UJI VALIDITAS Reliabilitas Normalitas Ho
UJI VALIDITAS Reliabilitas Normalitas Ho
Disusun oleh :
JAKARTA
2017
1. UJI VALIDITAS
a. Pengertian Uji Validitas
Uji validitas adalah pengujian tingkat kendala dan kesahihan alat ukur yang
digunakan. Instrumen dikatakan valid berarti menunjukkan alat ukur yang
dipergunakan untuk mendapat data itu valid atau dapat digunakan untuk
mengukur apa yang seharusnya diukur. Dengan demikian, instrumen yang valid
merupakan instrumen yang benar-benar tepat untuk mengukur apa yang hendak
diukur.
b. Contoh Uji Validitas
Maka data yang sebelimnya telah dibuat di Excel, akan menjadi berikut dalam
bentuk SPSS :
Tampilan pada variable view sebagai berikut :
Untuk menjumlahkan soal-soal, klik Transform – Compute Variable. Ketik “Jumlah” pada
Target Variable. Klik 2x pada SOAL 1 lalu klik tanda “+”, klik lagi 2x pada SOAL 2 lalu
klik tanda “+”, dst sampai soal terakhir. Klik OK
Akan muncul seperti berikut.
Correlations
SOA SOA SOA SOA SOA SOA SOA SOA SOA SOA SOA SOAL SOA SOA SOA JUMLA
L1 L2 L3 L4 L5 L6 L7 L8 L 9 L10 L11 12 L13 L 14 L 15 H
SOAL 1 Pearson ,591*
1 ,149 ,246 -,159 ,270 ,309 ,051 ,308 * -,224 -,222 ,145 ,358 ,026 ,272 ,539**
Correlation
Sig. (2-tailed) ,467 ,226 ,437 ,183 ,124 ,806 ,126 ,001 ,271 ,276 ,480 ,072 ,898 ,178 ,004
N 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26
SOAL 2 Pearson
,149 1 -,005 -,079 ,103 ,287 ,193 ,145 ,235 ,002 -,105 ,059 ,343 ,202 ,072 ,437*
Correlation
Sig. (2-tailed) ,467 ,982 ,702 ,615 ,156 ,345 ,480 ,249 ,993 ,610 ,776 ,086 ,323 ,726 ,026
N 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26
SOAL 3 Pearson
,246 -,005 1 -,085 ,214 ,277 ,301 -,137 ,221 ,164 -,081 ,129 ,307 ,321 -,184 ,448*
Correlation
Sig. (2-tailed) ,226 ,982 ,681 ,294 ,170 ,135 ,504 ,279 ,424 ,695 ,531 ,127 ,109 ,369 ,022
N 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26
SOAL 4 Pearson ,983*
-,159 -,079 -,085 1 ,003 -,221 -,027 -,211 -,297 ,033 * ,145 -,263 -,088 -,152 ,125
Correlation
Sig. (2-tailed) ,437 ,702 ,681 ,987 ,278 ,897 ,300 ,140 ,873 ,000 ,480 ,195 ,668 ,457 ,542
N 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26
SOAL 5 Pearson
,270 ,103 ,214 ,003 1 ,223 ,263 ,018 ,263 ,133 -,039 ,942** ,159 ,271 -,017 ,602**
Correlation
Sig. (2-tailed) ,183 ,615 ,294 ,987 ,273 ,195 ,930 ,195 ,516 ,850 ,000 ,436 ,180 ,934 ,001
N 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26
SOAL 6 Pearson ,949*
,309 ,287 ,277 -,221 ,223 1 ,097 ,093 ,097 -,108 -,321 ,118 * ,144 ,000 ,462*
Correlation
Sig. (2-tailed) ,124 ,156 ,170 ,278 ,273 ,637 ,650 ,637 ,600 ,109 ,564 ,000 ,482 1,000 ,018
N 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26
*
SOAL 7 Pearson ,902
,051 ,193 ,301 -,027 ,263 ,097 1 -,141 ,193 ,276 -,015 ,279 ,068 * -,060 ,564**
Correlation
Sig. (2-tailed) ,806 ,345 ,135 ,897 ,195 ,637 ,491 ,345 ,173 ,940 ,168 ,743 ,000 ,771 ,003
N 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26
SOAL 8 Pearson - ,802*
,308 ,145 -,137 -,211 ,018 ,093 -,141 1 ,348 -,208 -,080 -,029 -,224 ,246
Correlation ,414* *
Sig. (2-tailed) ,126 ,480 ,504 ,300 ,930 ,650 ,491 ,081 ,035 ,309 ,697 ,889 ,272 ,000 ,227
N 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26
SOAL 9 Pearson ,591*
* ,235 ,221 -,297 ,263 ,097 ,193 ,348 1 ,323 -,297 ,175 ,116 ,272 ,057 ,557**
Correlation
Sig. (2-tailed) ,001 ,249 ,279 ,140 ,195 ,637 ,345 ,081 ,108 ,141 ,392 ,571 ,179 ,783 ,003
N 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26
SOAL10 Pearson -
-,224 ,002 ,164 ,033 ,133 -,108 ,276 ,323 1 ,046 ,141 -,083 ,404* -,317 ,209
Correlation ,414*
Sig. (2-tailed) ,271 ,993 ,424 ,873 ,516 ,600 ,173 ,035 ,108 ,822 ,491 ,686 ,041 ,114 ,306
N 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26
SOAL11 Pearson ,983*
-,222 -,105 -,081 * -,039 -,321 -,015 -,208 -,297 ,046 1 ,105 -,362 -,084 -,151 ,073
Correlation
Sig. (2-tailed) ,276 ,610 ,695 ,000 ,850 ,109 ,940 ,309 ,141 ,822 ,608 ,069 ,683 ,460 ,723
N 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26
SOAL 12 Pearson ,942*
,145 ,059 ,129 ,145 * ,118 ,279 -,080 ,175 ,141 ,105 1 ,050 ,288 -,113 ,532**
Correlation
Sig. (2-tailed) ,480 ,776 ,531 ,480 ,000 ,564 ,168 ,697 ,392 ,491 ,608 ,807 ,154 ,582 ,005
N 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26
*
SOAL13 Pearson ,949
,358 ,343 ,307 -,263 ,159 * ,068 -,029 ,116 -,083 -,362 ,050 1 ,126 -,107 ,409*
Correlation
Sig. (2-tailed) ,072 ,086 ,127 ,195 ,436 ,000 ,743 ,889 ,571 ,686 ,069 ,807 ,539 ,604 ,038
N 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26
*
SOAL 14 Pearson ,902
,026 ,202 ,321 -,088 ,271 ,144 * -,224 ,272 ,404* -,084 ,288 ,126 1 -,153 ,560**
Correlation
Sig. (2-tailed) ,898 ,323 ,109 ,668 ,180 ,482 ,000 ,272 ,179 ,041 ,683 ,154 ,539 ,457 ,003
N 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26
*
SOAL 15 Pearson ,802
,272 ,072 -,184 -,152 -,017 ,000 -,060 * ,057 -,317 -,151 -,113 -,107 -,153 1 ,196
Correlation
Sig. (2-tailed) ,178 ,726 ,369 ,457 ,934 1,000 ,771 ,000 ,783 ,114 ,460 ,582 ,604 ,457 ,337
N 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26
* * * *
JUMLAH Pearson ,539 * ,602 * ,564 ,557 ,560*
* ,437 ,448* ,125 * ,462 * ,246 * ,209 ,073 ,532** ,409* * ,196 1
Correlation
Sig. (2-tailed) ,004 ,026 ,022 ,542 ,001 ,018 ,003 ,227 ,003 ,306 ,723 ,005 ,038 ,003 ,337
N 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26 26
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
c. Kesimpulan
Pada kolom Jumlah baris Pearson Correlation, jika terdapat bintang atau dua bintang ”*” atau “**” berarti soal tersebut soal yang
valid. Maka kuisioner yang valid yaitu, nomor 1, 2, 3, 5, 6, 7, 9, 12, 13, 14
2. UJI RELIABILITAS
a. Pengertian Uji Reliabilitas
Uji Reliabilitas adalah pengujian suatu kestabilan dan konsistensi
responden dalam menjawab hal yang berkaitan dengan konstruk-konstruk
pertanyaan yang merupakan dimensi suatu variabel dan disusun dalam suatu
bentuk kuesioner. Setelah dilakukan uji validitas, maka harus dilanjutkan dengan
menggunakan uji reliabilitas data. Alat ukur yang reliabel pasti terdiri dari item-
item alat ukur yang valid. Sehingga, setiap reliabel pasti valid, namun setiap yang
valid belum tentu reliabel. Rumus yang sering digunakan untuk uji reliabilitas
adalah Alpha Cronbach, Spearman Brown, Kristoff, Angoff, dan Rullon
b. Contoh Uji Reliabilitas
Masih pada data yang sebelumnya, klik Analyze – Scale – Reability
Analysis. Masukkan soal yang valid. Klik OK
Dari hasil analisis di dapat nilai Alpha sebesar 0.709, sedangkan nilai r kritis (uji 2 sisi) pada
signifikansi 5% dengan n = 26 (df=n-2= 24), di dapat sebesar 0.3882. karena nilai alpha lebih
besar dari nilai r kritis maka dapat disimpulkan bahwa butir-butir instrument penelitian
tersebut reliable.
3. UJI NORMALITAS
a. Pengertian Uji Normalitas
Uji Normalitas adalah uji untuk mengukur apakah data kita memiliki distribusi
normal atau tidak. Jika distribusi (sebaran) data normal, maka rumus uji hipotesis
yang akan digunakan adalah jenis uji yang termasuk ke dalam statistik parametrik.
Dan jika tidak terdistribusi normal, maka menggunakan statistik non parametrik.
Pada Explore, klik Plots. Centang Normality plots with tests – klik Continue.
Akan muncul output seperti berikut.
(Kolmogorov-Smirnov)
Hipotesis: H0 = Data sampel berasal dari distribusi normal
H1 = Data sampel berasal dari distribusi tidak normal
Tingkat signifikansi: 0,05
Syarat: Jika nilai lilieforshitung ≤ lilieforstabel maka H0 diterima atau H1 ditolak
Jika nilai lilieforshitung > lilieforstabel maka H0 ditolak atau H1 diterima
Tabel Liliefors:
Probabilitas
df
0.01 0.05 0.1 0.2 0.3
1 1.03100 0.88600 0.80500 0.76800 0.73600
2 0.72903 0.62650 0.56922 0.54306 0.52043
3 0.59525 0.51153 0.46477 0.44341 0.42493
4 0.51550 0.44300 0.40250 0.38400 0.36800
5 0.46108 0.39623 0.36001 0.34346 0.32915
6 0.42090 0.36171 0.32864 0.31353 0.30047
7 0.38968 0.33488 0.30426 0.29028 0.27818
8 0.36451 0.31325 0.28461 0.27153 0.26022
9 0.34367 0.29533 0.26833 0.25600 0.24533
10 0.32603 0.28018 0.25456 0.24286 0.23274
11 0.31086 0.26714 0.24272 0.23156 0.22191
12 0.29762 0.25577 0.23238 0.22170 0.21246
13 0.28595 0.24573 0.22327 0.21300 0.20413
14 0.27555 0.23679 0.21515 0.20526 0.19670
15 0.26620 0.22876 0.20785 0.19830 0.19003
16 0.25775 0.22150 0.20125 0.19200 0.18400
17 0.25005 0.21489 0.19524 0.18627 0.17851
18 0.24301 0.20883 0.18974 0.18102 0.17348
19 0.23653 0.20326 0.18468 0.17619 0.16885
20 0.23054 0.19812 0.18000 0.17173 0.16457
21 0.22498 0.19334 0.17567 0.16759 0.16061
22 0.21981 0.18890 0.17163 0.16374 0.15692
23 0.21498 0.18474 0.16785 0.16014 0.15347
24 0.21045 0.18085 0.16432 0.15677 0.15024
25 0.20620 0.17720 0.16100 0.15360 0.14720
26 0.20220 0.17376 0.15787 0.15062 0.14434
Keputusan Uji: nilai lilieforshitung = 0,093 dan nilai lilieforstabel untuk signifikansi 0,05
dan df 26 = 0,17376. Karena lilieforshitung < lilieforstabel maka keputusannya adalah H1
ditolak atau H0 diterima
Kesimpulan: Jadi, dengan tingkat signifikansi 0,05 didapatkan kesimpulan bahwa
data sampel berasal dari data distribusi normal
(Shapiro-Wilk)
Hipotesis: H0 = Data sampel berasal dari distribusi normal
H1 = Data sampel berasal dari distribusi tidak normal
Tingkat signifikansi: 0,05
Syarat: Jika sig. > 0,05 maka H0 diterima
Jika sig. ≤ 0,05 maka H0 ditolak atau H1 diterima
Keputusan Uji: Karena nilai sig. = 0,758 dan > 0,05 maka keputusannya adalah H1
ditolak atau H0 diterima
Kesimpulan: Jadi, dengan tingkat signifikansi 0,05 didapatkan kesimpulan bahwa
data sampel berasal dari data distribusi normal
a. Kesimpulan
Dengan tingkat signifikansi 0,05 baik dilihat dari sudut pandang uji normalitas dengan
kolmogorov-smirnov maupun uji normalitas shapiro-wilk dapat disimpulkan bahwa
data sampel berasal dari data distribusi normal
4. UJI HOMOGENITAS
a. Pengertian Uji Homogenitas
Pengujian homogenitas adalah pengujian mengenai sama tidaknya variansi-
variansi dua buah distribusi atau lebih. Uji homogenitas variansi (variance) sangat
diperlukan sebelum kita membandingkan dua kelompok atau lebih, agar
perbedaan yang ada bukan disebabkan oleh adanya perbedaan data dasar (ketidak
homogenan kelompok yang dibandingkan).
ketik “1” pada kotak Value dan “Eksperimen” pada Label, lalu “2” pada kotak
Value dan “Kontrol” pada Label
Masuk ke Data View. Masuka angka “1” yang berarti itu data eksperimen dan “2”
yang berarti itu data kontrol. Hasilnya sebagai beikut :
Selanjutnya untuk menguji apakah data tersebut homogen atau tidak, dapat
dilakukan dengan cara Klik Analyze – Compare Means – One Way ANOVA.
Kemudian masukkan variabel nilai ke kotak Dependent List dan variabel faktor ke
kotak Factor, selanjutnya klik Options… dan berikan centang pada Homogeneity
of variance test kemudian klik Continue dan OK.
(Dengan Tabel F)
Hipotesis: H0 = Data sampel berasal dari distribusi yang homogen
H1 = Data sampel berasal dari distribusi yang tidak homogen (heterogen)
Tingkat signifikansi: 0,05
Syarat: Jika Fhitung ≤ Ftabel maka H0 diterima atau H1 ditolak
Jika Fhitung > Ftabel maka H1 diterima atau H0 ditolak
Keputusan Uji: nilai Fhitung = 0,002 dan nilai Ftabel untuk signifikansi 0,05 dan df1(1)
dan df2(50) = 4,03. Karena Fhitung < Ftabel maka keputusannya adalah H0 diterima atau
H1 ditolak
Kesimpulan: Jadi, dengan tingkat signifikansi 0,05 didapatkan kesimpulan bahwa
data sampel berasal dari data distribusi yang homogen