Validitas adalah ketepatan atau kecermatan suatu instrumen dalam mengukur apa
yang ingin dukur. Dalam pengujian instrumen pengumpulan data, validitas bisa
dibedakan menjadi validitas faktor dan validitas item. Validitas faktor diukur bila item
yang disusun menggunakan lebih dari satu faktor (antara faktor satu dengan yang lain
ada kesamaan). Pengukuran validitas faktor ini dengan cara mengkorelasikan antara skor
faktor (penjumlahan item dalam satu faktor) dengan skor total faktor (total keseluruhan
faktor), sedangkan pengukuran validitas item dengan cara mengkorelasikan antara skor
item dengan skor total item.
Pada pembahasan ini akan dibahas untuk metode pengujian validitas item. Validitas
item ditunjukkan dengan adanya korelasi atau dukungan terhadap item total (skor total),
perhitungan dilakukan dengan cara mengkorelasikan antara skor item dengan skor total
item. Bila kita menggunakan lebih dari satu faktor berarti pengujian validitas item
dengan cara mengkorelasikan antara skor item dengan skor faktor, kemudian dilanjutkan
mengkorelasikan antara skor item dengan skor total faktor (penjumlahan dari beberapa
faktor). Dari hasil perhitungan korelasi akan didapat suatu koefisien korelasi yang
digunakan untuk mengukur tingkat validitas suatu item dan untuk menentukan apakah
suatu item layak digunakan atau tidak. Dalam penentuan layak atau tidaknya suatu item
yang akan digunakan, biasanya dilakukan uji signifikansi koefisien korelasi pada taraf
signifikansi 0,05, artinya suatu item dianggap valid jika berkorelasi signifikan terhadap
skor total. Atau jika melakukan penilaian langsung terhadap koefisien korelasi, bisa
digunakan batas nilai minimal korelasi 0,30. Menurut Azwar (1999) semua item yang
mencapai koefisien korelasi minimal 0,30 daya pembedanya dianggap memuaskan.
Tetapi Azwar mengatakan bahwa bila jumlah item belum mencukupi kita bisa
menurunkan sedikit batas kriteria 0,30 menjadi 0,25 tetapi menurunkan batas kriteria di
bawah 0,20 sangat tidak disarankan. Untuk pembahasan ini dilakukan uji signifikansi
koefisien korelasi dengan kriteria menggunakan r kritis pada taraf signifikansi 0,05
(signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam
penelitian)
Pada program SPSS teknik pengujian yang sering digunakan para peneliti untuk uji
validitas adalah menggunakan korelasi Bivariate Pearson (Produk Momen Pearson)
dan Corrected Item-Total Correlation. Masing-masing teknik perhitungan korelasi akan
dibahas sebagai berikut:
1.
12
21
Dari hasil analisis didapat nilai korelasi antara skor item dengan skor total. Nilai ini
kemudian kita bandingkan dengan nilai r tabel, r tabel dicari pada signifikansi 0,05
dengan uji 2 sisi dan jumlah data (n) = 12, maka didapat r tabel sebesar 0,576 (lihat
pada lampiran tabel r).
Berdasarkan hasil analisis di dapat nilai korelasi untuk item 1, 9 dan 10 nilai kurang
dari 0,576. Karena koefisien korelasi pada item 1, 9 dan 10 nilainya kurang dari 0,576
maka dapat disimpulkan bahwa item-item tersebut tidak berkorelasi signifikan dengan
skor total (dinyatakan tidak valid) sehingga harus dikeluarkan atau diperbaiki. Sedangkan
pada item-item lainnya nilainya lebih dari 0,576 dan dapat disimpulkan bahwa butir
instrumen tersebut valid.
2.
Menurut Azwar (2007) agar kita memperoleh informasi yang lebih akurat mengenai
korelasi antara item dengan tes diperlukan suatu rumusan koreksi terhadap efek spurious
overlap.
Pengujian menggunakan uji dua sisi dengan taraf signifikansi 0,05. Kriteria pengujian
adalah sebagai berikut:
Jika r hitung r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-item
pertanyaan berkorelasi signifikan terhadap skor total (dinyatakan valid).
Jika r hitung < r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-item
pertanyaan tidak berkorelasi signifikan terhadap skor total (dinyatakan tidak valid).
Sebagai contoh kasus kita menggunakan contoh kasus dan data-data pada analisis
produk momen di atas.
Langkah-langkah pada program SPSS
Masuk program SPSS
Klik variable view pada SPSS data editor
Pada kolom Name ketik item1 sampai item 10
Pada kolom Decimals angka ganti menjadi 0 untuk seluruh item
Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Buka data view pada SPSS data editor
Ketikkan data sesuai dengan variabelnya,
Klik Analyze - Scale Reliability Analysis
Klik semua variabel dan masukkan ke kotak items
Klik Statistics, pada Descriptives for klik scale if item deleted
Klik continue, kemudian klik OK, hasil output yang didapat adalah sebagai berikut:
Tabel. Hasil Analisis Validitas Item dengan
Teknik Corrected Item-Total Correlation
R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)
Item-total Statistics
ITEM1
ITEM2
ITEM3
ITEM4
ITEM5
ITEM6
ITEM7
ITEM8
ITEM9
ITEM10
Scale
Mean
if Item
Deleted
Scale
Variance
if Item
Deleted
27.2500
27.2500
27.4167
26.9167
26.9167
27.2500
27.3333
27.2500
26.8333
27.0833
29.8409
28.0227
25.7197
26.6288
29.5379
25.8409
25.1515
27.1136
32.8788
35.3561
Reliability Coefficients
N of Cases =
12.0
Alpha = .8384
Corrected
ItemAlpha
Total
if Item
Correlation Deleted
.4113
.6151
.8217
.7163
.5603
.7764
.6784
.5679
.1866
-.1391
.8345
.8157
.7933
.8046
.8223
.7975
.8078
.8204
.8482
.8683
N of Items = 10
Dari output di atas bisa dilihat pada Corrected Item Total Correlation, inilah nilai
korelasi yang didapat. Nilai ini kemudian kita bandingkan dengan nilai r tabel, r tabel
dicari pada signifikansi 0,05 dengan uji 2 sisi dan jumlah data (n) = 12, maka didapat r
tabel sebesar 0,576 (lihat pada lampiran tabel r).
Dari hasil analisis dapat dilihat bahwa untuk item 1, 5, 9 dan 10 nilai kurang dari 0,576.
Karena koefisien korelasi pada item 1, 5, 9 dan 10 nilainya kurang dari 0,576 maka dapat
disimpulkan bahwa butir instrumen tersebut tidak valid. Sedangkan pada item-item
lainnya nilainya lebih dari 0,576 dan dapat disimpulkan bahwa butir instrumen tersebut
valid.
Sebagai catatan: analisis korelasi pada contoh kasus di atas hanya dilakukan satu kali,
untuk mendapatkan hasil validitas yang lebih memuaskan maka bisa dilakukan analisis
kembali sampai 2 atau 3 kali, sebagai contoh pada kasus di atas setelah di dapat 6 item
yang valid, maka dilakukan analisis korelasi lagi untuk menguji 6 item tersebut, jika
masih ada item yang tidak signifikan maka digugurkan, kemudian dianalisis lagi sampai
didapat tidak ada yang gugur lagi.
ITEM2
ITEM3
ITEM4
ITEM6
ITEM7
ITEM8
Scale
Mean
if Item
Deleted
Scale
Variance
if Item
Deleted
14.6667
14.8333
14.3333
14.6667
14.7500
14.6667
18.9697
18.1515
18.2424
16.7879
15.8409
17.5152
Reliability Coefficients
N of Cases =
12.0
Alpha = .8970
Corrected
ItemAlpha
Total
if Item
Correlation Deleted
.6414
.6963
.6835
.8612
.7943
.6749
.8906
.8827
.8846
.8574
.8680
.8867
N of Items = 6
Dari hasil analisis di atas di dapat nilai Alpha sebesar 0,8970. Sedangkan nilai r kritis
(uji 2 sisi) pada signifikansi 0,05 dengan jumlah data (n) = 12, di dapat sebesar 0,576
(lihat pada lampiran tabel r). Karena nilainya lebih dari 0,576, maka dapat disimpulkan
bahwa butir-butir instrumen penelitian tersebut reliabel.
UJI LINIERITAS
Uji linearitas bertujuan untuk mengetahui apakah dua variabel mempunyai
hubungan yang linear atau tidak secara signifikan. Uji ini biasanya digunakan sebagai
prasyarat dalam analisis korelasi atau regresi linear.Pengujian pada SPSS dengan
menggunakan Test for Linearity dengan pada taraf signifikansi 0,05. Dua variabel
dikatakan mempunyai hubungan yang linear bila signifikansi (Linearity) kurang dari 0,05.
Contoh kasus:
Seorang mahasiswa bernama Joko melakukan penelitian untuk mengetahui
hubungan antara kecemasan dengan optimisme pada remaja. Data-data skor total yang
di dapat ditabulasikan sebagai berikut:
Subjek
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
UJI NORMALITAS
4.90
6.47
7500
3.28
3.14
8950
5.05
5.00
8250
4.00
4.75
9000
5.97
6.23
8750
4.24
6.03
10000
8.00
8.75
8200
7.45
7.72
8300
7.47
8.00
10900
12.68
10.40
12800
14.45
12.42
9450
10.50
8.62
13000
17.24
12.07
8000
15.56
5.83
6500
10.85
5.20
9000
16.56
8.53
7600
13.24
7.37
10200
16.98
9.38
Dari hasil di atas kita lihat pada kolom Kolmogorov-Smirnov dan dapat diketahui
bahwa nilai signifikansi untuk harga saham sebesar 0,05; untuk PER sebesar 0,200; dan
untuk ROI sebesar 0,200. Karena signifikansi untuk seluruh variabel lebih besar dari 0,05
maka dapat disimpulkan bahwa data pada variabel harga saham, PER, dan ROI
berdistribusi normal. Angka Statistic menunjukkan semakin kecil nilainya maka distribusi
data semakin normal. df = jumlah data.
ONE WAY ANOVA
Uji ini digunakan untuk mengetahui ada atau tidaknya perbedaan rata-rata untuk
lebih dari dua kelompok sampel yang tidak berhubungan. Jika ada perbedaan, rata-rata
manakah yang lebih tinggi. Data yang digunakan biasanya berskala interval atau rasio.
Contoh kasus:
Menggunakan contoh kasus pada uji independent sample t test ditambah satu
kelompok data yaitu kelas C. Seorang mahasiswa dalam penelitiannya ingin mengetahui
apakah ada perbedaan nilai ujian antara kelas A, kelas B, dan kelas C pada fakultas
Psikologi suatu universitas. Penelitian dengan menggunakan sampel sebanyak 20
responden yang diambil dari kelas A, kelas B. Dalam uji ini jumlah kelompok responden
yang diambil tidak harus sama, misalnya kelas A sebanyak 7 orang, kelas B sebanyak 7
orang, dan kelas C sebanyak 6. Data-data yang didapat sebagai berikut:
Tabel 39. Tabulasi Data (Data Fikti)
No
Nilai Ujian
Kelas
1
32
Kelas A
2
35
Kelas A
3
41
Kelas A
4
39
Kelas A
5
45
Kelas A
6
43
Kelas A
7
42
Kelas A
8
35
Kelas B
9
36
Kelas B
10
30
Kelas B
11
28
Kelas B
12
26
Kelas B
13
14
15
16
17
18
19
20
27
32
38
45
42
42
40
38
Kelas
Kelas
Kelas
Kelas
Kelas
Kelas
Kelas
Kelas
B
B
C
C
C
C
C
C
Keterangan: Tabel Descriptives di atas telah dirubah kedalam bentuk baris (double klik
pada output Descriptives, kemudian pada menu bar klik pivot, kemudian klik Transpose
Rows and Columns)
Sebelum dilakukan uji ANOVA maka dilakukan uji kesamaan varian (homogenitas)
dengan Levene Test, uji ini digunakan untuk mengetahui apakah varian ketiga kelompok
kelas sama. Data yang memenuhi syarat adalah jika varian sama atau subjek berasal dari
kelompok yang homogen.
Langkah-langkah uji homogenitas sebagai berikut:
1. Menentukan Hipotesis
Ho : Ketiga varian adalah sama (varian kelompok kelas A, B dan C sama)
Ha : Ketiga varian adalah berbeda (varian kelompok kelas A, B dan C sama)
2. Kriteria Pengujian (berdasar probabilitas / signifikansi)
Ho diterima jika P value > 0,05
Ho ditolak jika P value < 0,05
3. Membandingkan probabilitas
Nilai P value (0,395 > 0,05) maka Ho diterima. (lihat output pada test of homogeneity
of variance)
4. Kesimpulan
Oleh karena nilai probabilitas (signifikansi) adalah 0,395 lebih besar dari 0,05 maka Ho
diterima, jadi dapat disimpulkan bahwa ketiga varian sama (varian kelompok kelas A, B
dan C sama). Angka Levene Statistic menunjukkan semakin kecil nilainya maka semakin
besar homogenitasnya. df1 = jumlah kelompok data-1 atau 3-1 = 2, sedangkan df2 =
jumlah data jumlah kelompok data atau 20-3 = 17.
Langkah-langkah uji ANOVA sebagai berikut:
1. Menentukan Hipotesis
Ho : Tidak ada perbedaan antara rata-rata nilai ujian kelas A, kelas B dan kelas C
Ha : Ada perbedaan antara rata-rata nilai ujian kelas A, kelas B dan kelas C
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%.
Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah dalam mengambil
keputusan untuk menolak hipotesis yang benar sebanyak-banyaknya 5% (signifikansi
5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian)
3. Menentukan F hitung
Dari tabel di atas didapat nilai F hitung adalah 14,029
4. Menentukan F tabel
Dengan menggunakan tingkat keyakinan 95%, a = 5%, df 1 (jumlah variabel1) = 2,
dan df 2 (n-3) atau 20-3 = 17, hasil diperoleh untuk F tabel sebesar 3,592 (Lihat pada
lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik
=finv(0.05,2,17) lalu enter.
5. Kriteria pengujian
- Ho diterima bila F hitung F tabel
- Ho ditolak bila F hitung > F tabel
6. Membandingkan F hitung dengan F tabel.
Nilai F hitung > F tabel (14,029 > 3,592), maka Ho ditolak.
7. Kesimpulan
Karena F hitung > F tabel (14,029 > 3,592), maka Ho ditolak, jadi dapat disimpulkan
bahwa ada perbedaan antara rata-rata nilai ujian kelas A, kelas B dan kelas C. Pada
tabel Descriptives terlihat rata-rata (mean) untuk kelas A adalah 39,57, untuk kelas B
adalah 30,57 dan kelas C adalah 40,83, artinya bahwa rata-rata nilai ujian kelas C
paling tinggi, kemudian kelas A dan kelas B.
ANALISIS KORELASI SEDERHANA
Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui keeratan
hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi.
Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara
dua variabel. Dalam SPSS ada tiga metode korelasi sederhana (bivariate correlation)
diantaranya Pearson Correlation, Kendalls tau-b, dan Spearman Correlation. Pearson
Correlationdigunakan untuk data berskala interval atau rasio, sedangkan Kendalls taub,dan Spearman Correlation lebih cocok untuk data berskala ordinal.
Pada bab ini akan dibahas analisis korelasi sederhana dengan metode Pearson atau
sering disebut Product Moment Pearson. Nilai korelasi (r) berkisar antara 1 sampai -1,
nilai semakin mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat,
sebaliknya nilai mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai
positif menunjukkan hubungan searah (X naik maka Y naik) dan nilai negatif
menunjukkan hubungan terbalik (X naik maka Y turun).
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi
sebagai berikut:
0,00 - 0,199 = sangat rendah
0,20 - 0,399 = rendah
0,40 - 0,599 = sedang
0,60 - 0,799 = kuat
0,80 - 1,000 = sangat kuat
Contoh kasus:
Seorang mahasiswa bernama Andi melakukan penelitian dengan menggunakan alat ukur
skala. Andi ingin mengetahui apakah ada hubungan antara kecerdasan dengan prestasi
belajar pada siswa SMU Negeri 1 Yogyakarta, dengan ini Andi membuat 2 variabel yaitu
kecerdasan dan prestasi belajar. Tiap-tiap variabel dibuat beberapa butir pertanyaan
dengan menggunakan skala Likert, yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju,
3 = Setuju dan 4 = Sangat Setuju. Setelah membagikan skala kepada 12 responden
didapatlah skor total item-item yaitu sebagai berikut:
Dari hasil analisis korelasi sederhana (r) didapat korelasi antara kecerdasan dengan
prestasi belajar (r) adalah 0,766. Hal ini menunjukkan bahwa terjadi hubungan yang kuat
antara kecerdasan dengan prestasi belajar. Sedangkan arah hubungan adalah positif
karena nilai r positif, berarti semakin tinggi kecerdasan maka semakin meningkatkan
prestasi belajar.
Uji Signifikansi Koefisien Korelasi Sederhana (Uji t)
Uji signifikansi koefisien korelasi digunakan untuk menguji apakah hubungan yang terjadi
itu berlaku untuk populasi (dapat digeneralisasi). Misalnya dari kasus di atas populasinya
adalah siswa SMU Negeri 1 Yogyakarta dan sampel yang diambil dari kasus di atas adalah
12 siswa SMU Negeri 1 Yogyakarta, jadi apakah hubungan yang terjadi atau kesimpulan
yang diambil dapat berlaku untuk populasi yaitu seluruh siswa SMU Negeri 1 Yogyakarta.
No
Biaya Promosi
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
12,000
13,500
12,750
12,600
14,850
15,200
15,750
16,800
18,450
17,900
18,250
16,480
17,500
19,560
19,000
20,450
22,650
21,400
22,900
23,500
Volume
Penjualan
56,000
62,430
60,850
61,300
65,825
66,354
65,260
68,798
70,470
65,200
68,000
64,200
65,300
69,562
68,750
70,256
72,351
70,287
73,564
75,642