Uji Persyaratan Analisis Data dengan...

Aplikasi Komputer (SPSS)_M. Jainuri, S.Pd

Uji Persyaratan Analisis Data dengan SPSS 2013

PERTEMUAN KE-6

UJI PERSYARATAN ANALISIS DATA

Materi :

Uji nonparametrik digunakan apabila asumsi-asumsi pada uji parametrik tidak dipenuhi.

Asumsi yang paling lazim pada uji parametrik adalah sampel acak berasal dari populasi yang

berdistribusi normal, varians bersifat homogen, dan bersifat linier. Bila asumsi-asumsi ini

dipenuhi, atau paling tidak penyimpangan terhadap asumsinya sedikit, maka uji parametrik

masih bisa diandalkan. Tetapi bila asumsi tidak dipenuhi maka uji nonparametrik menjadi

alternatif. Ada tiga asumsi uji statistika parametrik sebagaimana diungkapkan di atas, yaitu

normalitas, linieritas data dan homogenitas varians.

1. Uji Normalitas

Pengujian normalitas dilakukan untuk mengetahui normal tidaknya suatu distribusi

data. Hal ini penting diketahui berkaitan dengan ketetapatan pemilihan uji statistik yang

akan dipergunakan. Uji parametrik misalmya, mensyaratkan data harus berdistribusi

normal. Apabila distribusi data tidak normal maka disarankan untuk menggunakan uji

nonparametrik.

Pengujian normalitas ini harus dilakukan apabila belum ada teori yang menyatakan

bahwa variabel yang diteliti adalah normal. Dengan kata lain, apabila ada teori yang

menyatakan bahwa suatu variabel yang sedang diteliti normal, maka tidak diperlukan

lagi pengujian normalitas data. Ada beberapa teknik yang dapat digunakan untuk

menguji normalitas data, antara lain: uji Chi Square, uji Lilifors, uji Kolmogorov-

Smirnov, dll.

Untuk menguji normalitas data dengan SPSS, langkah-langkahnya sebagai berikut:

Input data di bawah ini ke dalam SPSS

Variabel 1 2 3 4 5 6 7 8 9 10

IQ (X1) 40 45 30 35 30 40 45 45 35 35

EQ (X2) 18 20 14 12 14 16 10 15 18 16

Hasil Belajar (Y) 80 85 60 75 55 65 80 90 75 60

Pada kolom Name ketik X1, X2 dan Y.

Pada kolom Decimals angka ganti menjadi 0 untuk seluruh variabel.

Pada kolom Label isikan IQ pada X1, EQ pada X2 dan Hasil Belajar pada Y.

Pada kolom Align isikan Center.

Pada kolom Measure isikan Scale pada X1, Ordinal pada X2 dan Scale pada Y.

Untuk kolom-kolom lainnya biarkan saja (isian default).



Klik tab sheet [Variable View] pada SPSS data editor dan ketik/copy data sebagai

berikut:

Selanjutanya klik [Analyze] > [Descriptives Statistics] > [Explore].

Akan terbuka kotak dialog Explore.



Masukan variabel Hasil Belajar (Y) ke dalam kotak Dependent List.

Sorot variabel IQ (X1) dan EQ (X2) dan masukan ke dalam kotak Factor List.

Klik tab Plots, centang pilihan Normality plots with tests.

Klik Continue. Klik [OK].

Uji normalitas menghasilkan beberapa output, untuk keperluan penelitian pada

umumnya hanya diperlukan output berupa Tes of Normality seperti berikut:

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Hasil belajar ,184 10 ,200* ,939 10 ,543

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

a. Lilliefors Significance Correction



Menafsirkan hasil uji normalitas, pada gambar di atas menunjukkan uji normalitas

data Hasil Belajar. Pengujian normalitas dengan SPSS berdasarkan pada uji

Kolmogorov-Smirnov dan Shapiro Wilk. Pilih salah satu, misalnya Kolmogorov-

Smirnov. Hipotesis yang diuji adalah:

Ho : Data berdistribusi normal

H1 : Data berdistribusi tidak normal

Cara mengetahui signifikan atau tidak hasil uji normalitas adalah dengan

memperhatikan angka pada kolom signifikansi (Sig). Kriteria uji normalitas sebagai

berikut:

Tetapkan taraf nyata (signifikansi) misalnya α = 0,05.

Bandingkan angak pada kolom Sig dengan α.

Jika Sig > α maka data berdistribusi normal.

Jika Sig < α maka data berdistribus tidak normal.

Pada contoh di atas Sig > α atau 0,200 > 0,05 maka dapat disimpulkan data variabel

hasil belajar berdistribusi normal.

2. Uji Linearitas

Uji linearitas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan

yang linear atau tidak secara signifikan. Uji ini digunakan sebagai prasyarat statistik

parametrik khususnya dalam analisis korelasi atau regresi linear yang termasuk dalam

hipotesis assosiatif. Pada program SPSS, uji linearitas menggunakan Test for Linearity

pada taraf signifikan 0,05. Dua variabel dikatakan mempunyai hubungan linear bila

signifikansi (Deviation from Linearity) > 0,05.

Langkah-langkah uji linearitas pada SPSS.

Input data di atas ke dalam SPSS

Klik [Variable View] pada SPSS data editor.

Pada kolom Name ketikan berturut-turut: X1, X2 dan Y.

Untuk kolom label ketikan berturut-turut: IQ, EQ dan Hasil Belajar.

Kolom lainnya menyesuaikan (biarkan default).

Buka [Data View] dan isikan data untuk ketiga variabel.

Klik [Analyze] > [Compare Means] > [Means].



Masukkan variabel Hasil Belajar ke kotak Dependent List, sorot variabel IQ dan

EQ kemudian masukkan ke dalam kotak Independent List.

Klik Options, pada Statistic for First Layer centang pilihan Test for Linearity

kemudian klik Continue.

Klik [OK].

Output pada kolom Anova Table sebagai berikut:

ANOVA Table

Sum of

Squares

df Mean

Square

F Sig.

Hasil belajar *

IQ

Between

Groups

(Combined) 937,500 3 312,500 5,769 ,034

Linearity 889,113 1 889,113 16,41

4 ,007

Deviation from Linearity 48,387 2 24,194 ,447 ,659

Within Groups 325,000 6 54,167

Total 1262,500 9

Dari output di atas diketahu nilai Sig pada baris Deviation from Linearity sebesar

0,659. Karena nilai Sig > α atau 0,659 > 0,05 maka dapat disimpulkan bahwa antara

variabel Hasil Belajar dan IQ terdapat hubungan linear.

3. Uji Homogenitas

Uji homogenitas digunakan untuk mengetahui apakah dua atau lebih varian populasi

adalah sama atau tidak. Uji ini dilakukan sebagai prasyarat dalam analisis independent

sample t-test dan anova atau bagi peneliti yang menggunakan lebih dari satu kelompok

sampel. Pada umumnya digunakan untuk membuktikan hipotesis komparatif. Asumsi

yang mendasar dalam anisis varian (Anova) adalah bahwa varian dari populasi adalah



sama. Sebagai kriteria pengujian, jika nilai Sig > α (secara default di SPSS adalah 0,05)

maka dapat dikatakan bahwa varian dua atau lebih kelompok data adalah sama.

Contoh:

Seorang mahasiswa bernama Atun Bangkonawati melakukan penelitian untuk

mengetahui: “apakah ada perbedaan hasil belajar matematika menggunakan model

pembelajaran kooperatif tipe Number Head Together (NHT) dengan model pembelajaran

konvensional. Secara garis besar prosedur pengumpulan data adalah diambil dua

kelompok sampel. Kelompok sampel pertama proses pembelajaran menggunakan model

pembelajaran kooperatif tipe Make a Match dan kelompok kedua menggunakan model

pembelajaran konvensional. Setelah pembelajaran pada masing kelompok sampel selesai,

kemudian diberikan tes. Hasil tes inilah yang akan diuji untuk mengetahui apakah

perlakuakn (treatment) yang diberikan kepada kedua kelompok sampel terdapat

perbedaan atau tidak. Untuk menguji hipotesis dapat menggunakan uji independent

sample t-test. Sebelum dilakukan uji-t sebagai prasyarat harus dilakukan terlebih dahulu

diuji homogenitasnya. Jika varian kedua sampel homogen maka uji-t dapat dilakukan dan

jika tidak homogen menggunakan statistik nonparametrik. Data hasil penelitian diperoleh

sebagai berikut:

Data Model Pembelajaran NHT dan Konvensional

No.

Responden

X1

(NHT)

X2

(Konvensional)

1 35 65

2 37 34

3 27 44

4 29 36

5 31 31

6 30 33

7 27 37

8 36 28

9 37 33

10 24 34

11 26 35

12 29 28

13 31 29

14 36

15 33

Langkah-langkah uji homogenitas dengan SPSS sebagai berikut:

Input data ke dalam program SPSS

Klik tab sheet [variable view] pada SPSS data editor.

Pada kolom Name baris pertama ketik X dan baris kedua ketik k.

Pada kolom Label, baris pertama ketik Hasil Belajar dan bais kedua ketik Model

Pembelajaran.

Untuk kolom Value, isikan 1 dan ketik NHT kemudian klik add. Dengan cara yang

sama isikan 2 dan ketik Konvensional kemudian klik add.



Klik [OK].

Klik tab sheet [Data View], masukan data di atas.



Klik [Analyze] > [Descriptives Statistic] > [Explore].

Pada kotak dialog Explore, masukan Variabel Hasil Belajar ke kotak Dependent

List dan Model Pembelajaran ke kotak Factor List.

Klik Plots, centenag Unstransformed kemudian klik Continue.

Klik [OK].



Pada Output lihat bagian Test of Homogenity of Variances dan pada baris Based on

Mean lihat kolom Sig.

Test of Homogeneity of Variance

Levene Statistic df1 df2 Sig.

Hasil Belajar

Based on Mean ,680 1 26 ,417

Based on Median ,353 1 26 ,558

Based on Median and with

adjusted df ,353 1 16,523 ,561

Based on trimmed mean ,403 1 26 ,531

Dari tabel output di atas dapat diketahui nilai Sig sebesar 0,417. Karena nilai Sig >

0,05 maka dapat disimpulkan bahwa kedua kelompok data mempunyai varian sama

atau homogen. Angka Levene Statistic menunjukkan semakin kecil nilainya maka

semakin besar homogenitasnya.

Uji Persyaratan Analisis Data dengan...

Documents

Transcript of Uji Persyaratan Analisis Data dengan...