Ebook Aplikasi SPSS-2

1
2 Aplikasi SPSS pada Penelitian Psikologi

KATA PENGANTAR
Puji syukur kami persembahkan ke hadirat Allah SWT. yang telah
memberikan kekuatan dan kesehatan kepada kami sehingga dapat menye-
lesaikan buku “Aplikasi SPSS pada Penelitian Psikologi” Fakultas Psikologi
UIN Suska Riau. Buku ini merupakan panduan bagi mahasiswa Fakultas
Psikologi UIN Suska Riau dalam dalam menunjang matakuliah metodologi
Penelitian Kuantitatif dan Statistik dan analisis data dalam penyelesaian
skripsi mahasiswa.
Dalam penyelesaian buku ini tidak terlepas dari dukungan semua
pihak, terutama Dekan Fakultas Psikologi beserta para Wakil Dekan, yang
telah memberi kesempatan kepada kami untuk menyusun buku ini yang
telah memberi motivasi agar terselesainya buku ini.
Kami menyadari bahwa buku ini masih banyak kekurangan di sana-
sini.Untuk itu, kami menerima saran, masukan dan kritik agar penyusunan
buku ini lebih sempurna.
Wassalam.
Pekanbaru, 5 Januari 2016
Penulis
3
DAFTAR ISI
Kata Pengantar .............................................................................................................

Daftar Isi ........................................................................................................................
Modul 1 Pendahuluan.............................................................................................. 5
Modul 2 Statistik Deskriptif ................................................................................... 18
Modul 3 Uji Asumsi dan Reliabilitas ..................................................................... 30
Modul 4 Parametrik: Korelasi dan Regresi .......................................................... 45
Modul 5 Paremetrik: Uji Perbedaan ....................................................................... 80
Modul 6 Statistik Non Parametrik ........................................................................108
Latihan .........................................................................................................................120
Daftar Pustaka ................................................................................................................128

Modul 1
PENDAHULUAN
Materi
• Pendahuluan
• Variabel dan Tingkat Pengukuran
• Statistik Parametrik dan Non Parametrik
• Peta Analisis Data
Pengantar
Penelitian merupakan suatu rangkaian kegiatan ilmiah yang bertujuan untuk

menjawab permasalahan. Salah satu kemampuan yang harus dimiliki
peneliti adalah pemahaman dan penguasaan dalam hal analisis data
(kuantitatif).Analisis data kuantitatif biasanya dibantu dengan sofware
analisis data, seperti SPSS, SAS, LISREL,MINITAB dan sebagainya.Penguasaan
program SPSS (Statistical of Package for Social Science) merupakan suatu
keharusan bagi peneliti yang ingin melakukan penelitian kuantitatif.Oleh
karena itu, modul ini diharapkan membantu peneliti (mahasiswa)
menganalisis data penelitian.
Data
Menurut Santoso (2003) data adalah informasi yang bersifat numerik yang
dapat membantu untuk membuat keputusan yang lebih informatif tentang
5
sesuatu hal tertentu.Data adalah suatu bahan mentah yang jika diolah dapat
berubah menjadi informasi yang dibutuhkan (Usman & Akbar, 2008).
Tingkatan data ada empat, yaitu: Nominal, Ordinal, Interval dan Rasio.Dalam
SPSS, kategori data dibagi menjadi tiga, yaitu Nominal, Ordinal dan Scale
(interval dan rasio).
Tabel 1.1
Tingkat data Pengukuran
Kriteria Nominal Ordinal Interval Rasio
Ciri Kategori, Tingkatan, urutan, Tingkatan, Tingkatan,

penggolongan tidak diketahui jaraknya jaraknya sama
jaraknya sama
Nilai Tidak ada nilai Tidak ada nol Tidak ada nol ada nol mutlak
mutlak mutlak
Contoh SSE, suku Jabatan, juara Suhu, IQ Berat, tinggi
1,2,3 34C 10 kg 1, 67 m
Pengukuran mode Median Mean, SD Mean, SD
Variabel
Variabel merupakan suatu konsep mengenai atribut yang memiliki nilai

variasi secara kualitatif/kuantitatif (Azwar, 2007). Nilai variabel dapat berupa
data nominal, ordinal, interval dan rasio. Pemilihan variabel penelitian akan
memiliki implikasi terhadap model penelitian dan analisis data penelitian.
Dalam penelitian kuantitatif dikenal beberapa variabel penelitian, yaitu:
1. Variabel bebas (independent variable), yaitu variabel yang
mempengaruhi variabel terikat.

2. Variabel terikat (dependent variable), yaitu variabel yang dipengaruhi
oleh variabel bebas.
3. Variabel kontrol, yaitu variabel yang dikendalikan dan dibuat konstan
sehingga peneliti dapat membuat perbandingan.
4. Variabel moderator, yaitu variabel yang memperkuat atau memperlemah
hubungan antara variabel bebasa dan terikat.
5. Variabel mediator, yaitu variabel yang menjadi penghubung antara
variabel bebas dan variabel terikat.
Statistik Parametrik dan Non Parametrik
Paramatrik: Prosedur ini dapat digunakan bila asumsi-asumsi parametrik

terpenuhi.
Menurut Usman dan Akbar, (2008) asumsi statistik parametrik:

1. Data harus berdistribusi normal
2. Data minimal interval
3. Homogen
4. Linear
5. Random (dipilih secara acak)
• Kelebihan: Kesimpulan yang dihasilkan lebih kuat dan akurat.

• Kelemahan: Data harus memenuhui asumsi-asumsi parametrik dan
jumlah sampel > 30
Non Parametrik: Prosedur ini digunakan bila asumsi tersebut tidak

terpenuhi/ tanpa menggunakan asumsi statistik.
• Kelemahan: Kesimpulan yang dihasilkan lebih lemah dari parametric.

• Kelebihan: Semua data dapat dianalisis dan dapat digunakan pada
sampel sedikit.
7
mulai
Interval/Rasio Nominal/Ordina
l
Tipe
data
Normal Distribusi Non Parametrik

data
> <30
parametrik 30 Jumlah
data
Bisa pakai uji t
Jika distribusi
(Santoso, 2001:7) populasi pasti normal
Gambar 1.1 Alur Analisis Data
Peta Analisis Data
Salah satu tahapan terpenting dalam proses penelitian adalah analisis data.
Analisis data merupakan tahapan penyerderhanaan data ke dalam bentuk
yang lebih mudah dibaca dan dinterpretasikan (Efendi & Manning,
2006).Analisis data bertujuan untuk menjawab tujuan dan hipotesis
penelitian. Analisis data dimulai dari tahapan persiapan, input data, memilih
jenis analisis data dan interpretasi data. Dari kesemua tahapan tersebut, ada
satu tahapan yang pada umumnya mahasiswa merasa kesulitan dalam
dalam menentukannya, yaitu memilih jenis analisis statistik yang tepat untuk
analisis data penelitian. Lalu bagaimana cara memilih analisis statistik yang
tepat dan benar?

Menurut Sprinthall (2003) ada beberapa pertanyaan yang harus dijawab
sebelum memilih jenis analisis statistik, yaitu:
1. Pertanyaan 1: Apa skala pengukuran yang digunakan? Pemilihan

analisis data yang tepat harus berdasarkan skala pengukuran yang
digunakan, jika skala pengukurannya nominal dan ordinal, maka analisis
datanya menggunakan nonparametrik, sedangkan bila datanya interval
dan rasio menggunakan analisis parametrik, kecuali datanya
berdistribusi tidak normal.
2. Pertanyaan 2: Apa jenis hipotesis yang diujikan: korelasional atau

perbedaan?Hipotesis korelasional melihat hubungan antara dua
variabel atau lebih, sedangkan hipotesis perbedaaan melihat perbedaan
antara dua kelompok atau lebih.
3. Pertanyaan 3: Jika hipotesis perbedaan yang digunakan, apakah

sampelnya independent atau berkorelasi?Hipotesis perbedaan untuk
penelitian eksperimen atau post facto (perbedaan) menggunakansampel
independen atau berkorelasi. Sampel independent (between) adalah
sampel antara satu dengan yang lain tidak ada korelasi atau
berhubungan. Biasanya diperoleh dengan cara random, misalkan pria
dan wanita, sedangkan sampel yang berkorelasi (within) adalah sampel
yang saling berhubungan atau sampelnya sama, diberi beberapa
perlakuan, artinya setiap sampel mempunyai dua skor (Greasley, 2008)
misalkan kelompok pria diberi pelatihan A dan B.
4. Pertanyaan 4: Berapa banyak set pengukuran yang

digunakan?Jumlah pengukuran dalam penelitian menentukan jenis
statistik yang digunakan. Misalkan, kita ingin melihat perbedaan dua
kelompok, maka kita dapat menggunakan t test, apabila lebih dari dua
yang dibandingkan, maka kita menggunakan F ratio. Dalam penelitian
9
eksperimen, jumlah set pengukuran selalu terjadi pada dependen
variabel.
Uji Hipotesis
Hipotesis berasal dari kata Yunani, Hipo dan thesis.Hipoe berarti sementara,
sedangkan thesis pernyataan.Hipotesis adalah pernyataan sementara yang
perlu diuji kebenarannya (Usman & Akbar, 2006). Dalam penelitian
kuantitatifl, terdapat dua macam hipotesis, yaitu hipotesis korelasional,
yaitu pernyataan sementara mengenai hubungan antara variabel X dan
variabel Y dan hipotesis komparatif, yaitu pernyataan ada perbedaan Y
ditinjau dari X.
Secara umum ada dua bentuk hipotesis: 1) hipotesis nol (Ho), yaitu yang
menyatakan bahwa “tidak ada hubungan antara...” atau tidak ada
perbedaa,,,”dan hipotesis alternatif (Ha), yaitu pernyataan yang menyatakan
“ada hubungan...” atau ada perbedaan.... Berdasarkan arahmya hipotesis
dibagi dua, yaitu hipotesis berarah dan hipotesis tidak berarah. Hipotesis
berarah adalah hipotesis yang memiliki arah atau tingkatan, contoh:
Semakin sering berpikir positif, maka kepercayaan diri semakin tinggi
(arahnya). Hipotesis tidak berarah adalah hipotesis yang tidak memiliki arah
atau tingkatan, contoh: “ada hubungan antara berpikir positif dengan
kepercayaan diri”. Untuk pengujian statististik, hipotesis berarah
menggunakan one tailed(satu ekor), sedangkan hipotesis tidak berarah
menggunakan two tailed/dua ekor (Sprinthall, 2006).
Untuk menguji signifikansi biasanya digunakan taraf signifikansi yang

dilnyatakan dalam dua, tiga desimal atau dalam persen. Taraf signifikansi
dilambangkan denganα( alpha). Nilai α yang biasa digunakan dalam ilmu
sosial adalah 0,05 dan 0,01 (5 % dan 1 %). Kebalikan dari taraf signifikansi
adalah taraf kepercayaan. Jika taraf signikansi= 5 %, maka taraf

kepercayaannya = 95 %Nilai α 0,05 berarti dari 100 kesimpulan yang ada,
hanya 5yang mengalami kesalahan. Atau 95 % kita telah membuat
kesimpulan yang benar.
Kaidah:
Ho diterima jika Sig > 0,05/ 0,01
Ha diterima jika Sig ≤ 0,05/0,01
“Engkau tidak akan memperoleh

ilmu kecuali dengan enam hal,
yaitu: kecerdasan, semangat keras,
kerajinan, ketabahan, , biaya yang
cukup dan bersahabat dengan guru”.
Imam Asy-Syafi’i
11
Tabel 1.2
Peta Analisis Statistik
Jumlah Variabel Parametrik Non Parametrik

• 2 Samples • t-test (related • Wilcoxon Paired
(related) samples) Test
• Sign Test
• k-Related • Anava (repeated • Friedman
Samples measure)
• Anakova
Jenis Tes Parametrik Non Parametrik

Hipotesis • 2 Samples • Independen t-test • Mann Whitney U
Komparatif (independen) test
• Chi Square
• k-independen • Anova Faktorial • Kruskal Wallis
Samples • Anakova • Median Test
• Chi Square

• k-related & k- • Anova Mixed •
independen Design
samples

• 2 Variable • Pearson Product • Spearman Rank
Mommet Correlation
• Kendal Tau
Hipotesis
Korelasional
• k-Variable • Partial Corelation •
• Multiple
Correlation
• Path Analysis
• Regression
(Sumber: Widhiarso, 2010)

Cerita Gus Dur Soal NaikKereta
Setelah mendapat larangan dari "Oho... Anda jangan salah.Semua

dokternya untuk tidak melakukan kereta api bisa lebih cepat dari
perjalanan jauh dengan pesawat," kilah pria kelahiran
menggunakan pesawat terbang, Gus Jombang, Jawa Timur, 7 September
Dur kemudian nekat untuk 1940 ini.
berpergian jauh menggunakan kereta
"Anda mimpi kali. Semua orang juga
api.
tahu kalau pesawat itu jelas lebih
"Anda mau pergi naik kerata api Gus? cepat dibandingkan kereta api," cecar
sang dokter.
Memangnya Anda pikir bisa sampai
tepat waktu dengan naik kereta api?" "Wah, Anda salah.Memang sekarang
ledek si dokter. ini pesawat lebih cepat. Tapi itu
karena kereta api baru bisa
"Anda jangan meremehkan, kereta
merangkak. Coba kalau kereta api
itu cepet banget loh!" jawab mantan
nanti sudah bisa berdiri dan bisa lari.
Presiden RI ke-4 itu.
Wuiih..pasti bakalan jauh lebih cepat
"Kereta api mana yang bisa
dari pesawat," jawab Gus Dur,
menandingi kecepatan pesawat
disambut wajah kecut sang dokter.
terbang?" tanya dokter.
(rhs)
Sumber: Okezone.com, Kamis, 07
Januari 2010
13
Nominal Data
Hypothesis of Hypothesis of
Difference Association
Independent Correlated Selection Any Number of

Selection (Two or (Two Measures) Cells
More Measures)
Coefficient of
Chi Square McNemar Test
Contingency
Ordinal Data
Independent Correlated
Selection Selection
Two More Than Two More Than

Measures Two Measures Measures Two Measures
Mann- Friedman
Kruskal-Wallis Wilcoxon
Whitney U ANOVA by Spearmen rS
H Test T Tesy
Test Rank
Gambar 1.2 Pemilihan Analisis Statistik Data Nominal dan Ordinal

(Sumber: Sprinthall, 2003:533)

Interval Data
Independent Correlated
Selection Selection
Twoor Twoor More Than

Two Two Two
More More Two
Measures Measures Measures
Measures Measures Measures
One-Way Within-
Independent Paired t
ANOVA of Subjects Pearson r Multiple R
tTest Ratio
F Ratio F Ratio
More Than
With With
One
Prediction Prediction
Independent
Variable
Regression Multiple
Twoor of Y on X Regression
More
Measures
Holding One
or More
Factors Out
Partial
Correlation
Gambar 1.3 Pemilihan Analisis Statistik Data Interval

(Sumber: Sprinthall, 2003:534)
15
Cuma Takut Tiga Roda
RonaldFisher adalah Suatu hari, saat Abdurarahman

statistisi inggris yang berpengaruh Wahid menjabat sebagai Presiden
pada abad ke-20.Beliau lahir di RI, ada pembicaraan
Middlesex, Inggris pada 17 Februari serius.Pembicaraan bertopik isu
1890.Dia belajar matematika dan terhangat dilakukan selesai
fisika di Cambridge.Publikasi Fisher menghadiri sebuah rapat di Istana
pertama kali mengenai metode Negara.
Maximum Likelihood,publikasi
kedua mengenai penurunan rumus Diketahui, pembicaraan itu
untuk distribusi t, dan publikasi mengenai wabah demam berdarah
ketiga mengenai koefisien yang kala itu melanda kota
korelasi.beliau juga menemukan Jakarta. Gus Dur pun sibuk
Analysis ofVariance (anova) yang memperbincangkan penyakit
kemudian termotivasi untuk mematikan tersebut.
menurunkan distribusi F. Fisher
meluncurkan buku yang sangat "Menurut Anda, mengapa demam
berpengaruh dalam statistika berdarah saat ini semakin marak di
“Statistical Methodsfor Research Jakarta Pak?"Tanya seorang
Workers” pertama kali pada tahun menterinya.
1925. Pada tahun 1943 beliau
mendapat gelar Profesor Genetika "Ya karena Gubernur DKI Jakarta
di Universitas Cambridge dan Sutiyoso melarang bemo, becak,
dianugerahi gelar bangsawan pada dan sebentar lagi bajaj dilarang
tahun 1952.Fisher meninggal pada beredar di Kota Jakarta ini.
29 Juli 1962 di Adelaide Australia. Padahal kan nyamuk sini cuma
takut sama tiga roda...!" (rhs)
(sumber:http://brianstat.blogspot.co
m/2010/12/ronald-aylmer-fishe.html Sumber: okezone.com, 01 Januari
2010

Modul 2
STATISTIK DESKRIPTIF
Materi
• Analisis Frekuensi dan Deskriptif
• Cross Tabulation
• Grafik
Pengantar
Memahami permasalahan atau fenomena sosial yang berkaitan dengan

angka perlu dibekali ilmu statistik deskriptif. Penguasaan statistik deskriptif
yang baik membantu kita dalam memahami data lebih baik. Contoh, tingkat
kemiskinan Indonesia semakin menurun, tingkat kejahatan di Indonesia
semakin meningkat, pendapatan per kapita Indonesia mengalami
peningkatan. Bagaimana Anda menjelaskan ini?
Pengertian
Statistik deskriptif. Statistik ini bertujuan untuk menggambarkan

karakteristik data berdasarkan kategori tertentu.Tampilan dalam statistik
deskriptif berupa tabel, diagram, histogram, poligon, ukuran pemusatan,
dan variasi.Misalkan,60 % kecelakaan lalu lintas di Indonesia disebabkan
oleh kesalahan manusia (human factors).
17
Sampel Statistik Statistiik
Populasi
Deskriptif inferensial
Gambar 2.1 Hubungan Statisik Deskriptif dan Inferensial

(Sumber: Santoso, 2003:12)
Istilah:
• Ukuran Terpusat (Central Tendecy): Suatu ukuran untuk melihat

seberapa kecenderungan data memusat pada nilai tertentu. Ukuran ini
terdiri dari Modus, Median dan Mean (rata-rata).
• Ukuran Penyebaran (Dispersion): untuk melihat sejauh mana
sebaran/penyimpangan data darinilai pusatnya. Dispersion terdiri dari:
range, varians, dan standar deviasi (lihat Output 2.1).
• Posisi Data: adalah letak suatu data dalam kelompok data. Posisi data
terdiri dari kuartil, desil dan persentil.
• Bentuk Data: bagaimana bentuk data, apakah skewness (menceng ke
kanan (+) dan menceng ke kiri (-), kutosis (keruncingan data, dan
kenormalan data perbandingan skewness dengan std error of skewnes
dan kurtosis dengan std error of kurtosis diantara -2 dan 2. (Trihendardi,
2005).
Analisis Frekuensi
Analsis frekuensi merupakan suatu analisiis yang bertujuan untuik

mengetahui jumlah kejadian/frekuensi pada suatu variabel katagori
(nominal dan ordinal )dan ringkasan data pada variabel skala.

Contoh Kasus 2.1: Seorang peneliti melakukan penelitian survey
permasalahan yang terjadi pada remaja. Berikut datanya:
Tabel 2.1
Data Survey Sumber Permasalahan pada Remaja
No Sumber Jenis
Umur
Subjek Masalah Kelamin
1 Orangtua 1 15
2 Teman 1 16
3 Teman 1 15
4 Pacar 1 16
5 Guru 1 17
6 Teman 2 14
7 Pacar 2 15
8 Teman 2 14
9 Teman 2 16
10 Pacar 2 15
11 Pacar 2 14
12 Teman 1 21
13 Guru 1 19
14 Teman 1 19
15 Pacar 2 16
16 Pacar 2 14
17 Pacar 2 16
18 Teman 1 15
19 Teman 2 15
20 Teman 1 15
Keterangan Jenis Kelamin: 1 : pria, 2: wanita
APLIKASI SPSS
• Analyze, klik statistic descriptive.
• Klik frequencie, pilih statistic dan chart.
• Continue OK.
19
.
Gambar 2.2.Analisis Frekuensi

Output 2.1
Statistics
Umur
N Valid 20
Missing 0
Median 20.0000
Std. Deviation .86450
Variance .747
Skewness -.119
Std. Error of Skewness .512
Kurtosis -.726
Std. Error of Kurtosis .992
Range 3.00
Minimum 19.00
Maximum 22.00
Percentiles 25 20.0000
50 20.0000
75 21.0000
Abu Hurairah R.a. Nabi bersabda” bukanlah yang dinamakan

kaya itu karena banyaknya harta, tetapi yang dinamakan kaya
sebenarnya adalah kekayaan jiwa (H.R. Bukhori & Muslim).
21
Analisis Deskriptif
Analisis deskriptif merupakan ringkasan perbandingan variaabel skala

sehingga mempermudah melihat karakteristik data yang dinginkan.
APLIKASI SPSS
• Analyze, klik statistic descriptive.

• Klik deskriptive pilih option, klik yang diinginkan.
• Continue Ok.
Output 2.2
Descriptive Statistics
Std.
N Range Mean Variance Skewness Kurtosis
Deviation
Statistic Statistic Statistic Statistic Statistic Statistic Std. Error Statistic Std. Error
Umur 20 3.00 20.3000 .86450 .747 -.119 .512 -.726 .992
Valid N 20
(listwise)
Cross Tabulation
Analisis crostab merupakan analis yang melihat keterkaitan antarvariabel

kategori (nominal dan ordinal). Analisis memudahkan peneliti untuk melihat
persilangan data antar variabel kategori.
Contoh: gunakan kasus 2.1

APLIKASI SPSS
• Analyze, klik statistic descriptive

• Klik crosstab
• Masukkan variabel sumber masalah ke kotak row (s) dan variabel jenis
kelamin ke kotak colum (s)
• Chek list display clustered
• Continue Ok
Output 2.
sumber masalah * jenis kelamin Crosstabulation
jenis kelamin
pria wanita Total
sumber masalah orangtua Count 1 0 1
% within jenis kelamin 10.0% .0% 5.0%

teman Count 6 4 10
% within jenis kelamin 60.0% 40.0% 50.0%
pacar Count 1 6 7
guru Count 2 0 2
% within jenis kelamin 20.0% .0% 10.0%

Total Count 10 10 20
23
“Setiap musibah yang menimpa seorang mukmin akan
menghapus dosa dan kesalahan, walaupun dia hanya
terluka karena duri” (H.R.Bukhari).
Interpretasi

TIPS
Bagaimana kalau kita hanya menganalisis skor atau subjek tertentu

saja, seperti pria atau wanita saja dalam suatu penelitian.
Aplikasi SPSS (gunakan kasus tabel 2.1)
• Data- pilih select case

• Chek list: is condition is satisfied, klik if
• Pindahkan variabel jenis kelamin ke kotak sebelah
• Lalu buat: = 1 (jika kita hanya ingin menganalisis pria, atau 2,
untuk wanita)
• Klik ok dan continue
• Lihat di data, akan mencoret jenis kelamin wanita
Gambar 2.3. memilih data penelitian
25
TIPS
Apabila kita ingin mengubah data numeric menjadi data kategori,

maka kita dapat menggunakan fungsi SPSS, misalkan data
kepercayaan terhadap dosen (lihat Bab Korelasi) kita bagi menjadi
tiga kategori, tinggi, sedang, dan rendah. Pembagian data dapat
menggunakan rumus tertentu atau menggunakan quartile.
Statistics
Kepercayaan thd Dosen
N Valid 40
Berdasarkan data deskriptif
Missing 0
di samping dapat kita buat
Mean 82.45
kategori kepercayaan
Median 78.50
terhadap dosen menjadi
Mode 74
tiga. Misalkan kita gunakan
Std. Deviation 11.496 interquartile dalam
Variance 132.151 membagi data.
Minimum 68
Maximum 113
Percentiles 25 74.00
50 78.50
75 89.75

Range keterangan koding
> 89 Tinggi 1
75- 89 Sedang 2
< 75 Rendah 3
Aplikasi SPSS
• Klik Transform- recode into different variable

• Masukkan variabel kepercayaan terhadap dosen ke numeric
variabel dan pada output beri nama dengan KD dan pada label
dengan kategori kemudian klik change
• Klik old and new value. Kemudian isi Range dan new value dan
klik add. dan sampai seterusnya
• Klik continue
• Beri value pada kategori 1: tinggi, 2 :sedang dan 3: rendah
Gambar 2.4. kategori data
27
Gambar 2.5 kategori data
Perhatikan cara pengisiannya. Ada tiga model range

yang diisi sesuai dengan kategori yang kita buat.
1. Range: nilai antara (75-89)

2. Range :lowest (75)
3. Range: highest (89)
Selamat bekerja!!

Modul 3
UJI ASUMSI DAN RELIABILITAS
Materi Uji Asumsi

• Linearitas
• Normalitas
• Homogenitas
• Reliabilitas
Pengantar
Statistik parametrik memerlukan uji asumsi yang telah ditetapkan,

sementara untuk statistik non-parametrik tidak memerlukan uji asumsi.
Secara umum uji asumsi yang digunakan dalam statistik parametrik dapat
dilihat pada tabel 3.1:
Tabel 3.1
Uji Asumsi Statistik Parametrik
Model Program Uji Kaidah Ket.

Analisis korelasi Normalitas P >0,05 Normal
Linearitas P≤0,05 Linear
Analisis perbedaan Normalitas P >0,05 Normal
Homogenitas varians P>0,05 Homogen
Ket. Kaidah normalitas tidak terpenuhi (tidak normal), maka analisisnya

dapatmenggunakan Statistik Nonparametrik.
29
Penjelasan
• Uji Normalitas digunakan untuk melihat sebaran data: apakah
berdistribusi normal atau tidak. Distribusi normal dilakukan dengan cara
membandingkan data yang diperoleh (observed) dengan data yang
berdistribusi normal (expected). Data yang berdistribusi normal
berbentu lonceng. Artinya data banyak berada di sekitar mean (rata-
rata).
• Uji Linearitas. Pengujian linearitas digunakan untuk melihat apakah
sebuah garis lurus dapat ditarik dari sebaran data dari variable-variabel
penelitian.Garis lurus dapat menunjukkan hubungan linear antara
variable-variabel penelitian.
• Homogenitas. Pengujian homogenitas untuk melihat apakah
perbandingan varians antar kelompok sama atau tidak atau apakah
kelompok berasal dari populasi yang memiliki varians yang sama atau
tidak.
APLIKASI SPSS
Ada dua cara dalam Uji Normalitas
1. Cara Pertama
 Analyze→Non Parametric Test→1 sample KS

 Masukkan variabel ke kotak Test Variabel List
 Klik normal
 Klik OK (lihat Gambar 3.1 dan Output 3.1)
“Ilmu itu didapat dari lidah yang gemar

bertanya dan akal yang suka berpikir”.
Abdullah bin Abbas r.a.

Gambar 3.1 Uji Normalitas
Output 3.1
Nilai
kolmogorov-
Smirnov Z
(KS-Z)
Sig = 0,775
(p> 0,05)
berarti
datanya
normal
31
Motivasi belajar
10
2 Std. Dev = 10,06

Mean = 91,7
0 N = 40,00
70,0 80,0 90,0 100,0 110,0
75,0 85,0 95,0 105,0
Motivasi Belajar
Expected Observed
2. Cara Kedua
 Analyze→Descriptive Statistic→Explore
 Masukkan variabel ke kotak DependentList
 Klik plots→klik Normality Plot with Test
 OK(lihat Gambar 3.2 dan Output 3.2)
Gambar 3.2 Uji Normalitas

Ouput 3.2
Interpretasi
Untuk menguji normalitas dapat menggunakan kolmogorov-

smirnov atau Shapiro-Wilk. Dari kedua analisis tersebut diperoleh
Signifikansi sebesar 0,200 dan 0,455 (p>0,05). Hal ini menunjukkan
bahwa data tersebut normal.
Uji Linearitas
 Analyze
 Compare mean– means
 Masukkan Var Independent ke Independent List; Var dependent ke
Dependent List
 Klik Option →Chek list→ Tes Linearity
 OK. (lihat Gambar 3.3 dan Output 3.3)
33
Gambar 3.3 Uji Linearitas
Output 3.3
Interpretasi
Lihat linearity dan hasil Signifikansinya sebesar 0,031 (p<0,05). Hasil ini
menunjukkan bahwa hubungan antara variabel X dan Y linear.

Ouput 3.4
Outlier
Dari grafik tersebut terlihat bahwa penyebaran data mengikuti garis

lurus (linear), walaupun ada beberapa data yang menyimpang
(outlier).Untuk meningkatkan linearitas dapat menghilangkan data
yang jauh menyimpang dari garis lurus.
Abu Hurairah r.a. Nabi bersabda: ”Bukanlah yang dinamakan

kaya itu karena banyaknya harta, tetapi yang dinamakan kaya
sebenarnya adalah kekayaan jiwa (H.R. Bukhori & Muslim).
35
UJI HOMOGENITAS VARIANCE
 Analyze p Analyze→Descriptive statistic

 Pilih explore
 Masukkan variabel gender ke factor list
 Masukkan kepercayaan terhadap dosen ke kotakdependent list
 Klikplot
 Lihat Gambar 3.4 dan Output 3.5
Gambar 3.4 Uji Homogenitas Varians

Output 3.5
Test of Homogeneity of Variance
Levene Statistic df1 df2 Sig.
Kepercayaan Based on Mean .014 1 18 .907

terhadap
dosen Based on Median .000 1 18 .990
Based on Median and with .000 1 17.977 .990

adjusted df
Based on trimmed mean .018 1 18 .893
Menguji homogenitas varians menggunakan

Levene statistik. Nilai Sig= 0,907 (p>0,05). Hal ini
menunjukkan bahwa varians antara kelompok pria
dan wanita tidak berbeda atau sama.
Reliabilitas
Reliabilitas artinya pengukuran (di dalam kuesioner) memiliki konsistensi

dengan konstrak yang diukur (Filed, 2009). Untuk pengukuran relibailitas
dapat dilakukan beberapa cara, mislakan dengan melihat konsistensi
antarwaktu (tes-retest), konsistensi antar tes yang relative sama (parallel
tes). Sementara yang paling banyak digunakan adalah pengukuran dengan
konsistensi internal oleh alpha Cronbach yang melihat konsistensi antar
belahan tes. Berikuk aplikasi analisis relibailitas dengan alpha Cronbach
Aplikasi SPSS (silahkan gunakan data pada bagian latihan)
37
Konsistensi internal (Alpha)
 Analyze→scale→Reliability Analysis (kamu harus mendapat
tampilan seperti gambar 1)
 Pindahkan semua item ke box item
 Pilih Alpha pada box lis item
 Klik statistic
 Klik scale if item deleted
 Continue dan OK
Item-Total Statistics
Corrected Cronbach's
Scale Mean if Scale Variance
Item-Total Alpha if Item
Item Deleted if Item Deleted
Correlation Deleted
VAR00001 29.3333 80.733 .673 .885
VAR00002 29.8571 81.429 .685 .885
VAR00003 30.5714 83.457 .630 .887
VAR00004 29.6667 85.033 .680 .886
VAR00005 29.5714 85.957 .503 .894
VAR00006 30.2381 85.990 .536 .892
VAR00007 30.4762 80.762 .718 .883
VAR00008 29.5714 84.157 .594 .889
VAR00009 29.7619 76.290 .691 .885
VAR00010 29.4762 78.462 .661 .886
VAR00011 30.5238 87.662 .481 .894
VAR00012 30.2857 85.814 .521 .893
Reliability Statistics

Cronbach's
N of Items
Alpha kolom Corrected Item-Total
.897 12 Correlation itu menunjukan daya
diskriminasi item. Jika item
memiliki korelasi (positif) tinggi (>
0,3), maka item tersebut layak
dipertahankan. Tetapi jika korelasi
Hasil Koefesien rendah atau negatif, item tersebut
Reliabilitas tidak memiliki daya diskriminasi
atau salah dalam mengkoding.
Interpretasi Reliabilitas
Berapa reliabilitas yang dapat diterima dalam suatu pengukuran. Beberapa

ahli berbeda dalam hal ini. Jika dilihat di beberapa buku dan jurnal nilai 0,7
dan 0,8 untul alpha Cronbach dapat diterima (Field, 2009). Menurut Kline
(dalam Field, 2009) untuk kognitif tes reliabilitas yang dapat diterima sekitar
0,8 dan untuk tes ability dan skala psikologi sekitar 0,7.beberapa yang hal
yang diperhatikan dalam menganalisis relibilitas yantu karakter konstrak
psikologi apakah bersifat unidimensional (mengukur satu factor) atau
multidimensional (beberapa factor). Selain itu, pemberian skor untuk item
favorable dan unfavorable harus dibedakan sehingga tidak berpengaruhi
pada daya beda aitem dan reliabilitasnya. Salah satu cara meningkatkan
reliabilitas adalah menghilangkan item yang memiliki daya diskriminasi
rendah (<0,3 atau bernilai Minus).
39
TIPS
Bagaimana kalau suatu data tidak normal: apakah ada cara untuk
mengatasi hal tersebut. Ada beberapa langkah untuk mengatasi hal
tersebut, yaitu:
1. Kita bisa menormalkan data dengan cara melakukan
transformasi data dengan cara akar kuadrat dan logaritma.
Transformasi data tidak akan mempengaruhi hubungan
antarvariabel (Field, 2009).
2. Apabila data masih tidak normal kita dapat menghilangkan
data-data yang ekstrim atas atau bawah (perlu hati-hati untuk
menghilang data)
3. Apabila masih tidak normal, kita dapat menggunakan analisis
non parametric.
Contoh kasus (gunakan kasus 4.1)
Penelitian tentang kepercayaan terhadap dosen dan motivasi

belajar (data lihat Bab korlasi). Setelah kita cek normalitas diperoleh:
ternyata variabel kepercayaan terhadap dosen tidak normal (p<0,05),
sedangkan motivasi belajar normal (p>0,05).
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Kepercayaan thd Dosen .151 40 .023 .923 40 .010

Motivasi belajar .104 40 .200* .973 40 .455

a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Selanjutya kita bisa cek distribusi data dalam kedua variabel tersebut.
Grafik 3.5 Sebelum ditransformasi Grafik 3.6 Setelah ditransformasi
Pada grafik 3.5 merupakan data yang sebelum ditanformasi (data

cenderung skewnes positif), sementara garfik 3.6 setelah ditransformasi
dengana akar kuadrat (sqrt) bentuk data menjadi lebih baik (lebih normal
dari data sebelumnya)
41
Sekarang kita akan mencoba menstransformasi data pada variabel
kepercayaan terhadap dosen.
Aplikasi SPSS
 Klik transform
 Pilih compute
 Beri nama variabel baru di kolom :target variabel
 Pada tabel function group, klik arithmetic
 Pilih sqrt atau log 10
 Masukkan variabel yang akan ditransfor pada kolom “numeric
exspresion”
 Klik ok
Gambar 3.7. Tranformasi data

Lalu kita lakukan uji normalitas, berikut hasilnya:
Out put.3.6.Sebelum data

dtransformasi
Tests of Normality
Kepercayaan thd Dosen .151 40 .023 .923 40 .010

Motivasi belajar .104 40 .200* .973 40 .455

*. This is a lower bound of the true significance.
Out put.3.7.sesudah data

dtransformasi
Tests of Normality
kepercayaan thd dosen1 .144 40 .037 .935 40 .024

(sqrt)
kepercayaan thd dosen2 .136 40 .061 .945 40 .052
(log 10)
Anda dapat lihat pada out put 3.5 bahwa variabel kepercayaan terhadap
dosen tidak normal (p<0.05), Setelah ditransfromasi menggunakan akar
kuadrat (sqrt) dan log 10 terjadi peningkatan normalitas (data menjadi lebih
normal) terutama yang menggunakan log 10. (p>0,05).
43
PARAMETRIK: UJI KORELASIONAL
Materi Korelasional
• Pearson Product Moment
• Korelasi Parsial
• Regresi
Pengantar
Kehidupan ini saling berhubungan satu dengan yang lain. Banyak kejadian
atau fenomena yang terjadi di sekitar kita berhubungan dengan kejadian
lain. Contohnya, kenaikan harga-harga barang berhubungan dengan tingkat
stress masyarakat, jumlah mahasiswa yang lulus berhubungan dengan
jumlah pengangguran, kemacetan berhubungan dengan ketidaknyamanan
berkendaraan, fenomena alam dan sebagainya. Bagaimana Anda memahami
kondisi ini?
Pengertian dan Konsep
Korelasi adalah hubungan antara satu varibel dengan variabel lain. korelasi
adalah hubungan yang terjadi apabila terdapat minimal dua variabel
(Cresswell, 2002). Jadi dalam korelasi minimal terdapat dua variabel yang
berhubungan. Korelasi dilambangkan dengan huruf r. Dalam penelitian,
korelasi digunakan untuk melihat sejauh mana hubungan variabel dengan
variabel lain.Secara umum ada dua jenis variabel, yaitu variabel bebas (X)
dan variabel tergantung (Y).Variabel bebas artinya variabel yang
mempengaruhi, sedangkan variabel tergantung (y) merupakan variabel yang

dipengaruhi.Selain itu, variabel X berguna untuk menaksir atau meramalkan
variabel Y (lihat pembahasan regresi).
Secara umum korelasi terdiri dari dua, yaitu:korelasi interkelas dan intraklas.
Korelasi interkelas, yaitu korelasi yang terjadi antar kelas pada pembahasan
yang sama (Sprinthall, 2002). Contoh: korelasi antara ujian pertama dengan
ujian kedua. Korelasi intraklas yaitu korelasi yang terjadi pada satu kelas
pada topik variabel yang berbeda, contoh hubungan antara nilai IQ dan
kedisipilinan belajar.
Cresswell (2002) membagi korelasi menjadi dua, yaitu eksplanatif dan

prediktif.Pertama, korelasi eksplanatif adalah korelasi yang bertujuan untuk
mengetahui sejauh mana hubunganantarvariabel. Ciri-cirinya sebagai
berikut:
 Terdiri dari dua atau lebih variabel
 Mengukur pada satu waktu
 Terdapat minimal dua skor
 Sebagaisatu kelompok
Contoh: hubungan efikasi diri dan penyesesuan diri.
Kedua, korelasi prediktif adalah Korelasi yang bertujuan untuk

memprediksi suatu variabel (outcome). Ciri-cirinya sebagai berikut:
 Minimal terdapat dua/lebih variabel
 Mengukur dalam dua waktu
 Minimal terdapat dua skor
 Tujuan untuk memprediksi outcome/performance
Misal: IQ memprediksi IPK mahasiswa.

Penelitian korelasional hanya melihat seberapa jauh hubungan atau
keterkaitan antarvariabel, bukan melihat sebab-akibat.Misalkan, hubungan
45
antara tinggi dengan kecepatan lari.Kita tidak dapat mengatakan kecepatan
lari disebabkan oleh tinggi badan. “hubungan” berarti bahwa bila suatu
variabel naik dikuti naiknya variabel lain. Jadi semakin tinggi orang, dikuti
semakin cepat lari orang tersebut.
Arah dan koefisien korelasi
Hubungan dua variabel/ kejadian ada yang bersifat positif dan

negatif.Hubungan positif jika kenaikan nilai variabel X diikuti kenaikan nilai
variabel Y (searah), sedangkan hubungan negatif terjadijika kenaikan
varaibel X diikuti penurunan variabel Y. Contoh: variabel X = nilai IQ dan
variabel Y = nilai statistik (Hubungan positif); variabel X = kepercayaan diri
dan variabel Y = kecemasan (hubungan negatif). Hubungan positif ditandai
dengan nilai r positif (tidak ditulis), sedangkan hubungan negatif ditandai
dengan nilai r negatif.
Koefisien korelasi bergerak dari -1 sampai 1, semakin mendekati -1 atau 1,

maka korelasinya semakin kuat, sebaliknya semakin mendekati angka 0,
maka korelasinya semakin lemah.
-1≤ r ≤ 1
Semakin Kuat Semakin Kuat
-1 0 1
Semakin lemah Semakin lemah

Tabel 4.1
Kekuatan koefisien korelasi
No Nilai r Interpretasi
1 <20 Sangat rendah
2 0,20-0,40 rendah
3 0,40- 0,70 moderate
4 0,70-0,90 tinggi
5 0,90- 1 Sangat tinggi
(Sumber: Sprinthall 2003:287)
Menghitung Korelasi
Bagaimana caranya kita menghitung korelasi? Sebenarnya banyak cara yang

dapat kita gunakan menghitung korelasi antarvariabel, misalkan korelasi
Pearson (parametrik). Selain itu, korelasi dapat dilihat dari jumlah variabel
dalam pengukuran.
 Korelasi dua Variabel: Bivariate (1 variabel bebas dan 1 variabel terikat)

 Korelasi multivariabel (interkorelasi): terdiri dari >2 variabel
 Korelasi parsial: korelasi yang terdiri minmal 3 variabel, satu diantaranya
sebagai variabel kontrol
 Regresi:memprediksi variabel (Y) oleh variabelX (Prediktor/bebas),
variabel bebas dapat >1 variabel
 Path Analisis dan Model : korelasi yg bertujuan membangun suatu
model teoritis, terdiri banyak variabel.
Korelasi Pearson Product Moment (Dua Variabel)
Korelasi Pearson merupakan analisis korelasi parametrik. Korelasi pearson

digunakan bila kedua variabel memiliki data minimal interval.
47
Kasus 4.1:
Seorang peneliti melakukan penelitian tentang kepercayaan terhadap dosen

dan motivasi belajar mahasiswa.Penelitian dilakukan di Fakultas Psikologi
UIN Suska Riau dengan jumlah sampel 40 mahasiswa (Data dikumpulkan
dengan menggunakan dua skala, yaitu skala kepercayaan terhadap dosen
dan motivasi belajar. Jenis skala yang digunakan adalah skala Likert dengan
4 alternatif jawaban (SS= Sangat Setuju, S= Setuju, TS = Tidak Setuju,
STS=Sangat Tidak Setuju). Adapun hipotesis penelitian ini: Ada hubungan
positif antara kepercayaan terhadap dosen dengan motivasi belajar
mahasiswa. Semakin tinggi kepercayaan terhadap dosen, maka semakin
tinggi motivasi belajar mahasiswa. (korelasi). Tentukan hipotesisnya apakah
diterima atau ditolak?
Data 1:
No Kepercayaan Motivasi No Kepercayaan Motivasi

Sbjk Thd Dosen Belajar Sbjk Thd Dosen Belajar
1 77 90 21 100 99
2 78 87 22 96 106
3 79 86 23 90 84
4 84 97 24 86 90
5 69 98 25 108 86
6 76 97 26 74 84
7 68 68 27 88 92
8 84 102 28 90 94
9 74 108 29 68 91
10 99 110 30 70 97
11 89 104 31 80 90
12 73 100 32 86 95
13 92 103 33 76 80
14 113 103 34 78 80
15 81 97 35 74 79
16 101 95 36 78 79
17 86 89 37 70 76
18 74 96 38 77 80
19 98 99 39 74 76
20 68 101 40 72 79

Aplikasi SPSS
Langkah-langkah
 Buka program SPSS
 Buat nama variabel di kolom variabel view (bawah kiri)
 Input data
 Pilih analyze :correlate--- bivariate
 Masukkan kedua variabel ke kotak variabel
 Pilih; Pearson (two tailed untuk hipotesis tidak berarah atau one tailed
untuk hipotesis berarah)
 Klik option: pilih mean dan Standar Deviasi kontinue
 OK
Gambar 4.1 Analisis Data Korelasi Pearson
49
Output4.1
Mean Std. Deviation N

Kepercayaan
82,45 11,496 40
terhadap dosen
motivas i belajar 91,68 10,062 40
Nilai r
Nilai
signifikansi
(p)
Korelasi signifikan di level 0,01 karena nilai

p< 0,01, jika nilai p> 0,01 dan masih dibawah
0,05, maka level signifikan pada 0,05.
Berdasarkan output diatas diperoleh: (r(38)= 0,416, p= 0,008 (p< 0,05).

Kesimpulannya:Hipotesis diterima (p < 0,05), artinya ada hubungan
positif antara kepercayaan terhadap dosen dengan motivasi belajar
mahasiswa. Semakin tinggi kepercayaan terhadap dosen, maka semakin
tinggi motivasi belajar mahasiswa.

Bila ingin mengetahui sumbangsih variibel X terhadap Y dapat digunakan
rumus koefisien penentu (coeffecient of determinant).Koefesien penentu
adalah sejauh mana variabel X dapat menjelaskan variabel Y. Hasil koefesien
penentu berupa persen.
Rumus : KP = r²
Dari data diatas diketahui r= 0,416

KP= 0,416² = 0,173 x 100%= 17,3%
Jadisumbangsih variabel x terhadap y adalah 17,3%, sisanya 82,7%
ditentukan variabellain.
Mencari Sumbangan Aspek/Komponen Variabel Bebas
Menurut Widhiarso (2010) untuk mencari sumbangan per aspek atau

komponen variabel X terhadap Y, maka perlu langkah-langkahsebagai
berikut:
 Caricross product setiap komponen VI (kepercayaan terhadap dosen:
ability dan integrity) dengan VD (motivasi belajar)
 Caranya:tekan Analyze, Correlation,Bivariate. Masukkan variabel
ability, integrity, motivasi belajar) Pada menu option, beri tanda pada
Cross-product deviations and covariances
 Langkah selanjutnya adalah mencari bobot tiap komponen (b) yang
dapat diketahui melalui analisis regresi.
 Klikanalyze, pilih menu regression, kemudian linier. Masukkan VD
(motivasi belajar) dalam dependent, dan ability dan integrity dalam
independent.
𝒃𝒙.𝑪𝒓𝒐𝒔𝒔𝒑𝒓𝒐𝒅𝒖𝒄𝒕.𝑹²
Rumus SExi =
𝑹𝒆𝒈𝒓𝒆𝒔𝒔𝒊𝒐𝒏
51
Keterangan:
b = koefisien b komponen x
CP = cross product komponen x
Regression = nilai regresi
R2 = sumbangan efektif total.
Latihan
Gunakan kasus 4.1
Aspek kepercayaan terhadap dosen terdiri dari dua aspek, yaitu ability dan
integrity.Tujuannya adalah berapa sumbangan efektif aspek-aspek
kepercayaan terhadap dosen terhadap motivasi belajar. Berikut datanya:
No No
Ability Integrity Ability Integrity
Sbjk Sbjk
1 40 37 21 50 50
2 42 36 22 45 51
3 38 41 23 55 35
4 41 43 24 42 44
5 39 30 25 56 52
6 38 38 26 36 38
7 35 33 27 44 44
8 42 42 28 45 45
9 38 36 29 36 32
10 48 51 30 40 30
11 45 44 31 42 38
12 35 38 32 47 39
13 50 42 33 44 32
14 58 55 34 39 39
15 41 40 35 36 38
16 50 51 36 40 38
17 40 46 37 35 35
18 40 34 38 38 39
19 48 50 39 42 32
20 38 30 40 40 32

APLIKASI SPSS
Untuk Membuat Scatter Plot

 Klik graphs pilih scatter.
 Bila scatterplot muncul pilih simple, klik define. Letakkan variabel
independen ke X axis dan variabel dependen ke Y axis.
 Klik Ok
120
110
100
90
80
motivasi belajar
70
60
60 70 80 90 100 110 120
Kepercayaan terhadap dosen
Pearson Product Moment (Interkorelasi)

Interkorelasi merupakan analisis korelasional yang melibatkan dua
variabel.Tujuan analisis ini untuk mengetahui hubungan yang terjadi
antarvariabel yang ada dalam penelitian.
Kasus 2:
Seorang peneliti melakukan penelitian tentang kepercayaan terhadap
dosen, motivasi belajar, umur, dan suasana belajar mahasiswa.Penelitian
dilakukan pada 20 mahasiswa.Data dikumpulkan denga menggunakan tiga
53
skala, yaitu kepercayaan terhadap dosen, motivasi belajar, dan suasana
belajar.Peneliti ingin melihat hubungan antarvariabel yang ada dalam
penelitian tersebut.
Data 2
No Kepercayaan Motivasi Suasana

Umur
Sbjk Thp Dosen Belajar Belajar
1 80 90 99 20
2 78 87 90 21
3 79 86 100 20
4 85 97 90 22
5 69 98 100 21
6 76 97 78 21
7 68 68 70 21
8 102 102 110 19
9 101 108 115 19
10 100 110 118 20
11 100 104 90 20
12 90 100 95 21
13 92 103 100 19
14 113 103 115 19
15 81 97 90 20
16 101 95 100 20
17 86 89 98 21
18 74 96 89 20
19 98 99 107 21
20 68 101 100 21
APLIKASI SPSS
Langkah-langkah

 Input data
 Pilih analyze :correlate--- bivariate, pilih pearson
 Masukkan semua variabel ke kotak variabel
 Klik option: pilih mean dan Standar Deviasi :kontinue
 Klik OK
Output 4.2
De scri ptive Statistics
Mean St d. Deviat ion N

Keperc ayaan
87,05 13,292 20
terhadap dosen
motivasi belajar 96,50 9,293 20
suasana belajar 97,70 12,035 20
umur 20,30 ,865 20
Correlations
Kepercayaan
terhadap motivasi suasana
dosen belajar belajar umur
Kepercayaan Pearson Correlation 1 ,589** ,675** -,583**
terhadap dosen Sig. (2-tailed) . ,006 ,001 ,007
N 20 20 20 20
motivasi belajar Pearson Correlation ,589** 1 ,682** -,406
Sig. (2-tailed) ,006 . ,001 ,076
N 20 20 20 20
suasana belajar Pearson Correlation ,675** ,682** 1 -,547*
Sig. (2-tailed) ,001 ,001 . ,012
N 20 20 20 20
umur Pearson Correlation -,583** -,406 -,547* 1
Sig. (2-tailed) ,007 ,076 ,012 .
N 20 20 20 20
**. Correlation is s ignificant at the 0.01 level (2-tailed).
*. Correlation is s ignificant at the 0.05 level (2-tailed).
55
Interpretasi:
Berdasarkan analisis data diperoleh output, yang berkaitan statistik

deskriptif dan nilai korelasi. Pada hasil statistik deskriptif
menunjukkan bahwa setiap variabel terdapat nilai mean (rata-rata)
dan standar deviasi. Sementara untuk output korelasi menunjukkan
bahwa terdapat hubungan positif dan signifikan antara kepercayaan
terhadap dosen dengan motivasi belajar (r=0,589, p<0,05), suasana
belajar (r= 0,675, p<0,05) dan hubungan negatif dengan umur (r= -
0,583,p<0.05). Sementara motivasi belajar berhubungan signifikan
dengan suasana belajar (r=0,682, p<0,05) dan tidak terdapat
hubungan signifikan dengan umur (r= -0.406,p>0,05).
Kaidah Penulisan Output
No Variabel 1 2 3 4
1 Kepercayaan terhadap dosen -
2 Motivasi belajar ,589** -
3 Suasana belajar ,675** ,682** -
4 Umur ,-583** ,-406 ,-547* -
Catatan: **p < 0,01*p < 0,05
Korelasi Parsial
Salah satu permasalahan dalam korelasi adalah adanya pengaruh variabel

lain ke variabel yang kita teliti (IV & DV). Salah satu solusinya adalah
menggunakan korelasi parsial. Korelasi parsial adalah teknik analisis yang
melihat hubungan dua variabel dengan cara mengkontrol variabel lain
(variabel kontrol). Agar dapat dianalisis menggunakan korelasi parsial

variabel kontrol harus berhubungan dengan variabel independen (IV) dan
dependen (DV).Tujuan korelasi parsial adalah untuk melihat hubungan dua
variabel secara lebih akurat dengan cara mengeluarkan pengaruh
(varians)variabel kontrol dari kedua variabel IV dan DV (Sprinthall, 2003).
Kasus 3:
Pada kasus ini kita akan menggunakan kasus 2. Pada kasus tersebut
diperoleh (lihat output 4.2) hampir semua variabel berhubungan signifikan,
p<0,05. Pada analisis kali ini kita ingin melihat hubungan antara
kepercayaan terhadap dosen dengan motivasi belajar dengan mengontrol
variabel suasana belajar.Berdasarkan hasil korelasi suasana belajar belajar
berhubungan dengankedua variabel tersebut (IV & DV).
Data 3
Kita menggunakan data 2
Karl pearson adalah seorang pencetus disiplin ilmu

matematika Statistika. Pada tahun 1911 ia mendirikan
universitas pertama di dunia departemen statistik di
University College London. Karl Pearson
berkontribusi banyak dalam classical statistics yang
sampai saat ini masih kita pergunakan. Kontribusi
pearson diantaranya adalah Correlation Coefficient,
Method of Moments, Pearson’s System of Continuous
Curves, Chi Distance, P-Value, Foundations of the
Statistical Hypothesis Testing Theory and the
Statistical Decision Theory, Pearson’s chi-Square Test,
Principal Component Analysis.
57
APLIKASI SPSS
Langkah-langkah
 Pilih analyze :correlate--- partial, pilih pearson
 Masukkan variabel IV dan DV ke :kotak variabel
 Masukkan variabel kontrol ke box: controlling for
 Klik option: pilih mean dan Standar Deviasi :kontinue OK
Gambar 4.2 Analisis Korelasi Partial

Output 4.3
Correlations
Kepercayaan motivasi
Control Variables
terhadap dosen belajar
Suasana Kepercayaan Correlation 1,000 ,239
Belajar terhadap Dosen Significance (2-tailed) . ,324
df 0 17
Motivasi Belajar Correlation ,239 1,000
Significance (2-tailed) ,324 .
df 17 0
Interpretasi
Berdasarkan Output 4.2 diperoleh hasil korelasi bivariate antara

kepercayaan terhadap dosen dengan motivasi belajar yang
signifikan (r=0,589, p<0,05). Hal ini mengindikasikan bahwa
mahasiswa yang memiliki kepercayaan terhadap dosen akan
memiliki motivasi belajar yang tinggi. Sekarang kita bisa lihat
Output 4.3, ketika suasana belajar dikontrol, korelasi antara
kepercayaan terhadap dosen dengan motivasi belajar menjadi turun
dan tidak signifikan r (17)= 0,239, p=0,324 (p>0,05). Kita dapat
mengambil kesimpulan bahwa korelasi antara kepercayaan
terhadap dosen dengan motivasi belajar dimediasi oleh suasana
belajar.Artinya, dapat dikatakan bahwa variabel suasana belajar
menjadi variabel mediator. Jadi ketika variabel suasana belajar
dikontrol, maka hubungan antara kepercayaan terhadap dosen
dengan motivasi belajar tidak terjadi, artinya kedua variabel
tersebut bersifat independen satu sama lain.
59
Regresi
Regresi bertujuan untuk melihat seberapa besar variabel dapat memprediksi
variabel lain. Atau dikenal dengan istilah varibel prediktor (X) dan variabel
kriteria (Y).Regresi telah banyak digunakan untuk kepentingan bisnis,
pendidikan, psikologi dan pengambilan keputusan di berbagai level.
Hal yang membedakan dengan korelasi bivariate adalah jumlah variabel
bebas dalam analisis dapat lebih dari satu. Bila hanya melibat dua variabel X
dan Y, maka hasilnya akan sama bila kita menggunakan analisis korelasi
bivarite, tetapi bila kita menggunakan lebih dari satu varibel bebas, maka
hasilnya akan berbeda tergantung korelasi yang terjadi antara variabel
bebas. Idealnya tidak terjadi korelasi antarvariabel bebas
(multikolinearitas).Multikolinearitas merupakan salah satu masalah dalam
multipel regresi untuk tiga alasan (Stevens,2009).
1. Memperkecil ukuran R, karena prediktor secara sama menjelaskan
varians Y.
2. Multikolinearitas membuat kesulitan menentukan prediktor yang
terpenting karena efek dari prediktordiganggu oleh korelasi
antarprediktor.
3. Multikolinearitas meningkatkan varians koefisien regresi. Yang terbesar
varians tersebut. lebih tidak stabil dalam memprediksi persamaan.
Regresi Sederhana
Regresi sederhana adalah regresi yang hanya melibatkan dua variabel (1
variabel bebas dan 1 variabel tergantung).Misalkanperanprasangka dalam
membentuk perilaku agresif.Dalam hal ini prasangka merupakan variabel
prediktor (X), sedangkan perilaku agresif sebagai variabel kriteria (Y).
X Y
Gambar 4.3Desain Penelitian Regresi Sederhana

Multple Regresi (Regresi ganda)
Multipel regresi adalah teknik statistik yang digunakan untuk menganalisis
hubungan antara satu varaibel dependent dengan beberapa varaibel bebas
(Hair, dkk., 2006). Misalkan peran prasangka (X1) dan kepribadian (X2)
terhadap perilaku agresif (Y).
Formula : Y1= b0X1 + X2+....Xn
X1
Y
X2
Gambar 5.2Desain peneltian regresi ganda
Latihan Regresi Sederhana
Kasus 4
Kita menggunakan data 2.Tujuan penelitian adalah untuk mengetahui
apakah motivasi belajar dapat diprediksi dari kepercayaan terhadap dosen.
APLIKASI SPSS
Langkah-langkah:
 Pilih analyze: klik Regression
 Pilih : linear
 Pindah variabel motivasi belajar ke Kotak Dependent
 Pindah variabel kepercayaan terhadap dosen ke Kotak independent
 Klik statistic, klik descrptive
 Klik Continue, dan klik OK
61
Output 4.4
Variables Entered/Removedb
Model Variables Entered Variables Removed Method
1 Kepercayaan terhadap dosena . Enter
a. All requested variables entered.
b. Dependent Variable: Motivasi Belajar
Model Summary
Adjusted R Std. Error of the
Model R R Square
Square Estimate
1 .589a .347 .311 7.71297
a. Predictors: (Constant), Kepercayaan terhadap dosen
Nilai R merupakan Sumbangsih X

nilai hubungan X terhadap Y :
dan Y 34,7% Nilai F adalah
9,59, p=0.006
(p<0.05)
ANOVAb
Sum of Mean
Model df F Sig.
Squares Square
1 Regression 570,182 1 570,182 9,585 ,006a
Residual 1070,818 18 59,490
Total 1641,000 19
a. Predictors: (Constant), Kepercayaan terhadap dosen
b. Dependent Variable: motivasi belajar

Coefficientsa
Unstandardized Standardized
Model Coefficients Coefficients t Sig.
B Std. Error Beta
1 (Constant) 60,624 11,716 5,175 ,000
Kepercayaan ,412 ,133 ,589 3,096 ,006
terhadap dosen
a. Dependent Variable: motivasi belajar
Apabilai prediktor (X) konstan, maka nilai Y adalah

60,624. Jika nilai prediktor (X) naik 1, maka akan
memprediksi kenaikan Y sebesar 0,412.
Interpretasi
Berdasarkan hasil analisis regresi diperoleh F (1,18)= 9,59, (p<0.05).

Hasil ini menunjukkan bahwa kepercayaan terhadap dosen dapat
memprediksi motivasi belajar mahasiswa. Hasil R² dketahui sebesar
34,7% yang berarti kepercayaan terhadap dosen dapat menjelaskan
34,7% motivasi belajar, sedangkan sisanya sebesar 65,3% dijelaskan
oleh faktor lain.
Latihan Regresi Ganda Dua Prediktor
Variables Entered/Removed
Model Variables Entered Variables Removed Method
1 Suasana belajar, Kepercayaan . Enter
terhadap dosena
a. All requested variables entered.
63
Adjusted R²: digunakan apabila
lebih 1 prediktor. Gunanya
untuk melihat Sumbangsih dua
prediktor dalam menjelaskan
varians Y (43,6%)
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .704a .496 .436 6.97837
a. Predictors: (Constant), Sasana belajar, Kepercayaan terhadap dosen
Nilai F adalah
8,35 p=0.003
(p<0.05)
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 813.141 2 406.570 8.349 .003a
Residual 827.859 17 48.698
Total 1641.000 19
a. Predictors: (Constant), Sasana belajar, Kepercayaan terhadap dosen

b. Dependent Variable: Motivasi Belajar

Coefficientsa
Unstandardized Standardized Collinearity
Coefficients Coefficients Statistics
Model t Sig.
Std.
B Beta Tolerance VIF
Error
1 (Constant) 42.707 13.293 3.213 .005

Kepercayaan .166 .163 .237 1.016 .324 .544 1.838
terhadap dosen
Sasana belajar .403 .180 .522 2.234 .039 .544 1.838
Nilai signifikansi per

variabel, jika variabel
lain dikontrol.
Interpretasi
Hasil analisis regresi menunjukkan F (2,17)= 8.349,(p< 0.05). Hasil tersebut

menunjukkan bahwa secara bersama-sama kepercayaan terhadap dosen
dan suasana belajar dapat memprediksi motivasi belajar mahasiswa.,
dengan nilai adjusted R² sebesar 43,6%, artinya varians motivasi belajar
mampu dijelaskan kepercayaan terhadap dosen dan suasana belajar sebesar
43,6%, sisanya 56,4% ditentukan oleh faktor lain. Hasil kontribusi tiap
prediktor dapat dilihat pada tabel Coefficients (b), yang menunjukkan
bahwa nilai b tiap prediktor positif, artinya terdapat hubungan posoitif
antara prediktor dan outcome (y).Jadi, semakin meningkat kepercayaan
terhadap dosen, maka semakin meningkat pula motivasi belajar
mahasiswa.Dapat juga dilihat bahwa kepercayaan terhadap dosen tidak
berhubungan signifikan dengan motivasi belajar jika suasana belajar
dikontrol.Sementara motivasi belajar memiliki hubungan signifikan dengan
motivasi belajar jika kepercayaan terhadap dosen dikontrol.
65
Analisis Mediator
Pada penjelasan sebelumnya kita sudah membahas desain penelitian

korelasional dan regresi yang melibatkan satu atau dua variabel bebas dan
satu variabel terikat. Variabel mediator merupakan variabel yang perantara
antara variabel bebas dan variabel terikat. Variabel moderator dapat
berupakan variabel psikologis , proses kognitif, proses afektif , dan proses
observasi perilaku. Misalkan kita menggunakan kasus 2, yaitu kepercayaan
terhadap dosen, suasana belajar dan motivasi belajar. Kita bisa melihat
di beberapa penelitian sebelumnya bagaimana pola hubungan antara
variabel X (X1:kepercayaan terhadap dosen dan X2: suasana belajar)
terhadap motivasi belajar: apakah hubungan X1 dengan Y bersifat langsung
atau melalui variabel perantara (mediator)?
Setelah kita review ternyata suasana belajar menjadi variabel mediator

antara kepercayaan terhadap dosen dengan motivasi belajar, artinya
kepercayaan terhadap dosen tidak langsung meningkatkan motivasi belajar
tetapi harus melalui suasana belajar. Jika suasana belajar menyenangkan
maka mahasiswa termotivasi untuk belajar. Analisis ini dinamakan analisis
mediator. Menurut Baron, dan Kenny, (1986). Untuk menganalisis mediator
maka perlu beberapa kondisi. Pertama, hubungan variabel X ke variabel
Mediator (M) signifikan, kedua, hubungan variabel mediator (M) ke variabel
terikat (Y) signifikan, dan ketiga, ketika variabel path variabel X dan M di
control, hubungan variabel bebas (X) dengan variabel terikat (Y) yang
awalnya signifikan menjadi tidak signifikan. Idealnya hubungan variabel X
dan Y adalah nol.

Suasana
a belajar (M) b
(M)
Kepercayaan Motivasi
thdp dosen belajar (Y)
(X) c
Bagan 4.1: Desain Penelitian analsiis mediator
Y = i1+cX +eY c= “total effect” of X on Ya ×b

M= i2+ aX+ eM axb= “indirect effect” of Xon Y
c' = “direct effect” of Xon Y total
Y = i3+c'X +bM +eY
total effect = direct effect + indirect effectc
c= c’ + (a×b)
indirect effect = total effect –direct effect
(a×b) = c – c’
Aplikasi SPSS
Kita bisa menggunakan kasus 2 tentang yaitu kepercayaan terhadap dosen,

suasana belajar dan motivasi belajar. Pada penelitian ini kita berhipotesis
bahwa hubungan kepercayaan terhadap dosen dengan motivasi belajar
dimediasi oleh suasana belajar. Sebelum kita melakukan uji analisis kita bisa
chek korelasi bivariat diantara ketiga variabel tersebut. Dapat dilihat
ternyata semua variabel berhubungan secara signifikan.
67
Correlations
Kepercayaan motivasi suasana

terhadap dosen belajar belajar
Kepercayaan Pearson Correlation 1 .589** .675**

terhadap dosen Sig. (2-tailed) .006 .001
N 20 20 20
motivasi belajar Pearson Correlation .589** 1 .682**
Sig. (2-tailed) .006 .001
N 20 20 20
suasana belajar Pearson Correlation .675** .682** 1
Sig. (2-tailed) .001 .001
N 20 20 20
**. Correlation is significant at the 0.01 level (2-tailed).
Untuk menganalisis mediator kita dapat menggunakan analisis regresi

dengan beberapa tahapan.
Pertama, chek hubungan variabel X dan Y dengan regresi linear (lihat cara
sebelumnya). Klik analysis-regression-linear: masukkan variabel
kepercayaan terhadap dosen ke kotak independent variabel dan
motivasi belajar di kotak dependent variable, dan klik ok.
Kedua, seperti cara pertama, masukkan variabel yang kita asumsi variabel
mediator (suasana belajar) ke kotak dependen variabel dan kepercayaan
terhadap dosen ke kotak independent variabel, dan klik ok.

Ketiga, masukkan variabel kepercayaan terhadap dosen dan suasana
belajar ke kotak independent variabel dan variabel motivasi belajar ke
kotak dependent variabel, dan klik ok
Out put 4.5
Coefficientsa
Model Standardized
Unstandardized Coefficients Coefficients
B Std. Error Beta t Sig.
1 (Constant) 60.624 11.716 5.175 .000
Kepercayaan terhadap .412 .133 .589 3.096 .006

dosen
Coefficientsa
Model Standardized
1 (Constant) 44.481 13.855 3.211 .005

dosen
a. Dependent Variable: suasana belajar
69
Coefficientsa
Model Standardized
1 (Constant) 42.707 13.293 3.213 .005

dosen
suasana belajar .403 .180 .522 2.234 .039
Interpretasi
Pada analisis mediasional menggunakan regresi kita memerlukan tabel

unstandardized coefficients dengan label coefficients (lihat out put
4.5). kita bisa lihat perbandingan regression coefficients kepercayaan
terhadap dosen terhadap motivasi belajar pada tabel 1 dan 3 dalam
terjadi penurunan dari 0,611 to 0,166 ketika suasana belajar
ditambahkan ke dalam regresi. Hubungan kerpercayaan terhadap dosen
dengan motivasi belajar yang awalnya signifikan (lihat tabel 1) menjadi
tidak signifikan ketika suasana belajar dikontrol (lihat tabel 3). Ini
mengindikasikan bahwa suasana belajar menjadi variabel mediator.
Namun perlu pembuktian dengan formula sobel (lihat dibawah ini)
Selain menggunakan regresi, Anda juga dapat menggunakan software

analisis mediator dari Preacher & Hayes (2004), silahkan di download di
internet.letakkan file tersebut di C:\Program Files\SPSS\Scripts\.
1. Buka data penelitian yang di SPSS

2. Tekan FILE – OPEN – SCRIPT. Lalu masuk ke folder Program
Files\SPSS\Scripts\ kemudian pilihlah file “analisis mediator.sbs”. Jika tidak
ketemu Anda dapat langsung klik dua kali file tersebut sehingga seperti
kota dibawah ini
3. klik star, maka akan muncul kotak dibawah ini, pindahkan variabel ke
kotak sebelah dan klik ok
71
4. Beriku hasilnya:
Run MATRIX procedure:
Preacher And Hayes (2004) SPSS Script For Simple Mediation
Written by Andrew F. Hayes, The Ohio State University
http://www.comm.ohio-state.edu/ahayes/
VARIABLES In SIMPLE MEDIATION MODEL

Y mtvsbljr
X krcyaan
M sanabljr
DESCRIPTIVES STATISTICS And PEARSON CORRELATIONS

Mean SD mtvsbljr krcyaan sanabljr
mtvsbljr 96.5000 9.2935 1.0000 .5895 .6818
krcyaan 87.0500 13.2922 .5895 1.0000 .6752
sanabljr 97.7000 12.0355 .6818 .6752 1.0000
SAMPLE SIZE
20
DIRECT And TOTAL EFFECTS

Coeff s.e. t Sig(two)
b(YX) .4121 .1331 3.0959 .0062 peranan X to Y
b(MX) .6114 .1574 3.8835 .0011 peranan X to M
b(YM.X) .4028 .1803 2.2336 .0392 x to M dikntrol X
b(YX.M) .1659 .1633 1.0159 .3239 X to Y dikontrol M
INDIRECT EFFECT And SIGNIFICANCE USING NORMAL DISTRIBUTION

Value s.e. LL 95 CI UL 95 CI z Sig(two)
Effect .2463 .1303 -.0092 .5017 1.8897 .0588
Peranan X terhadap Y melalui M

Interpretasi
Berdasarkan analsiis regresi sebelumnya kita dapat mengatakan bahwa

suasana belajar dapat menjadi variabel mediator antara kepercayaan
terhadap dosen dengan motivasi belajar. Tetapi setelah dikonfirmasi dengan
formula sobel oleh software Preacher & Hayes (2004), ternyata suasana
belajar hampir menjadi variabel mediator antara kepercayaan terhadap
dosen dengan motivasi belajar b=0,2463,p =0,0588 (p> 0,05). Artinya ada
peranan kepercayaan terahadap dosen untuk dapat meningkat suasana
belajar sehingga meningkat motivasi belajar walaupun tidak signifikan.
Kondisi ini disebabkan. Pertama, idealnya hubungan antara X dan Y sangat
rendah bahkan nol, tetapi pada konteks ini hubungan X dan Y berkorelasi
0,589 (p<0,05), kedua, adanya multicolinearity (hubungan) antara variabel
kepercayaan terhadap dosen dengan suasana belajar. Dari analsisi korelasi r
diperoleh sebesar =0.675 (cukup tinggi). Hal ini dapat mengurangi
kemampuan variabel mediator (M) menjelaskan varians variabel terikat (Y).
ketiga, jumlah sampel dalam analsiis terlalu kecil, yaitu sebanyak 20 orang.
dan keempat, adanya potensi eror pada variabel mediator. Ini perlu dichek
lewat factor konfirmatori analisis (Dugard, dkk.,2010)
Analsis Moderator
Secara umum moderator adalah variabel kualitatif (jenis kelamin, suku,

agama dll) dan kuantitatif (tingkatan reward, skala psikologi) yang berfungsi
memperkuat hubungan antara variabel bebas dengan variabel terikat
(Baron, & Kenny, 1986). Fungsi variabel moderator sama dengan variabel
bebas.Variabel moderator tidak berhubungan dengan variabel bebas dan
variabel terikat (berbeda dengan variabel mediator). Dampak ketiga bagian
ke variabel outcome (varaibel terikat) dapat dilihat digambar 4.1. Path a
73
dampak variabel prediktor, Path b dampak variabel moderator, dan Path c
dampak interaksi (preditor x moderator) terhadap variabel outcome.
Hipotesis moderator mendukung interaksi (path c) adalah signifikan.
Hipotesis moderator diterima bila interaksi dapat meningkatkan signifikan
terhadap variabel terikat (Baron, & Kenny, 1986).
Prediktor a
Outcome
b variable
Moderator
c
Predictor
x
Moderator
Gambar 4.1 Model Moderator

(sumber: Baron & Kenny, 1986)
Pada pembahasan ini kita menambahkan satu masih menggunakan variabel

kepercayaan terhadap dosen dengan motivasi belajar. Peneliti berasumsi
bahwa hubungan kepercayaan terhadap dosen dengan motivasi belajar
akan lebih kuat bila mahasiswa mempersepsikan metode pembelajaran
dosen secara positif. Jadi variabel persepsi metode pembelajaran sebagai
variabel moderasi antara hubungan kepercayaan terhadap dosen dengan
motivasi belajar (lihat bagan 2).

Kepercayaan
Motivasi
thdp dosen
belajar (Y)
(X)
Persepsi metode
pembelajaran
Bagan 4.2: Desain Penelitian analsiis moderator
Aplikasi SPSS
Berikut data (fiktif) kepercayaan terhadap dosen, persepsi metode

pembelajaran dan motivasi belajar.
Data 3.
Persepsi
No Kepercayaan Motivasi
mtd
Sbjk Thp Dosen Belajar
belajar
1 80 90 70
2 78 87 80
3 79 86 85
4 85 97 75
5 69 98 90
6 76 97 78
7 68 68 70
8 102 102 100
9 101 108 90
10 100 110 99
11 100 104 70
12 90 100 80
13 92 103 80
14 113 103 90
15 81 97 76
75
16 101 95 76
17 86 89 67
18 74 96 80
19 98 99 70
20 68 101 80
Interaksi (kepedsn*perspsimtdbljr) dibuat dan diuji untuk melihat apakah

dapat meningkatkan R² secara signifikan. Interaksi yang menghasilkan
variabel baru berpotensi menimbulkan permasalahan yaitu
multikolinearitas (Dugard, dkk.,2010). Oleh karena itu, untuk mengatasi
permasalahan tersebut skor kepedosen atau perspsimtdbljr diubah ke skor
z score. Langkah awal membuat/mentransformasi dua variabel ke z score,
dengan cara buka SPSS, klik analyze, klik descriptive statistic, pindahkan
variabel keprcayaan dan persepsi mtd belajar ke variabel dan klik Save
standardized values as variables dan ok. Chek pada SPSS, otomastis ada
muncul dua variabel Zkrcyaan dan Zmtdbljr. Selanjutnya buat interaksi
dengan pilih Transform, lalu compute. Masukkan nama (misalkan,
Kepmtdbljar) di Target variable box dan Zkrcyaan* Zmtdbljr di
numeric expression dan ok. Variabel interaksi akan muncul datasheet.

Sekarang kita baru melakukan analsiis moderator dengan cara hierarchical
regression. Pilih Analyze, then Regression, lalu linear. Pindahkan
motivasi belajar ke dependen box dan kepercayaanthdp dosen dan
perspsi metode belajar ke Independent(s) box. Lalu klik Next, ketika block
2 of 2 muncul, masukkan Kpmtdbljar di box Independent Variable(s) dan
klin continue. Klik Statistics dan pilih R Squared Change, lalu OK.
Hasil
77
Interpretasi
kita focus pada tabel model summary. Kita lihat R Square Change sebesar
0,131 ketika variabel interaksi dimasukkan ke dalam model (lihat Model 2).
Perubahan ini signifikan F (1,16), 5,18, p=0,037. Interaksi yang signifikan
mengindikasikan bahwa variabel persepsi metode belajar merupakan
variabel moderator antara variabel kepercayaan terhadap dosen dengan
motivasi belajar
lalu bagimana kita membuktikan bahwa hubungan kepercaan terahadap

dosen terhadap motivasi belajar akan kuat jika kondisinya metode
belajar menyenangkan, maka kita bisa membagi skor perspsi metode
belajar menjadi dua yaitu tinggi, dan rendah. Setelah itu, kita mencari
korelasi pada setiap kondisi (tinggi vs rendah): mana yang lebih kuat
signifikansinya. Selamat mencoba!

Modul 5
PARAMETRIK: UJI PERBEDAAN
Materi
• Independent T Tes
• Anova Satu Jalur dan Dua Jalur
• Paired Sampel Tes
• Repeated Measure
• Anova Mixed Design
Pengantar
Pernahkan Anda membandingkan sesuatu?Ya.Saya yakin Anda pernah

melakukannya. Manusia dalam berpikir dan belajar selalu menggunakan
perbandingan sosial. Perbandingan sosial adalah membandingkan suatu
fenomena atau keadaaan dengan keaadaaan lain. Dalam statistika
perbandingan antara dua kelompok tau lebih harus diuji dengan
perhitungan secara statistik :apakah ada perbedaaan yang signifikan atau
tidak?.
Pengertian dan Konsep
Ada beberapa jenis perhitungan untuk menguji perbedaaan, sepertiuji satu

sampel, dua kelompok, dan perbandingan tiga atau lebih kelompok.Namun
pada kali ini hanya membahas perbandingan dua sampel atau lebih
baikbebas (independent) maupun yang berkorelasi.
79
Perbedaan Dua Kelompok Sampel Bebas (Independen T Tes)
Independent T test digunakan untuk membandingkan dua kelompok yang

saling bebas atau tidak terikat satu sama lain, cirinya: terdapat dua
kelompok yang berbeda dan satu pengukuran yang sama.
Contoh Soal:
Seorang peneliti melakukan penelitian tentang perbedaaan kemandirian

pada anak kos dan anak rumah. Hipotesis yang diajukan :
Ho : Tidak ada perbedaan kemandirian yang signifikan antara anak kos dan
anak rumah.
Ha : Ada perbedaan ada perbedaan kemandirian yang signifikan antara
anak kos dan anak rumah. Anak kos lebih mandiri daripada anak
rumah.
Pertanyaan: Silahkan uji hipotesis yang diajukan: apakah Ho atau Ha
diterima?
Tabel 5.1
Data Kemadirian
Kos Rumah
8 7
7 8
9 8
6 7
7 6

APLIKASI SPSS
 klik Analyze, pilih compare means

 Pilih Independent samples T test
 Pindahkan variabel kemandirian ke kotak Test Variable (s)
 Pindahkan variabel tempat tinggal ke kotak Grouping variable
 Klik define group.masukkan nilai tempat tinggal pada kotak group 1 dan
group 2
 Klik continue, ok
Output. 5.1
Group Statistics
Std. Error
tempat tinggal N Mean Std. Deviation Mean
kemandirian kos 5 7,40 1,140 ,510
rumah 5 7,20 ,837 ,374
Independent Samples Test
Levene's Test for

Equality of Variances t-test for Equality of Means
95% Confidence
Interval of the
Mean Std. Error Difference
F Sig. t df Sig. (2-tailed) Difference Difference Lower Upper
kemandirian Equal variances
,554 ,478 ,316 8 ,760 ,20 ,632 -1,258 1,658
assumed
Equal variances
,316 7,339 ,761 ,20 ,632 -1,282 1,682
not assumed
Nilai Nilai
homogenitas signifikansi
81
Interpretasi
Levenes test menunjukkan (F = .554,p> 0.05) dan hasil independent T

test (t(8) = .316, p > 0.05). Artinya….
Uji Perbedaan Dua Kelompok Lebih (Anova Satu Jalur)
Bila kita ingin menguji perbedaaan dua kelompok lebih yang bersifat bebas,
maka teknik yang kita gunakan adalah one way anova (anova satu jalur).
Contoh Soal:
Seorang peneliti melakukan penelitian tentang perbedaan kemandirian

ditinjau dari tingkat pendidikan(SD, SMP, SMA).Subjek penelitian ada 30
orang. Data yang diperoleh sebagai berikut:
Dari Abu Dzar Radhiyallahu anhu, ia berkata: “Kekasihku (Rasulullah) Shallallahu

‘alaihi wa sallam berwasiat kepadaku dengan tujuh hal: (1) supaya aku mencintai
orang-orang miskin dan dekat dengan mereka, (2) beliau memerintahkan aku agar
aku melihat kepada orang yang berada di bawahku dan tidak melihat kepada orang
yang berada di atasku, (3) beliau memerintahkan agar aku menyambung
silaturahmiku meskipun mereka berlaku kasar kepadaku, (4) aku dianjurkan agar
memperbanyak ucapan lâ haulâ walâ quwwata illâ billâh (tidak ada daya dan upaya
kecuali dengan pertolongan Allah), (5) aku diperintah untuk mengatakan kebenaran
meskipun pahit, (6) beliau berwasiat agar aku tidak takut celaan orang yang mencela
dalam berdakwah kepada Allah, dan (7) beliau melarang aku agar tidak meminta-
minta sesuatu pun kepada manusia”. (HR. Ahmad)

Tabel 5.2
Data Kemandirian Berdasarkan Tingkat Pendidikan
No Kemandirian Tk Pendidikan No Kemandirian Tk Pendidikan

1 5 1 16 5 1
2 6 1 17 5 1
3 7 1 18 5 1
4 6 1 19 6 1
5 6 1 20 5 1
6 8 2 21 7 2
7 8 2 22 8 2
8 9 2 23 8 2
9 7 2 24 9 2
10 6 2 25 9 2
11 10 3 26 9 3
12 9 3 27 10 3
13 9 3 28 9 3
14 9 3 29 9 3
15 11 3 30 12 3
Keterangan Tingkat Pendidikan
1= SD
2= SMP
3= SMA
Hipotesis yang diajukan:
Hipotesis: Ada perbedaan kemandirian berdasarkan tingkatan

pendidikan (SD,SMP, SMA). Semakin tinggi tingkat pendidikan,
semakin tinggi kemandirian seseoarng.
83
Aplikasi SPSS
1. ANOVA
Langkah-langkah:
 Ketik nama variabel di kolom “name” penulisan max 8 karakter (dapat
disingkat)
 Label: keterngan nama variabel
 Pilih analyze : klik compare mean, pilih one way anova
 Klik option pilih desriptif dan homogenitas
 Klik post hoc pilih Tukey (jika hasinya signifikan)
 ok
Output 5.2
Descriptives
kemandirian
95% Confidence Interval for Between-

Mean Component
N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum Variance
SD 10 5,60 ,699 ,221 5,10 6,10 5 7
SMP 10 7,90 ,994 ,314 7,19 8,61 6 9
SMA 10 9,70 1,059 ,335 8,94 10,46 9 12
Total 30 7,73 1,929 ,352 7,01 8,45 5 12
Model Fixed Effects ,931 ,170 7,38 8,08
Random Effects 1,186 2,63 12,84 4,137
ANOVA
kemandirian
Sum of
Squares df Mean Square F Sig.
Between Groups 84,467 2 42,233 48,731 ,000
W ithin Groups 23,400 27 ,867
Total 107,867 29

Multiple Comparisons
Dependent Variable: kemandirian

Tukey HSD
Mean
Difference 95% Confidence Interval
(I) pendidikan (J) pendidikan (I-J) Std. Error Sig. Lower Bound Upper Bound
SD SMP -2,30* ,416 ,000 -3,33 -1,27
SMA -4,10* ,416 ,000 -5,13 -3,07
SMP SD 2,30* ,416 ,000 1,27 3,33
SMA -1,80* ,416 ,001 -2,83 -,77
SMA SD 4,10* ,416 ,000 3,07 5,13
SMP 1,80* ,416 ,001 ,77 2,83
*. The mean difference is s ignificant at the .05 level.
Interpretasi
Anova Dua Jalur (Factorial Anova)
Anova dua jalur merupakan analisis untuk mengiji pengaruh dua atau lebih
variabel bebas yangbertingkat (bervariasi) dengan satu variabel
dependent.Variasi dalam variabel bebas disebut dengan Faktor (Sprinthall,
2003). Misalkan seorang peneliti melakukan penelitian tentang pengaruh
tipe pemberitaan (positif vs negatif) dan kondisi emosi (senang vs sedih)
85
dengan kemampuan mengingat.Dalam penelitian terdapat empat model
perlakuan.
Faktor A
Positif Negatif
Senang a b
Faktor B
Sedih c d
Berikut Datanya:
Tabel 5.3
Data Kemampuan Mengingat pada Setiap Kelompok
Kondisi Emosi
Pemberitaan
Senang Sedih
14 8
12 7
Positif 10 8
12 7
10 8
10 8
12 5
Negatif 10 6
9 8
12 9
Hipotesis
1. Ada pengaruh tipe pemberitaan terhadap kemampuan mengingat,
2. Ada pengaruh kondisi emosi terhdap kemampuan mengingat

3. Ada interaksi tipe pemberitaan dan kondisi emosi dengan kemampuan
mengingat.
APLIKASI SPSS
 Analyze, klik General linear model
 Klik Univariate
 Masukkan kemampuan mengingat ke kotak dependent
 Masukan tipe pemberitaan dan kondisi emosi ke kotak fixed factor (s)
 Klik plot, Masukkan beita ke kotak horizontal axis dan emosi ke kotak
separate lines. Klik add sehingga beita*emosi akan pindah ke plots
 Klik kontinue
 Klik option, pindah berita*emosi k kotak Display means dan pilih
deskriptif, estimate of effect size,homogenity tes dan spread vs
level plot.
 Klik kontinue, ok
Output 5.3
Between-Subjects Factors
Value Label N
Tipe Pemberitaan 1.00 Positif 10
2.00 Negatif 10
Kondisi Emosi 1.00 Senang 10
2.00 Sedih 10
Dari ibnu Abbas: Nabi mengatakan: Barangsiapa

melazimkan istighfar, maka Allah akan melepaskan
kesusahan dari hatinya, memberikan solusi atas
permasalahan, dan memberikan rizki dari sesuatu
yang tidak terduga (HR.Abu Daud)
87
Dependent Variable:mengingat
tipe pberita kondsi emosi Mean Std. Deviation N
positif senang 11.6000 1.67332 5
dimension2
sedih 7.6000 .54772 5
Total 9.6000 2.41293 10
negatif senang 10.6000 1.34164 5
dimension1 dimension2
sedih 7.2000 1.64317 5
Total 8.9000 2.28279 10
Total senang 11.1000 1.52388 10
dimension2
sedih 7.4000 1.17379 10
Total 9.2500 2.31414 20
Levene's Test of Equality of Error Variancesa

F df1 df2 Sig.
2.304 3 16 .116
Tests the null hypothesis that the error variance

of the dependent variable is equal across groups.
a. Design: Intercept + TP + KE + TP * KE
“Allah akan memperkenankan do’a salah seorang diantara kalian,

selama dia tidak tergesa-gesa dan mengatakan:“Aku telah berdoa,
namun belum juga dikabulkan”. (HR Bukhari dan Muslim)

Tests of Between-Subjects Effects
Source Type III Sum of

Squares df Mean Square F Sig.
Corrected Model 71.350a 3 23.783 12.518 .000
Intercept 1711.250 1 1711.250 900.658 .000
TP 2.450 1 2.450 1.289 .273
KE 68.450 1 68.450 36.026 .000
TP * KE .450 1 .450 .237 .633
Error 30.400 16 1.900
Total 1813.000 20
Corrected Total 101.750 19
a. R Squared = .701 (Adjusted R Squared = .645)
89
Bertaqwalah kepada Allah dimanapun
engkau berada, dan hendaknya setelah
melakukan kejelekan engkau melakukan
kebaikan yang dapat menghapusnya. Serta
bergaulah dengan orang lain dengan akhlak
yang baik‘” (HR. Ahmad, &Tirmidzi )

Interpretasi
Hasil Faktorial anova 2x2 menunjukkan: 1) tidak ada

pengaruh signifikan tipe pemberitaan terhadap
kemampuan mengingat (F(1,16) = 1,289, p> 0.05),
2)ada pengaruh signifikan kondisi emosi terhadap
kemampuan mengingat (F(1,16) = 36,026, p< 0.01), 3)
tida ada interaksi signifikan antartipe pemberitaan dan
kondisi emosi dalam mempengaruhi kemampuan
mengingat (F(1,16) = 0.237, p>0.05).
Paired Sample T Test (2 Related Sample)
Paired sampeltestmerupakan uji perbedaan terhadap sampel yang

berkaitan.Cirinya, satu sampel/kelompok dengan dua kali pengukuran.
Kasus
Seorang peneliti melakukan penelitian eksperimen tentang pengaruh warna

(merah dan hijau) ruang kantor terhadap kenyamanan bekerja. Penelitian
dilakukan terhadap 20 karyawan.Pengukuran dilakukan dua kali dengan
selang waktu seminggu. Berikut datanya:
91
Tabel 5.4
Data Kenyamanan Bekerja pada Ruang Kantor
No Warna Merah Warna Hijau

1 5 10
2 6 8
3 7 11
4 6 6
5 6 8
6 8 7
7 8 10
8 9 10
9 7 13
10 6 9
11 10 9
12 9 10
13 9 9
14 9 9
15 11 12
16 10 12
17 8 11
18 9 9
19 7 12
20 6 11
Hipotesis:
Ada perbedaan kenyamanan bekerja pada ruang kantor berwarna merah

dengan ruang kantor berwarna hijau.

APLIKASI SPSS
 Klik Analyze, pilih compare means

 Pilih Paired sample T test
 Pindahkan variabel warna Ruangan ke kotak Test Variable (s)
 Klik kedua variabel sehingga terblok lalu pindahkan ke kotak paired
variable
 Klik continue Ok
Output 5.4
Paired Samples Statistics
Mean N Std. Deviation Std. Error Mean

Pair 1 ruang warna merah 7.8000 20 1.67332 .37417
ruang warna hijau 9.8000 20 1.79473 .40131
Paired Samples Correlations
N Correlation Sig.
Pair 1 ruang warna merah & ruang 20 .249 .290
warna hijau
Paired Samples Test
Paired Differences
95% Confidence
Std. Sig. (2-
Std. Interval of the t df
Mean Error tailed)
Deviation Difference
Mean
Lower Upper
Pair 1 ruang warna -2.00000 2.12751 .47573 -2.99571 -1.00429 -4.204 19 .000
merah - ruang
warna hijau
93
Interpretasi
Hasil analisis paired t tes menunjukan ada perbedaan signifikan

kenyamanan bekerja pada ruang kantor berwarna merah dengan ruang
kantor berwarna hijau (t (19)= -4.204,p < 0.01).Artinya...........................
Repeated Measure
Repeated mesure merupakan analisis varian yang dilakukan pengukuran

beberapa kali (lebih dua kali) pada setiap subjek atau variabel within subjek
(Trihendradi, 2005).
Contoh Kasus:
Seorang peneliti melakukan penelitian tentang pengaruh pemberitaan

negatif tentang rokok terhadap keinginan untuk berhenti merokok pada
pria perokok berat.Penelitian dilakukan selama 1 bulan dengan empat kali
pengukuran keinginan berhenti merokok (semakin tinggi skor, semakin
tinggi keinginanuntuk berhenti merokok). Berikut datanya:
Tabel 5.5
Data Keinginan untuk Berhenti Merokok Selama Satu Bulan
No Minggu 1 Minggu 2 Minggu 3 Minggu 4

1 5 6 6 9
2 5 7 8 10
3 6 7 8 11
4 4 5 6 9
5 7 6 7 9

APLIKASI SPSS
 Klik analyze
 General linear, klik GLM repeated measure
 Ketik minggu dalam faktor dan 4 dalam nomor level
 Klik ADD dan define., klik minggu 1, 2, 3, 4 pindahkan within subjek. Klik
option dan deskriptif
 Klik continue Ok
Output 5.5
Mean Std. Deviation N

intensi berhenti merokok mggu1 5.4000 1.14018 5
intensi berhenti merokok mggu2 6.2000 .83666 5
intensi berhenti merokok mggu3 7.0000 1.00000 5
intensi berhenti merokok mggu4 9.6000 .89443 5
Tests of Within-Subjects Effects

Measure:MEASURE_1
Type III Sum Mean Partial Eta
Source df F Sig.
of Squares Square Squared
Minggu Sphericity Assumed 49.750 3 16.583 39.800 .000 .909
Greenhouse-Geisser 49.750 1.488 33.432 39.800 .000 .909
Huynh-Feldt 49.750 2.166 22.970 39.800 .000 .909
Lower-bound 49.750 1.000 49.750 39.800 .003 .909
Error(Min Sphericity Assumed 5.000 12 .417
ggu) Greenhouse-Geisser 5.000 5.952 .840
Huynh-Feldt 5.000 8.664 .577
Lower-bound 5.000 4.000 1.250
95
Measure:MEASURE_1
Transformed Variable:Average
Type III Sum of Mean Partial Eta

Source df F Sig.
Squares Square Squared
Intercept 994.050 1 994.050 389.824 .000 .990
Error 10.200 4 2.550
“Telah nampak kerusakan di darat dan di laut

disebabkan karena perbuatan tangan manusia,
supay Allah merasakan kepada mereka sebahagian
dari (akibat) perbuatan mereka, agar mereka
kembali (ke jalan yang benar)”.(Ar Rum:41)
Save our environment!!!......

Interpretasi
Hasil penelitian within-subject one way anova yang mengukur

keinginan berhenti merokok pada empat minggu menunjukkan
(F(3,12)= 39.800, p < 0.01). Hal ini berarti ..............
Abu Ja’far Muhammad bin Musa al-Khawarizmi. Lahir di

Khawarizmi, Uzbeikistan, pada 194 H/780.Karya aljabarnya
yang paling monumental berjudul al-Mukhtasar fi Hisab al-
Jabr wal-Muqabalah (Ringkasan Perhitungan Aljabar dan
Perbandingan).Dia menemukan angka 0 yang sangat penting
dalam ilmu matematika.
Di dunia Barat, ilmu matematika lebih banyak dipengaruhi

oleh karya al-Khawarizmi dibanding karya para penulis pada
Abad Pertengahan.Masyarakat modern saat ini berhutang budi
kepada al-Khawarizmi dalam hal penggunaan bilangan Arab.
97
Anova Mixed Design
Pada pembahasan kita sudah membahas Anova, factorial anova dan repeted
Measure. Pada pembahasan ini kita akan membahas anova mixed design.
Analisis ini ini digunakan untuk menganalisis penelitian yang menggunakan
lebih satu kelompok/kategori dengan beberapa kali pengukuran berulang
(minimal dua). Analisis ini banyak dilakukan pada penelitian eksperimen
yang melibatkan 2 kelompok dengan pengukuran pre dan post tes.
Misalkan penelitian tentang pengaruh pelatihan regulasi emosi terhadap
stress. Penelitian dilakukan terhadap mahasiswa dengan 2 kelompok
(eksperimen dan control). Hipotesis: ada pengaruh pelatihan regulasi
emosi terhadap stress. Pelatihan regulasi emosi mampu menurunkan
tingkat stress pada mahasiswa.
Berikut datanya:
Tabel 5.6.
Hasil pengukuran stress
No Kelompok Pre Post

Ket:
1 1 8 6
2 1 8 5 1: kelompok eksperimen
3 1 9 7
4 1 10 7 2: kelompok kontrol
5 1 8 5
6 1 7 5
7 1 8 6
8 1 9 5
9 1 8 6
10 1 9 9
11 2 8 7
12 2 7 8
13 2 7 6
14 2 8 7

15 2 9 8
16 2 10 9
17 2 6 6
18 2 7 7
19 2 8 8
20 2 9 8
Aplikasi SPSS
• Analysis—pilih General Linear Model—Repeated Measure

• Pada box Within-Subjects factor name tulis variabel DV , yaitu
Stress
• Pada box number of level tulis 2 (pre dan post)
• Klik define: pindah data pre dan post ke box within-subject
variable
• Lalu pindahkan data jenis kelompok ke box between subjects
factor
Gambar 5. 1 anova mixed desain
99
• Klik model—pilih custom
• Pindahkan stress ke box within dan kelompok ke box between
• Klik plot—pindahkan stress ke horizontal axis dan separate lines
untuk jenis kelompok, klik add dan continue
• Klik option , klik descriptive statistic, Estimates of effect size,
Homogeneity tests and Residual plot.
• Pndahkan stress dan kelompok ke box display mean for, chek list
compare mean effect. Pilih bonferroni
• Continue dan ok
Gambar 5.2. box option

jenis kelompok Mean Std. Deviation N
data pre tes kelompok eksperimen 8.4000 .84327 10
kelompok kontrol 7.9000 1.19722 10
Total 8.1500 1.03999 20

data pos tes kelompok eksperimen 6.1000 1.28668 10
kelompok kontrol 7.4000 .96609 10
Total 6.7500 1.29269 20

Penjelasan
Pada tabel diatas merupakan gambaran statistic deskriptif pada setiap

kelompok. Rerata skor stress pre tes pada kelompok eksperimen lebih tinggi
(8,4) dibandingkan rerata kelompok control (7,9). Setelah diberikan
treatment terjadi penurunan stress pada kelompok eksperimen menjadi 6,1
dan kelompok control 7,4. Perubahan data per dan pos tes kelompok
eksperimen lebih besar darpada perubahan data pre dan pos tes pada
kelompok . hal ini berarti pelatihan regulasi emosi dapat menurunkan stress
pada kelompok ekspreimen, sedangkan perubahan pada kelompok control
dapat dipengaruhi factor lain, seperti kepribadian, waktu. Namun apabila
terjaid perubahan besar pada kelompok control. Maka pelatihan regulasi
emosi tidak diperlukan
Box's Test of Equality of

Box’s m menggambarkan homogenitas
Covariance Matricesa
pada setiap kelompok. nilai Sig 0,259
Box's M 4.576
(p>0,005) berarti ini menunjukkan
F 1.342
bahwa data homogen antara dua
df1 3 kelompok.
df2 58320.000
Sig. .259
101
jika nilai Mauchly's Test of Sphericity Signifikan (Sig ,< 0,05) anda harus
melihat baris Sphericity Assumed pada tabel di bawahnya
Jika nilai Mauchly's Test of Sphericity tidak Signifikan (Sig >0,05) anda
harus melihat Greenhouse-Geisser
Mauchly's Test of Sphericityb

Measure:MEASURE_1
Within Subjects Epsilona

Effect Approx. Greenhouse- Huynh- Lower-
Mauchly's W Chi-Square df Sig. Geisser Feldt bound
dimension1
stress 1.000 .000 0 . 1.000 1.000 1.000
Tests of Within-Subjects Effects
Measure:MEASURE_1
Source Type III Sum of Partial Eta

Squares df Mean Square F Sig. Squared
stress Sphericity Assumed 19.600 1 19.600 48.329 .000 .729
Greenhouse-Geisser 19.600 1.000 19.600 48.329 .000 .729
Huynh-Feldt 19.600 1.000 19.600 48.329 .000 .729
Lower-bound 19.600 1.000 19.600 48.329 .000 .729
stress * Sphericity Assumed 8.100 1 8.100 19.973 .000 .526

klmpok Greenhouse-Geisser 8.100 1.000 8.100 19.973 .000 .526
Huynh-Feldt 8.100 1.000 8.100 19.973 .000 .526
Lower-bound 8.100 1.000 8.100 19.973 .000 .526
Error(stress) Sphericity Assumed 7.300 18 .406
Greenhouse-Geisser 7.300 18.000 .406
Huynh-Feldt 7.300 18.000 .406
Lower-bound 7.300 18.000 .406
a. Computed using alpha = .05

Penjelasan
Pada tabel Tests of Within-Subjects Effects lihatlah baris lihat baris

stress*kelompok dan Greenhouse-Geisser. Hasilnya adalah F=19.973
(p<0,00) artinya bahwa terdapat interaksi antara stress (pre-pos tes) dengan
kelompok (eksperimen-kontrol). Interaksi menunjukkan bahwa perubahan
skor pre menuju post pada kedua kelompok (eksperimen-kontrol adalah
berbeda secara signifikan. Jika Anda melakukan eskperimen interaksinya
harus signifikan, jika tidak signifikan berarti perubahan pada kelompok
eksperimen dengan kelompok control relative sama (Widhiarso, 2009).
Levene’s tes untuk menguji

Levene's Test of Equality of Error Variancesa
homogenitas varian atara data
F df1 df2 Sig. pre-postes pada kedua
data pre tes .835 1 18 .373 kelompok. Hasil menunjukkan
data pos tes .219 1 18 .646 bahwa keduanya homogen
(p>0,05).

Measure:MEASURE_1
Transformed Variable:Average
Source Type III Sum of Partial Eta

Squares df Mean Square F Sig. Squared
Intercept 2220.100 1 2220.100 1132.062 .000 .984

klmpok 1.600 1 1.600 .816 .378 .043
Error 35.300 18 1.961
a. Computed using alpha = .05
Main effek kelompok (ekperimen dan control) terhadap penurunan

stress tidak signifikan F=0.816, Sig 0,378 (P>0,05). Hal ini berarti……..
103
Stress (pre dan pos tes)
Pairwise Comparisons
Measure:MEASURE_1
(I) stress (J) 95% Confidence Interval for

stres Mean Differencea
s Difference (I-J) Std. Error Sig.a Lower Bound Upper Bound
1 dimension2
2 1.400* .201 .000 .977 1.823
dimension1
2 dimension2
1 -1.400* .201 .000 -1.823 -.977
Based on estimated marginal means

*. The mean difference is significant at the .05 level.
a. Adjustment for multiple comparisons: Bonferroni.
Tabel di atas menjelaskan perubahan stress pada pengukuran pre dan pos
tes. Hasil menunjukkan bahwa Sig 0,00 (P<0,01), artinya terjadinya
penurunan stress pada penelitian (data pos test ) secara signifikan.
Kelompok (eksperimen dan control)
Estimates
Measure:MEASURE_1
jenis kelompok 95% Confidence Interval
Mean Std. Error Lower Bound Upper Bound
kelompok eksperimen 7.250 .313 6.592 7.908

kelompok kontrol 7.650 .313 6.992 8.308

Pairwise Comparisons
Measure:MEASURE_1
(I) jenis kelompok (J) jenis 95% Confidence

kelompok Interval for Differencea
Mean Std. Lower Upper

Difference (I-J) Error Sig.a Bound Bound
kelompok eksperimen kelompok -.400 .443 .378 -1.330 .530

kontrol
kelompok kontrol kelompok .400 .443 .378 -.530 1.330
eksperime
n
Based on estimated marginal means

a. Adjustment for multiple comparisons: Bonferroni.
Tabel di atas menunjukan bahwa main effect kelompok terhadap

penurunan stress. Hasil menunjukkan tidak ada pengaruh kelompok
terhadap penurunan stress (Sig > 0,05). Artinya, ………
105
Grafik di atas mengkonfirmasi bahwa terdapat interaksi
antara stress (pre dan post tes) dengan kelompok
(ekperimen dan control . artinya penurunan stress berbeda
pada kelompok. kelompok eksperimen terjadi penurunan
stress secara signifikan dibandingkan kelompok kontrol.

Modul 6
NNALISIS NON PARAMETRIK
Materi Non Parametrik

• Korelasional (Spearman, kontigensi)
• Perbedaaan (independen dan related sample)
Pengantar
Generalisasi hasil penelitian ke suatu populasinya memerlukan syarat-syarat

yang harus dipenuhi guna mendapatkan kesimpulan yang benar dan
akurat.Permasalahannya, apakah sampel penelitian mencerminkan atau
mewakili populasi atau apakah sampel diperoleh secara random.Bagaimana
jika asumsi-asumsi statistik tidak terpenuhi.Salah satu solusinya adalah
menggunakan statistik bebas distribusi atau disebut statistik non
parametrik, yaitu statistik bebas dari asumsi-asumsi statistik.
Korelasional
Korelasi Spearman (rs)
KorelasiSpearman merupakan salah satu teknik korelasi non parametrik.Data

yang digunakan dalam korelasi spearman adalah data ordinal.Artinya,
datanya memiliki jenjang atau tingkatan, sepertiranking kelas, jabatan, juara
dan lain-lain. Rumus ini dikembang oleh Spearman dan diberi simpul
Ϙ(huruf Yunani: dibaca Rho). Menurut Sprinthall (2003) ada3 kondisi
107
menggunakan korelasi Spearman, 1) kedua data ordinal, 2)satu variabel
ordinal dan satu variabel interval.Data interval dikonversi ke ordinal dan, 3)
kedua data interval, tapi tidak memiliki distribusi normal.
Contoh kasus:
Seorang peneliti melakukan penelitian tentanghubungan antara rangking

kelas dengan academic hardines pada siswa. Hipotesisnya: ada hubungan
positif dan signifikan antara rangking kelas dengan academic hardines pada
siswa. Berikut datanya:
Tabel 6.1
Data Ranking dan AcademicHardinessSiswa
No Ranking Academic Hardiness Rank

1 3 8 3
2 4 6 5
3 2 7 4
4 1 9 2
5 8 3 8
6 7 4 7
7 6 5 6
8 5 10 1
9 10 2 9
10 9 1 10
Nb; data akademik hardiness dirubah menajdi data rangking (diurutkan dari besar ke kecil)
Atau bisa gunakan data 1 (hal 35). Silahkan bandingkan hasil uni analisis
korelasi pearson dan spearman.

APLIKASI SPSS
 Pilih analyze:correlate→bivariate
 Masukkan kedua variabel ke kotak variabel
 Pilih; spearman
 Ok
Output 6.1
Correlations
Academic
Ranking
Hardiness
Spearman's rho Ranking Correlation Coefficient 1.000 .855**
Sig. (2-tailed) . .002
N 10 10
Academic Correlation Coefficient .855** 1.000

Hardiness
Sig. (2-tailed) .002 .
N 10 10
**. Correlation is significant at the 0.01 level (2-tailed).
Interpretasi
Hasil analisis Spearman menunjukkan bahwa ada hubungan positif dan

signifikan antara ranking kelas dengan academic hardiness, (r(10) =
0.855, p<0.01). Hasil ini berarti semakin tinggi ranking kelas siswa,
maka semakin tinggi academic hardiness siswa.
109
Korelasi Kontigensi
Korelasi ini digunakan untuk melihat hubungan dua variabel yang memiliki
tingkat pengukuran nominal atau melihat hubungan antara dua tabel
kategori yang disusun dalam tabel kontigensi.Misalkan hubungan antara
jenis kelamin (pria dan wanita) dengan sikap terhadap demonstrasi
(setuju dan tidak setuju).
Contoh kasus: suatu penelitin ingin melihat adapah ada hubungan jenis
kelamin dengan sikap terhadap demostrasi (setuju dan tida setuju). Berikut
datanya:
Tabel 6.2
Sikap terhadap Demontrasi Berdasarkan Gender
Jenis Kelamin Sikap terhadap Demontrasi

Setuju Tidak setuju
Pria 60 40
wanita 30 70
APLIKASI SPSS
 Klik data, pilih weight case

 Klik weight case by, masukkan variabel jumlah ke frekuensi
 Pilih analyze, klik descriptive
 Pilih crosstabs,
 Masukkan variabel ke kotak row dan sikap terhadap demonstrasi ke
kotak kolom.
 Klik statistik, kilik contigency
 Continue Ok

Output 6.2
Jenis Kelamin * Sikap terhadapDemontrasi Crosstabulation

Count
Sikap thd Demontrasi
Total
Setuju Tidak Setuju
Jenis Kelamin Pria 60 40 100
Wanita 30 70 100
Total 90 110 200
Symmetric Measures
Value Approx. Sig.
Nominal by Nominal Contingency Coefficient .289 .000

N of Valid Cases 200
Interpretasi
Hasil analisis korelasi kontigensi hal ini berarti ada hubungan signifikan
antara jenis kelamin dengan sikap terhadap demostrasi (C = 0,289, p<
0.05). Untuk melihat perbedaanya dapat menggunakan chi square
(lihat pembahasan berikutnya).
Perbedaan
Uji perbedaan pada statistik non parametrik dibagi berdasarkan sifat dari
sampel, apakah berkorelasi atau independen.
111
Tabel 6.3
Uji Perbedaan Non Parametrik
Sample/Kelompok Independent Sampel Related Sampel

Dua Sampel Mann-Whitney U Wilcoxon
Chi square
Lebih Dua Sample Kruskal Wallis H Friedman
Chi square
Mann-Whitney U
Mann-Whitney digunakan untuk analisis dua kelompok yang independen.

Uji ini merupakan kesamaan pada uji T test pada statistik parametrik.
Contoh Kasus: Gunakan kasus 5.1 pada modul 5.
APLIKASI SPSS
 klik analyze
 pilih nonparametrik
 klik 2 independen sample
 klik mann whitney, OK
Output 6.2
Ranks
Tempat Tinggal N Mean Rank Sum of Ranks
Kemandirian Rumah 5 5.30 26.50
Kos 5 5.70 28.50
Total 10

Test Statisticsb
Kemandirian
Mann-Whitney U 11.500
Wilcoxon W 26.500
Z -.219
Asymp. Sig. (2-tailed) .827
Exact Sig. [2*(1-tailed Sig.)] .841a
a. Not corrected for ties.
b. Grouping Variable: tempat tinggal
Interpretasi
Hasil penelitian menunjukkan tidak ada perbedaan signifikan

kemandirian mahasiswa yang tinggal di rumah dengan yang tinggal di
kosan, (z=-0,219,p > 0.05)
Kruskal Wallis H
Kruskal Wallis H digunakan untuk analisis lebih duakelompok yang

independen. Uji ini merupakan kesamaan pada one way anova pada statistik
parametrik
Kasus: Gunakan kasus pada one way anova pada Tabel 5.2
113
APLIKASI SPSS
 klik analyze
 klik k independen sample
 klik Kruskal Wallis H
 OK
Chi Square (Kai Kuadrat)
Chi square digunakan untuk menguji perbedaan antara frekuensi

pengamatan dan frekuensi harapan.Ada dua analisis dalam chi square, yaitu:
❖ 1 x k yang berarti satu kelompok dikenai beberapa kategori, misalkan

100 mahasiswa diminta menilai matakuliah yang paling disukai.
Hasilnya sebagai berikut:
Tabel 6.4
Tabel chi square pada 100 mahasiswa
MataKuliah Frekuensi Pengamatan

Psikologi Umum 25
Statistik 13
Psikologi Sosial 32
Psikologi Klinis 30
Total 100

Pertanyaan: Apakah ada perbedaan antara frekuensi pengamatan
dengan frekuensi harapan?
APLIKASI SPSS
 Klik data dan weight case

 Klik weight case by, pindahkan jumlah ke kotakfrekuensi varaibel
 Klik anlyxe, pilih non parametric test
 Pilih chi square, letakkan varaibel matakuliah ke variabel list and
chek are categories equal
 OK
❖ r x k yang berati beberapa kelompok dikenai beberapa kategori (tabel

kontegnsi). Contoh kasus pada Tabel 6.2 jenis kelamin dan sikap
terhadap demontrasi.
APLIKASI SPSS
 Klik data, pilih weight case

 Klik weight case by, masukkan variabel jumlah ke frekuensi
 Pilih analyze, klik descriptive
 Pilih crosstabs,
 Masukkan variabel ke kotak row dan sikap terhadap demonstrasi ke
kotak kolum
 Klik statistik, kilik chi square
 Continue Ok
115
Output 6. 3
Sikap thd Demontrasi * Jenis Kelamin Crosstabulation

Jenis Kelamin
Pria Wanita Total
Sikap thd Demontrasi Setuju Count 60 30 90
Expected Count 45.0 45.0 90.0
Tidak Setuju Count 40 70 110
Total Count 100 100 200
Chi-Square Tests
Asymp. Sig. Exact Sig. Exact Sig.
Value df
(2-sided) (2-sided) (1-sided)
Pearson Chi-Square 18.182a 1 .000
Continuity Correctionb 16.990 1 .000
Likelihood Ratio 18.480 1 .000
Fisher's Exact Test .000 .000
Linear-by-Linear Association 18.091 1 .000
N of Valid Cases 200
a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 45,00.
b. Computed only for a 2x2 table

Interpretasi
Hasil analsisi chi square menguji perbedaan sikap terhadap

demonstrasi ditinjau dari gender (pria dan wanita). Hasil penelitian
menunjukkan ada perbedaan signifikan antara pria dan wanita dalam
sikap terhadap demonstrasi, pria lebih setuju terhadap demontrasi
daripada wanita (X² (1)=18.182, p< 0.01)
Wilcoxon
Wilcoxon digunakan untuk analisis dua kelompok yang berkorelasi. Uji ini
merupakan kesamaan pada paired T test pada statistik parametrik.
Kasus.Gunakan kasus pada uji paired tes tabel 5.4.
APLIKASI SPSS
 klik analyze
 klik 2 related sample
 klik Wilcoxon
 blok dua variabel pindahkan ke tes pairs list
 OK
Friedman
Friedman digunakan untuk analisis dua lebih kelompok yang berkorelasi. Uji
ini merupakan kesamaan pada uji repeated measure pada statistik
parametric.
117
Contoh: Gunakankasus table 5.5.
APLIKASI SPSS
 klik analyze
 klik k related sample
 klik Friedman
 Pindahkanvariabel ke kotaktes variabel
 OK
Anas bin Malik bercerita kepada kami seperti ini:

Seorang bertanya kepada Nabi saw untuk meminta hewan kendaraan. Lalu Nabi saw
berkata kepadanya: ”Aku akan memberimu seekor anak unta”.
“Ya Rasulullah, Apa yang aku perbuat dengan anak unta“, tanya orang tersebut
protes.
Beliau menjawab: ”Memangnya, unta bisa melahirkan ibu unta?”

LATIHAN
1. Seorang peneliti tertarik meneliti lebih lanjut perilakupemaafan dan

religusitas pada dewasa awal (pria dan wanita). Data dikumpulkan dengan
menggunakan skala pemaafan pada 30 orang remaja. Berikut datanya:
No Pemaafan Jenis Kelamin Religiusitas Suku Umur

1 100 Pria 90 Jawa 25
2 99 sda 87 Sda 21
3 79 Sda 86 Sda 20
4 84 Sda 97 Sda 22
5 69 Sda 98 Sda 21
6 100 Sda 97 Sda 21
7 105 Sda 68 Sda 21
8 90 Sda 102 Sda 21
9 99 Sda 108 Sda 19
10 99 Sda 110 Sda 20
11 89 Sda 104 Melayu 20
12 73 Sda 100 Sda 21
13 92 Sda 103 Sda 23
14 113 Sda 103 Sda 27
15 81 Sda 97 Sda 20
16 80 Wanita 95 Sda 20
17 73 Sda 89 Sda 21
18 92 Sda 96 Sda 20
19 113 Sda 99 Sda 21
20 81 Sda 101 Sda 21
21 80 Sda 92 Minang 23
22 76 Sda 113 Sda 24
23 68 Sda 81 Sda 23
24 84 Sda 80 Sda 23
25 74 Sda 73 Sda 25
26 80 Sda 92 Sda 24
27 89 Sda 113 Sda 26
28 70 Sda 81 Sda 24
29 90 Sda 80 Sda 27
30 70 Sda 80 Sda 27
119
Pertanyaan:
a. Lakukan uji normalitas pada data pemaafan

b. Lakukan uji homogenitas pada jenis kelamin dan suku
c. Apakah ada perbedaan perilaku pemaafan antara pria dan wanita?
buat kesimpulan.
d. Tentukan perbedaan perilaku pemaafan ditinjau dari jenis suku
(melayu, jawa dan minang)?buat kesimpulan .
e. Apakah religiusitas dan umur dapat memprediksi perilaku
pemaafan?tentukan berapa sumbangsih religiusitas dan umur
terhadap perilaku pemaafan?
2. Seorang peneliti melakukan eksperimen terhadap 20 mahasiswa tentang

bias atribusi (internal dan eksternal) antar etnis. Pada kasus 1, mahasiswa
diminta membaca kasus kriminalyang dilakukan oleh etnis yang sama
dengan subjek, kemudian memberikan penilaian, Kemudian pada sesi
berikutnya subjek diberi kasus 2 yang berisi tentang pelaku kriminal
yang yang dilakukan etnis yang berbeda dengan subjek dan
memberikan penilaian. Berikut datanya:
Hipotesis: ada perbedaan bias atribusi ketika mahasiswa menilai pelaku

kriminal yang memiliki etnis yang sama dengan etnis yang berbeda.
Pelaku kriminal dari etnis yang sama cenderung mengalami atribusi
eksternal daripada etnis berbeda.

No Etnis Sama Etnis Berbeda
1 80 90
2 99 87
3 90 86
4 84 97
5 90 98
6 80 97
7 68 68
8 90 102
9 97 108
10 99 110
11 98 104
12 99 100
13 92 103
14 100 103
15 97 97
Pertanyaan:
Lakukan uji hipotesis penelitian, apakah diterima atau tidak?Buat
kesimpulan.
3. Seorang peneliti tertarik melakukan penelitian tentang dampak terapi

psikologis pada perilaku kriminal pada narapidana yang akan keluar
tahanan. Total sampel 100 yang dipilih secara random yang terdiri 50
yang ikut terapi dan 50 yang tidak ikut terapi. Setelah satu bulan mereka
keluar, para mantan narapidana ditanya:apakah setelah keluar pernah
melakukan perbuatan kriminal? Hipotesisnya:ada hubungan antara
terapi psikologis dengan melakukan perilaku kriminal.Hasilnya
penelitian sebagai berikut:
121
Melakukan Tindakan Krimanal?
Terapi Psikologis Total
Ya Tidak
Ikut Terapi 20 30 50
Tidak Ikut Terapi 40 10 50
Lakukan uji hiptesis dan buatlah kesimpulan.
4. Berikut data hasil pengukuran skala komunikasi terhadap 20 orang.

No
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
sbjk
1 4 4 4 4 4 4 3 3 3 4 4 3 3 4 3 3 3 3 3 3
2 4 4 4 3 3 4 4 4 4 4 4 3 3 3 3 4 4 3 3 3
3 3 2 3 3 3 3 3 3 3 3 3 3 2 3 3 3 3 3 3 3
4 3 3 3 3 3 3 3 3 3 4 3 3 3 3 3 3 3 3 2 3
5 3 4 3 3 3 3 4 4 4 4 4 4 3 4 4 4 4 3 2 2
6 3 4 3 3 3 3 3 3 3 4 3 3 3 4 3 3 2 4 3 4
7 3 3 3 3 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
8 4 4 3 3 3 3 4 4 3 3 4 3 2 4 4 3 4 3 1 4
9 3 3 3 2 3 3 3 3 3 3 3 3 2 2 3 2 3 3 3 3
10 3 4 3 4 4 3 3 4 3 3 3 3 3 3 2 2 3 2 3 3
11 4 4 4 4 3 4 3 3 3 3 3 3 2 3 2 4 3 2 4 4
12 3 3 2 3 2 2 3 3 3 4 3 3 2 3 3 4 3 3 3 4
13 3 3 3 3 2 3 3 3 3 3 3 2 2 3 2 3 3 2 3 3
14 3 4 3 3 3 3 4 4 3 4 3 4 3 4 3 3 4 3 1 4
15 4 3 3 3 2 3 4 4 3 3 3 3 3 3 3 2 3 3 3 3
16 4 3 4 4 4 3 4 4 4 4 4 4 2 4 2 2 4 4 4 4
17 4 4 3 3 3 3 3 4 3 3 3 3 2 4 3 3 3 2 4 2
18 3 3 3 3 3 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3
19 3 3 4 3 3 4 4 4 3 4 3 4 3 3 3 3 3 1 2 3
20 4 3 3 4 4 3 3 4 4 3 3 4 4 3 4 3 3 2 1 1
Pertanyaan:
1. Lakukan uji reliabilitas (Alpha)
2. Tentukan berapa aitem yang gugur.
3. Lakukan uji reliabilitas setelah aitem gugur dikeluarkan dari analisis.

5. Sorang peneliti melakukan penelitian survey tentang pengalaman
mahasiswa menggunakan facebook. Hasil penelitian sebagai berikut:
No. Tujuan Main Jenis Lama Main Persepsi thd

Umur
Facebook Kelamin Fecebook/Hari Facebook
1 1 Pria 1 2 20
2 1 sda 1 2 21
3 1 Sda 1 2 20
4 1 Sda 1 2 22
5 2 Sda 1 3 21
6 2 Sda 1 1 21
7 2 Sda 1 2 21
8 2 Sda 2 1 21
9 3 Sda 2 1 19
10 3 Sda 2 1 20
11 3 Sda 3 1 20
12 2 Sda 3 1 21
13 2 Sda 3 1 23
14 2 Sda 3 1 27
15 1 Sda 1 2 20
16 1 Wanita 2 1 20
17 1 Sda 2 1 21
18 1 Sda 2 2 20
19 2 Sda 2 2 21
20 2 Sda 2 2 21
21 2 Sda 2 2 21
22 2 Sda 2 2 19
23 3 Sda 3 1 18
24 3 Sda 3 1 19
25 3 Sda 3 1 21
26 3 Sda 3 1 21
27 3 Sda 3 1 20
28 1 Sda 2 1 21
29 1 Sda 1 3 18
30 1 Sda 1 3 19
123
Keterangan
 TujuanMain Facebook
1. Cari teman lama
2. Menambah teman
3. Eksistensi diri
 Lama Main Facebook/Hari

1. <1 jam
2. 1-2 jam
3. 2-3 jam
 Persepsi terhadap Facebook

1. Bermanfaat
2. Cukup bermanfaat
3. Tidak bermanfaat
Pertanyaan:
1. Analisis frekuensi data tujuan, lama dan persepsi terhadap
facebook dan buat grafik.
2. Bagaiman tujuan main facebook pada mahasiswa dilihat dari
jenis kelamin dan lamanya main facebook
3. Apakah ada perbedaan antara pria dan wanita dalam
mempersepsikan facebook?
4. Buatlah grafik perbandingan lamanya main facebook antara
pria dan wanita

6. Seorang peneliti melakukan penelitian pengaruh desain kelas
(tradisional dan modern (bentuk U) terhadap keaktifan belajar
mahasiswa. Penelitian dilakukan terhadap 20 mahasiswa yang
terdiri 10 pria dan 10 wanita. Pengukuran dilakukan sebanyak
dua kali. Prosedurnya: 20 mahasiswa dimasukkan di kelas
tradisional kemudian dilakukan pengukuran keaktifan belajar.
Selanjutnya dilakukan proses belajar di kelas dengan desain
modern dan dilakukan pengukuran keaktifan belajar.
Hipotesis: ada pengaruh desain kelas dan jenis kelamin
terhadap keaktifan belajar mahasiswa.
Berikut datanya:
No Jenis kelamin Tradisional Modern

1 1 (pria) 5 6
2 1 6 7
3 1 5 6
4 1 6 7
5 1 7 8
6 1 5 5
7 1 6 7
8 1 7 8
9 1 6 8
10 1 5 8
11 2 (wanita) 6 10
12 2 6 10
13 2 7 9
14 2 6 9
15 2 5 8
125
16 2 6 9
17 2 7 9
18 2 5 8
19 2 6 10
20 2 7 9
Pertanyaannya:
lakukan uji hipotesis dan interpretasi hasilnya
7. Seorang peneliti melakukan penelitian tentang preferensi partai

politik pada 100 mahasiswa. Berikut datanya:
No Partai politik Frekuensi

1 Golkar 20
2 PDIP 15
3 PKS 23
4 PAN 22
5 PPP 20
Pertanyaan: apakah ada perbedaan preferensi partai politik

pada mahasiswa?
Lakukan uji hipotesis dan buat kesimpulan

DAFTAR PUSTAKA
Azwar, S. (2007).Penyusunan Skala Psikologi. Cetakan IX. Yoyakarta: Pustaka Pelajar.
Baron, R. M., & Kenny, D. A. (1986). The moderator–mediator variable

distinction in social psychological research: Conceptual, strategic,
and statistical considerations. Journal of Personality of Social
Psychology, 51, 1173–1182.
Dugard, P., Todman. J., & Staines, H. (2010). Approaching Multivariate

Analysis:A Practical Intoduction. Second edition.London: Psychology
Press and Routledge.
Filed, A. (2009). Discovering Statistic using SPSS.Third Edition. Los Angeles:Sage

Publications.
Greasley, P. (2008).Quantitative Data Analysis Using SPSS: An Introduction for

Health &Social Science. Glasgow:Open University Press.
Prabowo, H. & Suhendra E.S. (2004).“Diktat Khusus SPSS”. Depok: Lembaga

Pengembangan Psikologi Fakultas Psikologi Gunadarma.
Sprinthall.R. (2003).Basic Statistical Analysis. Boston:Person Education Group.
Santoso, S. (2003).StatistikDeskriptif: Konsep dan Aplikasi Microsof Excel dan SPSS.

Edisi Revisi. Yogyakarta: Andi Offset.
Stevens (2009), J.P. Applied Multivariate Statistic for the Social Science.Fifth Edition.
New York: Routledge Taylor & Francis Group New York.
Usman, H& Akbar, P.S. (2008).Pengantar Statistik. Edisi ke-2. Jakarta:Bumi Aksara.
127
Trihendardi, C (2005). Step by Step SPSS 13: Analisis Data Statistik.Yogyakarta: Andi
Offset.
Widhiarso, W. (2010).“Mencari Sumbangan Efektir Aspek Variabel”. Diterima tanggal

18 September 2010 dari www.widhiarso.staff.ugm.ac.id/
Widhiarso, W. (2009). Aplikasi Anava Campuran Untuk Desain Eksperimen Pre-Post

Test Design. Diterima tanggal 30 november 2009. Dari www. widhiarso.staff.
ugm.ac.id
Widhiarso, W (2010). “PetaPengujian dalam Statistika”.Dari www. widhiarso.staff.

ugm.ac.i

Catatan
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
.........................................................................................................................................................
129

Ebook Aplikasi SPSS-2

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Ebook Aplikasi SPSS-2

Diunggah oleh

Hak Cipta:

Format Tersedia

1

2 Aplikasi SPSS pada Penelitian Psikologi

Kata Pengantar .............................................................................................................

4 Aplikasi SPSS pada Penelitian Psikologi

Penelitian merupakan suatu rangkaian kegiatan ilmiah yang bertujuan untuk

Kriteria Nominal Ordinal Interval Rasio

Ciri Kategori, Tingkatan, urutan, Tingkatan, Tingkatan,

Variabel merupakan suatu konsep mengenai atribut yang memiliki nilai

6 Aplikasi SPSS pada Penelitian Psikologi

Statistik Parametrik dan Non Parametrik

Paramatrik: Prosedur ini dapat digunakan bila asumsi-asumsi parametrik

Menurut Usman dan Akbar, (2008) asumsi statistik parametrik:

• Kelebihan: Kesimpulan yang dihasilkan lebih kuat dan akurat.

Non Parametrik: Prosedur ini digunakan bila asumsi tersebut tidak

• Kelemahan: Kesimpulan yang dihasilkan lebih lemah dari parametric.

Normal Distribusi Non Parametrik

Gambar 1.1 Alur Analisis Data

Peta Analisis Data

8 Aplikasi SPSS pada Penelitian Psikologi

1. Pertanyaan 1: Apa skala pengukuran yang digunakan? Pemilihan

2. Pertanyaan 2: Apa jenis hipotesis yang diujikan: korelasional atau

3. Pertanyaan 3: Jika hipotesis perbedaan yang digunakan, apakah

4. Pertanyaan 4: Berapa banyak set pengukuran yang

Untuk menguji signifikansi biasanya digunakan taraf signifikansi yang

10 Aplikasi SPSS pada Penelitian Psikologi

“Engkau tidak akan memperoleh

Jumlah Variabel Parametrik Non Parametrik

Jenis Tes Parametrik Non Parametrik

Jenis Tes Parametrik Non Parametrik

Jenis Tes Parametrik Non Parametrik

12 Aplikasi SPSS pada Penelitian Psikologi

Setelah mendapat larangan dari "Oho... Anda jangan salah.Semua

Independent Correlated Selection Any Number of

Two More Than Two More Than

Gambar 1.2 Pemilihan Analisis Statistik Data Nominal dan Ordinal

14 Aplikasi SPSS pada Penelitian Psikologi

Twoor Twoor More Than

Gambar 1.3 Pemilihan Analisis Statistik Data Interval

RonaldFisher adalah Suatu hari, saat Abdurarahman

16 Aplikasi SPSS pada Penelitian Psikologi

Memahami permasalahan atau fenomena sosial yang berkaitan dengan

Statistik deskriptif. Statistik ini bertujuan untuk menggambarkan

Gambar 2.1 Hubungan Statisik Deskriptif dan Inferensial

• Ukuran Terpusat (Central Tendecy): Suatu ukuran untuk melihat

Analsis frekuensi merupakan suatu analisiis yang bertujuan untuik

18 Aplikasi SPSS pada Penelitian Psikologi

Keterangan Jenis Kelamin: 1 : pria, 2: wanita

Gambar 2.2.Analisis Frekuensi

20 Aplikasi SPSS pada Penelitian Psikologi

Abu Hurairah R.a. Nabi bersabda” bukanlah yang dinamakan

Analisis deskriptif merupakan ringkasan perbandingan variaabel skala

• Analyze, klik statistic descriptive.

Umur 20 3.00 20.3000 .86450 .747 -.119 .512 -.726 .992

Analisis crostab merupakan analis yang melihat keterkaitan antarvariabel

Contoh: gunakan kasus 2.1

22 Aplikasi SPSS pada Penelitian Psikologi

• Analyze, klik statistic descriptive

sumber masalah * jenis kelamin Crosstabulation

pria wanita Total

sumber masalah orangtua Count 1 0 1

% within jenis kelamin 10.0% .0% 5.0%

% within jenis kelamin 60.0% 40.0% 50.0%