UJI NORMALITASVALIDITAS

DAN RELIABILITAS

Oleh: I made sukarja

UJI NORMALITAS DATA

I MADE SUKARJA

Uji Normalitas Uji normalitas adalah uji yang dilakukan untuk

mengecek apakah data penelitian kita berasal dari populasi yang sebarannya normal.

Uji ini perlu dilakukan karena semua perhitungan statistik parametrik memiliki asumsi normalitas sebaran.

Formula/rumus yang digunakan untuk melakukan suatu uji (t-test misalnya) dibuat dengan mengasumsikan bahwa data yang akan dianalisis berasal dari populasi yang sebarannya normal.

Lanjutan… Data yang normal memiliki kekhasan

seperti mean, median dan modusnya memiliki nilai yang sama.

Selain itu juga data normal memiliki bentuk kurva yang sama, bell curve.

Dengan mengasumsikan bahwa data dalam bentuk normal ini, analisis statistik baru bisa dilakukan.

cara melakukan uji asumsi normalitas ini yaitu menggunakan analisis Chi Square dan Kolmogorov-Smirnov dll

Bagaimana caranya? Deskriptif

Dengan melihat hasil nilai skewness yang didapat : Skweness/SE Skweness: nilai (-2 s/d +2)

Koefisien varian: nilai < 30% (SD/mean x 100%) Rasio kurtosis : nilai -2 s/d +2 : kurtosis/SE

kurtosis Histogram Box plot Normal Q-Q plots Detrended Q-Q plots

Bagaimana caranya?

Statistik:

Kolmogorov-Smirnov dari menu Analyze > Non parametric test > 1-sample K-S: p>alfa (0,05)

Shapiro –wilk (p > 0,05)

HISTOGRAM

Kolmogorov-Smirnov dari menu Analyze > Descriptive Statistics > Explore

Hasilnya

Tests of Normality

.107 44 .200* .966 44 .372TOTALHSLStatistic df Sig. Statistic df Sig.

Kolmogorov-Smirnova

Shapiro-Wilk

This is a lower bound of the true significance.*.

Lilliefors Significance Correctiona.

Jika nilai Sig lebih besar dari 0,05 maka data berdistribusi normal

Jika nilai Sig lebih kecil dari 0,05 maka data tidak berdistribusi normal

Cara lain

Hasilnya

Kalau datanya gak Normal?

data yang tidak normal tidak selalu berasal dari penelitian yang buruk. Data ini mungkin saja terjadi karena ada kejadian yang di luar kebiasaan. Atau memang kondisi datanya memang nggak normal.

Contoh : pendapatan penduduk di Kota Denpasar.

Solusi kalau gak normal

Kita perlu ngecek apakah ketidaknormalannya parah nggak. Memang nggak ada patokan pasti tentang keparahan ini. Tapi kita bisa mengira-ira jika misalnya nilai p yang didapatkan sebesar 0,049 maka ketidaknormalannya tidak terlalu parah (nilai tersebut hanya sedikit di bawah 0,05).

Jika ketidaknormalannya tidak terlalu parah lalu kenapa? Ada beberapa analisis statistik yang agak kebal dengan kondisi ketidaknormalan ini (disebut memiliki sifat robust), misalnya F-test dan t-test.

Kita bisa membuang nilai-nilai yang ekstrem, baik atas atau bawah. Nilai ekstrem ini disebut outliers.

Pertama kita perlu membuat grafik, dengan sumbu x sebagai frekuensi dan y sebagai semua nilai yang ada dalam data kita (ini tentunya bisa dikerjakan oleh komputer).

Kita akan bisa melihat nilai mana yang sangat jauh dari kelompoknya.

Nilai inilah yang kemudian perlu dibuang dari data kita, dengan asumsi nilai ini muncul akibat situasi yang tidak biasanya. Misal responden yang mengisi skala kita dengan sembarang yang membuat nilainya jadi sangat tinggi atau sangat rendah.

mentransform data kita. Ada banyak cara untuk mentransform data kita, misalnya dengan mencari akar kuadrat dari data kita, dll.

Bagaimana jika semua usaha di atas tidak membuahkan hasil dan hanya membuahkan penyesalan

Maka langkah terakhir yang bisa kita lakukan adalah dengan menggunakan analisis non-parametrik. Analisis ini disebut juga sebagai analisis yang distribution free.

Sayangnya analisis ini seringkali mengubah data kita menjadi data yang lebih rendah tingkatannya. Misal kalo sebelumnya data kita termasuk data interval dengan analisis ini akan diubah menjadi data ordinal.

Polemik sekitar uji normalitas

Beberapa kasus, hasil dari metode di atas sering tidak adayang sama

Kesepakatan: Nilai koefisien varians, rasio, skewness

dan kurtosis, uji kolmogorov smirnov memiliki sensiivitas yg lebih tinggi.

Dibandingkan dengn histogram dan plots, uji kolmogorov-smirnov lebih objectif.

UJI VALIDITAS DAN RELIABLITAS

LATAR BELAKANG PERLUNYA UJI VALIDITAS DAN RELIABILITAS

Penelitian pada dasarnya merupakan proses untuk melakukan pengukuran. Oleh karena itu agar kesimpulan yang diperoleh dari penelitian tidak keliru atau tidak memberikan gambaran yang jauh berbeda dengan keadaan yang sebenarnya maka diperlukan alat ukur yang berupa skala atau test yang valid dan reliabel.

Perbedaan Pengukuran Variabel Observeb dan Unobserveb

Pengukuran Observeb Panjang Tinggi Berat Luas Pendapatan

Pengukuran Unbserveb Loyalitas Pelanggan Kepuasan Kerja Motivasi Kerja Komitmen Karyawan Kepercayaan

UJI VALIDITAS

•Sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya.

•Suatu instrument digunakan untuk mengukur atribut A dan ternyata mampu memberikan informasi tentang A maka instrument tersebut dinyatakan valid.

•Suatu alat ukur yang valid, tidak hanya sekedar mampu mengungkapkan data dengan tepat, namun juga harus mampu memberikan gambaran yang cermat mengenai data tersebut.

•Suatu alat ukur biasanya hanya merupakan ukuran yang valid untuk satu tujuan yang spesifik. Dengan demikian predikat valid untuk seperti yang dinyatakan dalam kalimat “test ini valid” adalah kurang lengkap.

JENIS UJI VALIDITAS Validitas teoritik: pertimbangan para ahli

Validitas isi/kurikuler (content validity) Ketetpatan alat ukur ditinjau dr segi materi atau

segi dimensi dan indikator Validitas muka/bentuk soal (face validity)

Keabsahan susunan kalimat atau kata-kata sehingga menghindari salah taksir.

Validitas kriterium Validitas banding

Validitas yg ada sekarang Validitas ramal

Meramalkan keadaan yg akan datang

UJI VALIDITAS1. Korelasi Pearson2. Analisis Faktor Konfirmatori

Hasil analisis bila faktor loading yang diperoleh dg uji t hasilnya signifikan berarti valid

Masing-masing butir pertanyaan dikorelasikan dengan skor total. Signifikansi r digunakan Uji t atau r dibandingkan dengan r ( n – 2 )

2r1

2 - nrt

Korelasi Sederhana

Bermakna bila:

t ≥ t / 2 ( n – 2 )

2y2yn2x2xn

yxxynr

1. Korelasi Pearson

atau bila r ≥ ra (n – 2) berarti signifikan. Bila digunakan komputer asalkan p < 0,05 berarti signifikan.

Contoh: Angket dengan 10 butir pertanyaan

Apakah semua butir pertanyaan tersebut valid dan reliabel

Resp.BUTIR (x)

Total (y)1 2 3 4 5 6 7 8 9 10

A 3 4 3 3 2 4 4 3 4 4 34B 4 3 3 3 2 3 3 3 3 3 30C 2 2 3 1 4 2 1 2 1 2 20D 2 2 2 2 3 1 1 2 2 3 20E 4 3 3 4 3 3 4 4 3 3 34F 3 3 3 3 1 3 4 4 3 4 31G 4 4 3 3 3 3 3 4 4 3 34H 2 2 1 1 3 2 2 2 1 2 18I 4 3 3 4 4 2 4 4 4 2 34J 3 3 4 4 2 3 3 3 3 3 31

Butir 1 dengan Skor TotalResp. X Y XY

A 3 34 102

B 4 30 120C 2 20 40D 2 20 40E 4 34 136F 3 31 93G 4 34 136H 2 18 36

I 4 34 136

J 3 31 93

x = 31 y = 286 xy = 932

x2 = 103 y2 = 8570 n = 10

228685700123110310

2863193210r

= 0,87

t 0,05 (8) = 1,86 SAHIH

atau

r = 0,87

r0,05 (8) = 0,43 SAHIH

99,487,01

2 - 0187,0t

2

Langkah-langkah microsoft EXCEL Langkah-langkah: (1) Klik insert – klik worksheet (untuk menampilkan sheet 4). (2) Isi sel A1 dan A2 dengan No. Kemudian isi sel A3 sampai

dengan sel A12 dengan angka 1 sampai dengan 10. (3) Isi sel B1 dan sel B2 dengan nama siswa. Kemudian isi sel A3

sampai dengan A12 dengan A sampai dengan J. (4) Isi sel C1 sampai dengan sel H1 dengan Nomor Soal.

Kemudian isi sel C2 sampai dengan sel H2 dengan angka 1 sampai 10.

(5) Isi sel I1 dan sel I2 dengan Total. (6) Pada I3 hitung jumlah jawaban yang benar dengan

menggunakan rumus =sum(c3:h3).

LANJUTAN… (7) Copy isi sel I3 kemudian temple (paste) pada sel I4 sampai

dengan I12. (8) Isi sel B13 dengan Validitas. (9) Pada sel C13 hitung validitas butir soal nomor 1 dengan cara

menghitung koefisien korelasi Pearson antara isi sel C3:C12 (nilai setiap siswa nilai untuk soal nomor 1) dengan isi sel I3:I12 (nilai total siswa) menggunakan rumus =Pearson(c3:c12,$I$3:$I$12).

(10) Copy isi sel C13. Kemudian tempel (paste) pada sel D13 sampai dengan H13.

(11) Isi sel B14 dengan Kategori. (12) Pada sel C14 tentukan kategori untuk validitas butir soal 1

dengan menggunakan rumus =IF(C13<0,"tidak valid",IF(C13<0.2,"sgt rdh",IF(C13<0.4,"rendah",

IF(C13<0.6, "sedang",IF(C13<0.8,"tinggi","sgt tgi"))))). Kemudian copy isi sel C14 dan tempelkan pada sel D14 sampai dengan H14.

Soal yg tidak valid bisa dibuang atau diperbaiki.

Soal yg valid dilakukan uji validitas kedua, bila sudah valid maka soal dapat dipakai

Langkah dengan SPSS

1. Jumlahkan semua jawaban Item X1: Transform Compute…. Tuliskan Tot_X1 pada kotak Target Variable Pada kotak Numeric Expression ketikan

X1_1+X1_2+X1_3+X1_4+X1_5

Tampilan dengan SPSS

2. Korelasikan semua jawaban item X1 dengan Tot_X1

Analyze Correlation Bivariate…. Masukan X1_1, X1_2, X1_3, X1_4, X1_5 dan

Tot_X1 Pada Corelations Coeffeciens Pilih One-Tiled Test of Significance Pilih Pearson Aktifkan Flag significant correlation Abaikan pilihan yang lain (biarkan pada posisi Default) Klik OK

Tampilan dengan SPSS:

Output dengan SPSSCorrelations

1.000 .243 .382* .177 -.259 .517**

. .098 .019 .175 .084 .002

30 30 30 30 30 30

.243 1.000 .411* .184 -.262 .440**

.098 . .012 .165 .081 .008

30 30 30 30 30 30

.382* .411* 1.000 .464** -.302 .631**

.019 .012 . .005 .053 .000

30 30 30 30 30 30

.177 .184 .464** 1.000 -.093 .627**

.175 .165 .005 . .313 .000

30 30 30 30 30 30

-.259 -.262 -.302 -.093 1.000 .302

.084 .081 .053 .313 . .052

30 30 30 30 30 30

.517** .440** .631** .627** .302 1.000

.002 .008 .000 .000 .052 .

30 30 30 30 30 30

Pearson Correlation

Sig. (1-tailed)

N

Pearson Correlation

Sig. (1-tailed)

N

Pearson Correlation

Sig. (1-tailed)

N

Pearson Correlation

Sig. (1-tailed)

N

Pearson Correlation

Sig. (1-tailed)

N

Pearson Correlation

Sig. (1-tailed)

N

X1_1

X1_2

X1_3

X1_4

X1_5

TOTX1

X1_1 X1_2 X1_3 X1_4 X1_5 TOTX1

Correlation is significant at the 0.05 level (1-tailed).*.

Correlation is significant at the 0.01 level (1-tailed).**.

Kriteria Pengujian Korelasi X1_1 terhadap total : 0,571 > 0,374 : Valid Korelasi X1_2 terhadap total : 0,440 > 0,374 : Valid Korelasi X1_3 terhadap total : 0,631 > 0,374 : Valid Korelasi X1_4 terhadap total : 0,627 > 0,374 : Valid Korelasi X1_5 terhadap total : 0,302 < 0,374 : Tidak Valid.Atau: Sig. X1_1 terhadap total : 0,002 < 0,05 : Valid Sig. X1_2 terhadap total : 0,008 < 0,05 : Valid Sig. X1_3 terhadap total : 0,000 < 0,05 : Valid Sig. X1_4 terhadap total : 0,000 < 0,05 : Valid Sig. X1_5 terhadap total : 0,052 > 0,05 : Tidak Valid.

UJI RELIABILITAS

Reliabilitas pada dasarnya adalah sejauh mana hasil suatu pengukuran dapat dipercaya. Hasil pengukur yang dilakukan berulang menghasilkan hasil yang relatif sama maka pengukuran tersebut dianggap memiliki tingkat reliabilitas yang baik.

Metode Pengukuran Reliabilitas

1. Reliabilitas Eksternal

a) Teknik Paralel (parallel form)

Pada teknik ini kita membagi kuesioner kepada responden yang intinya sama akan tetapi menggunakan kalimat yang berbeda:

Misalnya: Apakah saudara betah tinggal di perumahan ini ? Apakah saudara ingin pindah dari perumahan ini?

b) Teknik Ulang (double test / test pretest) Pada teknik ini kita membagi kuesioner yang sama pada waktu yang berbeda.

Misalnya: Pada minggu I ditanyakan:

Bagaimana tanggapan saudara terhadap kualitas dosen di Universitas Anda ?

Pada minggu III ditanyakan:Ditanyakan lagi pada responden yang sama dengan pertanyaan yang sama.

Kelemahan Metode Reliabilitas Eksternal

Kemungkinan adanya perubahan kondisi subyek sejalan dengan perbedaan waktu.

Sulitnya mencari kembali responden yang sama pada periode yang berbeda.

Sulitnya menentukan tenggang waktu yang pas.

Metode Pengukuran Reliabilitas

2. Reliabilitas Internal Uji reliabilitas internal digunakan untuk

menghilangkan kelemahan-kelamahan pada uji reliabilitas eksternal.

Uji reliabilitas internal diperoleh dengan menganalisis data dari satu kali pengetesan.

Beberapa Metode Reliabilitas Eksternal

1. Dengan rumus Spearman-Brown

2. Dengan rumus Flanagant

3. Dengan rumus Rulon

4. Dengan rumus K – R.21

5. Dengan rumus Hoyt

6. Dengan rumus Alpha Cronbach

Metode Spearman Brown

Langkah-langkah metode Spearman Brown:

Membuat tabel analisis butir. Mengelompokan skor menjadi dua bagian

soal. Belahan Ganjil-Genap Belahan Awal-Akhir

Korelasikan skor belahan pertama dengan skor belahan kedua dan diperoleh rxy.

Hitung nilai reliabilitas internal dengan persamaan sebagai berikut:

)1(

.2

2/1.2/1

2/1.2/111 r

rr

Keterangan:

r11 : Reliabilitas instrumen

r1/2.1/2 : rxy indeks korelasi antara dua belahan instrument.

Kriteria:

Instrument dikatakan reliabel:

Jika r11 > r tabel (df: , n-2)

Contoh

Perhitungan Reliabilitas Spearman Brown

)1(

.2

2/1.2/1

2/1.2/111 r

rr

661,0)493,01(

)493,0.(211

r

Kriteria:

Karena r11(0,661) > r tabel (0,374) maka instrument dinyatakan reliabel.

Metode Alpha Cronbach

Langkah-langkah metode Alpha Cronbach: Membuat tabel analisis butir. Menghitung nilai total item pertanyaan Hitung nilai varian butir dan varian total. Jumlahkan nilai varian butir.

Hitung nilai reliabilitas internal dengan persamaan sebagai berikut:

))(

1)(1

(2

2

t

b

k

k

Keterangan:

: Koefisien Alpha Cronbach

k : Jumlah butir pertanyaan

b2 : Jumlah varian butir

t2 : Jumlah varian total

Kriteria:

Instrument dikatakan reliabel:

Jika > r tabel (df: , n-2)

Contoh

Perhitungan Reliabilitas Alpha Cronbach

Kriteria:

Karena (0,637) > r tabel (0,374) maka instrument dinyatakan reliabel.

))(

1)(1

(2

2

t

b

k

k

637,0)921,2

525,11)(

14

4(

Metode Alpha Cronbach dengan SPSS

Buka file yang akan diuji. Analyze Scale Reliabilty Analysis… Pada item masukan : X1_1, X1_2, X1_3, X1_4. Aktifkan List item labels Abaikan pilihan yang lain (biarkan pada posisi

Default). Klik OK

Output

Kriteria Tingkat Reliabilitas

No Interval Kriteria

1. < 0,200 Sangat rendah

2. 0,200 – 0,399 Rendah

3. 0,400 – 0,599 Cukup

4. 0,600 – 0,799 Tinggi

5. 0,800 – 1,000 Sangat Tinggi