STATISTIKA PENELITIAN
M. ARIF NUR C
Kata Pengantar
Penulis
DAFTAR ISI
COVER ..........................................................................................................................
KATA PENGANTAR ...................................................................................................
A. ANALISIS UJI ........................................................................................................
1.1. Uji Validitas ...................................................................................................
1.2. Uji Daya Pembeda .........................................................................................
1.3. Uji Tingkat Kesukaran ...................................................................................
1.4. Langkah-Langkah Menguji Validitas, Reliabilitas, Daya Pembeda dan Tingkat
Kesukaran dengan Menggunakan Excel ..........................................
B. UJI PRASYARAT DATA AWAL .........................................................................
2.1. Uji Normalitas ..................................................................................................
2.2. Uji Homogenitas ..............................................................................................
C. UJI ANALISIS HIPOTESIS ...................................................................................
3.1. Uji Ketuntasan Kemampuan Komunikasi Matematis ......................................
3.1.1. Uji Ketuntasan Individu Kemampuan Komunikasi Matematis ....................
3.1.2. Uji Ketuntasan Klasikal Kemampuan Komunikasi Matematis ....................
D. UJI PENGARUH ....................................................................................................
4.1. Uji Pengaruh Keaktifan terhadap Prestasi Belajar ...........................................
4.1.1. Uji Keberartian Pengaruh Keaktifan terhadap Prestasi Belajar ....................
4.1.2. Uji Linear Keaktifan .....................................................................................
4.1.3. Besar Pengaruh antara Keaktifan terhadap Prestasi Belajar .........................
E. UJI KEPRAKTISAN ..............................................................................................
F. LANGKAH-LANGKAH MEMBUAT SOAL PILIHAN GANDA MENGGUNAKAN
GOOGLE FORMULIR ..........................................................
G. LANGKAH-LANGKAH PEMBUATAN KUIS DI KAHOOT ............................
H. UJI BEDA RATA-RATA .......................................................................................
I. UJI BANDING .......................................................................................................
J. UJI KOLINEARITAS ............................................................................................
K. UJI OTOKORELASI ..............................................................................................
L. UJI PARK ...............................................................................................................
M. UJI GLEJSER .........................................................................................................
DAFTAR PUSTAKA ....................................................................................................
GLOSARIUM ................................................................................................................
INDEKS .........................................................................................................................
BIODATA PENULIS ....................................................................................................
A. ANALISIS UJI
1.1. Uji Validitas
Langkah-Langkah :
1) Buka program SPSS , pilih Variable View di bagian bawah. Isikan di kolom
Name “Item_1 sampai Item_10 (karena jumlah item soal sampai 10)”
terakhir tulis Skor_Total dengan decimals diubah bernilai 0, untuk bagian
Measure pilih Scale, abaikan saja untuk pilihan lainnya.
2) Pilih Data View di samping Variable View dan masukan data skor angket.
3) Selanjutnya pilih menu Analyze, kemudian pilih sub menu Correlate, lalu
pilih Bivariate.
4) Kemudian muncul kotak baru, dari kotak dialog”Bivariate Correlations”,
masukkan semua variable ke kotak Variables. Pada bagian”Correlation
Cofficients” centang bagian Pearson, pada bagian “Test of Significance”
pilih Two- tailed. Centang Flag significant correlations lalu klik OK.
5) Selanjutnya akan muncul output hasilnya.
Correlations
Item_1 Item_2 Item_3 Item_4 Item_5 Item_6 Item_7 Item_8 Item_9 Item_10 Skor_Total
* ** ** * ** ** * **
Pearson 1 .467 .710 .385 .602 .553 .404 .727 .751 .491 .754
Correlatio
n
Item_1 Sig. (2- .038 .000 .093 .005 .011 .077 .000 .000 .028 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
* ** ** ** ** ** ** ** **
Pearson .467 1 .580 .627 .614 .645 .781 .693 .439 .812 .842
Correlatio
n
Item_2 Sig. (2- .038 .007 .003 .004 .002 .000 .001 .053 .000 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
** ** ** ** ** * * **
Pearson .710 .580 1 .419 .772 .648 .624 .478 .429 .535 .780
Correlatio
n
Item_3
Sig. (2- .000 .007 .066 .000 .002 .003 .033 .059 .015 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
** ** * ** ** * **
Pearson .385 .627 .419 1 .729 .469 .580 .669 .280 .545 .713
Correlatio
n
Item_4 Sig. (2- .093 .003 .066 .000 .037 .007 .001 .232 .013 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
** ** ** ** ** ** ** * * **
Pearson .602 .614 .772 .729 1 .741 .661 .647 .515 .499 .855
Correlatio
n
Item_5 Sig. (2- .005 .004 .000 .000 .000 .002 .002 .020 .025 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
* ** ** * ** ** ** * ** **
Pearson .553 .645 .648 .469 .741 1 .773 .690 .515 .701 .852
Correlatio
n
Item_6 Sig. (2- .011 .002 .002 .037 .000 .000 .001 .020 .001 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
** ** ** ** ** ** ** **
Pearson .404 .781 .624 .580 .661 .773 1 .655 .304 .784 .832
Item_7 Correlatio
n
Sig. (2- .077 .000 .003 .007 .002 .000 .002 .193 .000 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
** ** * ** ** ** ** ** ** **
Pearson .727 .693 .478 .669 .647 .690 .655 1 .670 .767 .871
Correlatio
n
Item_8 Sig. (2- .000 .001 .033 .001 .002 .001 .002 .001 .000 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
** * * ** **
Pearson .751 .439 .429 .280 .515 .515 .304 .670 1 .325 .650
Correlatio
n
Item_9 Sig. (2- .000 .053 .059 .232 .020 .020 .193 .001 .163 .002
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
* ** * * * ** ** ** **
Pearson .491 .812 .535 .545 .499 .701 .784 .767 .325 1 .811
Correlatio
Item_1 n
0 Sig. (2- .028 .000 .015 .013 .025 .001 .000 .000 .163 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
** ** ** ** ** ** ** ** ** **
Pearson .754 .842 .780 .713 .855 .852 .832 .871 .650 .811 1
Correlatio
Skor_ n
Total Sig. (2- .000 .000 .000 .000 .000 .000 .000 .000 .002 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
*. Correlation is significant at the 0.05 level (2-tailed).
**. Correlation is significant at the 0.01 level (2-tailed).
Kesimpulan :
Pengambilan keputusan berdasarkan nilai r hitung dengan nilai r table:
Berdasarkan output “Correlations” diketahui nilai r hitung (nilai Pearson
Correlations Item_1 dengan Skor_Total) adalah 0,754. Nilai r table untuk
N=20 pada signifikansi 5% yaitu 0,444. Maka r hitung item_1 (0,754) > r
table (0,444) jadi dapat disimpulkan Item_1 Valid Pengambilan
keputusan Sig(2-tailed):
Berdasarkan output “Correlations” diketahui nilai Sig(2-tailed) untuk
hubungan atau korelasi Item_1 dengan Skor_Total adalah 0,000 < 0,05 dan
Pearson Correlations bernilai positif sebesar 0,754, maka dapat
disimpulkan bahwa Item_1 adalah Valid
Catatan: Untuk mengetahui kevalidan item soal 2 sampai seterusnya dapat
menggunakan cara analisis seperti diatas.
Uji coba telah dilakukan dan hasil yang didapatkan adalah sebagai berikut.
Hasil Uji Coba Butir Soal Validitas:
Kriteria Validitas Nomor Butir Soal
Valid 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
Tidak Valid -
Skala Keterangan
< 0,19 Kurang baik (Harus dibuang)
0,20 – 0,29 Cukup
0,30 – 0,39 Baik
> 0,40 Sangat Baik
R hitung dilihat dari nilai Pearson Correlation pada uji validitas
Correlations
Item_1 Item_2 Item_3 Item_4 Item_5 Item_6 Item_7 Item_8 Item_9 Item_10 Skor_Total
* ** ** * ** ** * **
Pearson 1 .467 .710 .385 .602 .553 .404 .727 .751 .491 .754
Correlatio
n
Item_1 Sig. (2- .038 .000 .093 .005 .011 .077 .000 .000 .028 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
* ** ** ** ** ** ** ** **
Pearson .467 1 .580 .627 .614 .645 .781 .693 .439 .812 .842
Correlatio
n
Item_2
Sig. (2- .038 .007 .003 .004 .002 .000 .001 .053 .000 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
** ** ** ** ** * * **
Pearson .710 .580 1 .419 .772 .648 .624 .478 .429 .535 .780
Correlatio
n
Item_3 Sig. (2- .000 .007 .066 .000 .002 .003 .033 .059 .015 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
** ** * ** ** * **
Pearson .385 .627 .419 1 .729 .469 .580 .669 .280 .545 .713
Correlatio
n
Item_4 Sig. (2- .093 .003 .066 .000 .037 .007 .001 .232 .013 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
** ** ** ** ** ** ** * * **
Pearson .602 .614 .772 .729 1 .741 .661 .647 .515 .499 .855
Correlatio
Item_5 n
Sig. (2- .005 .004 .000 .000 .000 .002 .002 .020 .025 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
* ** ** * ** ** ** * ** **
Pearson .553 .645 .648 .469 .741 1 .773 .690 .515 .701 .852
Correlatio
n
Item_6 Sig. (2- .011 .002 .002 .037 .000 .000 .001 .020 .001 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
** ** ** ** ** ** ** **
Pearson .404 .781 .624 .580 .661 .773 1 .655 .304 .784 .832
Correlatio
n
Item_7 Sig. (2- .077 .000 .003 .007 .002 .000 .002 .193 .000 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
** ** * ** ** ** ** ** ** **
Pearson .727 .693 .478 .669 .647 .690 .655 1 .670 .767 .871
Correlatio
n
Item_8 Sig. (2- .000 .001 .033 .001 .002 .001 .002 .001 .000 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
** * * ** **
Pearson .751 .439 .429 .280 .515 .515 .304 .670 1 .325 .650
Correlatio
Item_9 n
Sig. (2- .000 .053 .059 .232 .020 .020 .193 .001 .163 .002
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
* ** * * * ** ** ** **
Pearson .491 .812 .535 .545 .499 .701 .784 .767 .325 1 .811
Correlatio
Item_1 n
0 Sig. (2- .028 .000 .015 .013 .025 .001 .000 .000 .163 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
** ** ** ** ** ** ** ** ** **
Pearson .754 .842 .780 .713 .855 .852 .832 .871 .650 .811 1
Correlatio
Skor_ n
Total Sig. (2- .000 .000 .000 .000 .000 .000 .000 .000 .002 .000
tailed)
N 20 20 20 20 20 20 20 20 20 20 20
*. Correlation is significant at the 0.05 level (2-tailed).
**. Correlation is significant at the 0.01 level (2-tailed).
Maka hasil yang diperoleh untuk soal item nomer satu pada kolom skor_total
adalah 0,754 yang berarti soal SANGAT BAIK.
Uji coba telah dilakukan dan hasil yang memiliki kriteria daya pembeda adalah
sebagai berikut:
Kriteria Daya Pembeda Nomor Butir Soal
Kurang -
Cukup -
Baik -
Sangat Baik 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
Reliability Statistics
Cronbach's N of Items
Alpha
.936 10
Item Statistics
Mean Std. Deviation N
Item_1 3.30 .657 20
Item_2 3.15 .875 20
Item_3 3.20 .768 20
Item_4 2.95 .686 20
Item_5 3.10 .852 20
Item_6 3.05 .826 20
Item_7 3.15 .813 20
Item_8 3.25 .716 20
Item_9 2.80 .768 20
Item_10 3.10 .718 20
Nilai Kriteria
0,000 – 0,200 Reliabilitas Sangat Rendah
0,201 – 0,400 Reliabilitas Rendah
0,401 – 0,600 Reliabilitas Sedang
0,601 – 0,800 Reliabilitas Tinggi
0,801 – 1,000 Reliabilitas Sangat Tinggi
Maka dapat disimpulkan angket ini memiliki tingkat reliabilitas sangat
tinggi.
Uji coba telah dilakukan dan hasil yang didapatkan r11 = 0,936 dengan
rtabel = 0,444 dan n = 20 pada taraf signifikan sebesar 5 % . Karena hasil
yang diperoleh r11 > rtabel maka butir soal tersebut Reliabel.
1.4. Uji Tingkat Kesukaran
Langkah-Langkah :
1) Buka program SPSS , pilih Variable View di bagian bawah. Isikan di kolom
Name “Item_1 sampai Item_10 (karena jumlah item soal sampai 10)”
terakhir tulis Skor_Total dengan decimals diubah bernilai 0, untuk bagian
Measure pilih Scale, abaikan saja untuk pilihan lainnya.
2) Pilih Data View di samping Variable View dan masukan data skor angket.
3) Selanjutnya klik menu Analyze, pilih sub menu Descriptive Statistics lalu
klik Frequencies
4) Kemudian muncul kotak baru, dari kotak dialog “Frequencies”, masukkan
variable item_1 sampai dengan item_10 ke kotak Variables. Lalu klik
statistics pada Central Tendency pilih opsi Mean klik continue lalu OK.
Hasil Output
Statistics
Item_1 Item_2 Item_3 Item_4 Item_5 Item_6 Item_7 Item_8 Item_9 Item_10
Valid 20 20 20 20 20 20 20 20 20 20
N
Missing 2 2 2 2 2 2 2 2 2 2
Mean 3.30 3.15 3.20 2.95 3.10 3.05 3.15 3.25 2.80 3.10
Frequency Tabel
Item_1
Frequency Percent Valid Percent Cumulative
Percent
2 2 9.1 10.0 10.0
3 10 45.5 50.0 60.0
Valid
4 8 36.4 40.0 100.0
Analisis: dari hasil yang ditunjukkan MEAN pada table statistics ditafsirkan pada rentang
tingkat kesukaran yaitu:
Skala Keterangan
0,00 – 0,30 Sukar
0,31 – 0,70 Sedang
0,71 – 1,00 Mudah
Maka untuk soal nomor satu, diperoleh nilai 0,330 yang berarti tingkat
kesukaran soal nomor satu adalah SEDANG. Uji coba telah dilakukan dan
hasil yang didapatkan adalah sebagai berikut:
Kriteria Tingkat Kesukaran Nomor Butir Soal
Mudah 1, 2, 3, 5, 7, 8, 10
Sedang
Sukar 4,6,9
Hasil keputusan akhir:
Analisis Uji Coba Butir Soal dilakukan dari 8 butir soal. Setelah diuji coba
peneliti mengambil soal yang digunakan dalam evaluasi yaitu no 1, 2, 3, 4,
5, 6, 7, 8, 9, 10.
Deviation
Most Extreme Absolute .135 .151
Differences Positive .087 .107
Negative -.135 -.151
Test Statistic .135 .151
c c
Asymp. Sig. (2-tailed) .063 .022
a. Test distribution is Normal.
c. Lilliefors Significance
Ketentuan Atau,
ANOVA
Gabungan
Sum of
df Mean Square F Sig.
Squares
Between 70.313 1 70.313 .333 .566
Groups
Within Groups 16492.075 78 211.437
Total 16562.387 79
Dari tabel di atas didapatkan signifikan 0,985 > 0,05 . Jadi dapat
disimpulkan bahwa H0 diterima yaitu data homogen/ memiliki varian
yang sama.
C. UJI ANALISIS HIPOTESIS
3.1. Uji Ketuntasan Kemampuan Komunikasi Matematis
3.1.1. Uji Ketuntasan Individu Kemampuan Komunikasi Matematis
Uji Ketuntasan Individu Kemampuan Komunikasi Matematis individual ini
digunakan untuk mengetahui kemampuan komunikasi matematis peserta
didik dapat mencapai ketuntasan atau tidak. Kemampuan Komunikasi
Matematis peserta didik dikatakan tuntas jika mendapatkan nilai lebih dari
atau sama dengan 72. (menguji data nilai kelas eksperimen)
Langkah- langkah melakukan uji ketuntasan:
1) Jalankan program SPSS 22, pilih Variable View di bagian bawah.
2) Isikan di kolom Name “VIIB_Eksperimen” di baris pertama dengan
decimals bernilai 0.
3) Pilih Data View di samping Variable View dan masukan data n i l a i
VIIB_Eksperimen.
4) Pilih menu Analyze → Compare Mean → One Sample T Test.
5) Masukan variabel VIIB_Eksperimen ke kotak Test Variable(s) dan
isikan 72 di kotak Test Value
6) Klik tombol Option maka muncul kotak dialog One-Sample T Test :
Option.
Secara default Confidence Interval bernilai 95% dan Missing Values
terpilih Exclude cases analysis by analysis yang berarti hanya data yang
valid yang digunakan dalam analisis.
7) Klik tombol Continue.
8) Lalu klik OK sehingga muncul hasil output.
H0: 72 (nilai rata-rata kemampuan komunikasi matematis
mencapai KKM)
H1: 72 (nilai rata-rata kemampuan komunikasi matematis tidak
mencapai KKM)
One-Sample Statistics
Std. Std. Error
N Mean
Deviation Mean
One-Sample Test
Test Value = 72
95% Confidence
Interval of the
Sig. (2- Mean Difference
tailed) Difference
t df Lower Upper
Kriteria yang digunakan dalam uji t yaitu jika harga thitung ttabel maka
diterima H0. Berikut ini hasil perhitungan thitung,
t= = = = = -1,302
Berdasarkan table berdistribusi t dengan dk = n-1 = 40-1 = 39 diperoleh
ttabel 1,6848. Jadi thitung = -1,302 < ttabel = 1,6848. Karena thitung <
ttabel (-1,302 < 1,6909), maka H0 ditolak. Hal Ini dapat disimpulkan
bahwa kemampuan komunikasi matematis peserta didik pada
pembelajaran model problem possing dengan pembelajaran inkuiri
tidak dapat mencapai KKM.
3.1.2. Uji Ketuntasan Klasikal Kemamuan Komunikasi Matematis
Uji ketuntasan kemampuan komunikasi matematis klasikal ini digunakan
untuk mengetahui kemampuan komunikasi matematis peserta didik dapat
mencapai ketuntasan secara klasikal. Kriteria ketuntasan adalah peserta didik
yang mencapai ketuntasan klasikal minimal sebesar 80% peserta didik tuntas.
Uji hipotesis menggunakan uji proporsi satu pihak yaitu pihak kiri.
Z=
Z= = = =
= Z = -5,556
Dari tabel di atas didapatkan signifikan 0,000 dari taraf signifikan yang
ditentukan peneliti yaitu 0,05 dapat disimpulkan bahwa 0,000 < 0,05
maka tolak H0 yaitu persamaan linier atau terjadi hubungan linear antara
keaktifan siswa dengan prestasi belajar.
Petunjuk :
a. Pada angket ini terdapat pernyataan. Pertimbangkan baik-baik setiap
pernyataan dalam kaitannya dengan materi pembelajaran yang baru
dipelajari.
b. Pertimbangkan setiap pernyataan berdasarkan kebenaran anda alami,
jawaban anda terhadap satu pernyataan tidak dipengaruhi oleh jawaban
dari pernyataan lain.
c. Pilihlah jawaban pernyataan dengan cara memberi tanda ceklist (√ ) pada
kolom yang dianggap paling sesuai.
Keterangan Pilihan Jawaban:
4 Sangat Setuju
3 Setuju
2 Tidak Setuju
1 Sangat Tidak Setuju
2) Analisis Nilai
Interpretasi skor perhitungan :
Nilai Maksimal (Y) = skor tertinggi likert x jumlah
responden = 4 x 15 = 60
Nilai Minimal (X) = skor terendah likert x jumlah
responden = 1 x 15 = 15
Jumlah: 838,33
Rata- rata= 838,33 : 10 = 83,83
Tabel Kriteria pemberian nilai praktikalitas
Nilai Praktikalitas (%) Kriteria Reabilitas
86 – 100 Sangat Praktis
76–85 Praktis
60–75 Cukup Praktis
55–59 Kurang Praktis
≤ 54 Tidak Praktis
- Klik tombol Define Groups dan isikan 1 di Group 1 dan 2 di Group 2 dan klik
tombol continue.
- Klik OK sehingga muncul hasil sebagai berikut.
NILAI
KELAS EKSPERIMEN KELAS KONTROL
38.00 85.00
51.00 75.00
51.00 42.00
49.00 81.00
35.00 55.00
70.00 59.00
65.00 63.00
77.00 66.00
68.00 74.00
72.00 77.00
78.00 70.00
80.00 65.00
73.00 77.00
71.00 68.00
69.00 72.00
58.00
38.00
42.00
47.00
50.00
49.00
36.00
73.00
82.00
H1 : 1≠ 2 (ada perbedaan nilai rata-rata kemampuan jarimatika antara kelas eksperimen dan kelas kontrol).
Berikut ini adalah hasil uji beda rata-rata dengan melihat baris Equal variances
assumed pada kolom sig (2-tailed).
Kriteria analisis :
Jika nilai sig < 5% (0,05) maka H0 ditolak dan H1 diterima
Jika nilai sig > 5% (0,05) maka H0 diterima dan H1 ditolak
Karena hasil dari tabel tadi adalah sig 0,011 < 0,05 maka H 1 diterima. Maka hasilnya
ada perbedaan nilai rata-rata kemampuan jarimatika antara kelas eksperimen dan
kelas kontrol.
UJI BANDING
Kemampuan Jarimatika Kelas Eksperimen Dan Kelas Kontrol
Hipotesis Penelitian:
H0 : 1 ≤ 2 (nilai rata-rata kemampuan jarimatika kelas eksperimen lebih kecil atau sama dengan kelas kontrol).
H1 : 1 > 2 (nilai rata-rata kemampuan jarimatika kelas eksperimen lebih besar dari kelas kontrol).
Berikut ini adalah hasil dari uji banding dengan melihat tabel Group Statistic pada Uji
Independent Sample T-Test.
Group Statistics
Std. Std. Error
Faktor N Mean
Deviation Mean
Kelas 58.720
Kemampua Eksperimen 25 0 15.40433 3.08087
n
Jarimatika Kelas 15 68.600 10.96618 2.83146
Kontrol 0
Kriteria analisis :
Jika nilai Mean 1> Mean 2 maka diterima H1.
Berdasarkan tabel penelitian tersebut diperoleh hasil 1 kelas eksperimen sebesar 58,72 dan 2 kelas kontrol sebesar 68,60. Sehingga hasil yang
diperoleh adalah 1 < 2 maka terima H0, dan dapat disimpulkan bahwa nilai rata-rata kemampuan jarimatika kelas eksperimen lebih kecil dari pada
kelas kontrol.
UJI KOLINEARITAS/MULTIKOLINEARITAS
A. Tujuan Praktikum
Melihat ada tidaknya hubungan yang sangat kuat/sempurna antar variabel
bebas (X) melalui uji Kolinearitas/Multikolinearitas.
Keterangan : istilah kolinearitas dipakai jika hanya ada dua variabel bebas,
sedangkan multkolinearitas digunakan jika jumlah variabel bebasnya lebih
dari dua.
B. Masalah Penelitian Pendidikan
1. Apakah hubungan yang kuat antara variabel kemampuan jarimatika
dengan konsep diri matematika ?
2. Apakah hubungan yang kuat antara variabel IQ dengan kemampuan
jarimatika ?
C. Kasus
Berikut ini disajikan data kemampuan jarimatika, konsep diri matematika, dan tingkat
penggunaan Jarimatika Siswa Bimbel Jarimatika Yogyakarta.
70 95 61
65 77 37
77 80 56
68 94 62
55 74 42
78 63 47
70 68 50
73 57 49
71 82 56
69 70 40
58 62 38
67 69 51
73 82 70
60 65 49
46 74 35
85 90 53
75 83 46
42 55 52
81 73 53
55 58 40
59 60 55
63 70 50
66 69 51
74 77 46
77 81 50
3. Pilih data view dan masukkan nilai kemampuan jarimatika, konsep diri
matematika, dan IQ Siswa sebagai berikut.
4. Uji VIF (Variance Inflation Factor) : dilakukan analisis dengan
menggunakan menu Analyze → Regression → Linear.
5. Masukkan variabel IQ ke kotak Dependent dan variabel
Kemampuan dan Konsep ke dalam kotak Independent(s).
E. Output
a
Variables Entered/Removed
Variables Variables
Model Entered Removed Method
1 Konsep,
b
. Enter
Kemampuan
a. Dependent Variable: Penggunaan
b. All requested variables entered.
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
a
1 .478 .228 .158 7.55209
a. Predictors: (Constant), Konsep, Kemampuan
a
ANOVA
Model Sum of Squares df Mean Square F Sig.
b
1 Regression 371.410 2 185.705 3.256 .058
Residual 1254.750 22 57.034
Total 1626.160 24
a. Dependent Variable: IQ
b. Predictors: (Constant), Konsep, Kemampuan
Coefficients
a
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Collinearity Diagnostics
a
Variance Proportions
Model Dimension Eigenvalue Condition Index (Constant) Kemampuan Konsep
1 1 2.978 1.000 .00 .00 .00
A. Tujuan Praktikum
Mendeteksi keberadaan autokorelasi (hubungan antara nilai-nilai error dengan
waktu tertentu) dalam residual (kesalahan prediksi) dari analisis regresi atau
dengan kata lain mendeteksi hubungan antara error periode yang satu dengan
error periode lainnya.
Keterangan :
Dalam analisis regresi error haruslah bersifat independen dari error lainnya,
artinya error dari pengamatan yang satu bukanlah merupakan akibat dari error
pengamatan yang lain. Uji Otokorelasi khusus untuk data yang sifatnya time
series atau runtut waktu. Prasyarat ini harus dipenuhi sebelum dilakukan Uji
Otokorelasi.
C. Kasus
Berikut ini disajikan data kemampuan jarimatika, konsep diri matematika, dan IQ Siswa
Bimbel Jarimatika Yogyakarta.
70 95 61
65 77 37
77 80 56
68 94 62
55 74 42
78 63 47
70 68 50
73 57 49
71 82 56
69 70 40
58 62 38
67 69 51
73 82 70
60 65 49
46 74 35
85 90 53
75 83 46
42 55 52
81 73 53
55 58 40
59 60 55
63 70 50
66 69 51
74 77 46
77 81 50
D. Prosedur Analisis
1. Jalankan program spss 22, pilih Variable View dibagian bawah.
2. Isiskan di kolom Name “Kemampuan” untuk variabel kemampuan
jarimatika di baris pertama dengan decimals bernilai 2, “Konsep” untuk
variabel konsep diri matematika di baris ke dua dengan decimals bernilai
2, dan “IQ” untuk variabel IQ Siswa di baris ke tiga dengan decimals
bernilai 2.
3. Pilih data view dan masukkan nilai kemampuan jarimatika, konsep diri
matematika, dan IQ Siswa sebagai berikut.
4. Lakukan analisis dengan menggunakan menu Analyze → Regression →
Linear.
5. Masukkan variabel kemampuan jarimatika ke kotak Dependent, serta
variabel konsep diri matematika dan IQ siswa ke dalam kotak
Independent(s) sehingga akan terlihat seperti berikut.
E. Output
Variables Entered/Removed
a
Variables Variables
Model Entered Removed Method
b
1 IQ, Konsep . Enter
a. Dependent Variable: Kemampuan
b. All requested variables entered.
Model Summary
b
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
a
1 .531 .282 .217 9.26996 2.342
a. Predictors: (Constant), IQ, Konsep
b. Dependent Variable: Kemampuan
ANOVA
a
Model Sum of Squares df Mean Square F Sig.
b
1 Regression 743.335 2 371.667 4.325 .026
Residual 1890.505 22 85.932
Total 2633.840 24
Residuals Statistics
a
Minimum Maximum Mean Std. Deviation N
Predicted Value 58.7303 78.5000 67.0800 5.56527 25
Residual -18.92069 15.44592 .00000 8.87531 25
Std. Predicted Value -1.500 2.052 .000 1.000 25
Std. Residual -2.041 1.666 .000 .957 25
a. Dependent Variable: Kemampuan
Hipotesis Penelitian :
Ho : tidak terdapat autokorelasi positif dalam model regresi.
dl 1,206
du 1,550
4 – dl 2,794
4 - du 2,450
D. Prosedur Analisis
1. Jalankan program SPSS 22, pilih Variable View di bagian bawah.
2. Isikan di kolom Name “Kemampuan” untuk variabel kemampuan jarimatika di
baris pertama dengan decimals bernilai 2, “Konsep” untuk variabel konsep diri
matematika di baris ke dua dengan decimals bernilai 2, dan “Penggunaan”
untuk variabel tingkat penggunaan jarimatika di baris ke tiga dengan decimals
bernilai 2.
E. Output
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Penggunaan
/METHOD=ENTER Kemampuan Konsep
/SAVE RESID.
Regression
Variables Entered/Removed
a
Variables Variables
Model Entered Removed Method
1 Konsep,
b
. Enter
Kemampuan
a. Dependent Variable: Penggunaan
b. All requested variables entered.
b
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
a
1 .478 .228 .158 7.55209
a. Predictors: (Constant), Konsep, Kemampuan
b. Dependent Variable: Penggunaan
ANOVA
a
Model Sum of Squares df Mean Square F Sig.
b
1 Regression 371.410 2 185.705 3.256 .058
Residual 1254.750 22 57.034
Total 1626.160 24
a. Dependent Variable: Penggunaan
b. Predictors: (Constant), Konsep, Kemampuan
Coefficients
a
Standardized
Unstandardized Coefficients Coefficients
Residuals Statistics
a
Minimum Maximum Mean Std. Deviation N
Predicted Value 40.6914 56.8215 49.5600 3.93388 25
Residual -13.09010 17.26438 .00000 7.23058 25
Std. Predicted Value -2.254 1.846 .000 1.000 25
Std. Residual -1.733 2.286 .000 .957 25
a. Dependent Variable: Penggunaan
COMPUTE abs_res=abs(res_1).
VARIABLE LABELS abs_res 'Absolute Residu'.
EXECUTE.
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT abs_res
/METHOD=ENTER Kemampuan Konsep
/SAVE RESID.
Regression
Variables Entered/Removed
a
Variables Variables
Model Entered Removed Method
1 Konsep,
b
. Enter
Kemampuan
a. Dependent Variable: Absolute Residu
b. All requested variables entered.
b
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
a
1 .501 .251 .182 3.79607
a. Predictors: (Constant), Konsep, Kemampuan
b. Dependent Variable: Absolute Residu
a
ANOVA
Model Sum of Squares df Mean Square F Sig.
b
1 Regression 106.012 2 53.006 3.678 .042
a
Coefficients
Standardized
Unstandardized Coefficients Coefficients
a
Residuals Statistics
Minimum Maximum Mean Std. Deviation N
Predicted Value 1.8293 10.6425 5.7679 2.10170 25
Residual -4.30690 11.53055 .00000 3.63446 25
Std. Predicted Value -1.874 2.319 .000 1.000 25
Std. Residual -1.135 3.037 .000 .957 25
a. Dependent Variable: Absolute Residu
G. Tujuan Praktikum
Menguji error atau galat dalam model statistik untuk melihat apakah varians
atau keragaman dari error terpengaruh oleh faktor lain atau tidak dengan uji
homosedastisitas metode Uji Glejser.
Uji homoskedastisitas digunakan sebagai prasyarat uji regresi.
H. Masalah Penelitian Pendidikan
Apakah error yang dihasilkan dari sebuah persamaan garis regresi Y atas X1
dan X2 memiliki varians yang homogen ?
I. Kasus
Berikut ini disajikan data kemampuan jarimatika, konsep diri matematika, dan tingkat
penggunaan Jarimatika Siswa Bimbel Jarimatika Yogyakarta.
J. Prosedur Analisis
1. Jalankan program SPSS 22, pilih Variable View di bagian bawah.
2. Isikan di kolom Name “Kemampuan” untuk variabel kemampuan
jarimatika di baris pertama dengan decimals bernilai 2, “Konsep”
untuk variabel konsep diri matematika di baris ke dua dengan
decimals bernilai 2, dan “Penggunaan” untuk variabel tingkat
penggunaan jarimatika di baris ke tiga dengan decimals bernilai 2
e. Klik OK sehingga di dalam data view akan ditambahkan satu variabel lagi
yaitu sqr_res.
6. Meregresi nilai absolut error atas seluruh variabel bebas
a. Lakukan analisis dengan menggunakan menu Analyze →
Regression → Linear.
b. Masukkan variabel sqr_res ke kotak Dependent dan variabel
kemampuan dan konsep ke dalam kotak Independent(s) sehingga akan
terlihat sebagai berikut.
c. Klik OK sehingga keluar hasil analisis dengan SPSS sebagai berikut.
K. Output
Regression
a
Variables Entered/Removed
Variables Variables
Model Entered Removed Method
1 Konsep,
b
. Enter
Kemampuan
a. Dependent Variable: sqr_res
b. All requested variables entered.
b
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
a
1 .362 .131 .052 67.55022
a. Predictors: (Constant), Konsep, Kemampuan
b. Dependent Variable: sqr_res
a
ANOVA
Model Sum of Squares df Mean Square F Sig.
b
1 Regression 15161.413 2 7580.706 1.661 .213
Residual 100386.719 22 4563.033
Total 115548.132 24
a
Coefficients
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 101.321 104.545 .969 .343
Ketentuan :
Jika sig ≥ α (0,05), maka Ho ditolak.
Jika sig < α (0,05), maka Ho diterima.
https://www.spssindonesia.com/2014/02/download-ebook-spss-
gratis.html https://ebooks.gramedia.com/books/panduan-lengkap-
spss-versi-23 https://katresna72.wordpress.com/2011/06/14/istilah-
istilah-statistika/
https://swanstatistics.com/istilah-istilah-dalam-statistika/
GLOSARIUM
A
Analisis Regresi
Studi yang mempelajari hubungan antar variabel ini dikenal dengan analisis
regresi
Anova
Analysis of Variance (ANOVA) sama dengan analisis varians (ANAVA)
H
Hipotesis
Suatu proposisi atau anggapan yang mungkin benar, merupakan kemungkinan
jawaban atau masalah sari sebuah penelitian
Histogram
Diagram balok, karena frekuensi yang disajikan berbentuk balok
P
Penelitian
Aktivitas mencermati suatu objek tertentu melalui metodologi ilmiah dengan
mengumpulkan data-data dan dianalisis untuk menyelesaikan suatu masalah
R
Reliabilitas
Tingkat kemampuan instrument penelitian untuk mengumpulkan data secara
tetap dari sekelompok sampel
S
Signifikan
Penting
T
Tabel
Daftar berisi ikhtisar sejumlah (besar) data informasi, biasanya berupa kata-
kata dan bilangan yang tersusun secara bersistem, urut ke bawah lajur dan deret
tertentu dengan garis pembatas sehingga dapat mudah disimak.
V
Validitas
Tingkat kemampuan instrument penelitian untuk mengungkapkan data sesuai
dengan masalah yang hendak diungkapkannya
Variabel
Objek penelitian yang bervariasi, atau apa yang menjadi titik perhatian suatu
penelitian
INDEKS
A
Analisis Regresi 35
Anova 26, 37, 38
H
Hipotesis 22, 24, 28, 31, 33, 38, 39
P
Penelitian 19, 22, 35, 38, 39s
S
Signifikan 4, 8, 19, 24, 28, 35, 38, 39
T
Tabel 4, 8, 12, 14, 18, 22, 24, 28, 32, 33, 38, 39, 43, 47, 48
V
Variabel 19, 21, 22, 35, 37, 38, 39
BIODATA PENULIS