BUKU PANDUAN

STATISTIKA PENELITIAN

M. ARIF NUR C
 Kata Pengantar

Assalamualaikum Warrahmatullohi Wabarakatuh

Puji syukur dipanjatkan kehadirat Allah SWT, atas segala limpahan rahmat dan karunia-
Nya sehingga penyusunan Buku Panduan Praktikum Statistika Multivariat dapat diselesaikan
dengan baik. Buku panduan ini memuat langkah-langkah dan tata cara dalam melakukan
praktikum statistika multivariat yang diacu oleh mahasiswa program studi Pendidikan
Matematika. Buku Panduan ini ditujukan untuk memenuhi tugas serta kebutuhan informasi yang
diperlukan oleh para mahasiswa dan juga dosen yang akan terlibat dalam proses kegiatan
praktikum baik tata laksana, tata tertib dan prosedur yang perlu agar pelaksanaan dan dalam
pemerolehan hasil dapat berjalan dengan lebih baik lagi.
Selanjutnya diucapkan terima kasih dan penghargaan kepada semua pihak yang telah
memberi bantuan hingga selesainya Buku Panduan ini khususnya kepada Dosen Pengampu mata
kuliah Statistika Multivariat yaitu Bapak Iswahyudi Joko S, S.Si., M.Pd. Demikian semoga
bermanfaat.
Wassalamualaikum Warrahmatullahi Wabarakatuh

Semarang, November 2020

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).

Jika r hitung < r table, maka tidak valid

Jika r hitung > r table, maka valid
Ketentuan Atau
Jika signifikansi > 0,05 maka tidak valid
Jika signifikansi < 0,05 maka valid jika r hitungnya positif

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 -

1.2. Uji Daya Pembeda

Untuk menentukan daya pembeda, maka nilai perhitungan yang digunakan adalah r hitung
pada SPSS yang dibandingkan dengan kriteria dibawah ini. Kriteria daya pembeda (Arifin,
2013:33)

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

1.3. Uji Reliabilitas

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 masukkan data skor angket.
→ →
3) Pilih Analyze Scale Reliability Analysis.
4) Kemudian muncul kotak baru, dari kotak dialog”Reliability Analysis”,
masukkan variable item_1 sampai dengan item_10 ke kotak Variables. Pada
bagian Model pilih Alpha, klik statistics pada descriptives for pilih opsi
item klik continue lalu OK.
5) Kemudian keluar hasil output seperti dibawah ini

Case Processing Summary

N %
Valid 20 90.9
a
Cases Excluded 2 9.1
Total 22 100.0
a. Listwise deletion based on all variables in the
procedure.

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

Berdasarkan nilai Cronbach’s Alpha pada table Reliability Statistics

diperoleh nilai 0,936 dimana nilai ini dapat ditafsirkan dengan kriteria
Kriteria Reliabilitas (Akbar, 2013: 102)

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

Total 20 90.9 100.0

Missing System 2 9.1
Total 22 100.0

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.

1.5. Langkah-Langkah Uji Validitas, Reliabilitas, Daya Pembeda dan Tingkat

Kesukaran dengan Menggunakan Excel
1) Siapkan data angket yang ingin diuji. Buka program Ms. Excel, buatlah
beberapa tabel dan masukkan data angket.
2) Untuk menghitung Validitas dapat memasukan rumus fungsi Correl
=CORREL(Array1;Array2) lalu enter.
Keterangan:
Array1= Range untuk item soal (tiap butir soal)
Array2= Range skor total
3) Tuliskan r table(24,5%) yaitu 0,404, kemudian dalam menentukan valid
atau tidaknya suatu item soal menggunakan rumus fungsi IF dimana jika r
hitung > r table maka dinyatakan valid, dan sebaliknya.
4) Selanjutnya Mencari Daya Beda, langkah pertama mencari rata-rata skor
kelompok atas dan kelompok bawah dengan menggunakan rumus =
AVERAGE. Lalu tuliskan skor maksimal dari tiap item soal, dengan begitu
DP dapat dirumuskan =(rata-rata KA – rata-rata KB)/skor maksimal.
5) Untuk mengetahui kriteria daya pembeda tiap butir soal dapat memasukan
rumus IF dengan ketentuan kriteria:
Kriteria daya pembeda
Skala Keterangan
< 0,19 Kurang baik (Harus dibuang) Cukup
0,20 – 0,29 Baik
0,30 – 0,39 Sangat Baik
> 0,40
6) Mencari Tingkat Kesukaran, sesuai rumus (Arifin, 2013: 135) yaitu rata-
rata skor siswa dibagi skor maksimal. Rata- rata skor dicari dengan rumus
AVERAGE, kemudian untuk mengetahui kritera tingkat kesukaran dari
item soal menggunakan rumus IF.
Skala Keterangan
0,00 – 0,30 Sukar
0,31 – 0,70 Sedang
0,71 – 1,00 Mudah
B. UJI PRASYARAT DATA AWAL
2.1. Uji Normalitas
Uji Normalitas digunakan untuk mengetahui apakah data awal dari sampel
yang akan digunakan memiliki distribusi data yang normal atau tidak.
Langkah-langkah Uji Normalitas Menggunakan SPSS:
1) Buka program SPSS 22, pilih Variable View di bagian bawah.
2) Isikan di kolom Name “Kelas_VII_A” di baris pertama dengan decimals
bernilai 0 dan“Kelas_VII_B” di baris ke dua dengan decimals bernilai 0.
3) Pilih Data View dan masukan nilai kelas VII A dan kelas VII B
4) Klik menu Analyze →Nonparametric Tests → Legacy Dialogs → 1
Sample K-S. Masukan variable Kelas_VII_A dan Kelas_VII_B ke
kotak Test Variable List.
5) Klik OK sehingga muncul hasil analisis.
Tabel Hasil Analisis Normalitas Data Awal
One-Sample Kolmogorov-Smirnov Test
N 40 40
a,b
Normal Parameters Mean 67.15 69.03
Std. 14.626 14.455

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.

b. Calculated from data.

c. Lilliefors Significance

Correction. Berikut Hipotesisnya.

H0: Data berdistribusi normal

H1 : Data tidak berdistribusi normal

Adapun hasil analisis sebagai berikut.

Tabel One-Sample Kolmogorov-Smirnov Test menunjukkan

hasil analisis uji normalitas terhadap kedua variabel tersebut.
 Jika Asymp. Sig (2-tailes) ≥ α maka H0 diterima.

Ketentuan Atau,

Jika Asymp. Sig (2-tailes) < α maka H0 ditolak.

Berdasarkan hasil analisis di atas diperoleh :

1. Kelas VII A dengan Asymp. Sig (2-tailed = 0,063) ≥ α

(0,05) sehingga berdistribusi normal.
2. Kelas VII B dengan Asymp. Sig (2-tailed = 0,022) < α
(0,05) sehingga berdistribusi tidak normal.

2.2. Uji Homogenitas

Uji Homogenitas dilakukan untuk mengetahui apakah data berlaku
homogen atau memiliki varian yang sama atau tidak.
Langkah- langkah Uji Homogenitas
1) Buka aplikasi SPSS , pilih Variable View.
2) Isikan di kolom Name “Kelas_VII_A”, “Kelas_ VII_B”, “Kelas”, dan
“Gabungan” dengan decimals bernilai 0.
3) Pilih Data View dan masukan data nilai kelas VII A dan kelas VII B.
Untuk data kelas diisi dengan indeks 1 sebanyak jumlah data nilai siswa
kelas VII dan indeks 2 untuk kelas VII B kemudian gabungan ditulis
data nilai kelas VII A dan kelas VII B.
4) Klik menu Analyze →Compare mean → One Way ANOVA.
Masukan variable Kelas ke Factor dan Gabungan ke Dependent List,
kemudian klik Options pada bagian Statistics centang(v) Homogenity
of variance test, pada bagian Missing Values pilih Exclude cases
analysis by analysis lalu klik Continue
5) Klik OK sehingga muncul hasil
analisis. Berikut Hipotesisnya.
2 2
H0 : 1 = 2 (kelas VII A = kelas VII B, data memiliki varian yang sama)
2 2
H1: 1 ≠ 2 (kelas VII A ≠ kelas VII B, data tidak memiliki varian
yang sama)
Adapun hasil analisis sebagai berikut.
Tabel Hasil Analisis Homogenitas Data Awal
Test of Homogeneity of Variances
Gabungan
 Levene
df1 df2 Sig.
Statistic
.000 1 78 .985

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

VIIB_Eksperim 40 69.03 14.455 2.286

en

One-Sample Test
Test Value = 72
 95% Confidence
Interval of the
Sig. (2- Mean Difference
tailed) Difference
t df Lower Upper

VIIB_Eksperi -1.302 39 .201 -2.975 -7.60 1.65

men

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.

x= siswa yang tuntas kkm(72)

Hipotesis:
H0 : (proporsi peserta didik yang mencapai KKM lebih dari atau sama
dengan 80%)
H1 : (proporsi peserta didik yang mencapai KKM kurang dari
80%)
Kriteria yang digunakan untuk uji propose yaitu tolak H0 jika Zhitung -
Z0,5- dimana Z0,5- = Ztabel didapat dari daftar normal baku dengan
peluang (0,5 (Sudjana,2001:235). Berikut ini hasil perhitungan Zhitung.

Z=
Z= = = =

= Z = -5,556

Berdasarkan daftar normal baku dengan = 0,05 atau 5% didapatkan

Z0,5-0,05

= Z0,45, dan Z0,45 = Z0,45 = 0,6736. Berdasarkan perhitungan uji ketuntasan

klasikal Zhitung = -5,556 0,45 = maka terima H1 dan tolak H0. Jadi, kelas
eksperimen tidak mencapai ketuntasan secara klasikal. Selain perhitungan
dengan Zhitung, besarnya presentase peserta didik yang mendapat model

pembelajaran problem pssing yang mencapai KKM adalah × 100% = 45%.

Hal ini dapat disimpulkan bahwa presentase peserta didik yang mencapai
KKM pada kelas eksperimen secara klasikal belum melebihi 80%.
D. UJI PENGARUH
Uji pengaruh dilakukan untuk mengetahui apakah terdapat pengaruh antara
variabel dalam penelitian. Variabel dalam penelitian ini adalah keaktifan untuk
variabel bebas dan prestasi belajar untuk variabel terikat.
4.1. Uji Pengaruh Keaktifan terhadap Prestasi Belajar
4.1.1. Uji Keberartian Pengaruh Keaktifan terhadap Prestasi Belajar
Uji keberartian dilakukan apakah keaktifan memiliki pengaruh atau tidak
terhadap prestasi belajar.
Langkah-langkahnya:
1) Jalankan program SPSS 22, pilih Variable View di bagian bawah.
2) Isikan di kolom Name “Prestasi_belajar” di baris pertama dengan
decimals bernilai 2, dan “Keaktifan” di baris ke dua dengan decimals
bernilai 2.
3) Pilih Data View dan masukan nilai Prestasi belajar dan Keaktifan sebagai
berikut.
4) Lakukan analisisdengan menggunakan menu Analyze →
Regression → Linear.
5) Masukan variabel Prestasi_belajar ke kotak dependent (sebagai
Variabel Dependent/ terikat) dan Keaktifan ke kotak independent
(sebagai Variabel Independent/bebas).
6) Klik OK sehingga akan muncul hasil
analisis. Berikut hipotesisnya.
H0 : β = 0 (keaktifan tidak memiliki pengaruh terhadap prestasi belajar)
H1: β ≠ 0 (keaktifan memiliki pengaruh terhadap prestasi belajar)
Berikut hasil yang didapatkan.
Tabel Hasil Analisis Pengaruh keaktifan
a
Coefficients
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -2.763 1.793 -1.541 .132
Keaktifan 1.058 .026 .989 40.808 .000
a. Dependent Variable: Prestasi_belajar

Analisis yang telah dilakukan menunjukkan bahwa signifikan 0,000,

dengan taraf signifikan yang ditentukan peneliti yaitu 0,05 dapat
 disimpulkan bahwa 0,000 < 0,05 maka kesimpulannya adalah terima H1
yaitu keaktifan memiliki pengaruh terhadap prestasi belajar.
Tabel di atas juga digunakan untuk mengetahui persamaaan regresi yaitu
dengan Y = a + bX maka persamaan regresinya adalah Y = -2.763 +
1.058 X artinya peningkatan keaktifan sebesar 1 satuan akan
meningkatkan prestasi belajar siswa sebesar 1,058.
4.1.2. Uji Linear Keaktifan
Uji Linier digunakan untuk mengetahui apakah persamaan bersifat linier
atau tidak.
Berikut hipotesisnya.
H0 : β = 0 (Persamaan Tidak Linier)
H1 : β ≠ 0 (Persamaan Linier)
Berikut hasil yang didapatkan.
Tabel Tabel Hasil Analisis Linier keaktifan
a
ANOVA
Sum of
Model df Mean Square F Sig.
Squares
b
1 Regression 7967.172 1 7967.172 1665.277 .000
Residual 181.803 38 4.784
Total 8148.975 39
a. Dependent Variable: Prestasi_belajar
b. Predictors: (Constant), Keaktifan

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.

4.1.3. Besar Pengaruh antara Keaktifan terhadap Prestasi Belajar

Analisa juga dilakukan tentang berapa besar pengaruh antara keaktifan
terhadap prestasi belajar. Berikut tabel regresinya.
Tabel Besar pengaruh Keaktifan terhadap prestasi belajar
Model Summary
Adjusted R Std. Error of
Model R R Square Square the Estimate
a
1 .989 .978 .977 2.18730
a. Predictors: (Constant), Keaktifan
Berdasarkan tabel di atas besar pengaruh antara keaktifan terhadap
prestasi belajar adalah 98% dipengaruhi oleh keaktifan dan 2 %
dipengaruhi oleh faktor lain.
E. UJI KEPRAKTISAN
1) Angket Uji Kepraktisan Media Pembelajaran Berbasis Android
ANGKET UJI KEPRAKTISAN
MEDIA PEMBELAJARAN BERBASIS ANDROID
“FUNGSI”

Mata pelajaran : Matematika Nama Siswa :

Kelas/ Semester : Hari/ Tanggal :

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

FORMAT UJI KEPRAKTISAN

Pilihan
No Pertanyaan
1 2 3 4
1 Desain media pembelajarn berbasis
Android yang digunakan menarik
2 Penggunaan media pembelajaran
berbasis Android sangat mudah
3 Video motivasi pada media
pembelajaran berbasis android
mendukung anda untuk lebih
menguasai materi fungsi
4 Animasi dalam media
pembelajaran Android ini
membantu anda untuk memahami
materi fungsi
5 Dengan adanya media
pembelajaran berbasis android dapat
memberikan motivasi untuk
mempelajari materi fungsi
 6 Penyampaian materi dalam media
pembelajaran berbasis Android ini
berkaitan dengan kehidupan sehari-
hari
7 Materi yang disajikan dala media
pembelajaran berbasis Android ini
mudah anda pahami
8 Media pembelajaran berbasis
Android ini memuat soal- soal
latihan yang dapat menguji
pemahaman anda tentang fungsi
9 Penyajian materi dalam media ini
membantu anda untuk menjawab
soal- soal
10 Bentuk model dan ukuran huruf
yang digunakan sederhana
dan
mudah dibaca

2) Analisis Uji Kepraktisan Media Pembelajaran Berbasis Android

ANALISIS UJI KEPRAKTISAN
PENGEMBANGAN MEDIA BERBASIS
ANDROID PADA MATERI FUNGSI
Tabel 1. Analisis Praktikalitas Seluruh Item
Pilihan Skor bobot Bob
No Pertanyaan Nilai
1 2 3 4 1 2 3 4 ot
1 Desain media 2 5 8 4 15 32 51 85
pembelajarn berbasis
Android yang
digunakan menarik
2 Penggunaan media 2 2 5 6 2 4 15 24 45 75
pembelajaran
berbasis Android
sangat mudah
3 Video motivasi pada 2 6 7 4 18 28 50 83,33
media pembelajaran
berbasis android
mendukung anda
untuk lebih
menguasai materi
 fungsi

4 Animasi dalam 1 1 4 9 1 2 12 36 52 86,67

media pembelajaran
Android
ini membantu
anda untuk
memahami
materi fungsi
5 Dengan adanya 7 8 21 32 53 88,33
media pembelajaran
berbasis android
dapat memberikan
motivasi untuk
mempelajari materi
fungsi
6 Penyampaian materi 1 3 9 2 1 6 27 8 42 70
dalam
media
pembelajaran
berbasis Android ini
berkaitan dengan
kehidupan
sehari-
hari
7 Materi yang 5 10 15 40 55 91,67
disajikan dala media
pembelajaran
berbasis Android ini
mudah anda pahami
 8 Media pembelajaran 2 7 6 4 21 24 49 81,67
berbasis Android ini

memuat soal- soal

latihan yang dapat
menguji pemahaman
anda tentang fungsi

9 Penyajian materi 2 3 10 4 9 40 53 88,33

dalam media ini
membantu anda
untuk menjawab
soal- soal

10 Bentuk model dan 1 5 9 2 15 36 53 88,33

ukuran huruf yang
digunakan sederhana
dan mudah dibaca

Jumlah 503 838,3

Rata-rata 50,3 83,83

Tabel 2. Analisis praktikalitas rata-rata per aspek

1) Analisis Bobot

T = Total jumlah responden yang memilih

Pn = Pilihan angka skor Likert

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

Berdasarkan nilai kepraktisan yang diperoleh 83,83 berarti media

pembelajaran ini berada dalam kriteria sangat praktis.
 UJI BEDA RATA-RATA
Kemampuan Jarimatika Kelas Eksperimen dan Kelas Kontrol

Uji analisis yang digunakan adalah uji Independent Sample T-Test.

Prosedur Analisis :
- Variable view (decimals = 0 dan 2)
- Data view

- Pilih menu Analyze → Compare Mean → Independent-Samples T Test.

- Masukan variabel Nilai ke Test Variable(s) dan Faktor ke Grouping Variable.

- 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

Berikut hipotesis yang digunakan:

H0 : 1= 2 (tidak ada perbedaan nilai rata-rata kemampuan jarimatika antara kelas eksperimen dan kelas kontrol).

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).

Independent Samples Test

Levene's Test for
Equality of t-test for Equality of Means
Variances
Std. 95% Confidence
Sig. Mean
Error Interval of the
F Sig. t df (2- Differe
Differe Difference
tailed) nce
nce Lower Upper
Kemamp Equal - - -
4.5510
uan variances 7.199 .011 2.17 38 .036 9.8800 19.093 -.66690
4
assumed 1 0 10
Jarimatik Equal
- - -
a variances 36.7 4.1843 -
2.36 .024 9.8800 18.360
not 36 6 1.39962
1 0 38
assumed

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.

Jika nilai Mean 1< Mean 2 maka H0 di terima.

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.

KEMAMPUAN KONSEP DIRI

JARIMATIKA MATEMATIKA IQ SISWA

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

Berdasarkan data di atas ujilah :

1. Ujilah apakah ada hubungan yang kuat antara variabel kemampuan
jarimatika dengan konsep diri matematika ?
2. Ujilah apakah ada hubungan yang kuat antara variabel IQ dengan
kemampuan jarimatika ?
Gunakan taraf signifikansi 5 %.
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 “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. 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).

6. Klik tombol Statistics... → klik Colinearity Diagnostics

→ klik Continue.
 7. Klik OK sehingga akan muncul hasil analisis sebagai berikut.

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

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) 20.043 11.688 1.715 .100

Kemampuan .184 .169 .234 1.086 .289 .756 1.322

Konsep .235 .160 .317 1.472 .155 .756 1.322

a. Dependent Variable: IQ

VIF (Variance Inflation Factor)

Collinearity Diagnostics
a
Variance Proportions
Model Dimension Eigenvalue Condition Index (Constant) Kemampuan Konsep
1 1 2.978 1.000 .00 .00 .00

2 .012 16.032 .41 .96 .10

3 .011 16.562 .59 .04 .90

a. Dependent Variable: IQ

Pembacaan Hasil Analisis

Untuk kepentingan uji multikolinearitas yang perlu ditafsirkan hanyalah

Tabel Coefficients.
Hipotesis Penelitian :
H0 : Terjadi kolinearitas antara variabel kemampuan
jarimatika dan konsep diri matematika.
H1 : Tidak terjadi kolinearitas antara variabel IQ dan
kemampuan jarimatika.
Ketentuan :
Yang perlu dilihat adalah nilai tolerance atau VIF.
Jika tolerance > 0,10 maka H0 ditolak.
Jika tolerance < 0,10 maka H0 diterima.
Atau
Jika VIF > 10, maka Ho diterima.
Jika VIF < 10, maka Ho ditolak.

Berdasarkan hasil analisis diatas menunjukkan bahwa nilai VIF yang

ditemukan adalah sebesar 1,322 atau toleransi 0,756. Oleh karena itu nilai
VIF < 10 atau toleransi > 0,10 sehingga H 0 ditolak. Dengan demikian
dapat disimpulkan bahwa tidak terjadi kolinearitas antara variabel IQ dan
kemampuan jarimatika.
 UJI OTOKORELASI

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.

B. Masalah Penelitian Pendidikan

Apakah terjadi otokorelasi untuk regresi variabel prestasi belajar atas variabel
uang saku dan motivasi belajar?

C. Kasus
Berikut ini disajikan data kemampuan jarimatika, konsep diri matematika, dan IQ Siswa
Bimbel Jarimatika Yogyakarta.

KEMAMPUAN KONSEP DIRI

JARIMATIKA MATEMATIKA IQ SISWA

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

Berdasarkan data di atas, ujilah apakah terjadi otokorelasi untuk regresi

variabel kemampuan jarimatika atas variabel konsep diri matematika dan IQ
Siswa ?

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.

6. Klik tombol Statistics → Durbin Watson Test → Continue.

 7. Klik OK sehingga akan muncul hasil analisis SPSS sebagai 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

a. Dependent Variable: Kemampuan

b. Predictors: (Constant), IQ, Konsep
 Coefficients
a
Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 25.780 14.253 1.809 .084

Konsep .377 .189 .400 1.995 .059

IQ .277 .255 .218 1.086 .289

a. Dependent Variable: Kemampuan

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

Pembacaan Hasil Analisis

Untuk kepentingan uji otokorelasi yang perlu ditafsirkan hanyalah tabel Model
Summary.

Hipotesis Penelitian :
Ho : tidak terdapat autokorelasi positif dalam model regresi.

Pedoman penolakan Ho adalah :

Hipotesis Keputusan Jika

Tidak ada autokorelasi positif Tolak 0 < d < dl

Tidak ada autokorelasi positif Tidak ada keputusan dl ≤ d ≤ du

Tidak ada autokorelasi positif Tidak ditolak du < d < 4 - du

atau negatif
Tidak ada autokorelasi negatif Tidak ada keputusan 4 – du < d < 4 - dl

Tidak ada autokorelasi negatif Tolak 4 – dl < d < 4

 Nilai DW adalah sebesar 2,342. Nilai DW hitung ini kemudian
akan dibandingkan dengan DW Tabel. Dengan signifikansi 5%,
jumlah sampel 25, dan jumlah variabel independen adalah 2,
maka diperoleh DW hitung sebesar dl 1,206 dan du 1,550.

dl 1,206
du 1,550
4 – dl 2,794
4 - du 2,450

Nilai DW (2,342) > batas atas (du) = 1,550 dan

Nilai DW (2,342) < 4-du = 2,450
Maka sebagaimana dasar pengambilan keputusan dalam uji durbin warson diatas, dapat
disimpulkan bahwa tidak terdapat masalah atau gejala autokorelasi. Dengan demikian
analisis regresi linier untuk uji hipotesis penelitian ini dapat dilakukan atau dilanjutkan.
 PRAKTIKUM 12. UJI PARK
A. 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 Park. Homosedastisitas adalah kondisi dalam
mana varians dari data adalah sama pada seluruh pengamatan. Uji
homosedastisitas digunakan sebagai prasyarat uji regresi.
B. Masalah Penelitian Pendidikan
Apakah error yang dihasilkan dari sebuah persamaan garis regresi Y atas X1
dan X2 memiliki varians yang homogen ?
C. Kasus
Berikut ini disajikan data kemampuan jarimatika, konsep diri matematika, dan tingkat
penggunaan Jarimatika Siswa Bimbel Jarimatika Yogyakarta.

KEMAMPUAN KONSEP DIRI TINGKAT

JARIMATIKA MATEMATIKA PENGGUNAAN
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
 Berdasarkan data di atas ujilah, ujilah apakah varians error yang dihasilkan
dari persamaan regresi variabel tingkat penggunaan jarimatika atas
kemampuan jarimatika dan konsep diri matematika bersifat homogen?
Gunakan taraf signifikansi 5% !

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.

3. Pilih data view dan masukkan nilai kemampuan jarimatika, konsep

diri matematika, dan tingkat penggunaan jarimatika sebagai berikut.
 4. Menyimpan nilai residual/error ke dalam data dengan cara:
a. Lakukan analisis dengan menggunakan menu Analyze →
Regression → Linear.
b. Masukkan variabel Penggunaan ke kotak Dependent dan variabel
Kemampuan dan Konsep ke dalam kotak Independent(s).

c. Klik tombol Save → klik Unstandardized pada kotak Residuals → klik

Continue.
d. Klik OK sehingga akan muncul hasil analisis regresi seperti biasa.
Namun demikian hasil analisis ini tidak dipakai untuk keperluan uji
homosedastisitas, tetapi analisis ini hanya ingin menambahkan nilai
residual/error pada data. Lihat pada data view akan ada tambahan satu
variabel lagi berupa res_1 seperti terlihat pada gambar berikut ini.
5. Mengabsolutkan nilai error/residual, dengan langkah-langkah sebagai
berikut.
a. Klik menu Transform → Compute Variable.
b. Ketik abs_res pada kota Target variable. Penulisan ini tidaklah
mutlak artinya tidak harus abs_res tetapi bisa apa saja asal memenuhi
ketentuan dalam penulian nama variabel.
c. Ketik abs(res_1) pada kotak Numeric Expression. Penulisan abs ini
sifatnya wajib karena merupakan fungsi untuk mengabsolutkan suatu
variabel, sedangkan res_1 merupakan nama variabel yang akan
diabsolutkan yang diletakkan di antara tanda kurung.
d. Hasilnya akan seperti terlihat pada gambar berikut.
e. Klik tombol Type & Label lalu di kotak Label isikan Absolut
Residu, lalu klik tombol Continue.

f. Klik OK sehingga di dalam data view akan ditambahkan satu

variabel lagi yaitu abs_res.
6. Meregresi nilai absolut error atas seluruh variabel bebas
a. Lakukan analisis dengan menggunakan menu Analyze →
Regression → Linear.
b. Masukkan variabel abs_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.

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

Model B Std. Error Beta t Sig.

1 (Constant) 20.043 11.688 1.715 .100

Kemampuan .184 .169 .234 1.086 .289

Konsep .235 .160 .317 1.472 .155

a. Dependent Variable: Penggunaan

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

Residual 317.023 22 14.410

Total 423.035 24
a. Dependent Variable: Absolute Residu
b. Predictors: (Constant), Konsep, Kemampuan

a
Coefficients
Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 10.176 5.875 1.732 .097

Kemampuan -.225 .085 -.562 -2.647 .015

Konsep .146 .080 .387 1.822 .082

a. Dependent Variable: Absolute Residu

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

F. Pembacaan Hasil Analisis

Hasil analisis yang dihasilkan dari analisis SPSS ini sebenarnya cukup banyak
dan sama dengan yang dihasilkan dari analisis regresi ganda namun untuk
kepentingan Uji Park yang perlu ditafsirkan hanyalah tabel ANOVA dan
Coefficients.
Hipotesis Penelitian Pertama :
Ho : terjadinya heteroskedastisitas untuk variable kemampuan jarimatika.
H1 : tidak terjadinya heteroskedastisitas untuk variable kemampuan jarimatika.
Hipotesis Penelitian Kedua :
Ho : terjadinya heteroskedastisitas untuk konsep diri matematika.
H1 : tidak terjadinya heteroskedastisitas untuk konsep diri matematika.
Ketentuan :
Yang perlu dilihat adalah hasil pengujian F regresinya.
Jika F signifikan atau sig F ≥ 0,05, maka Ho ditolak.
Jika F signifikan atau sig F < 0,05, maka Ho diterima.
Berdasarkan hasil analisis di atas menunjukkan bahwa nilai F yang ditemukan
sebesar 3,678 dengan sig 0,042.
Oleh karena nilai sig < 0,05 maka Ho diterima. Dengan demikian dapat
disimpulkan data penelitian tersebut terjadi heteroskedastisitas. Dengan
demikian persyaratan analisis regresi tidsak terpenuhi.
Karena saya kurang yakin, maka saya ingin menganalisis dengan
menggunakan t tabel.
Jika t hitung < t tabel maka tidak ada gejala heteroskedastisitas
T tabel = 2,064
T hitung :
▪
1,732 < 2,064
▪
-2.647 < 2,064
 ▪
1.822 < 2,064
Karena semua t tabel kurang dari t tabel maka dapat disimpulkan bahwa pada penelitian
ini tidak terdapat masalah heteroskedastisitas dalam model regresi yang digunakan.
 UJI GLEJSER

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.

KEMAMPUAN KONSEP DIRI TINGKAT

JARIMATIKA MATEMATIKA PENGGUNAAN
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
 Berdasarkan data di atas ujilah, ujilah apakah varians error yang dihasilkan
dari persamaan regresi variabel tingkat penggunaan jarimatika atas
kemampuan jarimatika dan konsep diri matematika bersifat homogen?
Gunakan taraf signifikansi 5% !

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

3. Pilih data view dan masukkan nilai kemampuan jarimatika, konsep

diri matematika, dan tingkat penggunaan jarimatika sebagai berikut.
4. Menyimpan nilai residual/error ke dalam data dengan cara:
a. Lakukan analisis dengan menggunakan menu Analyze →
Regression → Linear.
b. Masukkan variabel Penggunaan ke kotak Dependent dan variabel
Kemampuan dan Konsep ke dalam kotak Independent(s).

c. Klik tombol Save → klik Unstandardized pada kotak Residuals →

klik Continue.
d. Klik OK sehingga akan muncul hasil analisis regresi seperti biasa.
Namun demikian hasil analisis ini tidak dipakai untuk keperluan uji
homosedastisitas, tetapi analisis ini hanya ingin menambahkan nilai
residual/error pada data. Lihat pada data view akan ada tambahan satu
variabel lagi berupa res_1 seperti terlihat pada gambar berikut ini.
5. Mengkuadratkan nilai residu/error, dengan langkah-langkah sebagai
berikut.
a. Klik menu Transform → Compute variable
b. Ketik sqr_res pada kota Target variable. Penulisan ini tidaklah
mutlak artinya tidak harus sqr_res tetapi bisa apa saja asal memenuhi
ketentuan dalam penulian nama variabel.
 c. Ketik res_1**2 pada kotak Numeric Expression. Penulisan ini
sifatnya wajib karena lambang ** dalam SPSS berarti pangkat,
sedangkan res_1 merupakan nama variabel yang akan dikuadratkan. d.
Hasilnya akan seperti terlihat pada gambar berikut.

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. Dependent Variable: sqr_res

b. Predictors: (Constant), Konsep, Kemampuan

a
Coefficients
 Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 101.321 104.545 .969 .343

Kemampuan -2.687 1.514 -.406 -1.775 .090

Konsep 1.766 1.429 .282 1.236 .229

a. Dependent Variable: sqr_res

L. Pembacaan Hasil Analisis

Hasil analisis yang dihasilkan dari analisis SPSS ini sebenarnya cukup banyak
namun untuk kepentingan uji homoskedastisitas dengan metode uji glejser
yang perlu ditafsirkan hanyalah tabel Coefficients.

Hipotesis Penelitian Pertama :

Ho : terjadinya heteroskedastisitas untuk variable kemampuan jarimatika.
H1 : tidak terjadinya heteroskedastisitas untuk variable kemampuan jarimatika.

Hipotesis Penelitian Kedua :

Ho : terjadinya heteroskedastisitas untuk konsep diri matematika.
H1 : tidak terjadinya heteroskedastisitas untuk konsep diri matematika.

Ketentuan :
Jika sig ≥ α (0,05), maka Ho ditolak.
Jika sig < α (0,05), maka Ho diterima.

Berdasarkan hasil analisis diatas menunjukkan bahwa :

a) Variabel kemampuan nilai sig = 0,090
Sehingga 0,090 > 0,05. Oleh karena itu H0 ditolak, maka dapat
disimpulkan bahwa tidak terjadi gejala heteroskedastisitas untuk variabel
kemampuan jarimatika.
b) Variabel konsep nilai sig = 0,229
Sehingga 0,229 > 0,05. Oleh karena itu H0 ditolak, maka dapat
disimpulkan bahwa tidak terjadi gejala heteroskedastisitas untuk variabel
konsep diri matematika.
c) Dengan demikian persyaratan terjadinya homosedastisitas dalam
persamaan regresi tersebut terpenuhi.
 DAFTAR PUSTAKA

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

Nama : Muhammad Arif Nur Chairudin

NIM : B2B017031
Tempat, tanggal lahir : Grobogan, 01 November 1998
Jenis Kelamin : Laki - Laki
Alamat : Ds. Nampu RT02/02, Kec.Karangrayung, Kab.Grobogan
Agama : Islam
Kewarganegaraan : Indonesia
Riwayat Pendidikan :
 SD Negeri 01 Nampu
 SMP Negeri 02 Kaarangrayung
 MA Futuhiyyah 2 Mranggen Demak