TEKNIK ANALISIS

1. DEFINISI KUESIONER
Suatu set pertanyaan yang tersusun secara sistematis dan standar sehingga
pertanyaan yang sama dapat diajukan terhadap setiap responden. Sistematis yang
dimaksud di sini adalah bahwa item-item pertanyaan disusun menurut logika sesuai
dengan maksud dan tujuan pengumpulan data. Sedangkan yang dimaksud standar
adalah bahwa setiap item pertanyaan mempunyai pengertian, difinisi dan konsep yang
sama. Usaha untuk membuat kuesioner suatu survei yang baik, harus diarahkan pada
dua tujuan utama yaitu :
Memperoleh informasi atau data yang berhubungan dengan maksud dan tujuan
survei.
Mengumpulkan informasi dengan kecermatan dan ketelitian yang dapat
dipertanggungjawabkan.
2. DEFINISI VALIDITAS
Menurut Azwar (1986) Validitas berasal dari kata validity yang mempunyai
arti sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi
ukurnya. Suatu skala atau instrumen pengukur dapat dikatakan mempunyai validitas
yang tinggi apabila instrumen tersebut menjalankan fungsi ukurnya, atau memberikan
hasil ukur yang sesuai dengan maksud dilakukannya pengukuran tersebut. Sedangkan
tes yang memiliki validitas rendah akan menghasilkan data yang tidak relevan dengan
tujuan pengukuran.
Terkandung di sini pengertian bahwa ketepatan validitas pada suatu alat ukur
tergantung pada kemampuan alat ukur tersebut mencapai tujuan pengukuran yang
dikehendaki dengan tepat. Suatu tes yang dimaksudkan untuk mengukur variabel A
dan kemudian memberikan hasil pengukuran mengenai variabel A, dikatakan sebagai
alat ukur yang memiliki validitas tinggi. Suatu tes yang dimaksudkan mengukur
variabel A akan tetapi menghasilkan data mengenai variabel A atau bahkan B,
dikatakan sebagai alat ukur yang memiliki validitas rendah. (Azwar 1986).

3. LANGKAH-LANGKAH/CARA VALIDITAS

Validitas digunakan untuk mengukur sah atau valid tidaknya butir pertanyaan.
Untuk menguji tingkat kevalidan instrumen peneliti dapat menggunakan teknik
korelasi product moment dari Pearson.
Hipotesis :
H 0 : Item kuesioner tidak valid
H 1 : Item kuesioner valid
Statistik uji yang dapat digunakan sebagai berikut:
n
r xy =

[(

i=1

n X 2i
i=1

i=1

i=1

) ( )( )
( ) ) ( ) ( ) ]

X iY i

i=1

Xi

Xi

. n

i=1

Yi

Y 2i

i=1

Yi

Keterangan :
r xy
: koefisien korelasi product moment
Xi

: skor untuk tiap item

Yi

: total skor dari seluruh item

: banyaknya responden atau penelitian

Kriteria pengambilan keputusan sebagai berikut :

r tabel
1. Apabila rhitung
dengan df = n-2 dan

maka tolak

H0

sehingga kesimpulannya adalah item kueioner valid.

r tabel
2. Apabila rhitung
dengan df = n-2 dan maka gagal tolak

H0

sehingga kesimpulannya adalah item kuesioner tidak valid.

Uji validitas dan Reabilitas menggunakan SPSS
Setelah kuesioner disis oleh responden langkah selanjutnya adalah uji validitas
dan reabilitas. Dibawah ini adalah langkah-langkahnya :
RESPONSIVENESS
(DAYA TANGGAP)

No
p1

p2

p3

p4

p5

RESPONSIVENESS
(DAYA TANGGAP)

No
p1

p2

p3

p4

p5

10

11

12

13

14

15

16

17

18

19

20

21

22

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

RESPONSIVENESS
(DAYA TANGGAP)

No
p1

p2

p3

p4

p5

49

50

1. Masukan data tersebut ke SPSS baris menyatakan responden dan kolom menyatakan
item pertanyaan.

2. Klik Analyze Scale Reliability Analysis

3. Maka akan muncul kotak dialog. Masukkan seluruh item pertanyaan ke items, pada
model pilih Alpha kemudian klik tab Statistics, kemudian isikan centang sesuai
gambar berikut kemudian klik Continue lalu OK.

4. Tabel pertama yang dibaca adalah Item-Total Statistics pada kolom Corrected ItemTotal Correlation seperti di bawah ini. Setiap nilai pada kolom ini dibandingkan
dengan nilai r pada tabel r dengan derajat bebas n-2 dimana n adalah jumlah
responden sehingga nilai yang digunakan dalam kasus ini adalah tabel r dengan
derajat bebas 48 dan diperoleh nilai 0.2787. Nilai yang dibandingkan adalah nilai

Corrected Item-Total Correlation. Pertanyaan valid adalah yang mempunyai

Corrected Item-Total Correlation di atas nilai r tabel.
Item-Total Statistics
Cronbach's
Scale Mean if

Scale Variance if Corrected Item-

Item Deleted

Item Deleted

Alpha if Item

Total Correlation

Deleted

P1

7.67

3.849

.609

.753

P2

7.82

3.695

.663

.735

P3

7.59

3.955

.474

.799

P4

7.55

4.044

.558

.769

P5

7.73

3.907

.622

.750

Ite
m

Corrected
Item-Total
Correlation

R-Tabel

Keteranga
n

P1
P2
P3
P4
P5

0,609
0,663
0,474
0,558
0,62

0,2787
0,2787
0,2787
0,2787
0,2787

Valid
Valid
Valid
Valid
Valid

Dari ouput SPPS diatas dapat kita lihat nilai Corrected Item-Total Correlation lebih
besar dari pada nilai R-tabel. Maka dapat kita simpulkan semua item pertanyaan valid

4. DEFINISI REABILITAS
Reliabilitas adalah tingkat seberapa besar suatu pengukur mengukur dengan
stabil dan konsisten (Jogiyanto, 2013). Cara yang digunakan untuk menguji
reliabilitas adalah dengan menggunakan rumus koefisien reliabilitas dari Cronbachs,
sehingga disebut Cronbachs coefficient alpha.
Hipotesis:
H 0 : variabel tidak reliabel
H 1 : variabel reliabel
Statistik uji yang dapat digunakan sebagai berikut:

( )
2i

k
1 i=1 2
k1

Keterangan :

: koefisien reliabilitas

: jumlah item pertanyaan

k

2i

i=1

: total dari varian masing-masing pertanyaan

: varian total skor pertanyaan

Adapun kriteria pengambilan keputusan adalah jika nilai Cronbach Alpha lebih besar
dari Cronbach Alpha kritis (0,6), maka pertanyaan dikatakan reliabel.
5. LANGKAH/CARA REABILITAS
Dari uji validitas di atas selanjutnya adalah uji reabilitas. Tabel yang dibaca adalah
reliability statistics
Reliability Statistics
Cronbach's
Alpha

N of Items
.800

Berdasarkan hasil pengujian reliabilitas di atas diperoleh nilai koefisien reliabilitas >
0,6 sehingga dapat disimpulkan bahwa dari keseluruhan variabel yang mewakili
pertanyaan dalam kuesioner dinyatakan reliabel.

6. PENGERTIAN ANALISIS DESKRIPTIF

Analisis deskriptif mambahas cara-cara pengumpulan data, penyederhanaan
angka-angka pengamatan yang diperoleh, serta menyajikan data agar lebih menarik,
berguna dan lebih mudah dipahami. Penyajian data pada analisis deskriptif dilakukan
dengan membuat tabulasi penyajian dalam bentuk grafik atau diagram.
7. MACAM-MACAM ANALISIS DESKRIPTIF
a. Ukuran Pemusatan
Ukuran pemusatan adalah beberapa ukuran yang menyatakan dimana
distribusi data tersebut terpusat. Ukuran pemusatan berupa nilai tunggal yang
bisa mewakili suatu kumpulan data dan karakteristiknya (menunjukkan pusat dari
nilai data)

Jenis-Jenis Ukuran Pemusatan Antara Lain:

Rata-rata (Mean)
Rata-rata merupakan ukuran pemusatan yang sangat sering digunakan.
Keuntungan dari menghitung rata-rata adalah angka tersebut dapat digunakan
sebagai gambaran atau wakil dari data yang diamati. Rata-rata peka dengan
adanya nilai ekstrim atau pencilan.
Median atau Nilai Tengah
Median merupakan suatu nilai ukuran pemusatan yang menempati posisi
tengah setelah data diurutkan.
Modus
Modus adalah nilai yang paling sering muncul dari serangkaian data.
Modus tidak dapat digunakan sebagai gambaran mengenai data.

b. Ukuran Penyebaran Data/Dispersi (Dispersion)

Ukuran penyebaran adalah suatu ukuran baik parameter atau statistika
untuk mengetahui seberapa besar penyimpangan data. Melalui ukuran
penyebaran dapat diketahui seberapa jauh data-data menyebar dari titik
pemusatannya.
Jenis-Jenis Ukuran Penyebaran antara lain:
Rentang
Rentang (Range) dinotasikan sebagai R, menyatakan ukuran yang
menunjukkan selisih nilai antara maksimum dan minimum. Rentang cukup
baik digunakan untuk mengukur penyebaran data yang simetrik dan nilai
datanya menyebar merata. Ukuran ini menjadi tidak relevan jika nilai data
maksimum dan minimumnya merupakan nilai ekstrim

 Variansi
Variansi (variance) dinotasikan sebagai S2 atau 2 adalah ukuran
penyebaran

data

yang mengukur rata-rata kuadrat jarak seluruh titik

pengamatan dari nilai tengah (meannya).

Simpangan Baku
Simpangan baku (standar deviation) dinotasikan sebagi s atau ,
menunjukkan

rata-rata

penyimpangan

data

dari

harga

rata-ratanya.

Simpangan baku merupan akar pangkat dua dari variansi.

CONTOH PENYAJIAN DATA ANALISIS DESKRIPTIF

Penyajian Data adalah salah satu kegiatan dalam pembuatan laporan hasil
penelitian yang telah dilakukan sesuai dengan tujuan yang diinginkan..
A. Macam Macam Penyajian Data dalam Bentuk Tabel
Pada dasarnya ada banyak cara untuk menyajikan data sehingga ia dapat
dipahami dan digunakan secara tepat oleh pengolah data. Namun untuk menghasilkan
gambaran data yang komunikatif, dibutuhkan penyajian yang sesuai kebutuhan.
Dalam hal ini, penyajian data dalam bentuk tabel bertujuan untuk memberikan
informasi dan gambaran mengenai jumlah secara terperinci sehingga memudahkan
pengolah data dalam menganalisis data. Macam macam penyajian data dalam
bentuk tabel antara lain:
1. Tabel Baris Kolom
Tabel yang lebih tepat disebut tabel baris kolom ini adalah tabel-tabel yang
dibuat selain dari tabel kontingensi dan distribusi frekuensi yaitu tabel yang terdiri
dari baris dan kolom yang mempunyai ciri tidak terdiri dari faktor-faktor yang terdiri
dari beberapa kategori dan bukan merupakan data kuantitatif yang dibuat menjadi
beberapa kelompok.
Contoh, tabel daftar nilai seorang siswa
No
1
2
3
4
5
6
7

Mata pelajaran
Matematika
Sosiologi
Geografi
Sejarah
Ekonomi
Akuntansi
Pkn

2. Tabel Kontingensi

Nilai
78
68
75
91
88
80
70

Tabel kontingensi merupakan bagian dari tabel baris kolom, akan tetapi tabel
ini mempunyai ciri khusus, yaitu untuk menyajikan data yang terdiri atas dua faktor
atau dua variabel, faktor yang satu terdiri atas b kategori dan lainnya terdiri atas k
kategori, dapat dibuat daftar kontingensi berukuran b x k dengan b menyatakan baris
dan k menyatakan kolom.
Contoh Banyak Murid Sekolah Di Jakarta Menurut Tingkat Sekolah Dan Jenis
Kelamin
JENIS
JUMLAH
KELAMIN
TINGKAT SEKOLAH
SD
SMP
SMA
Laki laki
4756
2795
1459
9012
Perempuan
4032
2116
1256
7404
Jumlah
8790
4911
2715
16416

B. Macam macam Penyajian Data dalam Bentuk Grafik

Selain dapat disajikan ke dalam bentuk tabel di atas, data-data angka juga
dapat disajikan ke dalam bentuk grafik frekuensi. Pembuatan grafik frekuensi pada
merupakan kelanjutan dari pembuatan tabel distribusi frekuensi karena pembuatan
grafik didasarkan pada tabel distribusi frekuensi. Penyajian data angka ke dalam
grafik biasanya dipandang lebih menarik karena data-data itu tersaji dalam bentuk
visual. Gambar grafik frekuensi yang banyak dipergunakan dalam metode statistik
adalah histogram, polygon, kurve dan garis.
1. Grafik Histogram / Batang
Histogram merupakan grafik dari distribusi frekuensi suatu variable. Tampilan
histogram berupa persegi panjang. Sebagai sumbu horizontal boleh memakai tepi-tepi
kelas, batas-batas kelas atau nilai variabel yang diobservasi, sedang sumbu vertical
menunjukkan frekuensi. Untuk distribusi bergolong atau berkelompok yang menjadi
absis adalah nilai tengah dari masing-masing kelas.

FREKUENSI
10
9
8
7
6
5
4
3
2
1
0

FREKUENSI

2. Grafik Garis
Grafik garis dibuat biasanya untuk menunjukkan perkembangan suatu
keadaan. Perkembangan tersebut bias naik bisa turun. Hal ini akan nampak secara
visual melalui garis dalam grafik. Dalam grafik terdapat garis vertical yang
menunjukkan jumlah dan yang mendatar menunjukkan variable tertentu yang
ditunjukkan pada gambar dibawah, yang perlu diperhatikan dalam membuat grafik
adalah ketepatan membuat skala pada garis vertical yang akan mencerminkan keadaan
jumlah hasil observasi.
Contoh : Perkembangan nilai ujian matematika Adit semester 1 tahun ajaran
2012/2013 sebagai berikut:
Ujian Semester ke
1
2
3
4
5

Nilai
70
100
90
60
85

NILAI
120
100
80
60

NILAI

40
20
0
1

Ujian Semester ke

3. Diagram Lingkaran
Cara lain untuk menyajikan data hasil penelitian adalah dengan diagram
lingkaran. Diagram lingkaran digunakan untuk membandingkan data dari berbagai
kelompok.
Contoh : Dari hasil penelitian mengenai pelajaran sejarah dengan sampel 50 siswa di
XIS3 diperoleh data sebagai berikut:
No
1
2
3
4

Penilaian
Sangat Suka
Suka
Tidak Suka
Sangat Tidak Suka

Jumlah
10
15
21
4

Penyajian data tersebut dalam diagram lingkaran adalah sebgai berikut:

1. Cari persentase masing-masing data tersebut.

Sangat Suka =

Suka =

Tidak Suka =

10
x 100 =20
50

15
x 100 =30
50
21
x 100 =42
50

Sangat Tidak Suka =

4
x 100 =8
50

2. Cari Luas sudut yang dibutuhkan untuk setiap data.

20
o
o
x 360 =72
100

Sangat Suka =

Suka =

42
x 360o =151.2o
Tidak Suka = 100

Sangat Tidak Suka =

30
x 360o =108o
100

8
o
o
x 360 =28.8
100

3. Selanjutnya luas-luas kelompok data tersebut digambarkan ke dalam bentuk

lingkaran.

Perbandingan pendapat siswa mengenai sejarah

Sangat Suka
Suka
Tidak Suka
Sangat Tidak Suka

8. PENGERTIAN ANALISIS INFERENS

Statistik inferensial adalah statistik yang digunakan untuk menganalisis data
sampel dan hasilnya akan digeneralisasikan/diinferensialkan kepada populasi dimana
sampel diambil. Statistik inferensial ada dua macam, yaitu:
Statistik Parametrik

Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis

sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak.
Dengan kata lain, data yang akan dianalisis menggunakan statistik parametrik
harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak menyebar
normal, maka data seharusnya dikerjakan dengan metode statistik nonparametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar
data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik
parametrik.
Contoh metode statistik parametrik:
a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametrik), dll.
Ciri-ciri statistik parametrik:
Data dengan skala interval dan rasio
Data menyebar/berdistribusi normal
Statistik Non-Parametrik
Statistik Non-Parametrik,

yaitu

statistik

bebas

sebaran

(tidak

mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Selain
itu, statistik non-parametrik biasanya menggunakan skala pengukuran sosial,
yakni nominal dan ordinal yang umumnya tidak berdistribusi normal.
Contoh metode statistik non-parametrik:
a. Uji tanda (sign test)
b. Rank sum test (wilcoxon)
c. Rank correlation test (spearman)
d. Fisher probability exact test.
e. Chi-square test, dll.
Ciri-ciri statistik non-parametrik :
Data tidak berdistribusi normal
Umumnya data berskala nominal dan ordinal
Umumnya dilakukan pada penelitian sosial
Umumnya jumlah sampel kecil