Bab IV Analisis Hubungan Buku Penelitian Kuantitatif
Bab IV Analisis Hubungan Buku Penelitian Kuantitatif
Berbagai fenomena yang terjadi dalam kehidupan selalu menimbulkan berbagai pertanyaan, mengapa itu terjadi ?, bagaimana itu terjadi ?, dan pertanyaan-pertanyaan lain yang pada dasarnya menunjukan keingintahuan manusia untuk dapat memahami dan menjelaskannya. Kompleksnya masalah yang terjadi baik secara bersamaan maupun beriringan berakibat pada tidak sederhananya jawaban yang bisa dimunculkan. Keadaan ini telah mendorong manusia untuk memilih dan memilah-milah berbagai kejadian serta mengkajinya sebagai upaya untuk memahaminya. Apabila terjadi suatu gejala yang sama dengan gradasi yang berbeda dengan latar sebab (secara rasional yang sama,manusia mencoba mengkaji perbedaan tersebut dengan memunculkan pertanyaan apakah perbedaan tersebut benar-benar merupakan perbedaan yang nyata ataukah tidak ?, bila terjadi gejala yang sama dengan gradasi yang berbeda dan latar sebab yang berbeda, manusiapun akan mencari jawabannya terhadap perbedaan tersebut. Ketika pengkajian terhadap masalah-masalah tersebut dilakukan, manusia mencoba mengkaitkan antara satu gejala dengan gejala lainnya, baik itu terhadap gejala yang menunjukan kesamaan ataupun perbedaan. !ecara sederhana jawaban terhadap masalah-masalah tersebut terkadang dicukupkan pada jawaban yang bersifat Common Sense dengan menunjuk pada bukti empiris ( dengan keterbatasan pengamatan serta mengkaitkannya dengan gejala yang mengiringinya. Akan tetapi bukti-bukti empiris (dalam penggunaan Common Sense, bukti empiris umumnya berrsifat tunggal karena keterbatasan pengamatan yang teramati pada dasarnya merupakan masalah yang kompleks pula sehingga memerlukan pendalaman dan pengulangan pengamatan baik secara beriringan ataupun bersamaan, dalam upaya ini frekuensi kejadian serta representasi kejadian
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002
79
terhadap kejadian secara keseluruhan menjadi penting untuk dikaji sebelum dimunculkan jawabannya. "alam kaitan ini maka !tatistik menjadi alat bantu yang penting guna mengkaji dan menganalisa berbagai gejala tersebut, sehingga dapat diperoleh bukti-bukti statistik yang dapat memperkuat buktibukti empiris (Common Sense , dan #lmu !tatistik telah lama mengembangkan alat untuk menganalisis berbagai hubungan antara gejalagejala yang bergradasi atau ber$ariasi. 4.1. Macam-macam Hubungan !ecara sederhana hubungan antar $ariabel penelitian didasarkan pada pengelompokan $ariabel ke dalam $ariabel Bebas ( ndependent !ariable" dan $ariabel terikat (#ependent !ariable". %ariabel bebas, sering juga disebut $ariabel yang mempengaruhi, sementara itu $ariabel terikat sering disebut $ariabel yang dipengaruhi. #stilah &ubungan dan pengaruh sebenarnya tidak dapat dipersamakan, dalam #lmu sosial 'engaruh mengacu pada hubungan sebab akibat (Kausal", sedangkan hubungan antara $ariabel bebas dan $ariabel terikat tidak selalu merupakan hubungan kausal. (amun demikian terdapat kecenderungan untuk mempertukarkan pemahaman tersebut cukup besar, sebagaimana diungkapkan oleh Peter $agul dkk bahwa walaupun terdapat kemungkinan pengertian hubungan dicampuradukan dengan pengaruh, istilah $ariabel pengaruh dan $ariabel terpengaruh lebih mencerminkan kecenderungan dan arah dalam penelitian sosial. )saha untuk mencari hubungan antar $ariabel sesungguhnya mempunyai tujuan akhir untuk melihat pengaruh antar $ariabel. "isamping pemahaman hubungan seperti tersebut di atas, dilihat dari kejadiannya dengan mengacu pada teori tertentu hubungan antar $ariabel dapat dikelompokan kedalam tiga macam hubungan yaitu * +. &ubungan ,imbal balik -. &ubungan !imetris .. &ubungan Asimetris
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002
80
$ubungan timbal balik adalah hubungan antara $ariabel satu dengan $ariabel lain dimana masing-masing $ariabel dapat menjadi sebab dan juga akibat, dalam hubungan macam ini sulit ditentukan mana $ariabel penyebab dan mana $ariabel akibat, karena bisa saja pada satu saat menjadi penyebab dan pada saat lain menjadi akibat. $ubungan Simetris adalah hubungan dimana $ariabel yang satu tidak disebabkan atau dipengaruhi oleh $ariabel lainnya, hal ini dapat terjadi bila $ariabel-$aribel (0 (+ merupakan indikator dari konsep yang sama/ (nrupakan akibat dari faktor yang sama/ (. berkaitan secara fungsional, dan berhubungan secara kebetulan. Apabila dalam fakta-fakta penelitian ditemukan macam hubungan yang demikian maka diperlukan pengkajian yang lebih mendalam tentang kemungkinan-kemungkinan terdapatnya $ariabel-$ariabel lain yang berpengaruh. $ubungan %simetris adalah hubungan apabila terdapat $ariabel suatu $ariabel yang mempengaruhi $ariabel lainnya. ,erdapat enam tipe hubungan asimetris yaitu hubungan antara * (+ !timulus dan respon/ (- "isposisi dan 1espon/ (. 2iri indi$idu dan ,ingkah laku/ (0 prakondisi dan akibat/ (3 #mmanen/ (4 tujuan dan cara. "engan memahami macam-macam hubungan tersebut, peneliti akan terbantu dalam menentukan konsep dan atau $ariabel yang akan diteliti serta macam hubungannya sehingga terhindar dari kerancuan teoritis dalam penentuan indikator (operasionalisasi $ariabel5Konsep , umumnya dalam penelitian sosial dan pendidikan hubungan antara $ariabel yang menjadi fokus penelitian lebih banyak mengacu pada hubungan Asimetris, dan paling tidak tercakup dalam enam macam hubungan seperti tersebut di atas. )ntuk lebih jelas berikut ini akan dikemukakan contoh-contoh hubungan *
81
&abel '() Contoh $ubungan %simetris No + . 0 3 4 Macam Hubungan !timulus - 1espon "isposisi - 1espon 2iri #ndi$idu - , 6aku 'rakondisi - Akibat #mmanen 2ara 7 ,ujuan Hubungan antar Konsep/Variabel Bebas (X) Terikat (Y) Kompensasi *oti+asi Ke,a -uru Kiner,a Kepala Sekolah Ke.erdasan /mosi &ingkat Pendidikan Produkti+itas Ker,a 0uality of 1ork Life Kepuasan Ker,a 2umlah Pega3ai Span of Control #isiplin Prestasi Sis3a
&ubungan-hubungan tersebut bila dilihat dari $ariasi antar %ariabel serta nilai prediksinya termasuk ke dalam tipe hubungan korelasional atau regresional dimana di dalamnya tidak terdapat true +alue nilai 4 untuk tiap nilai 5, berbeda dengan tipe hubungan 6ungsional dimana untuk tiap-tiap nilai 5 mempunyai &rue !alue nilai 4, hubungan jenis ini kebanyakan berlaku dalam #lmu Alam, sedangkan tipe hubungan korelasional atau regresional lebih banyak ditemukan dalam penelitian #lmu-ilmu sosial termasuk #lmu 'endidikan. 4.2. Teknik Analisis Analisis hubungan antar $ariabel pada dasarnya mengindikasikan adanya data pengamatan5penelitian dapat dilakukan hubungan yang dengan antar berpasangan, tiga cara dan dan cara menganalisisnya sebagaimana menganalisis
diungkapkan oleh 7obert -( #( Steel dan 2ammes $( &orrie yaitu * +. 8engabaikan keduanya, masing-masing secara terpisah -. menggunakan analisis regresi .. memeriksa korelasinya. di sini yang akan dibahas adalah cara nomor dua dan nomor tiga yakni regresi dan korelasi, sedang yang nomor satu tidak akan dibahas karena
82
lebih mengarah pada analisis perbandingan guna membedakan antara $ariabel yang satu dengan $ariabel lainnya. "alam melakukan analisis hubungan, !tatistika menjadi alat bantu penting dalam proses pendeskripsian dan penganalisaan, baik itu dalam penggambaran tunggal $ariabel maupun dalam penggambaran lebih dari satu $ariabel. Analisis hubungan pada dasarnya merupakan upaya untuk melihat $ariasi yang bersamaan antara satu $ariabel dengan $ariabel lainnya guna memperoleh gambaran tentang keterkaitannya antara $ariabel bebas dengan $ariabel terikat, baik dalam kekuatannya maupun kemampuan prediksi $ariabel bebas terhadap $ariabel terikat. "alam !tatistika, analisis yang bermaksud memahami kekuatan serta arah hubungan antar $ariabel adalah ,eknik analisis Korelasi, sedangkan analisis yang bermaksud untuk memahami bentuk serta prediksinya adalah teknik analisis 7egresi, kedua teknik analisis ini pada dasarnya saling berhubungan, sehingga dalam penerapannya sering digunakan secara bersamaan dalam melakukan analisis hubungan antar $ariabel, dan penggunaan keduanya sering disebut sebagai analisis korelasional (Correlational 7esear.h/Study . !ementara itu apabila analisis dilanjutkan dengan model kausal (atas dasar formulasi teori tertentu maka analisis jalur (Path %nalysis merupakan teknik analisis yang tepat. "alam penerapannya, teknik analisis hubungan mempunyai $ariasi urutan yang berbeda, ada yang menempatkan analisis regresi terlebih dahulu baru kemudian analisis korelasi seperti Sud,ana, dan Santosa *ur3ani, ada pula yang sebaliknya yakni mendahulukan analisis korelasi baru kemudian analisis regresi seperti #ennis / $inkle, !ementara itu menurut *ade Putra3an pertanyaan yang harus dijawab dalam penelitian yang bersifat hubungan yaitu (+ bagaimana model regresinya ?, (- bagaimana bentuk hubungannya ?, dan (. berapa kekuatan5keeratan hubungannya , model regresi dan bentuk hubungan diketahui melalui persamaan regresi,
83
sementara keeratan hubungan dapat diketahui dengan perhitungan korelasi (koefisien korelasi . 'erbedaan tersebut secara prinsip tidak akan mempengaruhi hasil analisis, tetapi nampaknya pengurutan itu tergantung pada pertanyaan analisis yang diharapkan. Bila seseorang ingin mengetahui lebih dahulu tentang ada tidaknya hubungan antar $ariabel, maka analisis korelasi didahulukan baru kemudian analisis regresi untuk melihat bentuk hubungan serta persamaannya untuk melakukan prediksi/ sementara itu bila ingin mengetahui bentuk hubungan serta persamaan untuk melakukan prediksi, analisa regresi bisa didahulukan baru analisis korelasi untuk mengetahui keeratan hubungan atau efisiensi garis regresi (persamaan regresi guna menentukan akurasi prediksi. !uatu hal yang perlu dipahami adalah bahwa analisis regresi dan korelasi sangat erat hubungannya, hal ini juga terlihat dari cara-cara perhitungannya, disamping itu akurasi prediksi dalam persamaan regresi ditentukan juga oleh korelasinya sebagaimana dikemukakan oleh Kerlinger bahwa &he higher the .orrelation, the better the predi.tion8 the higher the .orrelation 3hether positi+e or negati+e, the .loser the plotted +alues 3ill be to the regression line( "alam penelitian korelasional, perumusan masalahnya harus mengarah pada suatu hubungan sesuai dengan %ariabel-$ariabel yang akan diteliti apakah bersifat sederhana atau multiple o 'erumusan masalah untuk Korelasi tunggal5regresi linier sederhana Apakah terdapat hubungan antara %ariabel 9 dengan %ariabel :
o 'erumusan masalah untuk Korelasi ;anda5regresi linier ;anda ( 5),52,4 Apakah terdapat hubungan antara %ariabel 9 + dengan %ariabel : Apakah terdapat hubungan antara %ariabel 9 - dengan %ariabel : Apakah terdapat hubungan antara %ariabel 9 + dan 9- secara bersama-sama dengan %ariabel :
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002
84
(5),52,59,4
Apakah terdapat hubungan antara %ariabel 9 + dengan %ariabel : Apakah terdapat hubungan antara %ariabel 9 - dengan %ariabel : Apakah terdapat hubungan antara %ariabel 9 . dengan %ariabel : Apakah terdapat hubungan antara %ariabel 9 +, 9-, 9. secara bersama-sama dengan %ariabel :
4.2.1. Reg esi #stilah regresi pertama kali digunakan oleh 6ran.is -alton pada tahun +<<= ketika mengadakan penelitian tentang hubungan antara tinggi orang tua dengan tinggi anaknya, dan sampai pada kesimpulan bahwa rata-rata tinggi anak yang berasal dari orang tua yang tinggi lebih rendah dibanding rata-rata tinggi orang tuanya, sedangkan anak-anak yang berasal dari orang tua yang rendah, tinggi rata-ratanya lebih tinggi dari tinggi orang tuanya, dengan demikian terjadi regress (kemunduran atau tendensi terjadinya penurunan. !elanjutnya istilah 7egression digunakan untuk menggambarkan garis yang menunjukan arah hubungan antar $ariabel, serta dipergunakan untuk melakukan prediksi, selain istilah tersebut, di kalangan akhli !tatistik ada juga yang menggunakan istilah estimating line sebagai padanan istilah 1egresi. Sutrisno $adi dalam bukunya %nalisis 7egresi menyatakan bahwa analisis regresi bertujuan untuk * +. memeriksa apakah garis regresi tersebut bakal efisien dipakai sebagai dasar -. 8enghitung persamaan garis regresi .. untuk mengetahui sumbangan relatif dan sumbangan efektif bila prodiktornya lebih dari satu $ariabel. 1egresi yang terdiri dari satu $ariabel bebas ( predi.tor dan satu $ariabel terikat (7esponse/Criterion disebut regresi linier sederhana 85 atau garis taksiran
(bi+ariate regression , sedangkan regresi yang $ariabel bebasnya lebih dari satu disebut regresi jamak (*ultiple regression/multi+ariate regression", yang dapat terdiri dari dua prediktor (regresi ganda maupun lebih. "alam persamaan regresi $ariabel bebas ( predi.tor biasanya dilambangkan dengan 9, dan $ariabel terikat dilambangkan dengan :, dalam penulisan persamaan : perlu diberi topi (4 .ap untuk menunjukan : yang diprediksi berdasarkan persamaan (7egression e:uation . Adapun bentuk persamaannya adalah * )( ; 2( ; 9( ; < a = b 5 (7egresi linier sederhana" < a = b)5) = b252 (7egresi linier -anda/dua prediktor" < a = b)5) = b252 = b959 (7egresi linier tiga prediktor"
a adalah koefisien konstanta dari persamaan, yang berarti nilai : pada saat nilai b < nol, dan pada saat ini garis regresi akan memotong garis :, sehingga a juga biasa disebut inter.ept. !ementara itu b adalah koefisien regresi atau koefisien arah dari persamaan regresi, yang menunjukan besarnya penambahan 4 apabila niai 5 bertambah sebesar satu. )ntuk lebih jelas dapat dilihat dalam gambar ..+. berikut ini * :
; < a = b5
b satuan + satuan
a
(>,>
-ambar 9()( -rafik -aris 7egresi
;ambar di atas dapat memberikan pemahaman tentang konsep analisis regresi dengan melihat posisi masing-masing koefisien, baik
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002
86
koefisien konstan (a maupun koefisien arah atau koefisien regresi (b . dan untuk lebih mendalami analisisnya berikut ini akan diberikan contoh perhitingan regresi yang dimulai dengan regresi linier sederhana kemudian regresi multiple dengan dua prediktor (regresi ganda 4.2.1.1. eg esi linie se!e "ana #sa$u % e!ik$& ' )ntuk keperluan perhitungan dalam analisis regresi, contoh $ariabel yang akan dipergunakan dalam perhitungan adalah $ariabel 8oti$asi (9 sebagai $ariabel bebas, dan $ariabel Kinerja (: sebagai $ariabel terikat. !esuai dengan persyaratan analisis yang mengharuskan skala pengukuran5datanya bersifat inter$al atau rasio (statistik 'arametrik , maka data berikut merupakan data inter$al hasil kon$ersi dari data ordinal (!kala sikap dengan menggunakan *ethod of summated rating. &abel '(2 #ata Skor *oti+asi dan Kiner,a %ariabel 9 (8oti$asi -> .> 3> 4> <> ?> 330 %ariabel : (Kinerja 4> 3> => <> +-> ++> !0
&abel '(9 *en.ari Persamaan 7egresi menggunakan Skor Kasar ( -> .> ) 4> 3> (2 0>> ?>> () +->> +3>> 87
1umus mencari a dan b menggunakan dua persamaan * @: A (a B b@9 A 4a B ..> b A ..>a B -+?>> b (C ++> (C @ 9: A a@9 B b@9#. 0?> ##. .>3>>
#. 3.?>> A 44> a B .4.>> b ##. 4+>>> A 44> a B 0.<>> b =+>> A =3>> b b A =+>> * =3>> A >.?0444= (>.?3 0?> A 4a B ..> (>.?3 4a A 0?> - .+..3 A +=4.3 a A +=4,3 * 4 A -?.0 ; < 2>,' = 0(>? 5 2ara lain mencari a dan b dengan menggunakan tabel ... b A a A b A A A ( (@9: - (@9 (@9 ( (@9- - (@9 @: - b @9 ( 4 (.>3>> - (..> (0?> 4 (-+?>> - (..> -+.>> --3>> >,?0444= (>.?3
-
- bX
88
A A A
0?> - >.?3 (..> 4 +=4.3 Y 4 -?.0+44 (-?,0 2>,' = 0(>? 5 - bX <+.4= - 33 (>,?3 A -?.0- (-?.0
<
&abel '('( *en.ari Persamaan 7egresi dengan menggunakan simpangan ( -> .> 3> 4> <> ?> 330
X Y
* -.3 --3 -3 3 -3 .3 0
C adalah 9 dikurangi X , y adalah : dikurangi Y )ntuk mencari nilai @ A2 dan @ Ay dapat juga dilakukan secara langsung menggunakan ,abel .... tanpa mencari *ean dengan meng gunakan 1umus * @ C- A @ 9- - (@ 9 (
-
@ Cy A @ 9: - (@ 9 ( @ : A .>3>> 7 ..> C 0?> A .33> ( 4 b A @ Cy A .33> A >.?3 (>.?0444= @ C.=3> a A Y - b X --D <+.4= - 33 (>,?3 A -?.0- (-?.0 ; < 2>,' = 0(>? 5
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002
89
&abel '(?( *en.ari Persamaan 7egresi dengan menggunakan koefisien korelasi ( -> .> 3> 4> <> ?> 330 ) 4> 3> => <> +-> ++> !0 * -.3 --3 -3 3 -3 .3 0 *2 +--3 4-3 -3 -3 4-3 +--3 3%$0 + --+.4= -.+.4= -++.4= -+.4= .<... -<... 0 +2 04?.3? +>>-.?? +.4.+? -.=? +04?.+? <>-.3? 3&&3'33 (+ =3<.03 =?+.=3 3<..3 -<..3 ?3<.-3 ??+.33 3$$0
!tandar "e$iasi 9 (!d9 A -=..? / !tandar "e$iasi : (!d: A -=.<4 1umus Korelasi * Cy
rAy
(C (y .33>
.33>
A A >.?.>-
rAy
(.=3> (.<<.,..
.<+4.><
b b a
A A A <
A >.?04 (>.?3
2>,' = 0(>? 5
4.2.1.2. ,engu-ian Signi.ikansi !an linie i$as Ga is Reg esi !etelah diperoleh persamaan garis regresi, langkah berikutnya adalah melakukan pengujian apakah persamaan tersebut signifikan serta linier atau tidak. )ntuk itu terlebih dahulu perlu dicari Eumlah kuadrat untuk masingmasing sumber %arian sebagai berikut *
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002
90
2umlah Kuadrat B EK,(Eumlah Kuadrat ,otal EK (Eumlah Kuadrat (a EK (1 (Eumlah Kuadrat ,otal direduksi EK (Eumlah Kuadrat (b EK! (Eumlag Kuadtar !isa EK (; (Eumlah Kuadrat ;alat EK(,2 (Eumlah Kuadrat ,una 2ocok A A A A A A A :( : ( EK, b Cy EK1 (yk EK! EK; EK (b EK (a
-
)ntuk lebih jelasnya akan dilakukan perhitungan dengan mengacu pada ,abel berikut &abel '(C(
( -> -> 3> 4> <0 ?> 3" ) 4> 3> <> <> +-> ++0 $0 )2 .4>> -3>> 40>> 40>> +00>> +-??4 ("!( * -.0 -.0 -0 4 .> .4 0 (2 ++34 ++34 +4 .4 ?>> +-?4 $(0 + --0 -.0 -0 -0 .4 .> 0 +2 3=4 ++34 +4 +4 +-?4 ?>> 3!(0 *+ <+4 ++34 +4 --0 +><> +><> #"
'ersamaan regresi < 9?()C = 0(>0 5 "engan data di atas hasil perhitungan Eumlah Kuadra adalah * EK(, EK (a EK (1 EK (b EK!
EK;
A 04-?4 A 0-..4 A A A
A
04-?4 -
0-..4A .?4> (@ y-
91
EK(,2
3>
untuk menghitung 2K- data 4 dikelompokan menurut data 5, data 5 diurutkan dari ke.il ke besar dan yang nilai 5 nya sama merupakan satu kelompok sedang yang 5 nya satu dianggap satu kelompok, sesudah itu hitung 2K untuk tiap kelompok, yang kelompoknya satu 2K nya 0
nilai-nilai tersebut kemudian dimasukan pada tabel Ana$a sbb * &abel '(D( &abel %na+a untuk pengu,ian Signifikansi dan linieritas Persamaan regresi
!umber %arians
"b 4 + + 0 . +
EK 04-?4 0-..4
.=++.4 -0<.0
Fh
Ft>.>3
Ft>.>+
3?.==
=.=+
-+.->
+?<.0 3>
+..-
-+4
30>.
1. 'ersamaan 1egresi
(3?.== D -+.-> 7 =.=+ baik pada taraf kepercayaan ?3 G (>.>3 maupun pada taraf kepercayaan ?? G (>.>+ 2. 'ersamaan 1egresi < 9?()C = 0(>0 5 linier baik pada taraf
kepercayaan ?? G (>.>+ Fh H Ft (+..- H 3.0> , maupun pada taraf kepercayaan ?3 G (>.>3 Fh H Ft (+..- H 30>. . 4.2.1./. Reg esi Linie Gan!a #!ua % e!ik$& '
92
1egresi ;anda adalah regresi dengan dua %ariabel bebas (8isalnya 9+ dan 9- dan satu $ariabel ,erikat (: . dilihat dari perumusan masalah sebagaimana dikemukakan di muka, maka untuk untuk melihat persamaan garis regresi bagi masing-masing $ariabel bebas dapat dilakukan dengan cara perhitungan regresi linier sederhana, yakni regresi : atas 9 + dan 1egresi : atas 9-, oleh karena itu uraian berikut hanya berkaitan dengan regresi ;anda. Adapun bentuk persamaan 1egresi ;anda adalah *
)ntuk menghitung nilai konstanta a, b +, dan b-, dapat digunakan tiga buah persamaan yaitu *
1. : 2. 9+: 3. 9-:
A A A
Berdasarkan data dalam tabel ..< diperoleh tiga persamaan * +. 34 -. 3>3 .. -=4 A A A 0a B .-b+ B +4b.-a B -?>b+ B +3?b+4a B +3?b+ B?0b-
93
'enyelesaian * 'ersamaan + dan - menghasilkan persamaan 0 0a B .-b+ B +4b( C < -D 00< A A A .-a B-34b+ B +-<b.-a B -?>b+ B +3?b- > .0b+ B .+b-
+. 34 A -. 3>3 A
'ersamaan + dan . menghasilkan persamaan 3 +. 34 .. -=4 A A 0a B .-b+ B +4b- (C 0 -D --0 A +4a B+-<b+ B 40b+4a B +3?b+ B?0b- (C + -D -=4 A +4a B +3?b+ B ?0b- 'ersamaan 3 3- A > .+b + B .>b-
"ari persamaan 0 dan 3 akan diperoleh konstantan b 0. 3= 3. 3A A > > .0b+ B .+b- (C .+ -D +=4= A +>30b+ B ?4+b.+b+ B .>b- (C .0 -D +=4< A +>30b+ B +>->b- + 3?b- A + b" * 0'0#(! (0'0#%) A > 3?b-
Kemudian nilai b- disubtitusikan pada persamaan 0, maka akan diperoleh konstanta b+ 3= 3= A A > .0b+ B .+b- 3= A .0b+ B (.+ C >.>+=
!elanjutnya nilai b- dan nilai b+ disubstitusikan pada persamaan +, maka akan diperoleh nilai konstanta a 34 A 34 A 34 A 0a A 0a B .- (+.44 B +4 (>.>+= 0a B 3..+- B >.-=0a B 3...?34 - 3...?- 0a A -.4>< a * 0'($"
94
&abel '(> &abel bantu Perhitungan regresi ganda (dua prediktor" *enggunakan rumus simpangan (1 0 = ? +92
X
)
(2 + 3 < )C <EF X
) = ++= -> ?C
2
*1 -0 -+ + 0 > = 4 FY
*2 -. -+ 0 >
+ -= -. 4 >
* 12 +4 + + +4 .0
* 22 ? 0 + +4 .>
+2 0? 0 ? .4 ?<
*1*2 ++ +4 .+
* 1+ -< . -0 3=
* 2+ -+ 0 . -0 3-
'ersamaan 1egresi *
)
a b+
* A A
+ -
b#X# b+ X
+ -
b"X" b- X
)( Cara pertama B
Y
+ -
(C-- (C+y 7 (C+C- (C-y (C+- (C-- 7 (C+C- (C+- (C-y 7 (C+C- (C+y (C+- (C-- 7 (C+C- -
b-
b+
?< 3?
b#
#'((
bb-
A
A
b" a a a a
* A A A *
b+ X
b- X
+0 +0 0'($"
- >.>+= (0 >.>4<
C+y C-y a 3= 3-
A A A A A
- b+ X
- b- X
8encari b+ *
96
.0 .+
.+ b+ .> A
3= 3-
.+ .>
8encari b- *
.0 .+ .+ b.> A .+ 3.0 3=
A (.0 C 3- -- (3= C .+
8encari a *
a a a a A A A *
Y
b+ X
b- X
+0 +0 0'($"
>.>+= (0 >.>4<
97
4.2.1.4. ,engu-ian Signi.ikansi Reg esi Gan!a 8encari Eumlah Kuadrat * EK (1 EK (reg A y- A ?<
EK (!
db
EK
1EK
Fh
Ft >.>3
. +
Kesimpulan * 'ersamaan regresi5garis regresi tidak signifikan karena F hitung lebih kecil dari F tabel (+?.+ H ->> pada taraf kepercayaan ?3 G (>.>3
98
4.2.2. 0& elasi Korelasi adalah suatu hubungan, Koefisien korelasi adalah indeks arah dan besaran suatu hubungan5relasi, Koefisien korelasi 'roduct 8oment ( r dapat dihitung dengan beberapa rumus yang ekui$alen. Ada beberapa +. 'enentuan adanya hubungan serta besarnya hubungan antara $ariabel dapat diketahui, sebab koefisien korelasi merupakan ukuran yang dapat menjelaskan besar kecilnya hubungan -. dengan mengetahui adanya hubungan, maka prediksi terhadap $ariabel lainnya dapat dilakukan dengan bantuan garis regresi. Korelasi pada dasarnya hanya menunjukan tentang adanya hubungan antara dua $ariabel atau lebih serta besarnya hubungan tersebut, ini berarti bahwa korelasi tidak menunjukan hubungan sebab akibat. Apabila dipahami sebagai suatu hubungan sebab akibat, hal itu bukan karena diketahuinya koefisien korelasi melainkan karena rujukan teori5logika yang memaknai hasil perhitungan, oleh karena itu analisa korelasional mensyaratkan acuan teori yang mendukung adanya hubungan sebab akibat dalam $ariabel-$ariabel yang dianalisa hubungannya. Koefisien korelasi dari suatu perhitungan berkisar antara B+ dan 7+, koefisien korelasi yang bertanda (B menunjukan arah korelasi yang positif, sedangkan yang bertanda (- menunjukan arah hubungan yang negatif. !ementara itu bila koefisien korelasi bernilai >, berarti tidak ada hubungan antara $ariabel satu dengan $ariabel Y lainnya. &ubungan tersebut bila Y Korelasi Positif Korelasi Negatif digambarkan nampak sebagai berikut * manfaat dalam mempelajari korelasi yakni *
0 X Y
Tidak erkorelasi
99
Berikut ini akan dikemukakan beberapa cara perhitungan untuk memperoleh nilai koefisien korelasi . 4.2.2.1. 0& elasi Se!e "ana korelasi sederhana merupakan korelasi yang mencoba memahami hubungan antara satu $ariebel bebas (9 dengan satu $ariabel terikat (: . dalam perhitungannya terdapat beberapa cara yang dapat dipergunakan, berikut ini akan dikemukakan beberapa contoh perhitungan, dan jika terdapat sedikit perbedaan hasil untuk masing-masing cara perhitungan,hal itu semata-mata akibat proses pembulatan )( 7umus yang menggunakan Standar Skor 'enghitungan nilai koefisien korelasi dengan menggunakan rumus standar skor dapat dilakukan dengan melaksanakan langkah-langkah sebagai berikut * a. 8enghitung dikorelasikan. b. 8enghitung nilai !tandar de$iasi untuk tiap-tiap $ariabel yang akan dikorelasikan. c. 8enghitung nilai I untuk masing-masing $ariabel yang akan dikorelasikan dengan menyelisihkan masing-masing niali tiap $ariabel untuk kemudian dibagi dengan nilai !tandar de$iasinya nilai rata-rata untuk tiap $ariabel yang akan
100
d. 8engalikan nilai I $ariabel satu dengan yang lainnya, kemudian dijumlahkan e. 8embagi hasil jumlah perkalian nilai I tersebut dengan jumlah data dikurangi satu Adapun rumusnya adalah * JCJy rCy dimana *
A
n7+
rCy A
JC A
Jy A : - Y !dy )ntuk memudahkan perhitungan dapat dibuat tabel bantu sebagai berikut * &abel '())( Perhitungan Korelasi menggunakan Standar Skor ( -> .> 3> 4> <> ?> 330 A 33 / !d9 A -=..? rCy A JCJy n-+
X Y
101
Cy
rCy
C A 9 - X y A : - Y
(C (y
&abel '()2( Perhitungan Korelasi menggunakan #e+iasi Skor ( -> .> 3> 4> <> ?> 330 ) 4> 3> => <> +-> ++> !0 ( -.3 --3 -3 3 -3 .3 0 *2 +--3 4-3 -3 -3 4-3 +--3 3%$0 + --+.4= -.+.4= -++.4= -+.4= .<... -<... 0 +2 04?.3? +>>-.?? +.4.+? -.=? +04?.+? <>-.3? 3&&3'33 *+ =3<.03 =?+.=3 3<..3 -<..3 ?3<.-3 ??+.33 3$$0
Cy
rCy
(C (y .33>
.33>
A A 0(>902 (0(>9"
rCy
(.=3> (.<<.,..
.<+4.><
9( 7umus dengan metode Produ.t *oment 8omen adalah ukuran yang didasarkan pada de$iasi tiap nilai $ariabel. 8omen 9 adalah C dan momen : adalah y. 'roduct 8oment ('m adalah hasil perkalian antara momen 9 dengan 8omen :, yang dirumuskan * 'm A Cy (-+ 'm . !dC . !dy .33> A =+> 102
3 r r A A =+> .
-=..? C -=.<4
=+>
=4..><
0(>90' (0(>9"
'( 7umus %ngka Kasar (7a3 S.ore" Karl Pearson &abel '()9 X -> .> 3> 4> <> ?> 330 Y 4> 3> => <> +-> ++> !0 X" 0>> ?>> -3>> .4>> 40>> <+>> "#!00 Y" .4>> -3>> 0?>> 40>> +00>> +-+>> 3!00 XY +->> +3>> .3>> 0<>> ?4>> ??>> 30$00
( 9: - ( 9 ( : --------------------------------------------------( 9- 7 ( 9 ( :-7 ( : -
A r A
103
?( 7umus menggunakan Persamaan dan Koefisien arah regresi &abel '()'( ( -> .> 3> 4> <> ?> 330 ) 4> 3> => <> +-> ++> !0 (2 0>> ?>> -3>> .4>> 40>> <+>> "#!00 () +->> +3>> .3>> 0<>> ?4>> ??>> 30$00 #) - Y '2 04?.3? +>>-.?? +.4.+? -.=? +04?.+? <>-.3? 3&&3'33 2 0<.0 3=.? =4.? <4.0 +>3.0 ++0.? &!'! #) - 2' ++.4 -=.? -4.? -4.0 +0.4 -0.? 0'# #) - 2'2 +.0.34 4-.0+ 0=.4+ 0>.?4 -+..+4 -0.>+ $""'%#
r r
A A
+ - @ (:- K @ (:- Y
r r r r r r
A A A A A A
4.2.2.2. ,engu-ian signi.ikansi 0& elasi Se!e "ana untuk mengetahui apakah hasil perhitungan korelasi sederhana signifikan atau tidak, maka diperlukan uji signifikansi dengan uji t, adapun rumusnya adalah *
104
)ji signifikansi * th
(( - (+ - r
th th
D H
tt tt
A A
Bila diterapkan pada hasil perhitungan korelasi di atas, hasilnya adalah * )ji signifikansi * r < 0(>9 th
A >.?.
(4 - ( + - >.?.
th th
A A
+.<4
>.-403
D(092
kemudian t hitung( th tersebut dibandingkan dengan t tabel ( t t , hasilnya menunjukan bahwa korelasi tersebut signifikan karena th lebih besar dari tt (=.>.-D-.+. pada taraf kepercayaan ?3 G (>,>3 dengan derajat kebebasan 0 (nilai t tabel dapat dilihat dalam daftar tabel t 4.2.2./. 0& elasi Gan!a korelasi yang terdiri dari dua $ariabel bebas (9 +, 9- serta satu $ariabel terikat (: . apabila perumusan masalahnya terdiri dari tiga masalah, maka hubungan antara masing-masing $ariabel dilakukan dengan cara perhitungan korelasi sederhana, oleh karena itu berikut ini hanya akan dikemukakan cara perhitungan ganda antara 9+, dan 9- dengan :, yang bila dibagankan akan nampak sebagai berikut *
105
: 9Adapun untuk menghitung koefisien korelasi ganda dapat digunakan rumus berikut* Cara pertama
Bila rumus tersebut dipergunakan untuk menghitung koefisien korelasi ganda dengan mengacu pada tabel ..? hasilnya adalah sebagai berikut * #ari perhitungan koefisien korelasi dengan menggunakan data pada tabel 9(>( diperoleh hasil sebagai berikut ry(A) < 0(>ED (korelasi 5) dengan 4" ry(A2 < 0(>?> (korelasi 52 dengan 4" rC+C- A >.?=+ (korelasi 9+ dengan 9-
0.9872 # 0.9592 & 2 " 0.987. 0.959. 0.971 %!."1"2 = 1 & 0.9712
106
1y. C+C-
A A
8enggunakan nilai Eumlah Kuadrat 1egresi dan Eumlah Kuadrat ,otal direduksi 1y. C+CA EK (reg EK (1
A A
6ihat halaman ??
A
A
A A
4.2./. 0& elasi ,a sial Korelasi parsial adalah korelasi antara satu $ariabel bebas dengan $ariabel terikat dengan dengan $ariabel bebas lainnya bersifat tetap. !ebagai contoh korelasi dengan dua $ariabel bebas * 9 +, 9- dan :,
107
maka korelasi parsial anara 9 + dengan : dikontrol oleh $ariabel 9 - dan korelasi 9- denga : dikontrol oleh 9+ adapun rumusnya adalah sbb * Korelasi 9+ dengan : dikontrol oleh 9ry+.A
ry+ -
ry- .r+-
ry- -
ry+ .r+-
(+ 7 ry+- (+ - r+-uji signifikansi korelasi parsial * th A r ( -. + - rth th D D tt tt A A Korelasi signifikan Korelasi tidak signifikan
Contoh perhitungan "engan menggunakan data dalam tabel ..? diperoleh hasil perhitungan * Korelasi 9+ dengan : dikontrol oleh 9A >.?<= - >.?3? .>.?=+ '1 & 0.9592( '1 & 0.9712( ry+.ry+. A A >.>33< 0.0677 >.<-0-
ry+.-
108
ry-.+
ry-.+ ry-.+
A A
>.>>>40.03842 >.>+4+
4.2./.1. %engu-ian signi.ikansi k& elasi %a sial 7y)(2 < th A 0(E2'2 >.<+
>..-=4 th th A A >.<>.3=-.
+.0. H tt A 4..+ (taraf signifikansi ?3G dengan db + Kesimpulan * korelasi tidak signifikan 0(0)C) >.>+4+ +
7y2() < th A
>.???= th th A A >.>+4+ >.???< >.>+4+> H tt A 4..+ (taraf signifikansi ?3G dengan db + Kesimpulan * korelasi tidak signifikan 4.2.4. %ena.si an k&e.isien k& elasi koefisien korelasi pada dasarnya tidak hanya menunjukan hubungan antara $ariabel satu dengan lainnya, tapi juga menunjukan indeks proporsi perbedaan satu $ariabel terkait dengan $ariabel lainnya, dengan demikian koefisien korelasi juga menunjukan berapa besar $arians total satu $ariabel
109
berhubungan denga $arians $ariabel lain. &al ini berarti bahwa tiap nilai r perlu ditafsirkan posisinya dalam keterkaitan tersebut. )ntuk memberikan tafsiran pada nilai koefisien korelasi, dapat digunakan patokan berikut * 'L!#,#F >.?> - +.>> >.=> - >.?> >.3> - >.=> >..> - >.3> >.>> - >..> (M;A,#F ->.?> - -+.>> ->.=> - ->.?> ->.3> - ->.=> ->..> - ->.3> ->.>> - ->..> 'M(AF!#1A( Korelasi sangat tinggi (!ery high" Korelasi tinggi ($igh" Korelasi sedang (moderate" Korelasi rendah (Lo3" Korelasi kecil (Little if any"
Sumber B #ennis /( $inkle( %pplied Statisti.s for beha+ioural S.ien.e( &alaman *))E
4.2.4. Mng"i$ung 0&n$ ibusi Va iabel , e!ik$& )ntuk mengetahui berapa besar kontribusi5sumbangan $ariabel prediktor (%ariabel bebas terhadap %ariabel kriteria ($ariabel terikat , dapat dilakukan dengan menghitung Koefisien "iterminasi (r - yang merupakan pangkat dua dari koefisien korelasi, sebagai contoh hasil perhitungan koefisien korelasi sederhana menunjukan nilai r A >.?., maka koefisien diterminasinya adalah >.?.- A >.<40?, ini berarti bahwa <4,0?G $ariasi dalam $ariabel : dapat diterangkan5ditentukan oleh $ariasi dalam $ariabel 9. Adapun untuk 1egresi5Korelasi, maka disamping kontribusi totalnya dapat diketahui melalui perhitungan koefisien diterminasi (1 - , perlu juga diketahui sumbangan relatif masing-masing prediktor. "engan mengacu pada hasil perhitungan korelasi ganda dengan data tabel ..?. diperoleh koefisien "iterminasi untuk korelasi ganda sebesar >.?=0-, yang berarti bahwa ?=.0G $ariasi dalam %ariabel : ditentukan5dapat diterangkan oleh $ariasi dalam $ariabel 9+ dan 9-. adapun sumbangan relatif masing-masing prediktor adalah dengan cara menghitungnya melalui langkah berikut * 6akukan pemilahan Eumlah Kuadrat 1egresi untuk masing-masing prediktor EK (reg A b+C+y B b-C-y +.44 (3= B >.>+= (3-
110
?0.4- B >.<< A ?3.3> Bagi unsur EKreg untuk masing-masing prediktor dengan Ekreg +.!umbangan 1elatif 9+ A ?0.4- * ?3.3> C +>>G A ??.><G -.!umbangan 1elatif 9- A >.<< * ?3.3> C +>>G A >.?-G Kemudian sebagai berikut * +. ,entukan Mfekti$itas ;aris 1egresi dengan rumus (1 - C EK 1 * EK (1 M;1 A (>.?=0 C ?< * ?< C +>>G A ?=.0G (Koefisien #iterminasi" lakukan penghitungan untuk mengetahui Kontribusi5sumbangan efektif masing-masing prediktor dengan cara
-. &itung sumbangan efektif masing-masing prediktor o !umbangan Mfektif 9+ A (??.>< * +>> C ?=.0G A ?4.3>G o !umbangan Mfektif 9- A (>.?- * +>> C ?=.0G A >.?>G
/NT/K 01012K/21K3N
1. Kemukakan macam-macam hubungan antar Variabel serta contoh-contohnya yang berkaitan dengan masalah pendidikan ? 2. Berikan penjelasan keterkaiatan antara analisa regresi dengan analisa korelasi ? 3. Jelaskan apa yang ingin diperoleh dengan melakukan penelitian yang bersi at korelasional ? !. "itung persamaan regresi lininer sederhana dan regresi ganda dari data berikut ini # $esponden ' B ) / 0 1 " Variabel %1 2( 23 2* 23 23 3* 3, !( Variabel %2 3( 3! 3+ 3! 3( !1 !, *2 Variabel & !( !2 !, !. *! ,( ,! ,+
4.2.5. ,engu-ian ,e s+a a$an Analisis "alam melakukan analisis data yang menggunakan teknik korelasional dengan dua berntuk perhitungan yaitu korelsi product moment dan regresi
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002
111
diperlukan asumsi 7 asumsi tertentu agar intrepretasi terhadap hisilnya dapat dipertanggungjawabkan dilihat dari sudut pandang statistika. "alam hubungan ini, asumsi5persyaratan yang perlu dipenuhi adalah *
Korelasi product momen5'earson +. sampel diambil secara acak -. ukuran sampel minimum dipenuhi .. data sampel masing-masing $ariabel berdidtribusi normal 0. bentuk regresi linier (Santosa *ur3ani( 2000( h 92
/( $inkle
menggunakan korelasi 'earson perlu memenuhi dua kondisi yaitu * +. %ariabel yang dikorelasikan harus berpasangan subjek yang sama. -. $ariabel yang dikorelasikan skala pengukurannya harus inter$al atau rasio, dan hubungannya harus bersifat linier. .. &omogenitas kelompok
1egresi (6red H( Kerlinger/laIar 2( PedhaIur B )>D9 B 'D" +. !kor %ariabel : (dependent !ariable harus berdistribusi normal untuk setiap nilai 9, sedangkan untuk $ariabel bebas (9 tidak disyaratkan berdidtribusi normal. -. !kor $ariabel dependen (: mempunyai $arians yang sama (homogenitas $ariansi untuk setiap nilai $ariabel bebas (9 .
"engan memperhatikan persyaratan di atas, nampak bahwa asumsi normalitas distribusi serta homogenitas $ariansi diperlukan baik dalam perhitungan korelasi maupun regresi, sedangkan asumsi-asumsi lainnya lebih bersifat pra analisa, oleh karena itu uraian berikut akan difokuskan pada pengujian normalitas dan homogenitas. 1. U-i N& mali$as 6is$ ibusi
112
,erdapat !Nuare (-
beberapa
cara
pengujian
normalitas
distribusi
yaitu
)()( U,i Kolmogoro+JSmirno+ )ntuk perhitungan normalitas distribusi, dimisalkan terdapat sekelompok data dengan skala pengukuran inter$al dengan dua $ariabel bebas dan satu $ariabel terikat sebagai berikut * &abel skor !ariabel bebas (5" dan +ariabel terikat (4" (1 ' ' > )2 )2 (2 ) 2 E E )0 ) D )2 )D 20 2)
"ari tabel tersebut misalkan kita ingin menguji normalitas $ariabel : , maka untuk memudahkan diperlukan tabel bantu sebagai berikut * &abel bantu Perhitungan Hormalitas
Sk& )
= ++= -> -+ %%
.
+ + + + + $
%
>.>.>.>.>.#'0
k%
>.>.0 >.4 >.< +.> 4
1*
-+.0. ->.3< >.-= >.=< >.?4 0
1$
>.>< >.-< >.4+ >.=? >.<. 4
a1
>.>< >.>< 0'"# >.+? >.>. 4
A2
>.+>.+>.>+ >.>+ >.+= 4
S# < ?(EC LangkahJlangkah perhitungan B !etelah data dimasukan dalam kolom pertama dan dihitung
frekuensinya, kemudian dilakukan perhitungan sebagai berikut * +. 2ari prosentasi (p dengan cara frekuensi (f dibagi dengan jumlah data. "alam contoh baris pertama di atas adalah + * 3 A >.-, demikian seterusnya sampai selesai untuk setiap frekuensi.
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002
113
prosen tase kumulatif dengan prosentase di bawahnya, khusus untuk baris pertama nilai p langsung dipindahkan, untuk baris ke dua adalah >,- B >.- A >.0, baris ke tiga >.0 B >.- A >.4, dan seterusnya. .. 2ari nilai IC dengan cara !kor : dikurangi dengan 8ean5nilai ratarata dibagi nilai !tandar "e$iasi, sebagai contoh untuk baris pertama adalah (= 7 +3.0 53.<4 A - +.0.. untuk baris selanjutnya dihitung dengan cara yang sama. 0. 2ari nilai I tabel (It dengan melihat ,abel Kur$a (ormal baku (,abel I berdasarkan nilai I C 7nya, contoh untuk baris pertama. (ilai I tabel dilihat dalam baris +,0 dan kolom ., diperoleh nilai I sebesar >.0-.4, karena nilai IC 7 nya bernilai minus maka nilai I tabel yang diisikan adalah >.3 - >.0-.4 A >.>=40 (>.>< . bila I C bernilai positif maka nilai I tabel yang diisikan adalah ditambah >.3. 3. (ilai a+ diperoleh dengan cara menyelisihkan nilai Kp dengan nilai It di bawahnya, sedang untuk baris pertama nilai I t langsung diisikan, contoh untuk baris kedua nilai >.>< diperoleh dengan cara >.- 7 >.-< A ->.>< (yang dipakai nilai mutlaknya . 4. nilai a- diperoleh dengan menyelisihkan nilai Kp dengan nilai I t yang sejajar, contoh untuk baris pertama >.- 7 >.>< A >.+-. =. setelah selesai cari nilai a maksimum, diperoleh nilai >.-+, kemudian bandingankan dengan nilai tabel pada baris ( A 3, pada tingkat signifikansi >.>3 diperoleh nilai >.343, karena a maksimum lebih kecil dari nilai 6 maksimum berarti distribusi normal. )(2( U,i Lilliefors 2ara lain pengujian normalitas distribusi adalah menggunakan formula 6illiefors, berikut akan diberikan contoh perhitungan dengan menggunaka data pada pengujian Kolmogorof-!mirno$ &abel bantu Perhitungan Hormalitas
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002
114
Sk& )
= ++= -> -+ %%
.
+ + + + + $
%
>.>.>.>.>.#'0
k%
>.>.0 >.4 >.< +.> 4 *ean < )?(' S# < ?(EC
1*
-+.0. ->.3< >.-= >.=< >.?4 0
1$
>.>< >.-< >.4+ >.=? >.<. 4
1$ - 0%
>.+>.+>.>+ >.>+ 0'#% 4
"engan melihat tabel di atas nampak bahwa perhitungan dengan menggunakan uji 6illiefors sama dengan perhitungan dengan menggunakan uji Kolmogoro$-smirno$ dalam penentuan nilai tiap-tiap kolom, sedangkan kolom terakhir dalam pengujian normalitas distribusi ini sama dengan nilai a pada uji Kolmogoro$-!mirno$. !esudah kolom-kolom lengkap terisi kemudian tentukan 6 > maksimum dari kolom terakhir (Jt - Kp , dimana diperoleh 6 o A >.+=, bandingkan nilai ini dengan 6t pada baris ( A 3 dengan taraf signifikansi >.>3 yaitu sebesar >...=, dan karena 6o A >.+= lebih kecil dari 6 t A >..., maka distribusi data tersebut (ormal. Bila diperhatikan kedua cara pengujian normalitas tersebut mengacu pada prinsip yang sama namun dengan tabel uji yang berbeda, disamping itu perlu juga dipahami bahwa nilai-nilai yang dibandingkan dengan nilai tabel mengambil nilai mutlaknya, dalam arti positif atau negatif diperlakukan sama. )(9( U,i ChiJKuadrat 'engujian dengan cara ini agak berbeda dengan dua cara sebelumnya, dimana dalam pengujian ini harus dicari selisih antara I t dengan It dibawahnya yang menggambarkan luas tiap kelas, dan perlunya dicari frekuensi yang diharapkan serta tidak perlunya dicari prosentase. (amun untuk itu sebaiknya data dikelompokan terlebih dahulu agar dapat ditentukan batas kelasnya. )ntuk lebih jelas berikut akan dikemukakan cara perhitungan dengan menggunakan data pada pengujian sebelumnya.
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002
115
8enentukan distribusi frekuensi * +. Eumlah Kelas #nter$al + B .,. log n +B ... log 3 A ...>4 (ditetapkan . -. 1ange (rentang "ata terbesar 7 "ata terkecil -+ - = A +0 .. 'anjang kelas inter$al ( i i A 1ange (rentang * Eumlah Kelas #nter$al +05. A 0.4(3 &abel bantu Perhitungan Hormalitas
Sk& ) = 7 ++ +- 7 +4 += 7 -+ -
1*
1$
Lki
7"
.& + + . $
-+.3>.>4 ->.4= >.-3 >.+? >.?3 >.+? >.3< >... +.43 +.>0 >.<3 >.-= +..3 8ean A +3.0 / !" A 3.<4
2ara pengisian kolom-kolom o )ntuk pengisian kolom IC dan It caranya sama seperti dalam pengujian Kolmogoro$-!mirno$ dan 6illiefors. o Kolom 6ki (6uas tiap kelas inter$al dicari dengan menyelisihkan I t dengan It sebelumnya, contoh nilao >.+? diperoleh dari >.-3 7 >.>4. o Kolom fh diperoleh dengan cara nilai Lki dikalikan dengan jumlah data. o Kolom fo adalah frekuensi tiap kelompok data !kor :. o !esudah itu kemudian dicari nilai 9 - masing-masing kelompok kemudian dijumlahkan, hasilnya diperoleh nilai -.-??, nilai ini kemudian dibandingkan dengan nilai tabel pada tingkat kepercayaan ?3G pada baris - (jumlah kelompok dikurangi satu , diperoleh nilai 52 tabel sebesar 3.??. karena 52 hitung lebih kecil dari 52 tabel maka distribusi normal.
116
!ebagaimana telah dikemukakan dimuka bahwa dalam analisis regresi diperlukan asumsi bahwa nilai : mempunyai $arians yang sama5homogen untuk setiap nilai 9, oleh karena itu data $ariabel : mesti dikelompokan berdasarkan nilai 9 nya, sebelum dilakukan pengujian hogenitas $ariansi. )ji yang biasa digunakan untuk ini biasanya U,i Kartlett dengan menggunakan nilai 2hi-Kuadrat sebagai ukuran pengujian. )ntuk memperjelas pengertian tersebut berikut ini akan dokemukakan cara perhitungan dengan menggunakan data-data yang telah dipergunakan dalam uji normalitas. &abel skor !ariabel bebas (5" dan +ariabel terikat (4" (1 ' ' > )2 )2 (2 ) 2 E E )0 ) D )2 )D 20 2)
"engan data tersebut maka perhitungan uji homogenitas dilakukan dua kali terhadap $ariabel :, pertama yang dikelompokan berdasarkan 9 + dan kedua yang dikelompokan berdasarkan 9 - , pengelompokan dilakukan dengan mengurutkan nilai 9 dari kecil ke besar, dan contoh perhitungan hanya akan menggunakan data 9+ dengan :.
6angkah-langkah perhitungan o Kelompokan skor nilai : berdasarkan pengurutan skor nilai 9 + (1 ' ' > )2 )2 ) D )2 )D 20 2) 0el&m%&k ) ) 2 9 9
117
o 'engelompokan di atas menunjukan terdapat . kelompok data yang anggotanya terdiri * untuk kelompok satu adalah = dan +-/ kelompok dua +=/ dan kelompok tiga adalah -> dan -+. o !esudah diketahui kelompoknya, untuk memudahkan perhitungan masukan ketiga kelompok tersebut pada tabel berikut
!ampel5Klp
db + > + -
+ .
o Kolom si- merupakan $arians dari tiap kelompok, cara mencarinya dapat digunakan rumus (( C @9 kelompok sati (- C +?. 7 (+? - 5 -(+ .<4 7 .4+5 . A +-.3 +. 6akukan pengujian normalitas distribusi terhadap data berkut dengan o tiga Kemudian cari $arian gabungan (s dengan rumus * @ db si-5 @ db, cara pengujian untuk masing-masing $ariabel hasilnya adalah +.5- A 4.3. &abel skor !ariabel bebas (5" dan +ariabel terikat (4" o 2ari nilai B dengan rumus (@ db log s - A - C >.<+. A +.4-4. sesudah (1 (2 ) diketahui nilai B, kemudian hitung nilai 2hi-Kuadrat ( 5 )? 92 ')dengan rumus '2A +.?++ (6n +> )9 C (B - (@ db log s- 99 -..>-4 C (+.4-4 7 >.=?4 )E 92 '9 2 2 o (ilai 5 dengan nilai )Etersebut kemudian dibandingan 9? ''5 tabel pada 99 K-+ nilainya adalah '? tingkat)> signifikansi ?3G pada kolom .,<0. )9 9? '> 2 o Kesimpulan * karena 52 hitung )? 9E lebih ke.il dari 5 'C tabel maka )> data tersebut bersifat 9E ?0 kelompok homogen ()(>)) L 9(E'"( -. 6akukan pengujian &omogenitas %ariansi terhadap data berikutbebas dalam9 + 'engujian homogenitas bila untuk regresi ganda dengan $ariabel konteks regresi ganda dan 9- , pengujian homogenitas %ariansi dilakukan dua kali yaitu untuk &abel skor !ariabel bebas (5" dan +ariabel terikat (4" regresi : atas 9+ dan untuk regresi : atas 9 -, sehingga harus dilakukan (1 (2 ) pengelompokan : berdasarkan 9 dan pengelompokan : berdasarkan 9 -, + 2? '2 ?) 29 '9 sama. ?2 adapun langkah-langkah perhitungannya 2E '2 ?9 2E '? ?' 2> '9 ?? 29 '? ?> stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002 118 2? 'E ?C 2> '> C0 2> 'E C2 2? '> C9
UNTUK DIDISKUSIKAN
119