I.

Skala Pengukuran
1. Nominal
Digunakan untuk mengklasifikasikan objek ke dalam kelompok, biasanya
digunakan angka (misalnya angka 1 untuk laki laki dan angka 2 untuk
perempuan). Misalnya, Jenis kelamin manusia, 1 untuk pria, 2 untuk wanita.
2. Ordinal
Skala ordinal memiliki peringkat, tapi tidak ada jarak posisional objektif antar
angka karena angka yang tercipta bersifat relatif subjektif. Skala ini menjadi
dasar dalam Skala Likert. Misalnya dalam skala Likert (Moh Nazir), mulai dari
sangat setuju, setuju, ragu-ragu, tidak setuju sampai sangat tidak setuju.
3. Interval
Skala interval adalah skala ordinal yang memiliki poin jarak objektif dalam
keteraturan kategori peringkat, tapi jarak yang tercipta sama antar masing-
masing angka. Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C,
D, E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran
1,2,3,4,5 dan 6, maka dapat dikatakan bahwa beda prestasi antara mahasiswa C
dan A adalah 3-1=2. Beda prestasi antara mahasiswa C dan F adalah 6-3=3.
Tetapi tidak bisa dikatakan bahwa prestasi mahasiswa E adalah 5 kali prestasi
mahasiswa A ataupun prestasi mahasiswa F adalah 3 kali lebih baik dari prestasi
mahasiswa B.
4. Rasio
Skala rasio adalah skala interval yang memiliki nol mutlak. A dan B adalah dua
mahasiswa Universitas “X” yang nilai mata kuliah statistik 1 masing-masing 60
dan 90. Ukuran rasionya dapat dinyatakan bahwa nilai B adalah nilai 1,5 kali
nilai A.

II. Analisis Data

Asumsi yang paling lazim pada uji parametrik adalah sampel acak yang berasal dari
populasi yang berdistribusi normal, data bersifat homogen, dan bersifat linier. Bila asumsi-
asumsi ini dipenuhi, atau paling tidak penyimpangan terhadap asumsinya sedikit, maka uji
parametrik masih bisa diandalkan. Tetapi bila asumsi tidak dipenuhi maka uji nonparametrik
menjadi alternatif.
1. Uji Normalitas Data

Uji normalitas dilakukan untuk mengetahui normal tidaknya suatu distribusi data. Hal ini
penting diketahui berkaitan dengan ketetapan pemilihan uji statistik yang akan dipergunakan.
Uji parametrik misalnya, mensyaratkan data harus berdistribusi normal. Apabila distribusi data
tidak normal maka disarankan untuk menggunakan uji nonparametrik

Pengujian normalitas ini harus dilakukan apabila belum ada teori yang menyatakan bahwa
variabel yang diteliti adalah normal. Dengan kata lain, apabila ada teori yang menyatakan
bahwa suatu variabel yang sedang diteliti normal, maka tidak diperlukan lagi pengujian
normalitas data. Langkah – langkahnya adalah sebagai berikut:

1. Klik Analyze > Descriptive Statistics > Explore

2. Kemudian masukkan variabel yang dilakukan pengujian normalitas pada jendela

Explore

3. Selanjutnya masukkan variabel dilakukan pengujian ke kolom Dependent List. Kita

juga dapat memasukkan variabel ke Factor List untuk melakukan pengujian
berdasarkan kriteria tertentu, misalnya uji normalitas data yang dibedakan berdasarkan
jenis kelamin.

4. Klik Plots.. pada jendela Explore dan centang Normality plot with tests.
Klik Continue lalu klik OK.

2. Uji Homogenitas

Pengujian mengenai sama tidaknya variansi-variansi dua buah distribusi atau lebih. Uji
Homogenitas Variansi dan Uji Burlett. Uji homogenitas variansi digunakan untuk
membandingkan dua buah peubah bebas.
 1. Klik Compare Means > One-Way ANOVA

2. Masukkan variabel yang diujikan pada kolom Dependent List:

3. Masukan variabel yang membedakan kelompok ke kolom Factor

4. Kolom Factor diisi dengan variabel kriteria yang membedakan kelompok data,
misalnya pada contoh dibedakan dengan kelompok kontrol dan kelompok perlakuan.

5. Klik Options… lalu centang Homogeneity of variance test. Klik OK

3. Uji T

Uji t ini digunakan untuk mencari ada/tidaknya perbedaan antara dua means dari dua
sample/kelompok/kategori data. Uji t termasuk kelompok uji parametrik, yaitu kelompok uji
statistika yang memerlukan persyaratan tertentu agar memberikan hasil yang baik, dalam hal
ini terkait asumsi distribusi data.

Uji parametrik mensyaratkan distribusi data yang diuji berdistribusi normal. Oleh
karenanya, ketika kita ingin menggunakan uji t, maka sebelumnya variabel yang diujikan (yang
bertipe interval/rasio) harus berdistribusi normal (biasanya menggunakan alat uji one sample
kolmogorov-smirnov). Berikut merupakan jenis-jenis uji t:

1) One-sample t test (uji t satu sampel)

• Digunakan untuk membandingkan antara sekelompok data yang berasal dari 1

sampel/kelompok dengan 1 nilai acuan/referensi/dugaan. Jadi data sampel dibandingkan
dengan 1 angka (makanya satu sampel).

• Cukup 1 variabel bertipe interval/rasio karena 1 lagi berupa angka acuan.

• Contoh: ingin menguji apakah rata-rata nilai mata kuliah fisika dasar mahasiswa semester 1
lebih besar atau sama dengan 70. (variabel: nilai MK fisika dasar, nilai acuan: 70).

1. Klik Analyze, kemudian pilih Compare Means, lalu pilih Independent-Sample T Test.
2. Selanjutnya masukkan Var ke Test Variable(s) dan masukkan Kode ke Grouping
Variable. Pada Define Groups akan muncul kotak dialog seperti ini, kemudian isikan
pada Group 1 dengan 1 dan Group 2 dengan 2.
 3. Klik Continue. Kemudian klik OK

2) Paired-sample t test (uji t sampel berpasangan)

• Digunakan untuk membandingkan rata-rata (mean) dari dua kumpulan data yang ada dimana
kedua kumpulan data tersebut berasal dari 1 kelompok obyek/responden yang sama. Hal ini
dimungkinkan karena misalnya pengukuran dilakukan pada waktu yang berbeda namun
obyek/respondennya tetap sama, sehingga memiliki 2 kelompok data; atau dilakukan
pengukuran yang berbeda karena adanya perlakuan pada obyek/responden tersebut.

• Akan ada kumpulan data sebelum dan sesudah perlakuan/waktu yang berbeda.

• Variabel: ada 2 variabel (keduanya interval/rasio), variabel 1 (sebelum perlakuan atau waktu
pengukuran ke-1) dan variabel 2 (setelah perlakuan/waktu pengukuran ke-2)

• Contoh: sebuah perusahaan pupuk ingin menguji apakah pupuk yang dibuat mampu
meningkatkan produksi buah cabai. (untuk riset ini diperlukan pengukuran produksi buah cabai
sebelum diberi pupuk dan produksi buah cabai setelah diberi pupuk, kemudian kedua data ini
dibandingkan; kedua data tentu diambil atau diukur pada waktu yang berbeda, karena
kelompok pohon cabai yang diukur adalah kelompok pohon cabai yang sama).

3) Independent-sample t test (uji t sampel independen)

• Digunakan untuk membandingkan rata-rata (mean) dari dua kelompok data yang berbeda satu
sama lain. Jadi benar-benar memiliki 2 sampel/kelompok obyek/responden.

• Variabel: ada 2 variabel (1 bertipe interval/rasio dan 1 lagi bertipe nominal). Variabel bertipe
interval/rasio untuk menampung data

• yang akan dibandingkan, sedang variabel bertipe nominal untuk menampung jenis/kelompok
sampelnya.

Contoh kasus:

Seorang mahasiswa dalam penelitiannya ingin mengetahui apakah ada perbedaan nilai
ujian antara kelas A dan kelas B pada fakultas Psikologi suatu universitas. Penelitian dengan
menggunakan sampel sebanyak 20 responden yang diambil dari kelas A dan kelas B. Dalam
uji ini jumlah kelompok responden yang diambil tidak harus sama, misalnya kelas A sebanyak
8 orang dan kelas B sebanyak 12 orang.

1. Klik Analyze - Compare Means - Independent Sample T Test

2. Klik variabel Nilai Ujian dan masukkan ke kotak Test Variable, kemudian klik variabel
Kelas dan masukkan ke kotak Grouping Variable, kemudia klik Define Groups, pada
Group 1 ketik 1 dan pada Group 2 ketik 2, lalu klik Continue.
3. Klik OK,

Pengujian independen sample t test

Menentukan Hipotesis

Ho : Tidak ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-rata nilai
ujian kelas B

Ha : Ada perbedaan antara rata-rata nilai ujian kelas A dengan rata-rata nilai ujian
kelas B

(signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam
penelitian)

Ho diterima jika -t tabel < t hitung < t tabel

Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel

Berdasar probabilitas:

Ho diterima jika P value > 0,05

Ho ditolak jika P value < 0,05

Membandingkan lebih dari dua mean skor (One-Way ANOVA)

Pada contoh sebelumnya, kita hanya membandingkan mean skor dari dua kelompok. Akan
tetapi, terkadang kita harus membandingkan mean skor tiga kelompok atau lebih (misalnya
seorang peneliti ingin menguji keefektifan metode A, metode B, dan metode C dalam
mengajarkan kosakata. Penelitian tersebut melibatkan tiga kelompok, setiap kelompok diajar
dengan metode tertentu.
Dalam hal ini, kita menggunakan Analysis of Variance atau biasa disingkat ANOVA. ANOVA
menguji apakah metode mengajar (A, B, dan C) berdampak pada hasil tes yang ditunjukan oleh
skor tes. Sebelum melakukan analisis, terlebih dahulu kita harus memastikan bahwa sejumlah
asumsi ANOVA terpenuhi. Asumsi-asumsi tersebut adalah: (a) data terdistribusi secara normal
(b) minimal ada satu variabel bebas dan satu variabel terikat. Jika lebih dari satu variabel bebas,
maka digunakan factorial ANOVA (c) variabel bebas bersifat rasio atau interval (lihat
pembahasan sebelumnya tentang jenis-jenis variabel). Setelah dipastikan bahwa semua asumsi
tersebut tidak ada yang dilanggar, maka penggunaan ANOVA dapat dilanjutkan.

Uji ANOVA menggunakan SPSS.

Pertama, kita membuat dua variabel, yakni variabel bebas (Group) dan variabel terikat
(SkorTest). Untuk variabel skor tes, setiap peserta/siswa hanya boleh memiliki satu skor.
Sekarang kita perlu menambahkan 1 group lagi yakni group 3 (lihat independent-samples t test
tentang cara menambahkan group). Setelah selesai, klik Analyze>Compare Means>One-Way
ANOVA. Kemudian klik variabel SkorTest lalu klik untuk memindahkan variabel SkorTest ke
Dependent List. Lalu klik variabel Group (yang mewakili kelompok 1, 2, dan 3) dan untuk
memindahkan variabel Group ke Factor Selanjutnya klik Post Hoc dan dibawah Equal
Variances Assumed, klik Bonferroni lalu klik Continue. Kemudian klik Options (yang paling
sering digunakan adalah Tukey pada saat klik options). Di bawah Statistics, beri tanda centang
() pada Descriptive dan Homogeneity of variance test, lalu klik Continue. Selanjutnya klik OK

Membandingkan lebih dari dua mean skor (One Way ANCOVA)

ANCOVA (Analysis of Covariance) merupakan uji beda antar 2 kelompok atau lebih di mana
peneliti dapat mengontrol variabel-variabel yang berpotensi mempengaruhi variabel yang
diteliti (variabel respons) sehingga dapat menyebabkan bias dalam pengambilan kesimpulan.
Variabel yang dikontrol ini biasa disebut covariat. ANCOVA biasanya terdiri dari: (a) lebih
dari dua variable di mana satu variable (atau lebih) bersifat kategori dan merupakan variable
bebas; (b) dua variable lainnya (atau lebih) merupakan variable continuous (lihat Bab I terkait
skala pengukuran); dan (c) satu variable (atau lebih) merupakan variable yang dikontrol
(kovariat). Cara menguji asumsi homogenitas regression slope adalah sebagai berikut:

1. Klik Analyse > General Linear Model > Univariat

2. Pindahkan Variabel Group ke Fix Factor(s) > Pindahkan Post-Test ke Dependent

3. Pindahkan Pre-Test ke Covariat>Klik Options > Klik Group lalu klik tanda panah sehingga
Group muncul di Display Means for > Beri tanda centang () pada Descriptive, Estimates of
Effect, dan Homogeneity

4. Klik Continue > Klik Plot > Pindah Variabel Group ke Horizontal Axis > Klik Add

5. Klik Continue > Klik Model > Pilih Custom > Blok Variabel Group dan Pre-Test dengan
cara menekan tombol shift dan klik kedua variable tersebut sampai terblok > Klik tanda panah
agar kedua variable tersebut pindah ke Model > Klik Continue

Final Task

Statistic

Submitted by:

Nurfadillah

A1M2 16 116

Class B
 ENGLISH LANGUAGE EDUCATION

FACULTY OF TECHER TRAINING AND EDUCATION

UNIVERSITY OF HALU OLEO

KENDARI

2019