UJI VALIDITAS KUISIONER

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.

Bivariate Pearson (Korelasi Produk Momen Pearson)

Analisis ini dengan cara mengkorelasikan masing-masing skor item dengan skor
total. Skor total adalah penjumlahan dari keseluruhan item. Item-item pertanyaan yang
berkorelasi signifikan dengan skor total menunjukkan item-item tersebut mampu
memberikan dukungan dalam mengungkap apa yang ingin diungkap.
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).
Contoh Kasus:
Seorang mahasiswa bernama Andi melakukan penelitian dengan menggunakan skala
untuk mengetahui atau mengungkap prestasi belajar seseorang. Andi membuat 10 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 tabulasi data-data sebagai berikut:
Tabel 1. Tabulasi Data (Data Fiktif)
Skor Item
Skor
Subj
ek 1 2 3 4 5 6 7 8 9 10 Total
1
3 4 3 4 4 3 3 3 3
3
33
2
4 3 3 4 3 3 3 3 3
3
32
3
2 2 1 3 2 2 3 1 2
3
21
4
3 4 4 3 3 3 4 3 3
4
34
5
3 4 3 3 3 4 3 4 4
3
34
6
3 2 4 4 3 4 4 3 4
4
35
7
2 3 3 4 4 4 3 4 3
2
32
8
1 2 2 1 2 2 1 3 4
3
21
9
4 2 3 3 4 2 1 1 4
4
28
10 3 3 3 4 4 4 4 4 3
3
35
11 4 4 3 4 4 3 4 4 4
2
36

12

21

Langkah-langkah dengan program SPSS

Masuk program SPSS
Klik variable view pada SPSS data editor
Pada kolom Name ketik item1 sampai item10, kemudian terakhir ketikkan skortot
(skor total didapat dari penjumlahan item1 sampai item10)
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, untuk skortot ketikkan total skornya.
Klik Analyze - Correlate - Bivariate
Klik semua variabel dan masukkan ke kotak variables
Klik OK. Hasil output yang diperoleh dapat diringkas sebagai berikut:
Tabel. Hasil Analisis Bivariate Pearson

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.

Corrected Item-Total Correlation

Analisis ini dengan cara mengkorelasikan masing-masing skor item dengan skor
total dan melakukan koreksi terhadap nilai koefisien korelasi yang overestimasi. Hal ini
dikarenakan agar tidak terjadi koefisien item total yang overestimasi (estimasi nilai yang
lebih tinggi dari yang sebenarnya). Atau dengan cara lain, analisis ini menghitung korelasi
tiap item dengan skor total (teknik bivariate pearson), tetapi skor total disini tidak
termasuk skor item yang akan dihitung. Sebagai contoh pada kasus di atas kita akan
menghitung item 1 dengan skor total, berarti skor total didapat dari penjumlahan skor
item 2 sampai item 10. Perhitungan teknik ini cocok digunakan pada skala yang
menggunakan item pertanyaan yang sedikit, karena pada item yang jumlahnya banyak
penggunaan korelasi bivariate (tanpa koreksi) efek overestimasi yang dihasilkan tidak
terlalu besar.

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.

UJI RELIABILITAS KUISIONER

Uji reliabilitas digunakan untuk mengetahui konsistensi alat ukur, apakah alat
pengukur yang digunakan dapat diandalkan dan tetap konsisten jika pengukuran tersebut
diulang. Ada beberapa metode pengujian reliabilitas diantaranya metode tes ulang,
formula belah dua dari Spearman-Brown, formula Rulon, formula Flanagan, Cronbachs
Alpha, metode formula KR-20, KR-21, dan metode Anova Hoyt. Dalam program SPSS akan
dibahas untuk uji yang sering digunakan penelitian mahasiswa adalah dengan
menggunakan metode Alpha (Cronbachs). Metode alpha sangat cocok digunakan pada
skor berbentuk skala (misal 1-4, 1-5) atau skor rentangan (misal 0-20, 0-50). Metode
alpha dapat juga digunakan pada skor dikotomi (0 dan 1) dan akan menghasilkan
perhitungan yang setara dengan menggunakan metode KR-20 dan Anova Hoyt.
Uji signifikansi dilakukan pada taraf signifikansi 0,05, artinya instrumen dapat
dikatakan reliabel bila nilai alpha lebih besar dari r kritis product moment. Atau kita
bisa menggunakan batasan tertentu seperti 0,6. Menurut Sekaran (1992), reliabilitas
kurang dari 0,6 adalah kurang baik, sedangkan 0,7 dapat diterima dan di atas 0,8 adalah
baik.
Pada contoh kasus di atas setelah diuji validitasnya maka item-item yang gugur
dibuang dan item yang tidak gugur dimasukkan kedalam uji reliabilitas. Jadi yang akan
dihitung ada 6 item, karena 4 item telah digugurkan.
Langkah-langkah pada program SPSS
Pada contoh kasus di atas kita telah menginput data item 1 sampai 10
Klik Analyze - Scale - Reliability Analysis
Klik item yang tidak gugur dan masukkan ke kotak items. Jika item-item sudah berada
dikotak items maka klik item yang gugur dan keluarkan dengan klik simbol arah
Klik Statistics, pada Descriptives for klik scale if item deleted
Klik Continue
Klik OK, hasil output yang didapat adalah sebagai berikut:
Tabel 4. Hasil Analisis Reliabilitas dengan Teknik Alpha
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

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

Tabel. Tabulasi Data (Data Fiktif)

Kecemasan Optimisme
90
124
88
137
96
120
95
128
96
124
94
133
91
138
96
126
95
132
90
140
85
143
91
124
87
131
90
119
85
135
83
141
86
137
91
134
86
138
83
141

Langkah-langkah pada program SPSS

Masuk program SPSS
Klik variable view pada SPSS data editor
Pada kolom Name ketik x, untuk kolom Name baris kedua ketik y
Pada kolom Decimals angka ganti menjadi 0 untuk variabel x dan y
Untuk kolom Label ketik Kecemasan, untuk kolom Label pada baris kedua ketik
Optimisme.
Kolom lainnya boleh dihiraukan (isian default)
Buka data view pada SPSS data editor
Terlihat kolom x dan y, x adalah variabel kecemasan dan y adalah variabel optimisme,
ketikkan data sesuai dengan variabelnya.
Klik Analyze - Compare Means - Means
Klik variabel Optimisme dan masukkan ke kotak Dependent List, kemudian klik
variabel Kecemasan dan masukkan ke Independent List.
Klik Options, pada Statistics for First Layer klik Test for Linearity, kemudian klik
Continue
Klik OK,
Dari output di atas dapat diketahui bahwa nilai signifikansi pada Linearity sebesar
0,006. Karena signifikansi kurang dari 0,05 maka dapat disimpulkan bahwa antara
variabel kecemasan dan optimisme terdapat hubungan yang linear.

UJI NORMALITAS

Uji normalitas digunakan untuk mengetahui apakah populasi data berdistribusi

normal atau tidak. Uji ini biasanya digunakan untuk mengukur data berskala ordinal,
interval, ataupun rasio. Jika analisis menggunakan metode parametrik, maka persyaratan
normalitas harus terpenuhi yaitu data berasal dari distribusi yang normal. Jika data tidak
berdistribusi normal, atau jumlah sampel sedikit dan jenis data adalah nominal atau
ordinal maka metode yang digunakan adalah statistik non parametrik. Dalam
pembahasan ini akan digunakan uji One Sample Kolmogorov-Smirnov dengan
menggunakan taraf signifikansi 0,05. Data dinyatakan berdistribusi normal jika
signifikansi lebih besar dari 5% atau 0,05.
Contoh Kasus:
Seorang mahasiswa bernama Bambang melakukan penelitian tentang faktor-faktor
yang mempengaruhi harga saham pada perusahaan di BEJ. Data-data yang di dapat
berupa data rasio dan ditabulasikan sebagai berikut:
Tahu
n
199
0
199
1
199
2
199
3
199
4
199
5
199
6
199
7
199
8
199
9
200
0
200
1
200
2
200
3
200
4
200
5
200
6
200
7

Tabel 5. Tabulasi Data (Data Fiktif)

Harga Saham
(Rp)
PER (%)
ROI (%)
8300

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

Bambang dalam penelitiannya ingin mengetahui bagaimana hubungan antara rasio

keuangan PER dan ROI terhadap harga saham. Dengan ini Bambang menganalisis
dengan bantuan program SPSS dengan alat analisis regresi linear berganda. Sebelum
dilakukan analisis tersebut dilakukan uji normalitas untuk mengetahui sebaran data.
Sebagai catatan: bila menggunakan analisis regresi linear, uji normalitas bisa dilakukan
dengan melihat nilai residualnya, apakah residual berasal dari distribusi normal ataukah
tidak.
Langkah-langkah pada program SPSS

 Masuk program SPSS

Klik variable view pada SPSS data editor
Pada kolom Name ketik y, kolom Name pada baris kedua ketik x1, dan pada kolom
Name baris ketiga ketik x2.
Pada kolom Label, untuk kolom pada baris pertama ketik Harga Saham, untuk kolom
pada baris kedua ketik PER, dan terakhir ketik ROI.
Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Buka data view pada SPSS data editor, maka didapat kolom variabel y, x1, dan x2
Ketikkan data sesuai dengan variabelnya
Klik Analyze - Deskriptive Statistics - Explore
Klik variabel Harga saham, PER, dan ROI dan masukkan ke kotak Dependent List
Klik Plots
Klik Normality plots with tests, kemudian klik Continue
Klik OK, maka hasil output yang didapat pada kolom Test of Normality adalah sebagai
berikut:
Tabel. Hasil Uji Normalitas dengan Kolomogorov-Smirnov

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

Langkah-langkah uji dengan program SPSS

Masuk program SPSS
Klik variable view pada SPSS data editor
Pada kolom Name ketik nilaiujn, dan kolom Name pada baris kedua ketik kelas.
Pada kolom Decimals, ubah nilai menjadi 0 untuk semua variabel.
Pada kolom Label, untuk kolom pada baris pertama ketik Nilai Ujian, untuk kolom pada
baris kedua ketik Kelas.
Pada kolom Values, untuk kolom pada baris pertama biarkan kosong (None). Untuk
kolom pada baris kedua klik pada kotak kecil, pada value ketik 1, pada Value Label
ketik kelas A, lalu klik Add. Langkah selanjutnya pada Value ketik 2, pada Value Label
ketik kelas B, lalu klik Add. Selanjutnya pada Value ketik 3, pada Value Label ketik
kelas C, lalu klik Add. Kemudian klik OK.
Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Buka data view pada SPSS data editor, maka didapat kolom variabel nilaiujn dan
kelas.
Ketikkan data sesuai dengan variabelnya (pada variabel kelas ketik dengan angka 1, 2
dan 3 (1 menunjukkan kelas A, 2 menunjukkan kelas B, dan 3 menunjukkan kelas C)
Klik Analyze - Compare Means - One Way ANOVA
Klik variabel Nilai Ujian dan masukkan ke kotak Dependent List, kemudian klik variabel
Kelas dan masukkan ke kotak Factor, kemudian klik Options, klik Descriptive dan
Homogeneity of variance, lalu klik Continue.
Klik OK, maka hasil output yang didapat adalah sebagai berikut:
Tabel. Hasil Uji One Way ANOVA

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:

Tabel. Tabulasi Data (Data Fiktif)

Subj
ek
Kecerdasan Prestasi Belajar
1
33
58
2
32
52
3
21
48
4
34
49
5
34
52
6
35
57
7
32
55
8
21
50
9
21
48
10
35
54
11
36
56
12
21
47
Langkah-langkah pada program SPSS
Masuk program SPSS
Klik variable view pada SPSS data editor
Pada kolom Name ketik x, kolom Name pada baris kedua ketik y.
Pada kolom Decimals ganti menjadi 0 untuk variabel x dan y
Pada kolom Label, untuk kolom pada baris pertama ketik Kecerdasan, untuk kolom
pada baris kedua ketik Prestasi Belajar.
Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Buka data view pada SPSS data editor, maka didapat kolom variabel x dan y.
Ketikkan data sesuai dengan variabelnya
Klik Analyze - Correlate - Bivariate
Klik variabel Kecerdasan dan masukkan ke kotak Variables, kemudian klik variabel
Prestasi Belajar dan masukkan ke kotak yang sama (Variables).
Klik OK, maka hasil output yang didapat adalah sebagai berikut:
Tabel. Hasil Analisis Korelasi Bivariate Pearson

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.

Langkah-langkah pengujian sebagai berikut:

1. Menentukan Hipotesis
Ho : Tidak ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar
Ha : Ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. (uji
dilakukan 2 sisi karena untuk mengetahui ada atau tidaknya hubungan yang signifikan,
jika 1 sisi digunakan untuk mengetahui hubungan lebih kecil atau lebih besar).
Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah dalam mengambil
keputusan untuk menolak hipotesa yang benar sebanyak-banyaknya 5% (signifikansi
5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian)
3. Kriteria Pengujian
Ho diterima jika Signifikansi > 0,05
Ho ditolak jika Signifikansi < 0,05
4. Membandingkan signifikansi
Nilai signifikansi 0,004 < 0,05, maka Ho ditolak.
5. Kesimpulan
Oleh karena nilai Signifikansi (0,004 < 0,05) maka Ho ditolak, artinya bahwa ada
hubungan secara signifikan antara kecerdasan dengan prestasi belajar. Karena
koefisien korelasi nilainya positif, maka berarti kecerdasan berhubungan positif dan
signifikan terhadap pretasi belajar. Jadi dalam kasus ini dapat disimpulkan bahwa
kecerdasan berhubungan positif terhadap prestasi belajar pada siswa SMU Negeri 1
Yogyakarta.

ANALISIS REGRESI LINIER SEDERHANA

Analisis regresi linier sederhana adalah hubungan secara linear antara satu
variabel independen (X) dengan variabel dependen (Y). Analisis ini untuk mengetahui
arah hubungan antara variabel independen dengan variabel dependen apakah positif
atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel
independen mengalami kenaikan atau penurunan.. Data yang digunakan biasanya
berskala interval atau rasio.
Rumus regresi linear sederhana sebagi berikut:
Y = a + bX
Keterangan:
Y = Variabel dependen (nilai yang diprediksikan)
X = Variabel independen
a = Konstanta (nilai Y apabila X = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
Contoh kasus:
Seorang mahasiswa bernama Hermawan ingin meneliti tentang pengaruh biaya
promosi terhadap volume penjualan pada perusahaan jual beli motor. Dengan ini di dapat
variabel dependen (Y) adalah volume penjualan dan variabel independen (X) adalah
biaya promosi. Dengan ini Hermawan menganalisis dengan bantuan program SPSS
dengan alat analisis regresi linear sederhana. Data-data yang di dapat ditabulasikan
sebagai berikut:
Tabel. Tabulasi Data Penelitian (Data Fiktif)

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

Langkah-langkah pada program SPSS

Masuk program SPSS
Klik variable view pada SPSS data editor
Pada kolom Name ketik y, kolom Name pada baris kedua ketik x.
Pada kolom Label, untuk kolom pada baris pertama ketik Volume Penjualan, untuk kolom
pada baris kedua ketik Biaya Promosi.
Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Buka data view pada SPSS data editor, maka didapat kolom variabel y dan x.
Ketikkan data sesuai dengan variabelnya
Klik Analyze - Regression - Linear
Klik variabel Volume Penjualan dan masukkan ke kotak Dependent, kemudian klik variabel
Biaya Promosi dan masukkan ke kotak Independent.
Klik Statistics, klik Casewise diagnostics, klik All cases. Klik Continue
Klik OK, maka hasil output yang didapat pada kolom Coefficients dan Casewise Diagnostics
adalah sebagai berikut:

Tabel. Hasil Analisis Regresi Linear Sederhana

Persamaan regresinya sebagai berikut:

Y = a + bX
Y = -28764,7 + 0,691X
Angka-angka ini dapat diartikan sebagai berikut:
- Konstanta sebesar -28764,7; artinya jika biaya promosi (X) nilainya adalah 0, maka
volume penjulan (Y) nilainya negatif yaitu sebesar -28764,7.
- Koefisien regresi variabel harga (X) sebesar 0,691; artinya jika harga mengalami
kenaikan Rp.1, maka volume penjualan (Y) akan mengalami peningkatan sebesar
Rp.0,691. Koefisien bernilai positif artinya terjadi hubungan positif antara harga dengan
volume penjualan, semakin naik harga maka semakin meningkatkan volume penjualan.
Nilai volume penjualan yang diprediksi (Y) dapat dilihat pada tabel Casewise
Diagnostics (kolom Predicted Value). Sedangkan Residual (unstandardized residual)
adalah selisih antara Volume Penjualan dengan Predicted Value, dan Std. Residual
(standardized residual) adalah nilai residual yang telah terstandarisasi (nilai semakin
mendekati 0 maka model regresi semakin baik dalam melakukan prediksi, sebaliknya
semakin menjauhi 0 atau lebih dari 1 atau -1 maka semakin tidak baik model regresi
dalam melakukan prediksi).
-

Uji Koefisien Regresi Sederhana (Uji t)

Uji ini digunakan untuk mengetahui apakah variabel independen (X) berpengaruh
secara signifikan terhadap variabel dependen (Y). Signifikan berarti pengaruh yang
terjadi dapat berlaku untuk populasi (dapat digeneralisasikan).
Dari hasil analisis regresi di atas dapat diketahui nilai t hitung seperti pada tabel 2.
Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : Ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan
Ha : Tidak ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan
2. Menentukan tingkat signifikansi

Tingkat signifikansi menggunakan a = 5% (signifikansi 5% atau 0,05 adalah ukuran

standar yang sering digunakan dalam penelitian)
3. Menentukan t hitung
Berdasarkan tabel diperoleh t hitung sebesar 10,983
4. Menentukan t tabel
Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df)
n-k-1 atau 20-2-1 = 17 (n adalah jumlah kasus dan k adalah jumlah variabel
independen). Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel
sebesar 2,110 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan cara pada cell
kosong ketik =tinv(0.05,17) lalu enter.
5. Kriteria Pengujian
Ho diterima jika t tabel < t hitung < t tabel
Ho ditolak jika -thitung < -t tabel atau t hitung > t tabel
6. Membandingkan t hitung dengan t tabel
Nilai t hitung > t tabel (10,983 > 2,110) maka Ho ditolak.
7. Kesimpulan
Oleh karena nilai t hitung > t tabel (10,983 > 2,110) maka Ho ditolak, artinya bahwa ada
pengaruh secara signifikan antara biaya promosi dengan volume penjualan. Jadi dalam
kasus ini dapat disimpulkan bahwa biaya promosi berpengaruh terhadap volume
penjualan pada perusahaan jual beli motor.