skip to main | skip to sidebar

M Y BL OG G Y
ACCOUNTING SOFTWARE TIPS, REVIEWS & NEWS
Accounting Software Blog: Myob Accounting, Quickbooks, Peachtree, Excel
Accounting and more ...

MONDAY, MAY 22, 2006

Mudahnya Uji Validitas & Reliabilitas Data (SPSS)

Jika saat ini anda sedang menyusun skpipsi dengan sedikit usaha anda nggak perlu
repot-repot datang ke tempat konsultan skripsi (pasti mahal bo’) untuk menguji
validitas & reliabilitas kuesioner anda.

"SPSS Inc. is a leading worldwide provider of predictive analytics software and

solutions. Founded in 1968, today SPSS has more than 250,000 customers
worldwide, served by more than 1,200 employees in 60 countries."

Sumber data sebuah penelitian ada kalanya menggunakan data dari hasil kuesioner.
Tentunya dalam penyusunan sebuah kuesioner harus benar-benar bisa
menggambarkan tujuan dari penelitian tersebut (valid) dan juga dapat konsisten bila
pertanyaan tersebut dijawab dalam waktu yang berbeda (reliabel).
Secara mudah kuesioner diuji cobakan dulu kepada responden sample (misal 30
responden).
Dalam spss langkah menentukan butir pertanyaan yang valid dapat dilakukan
dengan mudah.
Langkahnya adalah sebagai berikut :

Analyse > Scale > Reliability Analysis

Pada bagian Statistic aktifkan kotak cek Item, Scale, Scale if item deleted.
Abaikan pilihan yang lain, klik Continue – OK.
Cara baca output:
Lihat pada bagian Item-total statistic pada kolom Corrected Item Total Correlation,
nilai-nilai tersebut menunjukkan nilai korelasi butir-butir pertanyaan terhadap skor
totalnya. Nilai hitung tersebut dibandingkan dengan r tabel (lihat ditabel dengan
terlebih dulu mencari df-nya (derajat kebebasan) sesuai dengan datanya dan asumsi
spss akan menggunakan tingkat signifikansi 5%).
Pengambilan kesimpulannya jika nilai hitung > dari nilai r-tabel maka butir tersebut
dinyatakan valid. Perlu diperhatikan karena data adalah 1 arah (ke arah positif)
maka nilai hitung yang bernilai negatif otomatis tidak valid. Jika masih ada butir
yang tidak valid maka dikeluarkan (klik kanan pada nama variabelnya – Clear)
kemudian diproses ulang (ulangi langkah Analyse > Scale > Reliability Analysis, dst)
sampai mendapatkan semua butir valid.
Kemudian untuk menentukan reliabilitas bisa dilihat dari nilai Alpha jika nilai alpha
lebih besar dari nilai r tabel maka bisa dikatakan reliabel. Ada juga yang berpendapat
reliabel jika nilai r > 0,60.
Sekarang kuesioner telah siap untuk disebar ke responden yang ditargetkan.
Sebagai catatan untuk mencari nilai korelasi data juga bisa dilakukan lewat menu
Analyse > Correlation > Bivariate.
Selamat mencoba.

Jika masih belum jelas bisa disampaikan lewat comment atau pada pesan singkat di
sisi blogs ini.

Options

Disable
 Search the Web on Snap.com

Get Free Shots

ineddeni.wordpress.com/2008/10/15/odd...

FORUM STATISTIKA
Speaks With Data

• Beranda
• Tentang saya
•

ODDS RATIO PADA REGRESI LOGISTIK

15 10 2008

Klik tulisan di bawah ini untuk membuat tampilan menjadi lebih besar… kemudian kalo
tampilan sudah agak besar, silahkan klik lagi…. Baca entri selengkapnya »

Komentar : Leave a Comment »

Kategori : Regresi Logistik

TABEL DISTRIBUSI

26 04 2008

Tulisan ini memuat titik-titik kritis untuk distribusi z (normal baku), distribusi t dan distribusi
F. Penulis menganggap bahwa ketiga tabel distribusi tersebut adalah tabel distribusi yang
paling banyak digunakan. Titik-titik kritis dan nilai peluang yang tertulis di dalam tulisan ini
dapat dikatakan lebih presisi dibandingkan yang tertulis di dalam sebagian besar buku-buku
cetak. Hal ini disebabkan karena penulis menggunakan format penulisan hingga 6 angka
dibelakang koma. Sedangkan pada kebanyakan buku-buku cetak, format penulisan hanya
hingga 4 angka dibelakang koma. Selain itu, banyaknya titik-titik kritis yang dibangkitkan
pada umumnya lebih banyak daripada yang tertulis pada buku-buku cetak. Tentu saja, tidak
semua orang membutuhkan tingkat ketelitian seperti itu. Namun hal ini dilakukan semata-
mata untuk memberikan yang terbaik kepada semua pihak. Oleh karena itu, penulis berharap
bahwa tulisan ini dapat bermanfaat bagi siapapun yang membutuhkan tabel distribusi z, t dan
F.
Silahkan download tabel distribusi statistika (PDF) di bawah ini:
tabel_distribusi

Komentar : Leave a Comment »

Kategori : Download Tabel Distribusi Statistika

PERBEDAAN ERROR DENGAN RESIDUAL

24 04 2008

Seringkali ditemui di lapangan, bahwa para pengguna statistika kurang paham mengenai beda
antara istilah residual dengan error. Kasus ini sering ditemui dalam konsep regresi. Walaupun
kedua istilah ini di dalam bahasa Indonesia memiliki terjemahan yang sama, yaitu galat,
namun demikian, keduanya sebenarnya memiliki perbedaan.
Secara matematis:
Residual adalah selisih antara nilai duga (predicted value) dengan nilai pengamatan
sebenarnya apabila data yang digunakan adalah data sampel.
Error adalah selisih antara nilai duga (predicted value) dengan nilai pengamatan yang
sebenarnya apabila data yang digunakan adalah data populasi.
Persamaan keduanya : merupakan selisih antara nilai duga (predicted value) dengan
pengamatan sebenarnya.
Perbedaan keduanya: residual dari data sampel, error dari data populasi.
*Predicted value adalah nilai duga yang dihasilkan dari model regresi yang diperoleh. Misal
model regresi yang diperoleh: y = 2+3x. Apabila kita memasukkan nilai x = 1, maka
predicted value dalam kasus ini adalah y = 2+3*1 = 5.

Komentar : 4 Komentar »

Kategori : Regresi Linier dan Korelasi

KAPAN UJI T 1-ARAH, KAPAN UJI T 2-ARAH?

22 04 2008

Uji t 2-arah digunakan apabila peneliti tidak memiliki informasi mengenai arah
kecenderungan dari karakteristik populasi yang sedang diamati. Sedangkan uji t 1-arah
digunakan apabila peneliti memiliki informasi mengenai arah kecenderungan dari
karakteristik populasi yang sedang diamati. Contoh dibawah ini mungkin dapat
mengilustrasikannya.
Kasus 1: Seorang peneliti ingin mengetahui rata-rata uang saku mahasiswa Univ X perbulan.
Menurut isu yang berkembang, rata-rata uang saku yang dimiliki mahasiwa univ X LEBIH
BESAR DARI Rp. 500 ribu/bulan. Untuk itu dilakukan penelitian dengan mengambil 50
sampel mahasiswa secara acak.
kasus 2: Seorang peneliti ingin mengetahui rata-rata uang saku mahasiswa Univ X perbulan.
Menurut isu yang berkembang, rata-rata uang saku mahasiswa univ X adalah SEKITAR
Rp.500 ribu /bulan. Untuk itu dilakukan penelitian dengan mengambil 50 sampel mahasiswa
secara acak.
Sekarang saya meminta pembaca mencermati kedua kasus di atas. Pada kasus 2, terdapat kata
SEKITAR, sedangkan pada kasus 1 terdapat kata LEBIH BESAR DARI. Coba bayangkan
sebuah garis lurus horizontal. Dan letakkan titik 500 ribu di tengah2nya. Kata LEBIH
BESAR DARI mengandung informasi bahwa pada garis horizontal tersebut, rata-rata uang
saku mahasiswa Univ X terletak diantara titik 500ribu ke arah kanan. Sedangkan kata
SEKITAR berarti rata-rata uang saku mahasiswa pada kasus 2 berada disekitar (baik ke arah
kiri atau ke arah kanan) dari titik 500ribu.
Dengan demikian, pada kasus 2 tidak terdapat 2 kemungkinan kecenderungan/arah,
sedangkan pada kasus 1 terdapat 1 kecenderungan arah (ke kanan). Oleh karena itu, uji-t yang
tepat untuk kasus 1 adalah uji-t 1-arah (pada H1 menggunakan tanda pertidaksamaan LEBIH
BESAR), sedangkan pada kasus 2 adalah uji-t 2-arah (pada H1 menggunakan tnda
pertidaksamaan “TIDAK SAMA DENGAN”).

Komentar : 4 Komentar »

Kategori : Semua tentang kuesioner, Uji Hipotesis

DUMMY TRAP
30 03 2008

Mungkin istilah ini agak asing di telinga para pengguna metode statistika yang belum pernah
mempelajari Analisis Regresi dengan variabel dummy (RVD). Yup, dummy trap berarti
“jebakan” yang mungkin akan menjerat para pengguna RVD. Jebakannya berupa munculnya
kasus multikolinieritas dalam model RVD.
Dummy trap terjadi apabila banyaknya variabel dummy yang digunakan sama banyak dengan
banyaknya kategori dalam setiap variabel yang akan di jadikan variabel dummy.
Contoh: terdapat variabel jenis kelamin yang akan dijadikan variabel dummy. Kita tahu
bahwa variabel jenis kelamin memiliki 2 kategori, yaitu Pria dan Wanita. Apabila analis
menggunakan 2 buah variabel dummy, misal DP (dummy untuk Pria) dan DW (dummy
untuk wanita), maka kasus multikolinieritas akan muncul. Hal ini disebabkan karena untuk
setiap baris data yang berbentuk baris-kolom (matriks), baris ke-i pada kolom DP yang
bernilai 1 berkenaan dengan nilai 0 pada baris ke-i kolom DW. Maksudnya, untuk setiap
baris ke-i kolom DP yang bernilai 1, kolom DW selalu bernilai 0. Demikian juga untuk setiap
baris ke-k kolom DP yang bernilai 0, kolom DW baris ke-k selalu bernilai 1. Hal inilah yang
menyebabkan terjadinya korelasi.
Kalo diantara pembaca ada yang pernah belajar aljabar matriks, apabila nilai suatu kolom
berhubungan dengan kolom yang lain, maka nilai determinan matriks tersebut bernilai nol.
Nah, kita tahu di dalam aljabar perhitungan regresi linier, untuk mendapatkan koefisien
regresi, perhitungan dilakukan menggunakan sistem matriks. Kalo determinan matriks tidak
ditemukan, maka invers dari suatu matriks tidak dapat ditemukan juga, sehingga nilai
koefisien regresi linier menjadi tak hingga.
Untuk menghindari terjerat dummy trap, maka seharusnya banyaknya variabel dummy yang
boleh dibentuk sesuai rumus:
banyak_var_dummy = banyaknya_kategori_variabel – 1
Dengan demikian, banyak variabel yang bisa dibentuk dari kasus di atas adalah: 2-1 = 1 buah
variabel dummy agar tidak terjerat dummy trap.

Komentar : 2 Komentar »

Kategori : Regresi Linier dan Korelasi

AUTOKORELASI

19 03 2008

Autokorelasi dalam konsep regresi linier berarti komponen error berkorelasi berdasarkan
urutan waktu (pada data timeseries) atau urutan ruang (pada data cross-sectional).
Contoh data timeseries (terdapat urutan waktu) misalnya pengaruh biaya iklan terhadap
penjualan dari bulan januari hingga bulan desember. Sedangkan data cross-sectional adalah
data yang tidak ada urutan waktu, misal pengaruh konsentrasi zat X terhadap kecepatan
reaksi suatu senyawa kimia.
Untuk mendeteksi ada atau tidaknya autokorelasi, dapat dilakukan dengan menggunakan
statistik uji Durbin-Watson. Apabila nilai D-W berada di sekitar angka 2, berarti model
regresi kita aman dari kondisi heteroskedastisitas.
Daftar Pustaka:
Gujarati, D. 1991. Ekonometrika Dasar. Penerbit Erlangga. Jakarta.
Kutner, M.H., C.J. Nachtsheim dan J. Neter. 2004. Applied Linear Regression Models.
Fourth Ed. The McGraw-Hill Company, Inc. New York.

Komentar : 1 Komentar »

Kategori : Regresi Linier dan Korelasi

MULTIKOLINIERITAS

19 03 2008

Multikolinieritas adalah suatu kondisi dimana terjadi korelasi yang kuat diantara variabel-
variabel bebas (X) yang diikutsertakan dalam pembentukan model regresi linier. Jelas bahwa
multikolinieritas adalah suatu kondisi yang menyalahi asumsi regresi linier. Tentu saja,
multikolinieritas TIDAK MUNGKIN TERJADI apabila variabel bebas (X) yang
diikutsertakan hanya satu.
Ciri-ciri yang sering ditemui apabila model regresi linier kita mengalami multikolinieritas
adalah:
1. Terjadi perubahan yang berarti pada koefisien model regresi (misal nilainya menjadi
lebih besar atau kecil) apabila dilakukan penambahan atau pengeluaran sebuah
variabel bebas dari model regresi.
2. Diperoleh nilai R-square yang besar, sedangkan koefisien regresi tidak signifikan
pada uji parsial.
3. Tanda (+ atau -) pada koefisien model regresi berlawanan dengan yang disebutkan
dalam teori (atau logika). Misal, pada teori (atau logika) seharusnya b1 bertanda (+),
namun yang diperoleh justru bertanda (-).
4. Nilai standard error untuk koefisien regresi menjadi lebih besar dari yang sebenarnya
(overestimated)
Untuk mendeteksi apakah model regresi kita mengalami multikolinieritas, dapat diperiksa
menggunakan VIF. VIF merupakan singkatan dari Variance Inflation Factor. Nilai VIF > 10
berarti telah terjadi multikolinieritas yang serius di dalam model regresi kita.
Daftar Pustaka:
Gujarati, D. 1991. Ekonometrika Dasar. Penerbit Erlangga. Jakarta.
Kutner, M.H., C.J. Nachtsheim dan J. Neter. 2004. Applied Linear Regression Models.
Fourth Ed. The McGraw-Hill Company, Inc. New York.

Komentar : 2 Komentar »

Kategori : Regresi Linier dan Korelasi

HETEROSKEDASTISITAS

19 03 2008

Salah satu asumsi regresi linier yang harus dipenuhi adalah homogenitas ragam dari error
(homoskedastisitas; homoscedasticity). Homoskedastisitas berarti bahwa ragam dari error
bersifat konstan.
Salah satu statistik uji yang dapat digunakan untuk menguji apakah ragam dari error bersifat
homoskedastik atau tidak adalah Breusch-Pagan Test. Menurut Kutner, dkk (2004), uji ini
mengasumsikan bahwa komponen error adalah independen dan tersebar normal. Selain itu,
ragam dari error berhubungan dengan level dari variabel bebas X yang dirumuskan sebagai
berikut:
ln sigma_sq = b0 + b1X1 + b2X2 + …
Untuk menghitung Breusch-Pagan Test, langkah yang harus dilakukan adalah melakukan
regresi e_sq (sbg var terikat Y) terhadap variabel X (sebagai variabel independen, bebas).
Kemudian mengambil nilai Jumlah Kuadrat Regresi (JKR) serta Jumlah Kuadrat Galatnya
(JKG) untuk dimasukkan ke dalam rumus:
BP = (0.5*SSR) / ((JKG/n)^2)
BP mengikuti sebaran chi-square, dengan derajat bebas db = banyaknya var bebas yang
diikutsertakan (tidak termasuk intersep).
Keterangan:
BP = nilai statistik uji Breusch-Pagan Test
ln = logaritma natural
sigma_sq = nilai ragam error
e_sq = error kuadrat. Pada proses perhitungan, e_sq adalah nilai residual kuadrat dari model
regresi Y = b0 + b1X1 + b2X2 + …
Daftar Pustaka:
Hothorn, T., A. Zeileis, G. Millo dan D. Mitchell. 2007. Breusch-Pagan Test help page. R
Software.
Kutner, M.H., C.J. Nachtsheim dan J. Neter. 2004. Applied Linear Regression Models.
Fourth Ed. The McGraw-Hill Company, Inc. New York.

Komentar : 3 Komentar »

Kategori : Regresi Linier dan Korelasi

UJI-T BERPASANGAN (PAIRED T-TEST)

12 03 2008
U ji-t berpasangan (paired t-test) adalah salah satu metode pengujian

hipotesis dimana data yang digunakan tidak bebas (berpasangan). Ciri-ciri yang
paling sering ditemui pada kasus yang berpasangan adalah satu individu (objek
penelitian) dikenai 2 buah perlakuan yang berbeda. Walaupun menggunakan
individu yang sama, peneliti tetap memperoleh 2 macam data sampel, yaitu
data dari perlakuan pertama dan data dari perlakuan kedua. Perlakuan pertama
mungkin saja berupa kontrol, yaitu tidak memberikan perlakuan sama sekali
terhadap objek penelitian. Misal pada penelitian mengenai efektivitas suatu obat
tertentu, perlakuan pertama, peneliti menerapkan kontrol, sedangkan pada
perlakuan kedua, barulah objek penelitian dikenai suatu tindakan tertentu, misal
pemberian obat. Dengan demikian, performance obat dapat diketahui dengan
cara membandingkan kondisi objek penelitian sebelum dan sesudah diberikan
obat.
Contoh data dan aplikasi uji-t berpasangan dapat di download di sini. (Klik kanan, kemudian
‘Save Link As…’)

Komentar : 12 Komentar »

Kategori : Uji Hipotesis

UJI-T 2 SAMPEL INDEPENDENT (INDEPENDENT 2-SAMPLES T-TEST)

5 03 2008

U ji-t 2 sampel independen (bebas) adalah metode yang digunakan untuk menguji
kesamaan rata-rata dari 2 populasi yang bersifat independen, dimana peneliti tidak memiliki
informasi mengenai ragam populasi. Independen maksudnya adalah bahwa populasi yang
satu tidak dipengaruhi atau tidak berhubungan dengan populasi yang lain. Barangkali, kondisi
dimana peneliti tidak memiliki informasi mengenai ragam populasi adalah kondisi yang
paling sering dijumpai di kehidupan nyata. Oleh karena itu secara umum, uji-t (baik 1-
sampel, 2-sampel, independen maupun paired) adalah metode yang paling sering digunakan.