Tugas Analisis Data R

Tugas 1
ANALISIS BUTIR SOAL DENGAN ITEMAN
A. Cara Menganalisis Butir Soal dengan Iteman
1. Buka Notepad > AllProgram > Accessories > Notepad
2. Isi notepad dengan data data :
040 = Jumlah Butir Soal (40 Soal)

N = Jumlah Option Jawaban
O = Omit (Jawaban Kosong )
10 = Jml Karakter Nama Siswa
CBDA = Kunci Jawaban
5 = Jumlah Option Jawaban
YYYY = Ya
Simpan data tersebut di atas dengan nama file berektensi .TXT, misal
TKJ3SWG.TXT
1 [analisis data & computer] | Maria Margareta Kiswati

(2017082037) pep_1b2_pengasih
3. Menjalankan Iteman
Masukkan file data yang sudah tersimpan di atas ( TKJ3SWG.TXT) ke

dalam aplikasi Iteman.
Ketik nama file output Iteman dengan ektensi .TXT ( TKJ3SWG1.TXT )
Ketik “Y” bila menghendaki skor di cetak dan ketik nama file skor dengan
ektensi .TXT ( TKJ3SWG2.TXT ) atau “N” bila menghendaki skor tidak
dicetak.
Secara otomatis Iteman akan menyimpan hasil analisis butir soal

(TKJ3SWG1.TXT) dan analisis score (TKJ3SWG2.TXT)

B. INTERPRETASI DARI FILE : TKJ3SWG1
No Prop Correct Point Biserial Prop

( Tingkat Kesulitan ) ( Kualitas Soal )
No Item Endorsing Ket
Soal ( Pengecoh )
Skor Arti Skor Arti
1 1 0.032 Sulit 0.158 Jelek Berfungsi Diganti
2 2 0.032 Sulit 0.278 Ada Catatan Berfungsi Diperbaiki
3 3 0.806 Mudah 0.656 Sangat Bagus Berfungsi Dipakai
4 4 0.742 Mudah 0.349 Bagus Berfungsi Dipakai
5 5 0.839 Mudah 0.114 Jelek Berfungsi Diganti
6 6 0.032 Sulit 0.278 Ada Catatan Berfungsi Diperbaiki

No
Prop Correct Point Biserial Prop
Ite ( Tingkat Kesulitan ) ( Kualitas Soal )
N Endorsing
m Ket
o ( Pengecoh
Soa Skor Arti Skor Arti )
l
9 9 0.677 Sedang 0.640 Sangat Bagus Berfungsi Dipakai

No
N Endorsing
m Ket
o ( Pengecoh
l
17 17 0.645 Sedang 0.205 Jelek Berfungsi Diganti
18 18 0.032 Sulit 0.206 Jelek Berfungsi Diganti

No
N Endorsing
m Ket
o ( Pengecoh
l

Diperbaik
23 23 0.065 Sulit 0.21 Ada Catatan Berfungsi
i

N Endorsing
m Ket
o ( Pengecoh
l
25 25 0.516 Sedang 0.387 Bagus Berfungsi Dipakai
29 29 0.581 Sedang 0.163 Jelek Berfungsi Diganti

Diperbaik
30 30 0.452 Sedang 0.268 Ada Catatan Berfungsi
i

( Tingkat Kesulitan ) ( Kualitas Soal )
No Item Endorsing Ket
Soal ( Pengecoh )
Skor Arti Skor Arti
36 36 0.71 Mudah 0.098 Jelek Berfungsi Diganti
37 37 0.645 Sedang 0.25 Ada Catatan Berfungsi Diperbaiki
38 38 0.742 Mudah 0.281 Ada Catatan Berfungsi Diperbaiki
40 40 0.613 Sedang 0.309 Ada Catatan Berfungsi Diperbaiki

Kriteria baik tidaknya butir soal menurut Ebel dan Frisbie (1991) dalam
Essentials of Educational Measurement halaman 232 adalah bila korelasi point
biserial : >0.40 = butir soal sangat baik; 0.30 - 0.39 = soal baik, tetapi perlu
perbaikan; 0.20 - 0.29 = soal dengan beberapa catatan, biasanya diperlukan
perbaikan; < 0. 19 = soal jelek, dibuang, atau diperbaiki melalui revisi.
Adapun tingkat kesukaran butir soal memiliki skala 0 - 1. Semakin mendekati 1
soal tergolong mudah dan mendekati 0 soal tergolong sukar. 0,00 – 0,30 = Soal
Sulit, 0,31 – 0,70 = Soal Sedang dan >0.71 Soal Mudah.
Dengan melihat skala statistic Alpha sebesar 0,890 maka Soal sebanyak 40
soal tersebut diatas reliable dan bisa dipakai.
C. INTERPRETASI DARI TKJ3SWG2 (Score For Examinee )

Score
Jml
N For Lulus /
Nama Jawab Nilai Ranking Ket
o Examine Tdk Lulus
Benar
e
1 AHMAD 26.00 26 65 12 Lulus Tidak Perbaikan
2 ANDI F 9.00 9 23 29 Tidak Lulus Perbaikan
3 ANDI OKTI 32.00 32 80 3 Lulus Tidak Perbaikan
4 ANDRE IR 26.00 26 65 12 Lulus Tidak Perbaikan
5 BAYU AJI 35.00 35 88 1 Lulus Tidak Perbaikan
6 DEDY R 16.00 16 40 25 Tidak Lulus Perbaikan
7 DENI RAES 21.00 21 53 21 Tidak Lulus Perbaikan
8 EDO AJI 16.00 16 40 25 Tidak Lulus Perbaikan
9 FAIZ AU 32.00 32 80 3 Lulus Tidak Perbaikan
10 FATKHUL H 21.00 21 53 21 Tidak Lulus Perbaikan
11 FITRI R 30.00 30 75 6 Lulus Tidak Perbaikan
12 GALIH IB 25.00 25 63 16 Lulus Tidak Perbaikan
13 HASYIM A 23.00 23 58 20 Tidak Lulus Perbaikan
14 HARI S 26.00 26 65 12 Lulus Tidak Perbaikan
15 HERLAN 21.00 21 53 21 Tidak Lulus Perbaikan
16 KATON K 26.00 26 65 12 Lulus Tidak Perbaikan
17 MASRUH A 24.00 24 60 18 Lulus Tidak Perbaikan
18 MUH HADI 29.00 29 73 8 Lulus Tidak Perbaikan
19 MK ANAM 30.00 30 75 6 Lulus Tidak Perbaikan
20 M TAUFIQ 9.00 9 23 29 Tidak Lulus Perbaikan
21 NANDA Y 27.00 27 68 10 Lulus Tidak Perbaikan
22 OKI W 32.00 32 80 3 Lulus Tidak Perbaikan
23 RIAN H 11.00 11 28 28 Tidak Lulus Perbaikan
24 RIZAL S 28.00 28 70 9 Lulus Tidak Perbaikan
25 SAMIONO 27.00 27 68 10 Lulus Tidak Perbaikan

26 SINGGIH 24.00 24 60 18 Lulus Tidak Perbaikan
27 TISNO 5.00 5 13 31 Tidak Lulus Perbaikan
28 VINDIEKO 25.00 25 63 16 Lulus Tidak Perbaikan
29 WACHID 16.00 16 40 25 Tidak Lulus Perbaikan
30 YOGA P 35.00 35 88 1 Lulus Tidak Perbaikan
31 YOGI 18.00 18 45 24 Tidak Lulus Perbaikan
Nilai Tertinggi 88
Nilai Terendah 13
Nilai Rata Rata 59

Tugas 2
ANATEST PILIHAN GANDA
A. Menjalankan aplikasi Anatest

Buka aplikasi anatest
Klik Buat File Baru sehingga muncul jendela Informasi Jawaban Subyek
Isikan Jumlah Subyek = jumlah siswa (31)
Isikan Jumlah Butir soal
Isikan Pilihan Jawaban = jumlah option jawaban (5)
Setelah itu lakukan Analisis Butir Soal dengan cara Kembali Ke Menu Utama
dan lakukan analisis dengan klik Penyekoran Data, Skor Dibobot dan seterusnya
sampai Kualitas Pengecoh

B. HASIL ANALISIS ANATEST PILIHAN GANDA
1 Skor Dibobot

Jawaban Lulus / Tdk
No Nama Nilai Ranking Ket
Benar Lulus
1 AHMAD 26 65 12 Lulus Kompeten

2 ANDI F 8 20 30 Tidak Lulus Perbaikan
3 ANDI OKTI 32 80 3 Lulus Kompeten
4 ANDRE IR 26 65 12 Lulus Kompeten
5 BAYU AJI 35 88 1 Lulus Kompeten
6 DEDY R 16 40 25 Tidak Lulus Perbaikan
7 DENI RAES 21 53 21 Tidak Lulus Perbaikan
8 EDO AJI 16 40 25 Tidak Lulus Perbaikan
9 FAIZ AU 30 75 5 Lulus Kompeten
10 FATKHUL H 21 53 21 Tidak Lulus Perbaikan
11 FITRI R 30 75 5 Lulus Kompeten
12 GALIH IB 25 63 16 Lulus Kompeten
13 HASYIM A 23 58 20 Tidak Lulus Perbaikan
14 HARI S 26 65 12 Lulus Kompeten
15 HERLAN 21 53 21 Tidak Lulus Perbaikan
16 KATON K 26 65 12 Lulus Kompeten
17 MASRUH A 24 60 17 Lulus Kompeten
18 MUH HADI 29 73 8 Lulus Kompeten
19 MK ANAM 30 75 5 Lulus Kompeten
20 M TAUFIQ 9 23 29 Tidak Lulus Perbaikan
21 NANDA Y 27 68 10 Lulus Kompeten
22 OKI W 32 80 3 Lulus Kompeten
23 RIAN H 11 28 28 Tidak Lulus Perbaikan
24 RIZAL S 28 70 9 Lulus Kompeten
25 SAMIONO 27 68 10 Lulus Kompeten
26 SINGGIH 24 60 17 Lulus Kompeten
27 TISNO 6 15 31 Tidak Lulus Perbaikan
28 VINDIEKO 24 60 17 Lulus Kompeten
29 WACHID 16 40 25 Tidak Lulus Perbaikan
30 YOGA P 35 88 1 Lulus Kompeten
31 YOGI 18 45 24 Tidak Lulus Perbaikan
Nilai Tertinggi 88
Nilai Terendah 15
Nilai Rata Rata 59

2 Reliabilitas
Menunjukkan besar nilai rata-rata, simpangan baku, korelasi, dan nilai

reliabilitas soal tes 0,92. Tes dinilai handal apabila koefisien sekurang-
kurangnya 0,80, sedangkan reliabilitas instrumen ini sebesar 0,92 maka soal
tes ini reliabel atau mempunyai nilai reliabilitas yang baik.
3 Kelompok Unggul dan Asor

 Hasil dari 27% dari 31 peserta tes pada kelompok unggul (kelompok atas)
menunjukkan terdapat 5 peserta tes yang menjawab soal dengan jumlah
benar tertinggi yaitu : Bayu Aji ( 35 soal ), Yoga ( 35 Soal ), Andi O ( 32
Soal), Oki W ( 32 Soal ) dan Faiz AU ( 30 soal )
 Sedangkan hasil dari dari 27% dari 31 peserta tes yaitu kelompok asor
(kelompok bawah) menunjukkan terdapat 8 peserta tes yang menjawab
soal dengan jumlah benar terendah yaitu : Tisno ( 6 soal ), Andi F ( 8
Soal ), M Taufiq ( 9 Soal ), Rian H ( 11 Soal ), Wachid ( 16 Soal ), Edo Aji
( 16 Soal ), Dedy R ( 16 Soal ) dan Yogi ( 18 Soal ).
4 Daya Pembeda
Daya pembeda sebesar 0 terjadi karena proporsi menjawab benar kelompok

atas dan kelompok bawah sama besarnya. Besar nilai d adalah dari -1
sampai dengan +1. Namun hanya harga positif saja yang mempunyai arti
semakin besar indeks daya beda (semakin mendekati 1) maka item butir
tersebut mampu membedakan kelompok atas dan kelompok bawah.
Item >= 0,5 dianggap sebagai item yang mempunyai daya beda yang baik.
Hasil analisis anates terlihat bahwa butir nomor 3, 4, 9, 10,11, 12, 14, 15, 16,
19, 20, 21, 22, 24, 25, 26, 30, 31, 32, 33, 34, 35, dan 40 mempunyai indeks
daya beda ≥ 0,5 sehingga item butir tersebut mempunyai daya beda yang
baik.
5 Tingkat Kesukaran
Tingkat kesukaran merupakan rasio antara peserta yang menjawab benar

dengan banyaknya item butir soal. Klasifikasi tingkat kesukaran:
0,00 – 0,30 = Sukar
0,31 – 0,70 = Sedang
0,71 – 1,00 = Mudah
Hasil analisis menggunakan anates adalah sebagai berikut:
Kategori Nomor Butir Soal
Sangat Mudah 36
Mudah 3, 4, 5, 7, 8, 11, 13, 16, 38, 39
Sedang 9, 10, 12, 14, 15, 17, 19, 20, 21, 22, 24-35, 37, 40
Sukar -

Sangat Sukar 1, 2, 6, 18, 23
6 Korelasi Skor Butir dengan Skor Total
Hasil output Anates menunjukkan terdapat beberapa butir yang tidak dapat
dihitung karena nilai korelasi 0,000.
Korelasi Nomor Butir Soal
Signifikan 4, 7, 8, 13, 25, 40
Sangat 3, 9, 10, 11, 12, 14, 15, 16, 19, 20, 21, 22, 24,
Signifikan 26, 27, 31, 32, 33, 34, 35, 39
0,000 1, 2, 5, 6, 17, 18, 23, 29, 30, 36, 37, 38

7 Kualitas Pengecoh
Pengecoh pada masing-masing butir dapat dilihat pada output Anates berikut.
Kualitas
Nomor Butir Soal
Pengecoh
1, 2, 4, 6, 7, 10, 11, 12, 13, 14, 15, 17, 18, 20, 22, 23,
Buruk / Kurang
24, 25, 29, 33, 37
3, 5, 8, 9, 16, 19, 21, 26, 27, 28, 30. 31, 32, 34, 35,
Baik / Sangat Baik
36, 38, 39, 40

Tugas 3
ANATEST URAIAN
A. Menjalankan aplikasi Anatest

Buka aplikasi anatest uraian
Klik Buat File Baru sehingga muncul jendela Informasi Jawaban Subyek
Jumlah Subyek = jumlah siswa (31). Isikan Jumlah Butir soal lalu klik OK
sehingga muncul jendela isian dan isilah jendela dengan data siswa dan skor :

Setelah itu lakukan Analisis Butir Soal dengan cara Kembali Ke Menu Utama
dan lakukan analisis dengan klik Penyekoran Data, Reliabilitas dan seterusnya
sampai Rekap Analisis Butir
B. HASIL ANALISIS ANATEST PILIHAN GANDA
1. Skor Data

N Rankin Lulus / Tdk
Nama Nilai Ket
o g Lulus
1 AHMAD 75 7 Lulus Kompeten

2 ANDI F 59 26 Tidak Lulus Perbaikan
3 ANDI OKTI 76 5 Lulus Kompeten
4 ANDRE IR 65 20 Lulus Kompeten
5 BAYU AJI 79 1 Lulus Kompeten
6 DEDY R 66 18 Lulus Kompeten
7 DENI RAES 68 13 Lulus Kompeten
8 EDO AJI 59 26 Tidak Lulus Perbaikan
9 FAIZ AU 77 4 Lulus Kompeten
10 FATKHUL H 59 26 Tidak Lulus Perbaikan
11 FITRI R 78 3 Lulus Kompeten
12 GALIH IB 67 16 Lulus Kompeten
13 HASYIM A 61 24 Lulus Kompeten

14 HARI S 65 20 Lulus Kompeten
15 HERLAN 67 16 Lulus Kompeten
16 KATON K 72 10 Lulus Kompeten
17 MASRUH A 69 11 Lulus Kompeten
18 MUH HADI 75 7 Lulus Kompeten
19 MK ANAM 79 1 Lulus Kompeten
20 M TAUFIQ 56 31 Tidak Lulus Perbaikan
21 NANDA Y 66 18 Lulus Kompeten
22 OKI W 76 5 Lulus Kompeten
23 RIAN H 58 30 Tidak Lulus Perbaikan
24 RIZAL S 68 13 Lulus Kompeten
25 SAMIONO 68 13 Lulus Kompeten
26 SINGGIH 65 20 Lulus Kompeten
27 TISNO 59 26 Tidak Lulus Perbaikan
28 VINDIEKO 69 11 Lulus Kompeten
29 WACHID 61 24 Lulus Kompeten
30 YOGA P 74 9 Lulus Kompeten
31 YOGI 65 20 Lulus Kompeten
Nilai Tertinggi 79
Nilai Terendah 56
Nilai Rata Rata 68
2. Reliabilitas

Menunjukkan besar nilai rata-rata, simpangan baku, korelasi, dan nilai
reliabilitas soal tes 0,87. Tes dinilai handal apabila koefisien sekurang-
kurangnya 0,80, sedangkan reliabilitas instrumen ini sebesar 0,87 maka soal
tes ini reliabel atau mempunyai nilai reliabilitas yang baik.
3. Kelompok Unggul dan Asor
 Hasil dari 27% dari 31 peserta tes pada kelompok unggul (kelompok atas)
menunjukkan terdapat 4 peserta tes yang memperoleh nilai tertinggi

tertinggi yaitu : Bayu Aji ( 79 ), MK Anam ( 79 ), Fitri R ( 78 ), dan Faiz AU
( 77 )
 Sedangkan hasil dari dari 27% dari 31 peserta tes yaitu kelompok asor
(kelompok bawah) menunjukkan terdapat 8 peserta tes yang memperoleh
nilai terendah yaitu : M Taufiq (56), Riyan H (58), Tisno (59), Fatkhul H (59),
Edo Aji (59), Andi F (59), Wachid (61) dan Hasyim A (61).
4. Daya Pembeda
Daya pembeda sebesar 0 terjadi karena proporsi menjawab benar kelompok

atas dan kelompok bawah sama besarnya. Besar nilai d adalah dari -1
sampai dengan +1. Namun hanya harga positif saja yang mempunyai arti
semakin besar indeks daya beda (semakin mendekati 1) maka item butir
tersebut mampu membedakan kelompok atas dan kelompok bawah.
Item >= 0,5 dianggap sebagai item yang mempunyai daya beda yang baik.
Hasil analisis anates terlihat bahwa butir nomor 1 sd 10 mempunyai indeks

daya beda <= 0,5 sehingga item butir tersebut mempunyai daya beda yang
kurang baik.

5. Tingkat Kesukaran
Tingkat kesukaran merupakan rasio antara peserta yang menjawab benar

dengan banyaknya item butir soal. Klasifikasi tingkat kesukaran:
0,00 – 0,30 = Sukar
0,31 – 0,70 = Sedang
0,71 – 1,00 = Mudah
Kategori Nomor Butir Soal
Sangat Mudah -
Mudah 8, 9
Sedang 1, 2, 3, 4, 5, 6, 7, 10
Sukar -
Sangat Sukar -

6. Korelasi Butir Soal dengan Butir Total
Hasil output Anates menunjukkan terdapat beberapa butir yang tidak dapat
dihitung karena nilai korelasi 0,000.
Korelasi Nomor Butir Soal
Signifikan 3, 4, 5, 10
Sangat Signifikan 1, 2
0,000 6, 7, 8, 9

Tugas 4
ANALISIS BUTIR SOAL/ANGKET DENGAN SPSS
A. Tabulasi Data Butir Soal/Angket
Isikan Variabel X dan Variabel Y pada spreadsheet excell
B. Menjalankan Program SPSS ( Vers 16.0 )
1. Buka program SPSS
2. Copykan hasil skor dari spreadsheet excel ke Data View SPSS
3. Bila menghendaki tampilan Data View lebih rapi dapat di atur padasheet
Variabel View

4. Bila data sudah diatur maka kita siap untuk menganalisis memakai SPSS
Vers 16.0
C. Analisis Hasil SPSS ( Vers 16.0 )
1. Uji Validitas Butir Soal dan Daya Pembeda
Uji Validitas soal dan Daya Pembeda dilakukan dengan cara : Analyze 
Correlate  Bivariate.
Tekan Enter sehingga jendela terbuka seperti gambar berikut :

Bloklah Variabel 0001 sd Variabel Terakhir dan pindahkan ke kotak
Variable dan Tekan Button OK. Maka Program SPSS akan menganalisis
data yang ada
Analisis: Hasil pada kolom "Jumlah" jika nilai sig < 0,05 menyatakan butir
soal tersebut Valid.
Untuk menentukan daya pembeda, maka nilai perhitungan yang digunakan
adalah rhitung pada SPSS yang dibandingkan dengan kriteria :

0.40 – 1.00 = Soal Baik
0.30 – 0.39 = Soal diterima dan diperbaiki
0.20 – 0.29 = Soal Diperbaiki
0.00 – 0.19 = Soal ditolak

Dengan melihat hasil analisis maka dapat di interpretasikan :
HASIL
ANALISIS
BUTIR VALIDITAS DAYA PEMBEDA
BUTIR
TOTAL
BUTIR_1 0.600 Valid Soal baik
BUTIR_2 0.287 Valid Soal diperbaiki
BUTIR_7 0.337 Valid Soal diterima dan diperbaiki

HASIL
ANALISIS
BUTIR VALIDITAS DAYA PEMBEDA
BUTIR
TOTAL
2. Uji Reliabilitas Butir Soal

Untuk menghitung reliabilitas tes Analyze  Scale  Reliability Analysis
Analisis: Berdasarkan nilai Cronbach's Alpha pada tabel Reliability Statistics
ditafsirkan dengan kriteria
0,800 - 1,000 Sangat tinggi
0,600 - 0,799 Tinggi
0,400 - 0,500 Cukup
0,200 - 0,399 Rendah
> 0,200 Sangat rendah

Hasil Analisis Reliabilitas didapat :
Reliability didapat 0.709 sehingga butir soal sebanyak 40 butir adalah

reliable.
3. Tingkat Kesukaran
Untuk menghitung tingkat kesukaran butir dengan memakai cara :
Analyze  Descriptive Statistics  Frequencies Statistic  Mean 
Continue
Hasil yang ditunjukkan nilai MEAN pada tabel statistcs ditafsirkan pada
rentang tingkat kesukaran, yaitu
0,00 - 0,20 = Sukar
0,21 - 0,70 = Sedang
0,71 - 1,00 = Mudah

Dari hasil analisis mean dapat diinterpetasikan sebagai berikut :
HASIL ANALISIS
TINGKAT KESULITAN
BUTIR BUTIR TOTAL
BUTIR
(MEAN)
BUTIR_1 0.233 Soal sedang
BUTIR_13 0.197 Soal sulit

HASIL ANALISIS
TINGKAT KESULITAN
BUTIR BUTIR TOTAL
BUTIR
(MEAN)

Tugas 5
UJI NORMALITAS dan LINEARITAS DENGAN SPSS
A. Tabulasi Data Variabel X dan Y
Isikan hasil skor pada spreadsheet excell
2. Copykan data spreadsheet excel ke Data View SPSS
3. Selanjutnya kita siap melakukan Uji Normalitas dan Reliabilitas
C. Uji Normalitas

1. Uji Normalitas Variabel X ( Motivasi )
Untuk mengetahui distribusi data normal adalah dengan Uji Normalitas

data dengan cara : Analyze  Non Parametric  Sample K-S
Masukkan Variabel X ke dalam Test Variable List dan tekan Button OK.
Hasil Analisis Normalitas Variabel X ( Motivasi ) :

Berdasarkan Uji Normalitas Kolmogorov-Smirnov Z didapatkan KSZ
1,184 dengan Asymp Sig 0,121 (>= 0,050) maka disimpulkan bahwa
Variabel X ( Motivasi ) memiliki distribusi data yang normal.
2. Uji Normalitas Variabel Y ( Prestasi ) :
Berdasarkan Uji Normalitas Kolmogorov-Smirnov Z didapatkan KSZ

1,161 dengan Asymp Sig 0,135 (>= 0,050) maka disimpulkan bahwa
Variabel Y ( Prestasi ) memiliki distribusi data yang normal.
D. Uji Linearitas
1. Uji Linearitas Variabel X ( Motivasi )
Untuk mengetahui linearitas data adalah dengan Uji Lineritas data

dengan cara : Analyze  Compare Mean  Means

Masukkan Variabel Terikat (dependent) dan Variabel Bebas (independent)
Klik Button Option dan Klik Button Test For Linearity lalu Continue :
Lalu Klik OK

Dari hasil analisis SPSS di dapat :
Berdasarkan nilai signifikansi dari output analisis di atas diperoleh nilai

signifikansi 0,509 dan >= 0,05 sehingga terdapat hubungan linear
secara signifikan antara variable X ( Motivasi ) dengan variable Y
(Prestasi).

Tugas 6
KORELASI VARIABEL X (MOTIVASI) DENGAN
VARIABEL Y (PRESTASI) MEMAKAI PROGRAM SPSS
A. Tabulasi Data Variabel X dan Y
Isikan Variabel X dan Y pada spreadsheet excell
2. Copykan data spreadsheet excel ke Data View SPSS

3. Selanjutnya kita siap melakukan Analisis Korelasi dengan SPSS
C. Analisis Korelasi Variabel X (Motivasi) dengan Variabel Y (Prestasi)
Prasyarat Analisis Korelasi antara Variabel X (Motivasi) dengan Variabel Y

(Prestasi) distribusi data harus normal dan linear.
Untuk menganalisis korelasi dengan cara : Analize  Correlation Bivariate
Masukkan Variabel X dan Variabel Y ke dalam Variable lalu tekan Button OK

Hasil analisis Korelasi Variabel X (Motivasi) dengan Variabel Y (Prestasi) :
Dari output program SPSS di atas didapat nilai signifikansi (Sig) 0,000 <= 0,05
yang berarti ada korelasi yang sangat signifikan antara variable Motivasi
dengan Variabel Prestasi.
Nilai Pearson Correlation sebesar 0,848 dan bertanda bintang sehingga
terdapat korelasi yang signifikan antara variable Motivasi dengan Prestasi.

TUGAS 7
REGRESI GANDA ( CORELASI PARTIAL )
A. Tabulasi Data Motivasi, Minat dan Disiplin Belajar terhadap Prestasi

Belajar
∑ ∑ ∑
∑ ∑
∑ ∑ ∑ PR ∑ ∑ PR ∑ ∑ PR
MOT MO
NO MOTI MIN DISI ES NO MIN DISI ES NO MIN DISI ES
IVAS TIV
VASI AT PLIN TA AT PLIN TA AT PLIN TA
I ASI
SI SI SI
1 107 101 101 25 41 107 109 109 26 81 104 106 106 21
2 110 103 103 28 42 105 110 108 28 82 106 107 107 22
3 109 100 100 29 43 102 112 109 23 83 100 103 101 21
4 115 107 107 17 44 107 122 117 26 84 104 114 109 23
5 115 102 102 18 45 104 108 107 25 85 112 117 117 29
6 111 114 114 21 46 103 114 109 17 86 103 112 107 20
7 117 119 119 20 47 102 104 104 27 87 113 118 114 26
8 125 130 130 26 48 104 106 106 26 88 110 115 113 18
9 108 111 111 30 49 107 115 113 27 89 111 118 116 27
10 109 111 111 29 50 118 127 120 18 90 107 117 112 21
11 110 110 110 19 51 104 114 112 25 91 105 109 107 25
12 107 110 110 20 52 105 107 107 27 92 100 103 102 17
13 106 109 110 22 53 106 106 107 23 93 105 103 103 22
14 107 118 117 25 54 111 120 121 27 94 105 110 112 25
15 106 110 111 29 55 112 117 117 18 95 116 118 118 20
16 105 116 113 33 56 103 110 112 23 96 111 111 111 27
17 102 105 105 27 57 115 119 117 21 97 112 112 112 21
18 103 108 108 19 58 110 117 117 24 98 124 128 128 25
19 112 110 108 17 59 110 121 119 25 99 102 104 105 17
20 120 122 122 21 60 107 115 117 24 100 109 112 112 21
21 104 109 107 25 61 101 104 107 26
22 105 106 106 29 62 100 103 103 18
23 100 102 102 31 63 105 107 107 26
24 104 115 111 27 64 107 107 110 27
25 112 117 118 17 65 113 114 114 28

26 103 110 109 16 66 108 108 108 20
27 115 117 116 22 67 115 114 115 19
28 110 118 115 18 68 127 129 129 22
29 112 119 117 29 69 105 110 109 18
30 104 117 113 25 70 109 114 114 25
31 109 112 111 25 71 100 108 104 26
32 100 106 106 16 72 106 111 109 28
33 105 105 105 20 73 106 108 108 23
34 110 113 113 25 74 110 116 116 21
35 111 116 116 25 75 105 108 110 24
36 108 111 112 25 76 111 114 114 20
37 115 120 120 24 77 104 104 104 21
38 112 116 114 24 78 101 104 106 26
39 105 107 107 14 79 101 108 106 17
40 109 111 111 27 80 117 120 119 27
B. Analisis Corelasi Parsial

1) Masukkan skor Motivasi, Minat, Disiplin dan Prestasi Belajar ke dalam
Data View SPSS.
2) Buka Variabel View untuk menyesuaikan nama kolom ( Motivasi = X1,
Minat = X2, Disiplin = X3 dan Prestasi = Y )
3) Korelasikan Motivasi dengan Prestasi dikontrol Minat dan Disiplin dengan
cara Analize  Corelate  Partial :

4) Masukkan Motivasi dan Prestasi kedalam Variables, Disiplin dan Minat ke
dalam Controling for :
5) Klik Option  Zero Order  Continue  OK
C. Hasil Analisis

1. Korelasi Motivasi dengan Prestasi dikontrol Disiplin dan Minat
Belajar
Dari output program SPSS di atas didapat nilai signifikansi (Sig) 0,202 >=
0,05 yang berarti tidak ada korelasi antara variable Motivasi dengan
Variabel Prestasi.
Nilai Pearson Correlation sebesar -0,130 sehingga tidak ada korelasi
antara variable Motivasi dengan Variabel Prestasi..
2. Korelasi Minat dengan Prestasi dikontrol Disiplin dan Minat Belajar
0,05 yang berarti tidak ada korelasi antara variable Minat dengan
Variabel Prestasi.
antara variable Minat dengan Variabel Prestasi..

3. Korelasi Disiplin dengan Prestasi dikontrol Disiplin dan Minat Belajar
Dari output program SPSS di atas didapat nilai signifikansi (Sig) 0,194>=
0,05 yang berarti tidak ada korelasi antara variable Disiplin dengan
Variabel Prestasi.
Nilai Pearson Correlation sebesar 0,132 sehingga tidak ada korelasi
antara variable Disiplin dengan Variabel Prestasi..
TUGAS 8
UJI NORMALITAS PADA REGRESI GANDA
A. Tabulasi Data Motivasi, Minat dan Disiplin Belajar terhadap Prestasi

Belajar
∑ ∑ ∑
∑ ∑
∑ ∑ ∑ PR ∑ ∑ PR ∑ ∑ PR
MOT MO
NO MOTI MIN DISI ES NO MIN DISI ES NO MIN DISI ES
IVAS TIV
VASI AT PLIN TA AT PLIN TA AT PLIN TA
I ASI
SI SI SI
1 107 101 101 25 41 107 109 109 26 81 104 106 106 21
2 110 103 103 28 42 105 110 108 28 82 106 107 107 22
3 109 100 100 29 43 102 112 109 23 83 100 103 101 21
4 115 107 107 17 44 107 122 117 26 84 104 114 109 23
5 115 102 102 18 45 104 108 107 25 85 112 117 117 29
6 111 114 114 21 46 103 114 109 17 86 103 112 107 20
7 117 119 119 20 47 102 104 104 27 87 113 118 114 26
8 125 130 130 26 48 104 106 106 26 88 110 115 113 18
9 108 111 111 30 49 107 115 113 27 89 111 118 116 27
10 109 111 111 29 50 118 127 120 18 90 107 117 112 21
11 110 110 110 19 51 104 114 112 25 91 105 109 107 25
12 107 110 110 20 52 105 107 107 27 92 100 103 102 17
13 106 109 110 22 53 106 106 107 23 93 105 103 103 22
14 107 118 117 25 54 111 120 121 27 94 105 110 112 25
15 106 110 111 29 55 112 117 117 18 95 116 118 118 20
16 105 116 113 33 56 103 110 112 23 96 111 111 111 27
17 102 105 105 27 57 115 119 117 21 97 112 112 112 21
18 103 108 108 19 58 110 117 117 24 98 124 128 128 25

19 112 110 108 17 59 110 121 119 25 99 102 104 105 17
20 120 122 122 21 60 107 115 117 24 100 109 112 112 21
21 104 109 107 25 61 101 104 107 26
22 105 106 106 29 62 100 103 103 18
23 100 102 102 31 63 105 107 107 26
24 104 115 111 27 64 107 107 110 27
25 112 117 118 17 65 113 114 114 28
26 103 110 109 16 66 108 108 108 20
27 115 117 116 22 67 115 114 115 19
28 110 118 115 18 68 127 129 129 22
29 112 119 117 29 69 105 110 109 18
30 104 117 113 25 70 109 114 114 25
31 109 112 111 25 71 100 108 104 26
32 100 106 106 16 72 106 111 109 28
33 105 105 105 20 73 106 108 108 23
34 110 113 113 25 74 110 116 116 21
35 111 116 116 25 75 105 108 110 24
36 108 111 112 25 76 111 114 114 20
37 115 120 120 24 77 104 104 104 21
38 112 116 114 24 78 101 104 106 26
39 105 107 107 14 79 101 108 106 17
40 109 111 111 27 80 117 120 119 27
B. Uji Normalitas Motivasi, Minat dan Disiplin Belajar Terhadap Prestasi

Belajar
1) Masukkan Data Pada Data View

2) Residukan Data tersebut dengan : Analize  Regression  Linear

Method (enter)  Save (Unstandarized)  Continue  OK
3) Bila berhasil maka dalam Data View akan muncul Res-1
4) Uji Normalitas : Analize  Non Parametric  Sample KS (Unstandarized Res

)  OK :

Hasil Uji Normalitas Motivasi, Minat dan Disiplin terhadap Prestasi Belajar ;

Berdasarkan Uji Normalitas Kolmogorov-Smirnov Z didapatkan KSZ 0,724
dengan Asymp Sig 0,724 (>= 0,050) maka disimpulkan bahwa Variabel X1
( Motivasi ), X2 (Minat), X3 (Disiplin) terhadap Variabel Y (Prestasi Belajar)
memiliki distribusi data yang normal.
E. Uji Linearitas
Uji Linearitas Variabel Motivasi, Minat, Disiplin terhadap Prestasi Belajar
Untuk mengetahui linearitas data adalah dengan Uji Linearitas data dengan
cara : Analyze  Compare Mean  Means

Masukkan Variabel Terikat (dependent) dan Variabel Bebas (independent)
 Option Klik Test For Linearity .
Hasil Analisis Uji Linearitas
1) Hubungan antara Motivasi dengan Prestasi

Berdasarkan nilai signifikansi dari output analisis di atas diperoleh
nilai signifikansi 0,288 dan >= 0,05 sehingga terdapat hubungan
linear secara signifikan antara Motivasi dengan Prestasi.
2) Hubungan antara Minat dengan Prestasi

linear secara signifikan antara Minat dengan Prestasi.
3) Hubungan antara Disiplin dengan Prestasi

linear secara signifikan antara Disiplin dengan Prestasi.
TUGAS 9
REGRESI GANDA 3 PREDIKTOR
A. Tabulasi Data Motivasi, Minat dan Disiplin Terhadap Prestasi.
NO ∑ MOTIVASI ∑ MINAT ∑ DISIPLIN ∑ PRESTASI

1 107 101 101 25
2 110 103 103 28
3 109 100 100 29
4 115 107 107 17
5 115 102 102 18
6 111 114 114 21
7 117 119 119 20
8 125 130 130 26
9 108 111 111 30
10 109 111 111 29
11 110 110 110 19
12 107 110 110 20
13 106 109 110 22
14 107 118 117 25
15 106 110 111 29
16 105 116 113 33
17 102 105 105 27
18 103 108 108 19
19 112 110 108 17
20 120 122 122 21
21 104 109 107 25
22 105 106 106 29
23 100 102 102 31
24 104 115 111 27
25 112 117 118 17
26 103 110 109 16
27 115 117 116 22
28 110 118 115 18
29 112 119 117 29
30 104 117 113 25
31 109 112 111 25
32 100 106 106 16
33 105 105 105 20
34 110 113 113 25
35 111 116 116 25
36 108 111 112 25
37 115 120 120 24
38 112 116 114 24
39 105 107 107 14
40 109 111 111 27
41 107 109 109 26
42 105 110 108 28
43 102 112 109 23
44 107 122 117 26
45 104 108 107 25
46 103 114 109 17
47 102 104 104 27
48 104 106 106 26
49 107 115 113 27
50 118 127 120 18

B. Uji Normalitas Data Motivasi, Minat dan Disiplin Terhadap Prestasi.
Hasil Uji Normalitas Motivasi, Minat dan Disiplin terhadap Prestasi Belajar ;
Berdasarkan Uji Normalitas Kolmogorov-Smirnov Z didapatkan KSZ 0,976

dengan Asymp Sig 0,296 (>= 0,050) maka disimpulkan bahwa Variabel X1
( Motivasi ), X2 (Minat), X3 (Disiplin) terhadap Variabel Y (Prestasi Belajar)
memiliki distribusi data yang normal.
C. Uji Linearitas Data Motivasi, Minat dan Disiplin Terhadap Prestasi.
Uji Linearitas Variabel Motivasi, Minat, Disiplin terhadap Prestasi Belajar
Untuk mengetahui linearitas data adalah dengan Uji Linearitas data dengan
cara : Analyze  Compare Mean  Means
Hasil Analisis Uji Linearitas
1. Hubungan antara Motivasi dengan Prestasi

secara signifikan antara Motivasi dengan Prestasi.
2. Hubungan antara Minat dengan Prestasi

secara signifikan antara Minat dengan Prestasi.
3. Hubungan antara Disiplin dengan Prestasi

secara signifikan antara Disiplin dengan Prestasi.

D. Regresi Motivasi, Minat dan disiplin Terhadap Prestasi Belajar
Langkah analisis Regresi

1. Masukkan Data pada Aplikasi SPSS
2. Analize  Regression  Linear
Klik Statistic dan di sett seperti berikut :
Klik Continue dan OK.
3. Interpretasi Hasil Analisis :

Nilai F hitung sebesar 0,740 dan nilai signifikansi 0,534 ( >=0,05) sehingga
tidak signifikan dan dapat diinterpretasi secara bersama sama tidak ada
pengaruh Motivasi, Minat dan Disiplin Belajar terhadap Prestasi Belajar
Persamaan Garis Regressi :

Y = -0,245 X1 – 0,256 X2 + 0,367 X3 + 38,135
Sumbangan Efektif ( Beta x Zero Order )

Motivasi : -0,279 x -0,180
0,050271
5%
Minat : -0,362 x -0,072
0,0261
3%
Disiplin : 0,471 x -0,065
-0,03041
-3 %
D. Analisis Corelasi Parsial

1. Masukkan skor Motivasi, Minat, Disiplin dan Prestasi Belajar ke dalam Data
View SPSS.
2. Buka Variabel View untuk menyesuaikan nama kolom ( Motivasi = X1,
Minat = X2, Disiplin = X3 dan Prestasi = Y )
3. Korelasikan Motivasi dengan Prestasi dikontrol Minat dan Disiplin dengan
cara Analize  Corelate  Partial :

4. Masukkan Motivasi dan Prestasi kedalam Variables, Disiplin dan Minat ke
dalam Controling for :
5. Klik Option  Zero Order  Continue  OK

6. Interpretasi Hasil Analisis
Korelasi Motivasi dengan Prestasi dikontrol Disiplin dan Minat

Belajar
0,05 yang berarti tidak ada korelasi antara variable Motivasi dengan
Variabel Prestasi.
antara variable Motivasi dengan Variabel Prestasi..
Korelasi Minat dengan Prestasi dikontrol Disiplin dan Motivasi

Belajar
0,05 yang berarti tidak ada korelasi antara variable Minat dengan
Variabel Prestasi.

antara variable Minat dengan Variabel Prestasi.
Korelasi Disiplin dengan Prestasi dikontrol Minat dan Motivasi
Belajar
0,05 yang berarti tidak ada korelasi antara variable Disiplin dengan
Variabel Prestasi.
Nilai Pearson Correlation sebesar 0,111 sehingga tidak ada korelasi
antara variable Disiplin dengan Variabel Prestasi..
TUGAS 10
UJI t

A. TABULASI DATA MODEL DEMONTRASI DENGAN PICTURE and
PICTURE
PICTURE and
DEMONSTRASI
PICTURE
17 26
21 27
25 18
29 25
31 27
27 23
17 27
16 18
22 23
18 21
29 24
25 25
25 24
16 26
20 18
25 26
25 27
25 28
24 20
24 19
14 22
27 18
26 25
28 26
23 28
B. UJI NORMALITAS DATA ( NILAI DEMONSTRASI DAN PICT & PICT )

Analize  Descriptives  Explore  Plots  Normallity Plots

Hasil Uji Normalitas Data
Nilai Shapiro – Wilk Data Model Demonstrasi sebesar 0,222 ≥ 0,05

sehingga data model Demonstrasi memiliki data normal
Nilai Shapiro – Wilk Model Picture and Picture sebesar 0,220 ≥ 0,05
sehingga data model Picture AND Picture memiliki data normal.
Syarat uji t adalah data normal, sehingga data di atas dapat dilanjutkan
dengan uji t
C. UJI t ( PRODUCT MOMENT )
Analize  Compare Means  Independent Sample T Test

Masukkan Prestasi ke Variable dan Model ke Grouping Variable lalu Klik
Define Group, isikan model 1 dan model 2 , Klik Continoue dan OK
Hasil uji t ( Product Moment )

Dari nilai Mean pada Group Statistic :
Mean Demontrasi sebesar 19,21 dan mean Picture and Picture 23,68
sehingga model pembelajaran Picture and Picture lebih baik daripada
model Demontrasi.
Dari Nilai Independent Sample Test

Aturan Uji t : ῤ ≤ 0,05 (5%) diinterpretasikan ada perbedaan pada taraf
signifikansi 5%, ῤ ≤ 0,01 (1%) diinterpretasikan ada perbedaan pada
taraf signifikansi 1% dan ῤ ≥ 0,05 (5%) diinterpretasikan tidak ada
perbedaan.
Dari table analisis di atas Nilai F sebesar 7,173 dengan sign 0,010 ≤
0,05 sehingga data diatas adalah homogen. Nilai t -6,848 ≤ dapat
diinterpretasikan ada perbedaan antara model mengajar
demontrasi dengan model mengajar picture and picture.
TUGAS 11
ANAVA
A. TABULASI DATA MODEL MENGAJAR DEMONTRASI, PICTURE and

PICTURE DAN WAWANCARA.

PICTUR
DEMONSTR E and WAWANCA
ASI PICTUR RA
E
40 27 29
37 28 30
36 31 33
35 30 32
35 29 31
36 28 30
37 27 29
38 28 30
35 29 31
34 30 32
36 26 28
35 29 31
37 25 27
38 23 25
39 24 26
40 24 26
38 23 25
37 22 24
36 26 28
35 27 29
34 29 31
36 28 30
37 27 29
39 26 28
38 24 26
B. UJI HOMOGENITAS & ANAVA

Analisis = Analize  Compare Mean  One Way Anova

Post Hoc ( Bonferoni – Games Dowel )  Continue
Option  Homogenity Variance Test

C. HASIL ANALISIS ANAVA
Hasil Uji Homogenitas
Nilai sign 0,156 ≥ 0,05 sehingga data diatas adalah homogeny dan dapat
dilanjutkan dengan uji Anava
Hasil Uji Anava

Hasil uji anava adalah Nilai sign 0,000 ≤ 0,005 sehingga ada perbedaan antara
model belajar demontrasi dengan picture & picture dan wawancara.

TUGAS 12
ANALISIS FAKTOR
A. TABULASI DATA ANGKET

NOMOR BUTIR
NO
1 2 3 4 5 6 7 8 9
1 3 2 2 3 4 2 4 3 3 2 2 3 4 2 2 3 2 2 2 2 3 2 3 3 4 3 2 2 2 2 3 2 3 3 4 4 4 1 3 2
2 3 2 3 3 2 3 4 2 4 2 3 3 2 4 2 3 2 2 2 3 2 4 2 4 3 3 2 2 4 3 3 2 3 3 2 2 4 2 4 2
3 2 4 3 3 3 3 3 2 2 3 2 2 3 3 2 3 3 2 3 2 3 4 4 2 2 2 3 3 3 3 2 4 3 3 3 2 3 2 2 3
4 3 2 2 3 3 2 4 3 4 3 4 3 4 2 3 3 2 2 2 2 3 3 3 2 3 4 2 3 4 4 2 2 3 3 3 2 4 3 4 2
5 3 2 3 3 3 3 4 3 3 3 3 4 2 2 2 3 3 1 3 3 2 4 2 2 3 3 3 2 4 4 3 2 3 3 3 3 4 3 3 3
6 3 3 3 3 3 3 4 3 2 2 3 3 2 3 3 3 2 2 3 2 2 2 2 2 3 3 3 3 3 4 3 3 3 3 3 3 4 3 2 2
7 3 3 2 4 3 4 2 2 2 4 4 4 2 3 4 3 4 2 3 2 4 2 2 2 4 4 4 3 3 3 3 3 2 4 3 1 2 2 2 4
8 3 3 4 4 4 4 1 3 4 4 2 3 1 4 3 4 3 1 4 4 3 3 2 2 4 1 4 3 4 4 3 3 4 4 4 1 2 3 4 4
9 4 3 3 3 3 3 3 2 2 2 3 2 2 2 2 4 3 3 2 2 3 2 2 3 3 4 2 4 3 3 2 3 3 3 3 3 3 2 2 2
10 3 2 3 3 4 3 2 3 3 2 3 3 1 3 3 3 2 2 3 3 3 3 1 2 3 3 2 3 3 4 3 2 3 3 4 3 2 3 3 2
11 3 3 3 2 3 4 3 4 2 2 2 2 4 2 2 4 3 3 2 3 3 3 2 2 3 4 3 3 2 3 3 3 3 2 3 3 3 2 2 2
12 1 2 3 3 2 3 3 1 2 2 3 4 4 3 2 3 2 2 3 2 2 2 3 3 2 4 2 4 2 3 4 2 3 3 2 3 3 4 4 2
13 1 2 2 3 3 3 3 3 2 3 3 4 2 3 2 4 3 3 2 2 2 2 2 3 3 4 3 3 4 2 4 2 2 3 3 3 3 2 2 1
14 1 4 1 4 4 3 4 1 2 2 4 4 2 2 4 4 3 2 3 3 2 1 2 2 3 3 4 1 3 3 1 4 1 4 4 3 4 1 2 2
15 3 2 3 3 4 3 4 2 3 2 4 2 2 2 2 3 2 3 2 2 2 2 3 3 3 2 2 4 4 3 3 2 3 1 4 3 4 2 1 2
16 2 3 1 4 3 3 4 2 3 1 3 2 3 2 3 4 2 3 2 2 2 3 3 3 3 4 2 3 3 3 2 3 1 4 3 3 4 2 1 1
17 2 3 2 4 4 4 2 2 2 2 2 3 2 3 2 2 2 1 2 2 2 2 2 2 2 3 2 3 4 3 2 3 3 4 4 4 2 3 2 2
18 2 3 3 2 2 2 3 2 3 2 3 3 2 2 2 2 2 3 4 3 2 3 2 4 2 4 2 3 3 4 2 3 3 2 2 2 3 2 3 2
19 2 3 2 4 2 3 4 2 3 2 4 3 3 2 2 4 3 3 3 2 3 2 3 2 4 4 3 3 3 3 2 3 3 4 2 3 4 2 1 2
20 4 2 4 4 3 3 1 2 2 4 2 3 2 2 4 4 3 2 4 4 4 2 2 2 4 4 3 1 3 4 4 2 4 4 3 3 4 2 2 4
21 3 3 2 2 3 3 3 3 1 3 3 2 2 4 3 4 3 1 2 1 4 2 2 2 3 2 3 3 3 3 3 3 2 2 3 3 3 3 1 3
22 3 2 2 3 3 3 2 2 2 2 1 3 4 2 3 3 3 2 3 3 2 3 4 4 2 3 3 3 3 3 3 2 2 3 3 3 2 2 2 2
23 3 2 2 3 3 3 3 2 3 3 2 2 2 3 3 3 3 2 2 2 2 1 2 1 2 3 3 2 3 3 3 2 2 3 3 3 3 2 3 3
24 2 4 2 4 4 4 2 2 1 2 3 3 1 3 2 4 3 1 2 4 2 1 1 1 3 4 3 3 3 3 2 4 2 4 4 4 2 2 1 2
25 2 3 3 3 3 3 4 3 3 3 2 2 2 3 3 4 3 2 2 3 2 1 1 1 3 4 3 3 4 4 2 3 3 3 3 3 4 3 3 3
26 2 3 1 3 3 3 3 3 3 2 2 2 2 2 3 4 3 3 3 3 2 1 1 1 3 4 3 3 3 3 2 3 1 3 3 3 3 3 3 2
27 2 3 4 4 4 3 4 2 4 2 3 3 2 2 3 3 3 2 3 3 2 2 2 1 3 3 3 1 4 3 2 3 4 4 4 3 4 2 4 2
28 3 3 4 4 4 3 2 2 1 2 3 3 2 3 1 3 4 2 4 3 2 2 1 1 3 4 3 3 4 3 3 3 4 4 4 3 2 2 1 2
29 3 4 2 4 3 3 1 3 4 2 3 3 1 3 2 4 4 1 1 4 2 2 1 1 3 4 2 4 4 2 3 4 2 4 3 3 4 3 4 2
30 3 4 2 4 2 3 1 3 1 1 2 3 1 2 2 4 3 3 4 4 3 2 1 1 3 3 3 4 2 3 3 4 2 4 2 3 4 3 1 1
31 2 2 3 3 4 2 4 2 3 2 2 3 4 2 3 3 2 3 4 4 3 2 3 3 3 3 4 2 2 2 3 2 1 3 4 2 4 1 3 2
32 3 2 3 3 2 3 4 2 4 2 3 3 2 4 2 3 2 2 2 1 2 1 2 1 3 3 2 2 1 3 3 2 3 3 2 3 4 2 4 2
33 2 4 3 3 3 3 3 2 2 3 2 2 3 3 2 3 3 2 3 2 2 2 2 2 2 2 3 3 3 3 2 4 3 3 3 3 3 2 2 3
34 3 2 2 3 3 2 4 3 4 2 4 3 2 2 3 3 2 4 2 4 3 3 1 2 3 4 2 3 4 4 1 2 1 3 3 2 4 3 4 1
35 3 2 3 3 3 3 1 3 3 3 3 4 2 2 2 3 3 1 3 3 2 4 2 2 3 3 3 3 4 4 3 2 3 3 3 1 4 3 3 3
36 3 3 3 3 3 3 1 3 2 2 3 3 2 3 3 3 2 2 3 2 2 2 2 2 3 3 3 3 3 4 3 3 3 3 3 3 4 3 2 2
37 3 3 1 4 3 4 2 2 2 4 4 4 2 3 4 3 4 2 3 2 4 2 2 2 4 4 4 3 3 3 3 3 1 4 3 1 2 2 2 4
38 3 3 4 2 2 4 2 3 3 3 2 3 2 2 3 4 3 1 2 2 3 3 2 2 4 3 4 3 4 4 3 3 2 2 3 2 1 3 4 4
39 4 3 3 3 3 3 3 2 3 2 2 2 2 2 2 4 3 1 2 1 3 2 3 2 3 4 2 4 3 2 3 3 3 3 3 3 3 2 2 2
40 3 2 3 3 4 3 2 3 3 2 3 3 1 3 3 3 2 2 3 3 3 3 1 2 3 3 2 3 3 4 3 2 3 3 4 3 2 3 3 2
41 3 3 3 2 3 4 3 3 2 2 2 2 2 2 2 4 3 2 2 3 3 3 2 3 3 4 3 3 2 3 3 3 3 2 3 2 3 3 2 2
42 3 2 3 3 2 3 3 2 3 2 2 4 2 3 1 3 2 1 3 1 2 2 2 3 2 4 2 4 2 3 4 2 3 3 2 4 3 4 4 2
43 1 2 2 3 3 3 3 1 2 2 3 4 2 3 2 4 3 2 2 1 2 2 2 1 3 4 3 3 4 4 1 2 2 3 3 3 3 3 2 4
44 1 4 1 4 4 3 4 1 2 2 4 4 2 2 4 4 3 2 3 3 2 1 2 2 3 3 4 4 3 3 1 4 1 4 4 3 1 1 2 2
45 3 2 3 2 4 3 4 2 4 2 4 2 2 2 2 3 2 3 2 2 2 2 3 1 3 2 2 4 4 3 3 2 3 1 4 3 4 2 1 2
46 2 3 1 4 3 3 4 2 1 1 3 2 1 2 3 4 2 1 2 2 2 3 3 1 3 4 2 3 3 3 2 3 1 4 3 3 4 2 4 4
47 2 3 2 4 4 4 2 2 2 2 2 3 2 3 2 2 2 4 2 2 2 2 2 1 2 3 2 3 4 3 2 3 2 4 4 4 2 2 2 2
48 2 3 4 2 3 3 3 2 3 2 3 3 4 2 2 2 2 2 2 3 2 3 3 4 2 4 2 3 3 4 2 3 1 2 2 2 3 2 3 2
49 2 3 1 4 2 3 4 2 1 2 4 3 1 2 2 4 3 3 3 2 3 2 1 2 4 4 3 4 3 3 2 3 1 4 2 3 4 2 4 2
50 4 2 4 4 3 3 4 2 2 4 2 3 2 2 4 4 3 2 4 4 4 2 2 2 4 4 3 1 3 4 4 2 4 4 3 1 1 2 2 4
51 3 3 2 2 3 3 3 3 1 3 3 2 2 4 3 4 3 1 2 1 4 2 2 2 3 2 3 3 3 3 3 3 2 2 3 3 3 3 1 3
52 3 2 2 3 3 3 2 4 2 4 2 3 2 2 3 3 3 2 3 3 2 2 2 2 2 3 3 2 4 3 3 4 2 3 3 3 2 2 2 2
53 3 2 2 3 3 3 3 2 3 3 2 2 2 3 3 3 3 2 2 2 2 3 2 3 2 3 3 2 3 3 3 2 2 3 3 3 3 4 3 3
54 2 4 2 4 4 4 2 2 4 2 3 3 4 3 2 4 3 1 2 4 2 1 3 3 3 4 3 3 3 3 2 4 2 4 4 1 2 2 1 2
55 2 3 3 3 3 3 4 3 3 3 2 2 2 3 3 4 3 2 2 3 2 1 1 1 3 4 3 3 4 4 2 3 3 3 3 3 4 3 3 3
56 2 3 1 3 3 3 3 3 3 2 2 2 2 2 3 4 3 3 3 3 2 1 1 1 3 4 3 3 3 3 2 3 1 3 3 3 3 3 3 2
57 2 3 4 4 4 3 4 2 4 2 3 3 2 2 3 3 3 2 3 3 2 2 2 1 3 3 3 4 4 3 2 3 4 4 4 3 1 2 4 2
58 3 3 4 4 4 3 2 2 1 2 3 3 2 3 1 3 4 2 4 3 2 2 1 1 3 4 3 3 4 3 3 3 4 4 4 3 2 2 1 2
59 3 4 2 4 3 3 4 3 4 2 3 3 1 3 2 4 4 1 1 4 2 2 1 1 3 2 2 4 4 2 3 4 2 4 3 3 1 3 4 2
60 3 4 2 4 2 3 4 3 1 1 2 3 1 2 2 4 3 3 4 4 3 2 1 1 3 3 3 4 2 3 3 4 2 4 2 3 4 3 1 1
61 1 2 1 3 4 2 4 3 3 2 2 2 4 2 1 3 2 3 4 2 1 2 4 3 2 3 3 2 2 2 1 2 3 3 4 4 4 1 3 2
62 3 2 3 3 2 3 4 2 4 2 3 3 2 4 2 3 2 2 2 1 2 1 2 1 3 3 2 2 1 3 3 2 3 3 2 3 4 2 4 2
63 2 4 3 3 3 3 3 2 2 3 2 2 3 3 2 3 3 2 3 2 2 2 2 2 2 2 3 3 3 3 2 4 3 3 3 3 3 2 2 3
64 1 2 1 3 3 2 4 3 4 1 4 3 2 2 2 3 2 1 2 3 3 3 3 4 3 4 2 3 4 4 1 2 3 3 3 2 4 3 4 1
65 3 2 3 3 3 3 4 3 3 3 3 4 2 2 2 3 3 1 3 3 2 4 2 2 3 3 3 3 4 4 3 2 3 3 3 3 1 3 3 3
66 3 3 3 3 3 3 1 3 2 2 3 3 2 3 3 3 2 2 3 2 2 2 2 2 3 3 3 3 3 4 3 3 3 3 3 3 4 3 2 2
67 3 3 1 4 3 4 2 2 2 4 4 4 2 3 4 3 4 2 3 2 4 2 2 2 4 4 4 3 3 3 3 3 1 4 3 1 2 2 2 4
68 3 3 4 4 4 4 2 3 4 4 2 3 2 4 3 4 3 1 4 4 3 3 2 2 4 3 4 1 4 4 3 3 4 4 4 1 2 3 4 4
69 1 3 3 3 3 3 3 2 2 2 1 2 2 2 2 4 3 3 2 1 3 2 3 3 3 4 2 4 3 3 4 3 3 3 3 3 3 2 2 2
70 3 2 3 3 4 3 2 3 3 2 3 3 1 3 3 3 2 2 3 3 3 3 1 2 3 3 2 3 3 4 3 2 3 3 4 3 2 3 3 2
71 3 3 3 2 3 4 3 1 2 2 2 2 1 2 2 4 3 1 2 3 3 3 1 1 3 4 3 3 2 3 3 3 3 2 3 4 3 1 2 2
72 1 2 3 3 2 3 3 2 3 2 1 4 2 3 1 3 2 2 3 4 2 4 4 2 2 4 4 4 2 3 1 2 3 3 2 3 3 4 3 2
73 4 2 2 3 3 3 3 2 2 3 3 4 2 3 2 4 3 3 2 3 2 2 2 2 3 4 3 3 4 4 1 2 2 3 3 3 3 1 2 1
74 1 4 1 4 4 3 4 1 2 2 4 4 2 2 4 4 3 2 3 3 2 1 2 2 3 3 4 4 3 3 1 4 1 4 4 3 4 1 2 2
75 3 2 3 1 4 3 4 2 3 2 4 2 2 2 2 3 2 1 2 2 2 2 4 4 3 2 2 4 4 3 3 2 3 1 4 4 4 2 1 2
76 2 3 1 4 3 3 4 2 3 3 3 2 4 2 3 4 2 4 2 2 2 4 3 3 3 4 2 3 3 3 2 3 1 4 3 4 4 2 1 1
77 2 3 2 4 4 4 2 2 2 2 2 3 2 3 2 2 2 4 2 2 2 2 2 3 2 3 2 3 4 3 2 3 2 4 4 4 2 2 2 2
78 2 3 1 2 2 2 3 2 3 2 2 3 3 2 2 2 3 2 3 1 2 4 4 1 2 4 2 3 3 4 2 3 4 3 2 3 3 2 3 2
79 2 3 1 4 2 3 4 2 1 2 4 3 1 2 2 4 3 3 3 2 3 2 1 2 4 4 3 4 3 3 2 3 1 4 2 3 1 2 1 2
80 4 2 4 4 3 3 1 2 2 4 2 3 2 2 4 4 3 2 4 4 4 2 2 2 4 4 3 1 3 4 4 2 4 4 3 3 1 2 2 4
81 3 3 2 2 3 3 3 3 1 3 3 2 2 4 3 4 3 1 2 1 4 2 2 2 3 2 3 3 3 3 3 3 2 2 3 3 3 3 1 3
82 3 2 2 3 3 3 2 2 2 2 1 3 2 2 3 3 3 2 3 3 2 4 4 4 2 3 3 3 3 3 3 4 2 3 3 3 2 2 2 2
83 3 2 2 3 3 3 3 2 3 3 2 2 2 3 3 3 3 2 2 2 2 1 2 1 2 3 3 2 3 3 3 2 2 3 3 3 3 2 3 3
84 2 4 2 4 4 4 2 2 1 2 3 3 1 3 2 4 3 1 2 4 2 1 1 1 3 4 3 3 3 3 2 4 2 4 4 4 2 2 1 2
85 2 3 3 3 3 3 4 3 3 3 2 2 2 3 3 4 3 2 2 3 2 1 1 1 3 4 3 3 4 4 2 3 3 3 3 3 4 3 3 3
86 2 3 1 3 3 3 3 3 3 2 2 2 2 2 3 4 3 3 3 3 2 1 1 1 3 4 3 3 3 3 2 3 1 3 3 3 3 3 3 2
87 2 3 4 4 4 3 4 2 4 2 3 3 2 2 3 3 3 2 3 3 2 2 2 1 3 1 3 1 4 3 2 3 4 4 4 3 4 2 4 2
88 3 3 4 4 4 3 2 2 1 2 3 3 2 3 1 3 4 2 4 3 2 2 1 1 3 4 3 3 4 3 3 3 4 4 4 3 2 2 1 2
89 3 4 2 4 3 3 4 3 4 2 3 3 1 3 2 4 4 1 1 4 2 2 1 1 3 2 2 2 4 2 3 4 2 4 3 3 4 3 4 2
90 3 4 2 4 2 3 4 3 1 1 2 3 1 2 2 4 3 3 4 4 3 2 1 1 3 3 3 4 2 3 3 4 2 4 2 3 4 3 1 1
91 3 2 3 3 4 2 4 3 3 2 2 4 4 2 4 3 2 1 1 2 3 2 3 3 3 3 1 2 2 2 4 2 1 3 4 2 4 2 3 2
92 3 2 3 3 2 3 4 2 4 2 3 3 2 4 2 3 2 2 2 1 2 1 2 1 3 3 2 2 1 3 3 2 3 3 2 3 4 2 4 2
93 2 4 3 3 3 3 3 2 2 3 2 2 3 3 2 3 3 2 3 2 2 2 2 2 2 2 3 3 3 3 2 4 3 3 3 3 3 2 2 3
94 1 2 1 3 3 2 4 3 4 1 4 3 2 2 1 3 2 3 2 1 3 3 1 3 3 4 2 3 4 4 1 2 3 3 3 2 4 3 4 3
95 3 2 3 3 3 3 4 3 3 3 3 4 2 2 2 3 3 1 3 3 2 4 2 2 3 3 3 3 4 4 3 2 3 3 3 3 4 3 3 3
96 3 3 3 3 3 3 4 3 2 2 3 3 2 3 3 3 2 2 3 2 2 2 2 2 3 3 3 3 3 4 3 3 3 3 3 3 4 3 2 2
97 3 3 1 4 3 4 2 2 2 4 4 4 2 3 4 3 4 2 3 2 4 2 2 2 4 2 4 2 3 3 3 3 1 4 3 1 2 2 2 4
98 3 3 4 4 4 4 1 3 4 4 2 3 2 4 3 4 3 1 4 4 3 3 2 2 4 1 4 1 4 4 3 3 4 4 4 1 2 3 4 4
99 1 3 3 3 3 3 3 2 2 2 1 2 4 2 2 4 3 1 2 3 3 2 3 2 3 4 2 4 3 2 1 3 3 3 3 3 3 2 2 2
10 3 2 3 3 4 3 2 3 3 2 3 3 1 3 3 3 2 2 3 3 3 3 1 2 3 3 2 3 3 4 3 2 3 3 4 3 2 3 3 2
0
B. ANALISIS FAKTOR
Analisis Faktor = Analize  Data Reduction  Factor
Masukkan variabel ked lam Variabel Test  Descriptives ( KMO dan Anti Image )
 Continue
Extraction  ( Corelation Matrix, Scree Plot)  Continue

Rotation  Varimax  continue
Score  Save  Display  Continue
Hasil Analisis Faktor

1. KMO and Bartlet’s Test
Berdasarkan Bartlett’s Tes of Sphericity dengan Chi-Square 125,528 (df
55) dan nilai sig = 0,000 < 0,05 menunjukkan bahwa matriks korelasi bukan
merupakan matriks identitas sehingga dapat dilakukan analisis komponen
utama. Di samping itu, Nilai KMO yang dihasilkan adalah sebesar 0.565
serta p-value sebesar 0,000 (<0,05) , nilai tersebut jatuh dalam kategori
“lebih dari cukup” layak untuk kepentingan analisis faktor. Oleh karena itu,
variabel – variabel dapat dianalisis lebih lanjut
2. Anti Image Matrice
Pengecekan Anti Image matrices untuk mengetahui apakah variabel –

variabel secara parsial layak untuk dianalisis dan tidak dikeluarkan dalam
pengujian. Berdasarkan tabel di atas, terlihat bahwa dari sebelas variabel
yang dianalisis, terdapat variabel yang memiliki nilai MSA (dapat dilihat
a
pada output yang bertanda pada kolom Anti-Image Correlation) < 0,5
yaitu Minat 1v, Berfikir 2v, Pengalaman 1v, Pengalaman 2v, Percaya
Diri 2v, Pendapat 1v, Minat 2f, Ingin Tau 1f, Ingin tau 2f, Percaya Diri 1f,
Semangat 1f dan Resiko 2f. Karena ada variabel yang nilai MSA nya <
0,5 , maka variabel tersebut tidak dapat dianalisis lebih lanjut sehingga
variabel tersebut dikeluarkan dan dilakukan pengujian ulang terhadap
kedelapan variabel lainnya seperti pada cara di atas
Kemudian dilakukan analisis kedua sehingga mendapatkan anti image
baru :
3. Communalities
Dari keseluruhan nilai dalam table communalities, diperoleh bahwa 10

variabel awal mempunyai nilai communalities yang besar ( > 0.5). Hal ini
dapat diartikan bahwa 9 variabel yang digunakan memiliki hubungan yang
kuat dengan faktor yang terbentuk. Dengan kata lain, semakin besar nilai
dari communalities maka semakin baik analisis faktor, karena semakin
besar karakteristik variabel asal yang dapat diwakili oleh faktor yang
terbentuk. Sehingga didapat interpretasi
a. Keeratan hubungan variabel Minat terhadap faktor yang terbentuk

sebesar 0,586 artinya hubungan variabel Minat terhadap faktor yang
terbentuk erat. Atau dapat juga dikatakan kontribusi variabel Minat
terhadap faktor yang terbentuk sebesar 58,6%.
b. Keeratan hubungan variabel Berfikir terhadap faktor yang terbentuk

sebesar 0,449 artinya hubungan variabel pengalaman baru terhadap
faktor yang terbentuk kurang erat. Atau dapat juga dikatakan kontribusi
variabel Berfikir terhadap faktor yang terbentuk sebesar 44,9 %.
c. Keeratan hubungan variabel Ingin Tau terhadap faktor yang terbentuk
sebesar 0,773 artinya hubungan variabel Ingin Tau terhadap faktor
yang terbentuk erat. Atau dapat juga dikatakan kontribusi variabel Ingin
Tau terhadap faktor yang terbentuk sebesar 77,3 %.
d. Keeratan hubungan variabel Percaya Diri terhadap faktor yang
terbentuk sebesar 0,613 artinya hubungan variabel Percaya Diri
terhadap faktor yang terbentuk erat. Atau dapat juga dikatakan
kontribusi variabel Percaya Diri terhadap faktor yang terbentuk sebesar
61,3 %.
e. Keeratan hubungan variabel Mengambil Resiko terhadap faktor yang
terbentuk sebesar 0,610 artinya hubungan variabel Mengambil Resiko
kontribusi variabel Mengambil Resiko terhadap faktor yang terbentuk
sebesar 61,0 %.
f. Keeratan hubungan variabel Inisiatif terhadap faktor yang terbentuk
sebesar 0,763 artinya hubungan variabel Inisiatif terhadap faktor yang
terbentuk erat. Atau dapat juga dikatakan kontribusi variabel Inisiatif
terhadap faktor yang terbentuk sebesar 76,3 %.
g. Keeratan hubungan variabel Pengalaman Baru terhadap faktor yang
terbentuk sebesar 0,765 artinya hubungan variabel Pengalaman Baru
kontribusi variabel Pengalaman Baru terhadap faktor yang terbentuk
sebesar 76,5 %.
h. Keeratan hubungan variabel Semangat terhadap faktor yang terbentuk
sebesar 0,546 artinya hubungan variabel Semangat terhadap faktor
yang terbentuk erat. Atau dapat juga dikatakan kontribusi variabel
Semangat terhadap faktor yang terbentuk sebesar 54,6 %.
i. Keeratan hubungan variabel Pendapat terhadap faktor yang terbentuk

sebesar 0,803 artinya hubungan variabel Pendapat terhadap faktor
yang terbentuk erat. Atau dapat juga dikatakan kontribusi variabel
Pendapat terhadap faktor yang terbentuk sebesar 80,3 %.
4. Total Variance Ekplained

Table Total Variance Explained menunjukkan besarnya persentase
keragaman total yang mampu diterangkan oleh keragaman faktor - faktor
yang terbentuk. Dalam tabel tersebut juga terdapat nilai eigenvalue dari
tiap-tiap faktor yang terbentuk. Faktor 1 memiliki eigenvalue sebesar 2,983,
Faktor 2 sebesar 1,908 dan Faktor 3 sebesar 1,009. Untuk menentukan
berapa komponen/faktor yang dipakai agar dapat menjelaskan keragaman
total maka dilihat dari besar nilai eigenvaluenya, komponen dengan
eigenvalue >1 adalah komponen yang dipakai. Kolom ‘cumulative %’
menunjukkan persentase kumulatif varians yang dapat dijelaskan oleh
faktor. Besarnya keragaman yang mampu diterangkan oleh Faktor 1
sebesar 33,143%, sedangkan keragaman yang mampu dijelaskan oleh
Faktor 1 dan 2 sebesar 54,342%. Keragaman yang mampu dijelaskan oleh
Faktor 1, 2 dan 3 sebesar 65,554%. Ketiga faktor mampu menjelaskan
keragaman total sebesar 65,554%. Berdasarkan alasan nilai eigen value
ketiga faktor yang lebih dari 1 dan besarnya persentase kumulatif ketiga
faktor sebesar 65,554%, dapat disimpulkan bahwa ketiga faktor sudah
cukup mewakili keragaman variabel – variabel asal.
Proporsi keragaman data yang dijelaskan tiap komponen setelah dilakukan
rotasi terlihat lebih merata daripada sebelum dilakukan rotasi. Faktor 1
menerangkan keragaman data dengan proporsi terbesar, yaitu 33,143%
menurut metode ekstraksi dengan analisis faktor (sebelum rotasi) dan
dengan analisis faktor (setelah rotasi) keragaman data awal dapat
dijelaskan sebesar 26,479%. Kemudian untuk faktor 2 menerangkan
keragaman data awal dengan proporsi 21,199% menurut metode ekstraksi
dengan analisis faktor (sebelum rotasi) dan dengan analisis faktor (setelah
rotasi) keragaman data awal dapat dijelaskan sebesar 47,689%. Faktor 3
menerangkan keragaman sebesar 11,212% sebelum dilakukan rotasi dan
naik menjadi 17,858% setelah dirotasi.
Proporsi keragaman data yang lebih merata setelah dilakukan rotasi
menunjukkan keseragaman data awal yang dijelaskan oleh masing-masing
faktor menjadi maksimum
5. Scree Plot
Scree Plot adalah salah satu alternatif yang dapat digunakan untuk
membantu peneliti menentukan berapa banyak faktor terbentuk yang dapat
mewakili keragaman peubah – peubah asal. Bila kurva masih curam, akan
nada petunjuk untuh menambahkan komponen. Bila kurva sudah landai,
akan ada petunjuk untuk menghentikan penambahan komponen, walaupun
penilaian curam/landai bersifat subjektif peneliti. Dari scree plot di atas,
terlihat pada saat satu komponen terbentuk, kurva masih menunjukkan
kecuraman, begitu juga pada saat di titik ke-2, garis kurva masih tajam, di
titik ke-3 garis kurva agak tajam namun sedikit berbeda dari pola kedua
garis sebelumnya. Setelah melewati titik ke-3, garis kurva sudah mulai
landai, semakin ke kanan akan semakin landai. Dari penjelasan di atas,
dapat kita tarik kesimpulan bahwa terdapat tiga komponen atau faktor yang
terbentuk.
6. Component Matrix
Table component matrix menunjukkan besarnya korelasi tiap variabel

dalam faktor yang terbentuk. Nilai – nilai koefisien korelasi antara variabel
dengan faktor - faktor yang terbentuk (loading factor) dapat dilihat pada
table Component Matrix. Keempat faktor tersebut menghasilkan matrik
loading faktor yang nilai-nilainya merupakan koefisien korelasi antara
variabel dengan faktor-faktor tersebut. Bila dilihat variabel –variabel yang
berkorelasi terhadap setiap faktornya, ternyata loading faktor yang
dihasilkan belum mampu memberikan arti sebagaimana yang diharapkan.
Hal ini terlihat dari variabel Minat dimana korelasi variabel ini dengan faktor
1 sebesar 0,696, sedangkan dengan faktor 2 sebesar -0,200 (tanda
negative hanya menunjukkan arah korelasi), sehingga kita sulit untuk
memutuskan apakah variabel Minat dimasukkan ke faktor 1 atau faktor 2.
Tiap faktor belum dapat diinterpretasikan dengan jelas sehingga perlu
dilakukan rotasi dengan metode varimax. Rotasi varimax adalah rotasi
orthogonal yang membuat jumlah varian faktor loading dalam masing-
masing faktor akan menjadi maksimum, dimana nantinya peubah asal
hanya akan mempunyai korelasi yang tinggi dan kuat dengan faktor
tertentu saja (korelasinya mendekati 1) dan tentunya memiliki korelasi yang
lemah dengan faktor yang lainnya (korelasinya mendekati 0). Hal yang
demikian belum tercapai pada table component matrix diatas.
7. Rotation Component Matrix
Setelah dilakukan rotasi faktor dengan metode varimax, diperoleh table

seperti yang tertera di atas yaitu Rotated Component Matrix. Terdapat
perbedaan nilai korelasi variabel dengan setiap faktor sebelum dan
sesudah dilakukan rotasi varimax. Terlihat bahwa loading faktor yang
dirotasi telah memberikan arti sebagaimana yang diharapkan dan setiap
faktor sudah dapat diinterpretasikan dengan jelas. Terlihat pula bahwa
setiap variabel hanya berkorelasi kuat dengan salah satu faktor saja (tidak
ada variabel yang korelasinya > 0,5 di ketiga faktor). Dengan demikian,
lebih tepat digunakan loading faktor yang telah dirotasi sebab setiap faktor
sudah dapat menjelaskan keragaman variabel awal dengan tepat dan
hasilnya adalah sebagai berikut
a. Faktor 1, beberapa variabel yang memiliki korelasi yang kuat dengan

faktor 1 yaitu factor Pendapat dan factor Ingin Tau.
b. Faktor 2, beberapa variabel yang memiliki korelasi yang kuat dengan

factor 2 yaitu factor Pengalaman Baru, Faktor Minat dan Faktor
Mengambil Resiko.
c. Faktor 3, beberapa variabel yang memiliki korelasi yang kuat dengan

factor 3 yaitu Inisiatif dan Faktor Percaya Diri.
8. Componen Transformation Matrix
Tabel Component Transformation Matrix berfungsi untuk menunjukkan

apakah faktor – faktor yang terbentuk sudah tidak memiliki korelasi lagi
satu sama lain atau orthogonal. Bila dilihat dari table Component
Transformation Matrix, nilai – nilai korelasi yang terdapat pada diagonal
utama berada di atas 0,5 yaitu -0,710, 0,678 dan 0,651. Hal ini
menunjukkan bahwa ketiga faktor yang terbentuk sudah tepat karena
memiliki korelasi yang tinggi pada diagonal – diagonal utamanya.
DAFTAR REFERENSI
http://wiki.openthinklabs.com/Products_and_Services/alisjk-analisis-lembar-jawaban-
komputer/dokumentasi/untuk-pengembang/catatan-catatan/item-and-test-
analysis-iteman/analisis-butir-soal-dengan-program-iteman
https://abuhalim.wordpress.com/2015/03/23/tutorial-analisis-butir-soal-uraian-anates-
v4/
https://artikeligs.blogspot.co.id/2015/03/analisis-butir-soal-dengan-
menggunakan.html
http://www.spssindonesia.com/2014/02/uji-linearitas-dengan-program-spss.html
http://statistikceria.blogspot.co.id/2013/03/tutorial-contoh-kasus-analisis-faktor.html
http://www.spssindonesia.com/2015/05/cara-uji-independent-sample-t-test-dan.html
https://www.statistikian.com/2012/11/one-way-anova-dalam-spss.html
http://lesprivate-statistik.com/index.php/berita/51-tips-trik-dan-langkah-analisis

Tugas Analisis Data R

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Tugas Analisis Data R

Diunggah oleh

Hak Cipta:

Format Tersedia

Tugas 1

ANALISIS BUTIR SOAL DENGAN ITEMAN

A. Cara Menganalisis Butir Soal dengan Iteman

1. Buka Notepad > AllProgram > Accessories > Notepad

2. Isi notepad dengan data data :

040 = Jumlah Butir Soal (40 Soal)

1 [analisis data & computer] | Maria Margareta Kiswati

Masukkan file data yang sudah tersimpan di atas ( TKJ3SWG.TXT) ke

Ketik nama file output Iteman dengan ektensi .TXT ( TKJ3SWG1.TXT )

Secara otomatis Iteman akan menyimpan hasil analisis butir soal

2 [analisis data & computer] | Maria Margareta Kiswati

No Prop Correct Point Biserial Prop

1 1 0.032 Sulit 0.158 Jelek Berfungsi Diganti

2 2 0.032 Sulit 0.278 Ada Catatan Berfungsi Diperbaiki

3 3 0.806 Mudah 0.656 Sangat Bagus Berfungsi Dipakai

4 4 0.742 Mudah 0.349 Bagus Berfungsi Dipakai

5 5 0.839 Mudah 0.114 Jelek Berfungsi Diganti

6 6 0.032 Sulit 0.278 Ada Catatan Berfungsi Diperbaiki

3 [analisis data & computer] | Maria Margareta Kiswati

8 8 0.774 Mudah 0.310 Bagus Berfungsi Dipakai

9 9 0.677 Sedang 0.640 Sangat Bagus Berfungsi Dipakai

10 10 0.645 Sedang 0.444 Sangat Bagus Berfungsi Dipakai

11 11 0.742 Mudah 0.609 Sangat Bagus Berfungsi Dipakai

12 12 0.645 Sedang 0.682 Sangat Bagus Berfungsi Dipakai

4 [analisis data & computer] | Maria Margareta Kiswati

14 14 0.645 Sedang 0.638 Sangat Bagus Berfungsi Dipakai

15 15 0.645 Sedang 0.55 Sangat Bagus Berfungsi Dipakai

16 16 0.742 Mudah 0.571 Sangat Bagus Berfungsi Dipakai

17 17 0.645 Sedang 0.205 Jelek Berfungsi Diganti

18 18 0.032 Sulit 0.206 Jelek Berfungsi Diganti

5 [analisis data & computer] | Maria Margareta Kiswati

20 20 0.645 Sedang 0.435 Sangat Bagus Berfungsi Dipakai

21 21 0.645 Sedang 0.567 Sangat Bagus Berfungsi Dipakai

22 22 0.516 Sedang 0.565 Sangat Bagus Berfungsi Dipakai

6 [analisis data & computer] | Maria Margareta Kiswati

25 25 0.516 Sedang 0.387 Bagus Berfungsi Dipakai

26 26 0.645 Sedang 0.735 Sangat Bagus Berfungsi Dipakai

27 27 0.581 Sedang 0.514 Sangat Bagus Berfungsi Dipakai

28 28 0.677 Sedang 0.442 Sangat Bagus Berfungsi Dipakai

29 29 0.581 Sedang 0.163 Jelek Berfungsi Diganti

7 [analisis data & computer] | Maria Margareta Kiswati

8 [analisis data & computer] | Maria Margareta Kiswati

C. INTERPRETASI DARI TKJ3SWG2 (Score For Examinee )

9 [analisis data & computer] | Maria Margareta Kiswati

25 SAMIONO 27.00 27 68 10 Lulus Tidak Perbaikan

31 YOGI 18.00 18 45 24 Tidak Lulus Perbaikan

10 [analisis data & computer] | Maria Margareta Kiswati

A. Menjalankan aplikasi Anatest

11 [analisis data & computer] | Maria Margareta Kiswati

12 [analisis data & computer] | Maria Margareta Kiswati

1 AHMAD 26 65 12 Lulus Kompeten

13 [analisis data & computer] | Maria Margareta Kiswati

Menunjukkan besar nilai rata-rata, simpangan baku, korelasi, dan nilai

3 Kelompok Unggul dan Asor

14 [analisis data & computer] | Maria Margareta Kiswati

Daya pembeda sebesar 0 terjadi karena proporsi menjawab benar kelompok

Tingkat kesukaran merupakan rasio antara peserta yang menjawab benar

Kategori Nomor Butir Soal

Mudah 3, 4, 5, 7, 8, 11, 13, 16, 38, 39

16 [analisis data & computer] | Maria Margareta Kiswati

6 Korelasi Skor Butir dengan Skor Total

Hasil analisis menggunakan anates adalah sebagai berikut:

Korelasi Nomor Butir Soal