran tutorial. …. sebaliknya bila a ≥ sig. D. Bandingkan a dengan signifikansi yang diperoleh (sig).302.372 Error 2. dengan signifikansi 0. Bedanya. dalam ANAVA varian yang dibandingkan berasal dari satu variabel terikat. j = 1.Source Corrected 2 . Jadi kesimpulannya. .372 1 .218 (sama dengan hasil hitungan manual). 3. Sama halnya dengan ANAVA.345 (Adjusted R Squared = .630 .x i (residu eij) .441 8 .181) Type III Sum of Squares 1.642E-02 1 7. ANALISIS VARIAN M ULTIVARIAT (MANOVA) Analisis varian multivariat merupakan terjemahan dari multivariate analisis of variance (MANOVA).

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

dalam MANOVA terdapat lebih dari satu variabel terikat (y1 . dan siswa yang diajar dengan strategi pembelajaran algoheuristik (A3). dan kelompok dikenali dari variabel bebas (x). .p≥ 1 g=3  ∑ ni − p − 2  1 − Λ*     Λ* p       F2p. …. akan dianalisis data untuk menguji hipotesis: Terdapat perbedaan hasil belajar teori (y1) dan praktik pemrograman (y2) antara siswa yang diajar dengan strategi pembelajaran heuristik (A1). yakni variabel terikat (y) dimasukkan secara bersambung. siswa yang diajar dengan strategi pembelajaran algoritmik (A2). y2. 1. 2(Σni-p-2) MANOVA dengan SPSS mengikuti langkah-langkah yang hampir sama dengan ANAVA maupun ANAKOVA. 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. data dalam form SPSS akan tampak sebagai berikut. yn ). Data hasil penelitian adalah sebagi berikut. Sebagai contoh. Entry Data Entry data untuk MANOVA sama halnya dengan ANAVA. Hanya saja.

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

Uji Homogenitas Matriks Varian/Covarian .125 dengan signifikansi 0. a.05. b. seperti bagan berikut.132. sehingga MANOVA bisa dilanjutkan. Artinya. selanjutnya pilih continue dan OK.363 Y2 3. Interpretasi Hasil Analisis Interpretasi hasil dilakukan mengikuti mekanisme sebagai berikut. Y1 1. Selanjutnya dipilih kotak option dan dipilih Test of Homogenity.Apabila menu tersebut sudah dipilih. Levene's Test of Equa lity of Error Variances F df1 df2 Sig. Uji Homogenitas Varian Uji homogenitas varian dilihat dari hasil uji Levene.125 2 5 . a Design: Intercept+X Hasil uji Levene menunjukkan bahwa untuk Y1 harga F=1. maka akan tampak kotak dialog.250 dengan signifikansi 0.250 2 5 .132 Tests the null hypothesis that the error variance of the dependent variable is equal across groups.363 dan untuk Y2 harga F=3. Bila ditetapkan taraf signifikansi 0. baik Y1 ma upun Y2 memiliki varian yang homogen. maka baik untuk Y1 maupun Y2 harga F tidak signifikan karena signifikansi keduanya lebih besar dari 0. Pindahkan y1 dan y2 ke dependent variabel dan x ke fixed faktor(s).05. 3. seperti tampak pada bagan berikut ini. sehingga muncul hasil analisis.

054 F . Box's Test of Equality of Covariance Matrices Box's M 3. Multivariate Tests Effect Intercept Pillai's Trace Wilks' Lambda Hotelling's Trace Roy's Largest Root Pillai's Trace Wilks' Lambda Hotelling's Trace Value . Roy’s Largest Root.000 2.340 1.466 df1 3 df2 2880 Sig. a Design: Intercept+X Ternyata harga Box’s M=3. Hasil analisis untuk contoh di atas adalah sebagai berikut.003 .706 Tests the null hypothesis that the observed covariance matrices of the dependent variables are equal across groups.003 . siswa yang diajar dengan strategi pembelajaran algoritmik.000 2.456 Hypothesis Error df df 2.000 10.MANOVA mempersyaratkan bahwa matriks varian/covarian dari variabel dependen sama. Apabila harga Box’s M signifikan maka hipotesis nol yang menyatakan bahwa matriks varian/covarian dari variabel dependen sama ditolak.000 4. .05.05.000 6. Hasil uji Box’s M dengan SPSS tampak pada bagan berikut ini.000 4.000 4. Dalam kondisi ini analisis MANOVA tidak dapat dilanjutkan. .706.003 . Uji homogenitas matriks varian/covarian dilihat dari hasil uji Box. Uji MANOVA digunakan untuk menguji apakah terdapat perbedaan beberapa variabel terikat antara bebrapa kelompok yang berbeda. maka harga Box’s M yang diperoleh tidak signifikan karena signifikansi yang diperoleh 0. Apabila ditetapkan taraf signifikansi penelitian 0.000 4. Hotelling Trace.016 X .054 dengan signifikansi 0.941 F 32. sehingga analisis MANOVA dapat dilanjutkan. Dengan demikian hipotesis nol diterima.679 32.541 .340 16.679 32.000 8. Uji MANOVA Setelah kedua uji persyaratan hipotesis dipenuhi dilanjutkan dengan uji hipotesis MANOVA.199 7.000 Sig.038 9. dan siswa yang diajar dengan strategi pembelajaran algo-heuristik.006 .000 4.003 .679 8.706 lebih besar dari 0.942 . Dalam contoh ini dibedakan hasil belajar teori dan praktik pemrograman untuk siswa yang diajar dengan strategi pembela jaran heuristik.003 . c.388 8.000 4.000 4. Wilk Lambda. Keputusan diambil dengan analisis Pillae Trace.058 16.000 2.679 32. Berarti matriks varian/covarian dari variabel dependen sama.

000 103.000 10.000 2. harga F untuk Pillae Trace.000 . Wilk Lambda. Hotelling Trace. 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 24.004.001 .heuristik (A3). Artinya.000 24. yang tidak signifikan pada taraf signifikansi 0.000 48.667 (Adjusted R Squared = .076 20. 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.x memiliki signifikansi yang lebih kecil dari 0.533) . Roy’s Largest Root semuanya signifikan.000 19.00 dengan signifikansi 0. Hal ini menunjukkan bahwa terdapat perbedaan hasil belajar teori yang diak ibatkan oleh perbedaan strategi pembelajaran.002 .714 168. dan siswa yang diajar dengan strategi pembelajaran algo . Jadi.05.191 2.500 5.800 F Sig.000 48. hubungan antara strategi pembelajaran (x) dengan hasil belajar praktik pemrograman (y2) meberikan harga F sebesar 5.841) b R Squared = .000 39.000 df Mean Square 39.857 35.500 dengan signifikansi 0.000 272.064 .000 216.004 .000 5.Roy's Largest 8.000 7 a R Squared = . Wilk Lambda.004 . Artinya. tidak terdapat perbedaan hasil balajar praktik pemrograman yang diakibatkan oleh perbedaan strategi pembelajaran.05.000 4. tests of between-subjects effects.000 78.000 88. terdapat perbedaan hasil belajar teori (y1) dan praktik pemrograman (y2) antara siswa yang diajar dengan strategi pembelajaran heuristik (A1). siswa yang diajar dengan strategi pembelajaran algoritmik (A2).000 103.064. Selanjutnya.000 .004 Root a Exact statistic b The statistic is an upper bound on F that yields a lower bound on the significance level.000 51.000 24. c Design: Intercept+X Hasil analisis menunjukkan bahwa harga F untuk Pillae Trace. 2 2 1 1 2 2 5 5 8 8 7 19.064 Y2 72.500 5. Hotelling Trace. Roy’s Largest Root. Di lain pihak.714 168.886 (Adjusted R Squared = .

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

Sign up to vote on this title
UsefulNot useful