Anda di halaman 1dari 33

A.

Penelitian Asosiatif
Penelitian pada tingkat eksplanasi (artinya memberikan keterangan terhadap variabel-
variabel yang akan diteliti tentang objek penelitian melalui data yang dikumpulkan) dibagi
menjadi 3, yaitu: deskriptif, komparatif dan asosiatif. Pada makalah ini, kita akan fokus pada
penelitian asosiatif. Penelitian asosiatif adalah penelitian yang bertujuan mencari hubungan
antara satu variabel dengan variabel yang lain. Penelitian ini memiliki tingkat paling tinggi
dibandingkan dengan penelitian lain seperti penelitian deskriptif dan komparatif. Melalui
penelitian ini dapat ditemukan beberapa teori yang dapat memberikan penjelasan, perkiraan
dan kontrol suatu gejala.
Apabila ingin melakukan suatu penelitian, maka kita harus menguraikan terlebih
dahulu rumusan masalah/permasalahan untuk penelitian tersebut. Permasalahan yang bersifat
asosiatif adalah permasalahan yang menghubungkan antara dua variabel atau lebih. Adapun
menurut sifat hubungannya terdiri dari tiga jenis, yaitu:
1. Hubungan simentris adalah hubungan yang bersifat kebersamaan antara dua variabel
atau lebih. Contoh masalah penelitian yang termasuk hubungan simentris:
a. Adakah hubungan antara jumlah dosen fakultas MIPA dengan tingkat absensi
mahasiswa?
b. Adakah hubungan antara keaktifan mengikuti kegiatan organisasi dengan tingginya
prestasi belajar?
2. Hubungan sebab-akibat (kausal) adalah hubungan yang bersifat mempengaruhi antara
dua variabel atau lebih. Contoh masalah penelitian yang termasuk hubungan sebab-akibat
(kausal):
a. Adakah pengaruh fasilitas ruang kelas terhadap hasil belajar siswa?
b. Seberapa besar pengaruh strategi pembelajaran x terhadap penguasaan konsep fisika
siswa?
3. Hubungan interaktif (timbal balik) adalah hubungan yang variabelnya saling
mempengaruhi. Contoh masalah penelitian yang termasuk hubungan interaktif (timbal balik):
a. Adakah hubungan antara rasa percaya diri dengan prestasi belajar siswa?
b. Adakah hubungan antara sikap guru fisika dengan motivasi belajar siswa SMA?
Berdasarkan permasalahan-permasalahan di atas, maka terdapat hipotesis penelitian
(hipotesis alternatif) asosiatif. Hipotesis asosiatif adalah hipotesis yang dirumuskan untuk
memberikan jawaban terhadap permasalahan yang bersifat hubungan. Menurut sifat
hubungannya dibagi menjadi 3 jenis, yaitu:
1. Hipotesis hubungan simentris yaitu hipotesis yang menyatakan hubungan bersifat
kebersamaan antara dua variabel atau lebih, tetapi tidak menunjukkan sebab akibat.
Berdasarkan masalah penelitian yang telah diuraikan, maka hipotesis hubungan simentrisnya
yaitu:
Terdapat hubungan antara jumlah dosen fakultas MIPA dengan tingkat absensi mahasiswa.
Sebenarnya tidak ada hubungan antara jumlah dosen fakultas MIPA dengan tingkat absensi
mahasiswanya (kehadiran kuliah). Jadi jika terlihat ada hubungannya, itu adalah hubungan
yang semata-mata kebetulan.
2. Hipotesis hubungan sebab-akibat (kausal) yaitu hipotesis yang menyatakan hubungan
bersifat mempengaruhi antara dua variabel atau lebih. Berdasarkan masalah penelitian yang
telah diuraikan, maka hipotesis hubungan sebab-akibat (kausal) yaitu:
Terdapat pengaruh fasilitas ruang kelas terhadap hasil belajar siswa. Dari contoh di atas
terdapat dua variabel yaitu fasilitas ruang kelas dan variabel hasil belajar, di mana fasilitas di
dalam ruang kelas dapat mempengaruhi tinggi rendahnya hasil belajar siswa.
3. Hipotesis hubungan interaktif (timbal balik) adalah hipotesis yang menyatakan
hubungan yang variabelnya saling mempengaruhi. Berdasarkan masalah penelitian yang
telah diuraikan, maka hipotesis hubungan interaktif (timbal balik) yaitu:
Terdapat hubungan antara rasa percaya diri dengan prestasi belajar siswa. Variabel rasa
percaya diri mempengaruhi prestasi belajar siswa, begitupula sebaliknya prestasi belajar
siswa dapat mempengaruhi rasa percaya diri siswa.

B. Hipotesis Asosiatif
Terdapat dua jenis pengujian hipotesis yaitu hipotesis direksional dan hipotesis non
direksional. Hipotesis direksional adalah rumusan hipotesis yang arahnya sudah jelas atau
disebut juga hipotesis langsung. Pengujian hipotesis direksional terdiri dari dua yaitu uji
pihak kiri dan uji pihak kanan. Hipotesis non direksional adalah hipotesis yang tidak
menunjukkan arah tertentu. Pengujian ini menggunakan uji dua pihak (two tailed test).
Masing-masing hipotesis akan dijelaskan sebagai berikut.
Hipotesis Direksional
1. Uji Pihak Kiri
Apabila terdapat rumusan hipotesis pasangan Ha dinyatakan dengan bunyi kalimat:
paling tinggi, paling bayak, paling besar, maksimum dan sejenisnya berarti tandanya lebih
kecil (<). Sebaliknya Ho harus dinyatakan dengan bunyi kalimat: paling rendah, paling
sedikit, paling kecil, minimum dan sejenisnya berarti tandanya lebih besar atau sama dengan
() pengujiannya menggunakan uji satu pihak (one tailed test) yaitu uji pihak kiri. Pada
hipotesis asosiatif akan dijelaskan sebagai berikut.
Seorang mahasiswa ingin meneliti hubungan motivasi belajar dengan prestasi belajar
fisika siswa SMA. Peneliti mempunyai hipotesis jika hubungan motivasi belajar dengan
prestasi belajar paling tinggi 65 %.
1. Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha : Hubungan motivasi belajar dengan prestasi belajar paling tinggi 65 %
Ho : Hubungan motivasi belajar dengan prestasi belajar paling rendah atau sama
dengan 65 %
2. Hipotesis (Ha dan Ho) model statistik
Ha : p < 65 %
Ho : p 65 %
2. Uji Pihak Kanan
Jika rumusan hipotesis pasangan Ha dinyatakan dengan bunyi kalimt: rendah, paling
sedikit, paling kecil, minimum dan sejenisnya berarti tandanya lebih besar (>), sebaliknya Ho
harus dinyatakan dengan bunyi kalimat: paling tinggi, paling banyak, paling besar,
maksimum dan sejenisnya berarti tandanya lebih kecil atau sama dengan (). Pengujian
menggunakan uji satu pihak (one tailed test) yaitu uji pihak kanan. Pada hipotesis asosiatif
akan dijelaskan sebagai berikut.
Seorang pengamat sosial mengatakan bahwa hubungan antara atasan dengan bawahan
di instansi X paling rendah 45 %.
1. Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha : Hubungan antara atasan dengan bawahan di instansi X paling rendah 45 %.
Ho : Hubungan antara atasan dengan bawahan di instansi X paling tinggi atau
sama dengan 45 %.
2. Hipotesis (Ha dan Ho) model statistik
Ha : p > 45 %
Ho : p 45 %

Hipotesis Non Direksional


Contoh hipotesis non direksional pada hipotesis asosiatif akan dijelaskan sebagai
berikut.
Seorang dokter psikologi menyatakan bahwa: ada hubungan antara status sosial
dengan tingkat gizi keluarga di daerah A. Atas dasar tersebut seorang peneliti ingin
membuktikannya.
1. Hipotesis (Ha dan Ho) dalam uraian kalimat
Ha : Ada hubungan antara status sosial dengan tingkat gizi keluarga di daerah A.
Ho : Tidak ada hubungan antara status sosial dengan tingkat gizi keluarga di
daerah A
2. Hipotesis (Ha dan Ho) model statistik
Ha :p0
Ho :p=0

C. Teknik Statistik dalam Menganalisis Korelasi


a. Koefisien Korelasi
Koefisien korelasi adalah bilangan yang menyatakan kekuatan hubungan antara dua
variabel atau lebih atau juga dapat menentukan arah dari kedua variabel.
Nilai korelasi (r) = (-1 0 1)
Untuk kekuatan hubungan, nilai koefisien korelasi berada diantara -1 dan 1,
sedangkan untuk arah dinyatakan dalam bentuk positif (+) dan negatif (-). Misalnya,
1. Apabila r = -1, berarti korelasi negatif sempurna, artinya terjadi hubungan bertolak
belakang antara variabel X dan variabel Y, bila variabel X naik, maka variabel Y turun.
2. Apabila r = 1, berarti korelasi positif sempurna, artinya terjadi hubungan searah antara
variabel X dan variabel Y, bila variabel X naik, maka variabel Y naik.
Berikut ini merupakan tabel korelasi dan kekuatan hubungan.
No Nilai Korelasi (r) Tingkat Hubungan
1 0,00 0,199 Sangat Lemah
2 0,20 0,399 Lemah
3 0,40 0,599 Cukup
4 0,60 0,799 Kuat
5 0,80 0,100 Sangat Kuat

b. Koefisien Determinasi
Koefisien determinasi atau koefisien penentu (KD atau KP) adalah angka yang
menyatakan atau digunakan untuk mengetahui kontribusi atausumbangan yang diberikan oleh
sebuah variabel atau lebih X (bebas) terhadap variabel Y (terikat). KD atau KP dirumuskan
sebagai berikut.
KD = (r)2 x 100 %

D. Pengujian Hipotesis Asosiatif Parametrik


1. Korelasi Pearson Product Moment
Korelasi Pearson Product Moment adalah salah satu analisis korelasi yang digunakan
untuk mencari hubungan variabel bebas (X) dengan variabel terikat (Y) dengan data
berbentuk interval dan rasio.
Langkah langkah untuk menghitung nilai korelasi (r) adalah sebagai berikut:
a. Buatlah Ha dan Ho dalam bentuk kalimat
b. Buatlah Ha dan Ho dalam bentuk statistik
c. Membuat tabel penolong
Data (n) Variabel Variabel XY X2 Y2
bebas (x) terikat (Y)
1 ... ... ... ... ...
2 ... ... ... ... ...
3 ... ... ... ... ...
... ... ... ... ... ...
n ... ... ... ... ...
Jumlah =... =... =... =... =...

d. Menghitung nilai r
Rumus :
( ) ( . )
=
[ 2 ( )2 ] [ 2 ( )2 ]
n = Jumlah data (responden)
x = Variabel bebas,
y = variabel terikat
e. Menentukan besarnya sumbangan (koefisien determinan atau koefisien penentu)
variabel X terhadap variabel Y
Rumus:
KP = (r)2 x 100 %
f. Menghitung thitung
2
=
1 2
g. Menentukan nilai ttabel
Nilai ttabel dapat dicari dengan menggunakan tabel distribusi t dengan cara: taraf signifikan =
0.05 atau 0,01 dengan rumus derajad bebas (db) = n-2.
h. Kaidah pengujian
Jika thitung > ttabel, maka signifikan
Jika thitung ttabel, maka tidak signifikan
i. Membandingkan thitung dan ttabel
Membandingkan ttabel dan thitung adalah untuk mengetahui apakah ada hubungan antara
variabel x dan variabel y.
j. Kesimpulan

Contoh:
Seorang mahasiswa ingin meneliti hubungan dan kontribusi (sumbangan) antara motivasi
belajar dan prestasi belajar fisika siswa SMA.

X = Motivasi belajar
Y = Prestasi belajar fisika siswa SMA
Pertanyaan penelitian:
1) Berapakah besar hubungan antara variabel X dengan variabel Y?
2) Berapakah besar sumbangan (kontribusi) variabel X dengan Y?
3) Apakah terdapat hubungan yang signifikan antara motivasi belajar dengan prestasi
belajar fisika siswa SMA?
Langkah menjawab:
a. Membuat Ha dan Ho dalam bentuk kalimat
Ha : Terdapat hubungan antara motivasi belajar dengan prestasi belajar fisika
siswa SMA
Ho : Tidak terdapat hubungan antara motivasi belajar dengan prestasi belajar
fisika siswa SMA
b. Membuat Ha dan Ho dalam bentuk statistik
Ha :r0
Ho :r=0
c. Membuat tabel penolong dan menghitung nilai korelasi (r)
X 885 Berdasarkan tabel disamping kemudian dimasukkan
Y 5640 kedalam rumus r (koefisien korelasi) seperti yang
X2 66325 dijelaskan diatas diperoleh nilai r = 0,684
Y2 2652350
XY 416825 Jadi terdapat hubungan antara motivasi belajar dengan
prestasi belajar fisika siswa SMA sebesar (r = 0,684) dan
tergolong kuat (Jawaban pertanyaan penelitian nomer 1)
d. Menentukan besarnya sumbangan (koefisien determinan atau koefisien penentu)
Untuk menentukan besarnya sumbangan variabel x terhadap variabel y digunakan rumus:
KP = (r)2 x 100 % = (0,684)2 x 100 % = 46,79 %
Artinya: pengaruh motivasi belajar terhadap prestasi belajar fisika siswa SMA sebesar 46,79
% dan sisanya 53,21 % ditentukan oleh variabel lain. (Jawaban pertanyaan penelitian
nomer 2)
e. Menguji signifikansi
Menguji signifikansi dengan rumus
2 0,684 12 2
= = = 2,963
1 2 1 0,6842
Kaidah pengujian:
Jika thitung > ttabel, maka signifikan
Jika thitung ttabel, maka tidak signifikan
Berdasarkan perhitungan di atas dengan ketentuan tingkat kesalahan =0,05; db = n-2 = 12 -
2 =10 didapat ttabel = 1,812. Sehingga thitung > ttabel
f. Menarik kesimpulan
Kesimpulan: Hubungan antara motivasi belajar dengan prestasi belajar fisika siswa SMA
adalah signifikan (Jawaban pertanyaan penelitian nomer 3)

2. Korelasi Parsial
Korelasi parsial (Partial Correlation) adalah suatu nilai yang memberikan kuatnya
pengaruh atau hubungan dua variabel atau lebih, yang salah satu atau bagian variabel x
konstan atau dikendalikan.
Uji korelasi parsial digunakan untuk mengetahuipengaruh atau hubungan variabel x
dan y di mana salah satu variabel x dibuat konstan (tetap). Koefisien korelasi parsial
dirumuskan sebagai berikut.
Bila X1 tetap maka rumusnya:
X1 rX1Y 2 1 . 1 2
1 (2 ) =
(1 2 1 ). (1 2 1 2 )
rX1X2 Y Ha : Ada pengaruh/korelasi yang signifikan antara
X2 dan Y apabila X1 tetap
X2 rX2Y Ho : Tidak ada pengaruh/korelasi yang signifikan
antara X2 dengan Y apabila X1 tetap

Bila X2 tetap maka rumusnya:


1 2 . 1 2
2 (1 ) =
(1 2 2 ). (1 2 1 2 )
Ha : Ada pengaruh/korelasi yang signifikan antara
X1 dan Y apabila X2 tetap
X1 rX1Y
Ho : Tidak ada pengaruh/korelasi yang signifikan
antara X1 dengan Y apabila X2 tetap
rX1X2 Y

X2 rX2Y

Bila Y tetap, maka rumusnya:

X1 rX1Y 1 2 . 1 2
(1 2 ) =
(1 2 2 ). (1 2 1 2 )
rX1X2 Y Ha : Ada pengaruh/korelasi yang signifikan antara
X1 dan X2 apabila Y tetap
X2 rX2Y Ho : Tidak ada pengaruh/korelasi yang signifikan
antara X1 dan X2 apabila Y tetap
Langkah-langkah korelasi parsial:
a. Menetukan desain penelitian
b. Buat Ha dan Ho dalam bentuk kalimat
c. Buat Ha dan Ho dalam bentuk statistik
d. Membuat tabel penolong
Data X1 X2 Y X1Y X2Y X1X2 (X1)2 (X2)2 (Y)2
(n)
1 ... ... ... ... ... ... ... ... ...
2 ... ... ... ... ... ... ... ... ...
3 ... ... ... ... ... ... ... ... ...
4 ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ...
n ... ... ... ... ... ... ... ... ...
Jumlah =... =... =... =... =... =... =... =... =...

e. Menghitung nilai Koefisien korelasi parsial


Menghitung nilai koefisien korelasi melalui ketiga rumus di atas
f. Menguji signifikansi
Selanjutnya untuk mengetahui apakah pengaruh hubungan pengujian ini signifikan atau tidak
maka perludiuji dengan uji signifikansi, untuk koefisien korelasi parsial menggunakan rumus
thitung sebagai berikut:
3
=
1 2
Dimana:
thitung = nilai yang akan dibandingkan dengan ttabel
n = jumlah sampel
rparsial = nilai koefisien parsial
Kaidah pengujian: Jika thitung > ttabel , maka signifikan.
Jika thitung ttabel , maka tidak signifikan.
ttabel dapat dicari dengan rumus :db = n-1
Taraf signifikan =0,01 atau =0,05.
Untuk uji satu pihak atau uji dua pihak, tergantung pada jenis penelitian.
Contoh:
Terdapat penelitian dengan judul: Pengaruh Produktivitas Kerja dan Kepuasan Kerja
Terhadap Peningkatan Efektivitas Kerja Dosen Di Universitas Negeri Malang

X1 = Produktivitas Kerja
X2 = Kepuasan Kerja
Y = Efektivitas Kerja Dosen
Pertanyaan penelitian:
1) Adakah pengaruh yang signifikan antara kepuasan kerja (X2) dengan efektivitas kerja
(Y) apabila produktivitas kerja (X1) tetap?
2) Adakah pengaruh yang signifikan antara produktivitas kerja (X1) dengan efektivitas
kerja (Y) apabila kepuasan kerja (X2) tetap?
3) Adakah pengaruh yang signifikan antara produktivitas kerja (X1) dengan kepuasan
kerja (X2) apabila efektivitas kerja (Y) tetap?
Langkah Menjawab
a. Membuat Ha dan Ho dalam bentuk kalimat
Ha:
1) Ada pengaruh yang signifikan antara kepuasan kerja (X2) dengan efektivitas kerja (Y)
apabila produktivitas kerja (X1) tetap.
2) Ada pengaruh yang signifikan antara produktivitas kerja (X1) dengan efektivitas kerja
(Y) apabila kepuasan kerja (X2) tetap.
3) Ada pengaruh yang signifikan antara produktivitas kerja (X1) dengan kepuasan kerja
(X2) apabila efektivitas kerja (Y) tetap.
Ho:
1) Tidak ada pengaruh yang signifikan antara kepuasan kerja (X2) dengan efektivitas
kerja (Y) apabila produktivitas kerja (X1) tetap.
2) Tidak ada pengaruh yang signifikan antara produktivitas kerja (X1) dengan efektivitas
kerja (Y) apabila kepuasan kerja (X2) tetap.
3) Tidak ada pengaruh yang signifikan antara produktivitas kerja (X1) dengan kepuasan
kerja (X2) apabila efektivitas kerja (Y) tetap.
b. Membuat Ha dan Ho dalam bentuk statistik
Ha : rX1(X2.Y) 0
Ho : rX1(X2.Y) = 0

Ha : rX2(X1.Y) 0
Ho : rX2(X1.Y) = 0

Ha : rY(X2. X1) 0
Ho : rY(X2. X1) = 0
c. Menentukan nilai koefisien korelasi
Nilai koefisien korelasi ditemukan sebesar:
rX1Y = 0,9
rX1Y = 0,7
rX1X2 = 0,6
Bila X1 tetap, maka:
2 1 . 1 2
1 (2 ) =
(1 2 1 ). (1 2 1 2 )
0,7 (0,9). (0,6)
1 (2 ) = = 0,46
(1 0,92 ). (1 0,62 )
Bila X2 tetap, maka:
1 2 . 1 2
2 (1 ) =
(1 2 2 ). (1 2 1 2 )
0,9 (0,7). (0,6)
2 (1 ) = = 0,84
(1 0,72 ). (1 0,62 )
Bila Y tetap, maka:

1 2 . 1 2
(1 2 ) =
(1 2 2 ). (1 2 1 2 )
0,6 (0,9). (0,6)
(1 2 ) = = 0,097
(1 0,92 ). (1 0,72 )
d. Menguji signifikansi
Pada langkah ini menggunakan cara membandingkan nilai thitung dengan ttabel.
Kaidah pengujian: Jika thitung > ttabel , maka signifikan.
Jika thitung ttabel , maka tidak signifikan.
Bila X1 tetap:
3 0,4680 3
= = = 4,53
1 2 1 0,462
Bila X2 tetap:
3 0,8480 3
= = = 13,65
1 2 1 0,842
Bila Y tetap:
3 0,09780 3
= = = 0,85
1 2 1 0,0972
e. Menarik kesimpulan
1) Saat X1 tetap, thitung > ttabel atau 4,53 > 1,99, maka ada pengaruh yang signifikan antara
kepuasan kerja (X2) dengan efektivitas kerja (Y) apabila produktivitas kerja (X1)
tetap.
2) Saat X2 tetap, thitung > ttabel atau 13,65 > 1,99, maka ada pengaruh yang signifikan
antara produktivitas kerja (X1) dengan efektivitas kerja (Y) apabila kepuasan kerja
(X2) tetap.
3) Saat Y tetap, thitung < ttabel atau -0,85 < 1,99, maka tidak ada pengaruh yang signifikan
antara produktivitas kerja (X1) dengan kepuasan kerja (X2) apabila efektivitas kerja
(Y) tetap.
Bagaimana menentukan ttabel?
ttabel= 1,99 (interpolasi)
db = n-1 = 80 -1 =79 dengan =0,05. Untuk uji dua pihak, maka rumus mencari interpolasi
tabel:
(1 0 )
= 0 + . ( 0 )
(1 0 )
Dimana:
B = nilai db yang dicari
B0 = nilai db pada awal nilai yang sudah ada
B1 = nilai db pada akhir nilai yang sudah ada
C = nilai ttabel yang dicari
C0 = nilai ttabel pada awal nilai yang sudah ada
C1 = nilai ttabel pada akhir nilai yang sudah ada

B = 89
B0 = 60
B1 = 120
C = nilai ttabel yang dicari melalui interpolasi = 1,99
C0 = 2,00
C1 = 1,980
(1,98 2)
= 2+ . (89 60) = 1,99
(120 60)
3. Korelasi Ganda
Uji korelasi ganda adalah suatu nilai yang memberikan kuatnya pengaruh atau
hubungan dua variabel atau lebih secara bersama-sama dengan variabel lain. Nilai dari uji
korelasi ganda adalah sebagai berikut.

X1
R
rX1YrX1X2 Y

X2 rX2Y

Rumus korelasi ganda:


2 1 + 2 2 2. 1 . 2 . 1 2
12 =
1 2 1 2

Langkah-langkah menjawab uji korelasi ganda


a. Buatlah Ha dan Ho dalam bentuk kalimat
b. Buatlah Ha dan Ho dalam bentuk statistik
c. Buatlah tabel penolong untuk menghitung nilai korelasi ganda

Data X1 X2 Y X1Y X2Y X1X2 (X1)2 (X2)2 (Y)2


(n)
1 ... ... ... ... ... ... ... ... ...
2 ... ... ... ... ... ... ... ... ...
3 ... ... ... ... ... ... ... ... ...
4 ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ...
n ... ... ... ... ... ... ... ... ...
Jumlah =... =... =... =... =... =... =... =... =...

d. Menghitung nilai R
Menghitung nilai R menggunakan rumus
2 1 + 2 2 2. 1 . 2 . 1 2
1 2 =
1 2 1 2
Dimana:
RX1X2Y = Koefisien korelasi ganda
X1 = Variabel bebas ke 1
X2 = Variabel bebas ke 2
Y = Variabel tak bebas
e. Menghitung nilai Fhit
2 1 2

=
(1 2 1 2 ) 1
Dimana:
n = jumlah sampel
r = koefisien korelasi
m = jumlah variabel bebas

f. Menghitung nilai Ftabel


Nilai Ftabel dapat dicari melalui Ftabel dengan ketentuan:
Ftabel = F(, , )

Dimana:
dk =nk1
r = pembilang (jumlah variabel bebas)
dk = penyebut

g. Kaidah pengujian
Jika: Fhitung Ftabel, maka tidak ada hubungan
Jika: Fhitung > Ftabel, maka ada hubungan

h. Membandingkan Ftabel dan Fhitung


Tujuan membandingkan Ftabel dan Fhitung ialah untuk emngetahui apakah ada hubungan atau
tidak antara variabel x dan y

Contoh:
Kita akan meneliti hubungan antara gaya belajar (X1) dan motivasi berprestasi siswa (X2)
terhadap prestasi belajar fisika siswa (Y). Berdasarkan hasil penelitian, didapatkan data
sebagai berikut.
Pertanyaan penelitian adalah sebagai berikut.
Apakah ada hubungan yang signifikan antara (X1) dengan (X2) secara bersama-sama terhadap
(Y)?

Data penelitian adalah sebagai berikut:


Siswa X1 X2 Y Siswa X1 X2 Y
1 48 97 61 33 42 67 54
2 47 77 40 34 41 58 50
3 47 99 48 35 55 90 61
4 41 77 54 36 68 77 47
5 41 77 34 37 61 99 68
6 42 55 48 38 61 109 82
7 61 88 68 39 54 76 67
8 69 120 67 40 48 75 69
9 62 87 67 41 40 77 55
10 65 87 75 42 34 67 48
11 48 50 56 43 48 68 47
12 52 87 60 44 38 67 55
13 47 87 47 45 55 89 61
14 47 87 60 46 62 87 61
15 47 81 61 47 68 87 68
16 41 55 47 48 56 87 65
17 55 88 68 49 38 65 70
18 75 98 68 50 61 98 75
19 62 87 74 51 68 105 61
20 68 87 75 52 60 78 54
21 48 44 55 53 55 77 60
22 49 94 61 54 27 66 55
23 48 77 46 55 48 66 55
24 54 55 61 56 40 55 47
25 54 76 58 57 40 78 56
26 48 65 50 58 48 75 54
27 61 90 68 59 38 98 69
28 54 119 75 60 57 98 74
29 68 119 75 61 68 87 68
30 68 98 75 62 61 87 66
31 47 55 56 63 35 77 61
32 41 66 61 64 40 77 69

Langkah-langkah menjawab.
a. Membuat Ha dan Ho dalam bentuk kalimat
Ha : Terdapat hubungan yang signifikan antara gaya belajar dan motivasi berprestasi
siswa terhadap prestasi belajar fisika siswa
Ho : Tidak terdapat hubungan yang signifikan antara gaya belajar dan motivasi
berprestasi siswa terhadap prestasi belajar fisika siswa

b. Membuat Ha dan Ho dalam bentuk statistik


Ha :R0
Ho :R=0
c. Membuat tabel penolong untuk menghitung nilai korelasi ganda
Data dimasukkan sesuai dengan tabel penolong seperti dibawah ini:
Data X1 X2 Y X1Y X2Y X1X2 (X1)2 (X2)2 (Y)2
(n)
1 ... ... ... ... ... ... ... ... ...
2 ... ... ... ... ... ... ... ... ...
3 ... ... ... ... ... ... ... ... ...
4 ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ...
n ... ... ... ... ... ... ... ... ...
Jumlah =... =... =... =... =... =... =... =... =...
Diperoleh ringkasan statistik sebagai berikut:
1) Korelasi X1 dengan Y
SIMBOL STATISTIK NILAI STATISTIK
n 64
X1 3320
Y 3871
X12 179456
Y2 240425
X1Y 2014514
( 1 ) ( 1 ). ( )
1 = = 0,549
[ 1 2 ( 1 )2 ] [ 2 ( )2 ]

1 = 0,549
2) Korelasi X2 dengan Y
SIMBOL STATISTIK NILAI STATISTIK
n 64
X2 5198
Y 3871
X22 439670
Y2 240425
X2Y 320416
( 2 ) ( 2 ). ( )
2 =
[ 2 2 ( 2 )2 ] [ 2 ( )2 ]

2 = 0,574
3) Korelasi X1 dengan X2
SIMBOL STATISTIK NILAI STATISTIK
n 64
X1 3320
X2 5198
X12 179456
X22 439670
X1X2 276596
( 1 2 ) ( 1 )( 2 ).
2 =
[ 1 2 ( 1 )2 ] [ 2 2 ( 2 )2 ]
2 = 0,618
d. Menghitung nilai R
2 1 + 2 2 2. 1 . 2 . 1 2
1 2 =
1 2 1 2

0,5492 + 0,5742 2. (0,549). (0,574). (0,618)


1 2 =
1 (0,618)2
1 2 = 0,62
Hubungan gaya belajar dan motivasi berprestasi siswa terhadap prestasi belajar fisika
siswa tergolong kuat. Untuk menyatakan besar kecilnya sumbangan variabel X1 dan X2
terhadap variabel Y atau koefisien determinan = R2 x 100 % sehingga diperoleh (0,622 x 100
% = 38,44 %).
e. Menghitung nilai Fhitung
Untuk mengetahui keberartian korelasi ganda (R) dihitung uji F berikut:
2 1 2

=
(1 2 1 2 ) 1
0,622
2
= =19,22
(10,622 )6421

f. Menghitung nilai Ftabel


Kaidah pengujian,
Jika: Fhitung Ftabel, maka tidak signifikan
Jika: Fhitung > Ftabel, maka signifikan
Nilai Ftabel dengan =0,05 untuk uji 2 pihak.
Ftabel = F (1- )[(db = k), (db = n k -1)]
= F (1- 0,05)[(db = 2), (db = 64 2 -1)]
= F (0,95) [2,61]
Cara mencari Ftabel : = 2, sebagai angka pembilang
= 61, sebagai angka penyebut
Ftabel = 1,999
g. Menentukan kesimpulan
Setelah dihitung Fhitung > Ftabel,atau 19,22 > 1,999, maka terdapat hubungan yang signifikan
antara gaya belajar dan motivasi berprestasi siswa terhadap prestasi belajar fisika siswa.

E. Pengujian Hipotesis Asosiatif Non Parametrik


Pada penelitian yang ingin mengetahui ada tidaknya hubungan di antara variabel
yang diamati, atau ingin mengetahui seberapa besar derajat keeratan hubungan di antara
variabel tersebut, maka digunakan analisis korelasi. Analisis korelasi merupakan studi yang
membahas tentang derajat keeratan hubungan antara dua atau lebih variabel yang diteliti.
Dalam statistik parametrik, ukuran derajat keeratan hubungan antara dua variabel
yang paling kenal adalah Pearson Product-Moment (PPM) atau koefisien hasil kali Pearson r.
PPM mensyaratkan data dari variabel yang diukur minimal dalam skala interval, data
(diambil dari populasi) berdistribusi normal.
Apabila persyaratan tersebut tidak terpenuhi, maka dapat diterapkan ukuran derajat keeratan
hubungan (korelasi) nonparametrik.

1. Spearman Rank
Dari semua statistik yang didasarkan atas ranking (peringkat), koefisien korelasi.
Spearman Rank merupakan statistik yang paling awal dikembangkan dan paling dikenal
baik. Statistik ini disebut juga rho.Disebut juga korelasi tata jenjang/ rank order correlation/
rank difference correlation dikembangkan oleh Charles Spearman. Digunakan untuk
menghitung/ menentukan tingkat hubungan/korelasi dua variabel yang keduanya memiliki
tingkatan data ordinal. Apabila pada penelitian tingkatan datanya adalah interval maka harus
diubah ke dalam ranking-ranking yang merupakan sifat data ordinal.
Membuat ranking dilakukan dengan mengurutkan data dari yang tertinggi sampai yang
terendah, apabila ada data kembar (sama) ranking dijumlah dan dibagi dengan banyaknya
data kembar (sama) tersebut.
Kelebihan Spearman Rank :
1. Hubungan antara variabel X dan Y tidak harus linear (tidak perlu diuji linearitasnya)
2. Asumsi kenormalan data (normalitas) tidak diperlukan.
3. Data tidak harus dengan ukuran numerik, melainkan hanya berupa ranking/ peringkat saja

Suatu ukuran nonparametrik bagi hubungan antara dua variabel X dan Y diberikan oleh
koefisien peringkat Spearman, yaitu :

Di mana :
di = selisih antara peringkat bagi Xi dan Yi
n = banyaknya pasangan data
Kriteria penarikan kesimpulan :
Jika rs < rtabel maka Ho diterima
Jika rs > rtabel maka Ho ditolak
Nilai korelasi rs berkisar dari -1 = rs = +1. Bila rs = 1 menunjukkan hubungan positif
sempurna, bila rs = -1 terdapat hubungan antar kedua variabel tetapi bertolak belakang
(hubungan negatif).
Pengujian signifikansi Spearman Rank dilakukan jika Ho ditolak,
pengujian tersebut sebagai berikut :
1. Didasarkan atas padanan distribusi Z (distribusi normal) jika n > 30
dengan rumus :

Daerah kritik :
Uji Dua Pihak Uji Satu Pihak
Zo = Z[0,5 1/2a)] terima Ho Zo = Z[0,5 a)] terima Ho
Zo > Z[0,5 1/2a)] tolak Ho Zo > Z[0,5 a)] tolak Ho
Wibisono (2005:651)
2. Jika n = 30 menggunakan rumus :

Kriteria pengujian :
Jika ttabel < thitung < + ttabel maka Ho diterima.
Husaini Usman (2008:262)

Contoh :
Akan diteliti apakah terdapat hubungan antara cara belajar dengan motivasi belajar siswa,
diambil sampel 10 siswa dengan taraf signifikansi 5%. Data cara belajar (X) dan motivasi
(Y) sebagai berikut :
X : 50, 50, 40, 90, 80, 80, 70, 65, 65, 50
Y : 65, 50, 50, 80, 90, 70, 80, 50, 40, 50
Buktikan apakah ada hubungan yang signifikan antara cara belajar dengan motivasi !
Penyelesaian :
Langkah-langkah :
1. Menentukan hipotesis penelitian :
Ho : Tidak ada hubungan yang signifikan antara cara belajar dengan motivasi
belajar siswa.
Ha : Ada hubungan yang signifikan antara cara belajar dengan motivasi belajar siswa.
2. Menentukan hipotesis statistik :
Ho : rs = 0
Ha : rs tdk = 0
3. Menentukan statistik uji :
Spearman Rank
4. Menentukan kriteria pengujian :
Jika rs < rtabel maka Ho diterima
Jika rs > rtabel maka Ho ditolak
5. Menghitung koefisien korelasi Spearman
Rank (rs) :

6. Mencari rs tabel :
Dengan taraf signifikansi = 0,05 dan n = 10 Diperoleh rs tabel = 0,648
7. Membandingkan rs hitung dengan rs tabel:
Karena rs hitung > rs tabel atau 0,703 > 0,648 maka Ho ditolak dan Ha diterima artinya
ada hubungan antara cara belajar dengan motivasi belajar siswa. Untuk membuktikan
apakah hubungan tersebut signifikan atau tidak, selanjutnya diuji signifikansinya.
8. Uji signifikansi koefisien korelasi rs hitung
Karena n < 30 maka menggunakan rumus:

Dengan taraf signifikansi = 0,05 dan dk = 8, diperoleh ttabel = 2,306. Karena thitung >
ttabel atau 2,796 > 2,306 maka Ho ditolak dan Ha diterima artinya ada hubungan tersebut
adalah signifikan.
9. Menarik kesimpulan :
Karena rs hitung > rs tabel atau 0,703 > 0,648 maka Ho ditolak dan Ha diterima artinya
ada hubungan yang signifikan antara cara belajar dengan motivasi belajar siswa.

ContohKasus
Seorangpenelitiinginmengetahuihubunganantarakepemimpinankepala
desa, partisipasiwajibpajak, danefektivitaspelunasanPajakBumidan
Bangunan (PBB). Setelahdilakukanpengumpulan data, makadatanya
dapatdisajikankedalamtabelberikut:

Input data di atasdengankarakteristiksebagaiberikut:


X1 KepemimpinanKades
Measurement level: Ordinal
Format: F4 Column Width: 4 Alignment: Right
X2 PartisipasiWajibPajak
Measurement level: Ordinal
Format: F4 Column Width: 4 Alignment: Right
Y EfektivitasPelunasan PBB
Measurement level: Ordinal
Format: F4 Column Width: 4 Alignment: Right

LangkahTeknikAnalisisKorelasi Rank Spearman


1. Tekan menu Analyze - Correlate - Bivariate

2. Masukkansemuavaraibel yang akandikorelasikan


3. Pilih Correlation Coefficients ( speermen)

4. Klik OK

Output danInterpretasiKorelasi Rank Spearman


Korelasi rank spearman antaravariabelKepemimpinanKadesdengan
EfektivitasPelunasan PBB adalahsebesar 0,863 denganarahpositip. Hal
iniberartiperubahan yang dialamiolehKepemimpinanKadesakandiikuti
secarapositipolehEfektivitasPelunasan PBB. Hubunganantarakedua
variabeltersebutsignifikankarenanilai P atau Sig. sebasar 0,000 atau
lebihkecildaritingkatkesalahan yang kitapasang 0,05 (5%). Tanda
bintangdua ** jugamenunjukkanhubungankeduavariabeltersebut
sangatsignifikan, artinyadari 1000 kasushanyaadasatukemungkinan
menyimpang.

Korelasi rank spearman antaravariabelPartisipasiWajibPajakdengan


EfektivitasPelunasan PBB adalahsebesar 0,824 denganarahpositip. Hal
iniberartiperubahan yang dialamiolehPartisipasiWajibPajakakandiikuti
secarapositipolehEfektivitasPelunasan PBB. Hubunganantarakedua
variabeltersebutsignifikankarenanilai P atau Sig. sebasar 0,000 atau
lebihkecildaritingkatkesalahan yang kitapasang 0,05 (5%). Tanda
bintangdua ** jugamenunjukkanhubungankeduavariabeltersebut
sangatsignifikan, artinyadari 1000 kasushanyaadasatukemungkinan
menyimpang.
2. Korelasi Kendall Tau
Koefisien korelasi Kendall Tau() cocok sebagai ukuran korelasi dengan jenis data
yang sama di mana rsdapat digunakan. Fungsi koefisien Kendall Taumerupakan ukuran
asosiasi/ korelasi/ hubungan antara dua variabel yang didasarkan atas ranking. Kedua variabel
mempunyai tingkatan data ordinal.
Korelasi Kendall Tau adalah ukuran korelasi yang setara dengan Spearman Rank terkait
dengan asumsi yang mendasarinya serta kekuatan statistiknya. Namun besaran Spearman
Rank dan Kendall Tau akan berbeda dalam logika mendasari serta formula perhitungannya.
Jika Spearman Ranksetara dengan PPM, yaitu koefisien korelasinya menunjukkan proporsi
variabilitas (di mana untuk Spearman Rankdihitung dari rank sedangkan PPM dari data
aslinya), sebaliknya Kendall Taumerupakan probabilitas perbedaan antara probabilitas data
dua variabel dalam urutan yang sama dengan probabilitas dua variabel dalam urutan yang
berbeda.

Prosedur penghitungan dan pengujian:


1. Berikan ranking pada variabel X dan Y, jika ada ranking kembar buat rata-ratanya.
2. Urutkan ranking X dari terkecil hingga terbesar (1, 2, 3...n).
3. Tentukan harga S berdasarkan ranking Y yang telah disusun mengikuti X. Amati
ranking Y mulai dari yang kecil menurut X, hingga yang terbesar menurut X.
Kemudian beri nilai +1 untuk setiap harga yang lebih tinggi berdasarkan susunan
rangking X dan -1 untuk setiap harga yang lebih rendah.
4. Jika tidak ada ranking berangka sama(kembar) gunakan rumus:

5. Jika banyak ranking berangka sama (kembar) gunakan rumus :

6. Untuk melakukan uji signifikansi :


Jika 4 n 10 gunakan tabel Q uji satu sisi (Siegel, 1985 : 337)
Kriteria : p maka Ho ditolak.
Jika n > 10 :
Hitung z dengan rumus :

Gunakan tabel A (Siegel, 1985:299)


Contoh (1):
Diberikan data cara belajar (X) dan motivasi belajar (Y) mahasiswa matematika STKIP YPM
Bangko :

Tentukan koefisien korelasi X dengan Y !


Menentukan ranking berdasarkan urutan mahasiswa :

Menentukan ranking (susunan yang wajar) berdasarkan peringkat mahasiswa :

Menentukan harga S
untuk ranking yang saling berhubungan dengan variabel Y:

Ranking statistik nonparametrik yang paling kiri adalah ranking 1, ini memilii 11 ranking
yang lebih besar dan 0 ranking yang lebih kecil di sebelah kanannya. Jadi skornya 11-0,
demikian seterusnya.

Menghitung koefisien korelasi kendall tau () :


Jadi = 0,67 merepresentasikan tingkat hubungan antara cara belajar (X) dengan motivasi
belajar (Y) yang diperlihatkan oleh 12 mahasiswa matematika STKIP YPM Bangko.
ContohKasus
Seorangpenelitiinginmengetahuihubunganantarakepemimpinankepala
desa, partisipasiwajibpajak, danefektivitaspelunasanPajakBumidan
Bangunan (PBB). Setelahdilakukanpengumpulan data, makadatanya
dapatdisajikankedalamtabel 2 di atas.
LangkahdalamKorelasi Kendal Tau

1. Tekan menu Analyze - Correlate - Bivariate

2. Masukkansemuavaraibel yang akandikorelasikan


3. Pilih Correlation Coefficients

4. Klik OK

Output danInterpretasiKorelasi Rank Spearman

Dari tabel di atasdapatdiketahuibahwakorelasi Kendall Tau


antaravariabelKepemimpinanKades (X1) denganEfektivitasPelunasan PBB (Y)
adalahsebesar 0,829 denganarahpositip. Hal iniberartiperubahan yang
dialamiolehKepemimpinanKadesakandiikutisecarapositipolehEfektivitasPelunasan PBB.
Hubunganantarakeduavariabeltersebutsignifikankarenanilai P atau Sig. sebasar
0,000ataulebihkecildaritingkatkesalahan yang kitapasang 0,05 (5%). Tandabintangdua **
jugamenunjukkanhubungankeduavariabeltersebutsangatsignifikan, artinyadari 1000
kasushanyaadasatukemungkinanmenyimpang.

Korelasi Kendall Tau antaravariabelPartisipasiWajibPajak (X1)


denganEfektivitasPelunasan PBB (Y) adalahsebesar 0,797 denganarahpositip. Hal
iniberartiperubahan yang
dialamiolehPartisipasiWajibPajakakandiikutisecarapositipolehEfektivitasPelunasan PBB.
Hubunganantarakeduavariabeltersebutsignifikankarenanilai P atau Sig. sebasar 0,000
ataulebihkecildaritingkatkesalahan yang kitapasang 0,05 (5%). Tandabintangdua **
jugamenunjukkanhubungankeduavariabeltersebutsangatsignifikan, artinyadari 1000
kasushanyaadasatukemungkinanmenyimpang.

3. Koefisien Kontingensi C
Koefisien kontingensi digunakan untuk menghitung hubungan antar variabel bila datanya
berbentuk nominal. Teknik ini mempunyai kaitan erat dengan Chi Square yang digunakan
untuk menguji hipotesis komparatif k sampel independen. Oleh karena itu, rumus koefisien
kontingensi mengandung nilai Chi Square/ Khi Kuadrat (2).

Langkah-langkah perhitungan:
1. Susun frekuensi-frekuensi observasi dalam suatu tabel kontingensi kx r (k= banyak
kolom, r =baris).
2. Hitung nilai frekuensi yang diharapkan untuk tiap-tiap
sel.

3. Hitung nilai 2 untuk data tersebut denganmenggunakan rumus:

4. Dengan nilai 2 yang diperoleh, kemudian hitung nilai


koefisien kontingensi C:

5. Hitung nilai nilai Cmaks untuk mengetahui derajat


keeratan hubungan yang terjadi dengan rumus:

Makin dekat nilai C dengan Cmaks maka makin besar derajat hubungan antar variabel.
6. Melakukan uji signifikansi dengan membandingkan nilai 2yang diperoleh dengan 2
tabel menggunakan:
dk = (baris -1).(kolom -1) dan taraf nyata tertentu.
Kriteria uji signifikansi:
Jika 2hitung < 2tabel maka Ho diterima dan H1 ditolak (tidak signifikan)
Jika 2hitung 2tabel maka Hoditolak H1 diterima (signifikan)
Contoh 1:
Seorang peneliti ingin menguji apakah terdapat hubungan antara kurikulum sekolah
menengah atas yang dipilih oleh siswa-siswa di suatu kota dengan kelas sosial siswa-siswa
itu. Tabel frekuensi pendaftaran siswa-siswa tersebut terdiri dari 4 kelas sosial dalam 3
kemungkinan kurikulum sekolah menengah atas, data disajikan sebagai berikut:

Penyelesaian:
1. Menentukan hipotesis penelitian:
Ho: tidak terdapat hubungan antara kurikulum sekolak menengah atas dengan kelas
sosial siswa.
H1: terdapat hubungan antara kurikulum sekolak menengah atas dengan kelas sosial
siswa.
2. Menentukan hipotesis statistk:
Ho: C = 0
H1: C 0
3. Menentukan dan kriteria uji signifikansi
Taraf nyata () = 0,05, dengan kriteria uji signifikansi korelasi:
Jika 2hitung < 2tabel maka Ho diterima dan H1 ditolak (tidak signifikan)
Jika 2hitung 2tabel maka Hoditolak H1 diterima (signifikan)
4. Menghitung nilai 2
5. Menghitung koefisien kontingensi C

6. Menguji hipotesis
Karena nilai C 0, yaitu: 0,354 berarti terdapat hubungan antara kurikulum sekolah
menengah atas dengan kelas sosial siswa. Keeratan hubungan tersebut bisa dilihat
dari nilai Cmaks = 0,817. Untuk mengetahui apakah hubungan signifikan, maka
perlu diuji signifikansinya.
7. Menguji signifikansi korelasi
Taraf nyata () = 0,05 dan dk = (3-1)(4-1)= 6 diperoleh 2tabel =12,59. Karena
2hitung> 2tabel atau 43,583 > 12,59 maka Hoditolak H1 diterima (signifikan).
8. Menarik kesimpulan
Dengan tingkat kepercayaan 95% dapat disimpulkan bahwaterdapat hubungan yang
signifikan antara kurikulum sekolah menengah atas dengan kelas sosial siswa dengan
koefisien kontingensi C sebesar 0,354.

Contoh 2:
Dalam suatu penelitian mengenai Sikap Masyarakat terhadap Pemilihan Kepala Daerah
(Pilkada) Kabupaten Purbalingga, peneliti ingin mengetahui apakah ada perbedaan sikap
terhadap system pemilihan kepala daerah (bupati) Purbalingga untuk tahun 2005 antara
Pegawai Negeri Sipil (PNS) dengan non PNS. Sikap terhadap Pilkada langsung
digolongkan menjadi dua, yakni setuju dan tidak setuju terhadap system pemilihan bupati
secara langsung. Setelah dilakukan pengumpulan data melalui penyebaran angket kepada
masyarakat maka dapat diperoleh data mentah sebagaimana ditampilkan
padatabel 1. Adapun karakteristik datanya adalah sebagai berikut:
X PekerjaanResponden
Measurement level: Nominal
Format: F8 Column Width: 8 Alignment: Right
Value Label
1 Non PNS
2 PNS
Y Sikap
Measurement level: Nominal
Format: F8 Column Width: 8 Alignment: Right
Value Label
1 Setuju
2 TidakSetuju
Kemudian input data padatabel 1 di bawahinisesuaidengankarakteristik
variabel yang telahditentukan di atas.

LangkahTeknikAnalisisKoefisienKontingensi
1. Klik Analyze Descriptive Statistics Crosstab
2. Masukkanvariabel x sebagai Row dan y sebagaiColoum
3. Klik Statistics
4. Beritanda Check pada Contingency Coefficient
5. Continue
6. OK

Gambar 2.Pilihanuntukkoefisienkontingensi

Output danInterpretasi
Lihathasilnyaapakahsamadengan output di bawahini?
DAFTAR RUJUKAN

Johnson, R. A. 2010. Statistics: Principles and Methods, 6thEd.Hoboken, NJ: John Wiley &
Sons.
Riduwan. 2014. Dasar-Dasar Statistika. Bandung: Penerbit Alfabeta.
Syofian Siregar. 2015. Statistika Terapan untuk Perguruan Tinggi. Jakarta: Prenadamedia
Group.