ENI ROMBE, M.Pd.

BELAJAR STATISTIKA
DENGAN MUDAH
Dilengkapi dengan konsep & aplikasi SPSS versi 17

Jl. Jatibarang RT 01/RW 01, Kel. Jatibarang, Kec. Mijen,

BSB, Semarang 50219, Indonesia
www.sttkao.ac.id; Email : stt.salom@yahoo.com

i
BELAJAR STATISTIKA DENGAN MUDAH: Dilengkapi dengan
Konsep & Aplikasi SPSS Versi 17
Edisi Pertama
Copyright © Januari 2016

Penulis
Eni Rombe, M.Pd.K

Ketua Redaksi
Dipl-ing Gregorius Suwito, M.Th

Editor
Gidion, M.Th,

Desain & Layout

Ariadna Danang Saputro, S.Kom
Andi Kris Setiyo Nugroho

Penerbit
Kritus Alfa Omega Press
(KAO Press)
Jl. Jatibarang RT 01/RW 01, Kel. Jatibarang, Kec. Mijen,
BSB, Semarang 50219, Indonesia
www.sttkao.ac.id; Email : stt.salom@yahoo.com

ISBN:978- 602-73653-1-5

ii
 KATA PENGANTAR

Segala puji syukur penulis atas kasih dan anuegahNya, penulis

dapat menyelesaikan penyusunan buku ini. Penulis juga mengucapkan
terima kasih kepada Tim editor KAO Press yang membantu dalam
proses editing. Serta kepada semua pihak yang telah membantu
penyusunan buku ini sampai selesai.
Buku ini disusun dengan tujuan memberikan pemahaman
tentang statistika dan cara pengolahan data menggunakan aplikasi SPSS
(Statistical Product and Service Solution) 17.0. Buku ini terdiri atas
sepuluh bab, yaitu: Pendahuluan; pengertian statistika, pengelompokan
statistika, fungsi statistika dan variabel dalam penelitian. Populasi dan
sampel penelitian. Hipotesis penelitian. Pengmpulan data. Pengukuran
Instrumen Penelitian. Pengukuran dan penyajian data. Uji asumsi dasar.
Uji t satu sampel. Analisis korelasi sederhana dan uji statistik
nonparametrik. Pembahasan teori dan konsep yang disertai dengan
contoh soal dan langkah-langkah praktis dalam mengolah data baik
secara manual maupun dengan menggunakan aplikasi SPSS 17. 0,
sehingga akan memudahkan mengolah dan menganalisis data dalam
penelitian kuantitatif.
Harapan penulis buku ini dapat dimanfaatkan bagi dosen dan
mahasiswa yang memiliki ketertarikan di bidang pengolahan dan
analisis data penelitian. Penulis juga mengharapkan kritik dan saran
yang membangun guna penyusunan buku belajar statistika dengan
mudah yang lebih baik di kemudian hari.

Penulis

iii
 DAFTAR ISI

Kata Pengantar................................................................................ iii

Daftar Isi ........................................................................................ iv
Daftar Tabel Lampiran .................................................................. vi
Bab I Pendahuluan
A. Pengertian Statistika ............................................... 1
B. Pengelompokan Statistika....................................... 2
C. Fungsi Statistika ..................................................... 7
D. Variabel Penelitian ................................................ 9

Bab II Populasi dan Sampel

A. Pengertian Populasi ............................................... 12
B. Pengertian Sampel ................................................. 12
C. Teknik Pengambilan Sampel ................................. 13
D. Teknik Penentuan Besar Sampel ........................... 18

Bab III Hipotesis Penelitian

A. Pengertian Hipotesis .............................................. 23
B. Jenis-Jenis Hipotesis Penelitian ............................. 25
C. Bentuk-bentuk dan Pengujian Hipotesis ................. 29

Bab IV Pengumpulan Data

A. Pengertian Data ....................................................... 33
B. Pengelompokan Data ............................................. 33
C. Teknik Pengumpulan Data .................................... 35
D. Teknik Analisis Data ............................................. 45
E. Skala Pengukuran Instrumen .................................. 47

Bab V Pengukuran Instrumen Penelitian

A. Pengertian Instrumen Penelitian ............................. 57
B. Cara Penyusunan Istrumen...................................... 57
C. Pengujian Instrumen ............................................... 59
D. Pengujian Validitas dengan SPSS 17.0...................... 60
E. Pengujian Reliabilitas dengan SPSS 17.0 ..................84

iv
Bab VI Pengukuran dan Penyajian Data.
A. Pengukuran Data ..................................................... 89
B. MenghitungUkuran pemusatan & Penyebaran
Data dengan SPSS 17............................................... 94
C. Penyajian Data ......................................................... 96

Bab VII Uji Asumsi Dasar

A. Pengertian Uji Asumsi Dasar .................................. 102
B. Uji Normalitas ......................................................... 102
C. Uji Linieritas ............................................................ 114

Bab VIII Uji t Satu Sampel

A. Uji Satu Pihak .......................................................... 119
B. Uji Dua Pihak .......................................................... 131
C. Aplikasi SPSS 17 untuk Uji t Dua Pihak ................. 133

Bab IX Analisis Korelasi

A. Pengertian Analisis Korelasi Sederhana .................. 138
B. Teknik Uji Korelasi Sederhana ............................... 138
C. Pengertian Analisis Korelasi Ganda ........................ 151
Contoh Penelitian korelasional (Penelitian Populasi)...................... 161
Contoh Penelitian korelasional (Penelitian Sampel)......................... 183

Bab X Uji Statistik Nonparametrik

A. Pengertian Statistik Nonparametrik ......................... 207
B. Kelebihan dan kelemahan Statistik Nonparametrik.. 207
C. Jenis-jenis Uji Statistik Nonparametrik ................... 208
D. Uji Korelasi Statistik Nonparametrik
dengan Aplikasi SPSS 17 ........................................ 226

Daftar Pustaka.................................................................................. 240

Daftar Tabel Lampiran .................................................................... 241

v
 DAFTAR TABEL LAMPIRAN

Tabel Nilai-nilai Kristis Pearson Product Moment…………

A. 241
Tabel B.
Nilai-nilai Kristis Distibusi t........................................ 242
Tabel C.
Nilai-nilai Kritis Nilai F............................................... 249
Tabel D.
Nilai-nilai Kristis dalam Uji Chi Kuadrat
(Chi Square)................................................................. 249
Tabel E. Tabel Penentuan Besar Sampel.................................... 250
Tabel E. Nilai-nilai Kritis Rho................................................... 252

vi
BAB I
PENDAHULUAN

A. Pengertian Statistik
1. Pengertian Statistik
Secara etimologis kata “statistik” berasal dari kata status (bahasa
Latin) yang mempunyai persamaan arti dengan kata dasar State (bahasa
Inggris) atau kata Staat (bahasa Belanda), yang berarti negara adan
digunakan untuk urusan negara. Sementara istilah statiska yang dalam
bahasa Inggris “statistics” (ilmu statistik), ilmu tentang cara-cara
mengumpulkan, mentabulasi dan menggolongkan, menganalisis dan
mencari keterangan yang berarti dari data yang berupa angka.1
Pada mulanya, statistik hanya digunakan untuk menggambarkan
keadaan dan menyelesaikan maslah yang berhubungan dengan
kenegaraan saja, seperti perhitungan banyaknya penduduk, pembayaran
pajak, gaji pegawai dan lain sebagainya. Seiring dengan perkembangan
zaman, maka pengertian statistik semakin berkembang, antara lain:
a. Statistik adalah kumpulan data yang disajikan dalam bentuk
tabel/daftar, gambar, diagram, atau ukuran-ukuran tertentu,
misalnya statistik penduduk, statistik kelahiran, dan statistik
pertumbuhan ekonomi.
b. Statistik adalah pengetahuan mengenai pengumpulan data,
klasifikasi data, penyajian data, pengolahan data, penarikan
kesimpulan dan pengambilan keputusan berdasarkan masalah
tertentu.

1
Rudyanto Chandra Saputra, Diktat Pengantar Statistik (Semarang: STT Kristus
Alfa Omega,t.t), 1
1
c. Statistik matematika/statistik teoritik adalah statistik yang
diturunkan, bagaimana menciptakan model-model teoritis dan
matematis. 2
2. Pengertian Statistika
Pengertian istilah statiska yang dalam bahasa Inggris “statistics”
(ilmu statistik), ilmu tentang cara-cara mengumpulkan, mentabulasi dan
menggolongkan, menganalisis dan mencari keterangan yang berarti dari
data yang berupa angka.3

B. Pengelompokkan Statistika

2
Syofian Siregar, Statistik Parametrik Untuk Penelitian Kuantitatif : Dilengkapi
dengan perhitungan Manual dan Aplikasi SPSS 17 (Jakarta: PT. Bumi Aksara, 2013
3
Rudyanto Chandra Saputra, Diktat Pengantar..., 1
2
1. Pengelompokkan Berdasarkan Cara Pengolahan Data
a. Statistiska Deksriptif
Statistik deskriptif adalah statistik yang bertujuan untuk
menggambarkan kondisi suatu data.4 Statistik deskriptif adalah “teknik
statistik yang memberikan informasi hanya mengenai data yang dimiliki
dan tidak bermaksud untuk menguji hipotesis dan kemudian menarik
inferensi yang digeneralisasikan untuk data yang lebih besar atau
populasi. Burhan menjelaskan bahwa: “statistik deskriptif “hanya”
dipergunakan untuk menyajikan dan menganalisis data agar lebih
bermakna dan komunikatif dan disertai perhitungan-perhitungan
“sederhana” yang bersifat lebih memperjelas keadaan dan atau
karakteristik data yang bersangkutan.5 Subana mengatakan statistik
deskriptif adalah statistik yang menggambarkan kegiatan berupa
pengumpulan data, penyusunan data, pengolahan data, dan penyajian
data dalam bentuk tabel, grafik, ataupun diagram, agar memberikan
gambaran yang teratur ringkas dan jelas mengenai suatu keadaan atau
peristiwa.6
Berdasarkan pendapat-pendapat di atas statistik deskriptif
bermaksud menyajikan, mengolah dan menganalisa data dari kelompok
tertentu sebagaimana adanya dan tidak bermaksud menarik kesimpulan-
kesimpulan yang berlaku bagi kelompok-kelompok yang lebih besar.
Artinya kesimpulan yang ditarik melalui deskriptif hanya berlaku bagi
kelompok sampel yang bersangkutan. Beberapa hal yang dapat dilakukan
pada statistik deskriptif yaitu:
• Menentukan ukuran pemusatan dari data; nilai rata-rata, median
dan modus

4
Tri Harjanti, Statistik Parametrik & Statistik Nonparamentrik (Semarang: UKS,
2009), 2
5
Burhan Nurgiyanto, Statistik Terapan Untuk Penelitian Ilmu-ilmu Sosial
(Yogyakarta: Gama University Pres, 2000), 8
6
M. Subana, Statistik Pendidikan (Bandung: Pustaka Setia, 2000), 12
3
• Menentukan ukuran penyebaran data; variasi, simpangan baku dan
jarak.
• Menentukan ukuran bentuk data; skewness, kurtosis, dan plot boks

b. Statistika Inferensial
Statistik Inferensial adalah statistik yang berkaitan dengan analisa
data (sampel) untuk kemudian dilakukan penyimpulan-penyimpulan
(inferensi) yang digeneralisasikan kepada seluruh subjek tempat data
diambil (populasi).7 Statistika inferensial adalah statistik yang
berhubungan dengan penarikan kesimpulan yang bersifat umum dari data
yang telah disusun dan diolah.8
Jadi statistik inferensial atau statistik induktif bermaksud
menyajikan, menganalisa data dari suatu kelompok untuk ditarik
kesimpulan-kesimpulan, prinsip-prinsip tertentu yang berlaku bagi
kelompok yang lebih besar (populasi) disamping berlaku bagi kelompok
yang bersangkutan (sampel). Berdasarkan ruang lingkup bahasannya,
Statistik Inferensial mencakup:
• Probalitas atau teori kemungkinan
• Distribusi teoritis
• Sampling dan sampling distribusi
• Pendugaan populasi atau teori populasi,
• Uji Hipotesis
• Analisis Korelasi dan uji signifikansi
• Analisis regresi untuk peramalan
• Analisis Varian
• Analisis Kovarian

7
Burhan, Statistik Terapan..., 12
8
Ibid., 12
4
2. Pengelompokkan Berdasarkan Bentuk Parameternya
a. Statistik Parametrik
Statistik Parametris merupakan statistik inferensial yang
mempertimbangkan nilai dari satu parameter populasi atau lebih dan
umumnya membutuhkan data yang berskala pengukurannya minimalnya
adalah interval dan rasio. Statistik parametrik adalah suatu ukuran
tentang parameter, artinya ukuran seluruh populasi dalam penelitian yang
harus diperkirakan dari apa yang terdapat di dalam sampel (karakteristik
populasi). Satu syarat umum yang harus dipenuhi apabila seorang peneliti
akan menggunakan statistik parametrik, yaitu normalitas distribusi.
Asumsi dasar yang harus dipenuhi, yaitu:
1) Secara teroritik karakteristik populasi mengikuti model distribusi
normal.
2) Nilai-nilai baku statistik yang digunakan untuk uji hipotesis
didasarkan pada model distribusi normal. Asumsi-asumsi lain
seperti homogenitas, lineritas harus dipenuhi sesuai dengan
hipotesis yang akan diuji.
Uji statistik yang dapat digunakan pada statistik parametrik, antara
lain:
• Uji – z (1 atau 2 Sampel)→ digunakan bila simpangan baku
populasi diketahui.
• Uji – t (1 atau 2 Sampel) → digunakan bila simpangan baku
populasi tidak diketahui.9 Menurut pendapat Sugiono rumus z
jarang digunakan, karena pada dasarnya simpangan baku setiap
populasi jarang diketahui.10
• Korelasi sederhana dan berganda
• One anova atau two way anova test
• Analisis regresi sederhana dan berganda

9
Sugiyono, Statistika Untuk Penelitian (Bandung: Alfabeta, 2010), 96
10
Ibid., 96
5
b. Statistik Non Parametrik
Statistik Nonparametris adalah statistik yang tidak memperhatikan
nilai dari satu parameter populasi atau lebih. Statistik nonparametris
digunakan karena analisis parametrik tidak konsisten lagi sehingga tidak
terikat atau terbebas dari model distribusi dan sampelnya relatif kecil.
Pada umumnya validitas pada statistik nonparametris tidak bergantung
pada model peluang yang spesifik dari populasi. Data yang dibutuhkan
lebih banyak berskala ukuran nominal atau ordinal. Statistika
nonparametrik mempunyai beberapa kelebihan dan kekurangan. yaitu:
1) Tingkat kesalahan penggunaan prosedur statistik nonparametrik
relatif kecil, karena statistik jenis ini tidak memerlukan banyak
asumsi.
2) Perhitungan yang harus dilakukan pada umumnya sederhana dan
mudah, khususnya untuk data kecil.
3) Konsep dalam statistik nonparametrik mudah untuk dimengerti.
4) Dapat digunakan untuk menganalisa data yang berbentuk hitungan
maupun peringkat (rank).
Sebaliknya, kekuarangan statistik nonparametrik yang paling utama
adalah hasil tidak selalu sesuai dengan yang diharapkan, karena
kesederhanaan perhitungannya. Namun walaupun dalam ststistika ini
sangat sederhana, bila jumlah datanya sangat besar maka dibutuhkan
perhitungan yang sangat lama. Analisis statistik nonparametrik, yaitu:
• Uji tanda peringkat Wilcoxon dan uji Man-Withney (untuk 1-2
kelompok)
• Uji Kruskal-Wallis (untuk kelompok lebih dari 2)
• Uji Korelasi Rank Spearman dan Kendaal Tau
• Uji Friedman & Uji Chi-Kuadrat11

11
Syofian Siregar, Statistik Parametrik...........4-5
6
 Untuk lebih sederhananya, perbedaan antara statistik dan non
parametrik dapat dilihat pada gambar di bawah ini:

C. Fungsi Statistika
1. Fungsi Statistika dalam Kehidupan sehari-hari
a. Membuat rencana dan prediksi
Rencana dan prediksi merupakan dua hal yang diperlukan dalam
pelaksanaan seseuatu, sehingga dapat diperoleh hasil yang baik dan
berkualitas. Dengan statistik, rencana dan prediksi dapat dibuat sebaik
mungkin. Misalnya, rencana pembuatan perumahan untuk lima tahun
mendatang dari suatu pemerintah kota, yang dipengaruhi oleh banyak
faktor, seperti jumlah penduduk dan tingkat pendapatan masyarakat.
Analisis data berkala mampu memberikan jawaban terbaik.

7
b. Mengatasi berbagai Perubahan
Perubahan-perubahan yang terjadi dalam suatu pengambilan
keputusan tidak mungkin dapat diabaikan atau dihindarkan, supaya
pihak-pihak lain tidak ada yang dirugikan. Dengan statistik perubahan-
perubahan yang mungkin terjadi dapat diantisipasi sedini mungkin.

c. Membuat Keputusan yang lebih baik

Keputusan yang baik dan rasional amat perlu dalam menjaga
kelancaran sebuah aktivitas kerja supaya kelestarian dari sebuah usaha
dapat terjamin. Dengan statistik, keputusan yang baik dan rasional dapat
dihasilkan.

d. Bank Data
Menyediakan data untuk diolah dan diinterpretasikan agar dapat
dipakai untuk menerangkan keadaan yang perlu diketahui atau diungkap.
Statistika berperan dalam setiap kegiatan kehidupan.12
Dalam kehidupan sehari-hari kita banyak menemukan data-data
statistik. Seperti, perhitungan caleg yang dapat dilihat di TV atau di
koran, bursa efek saham, kurs rupiah dll. Jadi dalam kehidupan sehari-
hari statistik memiliki peran dan fungsi masing-masing sesuai dengan
bidangnya.

2. Fungsi Statistika dalam Dunia Pendidikan

a. Komunikasi
Statistik dapat digunakan sebagai alat untuk melakukan komunikasi
atau alat penghubung dari beberapa pihak. Dari data statistik, yang
dihasilkan beberapa pihak tersebut dapat mengambil suatu keputusan.

12
http://andiirmapaduwai.blogspot.com/2012/03/pengertian-data-perbedaan-
statistik-dan_29.html
8
b. Deskripsi
Statistik dapat digunakan sebagai alat untuk menyajikan,
menggambarkan atau mengilustrasikan data ke dalam bentuk tabel,
gambar dan diagram sehingga orang mudah memahaminya.

c. Regresi
Statistik dapat digunakan sebagai alat untuk meramalkan atau
memprediksi pengaruh dari data (variabel bebas/independen) terhadap
data yang lain (variabel terikat/dependen).

d. Korelasi
Statistik dapat digunakan sebagai alat untuk menentukan seberapa
kuat hubungan antara dua data dalam suatu penelitian.

e. Komparasi
Statistik digunakan sebagai alat untuk membandingkan data 2
kelompok atau lebih.13

D. Variabel Penelitian
1. Pengertian Variabel Penelitian
Variabel adalah atribut, obyek yang mempunyai variasi antara
yang satu dengan yang lain. Contoh: prestasi belajar siswa, tinggi badan,
berat badan, sikap, motivasi, disiplin, berat, ukuran, bentuk. Menurut
Hatch dan Farhady, Variabel mengandung variasi. Data yang satu
berbeda dengan data yang lain. Dan menurut Kerlinger, Variabel adalah
constructs (sifat) yang dipelajari, yang diambil dari suatu nilai yang
berbeda.

13
Syofian Siregar, Statistik Parametrik... 5
9
 Dari beberapa pandangan di atas dapat ditarik kesimpulan bahwa
variabel penelitian adalah atribut/sifat/nilai dari orang/obyek/kegiatan
yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk
dipelajari dan ditarik kesimpulannya.

2. Macam-macam Variabel
Variabel merupakan gejala yang menjadi fokus peneliti untuk
diamati. Variabel itu sebagai atribut dari sekelompok orang atau objek
yang mempunyai variasi antara satu dengan yang lainnya dalam
kelompok itu. Sugiyono membagi 5 kelompok variabel, yaitu:

a. Variabel Independen (Variabel Bebas)

Variabel ini sering disebut sebagai variabel stimulus, input,
prediktor, dan antecedent. Dalam bahasa Indonesia sering disebut sebagai
variabel bebas. Variabel bebas adalah variabel yang menjadi sebab
timbulnya atau berubahnya variabel dependen (variabel terikat). Jadi
variabel independen adalah variabel yang mempengaruhi.

b. Variabel Dependen (Variabel yang terikat)

Variabel ini sering disebut variabel respon, output, kriteria,
konsekuen. Dalam bahasa Indonesia sering disebut variabel terikat.
Variabel terikat merupakan variabel yang dipengaruhi atau yang menjadi
akibat, karena adanya variabel bebas.

Pendidikan

Motivasi Kinerja

Kemampuan

10
c. Variabel Moderator,
Variabel yang mempengaruhi (memperkuat atau memperlemah)
hubungan antara variabel independen dan dependen.

Tingkat Keberhasilan
Kemampuan mahasiswa dalam
Mahasiswa ujian
Dukungan orang
dekat

d. Variabel Intervening;
Variabel yang secara teoritis mempengaruhi (memperkuat atau
memperlemah) hubungan antara variabel independen dan dependen,
tetapi tidak terukur.

Organizational
Kepuasan Komitmen Citizenship
Kerja Organisasi Behavior (OCB)

e. Variabel Kontrol;
Variabel yang dikendalikan atau dibuat konstan, sehingga tidak
akan mempengaruhi variabel utama yang diteliti. Variabel kontrol ini
ditetapkan oleh peneliti, bila peneliti akan melakukan penelitian terutama
dengan menggunakan metode eksperimen yang membuat
14
perbandingan.

14
Sugiyono, Statistika..., 3-4
11
BAB II
POPULASI DAN SAMPEL PENELITIAN

A. Pengertian Populasi
Populasi adalah wilayah
generalisasi yang terdiri
atas:objek/subjek yang
mempunyai kualitas dan
karakteristik tertentu yang
ditetapkan oleh peneliti untuk
dipelajari dan kemudian ditarik
kesimpulannya.15

Di pihak lain populasi adalah “berkenaan dengan data, bukan orang atau
bendanya.”16 Dari pendapat tersebut di atas ditarik kesimpulan bahwa:
populasi merupakan objek atau subjek yang berada pada suatu wilayah
dan memenuhi syarat-syarat tertentu berkaitan dengan masalah
penelitian.

B. Pengertian Sampel
Sampel adalah sebagian dari
jumlah dan karakteristik yang dimiliki
oleh populasi. Arikunto mengatakan
bahwa: “Sampel adalah bagian dari
populasi (sebagian atau wakil

15
Sugiyono, Statistika untuk Penelitian..., 61
16
Nazir, Metode Penelitian (Jakarta: Ghalia Indonesia, 1988), 327
12
populasi yang diteliti)”17 Sampel penelitian adalah sebagian dari
populasi yang diambil sebagai sumber data dan dapat mewakili seluruh
populasi, seperti yang terlihat pada gambar di samping. Sugiyono juga
memberikan pengertian tentang sampel: “Sampel adalah sebagian dari
jumlah dan karakteristik yang dimiliki oleh populasi.”18

C. Teknik Sampling
Pada dasarnya, teknik pengambilan sampel dikelompokkan menjadi
dua, yaitu:

17
Suharsimi Arikunto, Prosedur Penelitian Suatu Pendekatan Praktek. Cet. Ke-8
(Yogyakarta: Rineka Cipta, 1998), 117
18
Sugiyono, Statistika untuk Penelitian..., 62
13
1. Probabiliti Sampling
Probability sampling adalah teknik pengambilan sampel yang
memberikan peluang yang sama bagi setiap unsur (anggota) populasi
untuk dipilih menjadi sampel. Teknik ini meliputi:
a) Sample random sampling,
Dikatakan simple
(sederhana) karena
pengambilan anggota
sampel dari populasi
dilakukan secara acak
tanpa memperhatikan
strata yang ada dalam
populasi itu.
Cara itu dilakukan bila
anggota populasi dianggap
homogen.

b) Proportionate stratified random sampling,

Teknik ini digunakan bila
populasi mempunyai
anggota/unsur yang tidak
homogen dan berstrata
secara proporsional. Suatu
organisasi yang mempunyai
pegawai dari latar belakang
pendidikan yang berstrata,
maka populasi pegawai itu
berstrata. Misalnya jumlah
pegawai yang lulus S1= 45, S2= 30, STM= 800, ST= 900, SMEA= 400,
SD= 300. Jumlah sampel yang harus diambil meliputi strata pendidikan
tersebut.

14
c) Disproportionate stratified random Sampling
Teknik ini digunakan untuk menentukan jumlah sampel, bila
populasi berstrata tetapi kurang proporsional. Misalnya pegawai
dari unit kerja tertentu mempunyai; 3 orang lulusan S 3, 4 orang
lulusan S2, 90 orang S1, 800 orang SMU, 700 orang SMP, maka
tiga orang lulusan S3 dan 4 orang S2 itu diambil semuanya sebagai
sampel, karena dua kelompok ini terlalu kecil bila dibandingkan
dengan kelompok S1, SMU, dan SMP.

d) Cluster sampling (sampling menurut daerah).

Teknik sampling daerah digunakan untuk menentukan sampel bila
objek yang akan diteliti atau sumber data sangat luas, misalnya
penduduk suatu negara, propinsi atau kabupaten. Untuk
menentukan penduduk mana yang akan dijadikan sumber data,
maka pengambilan sampel yang ditetapkan secara bertahap dari
wilayah yang luas (negara) sampai ke wilayah terkecil (kabupaten).
Setelah terpilih sampel terkecil, kemudian baru dipilih sampel
secara acak.

15
2. Nonprobabiliti Sampling
Nonprobabiliti Sampling adalah teknik pengambilan sampel yang tidak
memberikan peluang/kesempatan sama bagi setiap unsur atau anggota populasi
untuk dipilih menjadi sampel. Teknik sampel ini meliputi; sampling sistematis,
sampling kuota, sampling insidental, sampling purpose, sampling jenuh dan
snowball.
a) Sampling sistematis
Sampling sistematis adalah teknik pengambilan sampel berdasarkan
urutan dari anggota populasi yang telah diberi nomor urut. Misalnya
anggota populaso terdiri dari 100 orang. Dari semua anggota itu diberi
nomor 1-100. Pengambilan sampel dapat dilakukan dengan mengambil
nomor ganjil saja, genap saja atau kelipatan dari bilangan tertentu. Untuk
lebih jelas dapat dilihat pada gambar berikut ini:

POPULASI SAMPEL

1 11 21 31 5 20

2 12 22 32 10 25

3 13 23 33 15 Dst

4 14 24 34

5 15 25 35

6 16 26 36

16
b) Sampling Kuota
Sampling kuota adalah teknik untuk menentukan sampel dari
populasi yang mempunyai ciri-ciri tertentu sampai jumlah (kuota)
yang diinginkan.

c) Sampling Insidental
Sampling Insidental adalah teknik penentuan sampel berdasarkan
kebetulan, yaitu siapa saja yang secara kebetulan/insidental
bertemu dengan peneliti dapat digunakan sebagai sampel, bila
dipandang orang yang kebetulan ditemui itu cocok sebagai sumber
data.

d) Sampling Purposive
Sampling puposive adalah teknik penentuan sampel dengan
pertimbangan tertentu. Misalnya akan melakukan penelitian tentang
kualitas makanan, maka sampel sumber datanya adalah orang yang
ahli makanan. Sampel ini lebih cocok digunakan untuk penelitian
kualitatif atau penelitian-penelitian yang tidak melakukan
generalisasi.

e) Sampling Jenuh
Sampling jenuh teknik penentuan sampel bila semua anggota
digunakan sebagai sampel. Hal ini sering dilakukan bila jumlah
populasi relatif kecil, kurang dari 30 orang, atau penelitian yang
ingin membuat generalisasi dengan kesalahan yang sangat kecil.
Istilah lain sampel jenuh adalah sensus, dimana semua anggota
populasi dijadikan sampel.

17
f) Snowball Sampling
Snowball sampling adalah teknik penentuan sampel yang mula-
mula jumlahnya kecil, kemudian membesar. Ibarat bola salju yang
menggelinding yang lama-lama menjadi besar. Dalam penentuan
sampel, pertama-tama dipilih satu atau dua orang, tetapi karena
dengan dua orang ini belum merasa lengkap terhadap data yang
diberikan, maka peneliti mencari orang lain yang dipandang lebih
tahu dan dapat melengkapi data yang diberikan oleh dua orang
sebelumnya.

D. Teknik Menentukan Sampel

Dalam menentukan ukuran sampel dari sebuah penelitian, ada 2
syarat yang harus dipenuhi, yaitu:
1. UkuranPopulasi (N) harus diketahui
2. Pilih taraf signifikansi α yang diinginkan

Menentukan ukuran sampel dapat dilakukan dengan beberapa cara,

yaitu:

a. Menggunakan Tabel Cohen dan rekan-rekannya

Dengan memperhitungkan Taraf Keyakinan dan Sampling Error
penelitian. Misalnya, dengan Taraf Keyakinan 95% dan 99% dan
Sampling Error 5% dan 1%, jumlah sampel baru ditentukan. Cohen dan
rekan-rekannya lalu membentuk tabel penentuan jumlah sampel
berdasarkan Taraf Keyakinan dan Sampling Error penelitian sebagai
berikut:

18
19
b. Menggunakan Tabel Krejcie

Berdasarkan Tabel Tabel Krejcie

Krejcie

Sugiono mengemukakan
cara menentukan ukuran
sampel yang sangat praktis,
yaitu dengan tabel Krejcie.
Dengan cara tersebut tidak
perlu dilalukan perhitungan
yang rumit. Krejcie dalam
melakukan perhitungan
sampel didasarkan atas
kesalahan 5%. Jadi sampel
yang diperoleh itu
mempunyai kepercayaan
95% terhadap populasi.

N = Populasi S = Sampel (Sugiono, 2005:63)

20
c. Menggunakan tabel Isaac dan Michael, seperti gambar di bawah
ini:

TABEL PENENTUAN JUMLAH SAMPEL DARI POPULASI TERTENTU

Rumus berdasarkan DENGAN TARAF KESALAHAN, 1, 5, DAN 10 %
Proporsi atau Tabel
Siginifikasi Siginifikasi
Isaac dan Michael N 1% 5% 10% N 1% 5% 10%
10 10 10 10 280 197 155 138
Tabel penentuan 15 15 14 14 290 202 158 140
jumlah sampel dari 20
25
19
24
19
23
19
23
300
320
207
216
161
167
143
147
Isaac dan Michael 30
35
29
33
28
32
28
32
340
360
225
234
172
177
151
155
memberikan 40
45
38
42
36
40
36
39
380
400
242
250
182
186
158
162
kemudahan 50 47 44 42 420 257 191 165
55 51 48 46 440 265 195 168
penentuan jumlah 60 55 51 49 460 272 198 171
65 59 55 53 480 279 202 173
sampel berdasarkan 70 63 58 56 500 285 205 176
75 67 62 59 550 301 213 182
tingkat kesalahan 1%, 80 71 65 62 600 315 221 187
5% dan 10%. Dengan 85
90
75
79
68
72
65
68
650
700
329
341
227
233
191
195
tabel ini, peneliti 95
100
83
87
75
78
71
73
750
800
352
363
238
243
199
202
dapat secara 110 94 84 78 850 373 247 205
120 102 89 83 900 382 251 208
langsung 130 109 95 88 950 391 255 211
140 116 100 92 1000 399 258 213
menentukan besaran 150 122 105 97 1100 414 265 217
160 129 110 101 1200 427 270 221
sampel berdasarkan 170 135 114 105 1300 440 275 224
jumlah populasi dan 180
190
142
148
119
123
108
112
1400
1500
450
460
279
283
227
229
tingkat kesalahan 200
210
154
160
127
131
115
118
1600
1700
469
477
286
289
232
234
yang dikehendaki. 220 165 135 122 1800 485 292 235
230 171 139 125 1900 492 294 237
240 176 142 127 2000 498 297 238
250 182 146 130 2200 510 301 241
260 187 149 133 2400 520 304 243
270 192 152 135 2600 529 307 245

21
d. Menggunakan Rumus Slovin

Rumus Slovin n = sampel; N = populasi; e = nilai presisi 90% atau

(dalam Riduwan, sig. = 0,1
2005:65) Misalnya, jumlah populasi adalah 1000, dan tingkat
kesalahan yang dikehendaki adalah 10%, maka
jumlah sampel yang digunakan adalah :
N = 1000 / 1000 (0,1)2 + 1 = 1000: 11= 90,9,
dibulatkan 91

n = sampel; N = populasi; e = nilai presisi 95% atau

sig. = 0,05
Misalnya, jumlah populasi adalah 1000, dan tingkat
kesalahan yang dikehendaki adalah 5%, maka
jumlah sampel yang digunakan adalah :
N = 1000 / 1000 (0,05)2 + 1 = 1000: 3,5= 286

22
BAB III
HIPOTESIS PENELITIAN

A. Pengertian Hipotesis
Istilah hipotesis berasal dari bahasa Yunani yang mempunyai dua
kata “hupo” yang artinya sementara dan “thesis” yang berarti pernyataan
atau teori. Hipotesis merupakan pernyataan sementara yang masih lemah
kebenarannya, maka perlu diuji kebenarannya.19 Hipotesis dapat
diartikan sebagai dugaaan sementara terhadap hubungan antara dua
variabel atau lebih atau dengan kata lain dapat dikatakan bahwa hipotesis
adalah jawaban atau dugaan sementara yang masih harus diuji
kebenarannya.
Hipotesis merupakan jawaban sementara terhadap rumusan
masalah penelitian, di mana rumusan masalah penelitian telah dinyatakan
dalam bentuk kalimat pertanyaan. Dikatakan sementara, karena jawaban
yang diberikan baru didasarkan pada teori yang relevan, belum
didasarkan pada fakta-fakta empiris yang diperoleh melalui pengumpulan
data. Jadi hipotesis juga dapat dinyatakan sebagai jawaban teoritis
terhadap rumusan masalah penelitian, belum jawaban empirik.
Penelitian yang merumuskan hipotesis adalah penelitian yang
menggunakan pendekatan kuantitatif. Pada penelitian kualitatif, tidak
dirumuskan hipotesis, tetapi justru diharapkan dapat ditemukan hipotesis.
Selanjutnya hipotesis, tersebut akan diuji oleh penelitian dengan
menggunakan pendekatan kuantitatif.
Dalam hal ini perlu dibedakan pengertian hipotesis penelitian dan
hipotesis statistik. Pengertian hipotesis penelitian seperti telah
dikemukakan di atas. Selanjutnya hipotesis statistik itu ada, bila

19
Syofian Siregar, Statistik Parametrik... 65
23
penelitian bekerja dengan sampel. Jika penelitian tidak menggunakan
sampel yang diambil secara random, maka tidak ada hipotesis statistik,
sehingga analisis data tidak menggunakan statistik inferensial (tidak ada
uji signifikansi), tetapi cukup menggunakan statistik deskriptif. Dalam
suatu penelitian, dapat terjadi ada hipotesis penelitian, tetapi tidak ada
hipotesis statistik. Penelitian yang dilakukan pada seluruh populasi
mungkin akan terdapat hipotesis penelitian tetapi tidak aka ada hipotesis
statistik.20 Untuk lebih memahami hal tersebut dapat dilihat pada gambar
di bawah ini:

Hipotesis statistik diperlukan untuk menguji apakah hipotesis

penelitian yang hanya diuji data sampel itu dapat diberlakukan untuk
populasi atau tidak. Dalam pembuktian ini akan muncul istilah
signifikansi, atau taraf kesalahan atau kepercayaan dari pengujian.
Signifikan artinya hipotesis penelitian yang telah terbukti pada sampel itu
(baik deskriptif, komparatif, maupun asosiatif) dapat diberlakukan ke
populasi.

20
Eni Rombe, Metodologi Penelitian (Semarang: STT KAO, 2015), 32
24
B. Jenis-Jenis Hipotesis Penelitian
1. Menurut hubungan variabel hipotesis dibagi menjadi 3 jenis,21
yaitu:
a. Hipotesis Deskriptif
Hipotesisi deksriptif adalah hipotesis yang tidak membandingkan
dan menghubungkan dengan variabel lain. Dengan kata lain dapat
dikatakan bahwa hioptesis deskriptif adalah hipotesis yang dirumuskan
untuk menggambarkan suatu fenomena, atau hipotesis yang dirumuskan
untuk menjawab permasalahan taksiran.
Contoh:
• Disiplin mahasiswa STT Kristus Alfa Omega Tinggi
• Motivasi belajar mahasiswa STT Kristus Alfa Omega mencapai
80% dari nilai maksimum.

b. Hipotesis Komparatif
Hipotesis komparatif/perbandiangan adalah hipotesis yang
dirumuskan untuk memberikan jawaban pada permasalahan yang bersifat
membedakan atau membandingkan data yang satu dengan data yang
lainnya.
Contoh:
• Ada perbedaan kemampuan berbahasa Indonesia antara
mahasiswa yang berasal dari luar pulau Jawa dengan mahasiswa
yang berasal dari pulau Jawa

21
Syofian Siregar, Statistik Parametrik ...., 67
25
 • Ada perbedaan semangat mengajar antara dosen tetap dengan
dosen tidak tetap.

c. Hipotesis Asosiatif/hubungan
Hipotesis asosiatif/hubungan adalah hipotesis yang menyatakan
hubungan atau pengaruh antara dua variabel atau lebih. Adapun menurut
sifat hubungan atau pengaruhnya hipotesis asosiatif/hubungan dibagi
menjadi 3 kelompok lagi, yaitu:
1) Hipotesis hubungan simetris
Hipotesis hubungan simetris adalah hipotesis yang menyatakan
hubungan bersifat kebersamaan antara dua variabel atau lebih,
tetapi tidak menunjukkan hubungan sebab akibat.
Contoh:
• Ada hubungan antara perpakaian mahal dengan penampilan
• Ada hubungan antara promosi dengan tingkat penjualan
2) Hipotesis hubungan sebab akibat (Kausal)
Hipotesis hubungan sebab akibat (Kausal) adalah hipotesis yang
menyatakan hubungan yang bersifat sebab akibat antara dua
variabel atau lebih.
Contoh:
• Kompetensi pedagogik pendidik berhubungan dengan
kemampuan kerjanya
• Tingkat pengangguran berhubungan dengan tingkat kriminalitas

26
3) Hipotesis hubungan interaktif
Hipotesis hubungan interaktif adalah hipotesis hubungan antara dua
variabel atau lebih yang bersifat saling mempengaruhi.
Contoh:
• Terdapat pengaruh timbal balik antara motivasi belajar dengan
hasil belajar
• Terdapat hubungan yang saling mempengaruhi antara
pemenuhan gizi terhadap prestasi anak

2. Menurut bentuknya hipotesis dibagi menjadi 3 bagian, yaitu:

a. Hipotesis Penelitian
Hipotesis penelitian ialah hipotesis yang dibuat dan dinyatakan
dalam bentuk kalimat. Contoh:
1) Disiplin mahasiswa STT Kristus Alfa Omega Tinggi
2) Pemahaman doa mahasiswa STT Kristus Alfa Omega lebih dari
80% dari nilai maksimum.

b. Hipotesis Operaional
Hipotesis operasional dibagi menjadi 2 bagian, yaitu:
1) Hipotesis penelitian/kerja (Ha)
Hipotesis penelitian/kerja (Ha) merupakan anggapan dasar peneliti
terhadap suatu masalah yang sedang diteliti. Hipotesis Ha adalah
lawan atau kebalikan dari H0. Ha cenderung dinyatakan dalam
kalimat positif. Contoh:

27
 Ha : Disiplin mahasiswa STT Kristus Alfa Omega Tinggi
Ha : Pemahaman doa mahasiswa STT Kristus Alfa Omega
lebih besar dari atau sama dengan 80% dari nilai
maksimum.
2) Hipotesis operasional (H0)
Hipotesis operasional (H0) merupakan hipotesis yang bersifat
objektif. Hipotesis H0 merupakan pembanding untuk hipotesis Ha
yang telah ditentukan. H0 lebih cenderung dinyatakan dalam bentuk
kalimat negatif). Contoh:
H0 : Disiplin mahasiswa STT Kristus Alfa Omega tidak
Tinggi
H0 : Pemahaman doa mahasiswa STT Kristus Alfa Omega
lebih kecil 80% dari nilai maksimum.

3. Hipotesis statistik
Hipotesis statistik adalah hipotesis operasional yang diterjemahkan
ke dalam bentuk angka-angka statistik sesuai dengan alat ukur yang
dipilih oleh peneliti. Contoh: Hipotesis dalam bentuk uraian kalimat
Ha : Pemahaman doa mahasiswa STT Kristus Alfa Omega ≥
80% dari nilai maksimum.
H0 : Pemahaman doa mahasiswa STT Kristus Alfa Omega <
80% dari nilai maksimum.
Hipotesis dalam bentuk statistik
Ha : μ ≥ 80% dari nilai maksimum.
H0 : μ < 80% dari nilai maksimum.
28
C. Bentuk-bentuk Pengujian Hipotesis
Dalam menentukan uji statistik terdapat dua pilihan, yaitu
a. Uji Satu Pihak, yaitu uji pihak kanan atau uji pihak kiri→ hipotesis
direksional, yaitu rumusan hipotesis yang arahnya sudah jelas (kiri
dan kanan) atau disebut hipotesis langsung.

1) Uji pihak kiri

Uji pihak kiri digunakan apabila; hipotesis nol (H0) dinyatakan
dengan istilah “lebih besar atau sama dengan, paling rendah atau
sama dengan, minimum atau sama dengan yang dilambangkan
dengan simbol (≥) dan hipotesis alternatifnya (Ha) dinyatakan
dengan istilah lebih kecil, paling tinggi, maksimum, yang
dilambangkan dengan simbol (<). Contoh:

H0 : Pemahaman doa mahasiswa STT Kristus Alfa Omega

lebih besar dari atau sama dengan 80% dari nilai
maksimum.
Ha : Pemahaman doa mahasiswa STT Kristus Alfa Omega
kurang 80% dari nilai maksimum.

Dengan ketentuan:
H0 : diterima dan Ha ditolak jika –ttabel ≤thitung
H0 : ditolak dan Ha diterima jika -ttabel >thitung

29
 Model kurva:

Wilayah
penolakan


Wilayah
penerimaan

Nilai Statistik uji

Nilai Ho
kritis

2) Uji pihak kanan

Uji pihak kanan digunakan apabila; hipotesis nol (H0) dinyatakan
dengan istilah “lebih kecil atau sama dengan, lebih rendah atau
sama dengan, paling tinggi atau sama dengan, paling tinggi atau
sama dengan, maksimum atau sama dengan yang dinyatakan
dengan simbol (≤) dan hipotesis alternatifnya (Ha) dinyatakan
dengan istilah “lebih besar, paling rendah, lebih tinggi, minimum
yang dilambangkan dengan simbol (>). Contoh:

H0 : Pemahaman doa mahasiswa STT Kristus Alfa Omega

lebih kecil atau sama dengan 80% dari nilai maksimum.
Ha : Pemahaman doa mahasiswa STT Kristus Alfa Omega
lebih besar dari 80% dari nilai maksimum.

Dengan ketentuan:
H0 : diterima dan Ha ditolak jika thitung ≤ + ttabel
H0 : ditolak dan Ha diterima jika thitung > ttabel

30
 Model kurva:
Wilayah
penolakan

Wilayah

penerimaan

Statistik uji Nilai

Ho Nilai
kritis

b. Uji dua pihak

Uji hipotesis dua pihak juga disebut hipotesis Non Direksional →
hipotesis yang tidak menunjukkan arah tertentu (hipotesis tidak
langsung). Uji hipotesis dua pihak digunakan apabila hipotesis nol
(H0) dinyatakan istilah sama dengan (=) dan hipotesis alternatifnya
(Ha) dinyatakan dengan istilah tidak sama dengan (≠). Langkah-
langkah pengujian dua pihak, yaitu:

1) Menentukan bunyi hipotesis

H0 : Pemahaman doa mahasiswa STT Kristus Alfa Omega sama
dengan 80% dari nilai maksimum.
Ha : Pemahaman doa mahasiswa STT Kristus Alfa Omega tidak sama
dengan dari nilai maksimum.

Model Kurva:
Wilayah Wilayah
penolakan penolakan

1/2  1/2 
Wilayah
penerimaan

Nilai Statistik uji

Nilai Ho Nilai
kritis kritis

31
2) Menetapkan Kaidah Pengujian

H0 : diterima dan Ha dditolak jika –ttabel ≤thitung ≤ttabel

H0 : ditolak dan Ha diterima jika thitung >ttabel
3) Membandingkan nilai t tabel dengan t hitung
Tujuan melakukan nilai t tabel dengan t hitung adalah untuk
mengetahui apakah H0 ditolah atau diterima berdasarkan kaidah
pengujian di atas.
4) Membuat keputusan
Langkah terakhir dalam peneltian adalah mengambil atau membuat
suatu keputusan dengan mengambil salah satu dari alternatif di
atas.

32
BAB IV
PENGUMPULAN DATA

A. Pengertian Data
Menurut Tri Harjanti data adalah sekumpulan angka atau fakta
yang dikumpulkan untuk keperluan tertentu.22 Sementara Buchari
mengatakan data adalah bahan mentah yang perlu diolah sehingga
menghasilkan informasi yang menunjukkan fakta.23 Data adalah bahan
mentah yang perlu diolah, sehingga menghasilkan informasi atau
keterangan, baik kualitatif maupun kuantitatif, yang menunjukkan fakta.
Data juga merupakan kumpulan fakta, angka, atau segala sesuatu yang
dapat dipercaya kebenarannya, sehingga dapat digunakan sebagai dasar
untuk menarik kesimpulan.

B. Pengelompokkan Data

Kualitatif
Nominal
Macam
Data Diskrit
Ordinal
Kuantitatif
Interval

Kontinum

Rasio

22
Tri Harjanti, Statistik Parametrik & Statistik Nonparametrik..., 4
23
Buchari Alma, Pengantar Statistika Sosial (Bandung: Alfabeta, 2009),
20
33
1. Kelompok Data Menurut Cara Memperolehnya
Berdasarkan cara memperolehnya, data dapat dibedakan menjadi
data primer dan data sekunder.
a. Data Primer adalah data yang dikumpulkan dan diolah sendiri oleh
peneliti langsung dari sumber pertama atau tempat objek peneliti
yang dilakukan.
b. Data sekunder adalah data yang diperoleh dalam bentuk jadi dan
telah diolah oleh pihak lain, biasanya dalam bentuk publikasi.

2. Kelompok Data Menurut Waktu Pengumpulannya

Berdasarkan waktu pengumpulannya data dibagi menjadi 2, yaitu;
a. Data cross section adalah data yang dikumpulkan dalam suatu
periode tertentu, biasanya menggambarkan keadaan atau kegiatan
dalam periode tersebut.
b. Data timer series (berkala) adalah data yang dikumpulkan dari
waktu ke waktu. Tujuannya adalah untuk menggambarkan
perkembangan suatu kegiatan dari waktu ke waktu. Misalnya
perkembangan hasilnya penjualan komputer selama 5 tahun
terakhir. Data ini sering disebut data historis. 24

3. Kelompok Data Menurut Sifatnya

Data berdasarkan Sifat terdiri atas dua, yaitu:
a. Data Kualitatif, yaitu data yang berhubungan dengan kategorisasi,
karakteristik berwujud pertanyaan atau berupa kata-kata atau
kalimat. Data kualitatif diperoleh dari berbagai teknik
pengumpulan data, misalnya wawancara, analisis dokumen,
diskusi, atau observasi lapangan yang telah dituangkan dalam
bentuk transkip.

24
Meilia Nur Indah Susanti, Statistik Deskriptif & Induktif (Yogyakarta:
Graha Ilmu, 2010), 14-16
34
b. Data Kuantitatif, yaitu data yang berwujud angka-angka.25 Sesuai
dengan bentuknya data kuantitatif dapat diolah atau dianalisis
dengan menggunakan teknik perhitungan statistik. Data kuantitatif
dibagi dua kelompok berdasarkan cara proses atau cara
mendapatkannya.
1) Data diskrit
Data diskrit adalah data dalam bentuk bilangan bulat yang
diperoleh dengan cara menghitung. Data yang termasuk data
diskrit adalah data nominal
Contoh:
• Jumlah Sekolah Tinggi Teologi di Jawa Tengah ada 20
• Jumlah mahasiswa di STT Kristus Alfa Omega,
Semarang sebanyak 70 orang
2) Data dikotomi/kontinum
Data dikotomi/kontinum adalah data dalam bentuk bilangan
bulat atau pecahan yang diperoleh dengan cara hasil
pengukuran. Data ini tergantung pada jenis skala pengukuran
yang digunakan.
Contoh:
• Nilai ujian statistik si A sebesar 80
• Tinggi badan si B 160,5 cm

C. Teknik Pengumpulan Data

Pengumpulan data adalah suatu proses pengumpulan data primer
dan sekunder dalam suatu penelitian. Data yang diperoleh melalui
pengumpulan data akan digunakan untuk pemecahan masalah yang
sedang diteliti atau untuk menguji hipotesis yang telah dirumuskan oleh
peneliti.

25
Buchari Alma, Pengantar Statistika Sosial..., 21
35
1. Wawancara
Wawancara adalah proses memperoleh keterangan/data untuk
tujuan penelitian dengan cara tanya jawab, sambil bertatap muka antara
pewawancara dengan responden dengan alat yang dinamakan panduan
wawancara.26

a. Wawancara Terstruktur
Pedoman wawancara yang disusun secara terperinci, sehingga
menyerupai check-list. Pewawancara hanya tinggal memberikan tanda
(check) pada nomor yang sesuai. Pedoman wawancara yang banyak
digunakan adalah bentuk “semi structured”. Dalam hal ini, mulai-mula
interviewer menanyakan serentetan pertanyaan yang sudah terstruktur,
kemudian satu persatu diperdalam dalam mengorek keterangan lebih
lanjut. Dengan demikian, jawaban yang diperoleh bisa meliputi semua
variabel, dengan keterangan yang lengkap dan mendalaman27

b. Wawancara Tidak Terstruktur

Pedoaman wawancara ini tidak memuat alat wawancara secara
terperinci, namun hanya memuat garis besar yang akan ditanyakan.
Sehingga dalam hal ini kreativitas pewawancara sangat diperlukan,
bahkan hasil wawancara dengan jenis pedoman ini lebih banyak
tergantung dari pewawancara. Pewawancara posisinya sabagai
pengemudi jawaban responden. Sifat pertanyaan harus spontan dan bisa
digunakan oleh orang-orang yang ahli (expert).28

26
Sofian Siregar, Statistik Parametrik ..., 40
27
Ibid., 40
28
Ibid., 40
36
2. Observasi
Observasi atau pengamatan langsung adalah kegiatan pengumpulan
data dengan melakukan penelitian langsung terhadap kondisi lingkungan
objek penelitian yang mendukung kegiatan penelitian, sehingga didapat
secara jelas tentang kondisi objek penelitian tersebut. Terdapat beberapa
komponen yang tercakup dalam proses pengumpulan data dengan
menggunakan metode observasi, yaitu:

a. Pemilahan, sebelum dilakukan proses pengumpulan data terlebih

dahulu pengamat memfokuskan pengamatannya, baik disengaja
maupun tidak.
b. Pengubahan, metode pengumpulan data dengan observasi ini
memperbolehkan si pengamat mengubah perilaku atau susana tanpa
mengganggu kewajarannya.
c. Pencatatan, menunjukkan si pengamat melakukan pencatatan atau
merekam kejadian-kejadian yang terjadi pada subjek penelitian.
d. Pengodean, setelah kejadian di lapangan dicatat, tahap selanjutnya
melakukan proses penyederhanaan catatan-catatan yang diperoleh
di lapangan melalui metode reduksi data.
e. Tujuan Empiris, observasi yang memiliki bermacam-macam fungsi
dalam penelitian dapat digunakan untuk menguji teori atau
hipotesis. Metode pengumpulan data melalui teknik observasi
memiliki kelebihan dan kekurangan, seperti halnya pada metode
pengumpulan data yang lain.29

Dari segi proses pelaksanaan pengumpulan data, observasi dapat

dibedakan menjadi participant observation (observasi berperan serta) dan
non participant observation, selanjutnya dari segi instrumentasi yang
digunakan, maka observasi dapat dibedakan menjadi observasi terstruktur
dan tidak terstrurktur.

29
Sofian Siregar, Statistik Parametrik ..., 42-43
37
a. Obervasi Berperanserta (participant observation)
Dalam observasi ini, peneliti terlibat dengan kegiatan sehari-hari
orang yang sedang diamati atau yang digunakan sebagai sumber data
penelitian. Sambil melakukan pengamatan, peneliti ikut melakukan apa
yang dikerjakan oleh sumber data, dan ikut merasakan suka dukanya.
Dengan observasi partisipan ini, maka data yang diperoleh akan lebih
lengkap, tajam dan sampai mengetahui pada tingkat makna dari setiap
perilaku yang Nampak.

Dalam suatu perusahaan atau organisasi pemerintahan misalnya,

peneliti dapat berperan sebagai karyawan, ia dapat mengamati bagaimana
perilaku karyawan dalam bekerja, bagaimana semangat kerjanya,
bagaimana hubungan satu karyawan dengan karyawan lain, hubungan
karyawan dengan supervisor dan pimpinan, keluhan dalam melaksanakan
pekerjaan dan lain-lain.

b. Observasi Nonpartisipan
Kalau dalam observasi partisipan peneliti terlibat langsung dengan
aktivitas orang-orang yang sedang diamati, maka dalam observasi
nonpartisipan peneliti tidak terlibat dan hanya sebagai pengamat
independen. Misalnya dalam suatu tempat pemungutan suara (TPS),
peneliti dapat mengamati bagaimana perilaku masyarakat dalam hal
menggunakan hak pilihannya, dalam interaksi dengan panitia dan pemilih
yang lain. Peneliti mencatat, menganalisis dan selanjutnya dapat
membuat kesimpulan tentang perilaku masyarakat dalam pemilihan
umum. Pengumpulan data dengan observasi nonpartisipan ii tidak akan
mendapatkan data yang mendalam, dan tidak sampai pada tingkat makna.
Makna adalah nilai-nilai di balik perilaku yang tampak, yang
terungapkan dan yang tertulis.

38
 Dalam suatu proses produksi, peneliti dapat mengamati bagaimana
mesin-mesin bekerja dalam mengolah bahan baku, komponen mesin
mana yang masih bagus dan yang kurang bagus, bagaimana kualitas
barang yang dihasilkan dan bagaimana performance tenaga kerja atau
operator mesinya.

Observasi jenis Nonpartisipan ini dapat dibagi menjadi 2

kelompok, yaitu:

1) Observasi Terstruktur
Observasi terstruktur adalah observasi yang telah dirancang secara
sistematis, tentang apa yang akan diamati, kapan dan dimana
tempatnya. Jadi observasi terstruktur dilakukan apabila peneliti
telah tahu dengan pasti tentang variabel apa yang akan diamati.
Dalam melakukan pengamatan, peneliti menggunakan instrument
penelitian yang telah teruji validitas dan reliabilitasnya. Pedoman
wawancara terstruktur, atau angket tertutup dapat juga digunakan
sebagai pedoman untuk melakukan observasi. Misalnya peneliti
akan melakukan pengukuran terhadap kinerja pegawai yang
bertugas dalam pelayana IMB (ijin medirikan bangunan), maka
peneliti dapat menilai setiap perilaku dan ucapan dengan
mengunakan instrument yang digunakan untuk mengukur kinerja
karyawan tersebut.

2) Obervasi Tidak Terstruktur

Observasi tidak terstruktur adalah observasi yang tidak
dipersiapkan secara sistematis tentang apa yang akan diobservasi.
Hal ini dilakukan karena peneliti tidak tahu secara pasti tentang apa
yang akan diamati. Dalam melakukan pengamatan peneliti tidak
menggunakan instrument yang telah baku, tetapi hanya berupa
rambu-rambu pengamatan.

39
 Dalam suatu pemeran produk industry dari berbagai Negara,
peneliti belum tahu pasti apa yang akan diamati. Oleh karena itu peneliti
dapat melakukan pengamatan bebas, mencatat apa yang tertarik,
melakukan analisis dan kemudian dibuat kesimpulan.30

3. Kuesioner (Angket)
Kuesioner merupakan teknik pengumpulan data yang dilakukan
dengan cara memberi seperangkat pertanyaan atau pernyataan tertulis
kepada responden untuk dijawabnya. Bila penelitian dilakukan pada
lingkup yang tidak terlalu luas, sehingga kuesioner dapat diantarkan
langsung dalam waktu tidak terlalu lama, maka pengiriman angket
kepada responden tidak perlu melalui pos. Dengan adanya kontak
langsung antara peneliti dengan responden akan menciptakan suatu
kondisi yang cukup baik, sehingga responden dengan sukarela akan
memberikan data obyektif dan cepat. Kuesioner yang digunakan dalam
proses pengumpulan data penelitian, terdiri atas dua jenis, yaitu:

a. Kuesioner Tertutup
Pertanyaan-pertanyaan atau pernyataan-pernyataan yang diberikan
kepada responden sudah dalam bentuk pilihan ganda. Jadi responden
tinggal memilih jawaban saja, tanpa ada kesempatan untuk menyatakan
pendapatnya diluar dari pilihan yang telah ditetapkan.

b. Kuesioner Terbuka
Pertanyaan-pertanyaan yang diberikan kepada responden tidak
disediakan pilihan jawabannya, jadi responden bebas menyatakan
pendapatnya tanpa harus terpaku pada pilihan jawaban.

30
Eni Rombe, Metodologi Penelitian....., 62-63
40
 Beberapa prinsip dalam penulisan kuesioner/angket sebagai teknik
pengumpulan data yaitu: prinsip penulisan, pengukuran dan penampilan
fisik.

1) Prinsip Penulisan Angket

Prinsip ini menyangkut beberapa aspek yaitu: isi dan tujuan
pertanyaan, bahasa yang digunakan mudah, pertanyaan tertutup
terbuka, negative-positif, pertanyaan tidak mendua, tidak
menanyakan hal-hal yang sudah lupa, pertanyaan tidak
mengarahkan, panjang pertanyaan, dan urutan pertanyaan.

• Isi dan tujuan Pertanyaan

Yang dimaksud di sini adalah, apakah isi pertanyaan tersebut
merupakan bentuk pengukuran atau bukan? Kalau berbentuk
pengukuran, maka dalam membuat pertanyaan harus teliti, setiap
pertanyaan harus menggunakan skala yang tepat dan jumlah
itemnya mencukupi untuk mengukur variabel yang diteliti.

• Bahasa yang digunakan

Bahasa yang digunakan dalam penulisan kuesioner (angket) harus
disesuaikan dengan kemmapuan berbahasa responden. Kalau
sekiranya responden tidak dapat berbahasa Indonesia, maka angket
jangan disusun dengan bahasa Indonesia. Jadi bahasa yang
digunakan dalam angket harus memperhatikan jenjang pendidikan
responden, keadaan social budaya, dan “frame of reference” dari
responden.

• Tipe dan Bentuk Pertanyaan

Tipe pertanyaan dalam angket dapat terbuka atau tertutup (kalau
dalam wawancara: terstruktur dan tidak terstruktur), dan bentuknya
dapat menggunakan kalimat positif atau negatif. Pertanyaan

41
 terbuka, adalah pertanyaan yang mengharapkan responden untuk
menuliskan jawabannya berbentuk uraian tentang sesuatu hal.
Contoh: bagaimanakah tanggapan anda terhadap iklan-iklan di TV
saat ini? Sebaliknya pertanyaan tertutup, adalah pertanyaan yang
mengharapkan jawaban singkat atau mengharapkan responden
untuk memilih salah satu alternative jawaban dari setiap pertanyaan
yang telah tersedia. Setiap pertanyaan angket yang mengharapkan
jawaban berbentuk data nominal, ordinal, interval, dan ratio, adalah
bentuk pertanyaan tertutup. Pertanyaan tertutup akan membantu
responden untuk menjawab dengan cepat, dan juga memudahkan
peneliti dalam melakukan analisis data terhadap seluruh angket
yang telah terkumpul. Pertanyaan/pernyataan dalam angket perlu
dibuat kalimat positif dan negative agar responden dalam
memberikan jawaban setiap pertanyaan lebih serius, dan tidak
mekanistis.

• Pertanyaan tidak mendua

Setiap pertanyaan dalam angket jangan mendua (double-barreled)
sehingga menyulitkan responden untuk memberikan jawaban.
Contoh:
Bagaimana pendapat anda tentang kualitas dan kecepatan
pelayanan KTP? Ini adalah pertanyaan yang mendua, karena
menanyakan tentang dua hal sekaligus, yaitu kualitas dan harga.
Sebaiknya pertanyaan tersebut dijadikan menjadi dua yaitu:
bagaimanakah kualitas pelayanan KTP? Bagaimanakah kecepatan
pelayanan?

• Tidak menanyakan yang sudah lupa

Setiap pertanyaan dalam instrument angket, sebaiknya juga tidak
menanyakan hal-hal yang sekiranya responden sudah lupa, atau
pertanyaan yang memerlukan jawaban dengan berfikir berat.

42
 Contoh:
Bagaimanakah kinerja para penguasa Indonesia 30 tahun yang lalu?
Menurut Anda bagaimanakah cara mengatasi krisis ekonomi saat
ini? (kecuali penelitian yang mengharapakan pendapat para ahli).
Kalau misalnya umur responden baru 25 tahun, dan pendidikannya
rendah, maka akan sulit memberikan jawaban.

• Pertanyaan tidak menggiring

Pertanyaan dalam angket sebaiknya juga tidak menggiring ke
jawaban yang baik saja atau ke yang jelek saja. Misalnya:
bagaimanakah kalau bonus atas jasa pelayanan di tingkatkan?
Jawaban responden tentu cenderung akan setuju. Bagaimanakah
prestasi kerja Anda selama setahun terakhir? Jawabannya akan
cenderung baik.

• Panjang Pertanyaan
Pertanyaan dalam angket sebaiknya tidak terlalu panjang, sehingga
akan membuat jenuh responden dalam emngisi. Bila jumlah
variabel banyak, sehingga memerlukan instrument yang banyak,
maka instrument tersebut dibuat bervariasi dalam penampilan,
model skala pengukuran yang digunakan, dan cara mengisinya.
Disarankan empiric jumlah pertanyaan yang memadai adalah antara
20 s/d 30 pertanyaan.

• Urutan Pertanyaan
Urutan pertanyaan dalam angket, dimulai dari yang umum menuju
ke hal yang spesifik, atau dari yang mudah menuju ke hal yang
sulit, atau di acak. Hal ini perlu dipertimbangkan karena secara
psikologis akan mempengaruhi semangat responden untuk
menjawab. Kalau pada awalnya sudah diberi pertanyaan yang sulit,
atau yang spesifik, maka responden akan patah semangat untuk

43
 mengisi angket yang telah mereka terima. Urutan pertanyaan yang
diacak perlu dibuat bila tingkat kematangan responden terhadap
masalah yang ditanyakan sudah tinggi.

2) Prinsip Pengukuran
Angket yang diberikan kepada responden adalah merupakan
instrument penelitian, yang digunakan untuk mengukur variabel yang
akan diteliti. Oleh karena itu instrument angket tersebut harus dapat
digunakan untuk mendapatkan data yang valid dan reliable tentang
variabel yang diukur. Supaya diperoleh data penelitian yang valid dan
reliable, maka sebelum instrument angket tersebut diberikan pada
responden , maka perlu diuji validitas dan reliabilitasnya terlebih dulu.
Instrumen yang tidak valid dan reliable bila digunakan untuk
mengumpulkan data, akan menghasilkan data yang tidak valid dan
reliable pula.

3) Penampilan Fisik Angket

Penampilan fisik angket sebagai alat pengumpul data akan
mempengaruhi respon atau keseriusan responden dalam mengisi angket.
Angket yang dibuat di ekrtas buram, akan mendapat respon yang kurang
menarik bagi responden, bila dibandingkan angket yang dicetak dalam
kertas yang bagus dan berwarna. Tetapi angket yang dicetak di kertas
yang bagus dan menarik.31

31
Eni Rombe, Metodologi Penelitian....... 60-62
44
D. Skala Pengukuran Data
Skala pengukuran digunakan untuk mengklasifikasikan variabel
yang akan diukur supaya tidak terjadi kesalahan dalam menentukan
analisis data dan langkah penelitian selanjutnya. Adapun jenis skala
pengukuran yaitu:
1. Skala Nominal→ Statistik Non Parametrik
Skala nominal yaitu skala yang paling sederhana disusun menurut
jenis (kategorinya) atau fungsi bilangan hanya sebagai simbol untuk
membedakan sebuah karakteristik dengan karakteristik lainnya. Ciri-ciri
skala nominal, yaitu:
• Hasil perhitungan tidak dijumpai bilangan cacah
• Angka yang tertera hanya label saja
• Tidak mempunyai urutan (rangking)
• Tidak mempunyai ukuran baru
• Mutlak tidak mempunyai angka nol
Analisis statistik yang cocok yaitu:
• Uji Binomium (Binomium Test)
• Uji Chi Kuadrat satu sampel
• Uji Perubahan tanda Mc. Nemar
• Uji Chi Kuadrat dua sampel
• Uji Peluang Fisher
• Uji Chochran Q
• Uji Chi Kuadrat Lebih Dari Dua Sampel
• Uji Koefisien Kontigensi [C]
Tes Statistik yang digunakan adalah statistik non parametrik.32

32
Buchari Alma, Pengantar Statistik Sosial..., 22
45
Contoh data nominal:
• Jenis kulit: Hitam (1), putih (2) kunging langsat (3)
• Suku daerah: jawa (1), Madura (2) dst

2. Skala Ordinal→ Statistik Non Parametrik

Skala ordinal adalah skala yang didasarkan pada rangking,
diurutkan dari jenjang yang lebih tinggi sampai jenjang terendah atau
sebaliknya. Analisis statistik yang cocok, yaitu:
• Uji Kolmogorov Smirnov Satu Sampel
• Uji Deret Satu Sampel
• Uji Tanda

3. Skala Interval→ Statistik Parametrik

Skala interval adalah skala yang menunjukkan jarak antara satu
data dengan data yang lain dan mempunyai bobot yang sama. Analisis
yang cocock, yaitu:
• Uji t (t-test)
• Uji t (t-test) dua sampel
• Anova satu Jalur (One Way- Anova)
• Anova dua Jalur (Two Ways- Anova)
• Uji Pearson Product Moment
• Uji Korelasi Parsial (Partial Correlation)
• Uji Korelasi Ganda (Multiple Correlation)
• Uji Regresi (Regresion Test)
• Uji Regresi Ganda (Multiple Regresion Test)
Uji statistik yang digunakan ialah uji statistik parametrik

46
4. Skala Ratio→ Statistik Parametrik
Skala ratio adalah skala pengukuran yang mempunyai nilai nol
mutlak dan mempunyai jarak yang sama. Misalnya umur manusia dan
ukuran timbangan keduanya tidak memiliki angka nol negatif. Analisis
yang cocok adalah sama dengan skala interval.

E. Skala Pengukuran Instrumen Data

Instrumen merupakan alat yang digunakan untuk mengumpulkan
data, dalam penelitian kuantitatif instrumen penelitian adalah berupa
kuesioner. Penggunaan skala pengukuran disesuai dengan jenis data.
Berbagai skala sikap yang sering digunakan ada 5 macam yaitu: 1, Skala
Likert; 2 Skala Guttman; 3 Skala Simantict Defferensial; 4 Rating Scale;
5 Skala Thurstone. Adapun penjabarannya33, yaitu:

1. Skala Likert
Skala Likert digunakan untuk mengukur sikap, pendapat dan
presepsi seseorang atau sekelompok tentang kejadian atau gejala sosial.
Dalam penelitian gejala sosial ini telah ditetapkan secara spesifik oleh
peneliti, yang selanjutnya disebut sebagai variabel penelitian. Dengan
menggunkan skala Likert, maka variabel yang akan diukur dijabarkan
menjadi dimensi, dimensi dijabarkan sub variabel kemudian sub variabel
dijabarkan lagi menjadi indikator-indikator yang dapat diukur, akhirnya
indikator-indikator yang terukur ini dapat dijadikan titik tolok untuk
membuat item instrumen yang berupa pertanyaan atau pertanyaan yang
perlu dijawab oleh responden. Setiap jawaban dihubungkan dengan
bentuk pertanyaan atau dukungan sikap yang diungkapkan dengan kata-
kata sebagai berikut:

33
Gidion Joshua, Research Methodology (Semarang: STT KAO, t.t), 14-22
47
 Pertanaan Positif Pertanyaan Negatif
Sangat setuju (SS) =5 Sangat Setuju (SS) =1
Setuju (S) =4 Setuju (S) =2
Netral (N) =3 Netral (N) =3
Tidak Setuju (TS) =2 Tidak Setuju (TS) =4
Sangat Tidak Setuju (STS) = 1 Sangat Tidak Setuju (STS) = 5

2. Skala Guttman
Skala Guttman merupakan skala kumulatif. Jika seseorang
menyisihkan pertanyaan yang berbobot lebih berat, ia akan mengiayakan
pertanyaan yang kurang berbobot lainnya. Skala guttman mengukur suatu
dimensi saja dari suatu variabel yang multidimensi. Skala guttman
disebut juga skala scalogram yang sangat baik untuk meyakinkan
penelitian tentang kesatuan dimensi dan sikap atau sifat yang diteliti,
yang sering disebut attribut universal. Pada skala Guttman terdapat
beberapa pertanyaan yang diurutkan secara hierarkis untuk melihat sikap
tertentu seseorang. Jika seseorang menyatakan tidak terhadap sikap
pertanyaan tertentu dari sederetan pertanyaan itu, ia akan menyatakan
lebih dari tidak terhadap pertanyaan berikutnya.

Jadi, skala Guttman ialah skala yang digunakan untuk jawaban

yang bersifat jelas (tegas) dan konsisten. Misalnya: Yakin – tidak yakin,
ya – tidak; benar – salah; positif – negatif; pernah – belum pernah; setuju,
dan lain sebagainya. Data yang diperoleh berupa data interval atau ratio
dikotomi (dua alternatif yang berbeda). Perbedaan dari skala likert
terdapat jarak (Interval): 3, 4, 5, 6 atau 7 yaitu dari sangat benar (SB)
sampai dengan Sangat Tidak Benar (STB), sedangkan pada skala
Guttman hanya dua Interval yaitu Benar (B) dan Salah (S).Penelitian
menggunakan skala Guttman apabila ingin mendapatkan jawaban jelas
(tegas) dan konsisten terhadap sesuatu.
48
Contoh:
• Yakin atau tidak anda, pergantian presiden akan dapat mengatasi
persoalan bangsa:
A. Yakin
B. Tidak
• Pernakah direktur saudara mengajak makan bersama?
A. Pernah
B. Tidak Pernah

Skala Guttman disamping dapat dibuat bentuk pilihan ganda dan

bisa juga dibuat dalam bentuk checklist. Jawaban responden dapat
berupa skor tertinggi bernilai (1) dan skor terendah (0) Misalnya untuk
jawaban benar (1) dan skala (0). Analisis dilakukan seperti pada skala
Likert.

Contoh:
• Saudara punya orang tua?
a. Ya (1)
b. Tidak (0)
• Saudara sudah menikah?
a. Sudah (1)
b. Belum (0)

49
3. Skala Diferensial Semantik (Semantic Defferensial Scale)
Skala Diferensial semantik atau skala perbedaan semantik berisikan
serangkaian karakteristik biporal (dua kutub), seperti panas - dingin;
polpuler; baik – tidak baik dan sebagainya. Karakteristik biporal tersebut
mempunyai tiga dimensi dasar sikap seseorang terhadap objek, yaitu:
a. Potensi yaitu kekuatan atau atraksi fisik suatu objek.
b. Evaluasi, yaitu hal-hal yang menguntungkan atau tidak
menguntungkan suatu objek.
c. Aktivitas, yaitu gerakan suatu objek.

Contoh:
Netral

Cedas Bodoh
0 1 2 3 4 5 6 7 8
Netral
Tidak
Ramah Ramah
0 1 2 3 4 5 6 7 8

Dari contoh di atas, responden memberikan tanda (X) terhadap

nilai yang sesuai dengan presepsinya. Para peneliti sosial dapat
menggunakan skala perbedaan simantik dalam berbagai cara. Misalnya:
menentukan kekuatan kandidat politisi diantara kelompok pemilih,
memberikan penilaian kepribadian seseorang, menilai prespsi seseorang
terhadap objek sosial atau pribadi yang menarik dari berbagai dimensi.
Selain itu pada skala perbedaan simantik, responden diminta untuk
menjawab atau memberikan penilaian terhadap suatu konsep atau objek
tertentu, misalnya kinerja pegawai, peran pemimpin, gaya
kepemimpinan, prosedur kerja, produktivitas kerja, aktivitas guru di
50
kelas, kontrol dan dukungan orang tua terhadap anaknya, dan sebagainya.
Skala ini menunjukkan suatu keadaan yang saling bertentangan, misalnya
ketat-longgar, sering dilakukan-tidak pernah dilakukan, lemah-kuat,
positif-negatif, buruk-baik, mendidik-menekan, buruk-baik, aktif-pasif,
besar-kecil dan sebagainya.

Contoh: berilah tanda ( ) pada skala yang paling cocok dengan anda:

a. Kontrol orang tua terhadap hubungan seksual di luar nikah:

Ketat Longgar
Sering dilakukan Tidak Pernah
dilakukan
Lemah Kuat
Positif Negatif
Buruk Baik
Mendidik Menekan
Aktif Pasif

b. Dukungan orang tua terhadap hubungan seksual di luar nikah

Besar Kecil
Selalu Dilakukan tidak pernah dilakukan
Kuat Lemah
Negatif Positif
terus-menerus kadang-kadang
Baik Buruk
Aktif Pasif

51
c. Berilah tanda silang (X). Hubungan antara sesama peserta Diklat.
Adum dalam satu kelas, sebagai berikut:

Intim Renggang
5 4 3 2 1 0 -1 -2 -3 -4 -5

4. Rating scale
Berdasarkan ke-3 skala pengukuran, yaitu: skala Likert, skala
Guttman, dan skala perbedaan semantik, data yang diperoleh adalah
kualitatif yang di kuantitafkan. Sedangkan rating scale yaitu data menta
berupa angka kemudian ditafsirkan dalam pengertian kualitatif.
Responden menjawab, misalnya : ketat-longgar, sering dilkukan-tidak
pernah dilakukan, lemah-kuat, positif-negatif, buruk-baik, mendidik-
menekan, aktif-pasif, besar-kecil, ini semua merupakan contoh data
kualitatif.

Dalam model rating scale responden tidak akan menjawab dan data
kualitatif yang sudah tersedia tersebut, tetapi menjawab salah satu dari
jawaban kuantitatif yang telah disediakan. Dengan demikian bentuk
rating scale lebih fleksibel, tidak terbatas untuk pengukuran sikap saja,
tetapi untuk mengukur presepsi responden terhadap gejala atau fenomena
lainnya misalnya skala untuk mengukur status sosial ekonomi, Iptek,
instansi & Lembaga, kinerja dosen, kegiatan PBM, kepuasan pelanggan,
Produktivitas kerja, motivasi pegawai dan lainnya.

Pembuatan dan penyusunan instrumen dengan menggunakan rating

scale yang penting harus dapat mengartikan atau menafsirkan setiap skor
yang diberikan dalam alternatif jawaban pada setiap item instrumen.
Misalnya, Fatimah memilih jawaban angka 4, tetapi presepsi Fatimah,
Hamidah dan Nurmasriyati belum tentu sama maknanya walaupun sama-
sama menjawab angka 4.
52
Contoh:
Peneliti ingin mengetahui seberapa harmoniskah hubungan suami
isteri untuk menciptakan keluarga sejahterah. Berilah tanda lingkaran (o)
pada angka yang sudah disediakan:

No INTERVAL JAWABAN
Item PERTANYAAN TENTANG SB B CB KB STB
MENCIPTAKAN KELUARGA 5 4 3 2 1
SEJAHTERAH
1 Masalah Agama 5 4 3 2 1
2 Manajemen pendidikan anak 5 4 3 2 1
3 Perwujudan keuangan keluarga 5 4 3 2 1
4 Perwujudan kasih saying 5 4 3 2 1
5 Masalah rekreasi 5 4 3 2 1
6 Memilih sahabat 5 4 3 2 1
7 Aturan rumah tangga 5 4 3 2 1
8 Adat kebiasaan 5 4 3 2 1
9 Pandangan hidup 5 4 3 2 1
10 Cara bergaul dengan keluarga saudara 5 4 3 2 1
11 Pekerjaan suami 5 4 3 2 1
12 Keintiman hubugan suami isteri 5 4 3 2 1
13 Pemeliharaan anak 5 4 3 2 1
14 Pembagian tugas rumah tangga 5 4 3 2 1

Instrumen tersebut apabila dijadikan angket kemudian disebarkan

kepada 25 responden, sebelum dianalisis, maka dapat ditabulasikan
53
(rekapitulasi data) seperti berikut: Jumlah skor kriterium (apabila setiap
item mendapat skor tertinggi) yaitu; = (skor tertinggi setiap item = 5) X
(jumlah item = 14) X (jumlah responden = 25) adalah 1750.

Rekapitulasi jawaban 25 responden tentang Menciptakan keluarga

Sakinah
No Jawaban responden untuk item nomor
Res. ke............. Jmlh
1 2 3 4 5 6 7 8 9 1 1 1 1 1
0 1 2 3 4
1 5 5 2 5 3 3 5 2 5 2 5 5 5 3 55
2 5 4 4 4 4 4 5 5 5 5 4 4 4 4 62
3 5 3 3 3 3 3 4 4 4 5 5 5 5 5 59

Dst Dst

23 5 5 5 5 4 5 5 5 4 4 5 5 5 5 68
24 5 3 3 3 3 5 5 5 5 5 5 5 5 5 62
25 4 4 4 4 4 4 5 5 5 5 5 5 5 5 60
Jumlah skor hasil pengumpulan data 1400

Jika jumlah skor hasil pengumpulan data = 1400, dengan demikian

keharmonisan hubungan suami isteri untuk menciptakan keluarga
sejahterah, menurut presepsi 25 responden, yaitu: 1400 : 1750 x 100% =
80% dari kriterium yang ditetapkan. Apabila diinterpretasi nilai 80%
terletak pada daerah kuat. Sedangkan nilai 1400 termasuk dalam kategori
interval baik. Secara kontinum dapat dibuat kategori sebagai berikut:

54
0 350 700 1050 1400 1750

SKB KB CB B SB

5. Skala Thurstone
Skala Thurstone meminta responden untuk memilih pertanyaan
yang ia setujui dari beberapa pertanyaan yang menyajikan pandangan
yang berbeda-beda. Pada umumnya setiap item mempunyai asosiasi nilai
antara 1 sampai dengan 10, tetapi nilai-nilainya tidak diketahui oleh
responden mengenai angket tersebut (Subana, 2000:34). Perbedaan
antara skala Thurstone dan skala ialah pada skala Thurstone yang
panjangnya sama memiliki intensitas kekuatan yang sama, sedangkan
pada skala likert tidak perlu sama.

Contoh: Merekrut Calon Dosen Kedokteran Universitas Indonesia.

Tolong pilihlah 4 dari 10 pertanyaan yang sesuai dengan presepsi
saudara:
a) Saya memilih pekerjaan sebagai dosen karena pekerjaan yang
mulia dan terhormat untuk mengembangkan ilmu pengetahuan.
b) Bila saya seorang mahasiswa Fakultas Kedokteran, saya akan
mengusulkan agar mahasiswa Fakultas Kedokteran memakai
simbol-simbol tertentu yang dapat dibanggakan.
c) Saya merasa tersanjung bila saya lebih memiliki kemampuan dalam
mengajarkan sesuatu dari pada menguasai bidang studi saja.
d) Apa yang bisa dibanggkan oleh seorang dosen; bila gaji hanya
paspasan, berangkat mengajar jalan kaki, di kampus sering
berhadapan tugas kerjaan dengan masalah yang rumit dan
mahasiswa yang bandel, dll.
e) Senangnya menjadi dosen apabila berhasil mendemontrasikan
pelajaran kepada mahasiswa yang menghadapi kesulitan di
laboratorium.
55
f) Sebagai dosen, saya bangga karena dosenlah sebagai pewaris
ilmuan yang mengajarkan para mahasiswa untuk dipersiapkan
menjadi manusia yang tangguh, berkualitas, kreatif dan profesional
untuk mengisi pembangunan bangsa.
g) Semestinya gaji dosen lebih besar daripada gaji pegawai negeri.
h) Apakah dosen perlu berbangga diri atas keberhasilan mahasiswa
karena dosen sendiri sering tidak pernah diawasi oleh dekannya.

56
BAB V
PENGUKURAN INSTRUMEN PENELITIAN

A. Pengertian Instrumen
Instrumen Penelitian digunakan untuk menjaring atau
mengumpulkan data dalam suatu penelitian. Instrumen penelitian sangat
berpengaruh terhadap hasil penelitian. Data yang telah dikumpulkan
melalui instrumen akan digunakan untuk menjawab hipotesis yang
diajuhkan dalam penelitian. Instrumen yang digunakan sebagai
pengumpul data harus teruji validitas dan reliabilitasnya. Seperti yang
dijelaskan oleh Syofian Siregar bahwa instrumen penelitian adalah suatu
alat yang dapat digunakan untuk memperoleh, mengolah, dan
menginterpretasikan informasi dari para responden yang dilakukan
dengan menggunakan pola ukur yang sama. Instrumen dapat dinyatakan
baik apabila sudah dapat memenuhi 5 kriteria, yaitu validitas, reliabilitas,
sensitifitas, objektivitas dan flesibilitas.34

B. Cara Penyusunan Instrumen

Untuk dapat menyusun instrumen penelitian, peneliti harus
memahami variabel yang diteliti. Variabel-variabel yang akan diteliti
diberi definisi operasionalnya, Creswell menyatakan “definisi
operasional adalah spesifikasi bagaimana suatu variabel yang akan diteliti
didefinisikan dan dan diukur”.35 Selanjutnya ditentukan indikator yang
akan diukur. Dari indikator-indikator pada setiap variabel tersebut
kemudian dijabarkan menjadi butir-butir pertanyaan atau pernyataan.

34
Syofian Siregar, Statistik Parametrik ..., 75
35
Sugiyono, Cara Mudah Menyusun: Skripsi, Tesis, dan Disertasi (Bandung:
Alfabeta, 2015), 73.
57
Untuk memudahkan penyusunan instrumen, maka perlu menggunakan
“matrik pengembangan instrumen” atau “kisi-kisi instrumen”.
Contoh matrik pengembangan instrumen dengan judul penelitian
“Pengaruh Gaya Kepemimpinan dan Situasi Kepemimpinan terhadap
Iklim Organisasi”.

Variabel Penelitian Indikator No. Item Instrumen

Gaya Kepemimpinan 1. Kepemimpinan 1, 4, 7, 10, 13, 16
Direktif
2. Kepemimpinan 2, 5, 8, 11, 14, 17
Supportive
3. Kepemimpinan 3, 6, 9, 12, 15, 18
Partisipatif
4. Kepemimpinan Goal 19, 20, 21, 22, 23, 24
Oriented

Situasi Kepemimpinan 1. Hubungan Pemimpin 1, 2, 3, 4, 5, 6

dengan Anggota
2. Tugas-tugas 7, 8, 9, 10, 11, 12
3. Power Position 13, 14, 15, 16, 17, 18

Iklim Organisasi 1. Otonomi dab 1, 2

fleksibilitas
2. Menaruh kepercayaan 3, 4
dan terbuka
3. Simpatik dan memberi 5, 6
dukungan
4. Jujur dan menghargai 7, 8
5. Kejelasan tujuan 9, 10
6. Pekerjaan yang resiko 11, 12
7. Pertumbuhan 13, 14
kepribadian

58
C. Pengujian Instrumen
1. Pengujian Validitas Instrumen
a. Pengertian Validitas
Uji validitas ini dilakukan untuk mengetahui apakah item-item soal
dalam instrumen penelitian, bernilai valid atau tidak. Uji validitas
dilakukan berdasarkan data yang diperoleh dari hasil uji coba instrumen.
Validitas alat ukur berbicara tentang keterandalan alat ukut untuk
mengukur apa yang hendak diukur. Agar alat ukur memenuhi prinsip
validitas dalam pengembangan alat ukur, maka peneliti melakukan teknik
dan pendekatan validitas secara content, contrust dan empiris validity.36

b. Jenis-jenis Validitas
1) Validitas Isi (content validity)
Viliditas isi adalah mengembangkan item ukur ke dalam konstruk
dan variabel yang hendak di ukur. Pengujian validitas isi dapat dilakukan
dengan membandingkan antara isi instrumen dengan konsep atau teori
yang ada.37 Menurut Noor, validitas isi terdiri dari; 1) validitas muka
adalah format penampilan tes yang memberi kesan untuk
mengungkapkan apa yang hendak diukur, 2) validitas logik merujuk pada
sejauh mana isi tes merupakan representasi dari ciri-ciri atribut yang
hendak diukur. Untuk memenuhi persyaratan ini penulis membuat kisi-
kisi pengembangan alat ukur berdasarkan indikator-indikator dari setiap
dimensi-dimensi dari variabelnya. Jadi dapat dipertanggungjawabkan
bahwa isi dari setiap varian yang ada dapat ditemukan dari item-item alat
ukur.

36
Suharsimi Arikunto Managemen Penelitian..., 425
37
Sugiyono, Statistik Untuk Penelitian...,182
59
2) Validitas Kontruk construct validity
Validitas konsep adalah mengkonsultasikan pengembangan item
alat ukur ke dalam konstruk teori yang ada dan diperiksa oleh para ahli
dalam bidang tersebut. Para ahli diminta pendapatnya tentang istrumen
yang telah disusun itu.38 Untuk memenehi persyaratan ini maka kisi-kisi
yang telah dibuat oleh peneliti telah dikonsultasikan kepada orang-orang
yang menurut pandangan peneliti memahami teori-teori yang
dikembangkan ini.

3) Validitas Eksternal empiris validity

Validitas eksternal instrumen diuji dengan cara membandiangkan
(untuk mencari kesamaan) antara kriteris yang ada pada instrumen
dengan fakta-fakta empiris yang terjadi di lapangan.39

D. Pengujian Validitas dengan SPSS 17.0

Langkah-langkah melakukan uji validitas menggunakan SPSS 17.0
Uji Validitas Variabel X
1) Masuk program SPSS 17.0→ Muncul seperti gambar di bawah ini:

38
Sugiyono, Statitika Untuk Penelitian ..., 177
39
Ibid, 354
60
2) Membuat Variabel
Di bagian kiri bawah terdapat dua label yaitu: Data View dan
Variabel View.
Klik variabel view, lalu ketik lakukan hal-hal berikut:
➢ Pada kolom name baris pertama ketik responden, baris kedua
ketik jenis kelamin, baris ketiga ketik angkatan dan baris
keempat ketik usia.
➢ Pada baris kelima ketik item 1-item terakhir dan paling
terakhir tuliskan skor total. Pengetikan di kolom tidak
menggunakan spasi tetapi dapat menggunakan tanda
underscore (_) contoh untuk menulis skor total penulisannya
skor_total.
➢ Pada kolom type untuk baris pertama klik kotak kecil lalu
kemudian klik string, baris kedua tidak diubah.

61
➢ Pada kolom decimal ganti dengan angka nol (0).

➢ Pada kolom label, untuk baris pertama sampai baris keempat

kosongkan dan pada baris kelima ketik item1-skor_total

62
 ➢ Pada kolom measure baris pertama sampai baris keempat klik
skala pengukuran nominal dan baris selanjutnya tetap scala.
→Muncul gambar seperti di bawah ini:

3) Lakukan pengisian data.

Klik data view→ Muncul gambar seperti berikut

63
Pada kolom responden masukkan semua nama responden.
Pada kolom Gender masukan angka 1 untuk laki-laki, angka 2
untuk perempuan
Pada kolom Angkatan masukkan angka 1 untuk angkatan tahun
2011, angka 2 untuk angkatan tahun 2012, angka 3 untuk angkatan
tahun 2013 dan angka 4 untuk angkatan tahun 2014.
Pada kolom Usia masukan anggka 1 untuk usia 19-22 dan angka 2
untuk usia 23-26.
Pada kolom item1 sampai skor total masukkan nilai-nilai sesuai
dengan angket. Akan muncul seperti gambar berikut:

64
Kemudian klik data view→ akan muncul gambar sebagai berikut:

Klik pada kolom values,

65
Pada kolom value ketik angka 1 dan pada kolom label ketik laki-
laki, setelah itu klik Add. Angka 2 untuk perempuan → akan
muncul gambar seperti berikut:

Lakukan hal yang sama pada kolom yang sama pada baris
angkatan, angka 1 untuk angkatan 2014, angka 2 untuk angkatan
2013, angka 3 untuk angkatan 2012, angka 4 untuk angkatan 2011
dan klik ok. → Akan muncul gambar seperti berikut ini:

66
Lakukan hal yang sama pada kolom yang sama pada baris usia
masukan anggka 1 untuk usia 19-22 dan angka 2 untuk usia 23-26,
dan klik ok. →seperti berikut ini:

Lakukan hal yang sama pada kolom yang sama pada baris item1-
item20 masukan anggka 1 untuk sangat tidak puas, angka 2 untuk
tidak puas, angka 3 untuk cukup puas, angka 4 untuk puas dan
angka 5 untuk sangat puas, dan klik ok. → Akan muncul gambar
seperti berikut ini:

67
4) Pengolahan Data:
Klik

Pindahkan data item1 sampai skor total pada kotak items.

Pada bagian correlations coefficient klik Pearson
Pada bagian test of sifnificance klik two-tailed → seperti gambar di
bawah ini:

68
Kemudian Klik Options. Pada Statistic, klik statistic and standard
devations. Pada missing value, klik exlude casses pairwise,→ Lalu
klik continue →kemudian klik Ok. Maka pada Output akan ada
hasilnya, seperti berikut ini:

69
70
 5) Analisis Uji Validitas
Langkah selanjutnya adalah menentukan nilai r tabel. Adapun r
tabel dapat dilihat pada tabel berikut ini:

NILAI-NILAI r PRODUCT MOMENT

Taraf Signif Taraf Signif Taraf Signif

N N N
5% 1% 5% 1% 5% 1%
3 0.997 0.999 27 0.381 0.487 55 0.266 0.345
4 0.950 0.990 28 0.374 0.478 60 0.254 0.330
5 0.878 0.959 29 0.367 0.470 65 0.244 0.317
6 0.811 0.917 30 0.361 0.463 70 0.235 0.306
7 0.754 0.874 31 0.355 0.456 75 0.227 0.296
8 0.707 0.834 32 0.349 0.449 80 0.220 0.286
9 0.666 0.798 33 0.344 0.442 85 0.213 0.278
10 0.632 0.765 34 0.339 0.436 90 0.207 0.270
11 0.602 0.735 35 0.334 0.430 95 0.202 0.263
12 0.576 0.708 36 0.329 0.424 100 0.195 0.256
13 0.553 0.684 37 0.325 0.418 125 0.176 0.230
14 0.532 0.661 38 0.320 0.413 150 0.159 0.210
15 0.514 0.641 39 0.316 0.408 175 0.148 0.194
16 0.497 0.623 40 0.312 0.403 200 0.138 0.181
17 0.482 0.606 41 0.308 0.398 300 0.113 0.148
18 0.468 0.590 42 0.304 0.393 400 0.098 0.128
19 0.456 0.575 43 0.301 0.389 500 0.088 0.115
20 0.444 0.561 44 0.297 0.384 600 0.080 0.105
21 0.433 0.549 45 0.294 0.380 700 0.074 0.097
22 0.423 0.537 46 0.291 0.376 800 0.070 0.091
23 0.413 0.526 47 0.288 0.372 900 0.065 0.086
24 0.404 0.515 48 0.284 0.368 1000 0.062 0.081
25 0.396 0.505 49 0.281 0.364
26 0.388 0.496 50 0.279 0.361

71
 Rumus menentukan r tabel adalah N 30 dengan taraf signifikansi
5%. Jadi nilai r tabel adalah 0,361.
Membandingkan r hitung dengan r tabel untuk dapat menarik
kesimpulan item tersebut valid atau tidak. Adapun ketentuan item
tersebut valid adalah nilai rhitung ≥ r tabel , seperti yang terlihat pada
tabel berikut ini:

Tabel
Hasil Uji Validitas

Nomor Butir Rhitung Rtabel Status

1. 0,486 0,361 Valid
2. 0,121 0,361 Tidak Valid
3. 0,678 0,361 Valid
4. 0,528 0,361 Valid
5. 0,580 0,361 Valid
6 0,696 0,361 Valid
7 0,595 0,361 Valid
8 0,649 0,361 Valid
9 0,588 0,361 Valid
10 0,741 0,361 Valid
11 0,608 0,361 Valid
12 0,520 0,361 Valid
13 0,652 0,361 Valid
14 0,596 0,361 Valid
15 0,475 0,361 Valid
16 0,451 0,361 Valid
17 0,633 0,361 Valid
18 0,452 0,361 Valid
19 0,499 0,361 Valid
20 0,391 0,361 Valid

72
 Hasil perhitungan di atas menunjukkan bahwa dari 20 butir
instrumen setelah uji validitas maka ditemukan item 19 valid dan 1 item
yaitu nomor 2 drop. Karena semua indikator telah terwakili minimal 1
item pernyataan, maka instrumen tersebut selanjutnya dapat digunakan
untuk mengumpulkan data di lapangan.

Uji validitas untuk variabel Y

1) Buka data dari SPSS 17.0

2) Klik

73
3) Pindahkan data item1 sampai skor total pada kotak items. Pada
bagian correlations coefficient klik Pearson. Pada bagian test of
sifnificance klik two-tailed :

4) Kemudian Klik Options→ Pada Statistic, klik statistic and

standard devations. Pada missing value, klik exlude casses
pairwise:

74
5) Lalu klik continue →kemudian klik Ok. Maka pada Output akan
ada hasil sebagai berikut ini:

75
76
 6) Analisis Uji Validitas
Langkah selanjutnya adalah menentukan nilai r tabel. Adapun r
tabel dapat dilihat pada tabel di bawah ini:

NILAI-NILAI r PRODUCT MOMENT

Taraf Signif Taraf Signif Taraf Signif

N N N
5% 1% 5% 1% 5% 1%
3 0.997 0.999 27 0.381 0.487 55 0.266 0.345
4 0.950 0.990 28 0.374 0.478 60 0.254 0.330
5 0.878 0.959 29 0.367 0.470 65 0.244 0.317
6 0.811 0.917 30 0.361 0.463 70 0.235 0.306
7 0.754 0.874 31 0.355 0.456 75 0.227 0.296
8 0.707 0.834 32 0.349 0.449 80 0.220 0.286
9 0.666 0.798 33 0.344 0.442 85 0.213 0.278
10 0.632 0.765 34 0.339 0.436 90 0.207 0.270
11 0.602 0.735 35 0.334 0.430 95 0.202 0.263
12 0.576 0.708 36 0.329 0.424 100 0.195 0.256
13 0.553 0.684 37 0.325 0.418 125 0.176 0.230
14 0.532 0.661 38 0.320 0.413 150 0.159 0.210
15 0.514 0.641 39 0.316 0.408 175 0.148 0.194
16 0.497 0.623 40 0.312 0.403 200 0.138 0.181
17 0.482 0.606 41 0.308 0.398 300 0.113 0.148
18 0.468 0.590 42 0.304 0.393 400 0.098 0.128
19 0.456 0.575 43 0.301 0.389 500 0.088 0.115
20 0.444 0.561 44 0.297 0.384 600 0.080 0.105
21 0.433 0.549 45 0.294 0.380 700 0.074 0.097
22 0.423 0.537 46 0.291 0.376 800 0.070 0.091
23 0.413 0.526 47 0.288 0.372 900 0.065 0.086
24 0.404 0.515 48 0.284 0.368 1000 0.062 0.081
25 0.396 0.505 49 0.281 0.364
26 0.388 0.496 50 0.279 0.361

77
 Rumus menentukan r tabel adalah N 30 dengan taraf signifikansi
5%. Jadi nilai r tabel adalah 0,361.
Membandingkan r hitung dengan r tabel untuk dapat menarik
kesimpulan item tersebut valid atau tidak. Adapun ketentuan item
tersebut valid adalah nilai rhitung ≥ r tabel , seperti yang terlihat pada
tabel di bawah ini:

Tabel Hasil Uji Validitas

Nomor Butir Rhitung Rtabel Status
1. 0,522 0,361 Valid
2. 0,182 0,361 Tidak Valid
3. 0,570 0,361 Valid
4. 0,439 0,361 Valid
5. 0,636 0,361 Valid
6 0,704 0,361 Valid
7 0,593 0,361 Valid
8 0,643 0,361 Valid
9 0,626 0,361 Valid
10 0,671 0,361 Valid
11 0,666 0,361 Valid
12 0,565 0,361 Valid
13 0,565 0,361 Valid
14 0,542 0,361 Valid
15 0,497 0,361 Valid
16 0,420 0,361 Valid
17 0,675 0,361 Valid
18 0,508 0,361 Valid

Hasil perhitungan di atas menunjukkan bahwa dari 18 butir

instrumen setelah uji validitas maka ditemukan item 17 valid dan 1 item
yaitu nomor 2 drop. Karena semua indikator telah terwakili minimal 1
item pernyataan, maka instrumen tersebut selanjutnya dapat digunakan
untuk mengumpulkan data di lapangan.

78
1. Pengujian Reliabilitas Instrumen
a. Pengertian Reliabilitas
Reliabilitas bertujuan untuk mengetahui sejauh mana hasil
pengukuran tetap konsisten. Pengujian ini dapat dilakukan secara
eksternal maupun internal.

b. Jenis-jenis pengujian reliabilitas

1) Eksternal
Test-Retest
Instrumen penelitian yang reliabilitasnya diuji dengan test-retest
dilakukan dengan cara mencobakan instrumen beberapa kali pada
responden. Jadi dalam hal ini instrumennya sama, dan waktunya berbeda.
Reliabeilitas diukur dari koefisien korelasi antara percobaan pertama
dengan berikutnya. Bila koefiesien positif dan signifikan maka instrumen
tersebut sudah dinyatakan reliabel.40

Ekuivalen
Instrumen yang ekuivalen adalah pertanyaan yang secara bahasa
berbeda, tetapi maksudnya sama. Sebagai contoh (untuk satu butir saja):
Berapa tahun pengalaman kerja Anda, di lembaga ini? Pertanyaan
tersebut dapat ekuivalen dengan pertanyaan berikut; Tahun berapa Anda
mulai bekerja di lembaga ini?
Pengujian reliabilitas instrumen dengan cara ini cukup dilakukan
sekali, tetapi instrumennya dua, pada responden yang sama, waktu yang
sama, instrumen yang berbeda. Reliabilitas instrumen dihitung dengan
cara mengkorelasikan antara data instrumen yang satu dengan data
instrumen yang dijadikan equivalen. Bila korelasi positif dan signifikan,
maka instrumen dapat dinyatakan reliabel.41

40
Sugiyono, Statistik Untuk Penelitian..., 354
41
Sugiyono, Statitika Untuk Penelitian ..., 358
79
 Gabungan
Pengujian reliabilitas ini dilakukan dengan cara mencobakan dua
instrumen yang equivalen itu beberapa kali, ke responden yang sama.
Jadi cara ini merupakan gabungan pertama dan kedua. Reliabilitas
intrumen dilakukan dengan mengkorelasikan dua instrumen, setelah itu
dikorelasikan pada pengujian kedua, dan selanjutnya dikorelasikan secara
silang. Hal ini dapat digambarkan sebagai berikut:

Instrumen Equivalen

Skor Data Skor Data Instrumen

Instrumen I II

Skor Data Skor Data Instrumen

Instrumen I II

Jika dengan dua kali pengujian dalam waktu yang berbeda, maka
akan dapat dianalisisi keenam koefisien reliabilitas. Bila koefisien
korelasi itu semuanya positif dan signifikan, maka dapat dinyatakan
bahwa instrumen tersebut reliabel.42

42
Sugiyono, Statistik Untuk Penelitian..., 359
80
2) Internal Consistency
Pengujian reliabilitas dengan interval consistency, dilakukan
dengan cara mencobakan instrumen sekali saja, kemudian yang diperoleh
dianalisis dengan teknik tertentu. Beberapa teknik yang dapa digunakan
untuk mengukur reliabilitas suatu instrumen, yang disesuaikan dengan
skala yang digunakan.43

Teknik Alpha Cronbach

Teknik ini untuk data yang berskala 1-3,1-5 dan 1-7 atau jawaban
responden yang menginterpretasikan penilaian sikap. Misalnya,
jawaban responden sebagai berikut:

Sangat Memuaskan :5
Memuaskan :4
Netral :3
Tidak Memuaskan :2
Sangat Tidak Memuaskan :1
Kriteria suatu data dikatakan reabel dengan menggunakan teknik
ini bila koefisien reliabilitas (r) > 0,6.44

Teknik Test-Retest
Alat ukur penelitian yang reliabilitasnya diuji dengan tes-restest
dilakukan dengan cara mencoba alat ukur sebanyak dua kali kepada
responden yang sama dengan waktu yang berbeda. Selang waktu yang
efektif, antara pengukuran pertama dan kedua berkisar 15-30 hari.
Tujuannya adalah untuk menghindari responden yang masih ingat dengan
jawaban pada pengukuran yang pertama. Reliabilitas diukur dari
koefisien korelasi antara percobaan pertama dengan yang kedua.

43
Ibid., 359
44
Syofian Siregar, Statistik Parametrik...., 90
81
 Pada umumnya teknik test-retest menggunakan product moment.
Namun teknik korelasi lainnya juga dapat digunakan, yang sesuai jenis
datanya. Bila koefisien korelasi (rhitung) lebih besar (rtabel), maka
pengukuran pertama dan kedua konsisten sehingga instrumenmtersebut
dinyatakan reliabel. Namun, bila koefisien korelasi (rhitung) lebih kecil
(rtabel), maka pengukuran pertama dan kedua tidak konsisten, sehingga
dapat disimpulkan instrumen tersebut tidak reliabel.

Teknik Spearman Brown

Teknik ini digunakan untuk instrument penelitian yang memenuhi
persyaratan sebagai berikut:

• Pilihan jawaban untuk setiap pertanyaan hanya dua jawaban.

Misalnya, jawaban “Ya” diisi nilai 1 dan jawaban “Tidak” diisi
dengan nilai 0.
• Jumlah instrumen penelitian harus genap, agar dapat dibagi dua.
Antara bagian yang pertama dan yang kedua harus seimbang.
Uji reliabilitas dengan teknik ini terdiri atas dua cara, yaitu:
• Teknik belahan ganjil-genap
Teknik belahan ganjil-genap ini pada prinsipnya membagi
instrumen menjadi dua kelompok. Kelompok pertama terdiri atas
setiap item pertanyaan/pernyataan yang bernomor ganjil.
Kelompok kedua terdiri atas setiap item pertanyaan/pernyataan
yang bernomor genap.
• Teknik belahan awal-akhir
Teknik belahan awal-akhir ini pada prinsipnya membagi instrumen
menjadi dua kelompok. Kelompok pertama adalah item
pertanyaan/pernyataan dari nomor 1 sampai dengan no ke ½ dari
jumlah item pertanyaan/pernyataan. Kelompok kedua terdiri atas
no ke ½ jumlah item pertanyaan/pernyataan sampai nomor terakhir.

82
 Teknik Kuder dan Richardson (K-R 20)
Instrumen penelitian yang realibilitasnya diuji dengan teknik Kuder
dan Richardson (K-R 20) adalah instrumen penelitian yang berkriteria
sebagai berikut:

• Pilihan jawaban untuk setiap pertanyaan hanya dua jawaban.

Misalnya, jawaban “Ya” diisi nilai 1 dan jawaban “Tidak” diisi
dengan nilai 0.
• Jumlah instrumen penelitian (pertanyaan/pernyataan) harus ganjil,
sehingga tidak dapat dibagi menjadi dua kelompok.
• Dengan ketentuan data dinyatakan reliabel jika nilai reliabilitas
instrumen (r) > 0,7.45

45
Syofian Siregar, Statistik Parametrik..., 111
83
E. Pengujian Reliabilitas dengan SPSS 17.0
Variabel X
1) Buka data dari SPSS 17.0, lalu klik Analyze→scale→ Reliability
Analysis. Maka akan muncul gambar seperti di bawah ini:

2) Masukan semua item ke kotak items kecuali skor total. → sebagai

berikut:

84
3) Klik statistic: Klik item. Klik scale→seperti gambar di bawah ini

Kemudian tekan continue lalu Ok. → maka akan muncul hasil output
sebagai berikut:
Case Processing Summary

N %
Cases Valid 30 100.0
Excludeda 0 .0
Total 30 100.0
a. Listwise deletion based on all variables in
the procedure.

Reliability Statistics
Cronbach's
Alpha N of Items
.875 19
85
 Dari tabel hasil uji reliabilitas di atas memperlihatkan nilai
Cronbach’s Alpha sebesar 0,875. Untuk pengambilan keputuan uji
reliabilitas menggunakan batasan 0,6. Reliabilitas kurang dari 0,6 adalah
kurang baik, 0,7 dapat diterima dan di atas 0,8 adalah baik.46 Hasil
perhitungan indeks reliabilitas sebesar 0, 875 menunjukkan bahwa alat
ukur dalam intrumen ini reliabel, sebab r cronbach’s alpha = 0,875 > 0,6
sehingga dapat dipergunakan untuk penelitian selanjutnya.

Variabel Y
1) Buka data dari SPSS 17.0, lalu klik Analyze→scale→ Reliability
Analysis. Maka akan muncul gambar seperti di bawah ini:

46
Duwi Priyatno, Olah Data Statistik dengan Program PSPP: Sebagai Alternatif
SPSS (Yogjakarta: MediaKom, 2013), 33
86
2) Masukan semua item ke kotak items kecuali skor total. → seperti
gambar di bawah ini:

3) Klik statistic: Klik item. Klik scale→seperti gambar di bawah ini

Kemudian tekan continue lalu Ok. → maka akan muncul hasil output
seperti di bawah ini:

87
 Case Processing Summary
N %
Cases Valid 30 100.0
Excludeda 0 .0
Total 30 100.0
a. Listwise deletion based on all variables in
the procedure.

Reliability Statistics
Cronbach's
Alpha N of Items
.873 17

Dari tabel hasil uji reliabilitas di atas memperlihatkan nilai

Cronbach’s Alpha sebesar 0,873. Untuk pengambilan keputuan uji
reliabilitas menggunakan batasan 0,6. Reliabilitas kurang dari 0,6 adalah
kurang baik, 0,7 dapat diterima dan di atas 0,8 adalah baik.47 Hasil
perhitungan indeks reliabilitas sebesar 0, 873 menunjukkan bahwa alat
ukur dalam intrumen ini reliabel, sebab r cronbach’s alpha = 0,873 > 0,6
sehingga dapat dipergunakan untuk penelitian selanjutnya.

47
Duwi Priyatno, Olah Data Statistik dengan Program PSPP: Sebagai Alternatif
SPSS (Yogjakarta: MediaKom, 2013), 33
88
BAB VI
PENGUKURAN DAN PENYAJIAN DATA

A. Pengukuran Data
1. Ukuran Pemusatan Data
a. Rata-rata
Rata-rata hitung (Mean) adalah nilai rata-rata dari data-data yang
ada. Rata-rata ditulis dengan menggunakan
simbol μ (dibaca:”miu”) untuk menyatakan rata-rata populasi, dan
menggunakan (dibaca: x bar) untuk menyatakan rata-rata
sampel.

Rumus:
Rata-rata populasi

Rata-rata sampel

Contoh Soal: 4, 7, 2, 3, 2, 7, 7, 9, 4→ Data Tunggal

89
b. Median
Median (Me) adalah salah satu teknik penjelasan kelompok yang
didasarkan atas nilai tengah dari kelompok data yang telah disusun
urutannya dari yang terkecil sampai yang terbesar, atau sebaliknya.
Jika ukuran data ganjil, maka median (Me) merupakan data paling
tengah setelah data diurutkan menurut nilainya, tetapi jika ukuran
data genap, maka median adalah rata-rata dua data tengah setelah
diurutkan. Pada data tunggal, pencarian nilai median dilakukan
dengan cara mengurutkan data dari nilai terkecil ke nilai terbesar.
Kemudian nilai tengah data yag telah diurutkan itu merupakan nilai
median.

Rumus:
Contoh Soal: 4, 7, 2, 3, 2, 7, 7, 9, 4→ Data Tunggal
Data diurutkan: 2, 2, 3, 4, 4, 7, 7, 7, 9
Nilai Me adalah nilah ke (Xn+1 )= x5
2

Jadi, nilai Me (Median) = 4

c. Modus
Modus (Mo) merupakan nilai yang sering muncul atau
frekuensinya paling banyak.

Contoh Soal: 4, 7, 2, 3, 2, 7, 7, 9, 4→ Data Tunggal

Modus (Mo) dari data di atas adalah 7→ angka tujuh muncul
sebanyak 3 kali

90
2. Ukuran Penyebaran
a. Rentang Data (Range)
Rentang atau jangkauan/range adalah selisih nilai terbesar dengan
nilai terkecil (Maksimum-Minimum).
Rumus:
Range = Nilai maksimum – Nilai minimum.

Contoh Soal: 4, 7, 2, 3, 2, 7, 7, 9, 4→ Data Tunggal

Data diurutkan: 2, 2, 3, 4, 4, 7, 7, 7, 9
Range = Nilai maksimum – Nilai minimum

Range = 9-2
=7

b. Simpangan Baku dan Varians

Simpangan baku atau standar deviasi (s untuk sampel dan σ untuk
populasi) adalah akar dari rata-rata penyimpangan kuadrat data dari
rat-ratanya.
Rumus:

91
 Contoh Soal: Contoh Soal: 4, 7, 2, 3, 2, 7, 7, 9, 4→ Data Tunggal

X1 (X-X1) (X-X1)2
4 -1 1
7 2 4
2 -3 9
3 -2 4
2 -3 9
7 2 4
7 2 4
9 4 16
4 -1 1
Jumlah= 45 52
X rata-rata =5 S2

Besarnya Koefisien simpangan baku adalah sebagai berikut:

S=
(
 X-X )
2

n -1
52
S=
9 -1
52
S=
8
S = 6,5
S= 2,55

Varians adalah tengah kuadrat simpangan atau simpangan rata-rata

kuadrat. Untuk sampel varians dilambangkan dengan S 2 sedangan
untuk populasi dilambangkan dengan σ2 (baca: sigma).

92
Rumus Sampel:

Rumus Populasi:

Contoh Soal:
Besarnya Koefisien varians adalah kuadrat dari simpangan
baku, hasilnya sebagai berikut:

S2= 52/8
S2= 6,5

93
B. Menghitung Pemusatan dan Penyebaran Data dengan SPSS
17.0
Langkah-langkah Pengolahan Data dengan menggunakan SPSS
17.0
1. Masukkan Data seperti contoh di bawah ini:

2. Lakukan langkah: Analyze→ Deskriptif Statistik →

Frekuensi

94
3. Kemudian pilih Statistic→ Centang Sum, Median, mean mode, std
deviation, Variance, Range, Maksimum, Minimum, Skwenesis dan
Kurtosis→ Lalu Continue dan Ok

4. Maka akan tampil hasil Output Sebagai Berikut:

Statistics
Data
N Valid 9
Missing 0
Mean 5.00
Median 4.00
Mode 7
Std. Deviation 2.550
Variance 6.500
Skewness .233
Std. Error of Skewness .717
Kurtosis -1.503
Std. Error of Kurtosis 1.400
95
 Range 7
Minimum 2
Maximum 9
Sum 45

Data
Cumulative
Frequency Percent Valid Percent Percent
Valid 2 2 22.2 22.2 22.2
3 1 11.1 11.1 33.3
4 2 22.2 22.2 55.6
7 3 33.3 33.3 88.9
9 1 11.1 11.1 100.0
Total 9 100.0 100.0

5. Cara Membaca Output Hasil Analisis:

a. N atau jumlah data yang valid (yang sah atau dapat diproses lebih
lanjut) adalah 52. Jumlah data missing atau data yang hilang adalah
0 (tidak ada)
b. Mean atau rata-rata dari data adalah 5.
c. Median atau nilai tengah adalah 4.
d. Mode, nilai yang sering muncul adalah 7
e. Ukuran Skweness dan ukuran Kurtosis adalah 0,233 dan -1,503,
sedangkan standar eror dari skweness dan standar eror dari kurtosis
adalah 0,717 dan 1,4. Untuk penilaian atau untuk menentukan
apakah data memiliki distribusi normal, nilai ukuran skewness dan
kurtosis dibagi dengan standar erornya. Jika koefisien yang didapat
berada di antara -2 dengan +2, data dinyatakan berdistribusi
normal.

96
 Rasio Skewness = 0,233/0,717= 0,232496= 0,232
Rasio Kurtosis = -1,503/1,4= -1,073571= -1,074
Karena rasio berada di antara -2 dengan +2, data dinyatakan berada
dalam sebaran normal.
f. Nilai minimum adalah 2 dan maksimum 9.
g. Range, selisih antara nilai maksimum dengan nilai minimum adalah
7 (9-2)
h. Sum atau nilai keseluruhan dari data adalah 45.

Catatan:
• Latihan pengukuran pemusatan dengan data yang sudah valid dan
reliabel di bab V

C. Penyajian Data
1. Penyajian Data dalam Bentuk Tabel
Tabel adalah penyajian data yang disusun berdasarkan baris dan
kolom. Tabel data berupa kumpulan angka-angka berdasarkan kategori
tertentu.
a. Tabel biasa
Jenis tabel ini mengelompokkan data berdasarkan satu informasi
atau satu kriteria tertentu, misalnya pada tabel di bawah ini merupakan
tabel biasa (satu arah) berdasarkan gender. Dapat dilihat pada gambar di
bawah ini:

No. Responden Jumlah

1 Laki-laki 13
2 Perempuan 17
Total 30

97
b. Tabel Silang (Dua Arah)
Jenis tabel ini mengelompokkan data berdasarkan dua kriteria
tertentu, misalnya pada tabel di bawah ini merupakan tabel dua arah
berdasarkan gender dan tahun angkatan.

Tahun Angkatan Total

2011 2012 2013 2014
Jenis Laki-laki 0 5 5 5 15
Kelamin
Perempuan 1 7 4 3 15
1 12 9 8 30

2. Penyajian Data dalam Bentuk Grafik/Diagram

Tujuan data disajikan dalam bentuk grafik/diagram untuk
memudahkan membaca data.
a. Histogram
Histogram adalah penyajian tabel distribusi frekuensi yang diubah
dalam bentuk diagram batang.

98
b. Diagram Poligon Frekuensi

99
c. Diagram Lingkar (Pie charts)

d. Grafik
Contoh : grafik garis patah-patah
Grafik 1.7 Distribusi Kasus Gastroenteristis di daerah X
perbulan Selama Satu Tahun
Frek.
35
30
25
20
GE
15
10
5
0
bulan
1 2 3 4 5 6 7 8 9 10 11 12

100
e. Grafik Ogive

Contoh Ogive
Grafik 1.7 Distribusi Frekuensi Kumulatif
Tekanan Darah Sistolik
Frek.
60

50
Tek drh
40 sistolik

30

20

10

0
129.5 139.5 149.5 159.5 169.5 179.5 189.5 199.5

101
BAB VII
UJI ASUMSI DASAR

A. Pengertian Uji Asumsi Dasar/ Uji Prasyarat Analisis

Uji asumsi dasar juga disebut sebagai uji prasyarat analisis. Uji
asumsi ini digunakan untuk mengetahui pola dan varian serta
kelinieritasan dari suatu populasi (data).

B. Uji Normalitas
Uji normalitas data dimaksudkan untuk memperlihatkan bahwa
data berdistribusi normal. Metode yang digunakan dalam melakukan uji
normalitas disesuaikan dengan jenis statistik yang digunakan, seperti;
Normal Probability Plot (Normal P-P Plot) dan Detrended Normal P-P
Plot. Kolmogorov-Smirnov. Chi Kuadrat (Chi Square) untuk data ordinal
(statistik nonparametrik). Adapun penjabarannya sebagai berikut:

1. Menggunakan P-P Plot

Grafik normal P-P atau Q-Q Plot menunjukkan garis lurus yang
terbentang dari kiri bawah ke kanan atas dengan titik-titik penyeberan
data disekitar garis. Ketentuan data dikatakan berdistribusi normal
apabila penyebaran data (titik-titik) berada disekitar garis lurus tersebut,
demikian sebaliknya data dikatakan tidak berdistribusi normal apabila
penyebaran data (titik-titik) tidak berada disekitar garis lurus tersebut.

102
 Adapun langkah-langkah uji normalitas data dengan menggunakan
SPSS 17.0, yaitu:

a. Masuk pada data yang ada di SPSS 17.0 → Seperti tampak pada
gambar di bawah ini:

b. Klik Analyze→ Deskriptif Statistik → Explore. Seperti gambar di

bawah ini:

103
c. Kemudian masukkan data variabel X pada kolom variables →
seperti di bawah ini

d. Selanjutnya klik tombol plots dan centang pada Normality plot with
test seperti pada gambar berikut:

104
e. Kemudian klik continue kemudian Ok→ Maka akan muncul hasil
grafik normal Q-Q Plot pada variabel X, seperti gambar di bawah
ini:

Menganalisis grafik normal Q-Q Plot. Sesuai dengan

ketentuan bahwa data dikatakan berdistribusi normal apabila
penyebaran data (titik-titik) berada disekitar garis lurus tersebut,
demikian sebaliknya data dikatakan tidak berdistribusi normal
apabila penyebaran data (titik-titik) tidak berada disekitar garis
lurus tersebut. Maka data variabel X di atas dapat dikatakan
berdistribusi normal. Sebab penyebaran data (titik-titik) berada di
sekitar garis normal.

105
2. Dengan menggunakan Kolmogorov-Smirnov Test
a. Buka data di SPSS 17.0 → akan muncul gambar seperti di bawah
ini:

b. Langkah Uji Normalitas:

1) Klik Analyze → Deskriptif Statistic → Explore. Seperti berikut ini:

2) Pengisian Masukkan variabel X ke dependent list. → pada layar

akan muncul:

106
3) Selanjutnya Klik Plot→ Klik steam and test→ Klik histogram→
Klik normalitylots with tests→ Maka pada layar akan muncul
gambar

4) Kemudian klik continue lalu Ok. → maka akan muncul hasil seperti
berikut:

107
 Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Variabel_X 30 100.0% 0 .0% 30 100.0%

Dari tabel case processing summary diperoleh keterangan bahwa

jumlah responden (N) yang menjadi sampel adalah sebanyak 30 orang.

Test of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic Df Sig.
Variabel_X .149 30 .088 .928 30 .044
a. Lilliefors Significance Correction

c. Analisis Data
Perhatikan output Test of Normality pada kolom Kolmogorov-
Smirnov diperoleh hasil analisis koefisien hitung (D hitung) sebesar 0,149
dan dibagian Sig. atau P-value diperoleh hasil 0,88. Untuk menentukan
apakah data berdistribusi normal atau tidak, dapat dilakukan dengan dua
cara, yaitu sebagai berikut:
1) Kriteria pengujian yang diambil berdasarkan nilai probabilitas
(nilai signifikan)
Ketentuan yang digunakan pada kolmogrov-Smirnov adalah jika
nilai sig a yang diperoleh lebih besar (>) dari taraf signifikan yang telah
ditentukan (0,05), maka data tersebut dinyatakan berdistribusi normal.
Demikian sebaliknya jika nilai sig a yang diperoleh lebih kecil (<) dari
taraf signifikan yang telah ditentukan (0,05), maka data tersebut
dinyatakan berdistribusi tidak normal. Adapun taraf signifikansi (a)
dalam pembahasan ini menggunakan a = 0,05 atau 5%. Dari tabel di atas
108
diperoleh keterangan bahwa nilai sig. sebesar 0,088, dengan demikian
diperoleh nilai sig. 0,0,088 yang diperoleh lebih besar ( >) dari taraf
signifikan yang telah ditentukan (0,05), maka data tersebut dinyatakan
berdistribusi normal.

2) Kriteria pengujian yang diambil berdasarkan perbandingan antara

D hitung dan D tabel
Ketentuan yang berlaku pada Kolmogorov-Smirnov adalah, jika
nilai D hitung lebih kecil dari D tabel (Dhitung<Dtabel) data berarti data
berdistribusi normal. Sebaliknya jika D hitung lebih besar dari D tabel
(Dhitung>Dtabel) data berarti data berdistribusi tidak normal. Untuk melihat
nilai D hitung dilihat nilai statistic pada tabel di atas, D hitung = 0,149.
Untuk mengetahui nilai D tabel dapat dilihat pada tabel Kolmogorov-
Sminov dengan ketentuan D tabel (a, n-1)48 sehingga nilai D tabel (0,005, 29)
sebesar 0,246. Dengan demikian maka diperoleh hasil D hitung (0,149)
<Dtabel (0,246), yang berarti data berdistribusi normal.

48
Syofian Siregar, Statistik Parametrik untuk..., 156
109
3. Uji Chi Kuadrat (Chi Square) untuk data ordinal (statistik
nonparametrik)
a. Buka data di SPSS 17.0 → akan muncul gambar seperti di bawah
ini:

b. Klik Analyze → Non Parametrik Test→ Chi Square. Akan muncul

gambar:

110
c. Pengisian Masukkan variabel X ke dependent list. → pada layar
akan muncul:

d. Selanjutnya Klik Ok→ Maka akan muncul hasil sebagai berikut:

Test Statistics
Skor_Total_X
Chi-Square 11.600a
Df 15
Asymp. Sig. .709
a. 16 cells (100,0%) have expected frequencies less than 5. The
minimum expected cell frequency is 1,9.

e. Aanalisis Data
Analisis Chi Square dapat dilakukan dengan 2 cara, yaitu:
1) Kriteria pengujian yang diambil berdasarkan nilai probabilitas
(nilai signifikan)
Ketentuan yang digunakan pada Chi Square adalah jika nilai sig a
yang diperoleh lebih besar ( >) dari taraf signifikan yang telah
111
 ditentukan (0,05), maka data tersebut dinyatakan berdistribusi
normal. Demikian sebaliknya jika nilai sig a yang diperoleh lebih
kecil (<) dari taraf signifikan yang telah ditentukan (0,05), maka
data tersebut dinyatakan berdistribusi tidak normal. Adapun taraf
signifikansi (a) dalam pembahasan ini menggunakan a = 0,05 atau
5%. Dari tabel di atas diperoleh keterangan bahwa nilai sig.
sebesar 0,709, dengan demikian diperoleh nilai sig. 0,709 yang
diperoleh lebih besar ( >) dari taraf signifikan yang telah ditentukan
(0,05), maka data tersebut dinyatakan berdistribusi normal.

2) Kriteria pengujian yang diambil berdasarkan perbandingan antara

Nilai Chi Square (χ2) hitung dan Chi Square (χ2) tabel
Ketentuan yang berlaku pada Chi Square adalah, jika nilai χ2hitung
lebih kecil dari χ2tabel (χ2 hitung < χ2 tabel) data berarti data
berdistribusi normal. Sebaliknya jika χ 2 hitung lebih besar dari χ2 tabel
(χ2hitung > χ2tabel) data berarti tidak berdistribusi normal. Hasil
analisis di atas menunjukkan nilai χ2hitung sebesar 11,6 dan nilai
χ2tabel pada df 15 sebesar 24,996. Jadi diperoleh nilai χ2hitung (0,149)
< χ2tabel (24,996). Sehingga data di atas dinyatakan berdistribusi
normal.

112
Catatan:
• Langkah-langkah uji normalitas untuk variabel Y sama dengan
yang telah dilakukan pada variabel X
• Uji normalitas untuk variabel Y menjadi tugas mandiri
• Setelah uji normalitas pada kedua variabel dan ditemukan hasil
normal, maka data dapat dilanjutkan dengan uji linieritas.

113
C. Uji Linieritas
1. Pengertian
Linieritas merupakan suatu cara yang digunakan untuk menguji dan
mengetahui ada tidaknya hubungan yang linier antara variabel
independent (variabel X) dengan variabel dependent (variabel Y).
Pengujian ini biasanya digunakan sebagai prasyarat dalam analisis
korelasi person. Pengujuan pada SPSS dengan menggunakan Test for
Linearity pada taraf signifikansi 0,05. Dua variabel dikatakan mempunyai
hubungan yang linier bila signifikansi (pada tabel kolom Deviation for
Linearity) lebih besar (>) 0,05 atau teori lain mengatakan jika
signifikansi [pada kolom F Liniearity) kurang dari (<) 0,05 akan
dikatakan linier.49
2. Langkah-langkahnya:
a. Buka data di SPSS 17.0→ seperti gambar yang terdapat di bawah
ini:

49
Duwi Priyatno, SPSS Panduan Mudah Mengolah Data Bagi Mahasiswa &
Umum (Yogyakarta: Andi, 2018), 78.
114
b. Klik Analyze→ Compare Means→Means→seperti gambar di
bawah ini:

c. Kemudian lakukan pengisian data:

1. Masukkan variabel X pada kotak independet
2. Masukkan variabel Y pada kotak dependent → Seperti gambar di
bawah ini.

115
1. Klik option dan beri centang pada Test for Linearit seperti pada
gambar berikut:

116
d. Kemudian tekan continue maka didapat hasil output seperti gambar
di bawah ini:

Analisis untuk uji linieritas dapat dilakukan dengan 2 cara, yaitu:

a. Kriteria pengujian yang diambil berdasarkan nilai probabilitas (nilai
signifikan)
Ketentuan yang berlaku jika menggunakan signifikasi pada kolom
Deviation from Linearity lebih besar dari (>) 0,05 maka data linier.
Berdasarkan kolom Deviation from Linearity maka diperoleh nilai
signifikansi sebesar 0,246 yang artinya lebih besar dari (>) 0,05 sehingga
data dapat dinyatakan linier.
Ketentuan bila menggunakan kolom Linearity adalah jika nilai
signifikansi yang diperoleh kurang dari (<) 0,05 maka data dinyatakan
linier. Berdasarkan kolom Linearity diperoleh nilai signifikansi sebesar
0,000 yang artinya kurang dari (<) 0,05 sehingga data dinyatakan linier.

b. Kriteria pengujian yang diambil berdasarkan perbandingan antara F

hitung dan F tabel
Ketentuan yang berlaku jika Fhitung > Ftabel data tersebut dinyatakan
memiliki hubungan yang linier. Demikian sebaliknya jika Fhitung < Ftabel
data dinyatakan tidak memiliki hubungan yang linier. Dari tabel di atas
diketahui bahwa nilai F sebesar 348.795 dan bila dibandingkan dengan
nilai F tabel pada df 29 (regression 1, dan residual 28) diperoleh nilai
sebesar 4,2. Sehingga Fhitung > Ftabel (348,795>4,2) sehingga data
dinyatakan memiliki hubungan yang linier.

117
118
BAB VIII
UJI t SATU SAMPEL

A. Pengujian Satu Pihak

Uji pihak Kanan atau Uji Pihak Kiri→ hipotesis direksional, yaitu
rumusan hipotesis yang arahnya sudah jelas (kiri dan kanan) atau disebut
hipotesis langsung.

1. Uji pihak kiri

Uji pihak kiri digunakan apabila; hipotesis nol (H 0) berbunyi “lebih
besar atau sama dengan (≥) dan hipotesis alternatifnya berbunyi “lebih
kecil (<)”, kata lebih besar atau sama dengan sinonim “kata paling sedikit
atau paling kecil”.
Contoh:

H0 : Pemahaman doa mahasiswa STT Kristus Alfa Omega

lebih besar dari atau sama dengan 80% dari nilai
maksimum.
Ha : Pemahaman doa mahasiswa STT Kristus Alfa Omega
lebih kecil dari 80% dari nilai maksimum.

Contoh Uji T dengan Data sebagai berikut:

Res Gender Angkatan Usia Pemahaman Doa
hizkia 1 4 2 100
mery 2 1 1 100
joko 1 3 2 85
semy 1 3 2 98
dara 2 3 2 100

119
 anton 1 3 2 100
elis 2 3 2 95
melita 2 3 2 98
yezi 2 3 2 80
danny 1 3 2 95
zendi 2 3 2 95
titin 2 3 2 94
mega 2 3 2 98
hana 2 3 2 87
slamet 1 1 2 87
vico 1 1 1 94
tiur 2 2 2 86
yongki 1 2 2 97
haris 1 2 2 93
grace 2 1 1 92
melissa 2 2 2 85
yolanda 2 2 2 90
gesti 2 2 2 91
desti 2 2 2 85
hezki 1 2 2 85
albert 1 2 2 81
andi 1 1 1 95
yunus 1 1 1 77
vani 2 1 1 97
irna 2 1 1 83
Total 2743

a. Secara Manual
1. Menuliskan Hipotesis Penelitian
H0 : Pemahaman doa mahasiswa STT Kristus Alfa Omega
lebih besar atau sama dengan 80% dari nilai maksimum.
Ha : Pemahaman doa mahasiswa STT Kristus Alfa Omega
lebih kecil dari 80% dari nilai maksimum.
120
2. Menuliskan Hipotesis statistik
H0 : μ ≥ 80%
Ha : μ < 80%
3. Menghitung nilai rata-rata
4. Menghitung Nilai sampangan baku
5. Menentukan nilai rata-rata acuan (μ0)
μ0: Nilai yang dihipotesiskan X rata-rata nilai ideal
Rata-rata nilai acuan =Jumlah pertanyaan (item) x skor pilihan50
= 20 x 5
=100
μ0= 80% x 100
Statistics
= 80
6. Menghitung nilai t skor_Total
N Valid 30
X −
t= Missing 0
s/ n
Mean 91.43
91,43 − 80 Median 93.50
t=
6,714 / 30 Mode 85a

t = 9,32 Std. Deviation 6.714

Variance 45.082
Range 23
7. Interpretasi hasil Analisis
(sama dengan yang ada Minimum 77
dibagian b. Dengan Maximum 100
bantuan SPSS 17.0) Sum 2743
Percentiles 25 85.00
50 93.50
75 97.25
50 a. Multiple
Mikha Agus Widiyanto, Statistika: modes exist.
Untuk Penelitian TheTeologi,
Bidang smallest
Pendidikan Agama Kristen & Pelayanan Gereja (Bandung:
value is shown Kalam Hidup, 2014), 156
121
Catatan:
• Uji t berlaku bagi penelitian sampel, bagi penelitian populasi tidak
menggunakan uji t.
• Bila penelitian populasi, maka hanya menggunakan statistik
deskriptif
• Kemudian analisis hipotesisnya adalah
Skor _ Empiris
Nilai _ Hipotesis = x100%
Skor _ Ideal

b. Uji pihak kiri dengan bantuan SPSS 17.0

1) Buka SPSS 17.0

122
2) Klik Analyze→ Compare Means → One Sample Test. Seperti di
bawah ini:

3) Setelah muncul kotak one sample test seperti gambar di atas,

masukkan variabel pemahaman doa ke test variable (s) dan pada
kotak tes value ganti 80.

4) Klik options lalu pada kotak confidence level pilih 95% →

123
 5) Kemudian klik continue lalu ok→maka akan muncul hasil output
sebagai berikut:
One-Sample Statistics
Std. Error
N Mean Std. Deviation Mean
Skor_Total_X 30 91.43 6.714 1.226
One-Sample Test
Test Value = 80
95% Confidence
Interval of the
Sig. (2- Mean Difference
T Df tailed) Difference Lower Upper
Skor_Total_X 9.327 29 .000 11.433 8.93 13.94
One-Sample Statistics
6) Analisis tabel
Dari tabel one-sample statistic:

124
 • Jumlah responden yang menjadi sampel sebanyak 30 orang
• Nilai rata-rata variabel pemahaman doa adalah 91,43 dengan
nilai standar deviasi sebesar 6,714
Dari tabel one-sample test
• Nilai thitung = 9,327
• Nilai -ttabel untuk df (a/2, n-1)
Nilai -ttabel untuk df (0,05/2, 30-1) =29 adalah -2,045

7) Membandingkan ttabel dengan thitung

Tujuannya adalah untuk mengetahui hipotesis H0 ditolak atau
diterima. Dengan ketentuan:
H0 : diterima dan Ha ditolak jika –ttabel ≤thitung
H0 : ditolak dan Ha diterima jika -ttabel >thitung
Pada hasil penelitian ini diperoleh nilai -ttabel (-2,045) < thitung
(9,327) maka H0 diterima dan Ha ditolak.

8) Pengambilan keputusan
Berdasarkan analisa di atas maka dapat disimpulkan bahwa
Pemahaman doa mahasiswa STT Kristus Alfa Omega lebih besar
atau sama dengan (≥) 80% dari nilai maksimum.

2. Uji pihak kanan

Uji pihak kanan digunakan apabila; hipotesis nol (H0) dinyatakan
dengan istilah “lebih kecil atau sama dengan, lebih rendah atau sama
dengan, paling tinggi atau sama dengan, paling tinggi atau sama dengan,
maksimum atau sama dengan yang dinyatakan dengan simbol (≤) dan
hipotesis alternatifnya (Ha) dinyatakan dengan istilah “lebih besar, paling
rendah, lebih tinggi, minimum yang dilambangkan dengan simbol (>).
Contoh:
Ha : Pemahaman doa mahasiswa STT Kristus Alfa Omega
lebih kecil atau sama dengan 80% dari nilai maksimum.

125
 H0 : Pemahaman doa mahasiswa STT Kristus Alfa Omega
lebih besar dari > 80% dari nilai maksimum.

Dengan ketentuan:
H0 : diterima dan Ha ditolak jika thitung ≤ + ttabel
H0 : ditolak dan Ha diterima jika thitung > ttabel

Model kurva:
Wilayah
penolakan

Wilayah

penerimaan

Statistik uji Nilai

Ho Nilai
kritis

Langkah Uji Pihak Kanan dengan menggunakan SPSS

a. Buka SPSS 17.0→ Seperti gambar di bawah ini:

126
b. Bila data sudah ada di SPSS maka tinggal dibuka, bila belum maka
masukkan data sebagai berikut:

c. Setelah muncul kotak open data→ klik data yang akan diolah,
seperti gambar di bawah ini:

127
d. Setelah data terbuka kemudian klik Analyze→ Compare Means →
One Sample Test. Seperti gambar di bawah ini:

128
e. Setelah muncul kotak one sample test seperti gambar di atas, maka
masukkan variabel pemahaman doa ke test variable (s) dan pada
kotak tes value ganti 80 → seperti gambar di bawah ini:

f. Klik options lalu pada kotak confidence level pilih 95% → seperti
gambar di bawah ini:
129
 g. Kemudian klik continue lalu ok→maka akan muncul hasil output
seperti berikut ini:
One-Sample Statistics
Std. Std. Error
N Mean Deviation Mean
Pemahaman_Doa 20 93.70 5.832 1.304

One-Sample Test
Test Value = 80
95% Confidence Interval
Mean of the Difference
T Df Sig. (2-tailed) Difference Lower Upper
Pemaham 10.50 19 .000 13.700 10.97 16.43
an_Doa 6

h. Analisis tabel
Dari tabel one-sample statistik:

130
 • Jumlah responden yang menjadi sampel sebanyak 20 orang
• Nilai rata-rata variabel pemahaman doa adalah 93,7 dengan
nilai standar deviasi sebesar 5,832
Dari tabel one-sample test
• Nilai thitung = 10,506
• Nilai ttabel untuk df (n-1)51 =19 adalah 2,093

i. Membandingkan ttabel dengan thitung

Tujuannya adalah untuk mengetahui hipotesis H0 ditolak atau
diterima. Pada penelitian ini diperoleh nilai thitung (10,506) > thitung
(2,093) maka H0 ditolak dan Ha diterima.
Dengan ketentuan:
H0 : diterima dan Ha ditolak jika thitung ≤ + ttabel
H0 : ditolak dan Ha diterima jika thitung > ttabel

j. Pengambilan keputusan
Berdasarkan analisa di atas maka dapat disimpulkan bahwa
Pemahaman doa mahasiswa STT Kristus Alfa Omega >80% dari nilai
maksimum.

B. Uji dua pihak

Uji hipotesis dua pihak juga disebut hipotesis Non Direksional →
hipotesis yang tidak menunjukkan arah tertentu (hipotesis tidak
langsung). Uji hipotesis dua pihak digunakan apabila hipotesis nol (H 0)
dinyatakan istilah sama dengan (=) dan hipotesis alternatifnya (H a)
dinyatakan dengan istilah tidak sama dengan (≠).

Contoh:
H0 : Pemahaman doa mahasiswa STT Kristus Alfa Omega
sama dengan 80% dari nilai maksimum.
51
Syofian Siregar, Statistik Parametrik ..., 199
131
 Ha : Pemahaman doa mahasiswa STT Kristus Alfa Omega
tidak sama dengan 80% dari nilai maksimum.
Hipotesis statistik
H0 : μ = 80%
Ha : μ ≠ 80%

Dengan ketentuan:52
H0 : diterima dan Ha ditolak jika -ttabel ≤ thitung ≤ + ttabel
H0 : ditolak dan Ha diterima jika thitung > ttabel

Model Kurva:
Wilayah Wilayah
penolakan penolakan

1/2  1/2 
Wilayah
penerimaan

Nilai Statistik uji

Nilai Ho Nilai
kritis kritis

52
Mikha Agus Widiyanto, Statistika: Untuk Penelitian Bidang Teologi,
Pendidikan Agama Kristen, & Pelayanan Gereja (Kalam Hidup: Bandung, 2014), 160
132
C. Aplikasi SPSS 17 untuk Uji Dua Pihak
Langkah Uji Dua Pihak dengan menggunakan SPSS 17.0

a. Buka SPSS 17.0→ Seperti gambar di bawah ini:

b. Klik Analyze→ Compare Means → One Sample Test. Seperti

gambar di bawah ini:

133
c. Setelah muncul kotak one sample test seperti gambar di atas, maka
masukkan variabel pemahaman doa ke test variable(s) dan pada
kotak tes value ganti 80 → seperti ini:

134
d. Klik options lalu pada kotak confidence level pilih 95% → seperti
gambar di bawah ini:

e. Kemudian klik continue lalu ok→maka akan muncul hasil output

seperti di bawah ini:
One-Sample Statistics
Std.
N Mean Deviation Std. Error Mean
Pemahaman_Doa 20 93.70 5.832 1.304
Test Value = 80
95% Confidence Interval
Sig. (2- Mean of the Difference
T Df tailed) Difference Lower Upper
Pemahama 10.50 19 .000 13.700 10.97 16.43
n_Doa 6

135
f. Analisis tabel
Dari tabel one-sample statistic:
• Jumlah responden yang menjadi sampel sebanyak 20 orang
• Nilai rata-rata variabel pemahaman doa adalah 93,7 dengan
nilai standar deviasi sebesar 5,832.

Dari tabel one-sample test

• Nilai thitung = 10,506
• Nilai -ttabel untuk df (n-1)53 =19 adalah -2,093
• Nilai +ttabel untuk df (n-1)54 =19 adalah +2,093

g. Membandingkan ttabel dengan thitung

H0 : Pemahaman doa mahasiswa STT Kristus Alfa Omega sama
dengan 80% dari nilai maksimum.
Ha : Pemahaman doa mahasiswa STT Kristus Alfa Omega tidak
sama dengan 80% dari nilai maksimum.

Tujuannya adalah untuk mengetahui hipotesis H0 ditolak atau

diterima. Pada penelitian ini diperoleh nilai –t tabel (-2,093) < thitung
(10,506) > + ttabel (2,093) maka H0 ditolak dan Ha diterima.

Dengan ketentuan:
H0 : diterima dan Ha ditolak jika -ttabel ≤ thitung ≤ + ttabel
H0 : ditolak dan Ha diterima jika thitung > ttabel

53
Syofian Siregar, Statistik Parametrik ... 199
54
Ibid., 199
136
h. Pengambilan keputusan
Berdasarkan analisa di atas maka dapat disimpulkan bahwa
Pemahaman doa mahasiswa STT Kristus Alfa Omega tidak sama dengan
80% dari nilai maksimum.

137
BAB IX
ANALISIS KORELASI

A. Pengertian Analisis Korelasi

Uji korelasi sederhana menggunakan korelasi bivatiate, yaitu untuk
menguji korelasi atau bubungan antara dua variabel. Uji korelasi ini
bertujuan untuk melihat keeratan hubungan antara variabel dalam suatu
penelitian.

B. Teknik Uji Korelasi Sederhana

Uji korelasi sederhana melalui bantuan SPSS 17.0 terdiri atas tiga
jenis uji korelasi bivariate, yaitu:
1. Korelasi Pearson→ statistik parametrik
a. Pengertian Korelasi Pearson
Korelasi Pearson pertama kali ditemukan oleh Karl Pearson.
Korelasi Pearson sering disebut dengan istilah lain yaitu Korelasi Produk
Moment. Korelasi Pearson atau Produk Moment ini berguna untuk
mengetahui hubungan beberapa variabel. Dalam buku “Wahana
Komputer” dijelaskan terdapat 3 asumsi dasar yang harus terpenuhi
untuk dapat melakukan Korelasi Pearson atau Produk Moment, yaitu:
1) Data nilai variabel berdistribusi normal atau mendekati normal
2) Dua variabel yang akan dicari korelasinya adalah variabel kontinyu
yang bersifat rasional atau minimal interval.
3) Hubungan variabel tersebut linier.55
b. Langkah-langkah Uji Korelasi Bivariate → Korelasi
Pearson/Produk Moment

55
Wahana Komputer, Solusi Mudah & Cepet Menguasai SPSS 17.0 Untuk Data
Statistik (Jakarta: PT. Gramedia, 2009), 156
138
1) Menentukan bunyi hipotesis
a. Hipotesis penelitian (bentuk hipotesis deskriptif)
Pengaruh variabel X terhadap variabel Y ada dalam kategori
sedang
b. Hipotesis statistik
H0 : Pengaruh variabel X terhadap variabel Y ada dalam kategori
sedang
Ha : Pengaruh variabel X terhadap variabel Y tidak dalam kategori
sedang
2) Buka data yang ada di SPSS 17.0→ Seperti gambar di bawah ini:

3) Kemudian cari data yang sudah tersimpan di SPSS 17.0

139
4) Lalu tekan open. → muncul data seperti di bawah ini:

5) Kemudian klik analyze→Correlate → Bivariate. → sebagai

berikut:

140
6) Setelah muncul gambar Bivariate Correlate maka masukkan data
variabel X dan Y ke kotak variable (s) → Seperti gambar di bawah
ini:

7) Pengisian statistic → klik→ means and standard deviatinos→

Cross-product deviations and covariances→ seperti gambar di
bawah ini:
141
8) Kemudian klik continue lalu ok→ akan tampak hasil output seperti
di bawah ini:
Descriptive Statistics
Mean Std. Deviation N
Variabel_X 91.43 6.714 30
Variabel_Y 82.03 6.419 30

Variabel_X Variabel_Y
Variabel_X Pearson Correlation 1 .962**
Sig. (2-tailed) .000
N 30 30
**
Variabel_Y Pearson Correlation .962 1
Sig. (2-tailed) .000
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).

142
9) Analisis tabel descrptive statistics dan correlations
a) Tabel deskriptive
Dari tabel descriptive diperoleh keterangan jumlah responden yang
menjadi populasi atau sampel adalah 30 orang. Nilai rata-rata
variabel X adalah 91,43 dengan nilai standar deviasi adalah 6,714
dan nilai rata-rata variabel Y adalah 82,03 dengan nilai standar
deviasi 6,419
b) Tabel correlations
• Dari tabel correlations di atas diperoleh keterangan bahwa nilai sig.
a = 0,000. Ketentuan signifikan adalah bila nilai sig. a< 0,05.
Dengan demikian maka variabel X sangat signifikan terhadap
variabel Y, sebab sig. a (0,000<0,05).
• Nilai korelasi antara variabel X dan variabel Y, dapat dilihat pada
baris Pearson Correlation, nilai r yang diperoleh adalah 0,962 yang
menunjukkan adanya hubungan korelasi yang sangat kuat.

10) Kemudian kembali pada layar data di SPSS 17.00→ seperti gambar
di bawah ini:

143
11) Klik Analyze→ regression→ linier, Seperti gambar di bawahh
ini:

12) Kemudian masukkan variabel X pada kota independent dan

variabel Y pada kotak dependent. → seperti gambar di bawah ini:

144
13) Kemudian klik statistik→ klik:→ estimates, → model fit, → R
squared change

14) Kemudian klik continue lalu ok. → akan muncul hasil seperti di
bawah ini:
Model Summary
Change Statistics
R Adjusted R Std. Error of R Square Sig. F
Model R Square Square the Estimate Change F Change df1 df2 Change
1 .962a .926 .923 1.781 .926 348.795 1 28 .000
a. Predictors: (Constant), Variabel_X

15) Analisis tabel Model Summary

a) Dari tabel di atas di peroleh nilai R (koefisien korelasi)=0,962,
yang menunjukkan bahwa hubungan variavel X dengan variabel Y
adalah 0,962. Selanjutnya untuk mengetahui keeratan atau
hubungan tersebut maka dilakukan dengan membandingkan dengan
tabel pedoman interpretasi koefisien korelasi. Adapun tabelnya
seperti di bawah ini:
145
 Tabel
Pedoman untuk memberikan Interpretasi Koefisien Korelasi56
Interval koefisien Tingkat Hubungan
0,00-0,199 Sangat rendah
0.20-0,399 Rendah
0,40-0,599 Sedang
0,60-0,799 Kuat
0,80-1,00 Sangat Kuat

Berdasarkan tabel di atas maka keeratan hubungan atau koefisien

korelasi antara variabel X dan variabel Y berada pada tingkat hubungan
sangat kuat, sebab nilai R = 0,962. Sehingga hipotesis dalam penelitian
ini: H0: Pengaruh variabel X terhadap variabel Y ada dalam kategori
sedang ditolak dan Ha: Pengaruh variabel X terhadap variabel Y tidak
dalam kategori sedang diterima. Sebab dari hasil analisis data ditemukan
bahwa tingkat hubungan antara variabel X dengan Y berada dalam
kategori hubungan yang sangat kuat.

Langkah selanjutanya adalah memperhatikan nilai koefesien

determinasi untuk mengetahui kontribusi atau sumbangsih variabel X
terhadap variabel Y. Nilai R Square (koefesien determinasi)=0,926
berarti 92,6% yang menunjukkan kontribusi atau sumbangan variabel X
terhadap variabel Y sebesar 92,6% sedangkan sisanya (residunya)
sebesar 0,074 berarti 7,4 % dijelaskan oleh variabel yang tidak diteliti
atau diluar variabel yang diteliti.

56
Sugiyono, Statistik Untuk Penelitian (Bandung: CV Alfabeta, 2003),
231.

146
 Persamaan garis linier sederhana Y= a+b X
Keterangan:
Y = variabel terikat (dependent)
X = variabel bebas (independent)
a dan b = konstanta

Langkah-langkah untuk membuat persamaan garis linier sederhana

menggunakan SPSS 17.0 yaitu:

1. Buka data di SPSS 17.0 → seperti gambar di bawah ini:

2. Klik Analyze→ regression→ linier. Seperti gambar ini:

147
3. Kemudian masukkan variabel X pada kota independent dan
variabel Y pada kotak dependent. → seperti gambar di bawah ini:

4. Klik statistik→ Kemudian klik: Estimates→ Confidence Intervals;

Level (%): 95
→ Model Fit → R squared change → Descriptives

148
5. Kemudian klik continue lalu klik plot, lalu masukkan dependent
pada kolom X dan ZPRED pada kolom Y, centang histogram dan
normal probability plot → seperti gambar di bawah ini:

6. Lalu klik continue lalu Ok → akan muncul hasil output seperti di

bawah ini:

149
 Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta T Sig.
1 (Constant) -2.071 4.515 -.459 .650
Variabel_ .920 .049 .962 18.676 .000
X
a. Dependent Variable: Variabel_Y

7. Analisis tabel
Dari data tabel di atas diperoleh nilai a= -2,071 dan nilai b = 0,920.
Adapun persamaan garis linier sederhana yaitu: Y= a+b X
Maka:

Persamaan garis linier sederhana Y = a+bX

Y= -2,071+0,920 X

Dari persamaan ini dapat dijelaskan bahwa:

• Koefesien regresi b=0,920 mengindikasikan besaran penambahan
variabel Y untuk setiap pertambahan variabel X
• Variabel (X)= 0, maka diperkirakan variabel Y=-2,071, sedangkan
bila X=5, maka Y akan menjadi 2,529
• Persamaan garis tersebut dapat di gambarkan sebagai berikut:

150
C. Pengertian Korelasi Ganda
Analisis korelasi berganda digunakan untuk mengetahui derajat
atau kekuatan hubungan antara tiga variabel atau lebih, serta untuk
mengetahui kontribusi yang diberikan secara simultan oleh variabel X 1
dan X2 terhadap variabel Y.

151
Desain penelitian:

Langkah-langkah menghitung korelasi berganda (r) menggunakan SPSS

17.0
1. Buka data di SPSS 17.0 → Seperti gambar di bawah ini:

2. Klik Analyze→ Regression→ linier. Seperti gambar berikut:

152
3. Lalu masukkan data variabel X1 dan X2 pada kolom independent
dan variabel Y pada kolom dependent. → seperti gambar berikut:

153
4. Klik statistic→ pilih estimates, model fit, descriptive, colinearity
diagnostics dan durbin-Watson. → seperti gambar di bawah ini:

5. Kemudian klik continue → klik plot, lalu masukkan SDPRESID

pada kotak Y dan ZPRED pada kotak X→ seperti gambar di bawah
ini:

154
6. Kemudian klik continue lalu Ok→ maka akan muncul hasil output
seperti ini:
Descriptive Statistics

Mean Std. Deviation N

Variabel_Y 82.03 6.419 30

Variabel_X1 91.43 6.714 30

Variabel_X2 85.00 8.706 30

Correlations

Variabel_Y Variabel_X1 Variabel_X2

Pearson Correlation Variabel_Y 1.000 .962 .020

Variabel_X1 .962 1.000 .057

Variabel_X2 .020 .057 1.000

Sig. (1-tailed) Variabel_Y . .000 .457

Variabel_X1 .000 . .382

Variabel_X2 .457 .382 .

N Variabel_Y 30 30 30

Variabel_X1 30 30 30

Variabel_X2 30 30 30

Dari tabel di atas dapat diketahui bahwa hubungan variabel X1

dengan variabel Y memiliki nilai sig. a=0,000<0,05 sehingga data dapat
dikatakan signifikan, kemudian variabel X2 dengan variabel Y memiliki
nilai sig. a=0,457 > 0,05 sehingga hubungan data variabel X2 terhadap
variabel Y tidak signifikan.
155
 Variables Entered/Removed
Variables Variables
Model Entered Removed Method
1 Variabel_X2, . Enter
Variabel_X1a
a. All requested variables entered.

Dari bagian ini hanya menginformasikan variabel yang

dimasukkan, dimana variabel yang dimasukkan yaitu variabel X1, X2.
Dari kedua variabel tersebut yang dimasukkan tidak ada yang
dikeluarkan (removed)

a) Otokorelasi
Otokorelasi bertujuan untuk mencari tahu apakah kesalahan (errors)
suatu data pada periode tertentu berkorelasi dengan periode lainnya.
Model regresi ganda yang baik adalah tidak memiliki otokorelasi. Uji
otokorelasi dilakukan dengan cara mengecek nilai Durbin-Watson (DW)
dengan ketentuan:

Nilai DW adalah: 1<DW<3→ Tidak terjadi otokorelasi

Model Summaryb

Adjusted R Std. Error of Durbin-

Model R R Square Square the Estimate Watson
1 .963a .927 .921 1.799 2.323
a. Predictors: (Constant), Variabel_X2, Variabel_X1
b. Dependent Variable: Variabel_Y

156
 Berdasarkan tabel di atas nilai DW 2,323, yang menunjukkan nilai
1< 2,323<3. Karena nilai DW berada di antara dua angka batasan tidak
otokorelasi, maka dapat disimpulkan bahwa data ini tidak mengalami
otokorelasi. → Salah satu syarat uji regresi linier berganda terpenuhi.

Keteranga lainnya yang diperoleh dari tabel model summary

adalah:
• Hasil korelasi (R) yang secara simultan (bersama-sama) antara
variabel X1 dan X2 terhadap variabel Y diperoleh nilai sebesar=
0,963
• Kontribusi yang diberikan oleh variabel X1 dan X2 terhadap
variabel Y, yaitu:
KP= (rx1,x2,Y)2 x 100%
KP= (0,963)2 x 100%
KP= 0,9273 x 100%
KP= 92,73%

b) Multikolinieritas
Uji multikolinieritas bertujuan untuk menentukan apakah dalam
suatu model regresi linier ganda terdapat korelasi antar-IV. Model regresi
linier ganda yang baik seharusnya korelasi antar-IV adalah kecil atau
justru sama sekali tidak ada. Dengan kata lain, model regresi linier ganda
yang baik adalah yang tidak mengalami multikolinieritas.
Salah satu cara untuk menguji multikolinieritas adalah dengan
melihat nilai tolerance dan varians inflation factor (VIF). Dengan
ketentuan:
a. Nilai tolerance harus di antara 0,0-1
b. Nilai VIF harus lebih rendah dari angka 10

157
 Coefficientsa
Standardiz
ed
Unstandardized Coefficient 95,0% Confidence Collinearity
Coefficients s Interval for B Statistics
Std. Lower Upper
Model B Error Beta T Sig. Bound Bound Tolerance VIF
1 (Constant) -.063 5.462 -.012 .991 -11.270 11.144
Variabel_ .922 .050 .964 18.498 .000 .820 1.024 .997 1.003
X1
Variabel_ -.026 .038 -.035 -.668 .510 -.105 .053 .997 1.003
X2
a. Dependent Variable: Variabel_Y

c. Heteoskedestisitas
Uji Heteroskedastisitas adalah untuk melihat suatu kesalahan
(error) pada data yang memimiliki varians yang sama atau tidak. Model
regresi linier ganda yang baik adalah tidak memiliki heteroskedatisitas. 57
Adapun ketentuan pola heteroskedastisitas adalah ketika pola mendatar
yang dapat di tarik satu garis lurus.58

57
Sufren & Yonathan Natanael, op.cit.,110
58
Sufren & Yonathan Natanael, op.cit.,110
158
 Berdasarkan tabel dan keterangan di atas maka dapat disimpulkan
bahwa data di atas tidak heteroskedastisitas, sehingga memenuhi syarat
model regresi linier ganda.

Contoh: Tabel yang tidak heteroskedasitas.

ANOVAb

Sum of
Model Squares Df Mean Square F Sig.

1 Regression 1107.610 2 553.805 171.170 .000a

Residual 87.356 27 3.235

Total 1194.967 29

a. Predictors: (Constant), Variabel_X2, Variabel_X1

b. Dependent Variable: Variabel_Y

Tabel Anova di atas menunjukkan bahwa signifikansi pengaruh

pada variabel X1 dan X2 terhadap variabel Y adalah signifikan. Sebab
nilai sig. a =0,000 lebih kecil dari 0,05.

159
 Selain menggunakan nilai signifikansi tabel Anova juga dapat
menjelaskan model regresi linier dengan membandingkan F hitung terhadap
Ftabel. Dengan ketentuan, sebagai berikut:

➢ Apabila nilai Fhitung > Ftabel → Data dikatakan memiliki model

regresi linier dapat digunakan untuk memprediksi variabel X
mempengaruhi variabel Y
➢ Apabila nilai Fhitung < Ftabel → Data dikatakan tidak memiliki model
regresi linier dapat digunakan untuk memprediksi variabel X
mempengaruhi oleh variabel Y

Berdasarkan tabel dan keterangan di atas nilai F hitung = 171,170 dan

nilai Ftabel = 3,35. Sehingga ketentuan yang dipenuhi adalah Fhitung > Ftabel,
yaitu Fhitung (171,170)> Ftabel (3,35) sehingga dapat dikatakan bahwa
model regresi linier dapat digunakan untuk memprediksi pengaruh
variabel X terhadap Y.

160
CONTOH: Penelitian Korelasional (Penelitian Populasi)
PENGARUH DOSEN PENDIDIKAN AGAMA KRISTEN DI DALAM
MENERAPKAN METODE PENGAJARAN YESUS MENURUT
INJIL MATIUS TERHADAP MOTIVASI BELAJAR
MAHASISWA MATAKULIAH PAK ANAK
DI SEKOLAH TINGGI TEOLOGI
“INTHEOS”

PROPOSAL TESIS

OLEH

Tesis ini diajukan kepada:

Sekolah Tinggi Sekolah Tinggi Teologi ”Intheos” Surakarta
Untuk memenuhi sebagian dari persyaratan guna mencapai
Gelar Magister Pendidikan Agama Kristen

Oleh:
ENI ROMBE, S.Th
Nim: 11.3.2 M.P. 07

PROGRAM PASCASARJANA (S2)

SEKOLAH TINGGI TEOLOGI ”INTHEOS”
SURAKARTA
2014

161
 BAB I
PENDAHULUAN

A. Latar Belakang Masalah

Motivasi adalah sesuatu yang penting atau mendasar yang harus
ada dalam proses belajar, karena hasil belajar peserta didik akan optimal
bila ada motivasi. Salah satu cara menumbuhkan dan meningkatkan
motivasi belajar peserta didik adalah dengan menggunakan metode-
metode pengajaran yang bervariasi dan tepat. Hal ini dapat diamati
melalui cara yang dipakai oleh Tuhan Yesus dalam menyampaikan
pengajaranNya. Tuhan Yesus sendiri telah memberikan contoh atau
keteladanan mengenai penggunaan metode pengajaran yang bervariasi.
Sehingga setiap orang yang mendengar pengajaranNya menjadi tertarik.

B. Rumusan Masalah
Rumusan masalah dalam penelitian ini, yaitu sebagai berikut:
1. Bagaimana tingkat motivasi belajar mahasiswa kelas mata kuliah
PAK ANAK di di Sekolah Tinggi Teologi “Intheos” Surakarta?
2. Bagaimana tingkat penerapan metode pengajaran Yesus menurut
Injil Matius pada kelas Mata Kuliah PAK ANAK di di Sekolah
Tinggi Teologi “Intheos” Surakarta?
3. Seberapa besar pengaruh signifikan dosen PAK di dalam
menerapkan metode pengajaran Yesus menurut Injil Matius
terhadap motivasi belajar peserta mahasiswa di Sekolah Tinggi
Teologi “Intheos” Surakarta?

C. Tujuan Penelitian
Adapun tujuan penelitian ini adalah untuk menjelaskan:
1. Tingkat motivasi belajar mahasiswa kelas mata kuliah PAK ANAK
di di Sekolah Tinggi Teologi “Intheos”

162
2. Tingkat penerapan metode pengajaran Yesus menurut Injil Matius
pada kelas Mata Kuliah PAK ANAK di di Sekolah Tinggi Teologi
“Intheos”
3. Besar pengaruh signifikan dosen PAK di dalam menerapkan
metode pengajaran Yesus menurut Injil Matius terhadap motivasi
belajar peserta mahasiswa di Sekolah Tinggi Teologi “Intheos”

BAB II
KAJIAN TEORI, KERANGKA BERPIKIR,
DAN PERUMUSAN HIPOTESIS

A. Kajian Teori
1. Metode Pengajaran Yesus menurut Injil Matius
Dari pembahasan di atas, maka peneliti menarik kesimpulan bahwa
metode pengajaran adalah merupakan teknik, cara atau langkah-langkah
yang digunakan oleh dosen Pendidikan Agama Kristen saat
menyampaikan materi pengajarannya kepada mahasiswa kelas mata
kuliah PAK ANAK. Adapun bentuk-bentuk metode pengajaran Yesus
menurut Injil Matius yang diterapkan oleh dosen Pendidikan Agama
Kristen dalam kelas Mata Kuliah PAK ANAK di Sekolah Tinggi
“Intheos” Surakarta, yaitu: Pertama: Metode Ceramah. Kedua: Metode
Bimbingan. Ketiga: Metode Menghafal. Keempat: Metode Dialog
(Tanya Jawab). Kelima: Metode Bercerita dan Keenam: Metode Alat
Peraga.

2. Motivasi Belajar
Motivasi dan belajar merupakan dua hal yang saling
mempengaruhi. Motivasi dalam kata bahasa latin yaitu “motivum”
menunjuk pada alasan tertentu mengapa sesuatu bergerak, atau kata
“movere” yang bermakna bergerak istilah bermakna mendorong,
mengarahkan tingkah laku manusia. Motivasi belajar mahasiswa adalah

163
dorongan-dorongan yang terdapat dalam diri maupun yang bersumber
dari luar diri mahasiswa yang mendorong atau menggerakkannya untuk
melakukan kegiatan belajar. Beberapa ciri atau tanda motivasi belajar
mahasiswa kelas mata kuliah PAK ANAK di Sekolah Tinggi Teologi
“Intheos” Surakarta adalah sebagai berikut: Pertama, adanya hasrat
untuk berhasil. Kedua, Adanya dorongan dalam berlajar. Ketiga: Adanya
kebutuhan dalam belajar. Keempat: adanya cita-cita di masa depan.
Kelima: ddanya penghargaan dalam belajar. Keenam: Adanya kegiatan
yang menarik dalam belajar. Ketujuh: adanya lingkungan belajar yang
kondusif.

B. Kerangka Berpikir
Berdasarkan pada kajian teori yang telah dibahas di atas, maka
peneliti mendapatkan kerangka berpikir sebagai berikut:
Bila penerapan metode Yesus menurut Injil Matius (X) baik, maka
motivasi belajar mahasiswa akan baik (Y)

C. Perumusan Hipotesis
Adapun rumusan hipotesis dalam penelitian ini, yaitu:
1. Kualitas rata-rata tingkat motivasi belajar mahasiswa di Sekolah
Tinggi Teologi heos”, Surakarta paling kecil 80% dari yang
diharapkan.
2. Kualitas tingkat penerapan metode pengajaran Yesus menurut Injil
Matius di Sekolah Tinggi Teologi “Intheos”, Surakarta paling kecil
80% dari yang diharapkan.
3. Terdapat pengaruh yang kuat dosen Pendidikan Agama Kristen di
dalam menerapkan metode pengajaran Yesus menurut Injil Matius
164
 terhadap motivasi belajar mahasiswa kelas Mata Kuliah PAK
ANAK di Sekolah Tinggi Teologi “Intheos”, Surakarta.

BAB III
METODOLOGI PENELITIAN

A. Tempat dan Waktu Penelitian

Dalam melakukan penelitian, maka seseorang peneliti perlu
mencantumkan tempat dan waktu penelitiannya karena tempat dan waktu
penelitian bermanfaat untuk membatasi daerah dan waktu dari variabel-
variabel yang diteliti.59 Mengenai tempat penelitian dilaksanakan Sekolah
Tinggi Teologi “Intheos”, Surakarta, yang terletak di Jl. Letjend Sutoyo,
Ngadioso Rt.03/14, Kadipara, Banjarsari, Surakarta.

B. Metode Penelitian
Metode penelitian yang digunakan untuk menjawab rumusan
masalah dan hipotesis yang telah dirumuskan adalah dengan metode
survei, yang bersifat deskriptif dan asosiatif korelasional.

C. Populasi Penelitian
Populasi dalam penelitian ini adalah mahasiswa kelas mata kuliah
PAK ANAK di Sekolah Tinggi Teologi “Intheos”, Surakarta, yang
berlokasi di Jl. Letjend Sutoyo, Ngadioso Rt. 03/14, Kadipiro, Banjarsari,
Surakarta. Populasi dalam penelitian ini berjumlah 50 yang terdiri dari
tingkat dua dan tingkat tiga yang berjumlah 50 orang. Untuk penentuan
penelitian menggunakan populasi atau sampel peneliti berdasarkan pada
teori Arikunto, yang menyatakan jika subyek berjumlah 100 orang
diadakan penelitian populasi tetapi jika subyek lebih dari 100 orang maka

59
Husaini Usman, Metodologi Penelitian Sosial (Jakarta: PT. Bumi Aksara,
2008), 41.
165
dapat diambil antara 10-25% atau lebih.60 Karena jumlah populasi dalam
penelitian ini kurang dari 100 orang maka peneliti menggunakan seluruh
anggota populasi yang disebut dengan sampel total atau sensus.61 Jadi
dalam penelitian ini menggunakan populasi, dengan jumlah populasi
sebanyak 50 mahasiswa mata kuliah Pendidikan Agama Kristen (PAK)
ANAK.

D. Teknik Pengumpulan
Teknik pengumpulan data yang digunakan dalam penelitian ini
adalah menggunakan kuesioner dan wawancara.

E. Instrumen Penelitian
Terdapat dua instrumen yang dikembangkan dalam penelitian ini,
yaitu instrumen tentang penerapan metode mengajar Yesus menurut Injil
Matius dan (23 butir) dan motivasi belajar (21 butir).

F. Teknik Analisa Data

Teknik analisa data yang digunakan dalam penelitian ini diarahkan
untuk menjawab rumusan masalah dan menguji hipotesis penelitian.
Teknik analisis data menggunakan statistik inferensial yang meliputi:
1. Deskripsi data: Ukuran pemusatan data (nilai mean, median,
modus), dan penyebaran data (standar deviasi).
2. Uji Prasyarat Analisis
a. Uji normalitas dilakukan dengan garis normal P-P Plot dan
deterended P-P Plot
b. Uji linearlitas dilakukan dengan membandingkan nilai
signifikansi. Prosesnya akan dilakukan dengan bantuan SPSS
17.0

60
Arikunto...., 112.
61
Husaini Usman...., 42
166
3. Untuk menguji hipotesis 1 dan 2 akan menggunakan perbandingan
antara nilai ideal dengan skor empiris (uji t satu sampel tidak dapat
dilakukan karena penelitiannya merupakan populasi). Prosesnya
akan menggunakan SPSS 17.
4. Untuk menguji hipotesis 3 dengan menggunakan teknik product
moment (karena data interval) dengan menggunakan SPSS 17.
Dalam Tahap analisis data adalah langkah yang harus dikerjakan
analisis korelasi sederhana (ry); koefisien determinasi (ry2); dan
persamaan garis linear dengan persamaan garis Y = a+b X;

BAB IV
PEMBAHASAN HASIL PENELITIAN

Pada bab IV ini dikemukakan hasil penelitian yang meliputi

deskripsi nilai pada setiap variabel dan hasil pengujian hipotesis.
A. Deskripsi Data
Setelah melakukan uji coba untuk menghasilkan butir-butir yang
valid, maka angket yang berisi 44 butir pernyataan valid tersebut
didistribusikan sebanyak 30 kepada mahasiswa kelas mata kuliah PAK
ANAK di Sekolah Tinggi “Intheos” Surakarta. Jumlah angket yang
dikembalikan sebanyak 30 dan telah terisi semua sehingga layak untuk
dianalisis.
Adapun karakteristik responden yang berpartisipasi dalam
penelitian ini adalah sebagai berikut: Jumlah responden dalam penelitian
ini, yaitu 30 mahasiswa kelas semester 4 sebanyak 5 orang atau 16,7%,
dan semester 6 ada 24 orang atau 80% dan semester 7 ada 1 orang atau
1%.

167
 Tabel 4.1
Kelompok responden berdasarkan tingkat/semester
Cumulative
Frequency Percent Valid Percent Percent
Valid semester 4 5 16.7 16.7 16.7
Semester 6 24 80.0 80.0 96.7
Semester 7 1 3.3 3.3 100.0
Total 30 100.0 100.0

Pengelompokan responden berdasarkan jenis kelamin dapat dilihat

pada tabel berikut ini:

Tabel 4.2
Kelompok responden berdasarkan jenis kelamin
Cumulative
Frequency Percent Valid Percent Percent
Valid laki-laki 13 43.3 43.3 43.3
Perempuan 17 56.7 56.7 100.0
Total 30 100.0 100.0

168
 Berdasarkan tabel dan pie charts di atas diperoleh data dengan
gender pria tercatat 13 orang atau 43,3% dan gender wanita sebanyak 17
orang atau 56,7%.
Pengelompokan responden berdasarkan program studi dapat dilihat
pada tabel berikut ini:
Tabel 4.3
Kelompok responden berdasarkan prodi
Cumulative
Frequency Percent Valid Percent Percent
Valid PAK 23 76.7 76.7 76.7
Teologi 7 23.3 23.3 100.0
Total 30 100.0 100.0

Tabel dan pie charts di atas memperlihatkan bahwa responden yang

menempuh prodi Pendidikan Agama Kristen sebanyak 23 orang atau
76,7% dan prodi Teologi 7 orang atau 23,3%.
Deskriptif data variabel X dosen Pendidikan Agama Kristen di
dalam menerapkan metode pengajaran Yesus menurut Injil Matius.
Adapun deskriptif data dapat dilihat pada tabel dibawa ini:

169
 Tabel 4.4
Statistics
Metode_Pengajaran
N Valid 30
Missing 0
Mean 101.50
Std. Error of Mean 2.321
Median 100.00
Mode 96
Std. Deviation 12.714
Variance 161.638
Skewness .213
Std. Error of Skewness .427
Range 51
Minimum 74
Maximum 125
Sum 3045

Adapun gambar histogram variabel pengaruh dosen Pendidikan

Agama Kristen di dalam menerapkan metode pengajaran Yesus menurut
Injil Matius (X), sebagai sebagai berikut:

Dari hasil penelitian terhadap 30 orang responden diperoleh hasil,

yaitu: rata-rata (mean) sebesar 101,50, titik tengah (median) sebesar 100;
nilai yang sering muncul (mode) sebesar 96; simpangan baku (standar
deviasi) sebesar 12,714, rentangan (range) sebesar 51; skor minimum
dari data (minimum) sebesar 74 dan skor maksimum sebesar 125.
170
 Deskriptif variabel Y motivasi belajar mahasiswa, yaitu:

Tabel 4.5

Statistics
Motivasi_Belajar
N Valid 30
Missing 0
Mean 96.73
Std. Error of Mean 1.756
Median 96.00
Mode 92a
Std. Deviation 9.620
Variance 92.547
Skewness .170
Std. Error of Skewness .427
Range 35
Minimum 79
Maximum 114
Sum 2902
a. Multiple modes exist. The smallest value is
shown

Analisis data deskripsi variabel motivasi belajar mahasiswa mata

kuliah Pendidikan Agama (PAK) ANAK di Sekolah Tinggi Teologi
“Intheos” Surakarta (Y) di atas dapat dilihat dalam bentuk histogram
sebagai berikut:

171
 Tabel dan histogram di atas memberikan keterangan variabel
Motivasi Belajar Mahasiswa Mata Kuliah PAK ANAK di Sekolah Tinggi
Teologi “Intheos” Surakarta (Y). Dari hasil penelitian terhadap 30 orang
responden diperoleh hasil, yaitu: rata-rata (mean) sebesar 96,73, titik
tengah (median) sebesar 96; nilai yang sering muncul (mode) sebesar 92;
simpangan baku (standar deviasi) sebesar 9,620; rentangan (range)
sebesar 35; skor minimum dari data (minimum) sebesar 79 dan skor
maksimum sebesar 114.

B. Pengujian Prasyarat Analisis

Uji hipotesis menggunakan regresi dan korelasi mensyaratkan
pesrsyaratan analisis. Uji prasyarat tersebut meliputi 2 hal yakni uji
normalitas dan uji lineritas dengan asumsi multikolineritas untuk
sementara diabaikan dan dapat dianggap homogen.

1. Uji Normalitas
Uji normalitas data digunakan untuk mengetahui apakah data
pada variabel berdistribusi normal atau tidak. Data dinyatakan
berdistribusi normal jika signifikansi lebih dari 0,05. Dalam pembahasan
ini akan dilakukan dengan menggunakan estimasi proporsi dari rumus
Blom’s dengan pendekatan P-P-Lot. Pengamatan dilakukan pada grafik
sebaran data disekitar garis normal dan dengan melihat pola pada grafik
detrended. Jika data berdistibusi normal, maka akan tersebar di sekeliling
garis.

1.1 Uji Normalitas Data Motivasi Belajar Mahasiswa PAK ANAK (Y)
Uji Normalitas data motivasi belajar mahasiswa PAK ANAK di
Sekolah Tinggi Teologi “Intheos” Surakarta (Y) sebagai variabel terikat
dilakukan dengan pendekatan Estimasi Proporsi dari rumus Blom’s
dengan pendekatan P-P-Lot. Grafik normal P-P Plot dari variabel
motivasi belajar dapat dilihat pada gambar di bawah ini:

172
 Gambar: 4.1
Grafik Normal P-P Plot dari variabel Motivasi Belajar

Adapun grafik Detrended Normal P-P Plot dari variabel motivasi

belajar mahasiswa PAK ANAK terlihat pada gambar di bawah:

Gambar 4.2
Grafik Normal P-P Plot dari variabel Motivasi Belajar

Berdasarkan Grafik P-P Plot data variabel Motivasi Belajar

Mahasiswa kelas Mata Kuliah PAK ANAK di Sekolah Tinggi Teologi
“Intheos” Surakarta (Y) terlihat bahwa data tersebar di sekitar garis
173
normal, serta cenderung sebaran data variabel tidak memiliki outlier.
Demikian juga jika dilihat dari Detrended Normal P-P Plot-nya untuk
sebaran data variabel motivasi belajar mahasiswa PAK ANAK tidak
menggambarkan kurva sinus atau cocines.
Jadi dapat disimpulkan bahwa distribusi data variabel Motivasi
Belajar Mahasiswa kelas Mata Kuliah PAK ANAK di Sekolah Tinggi
Teologi “Intheos” Surakarta (Y) memiliki distribusi normal.

1.2 Uji Normalitas Data Dosen PAK di dalam Menerapkan Metode

Pengajaran Yesus Menurut Injil Matius (X)
Uji Normalitas tingkat dosen PAK di dalam menerapkan metode
Pengajaran Yesus Menurut Injil Matius di Sekolah Tinggi Teologi
“Intheos” Surakarta (X) sebagai variabel bebas dilakukan dengan
pendekatan Estimasi Proporsi dari rumus Blom’s dengan pendekatan P-
P-Lot. Grafik normal P-P Plot dari variabel motivasi belajar dapat dilihat
pada gambar di bawah ini:

Gambar 4.3
Grafik Normal P-P Plot dari variabel penerapkan metode
pengajaran Yesus

Adapun grafik Detrended Normal P-P Plot dari variabel

penerapan metode pengajaran Yesus terlihat pada gambar di bawah ini:

174
 Gambar 4.4
Grafik Normal P-P Plot dari variabel penerapan metode pengajaran
Yesus

Berdasarkan Grafik P-P Plot data variabel tingkat dosen PAK di

dalam menerapkan metode Pengajaran Yesus Menurut Injil Matius di
Sekolah Tinggi Teologi “Intheos” Surakarta (X) terlihat bahwa data
tersebar di sekitar garis normal, serta cenderung sebaran data variabel
tidak memiliki outlier. Demikian juga jika dilihat dari Detrended Normal
P-P Plot-nya untuk sebaran data variabel penerapan metode pengajaran
Yesus oleh dosen PAK tidak menggambarkan kurva sinus atau cocines.
Jadi, dapat disimpulkan bahwa distribusi data variabel tingkat
dosen PAK di dalam menerapkan metode Pengajaran Yesus Menurut
Injil Matius di Sekolah Tinggi Teologi “Intheos” Surakarta (X) memiliki
distribusi normal.

2. Uji Linieritas
Uji linieritas garis regresi digunakan untuk mengambil keputusan
dalam memilih model regresi yang sesuai. Apabila akan dipilih untuk
menggunakan model regresi linier sederhana, maka terlebih dahulu perlu
dilakukan uji linieritas garis regresi. Uji linieritas garis regresi berkaitan
dengan suatu pembuktian apakah model linier sederhana yang diperoleh
dengan perhitungan koefisien regresi ditetapkan benar-benar sesuai
dengan model regresi miliki populasi. Pengujian ini perlu dilakukan agar
hasil analisis yang diperoleh dapat dipertanggungjawabkan dalam
175
pengambilan kesimpulan penelitian. Pengujian linieritas garis regresi
dalam penelitian ini menggunakan pendekatan galat regresi. Ketentuan
galat regresi adalah melihat nilai sig pada garis deviation from linierity.
Dikatakan linier jika garis nilai sig pada garis deviation from linierity
memiliki F dengan signifikansi a> 0,05. Jika tidak signifikan, maka uji
linieritas dilanjutkan menggunakan estimasi kurva dengan melihat nilai
sig pada garis kurva linier yang signifikan a<0,05.
Adapun data linieritas dari setiap variabel dalam penelitian ini
disajikan dalam tabel di bawah ini, yaitu:

Tabel 4.6
Hasil uji Linieritas Pengaruh dosen PAK di dalam Menerapkan Metode
Pengajaran Yesus menurut Injil Matius (X) terhadap Motivasi Belajar
Mahasiswa Mata Kuliah PAK ANAK di Sekolah Tinggi Teologi “Intheos”
Surakarta (Y)
Model Sum of Squares Df Mean Square F Sig.
1 Regression 602.112 1 602.112 8.099 .008a
Residual 2081.755 28 74.348
Total 2683.867 29
a. Predictors: (Constant), Metode_Pengajaran
b. Dependent Variable: Motivasi_Belajar

Berdasarkan tabel di atas, variabel Y dan X dihasilkan nilai F

sebesar 8,099 dan nilai significance value sebesar 0,008 signifikan pada
a< 0,05. Sehingga dapat disimpulkan bahwa hubungan garis variabel
Pengaruh dosen PAK di dalam Menerapkan Metode Pengajaran Yesus
menurut Injil Matius (X) terhadap variabel Motivasi Belajar Mahasiswa
Mata Kuliah PAK ANAK di Sekolah Tinggi Teologi “Intheos” Surakarta
(Y) adalah linier.
Dengan demikian, setelah melalui tahap uji normalitas data dan
linieritas data, terbukti bahwa distribusi data normal dan memperlihatkan
pola linier, sehingga perhitungan dapat dilanjutkan pada uji hipotesis
menggunakan analisis korelasi dan regresi.
176
C. Pengujian Hipotesis
1. Uji Hipotesis pertama
Hipotesis pertama berbunyi:
Kualitas tingkat penerapan metode pengajaran Yesus menurut Injil
Matius di Sekolah Tinggi Teologi “Intheos”, Surakarta paling kecil 80%
dari yang diharapkan. Karena penelitian ini merupakan penelitian
populasi tidak perlu membuat hipotesis statistiknya. Pengujian hipotesis
dilakukan dengan membagikan nilai skor empiris dibagi nilai skor idel
dikalikan 100%. Yaitu:
Statistics
Nilai Skor ideal= jumlah item X skor
Metode_Pengajaran tertinggi X jumlah responden
N Valid 30 = 23 x 5 x 30
Missing 0 = 3450
Mean 101.50 Nilai Ideal dapat dilihat pada tabel
Std. Error of Mean 2.321 statistik hasil SPSS 17 nilai “sum”
Median 100.00 sebesar 3045
Mode 96 Sehingga nilai = 3045/3450x100%
Std. Deviation 12.714 = 88,26%
Variance 161.638 Sehingga bunyi hipotesis dalam
Skewness .213 penelitian ini yang berbunyi Kualitas
Std. Error of Skewness .427
rata-rata tingkat penerapan metode
Range 51
pengajaran Yesus menurut Injil Matius
Minimum 74
di Sekolah Tinggi Teologi “Intheos”,
Maximum 125
Sum 3045 Surakarta paling kecil 80% dari yang
diharapkan diterima. Karena dari hasil
perhitungan ditemukan nilai motivasi belajar sebesar 88,26%, lebih besar
dari 80%

177
2. Uji Hipotesis kedua
Hipotesis kedua berbunyi:
Kualitas rata-rata tingkat motivasi belajar mahasiswa di Sekolah
Tinggi Teologi “Intheos”, Surakarta lebih 80% dari yang
diharapkan
Karena penelitian ini merupakan penelitian populasi tidak perlu
membuat hipotesis statistiknya. Pengujian hipotesis dilakukan
dengan membagikan nilai skor empiris dibagi nilai skor idel
dikalikan 100%. Yaitu:
Nilai Skor ideal= jumlah item X skor
Statistics
tertinggi X jumlah responden
Motivasi_Belajar
= 21 x 5 x 30
N Valid 30
= 3150
Missing 0
Nilai Ideal dapat dilihat pada tabel
Mean 96.73
Std. Error of Mean 1.756
statistik hasil SPSS 17 nilai “sum”
Median 96.00 sebesar 3045
Mode 92a Sehingga nilai = 2902/3150x100%
Std. Deviation 9.620 = 92,12%
Variance 92.547 Sehingga bunyi hipotesis dalam
Skewness .170 penelitian ini yang berbunyi Kualitas
Std. Error of Skewness .427 rata-rata tingkat motivasi belajar
Range 35 mahasiswa di Sekolah Tinggi Teologi
Minimum 79
“Intheos”, Surakarta lebih kecil 80% dari
Maximum 114
yang diharapkan di diterima. Karena dari
Sum 2902
hasil perhitungan ditemukan nilai
a. Multiple modes exist. The
smallest value is shown motivasi belajar sebesar 92,12%, lebih
besar dari 80%.

178
3. Pengujian Hipotesis Ketiga
Hipotesis ketiga berbunyi:
Terdapat pengaruh yang kuat dosen Pendidikan Agama Kristen di
dalam menerapkan metode pengajaran Yesus menurut Injil Matius
terhadap motivasi belajar mahasiswa kelas Mata Kuliah PAK ANAK
di Sekolah Tinggi Teologi “Intheos”, Surakarta.
Perhitungan dilakukan dengan menggunakan product moment dengan
bantuan SPSS 17. Adapun hasilnya sebagai berikut:

Tabel 4.7
Hasil Perhitungan korelasi sederhana antara X dengan Y
Model Summary
Adjusted R Std. Error of
R R Square Square the Estimate
.474 .224 .197 8.623
The independent variable is Metode_Pengajaran.

Nilai koefisien korelasi (R) sebesar 0,474. Selanjutnya untuk

melihat letak korelasi kedua variabel maka nilai koefisien (R) yang
diperoleh dibandingkan dengan tabel ukuran korelasi variabel
independen (X) dan variabel dependen (Y). Adapun tabelnya sebagai
berikut:
Tabel 4.8
Ukuran Korelasi variabel independen (X) dengan dependen (Y)
Interval Koefisien Makna Hubungan
0,00-0,199 Sangat rendah
0,20-0,399 Rendah
0,40-0,599 Sedang
0,60-0,799 Kuat
0,80-1,00 Sangat kuat

179
 Berdasarkan tabel di atas maka diperoleh bahwa korelasi besar
pengaruh dosen PAK di dalam menerapkan metode pengajaran Yesus
menurut Injil Matius terhadap motivasi belajar mahasiswa kelas Mata
Kuliah PAK ANAK di Sekolah Tinggi Teologi “Intheos” Surakarta,
sebesar 0,474 yang berada hubungan yang sedang. Sehingga hipotesis
ketiga yang berbunyi terdapat pengaruh yang kuat dosen PAK di dalam
menerapkan metode pengajaran Yesus menurut Injil Matius terhadap
motivasi belajar mahasiswa kelas Mata Kuliah PAK ANAK di Sekolah
Tinggi Teologi “Intheos” Surakarta, di tolak. Sebab dari hasil analisis
ditemukan hubungan yang sedang.
Determinasi varians yang menggambarkan keeratan hubungan
antara variabel pengaruh dosen PAK di dalam menerapkan metode
pengajaran Yesus menurut Injil Matius (X) terhadap motivasi belajar
mahasiswa kelas mata kuliah PAK ANAK di Sekolah Tinggi Teologi
“Intheos” Surakarta(Y) dihasilkan melalui nilai adjusted R Square
sebesar 0,224. Artinya sumbangan variabel pengaruh dosen PAK di
dalam menerapkan metode pengajaran Yesus menurut Injil Matius (X)
terhadap motivasi belajar mahasiswa kelas mata kuliah PAK ANAK di
Sekolah Tinggi Teologi “Intheos” Surakarta (Y) sebesar 0,224 atau
22,4% dan sisanya sebesar 72,6 merupakan faktor-faktor yang diluar
penelitian ini.
Selanjutnya adalah menganalisis persamaan garis linier. Dengan
menggunakan tabel berikut:

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta T Sig.

1 (Constant) 60.356 12.880 4.686 .000

Metode_Pengajaran .358 .126 .474 2.846 .008

Adapun persamaan garis regresi linier dihasilkan Y=a+bX. Y=

60,356+0,358X . Artinya, setiap perbaikan dosen PAK di dalam
180
menerapkan metode pengajaran Yesus menurut Injil Matius di Sekolah
Tinggi Teologi “Intheos” Surakarta meningkat satu kali, maka matoviasi
belajar mahasiswa di Sekolah Tinggi Teologi Kristus Alfa Omega akan
meningkat 0,358 kali dari kondisi sekarang. Apabila X= 0, maka Y=
60,356. Apabila X= 5, maka Y=62,146. Selanjutnya dapat bentuk grafik.

D. Pembahasan
1. Hasil penelitian menunjukkan bahwa nilai penerapan metode
mengajar Yesus menurut Injil Matius telah mencapai 88,26% sudah
mendapat penilaian yang optimal (paling kecil 80%) dari
responden. Untuk nilai motivasi belajar mahasiswa telah mencapai
92,12%, telah melebihi dari nilai yang diharapkan. Sehingga perlu
tetap dipertahankan.
2. Selanjutnya hubungan antara penerapan metode mengajar Yesus
menurut Injil Matius terhadap motivasi belajar sebesar 0,474. Yang
bila dibandingkan dengan tabel koefisien korelasi, maka diperoleh
sedang. Dan nilai koefisien determinasi 0,224. Hal ini berarti
sumbangsih penerapan metode pengajaran Yesus menurut Injill
Matius terhadap motivasi belajar sebesar 22,4% dan sisanya
sebesar 72,6 merupakan faktor-faktor yang diluar penelitian ini.

BAB V
KESIMPULAN DAN SARAN

A. Kesimpulan
Berdasarkan hasil penelitian dan pembahasan, maka kesimpulan
yang didapatkan dalam penelitian ini adalah sebagai berikut:
1. Kualitas tingkat penerapan metode pengajaran Yesus menurut Injil
Matius di Sekolah Tinggi Teologi “Intheos”, Surakarta mencapai
88,26%, lebih dari nilai yang diharapkan dan termasuk dalam
kriteria yang sangat baik.
181
2. Kualitas tingkat motivasi belajar mahasiswa di Sekolah Tinggi
Teologi heos”, Surakarta sebesar 92,12%, lebih dari nilai yang
diharapkan dan termasuk dalam kriteria yang sangat baik.
3. Hubangan antara penerapan metode pengajaran Yesus menurut Injil
Matius terhadap motivasi belajar mahasiswa kelas Mata Kuliah
PAK ANAK di Sekolah Tinggi Teologi “Intheos”, Surakarta di
peroleh hubungan yang sedang. Dengan nilai koefisen korelasi (r)
sebesar 0,474.

B. Saran
Hasil penelitian ini memberikan masukan praktis kepada:
Pertama, bagi dosen pengampu mata kuliah PAK ANAK di STT
“Intheos” Surakarta, kiranya hasil penelitian ini dapat dijadikan sebagai
bahan pertimbangan di dalam melaksanakan prose pembelajaran di kelas.
Diharapkan dapat meningkatkan penerapan metode pengajaran yang
bervariasi, menarik dan yang disesuaikan dengan tujuan pembelajaran
yang ingin dicapai.
Kedua, bagi mahasiswa mata kuliah Pendidikan Agama Kristen
(PAK) ANAK di STT “Intheos” Surakarta, diharapkan hasil penelitian
ini dapat memberikan sumbangsih, khususnya dalam upaya untuk
menumbuhkan dan meningkatkan motivasi belajarnya.
Ketiga, bagi peneliti, hasil penelitian ini diharapkan dapat
menambah wawasan bahkan dapat memberikan sumbangsih untuk terus
belajar mengenai penerapan metode pengajaran yang bervariasi dan
tepat, serta dapat memberi sumbangsih untuk terus menumbuhkan dan
meningkat motivasi belajar mahasiswa.
Keempat, bagi peneliti selanjutnya, hasil penelitian ini diharapkan
dapat menjadi salah satu referensi atau sumber informasi.

182
 CONTOH: Penelitian Korelasional (Penelitian Sampel)
PENGARUH PENERAPAN PRINSIP-PRINSIP TEORI BELAJAR
OPERANT CONDITIONING OLEH GURU TERHADAP
MOTIVASI BELAJAR FIRMAN TUHAN
ANAK SEKOLAH MINGGU NAMBA KELAS MADYA
DI GEREJA BETHEL TABERNAKEL KRISTUS
ALFA OMEGA GAJAH MADA SEMARANG

SKRIPSI

Diajukan Kepada Sekolah Tinggi Teologi Kristus Alfa Omega Semarang

Untuk Memenuhi Salah Satu Syarat Akademik Guna Memperoleh
Gelar Sarjana Pendidikan Agama Kristen (S.Pd.K)

Oleh:
SANTALIA BANDANGAN
Nim: 201102049

SEKOLAH TINGGI TEOLOGI KRISTUS ALFA OMEGA

SEMARANG
2015

183
 BAB I
PENDAHULUAN

A. Latar Belakang Masalah

Prinsip-prinsip belajar dengan menggunakan teori belajar Operant
Conditiong secara umum adalah merancang suatu situasi/keadaan untuk belajar.
Hal ini sangat penting bagi anak-anak yang sedang belajar termasuk belajar
Firman Tuhan. Anak-anak harus dilatih, dibentuk, dirancang secara khusus agar
semangat dalam belajar Firman Tuhan. Namun pada kenyataanya kebanyakan
pembina anak di gereja belum terlalu memahami tersebut. Berdasarkan hal
tersebut akan diteliti “Pengaruh Penerapan Prinsip-prinsip Teori Belajar
Operant Conditioning oleh Guru terhadap Motivasi Belajar Firman Tuhan Anak
Sekolah Minggu Namba Kelas Madya di Gereja Bethel Tabernakel Kristus Alfa
Omega Gajah Mada Semarang”

B. Identifikasi Masalah
Berdasarkan latar belakang masalah maka identifikasi masalah dalam
penelitian ini adalah:
1. Diduga masih terdapat anak sekolah minggu kelas madya yang bermain
saat cerita sekolah minggu disampaikan.
2. Diduga masih terdapat anak sekolah minggu kelas madya yang beralasan
keluar masuk toilet.
3. Diduga masih terdapat anak madya yang kurang termotivasi belajar
Firman Tuhan.
4. Diduga masih terdapat guru madya yang kurang menerapkan prinsip-
prinsip teori belajar Operant Conditioning.
5. Diduga guru sekolah minggu kurang menarik dalam menyampaikan
cerita sekolah minggu.
6. Diduga guru sekolah minggu kurang mempergunakan kata-kata yang
konkrit dalam menyampaikan cerita.
7. Diduga penerapan prinsip-prinsip teori belajar Operant Conditioning
mempengaruhi motivasi belajar Firman Tuhan anak sekolah minggu kelas
madya.

C. Batasan Masalah
Berdasarkan latar belakang dan identifikasi masalah yang ada, maka
penelitian ini akan membatasi pembahasan masalah hanya pada point 3, 4 dan 7,
yaitu:

184
1. Diduga masih terdapat guru yang kurang menerapkan prinsip-prinsip
teori belajar Operant Conditioning di sekolah minggu Namba Gereja
Bethel Tabernakel Kristus Alfa Omega Semarang.
2. Diduga masih terdapat anak madya yang kurang termotivasi belajar
Firman Tuhan di sekolah minggu Namba Gereja Bethel Tabernakel
Kristus Alfa Omega Gajah Mada Semarang.
3. Diduga ada pengaruh penerapan prinsip-prinsip teori belajar Operant
Conditioning oleh guru terhadap motivasi belajar Firman Tuhan anak
sekolah minggu Namba kelas madya di Gereja Bethel Tabernakel Kristus
Alfa Omega Gajah Mada Semarang.

D. Rumusan Masalah
Adapun rumusan masalah maka permasalahan penelitian ini adalah
sebagai berikut:
1. Seberapa besar tingkat penerapan prinsip-prinsip teori belajar Operant
Conditioning oleh guru sekolah minggu Namba kelas madya di Gereja
Bethel Tabernakel Kristus Alfa Omega Gajah Mada Semarang?
2. Seberapa besar tingkat motivasi belajar Firman Tuhan anak sekolah
minggu Namba kelas madya di Gereja Bethel Tabernakel Kristus Alfa
Omega Gajah Mada Semarang?
3. Seberapa besar pengaruh penerapan prinsip-prinsip teori belajar Operant
Conditioning terhadap motivasi belajar Frman Tuhan anak sekolah
minggu Namba kelas madya di Gereja Bethel Tabernakel Kristus Alfa
Omega Gajah Mada Semarang?

E. Tujuan Penelitian
Adapun tujuan penelitian yang akan dilakukan adalah untuk:
1. Menjelaskan seberapa besar penerapan prinsip-prinsip teori belajar
Operant Conditioning oleh guru sekolah minggu Namba kelas madya di
Gereja Bethel Tabernakel Kristus Alfa Omega Gajah Mada Semarang.
2. Menjelaskan seberapa besar motivasi belajar Firman Tuhan anak sekolah
minggu Namba kelas madya di Gereja Bethel Tabernakel Kristus Alfa
Omega Gajah Mada Semarang
3. Menjelaskan pengaruh penerapan prinsip-prinsip teori belajar Operant
Conditioning oleh guru terhadap motivasi belajar Firman Tuhan anak
sekolah minggu Namba kelas madya di Gereja Bethel Tabernakel Kristus
Alfa Omega Gajah Mada Semarang.

185
 BAB II
TINJAUAN PUSTAKA

A. Kajian Teori
1. Penerapan Prinsip-prinsip Teori Belajar Operant Conditioning
Berikut prinsip-prinsip belajar menurut B.F Skinner antara lain sebagai
berikut: Memberitahukan Hasil Evaluasi Belajar. Pengajaran Berpusat Pada
Anak. Menggunakan Materi Belajar Yang Menarik. Tidak Ada Sistem
Penghukuman Dalam Proses Pembelajaran. Pemberlakuan Sistem Reward Di
Dalam Kelas. Proses Pembelajaran Menggunakan Teknik
Shaping(Pembentukan).62

2. Motivasi Belajar Firman Tuhan

Menurut Mc. Donald, motivasi adalah perubahan energi dalam diri
seseorang yang ditandai dengan munculnya feeling dan didahului dengan
tanggapan terhadap adanya tujuan. Dari pengertian yang dikemukakan Mc.
Donald ini mengandung tiga elemen diantaranya yaitu; Pertama, motivasi itu
mengawali terjadinya perubahan energi pada diri setiap individu. Kedua,
motivasi ditandai dengan munculnya rasa atau feeling seseorang. Dalam hal ini
motivasi relevan dengan persoalan-persoalan kewajiban, afeksi dan emosi yang
dapat menentukan tingkah laku manusia. Ketiga, motivasi dapat dirangsang
karena adanya tujuan. Jadi, motivasi dalam hal ini sebenarnya merupakan
respon dari suatu aksi yaitu tujuan.
Sangat penting bagi anak belajar Firman Tuhan dari sejak kecil,
karena banyak survei membuktikan bahwa anak-anak akan belajar dengan baik
ketika mereka dilibatkan dalam proses belajar mengajar. Dari penjabaran diatas
dapat disimpulkan bahwa motivasi belajar Firman Tuhan merupakan sebuah
dorongan atau penggerak yang terdapat pada diri seseorang untuk mengerti dan
memahami Firman Tuhan sebagai dasar pengenalan akan Allah yang
merupakan proses pendewasaan iman di dalam kehidupan sehari-hari.

B. Kerangka Berpikir
Bila penerapan Teori Belajar Operant Conditioning (X)baik, maka
Motivasi anak belajar Firman Tuhan (Y) akan baik.
Kerangka berpikir tersebut dapat dikonstruksikan sebagai berikut:

62
Muhammad Thobroni & Arif Mustofa, 80.
186
C. Rumusan Hipotesa

Berikut ini dikemukakan 2 hipotesis deskriptif (1 dan 2), 1 hipotesis

korelasi sederhana (3).
1. Tingkat penerapkan prinsip-prinsip teori belajar Operant Conditioning di
sekolah minggu Namba kelas madya di Gereja Bethel Tabernakel Kristus
Alfa Omega Gajah Semarang paling tinggi 70% dari nilai maksimum.
2. Tingkat motivasi belajar Firman Tuhan anak madya belajar Firman
Tuhan anak sekolah minggu Namba kelas madya di Gereja Bethel
Tabernakel Kristus Alfa Omega Gajah Mada Semarang paling tinggi 70%
dari nilai maksimum.
3. Terdapat pengaruh yang kuat dan signifikan antara penerapan prinsip-
prinsip teori belajar Operant Conditioning terhadap motivasi belajar
Firman Tuhan anak sekolah minggu Namba kelas madya di Gereja Bethel
Tabernakel Kristus Alfa Omega Gajah Mada Semarang.
BAB III
METODOLOGI PENELITIAN

A. Tempat dan Waktu Penelitian

Dalam hal ini peneliti mengadakan penelitian di Sekolah Minggu Namba
Gereja Bethel Tabernakel Kristus Alfa Omega Jl. Gajah Mada No 114-118
Semarang. Mengenai waktu penelitian ini, peneliti mulai mengajukan ijin
penelitian pada bulan Desember 2014.

B. Metode penelitian
Penelitian ini menggunakan jenis penelitian Korelasional. Penelitian
korelasional bertujuan untuk menemukan ada tidaknya hubungan, dan apabila
ada, seberapa erat hubungan serta berarti atau tidaknya hubungannya itu.

C. Populasi Penelitian
Populasi dalam penelitian ini adalah anak madya yang berjumlah 110
orang. Untuk penentuan penelitian menggunakan populasi atau sampel
penelitian berdasarkan pada teori Arikunto, yang menyatakan jika subyek
berjumlah 100 orang diadakan penelitian populasi tetapi jika subyek lebih dari

187
100 orang maka dapat diambil antara 10-25% atau lebih.63 Karena jumlah
populasi dalam penelitian ini lebih dari 100 orang maka peneliti menggunakan
sampel penelitian. Pengambilan sampel dengan menggunakan tabel

Berdasarkan tabel di atas, dengan jumlah populasi (N) 110, maka

besar sampelnya adalah 94.

D. Teknik Pengmpulan Data

Teknik pengumpulan data yang digunakan dalam penelitian ini adalah
menggunakan kuesioner dan wawancara.

E. Instrumen Penelitian
Terdapat dua instrumen yang dikembangkan dalam penelitian ini, yaitu
instrumen tentang penerapan metode mengajar Yesus menurut Injil Matius dan
(23 butir) dan motivasi belajar (21 butir)

F. Teknik Analisa Data

Teknik analisa data yang digunakan dalam penelitian ini diarahkan untuk
menjawab rumusan masalah dan menguji hipotesis penelitian. Teknik analisis
data menggunakan statistik inferensial yang meliputi:

63
Suharsimi Arikunto, Prosedur Suatu Pendekatan Praktek (Jakarta: Rineka
Cipta, 2002), 112.
188
1. Deskripsi data: Ukuran pemusatan data (nilai mean, median, modus), dan
penyebaran data (standar deviasi).
2. Uji Prasyarat Analisis
a. Uji normalitas dilakukan dengan uji kolmogorov-Smirniv (sebab
data berbentuk interval).
b. Uji linearlitas dilakukan dengan membandingkan nilai signifikansi.
Prosesnya akan dilakukan dengan bantuan SPSS 17.
3. Untuk menguji hipotesis 1 dan 2 akan menggunakan uji t satu sampel
dengan menggunakan menggunakan SPSS 17.
4. Untuk menguji hipotesis 3 dengan menggunakan teknik product moment
(karena data interval) dengan menggunakan SPSS 17.
Dalam Tahap analisis data adalah langkah yang harus dikerjakan
analisis korelasi sederhana (r); koefisien determinasi (rSquare); uji
signifikansi melalui uji t persamaan garis linier dengan persamaan garis
Y= a+b X; uji signifikansi regresi (r reg) melalui uji F dengan
menggunakan tabel Anov dengan ketentuan jika nilai sig < 0.05, maka
signifikan.

BAB IV
HASIL DAN PEMBAHASAN

Setelah peneliti menyebar angket kepada 94 responden, angket yang

kembali dan layak untuk dianalisis hanya 90. Maka untuk melengkapi tentang
pengembalian angkat peneliti mengutip pendapat pendapat Rich Yount yang
yang mengutip dari Hopkins, memakai kriteria validitas bagaimana responden
dapat mewakili populasi, yaitu menggunakan Rate minimum sebesar 70%.
Adapun rate minimum diperoleh dengan menggunakan rumus.64
Rumus:
Rate %= 100 X (S-ND/R)
Keterangan:
Rate % = Prosentase Nilai
S = Jumlah angket yang dikirim
ND = Jumlah angket tidak yang kembali dengan keadaan rusak
R= Jumlah angket yang harus dikembalikan
Maka, perhitungannya sebagai berikut
Rate % = 100 X (94-4/94)

64
Rich Yount, Reseach Design and Statistica Analysis For Ministry (Fort Worth:
SWBTS, 1990), 59
189
 = 100 X 90/94
= 95,74%
Karena pengembalian angket penelitian mencapai 95,74% berarti telah
melampaui nilai minimum yaitu 70%, maka jumlah angket tersebut telah
memenuhi syarat untuk dilakukan analisis.

A. Laporan Karakteristik Sampel Penelitian

Deskripsi data menguraikan hasil analisis penelitian dari masing-masing
variabel penelitian. Adapun variabel yang dimaksud adalah prinsip-prinsip teori
belajar Operant Conditioning (variabel X) dan Motivasi belajar Firman Tuhan
(Variabel Y). Adapun karakteristik responden yang berpartisipasi dalam
penelitian ini adalah sebagai berikut:
Tabel 4.1
Kelompok responden berdasarkan usia
Cumulative
Frequency Percent Valid Percent Percent

Valid 9 7 7.8 7.8 7.8

10 28 31.1 31.1 38.9

11 55 61.1 61.1 100.0

Total 90 100.0 100.0

Gambar 4.1
Pie charts kelompok usia

Dari tabel 4.1 dan gambar 4.1 pie charts diperoleh keterangan di atas
diketahui bahwa jumlah responden (n) adalah 90 anak yang terdiri dari usia 9
tahun sebanyak 7 anak atau 7,8%, usia 10 tahun sebanyak 28 anak atau 31,1%,
usia 11 tahun sebanyak 55 anak atau 61,1%.
190
 Tabel 4.2
Kelompok responden berdasarkan Gender
Cumulative
Frequency Percent Valid Percent Percent

Valid laki-laki 36 40.0 40.0 40.0

Perempuan 54 60.0 60.0 100.0

Total 90 100.0 100.0

Gambar 4.2
Pie Charts kelompok jenis kelamin

Berdasarkan tabel 4.2 dan grafik 4.2 pie charts diperoleh di atas
diketahui bahwa jumlah responden (n) adalah 90 anak yang terdiri atas laki-laki
36 anak atau 40% dan perempuan terdiri atas 54 anak atau 60%.

191
B. Deskripsi Data
1. Deskripsi Hasil Penelitian Prinsip-prinsip teori belajar Operant
Conditioning (X)
Tabel 4.3
Output SPSS Data Statistik Deskriptif Variabel X
Statistics
Variabel_X
N Valid 90
Missing 0
Mean 85.72
Median 85.00
Mode 78a
Std. Deviation 7.428
Variance 55.169
Range 34
Minimum 71
Maximum 105
Sum 7715
a. Multiple modes exist. The smallest
value is shown
Gambar 4.3
Histogram Variabel X

Tabel di atas memberikan keterangan mengenai variabel x dalam

penelitian ini. Variabel Prinsip-prinsip teori belajar Operant Conditioning (X).
Dari hasil penelitian terhadap 90 responden diperoleh hasil, yaitu: rata-rata
(mean) sebesar 85,72; titik tengah (median) sebesar 85,00 ; nilai yang sering
muncul (mode) sebesar 78; simpangan baku (standar deviasi) sebesar 7.428;
192
rentangan (range) sebesar 34; skor minimum dari data (minimum) sebesar 71
dan skor maksimum sebesar 105.

Dengan range skor empiris 34 serta jumlah kelas interval adalah (1+3,3
Log n) yaitu 1+3,3 log 90=6,449= 1+6,449=7,449 atau dibulatkan 7, maka
panjang kelas interval adalah (range:jumlah kelas interval ) yaitu 34:7 sebesar
4,85 dibulatkan menjadi 5. Adapun tabel distribusi frekuensi dan histogram
pengaruh prinsip-prinsip teori belajar operant conditioning diuraikan sebagai
berikut:

Tabel 4.4
Distribusi prinsip-prinsip teori belajar operant conditioning
Kelas Kategori Frekuensi Persentase Batas Bawah Batas Atas
Interval Kelas (%) Nyata Nyata
Sangat tidak
71-75 maksimal 6 6,6 70,5 75,5

76-80 Tidak maksimal 19 21 75,5 80,5

81-85 Kurang maksimal 21 23,3 80,5 85,5
Lumayan
23 25,6 85,5 90,5
86-90 maksimal
91-95 Cukup maksimal 12 13,2 90,5 95,5
96-100 Maksimal 5 5,5 95,5 100,5
101-105 sangat maksimal 4 4,4 100,5 105,5
Total 90 100%

Melalui distribusi data dari tabel 4.4, dapat dideskripsikan bahwa nilai
statistik prinsip-prinsip teori belajar operant conditioning yang berada pada
kategori sangat tidak maksimal sebanyak 6 orang atau sebesar 6,6%, tidak
maksimal sebanyak 19 orang atau sebesar 21%, kurang maksimal sebanyak 21
orang atau sebesar 23,3%, lumayan maksimal sebanyak 23 atau sebesar 25,6%,
cukup maksimal sebanyak 12 orang sebesar 13,2%, maksimal sebanyak 5 anak
atau sebesar 5,5% dan sangat maksimal sebanyak 4 atau sebesar 4,4%. Jadi,
dapat dikatakan penerapan prinsip-prinsip teori belajar operant conditioning
sebesar 65 atau 72% berada pada kurang maksimal.

193
2. Deskripsi Hasil Penelitian Motivasi Belajar Firman Tuhan (Variabel Y)

Tabel 4.5
Output SPSS Variabel Y Motivasi Belajar Firman Tuhan

Gambar 4.4
Histogram Variabel Y

Variabel Motivasi belajar Firman Tuhan (Y). Dari hasil penelitian

terhadap 90 responden diperoleh hasil, yaitu: rata-rata (mean) sebesar 75,97;
titik tengah (median) sebesar 76,00 nilai yang sering muncul (mode) sebesar 69
; simpangan baku (standar deviasi) sebesar 7.105; rentangan (range) sebesar 34;
skor minimum dari data (minimum) sebesar 61 dan skor maksimum sebesar 95.

194
 Dengan range skor empiris 34 serta jumlah kelas interval adalah (1+3,3
Log n) yaitu 1+3,3 log 90=6,449= 1+6,449= 7,182 atau dibulatkan 7, maka
panjang kelas interval adalah (range:jumlah kelas interval ) yaitu 34:7 sebesar
4,85 dibulatkan 5. Adapun tabel distribusi frekuensi dan histogram pengaruh
keberhasilan belajar mengajar diuraikan sebagai berikut :

Tabel 4.6
Tabel Distribusi Frekuensi Variabel Y Motivasi Belajar Firman Tuhan
Kelas Kategori Frekuensi Persentase Batas Bawah Batas Atas
Interval Kelas (%) Nyata Nyata
Sangat
61-65 3 3,3 6-,5 65,5
rendah
66-70 Rendah 20 22,1 65,5 70,5
71-75 Cukup 20 22,2 70,5 75,5
76-80 28 31,2 75,5 80,5
81-85 Tinggi 6 6,6 80,5 85,5
86-90 8 8,9 85,5 90,5
Sangat
91-95 5 5,5 90,5 95,5
tinggi
Total 90 100%

Melalui perhitungan data dari tabel 4.6, dapat dideskripsikan bahwa

frekuensi statistik Motivasi Belajar Firman Tuhan yang berada pada kategori
sangat rendah sebanyak 3 orang atau sebesar 3,3%, rendah sebanyak 20 orang
atau sebesar 22,1%, cukup sebanyak 48 orang atau sebesar 53,4%, tinggi
sebanyak 14 orang atau sebesar 15,5%, dan sangat tinggi sebanyak 5 orang atau
sebesar 5,5%. Jadi, dapat dikatakan bahwa motivasi belajar Firman Tuhan
sebesar 67 atau 74,4% mulai dari kategori cukup.

C. Analisa Korelasi (Uji Persyaratan Analisis)

Sebelum melakukan uji hipotesis secara parametris, maka perlu dilakukan
uji normalitas dan uji linearitas. Ketentuannya adalah nilai signifikansi data
variabel bebas (X) dan variabel terikat (Y) harus berdistribusi normal dan linear.

195
1. Uji Normalitas
Uji normalitas data digunakan untuk mengetahui apakah data pada
variabel berdistribusi normal atau tidak. Data dinyatakan berdistribusi normal
jika signifikansi lebih dari 0,05.

a. Variabel X
Ketentuan yang digunakan pada kolmogrov-Smirnov dengan
menggunakan menggunakan kriteria nilai probabilitas (nilai signifikan) adalah
jika nilai sig a yang diperoleh lebih besar (>) dari taraf signifikan yang telah
ditentukan (0,05), maka data tersebut dinyatakan berdistribusi normal.
Demikian sebaliknya jika nilai sig a yang diperoleh lebih kecil (<) dari taraf
signifikan yang telah ditentukan (0,05), maka data tersebut dinyatakan
berdistribusi tidak normal. Adapun taraf signifikansi (a) dalam pembahasan ini
menggunakan a = 0,05 atau 5%.

Tabel 4.7
Tabel Kolmogorov-Smirnov Variabel X

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic df Sig.
*
Variabel_X .069 90 .200 .976 90 .091
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.

Dari tabel di atas diperoleh keterangan bahwa nilai sig. sebesar 0,069,
dengan demikian diperoleh nilai sig. 2,00 yang diperoleh lebih besar ( >) dari
taraf signifikan yang telah ditentukan (0,05), maka data tersebut dinyatakan
berdistribusi normal.

b. Variabel Y
Ketentuan yang digunakan pada kolmogrov-Smirnov dengan
menggunakan menggunakan kriteria nilai probabilitas (nilai signifikan) adalah
jika nilai sig a yang diperoleh lebih besar (>) dari taraf signifikan yang telah
ditentukan (0,05), maka data tersebut dinyatakan berdistribusi normal.
Demikian sebaliknya jika nilai sig a yang diperoleh lebih kecil (<) dari taraf
signifikan yang telah ditentukan (0,05), maka data tersebut dinyatakan

196
berdistribusi tidak normal. Adapun taraf signifikansi (a) dalam pembahasan ini
menggunakan a = 0,05 atau 5%.

Tabel 4.8
Tabel Kolmogorov-Smirnov Variabel Y

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Variabel_Y .081 90 .197 .971 90 .040
a. Lilliefors Significance Correction

Dari tabel di atas diperoleh keterangan bahwa nilai sig. sebesar 0,197,
dengan demikian diperoleh nilai sig. 0,197 yang diperoleh lebih besar ( >) dari
taraf signifikan yang telah ditentukan (0,05), maka data tersebut dinyatakan
berdistribusi normal.

2. Uji Linearitas
Uji linearitas dilakukan untuk melihat apakah variabel X memiliki
hubungan yang linear terhadap variabel Y secara signifkan. Dua variabel
dikatakan linear apabila memiliki nilai signifikansi a < 0,05. Adapun hasil uji
linearitas dari kecerdasan majemuk guru dengan keberhasilan belajar mengajar
sebagai berikut:

Tabel 4.9
Output SPSS Tabel Uji Anova atau F Tes
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 2360.126 1 2360.126 97.381 .000a
Residual 2132.774 88 24.236

Total 4492.900 89
a. Predictors: (Constant), Variabel_X
b. Dependent Variable: Variabel_Y

Mengacu kepada data SPSS tersebut, diperoleh tingkat signifikansi

linieritas (linearity) yaitu 0,000 < 0,05. Maka dengan demikian dapat
disimpulkan Setelah dilakukan uji normalitas dan linearitas data, maka

197
diperoleh kesimpulan bahwa data variabel X dan Variabel Y berdistribusi
normal dan memiliki hubungan yang linear. Dengan demikian, semua data telah
memenuhi syarat untuk senjutnya dilakukan uji hipotesis.

D. Uji Hipotesa
1. Uji Hipotesis pertama
Tingkat penerapkan prinsip-prinsip teori belajar Operant Conditioning di
sekolah minggu Namba kelas madya di Gereja Bethel Tabernakel Kristus
Alfa Omega Gajah Semarang paling tinggi 70% dari nilai maksimum.
Kalimat Hipotesis dibuat dalam hipotesis h0 dan ha
H0 : Tingkat penerapkan prinsip-prinsip teori belajar Operant
Conditioning di sekolah minggu Namba kelas madya di Gereja
Bethel Tabernakel Kristus Alfa Omega Gajah Semarang paling
tinggi 70% dari nilai maksimum.

Ha : Tingkat penerapkan prinsip-prinsip teori belajar Operant

Conditioning di sekolah minggu Namba kelas madya di Gereja
Bethel Tabernakel Kristus Alfa Omega Gajah Semarang lebih
besar 70% dari nilai maksimum.

Hipotesis Statistiknya:
H0 : μ ≤ 70%
Ha : μ > 70%

Nilai t hitung diperoleh dengan bantuan SPSS 17, yang dapat dilihat pada
tabel berikut:

Tabel 4.10
Tabel t sampel untuk Variabel X

• Nilai thitung = 20,081

198
 • Nilai ttabel untuk df (n-1)65 =89 adalah 1,987
Selanjutnya adalah membandingkan ttabel dengan thitung Dengan ketentuan:
H0 : diterima dan Ha ditolak jika thitung ≤ ttabel
H0 : ditolak dan Ha diterima jika thitung > ttabel

Dari hasil di atas diperoleh nilai thitung sebesar 20,081 sedangakan nilai t
tabel sebesar 1,987. Sehingga ketentuan yang berlaku adalah thitung
(20,081) > ttabel (1,987). Dengan demikian maka dapat disimpulkan
bahwa H0 ditolak dan Ha diterima. Tingkat penerapkan prinsip-prinsip
teori belajar Operant Conditioning di sekolah minggu Namba kelas
madya di Gereja Bethel Tabernakel Kristus Alfa Omega Gajah Semarang
lebih besar 70% dari nilai maksimum.

2. Uji Hipotesis Kedua

Tingkat motivasi belajar Firman Tuhan anak madya belajar Firman
Tuhan anak sekolah minggu Namba kelas madya di Gereja Bethel
Tabernakel Kristus Alfa Omega Gajah Mada Semarang paling tinggi 70%
dari nilai maksimum.
Kalimat Hipotesis dibuat dalam hipotesis h0 dan ha
H0 : Tingkat motivasi belajar Firman Tuhan anak madya belajar
Firman Tuhan anak sekolah minggu Namba kelas madya di Gereja
Bethel Tabernakel Kristus Alfa Omega Gajah Mada Semarang
paling tinggi 70% dari nilai maksimum.

Ha : Tingkat motivasi belajar Firman Tuhan anak madya belajar

Firman Tuhan anak sekolah minggu Namba kelas madya di Gereja
Bethel Tabernakel Kristus Alfa Omega Gajah Mada Semarang
lebih besar 70% dari nilai maksimum.
Hipotesis Statistiknya:
H0 : μ ≤ 70%
Ha : μ > 70%

Nilai t hitung diperoleh dengan bantuan SPSS 17, yang dapat dilihat pada
tabel berikut:

65
Syofian Siregar, Statistik Parametrik ... 199
199
 Tabel 4.11
Tabel t sampel untuk Variabel Y

• Nilai thitung = 7,967

• Nilai -ttabel untuk df (n-1)66 =89 adalah 1,987
• Nilai +ttabel untuk df (n-1) =89 adalah 1,987

Selanjutnya adalah membandingkan ttabel dengan thitung Dengan ketentuan:

H0 : diterima dan Ha ditolak jika thitung ≤ + ttabel
H0 : ditolak dan Ha diterima jika thitung > ttabel

Tujuannya adalah untuk mengetahui hipotesis H 0 ditolak atau diterima.

Pada penelitian ini diperoleh nilai thitung (7,967) > t tabel (1,987) maka H0
ditolak dan Ha diterima. Tingkat motivasi belajar Firman Tuhan anak
madya belajar Firman Tuhan anak sekolah minggu Namba kelas madya
di Gereja Bethel Tabernakel Kristus Alfa Omega Gajah Mada Semarang
lebih besar 70% dari nilai maksimum.

3. Uji hipotesis ketiga

Hipotesis ketiga Terdapat pengaruh yang kuat dan signifikan antara
penerapan prinsip-prinsip teori belajar Operant Conditioning terhadap
motivasi belajar Firman Tuhan anak sekolah minggu Namba kelas madya
di Gereja Bethel Tabernakel Kristus Alfa Omega Gajah Mada Semarang.
Adapun hasil pengujian hipotesis ketiga diperoleh hasil sebagai berikut:

66
Syofian Siregar, Statistik Parametrik ... 199
200
 Tabel 4.12
Tabel Model Summary

Berdasarkan tabel di atas, ditemukan nilai koefisien korelasi (r) sebesar

0,725. Langkah selanjutnya adalah memperhatikan tabel ukuran korelasi untuk
mengetahui makna hubungan variabel X terhadap Y. Adapun tabelnya dapat
dilihat pada tabel berikut:

Tabel 4.13
Ukuran Korelasi Variabel (X) Dengan Variabel (Y)
Interval Koefisien Makna Hubungan
0,00-0,199 Sangat rendah
0,20-0,399 Rendah
0,40-0,599 Sedang
0,60-0,799 Kuat
0,80-1,00 Sangat kuat

Berdasarkan tabel 4.12 diperoleh keterangan bahwa nilai koefisien

korelasi yang sebesar 0, 725 memiliki makna hubungan yang kuat. Dengan
demikian dapat disimpulkan bahwa penerapan prinsip-prinsip teori belajar
operant conditioning berpengaruh kuat terhadap motivasi belajar Firman Tuhan.

201
 Selanjutnya adalah untuk melihat signifikansi antara variabel X
dengan Y, yaitu sebagai berikut:
Tabel 4.54
Uji Signifikansi Regresi antara X terhadap Y Anova

Berdasarkan tabel di atas dihasilkan F 97,381 dengan nilai

signifikansinya 0,000. Sehingga memenuhi ketentuan pada a (0,000)<0,05,
dengan demikian dapat disimpulkan bahwa korelasi prinsip-prinsip teori belajar
operant conditioning adalah signifikan terhadap motivasi belajar Firman Tuhan.
Berdasarkan hasil analisis koefisien korelasi (r) dan uji signifikan di atas
ditemukan bahwa hubungan antara variabel X dan Y adalah kuat dan juga
signifikan. Sehingga hipotesis ketiga dalam penelitian ini, yang berbunyi
terdapat pengaruh yang kuat dan signifikan antara penerapan prinsip-prinsip
teori belajar Operant Conditioning terhadap motivasi belajar Firman Tuhan anak
sekolah minggu Namba kelas madya di Gereja Bethel Tabernakel Kristus Alfa
Omega Gajah Mada Semarang diterima.
Selanjutnya adalah untuk melihat nilai koefisien determinasi atau
sumbangsih variabel X terhadap Y. Dari hasil analisis juga diperoleh nilai r2xy
(koefisien determinasi) sebesar 0,525 atau 52,5%, yang artinya sumbangan
variabel penerapan teori belajar operant conditioning oleh guru terhadap
motivasi belajar Firman Tuhan adalah 52,5%, sedangkan sisanya sebesar 47,5%
dijelaskan oleh sebab-sebab lain di luar model penelitian.
Selanjutnya adalah persamaan garis liner dalam penelitian ini. Adapun
hasil analisisnya sebagai berikut:

Adapun persamaan garis regresi linier dihasilkan Y=a+bX

(Y=16,535+0.693X) . Artinya, setiap perbaikan penerapan prinsip-prinsip teori
202
belajar operant conditioning meningkat satu kali, maka motivasi belajar Firman
Tuhan meningkat 0.693 kali dari kondisi sekarang.

E. Pembahasan Hasil Penelitian

Pada bagian ini peneliti melakukan pembahasan terhadap hasil hipotesis
penelitian dengan terlebih dahulu menggunakan rumus uji hiptesis. Uji hipotesis
satu dan dua dilakukan dengan menggunakan uji t satu pihak, uji pihak kanan.
Uji hipotesis tiga dilakukan dengan analisis korelasi sederhana (r),
koefisien determinasi (r square). Uji signifikansi korelasi sederhana (uji F) melalui
tabel Anova, persamaan garis regresi linier dengan persamaan garis Y=a+bX.

1. Pembahasan Hipotesis Pertama

Tingkat penerapkan prinsip-prinsip teori belajar Operant Conditioning di
sekolah minggu Namba kelas madya di Gereja Bethel Tabernakel Kristus
Alfa Omega Gajah Semarang paling tinggi 70% dari nilai maksimum.
Kalimat Hipotesis dibuat dalam hipotesis
H0 : Tingkat penerapkan prinsip-prinsip teori belajar Operant
Conditioning di sekolah minggu Namba kelas madya di Gereja
Bethel Tabernakel Kristus Alfa Omega Gajah Semarang paling
tinggi 70% dari nilai maksimum.
Ha : Tingkat penerapkan prinsip-prinsip teori belajar Operant
Conditioning di sekolah minggu Namba kelas madya di Gereja
Bethel Tabernakel Kristus Alfa Omega Gajah Semarang lebih
besar 70% dari nilai maksimum.
Hipotesis Statistiknya:
H0 : μ ≤ 70%
Ha : μ > 70%

Dari hasil di atas diperoleh nilai thitung sebesar 20,081 sedangakan nilai t
tabel sebesar 1,987. Artinya thitung (20,081) > ttabel (1,987). Berdasarkan
analisa di atas maka dapat disimpulkan bahwa H 0 ditolak dan Ha diterima.
Tingkat penerapkan prinsip-prinsip teori belajar Operant Conditioning di
sekolah minggu Namba kelas madya di Gereja Bethel Tabernakel Kristus
Alfa Omega Gajah Semarang lebih besar 70% dari nilai maksimum.

2. Pembahasan Hipotesis Kedua

Tingkat motivasi belajar Firman Tuhan anak madya belajar Firman
Tuhan anak sekolah minggu Namba kelas madya di Gereja Bethel

203
 Tabernakel Kristus Alfa Omega Gajah Mada Semarang paling tinggi 70%
dari nilai maksimum.
Kalimat Hipotesis dibuat dalam hipotesis
H0 : Tingkat motivasi belajar Firman Tuhan anak madya belajar
Firman Tuhan anak sekolah minggu Namba kelas madya di Gereja
Bethel Tabernakel Kristus Alfa Omega Gajah Mada Semarang
paling tinggi 70% dari nilai maksimum.

Ha : Tingkat motivasi belajar Firman Tuhan anak madya belajar

Firman Tuhan anak sekolah minggu Namba kelas madya di Gereja
Bethel Tabernakel Kristus Alfa Omega Gajah Mada Semarang
lebih besar 70% dari nilai maksimum.
Hipotesis Statistiknya:
H0 : μ ≤ 70%
Ha : μ > 70%

Pada penelitian ini diperoleh nilai thitung (7,967) > t tabel (1,987) maka H0
ditolak dan Ha diterima. Berdasarkan analisa di atas maka dapat disimpulkan
bahwa Tingkat motivasi belajar Firman Tuhan anak madya belajar Firman
Tuhan anak sekolah minggu Namba kelas madya di Gereja Bethel Tabernakel
Kristus Alfa Omega Gajah Mada Semarang lebih besar 70% dari nilai
maksimum.

3. Pembahasan Hipotesis Ketiga

Hipotesis ketiga Terdapat pengaruh yang kuat dan signifikan antara
penerapan prinsip-prinsip teori belajar Operant Conditioning terhadap motivasi
belajar Firman Tuhan anak sekolah minggu Namba kelas madya di Gereja
Bethel Tabernakel Kristus Alfa Omega Gajah Mada Semarang.
Adapun hasil pengujian hipotesis ketiga diperoleh hasil sebagai berikut:

Tabel 4.52
Tabel Model Summary

204
 Berdasarkan tabel di atas, ditemukan nilai rxy sebesar 0,725 dan bernilai
positif, yang berarti pengaruh penerapan teori belajar operant conditioning oleh
guru terhadap motivasi belajar Firman Tuhan anak sekolah minggu Namba
kelas madya di GBT KAO Gajah Mada Semarang adalah 0,725 atau termasuk
kategori berkorelasi kuat.
Dari nilai signifikansi antara variabel X dengan Y, dihasilkan F 97,381
yang ternyata signifikan pada a (0,000)<0,05, sehingga dapat disimpulkan
bahwa korelasi prinsip-prinsip teori belajar operant conditioning adalah
signifikan terhadap motivasi belajar Firman Tuhan.
Sehingga hipotesis ketiga dalam penelitian ini, yang berbunyi terdapat
pengaruh yang kuat dan signifikan antara penerapan prinsip-prinsip teori belajar
Operant Conditioning terhadap motivasi belajar Firman Tuhan anak sekolah
minggu Namba kelas madya di Gereja Bethel Tabernakel Kristus Alfa Omega
Gajah Mada Semarang diterima.
Selanjutnya adalah untuk melihat nilai koefisien determinasi atau
sumbangsih variabel X terhadap Y. Dari hasil analisis juga diperoleh nilai r
Square (koefisien determinasi) sebesar 0,525 atau 52,5%, yang artinya sumbangan
variabel penerapan teori belajar operant conditioning oleh guru terhadap
motivasi belajar Firman Tuhan adalah 52,5%, sedangkan sisanya sebesar 47,5%
dijelaskan oleh sebab-sebab lain di luar model penelitian.
Adapun persamaan garis regresi linier dihasilkan Y=a+bX
(Y=16,535+0.693X) . Artinya, setiap perbaikan penerapan prinsip-prinsip teori
belajar operant conditioning meningkat satu kali, maka motivasi belajar Firman
Tuhan meningkat 0.693 kali dari kondisi sekarang.

205
 BAB V
KESIMPULAN DAN SARAN

A. Kesimpulan
1. Tingkat penerapkan prinsip-prinsip teori belajar Operant Conditioning di
sekolah minggu Namba kelas madya di Gereja Bethel Tabernakel Kristus
Alfa Omega Gajah Semarang lebih besar 70% dari nilai maksimum.
2. Tingkat motivasi belajar Firman Tuhan anak madya belajar Firman
Tuhan anak sekolah minggu Namba kelas madya di Gereja Bethel
Tabernakel Kristus Alfa Omega Gajah Mada Semarang lebih besar 70%
dari nilai maksimum.
3. terdapat pengaruh yang kuat dan signifikan antara penerapan prinsip-
prinsip teori belajar Operant Conditioning terhadap motivasi belajar
Firman Tuhan anak sekolah minggu Namba kelas madya di Gereja Bethel
Tabernakel Kristus Alfa Omega Gajah Mada Semarang dengan nilai
koefisien korelasi 0,725 dan nilai signifikansi 0,000<0,005.

B. Saran
1. Bagi guru diharapkan setiap guru dapat menerapkan prinsip-prinsip teori
belajar Opearant conditioning dalam proses belajar Firman Tuhan anak
sekolah minggu Namba kelas madya di Gereja Bethel Tabernkel Kristus
Alfa Omega Gajah Mada Semarang. Adapun cara untuk menerapkan
prinsip-prinsip teori belajar Operant Conditioning, yaitu dengan cara
menjaga hubungan baik antara guru dan anak sekolah minggu,
memperhatikan keaktifan guru untuk hadir mengajar di sekolah minggu,
dan menuntun dan mengarahkan anak sekolah minggu untuk terus belajar
Firman Tuhan.
2. Bagi anak sekolah minggu Namba kelas madya: diharapkan setiap anak
sekolah minggu Namba kelas madya mempunyai motivasi yang baik
dalam belajar Firman Tuhan. Motivasi tersebut akan terlihat ketika anak
mulai melakukan Firman Tuhan seperti, membaca Firman Tuhan setiap
hari, menghafalkan ayat-ayat Firman Tuhan dan tekun berdoa tanpa
diberi perintah.

206
BAB X
UJI STATISTIK NON PARAMETRIK

A. Pengertian Statistik Non Parametrik

Istilah nonparametrik pertama kali digunakan oleh Wolfowitz, pada
tahun 1942. Metode statistik nonparametrik merupakan metode statistik
yang dapat digunakan dengan mengabaikan asumsi-asumsi yang
melandasi penggunaan metode statistic parametrik, terutama yang
berkaitan dengan distribusi normal. Istilah lain yang sering digunakan
untuk statistik nonparametrik adalah statistik bebas distribusi
(distribution free statistics) dan uji bebas asumsi (assumption-free test).
Statistik nonparametric banyak digunakan pada penelitian-penelitian
sosial. Data yang diperoleh dalam penelitian sosial pada umunya
berbentuk kategori atau berbentuk rangking.
Uji statistik nonparametrik ialah suatu uji statistik yang tidak
memerlukan adanya asumsi-asumsi mengenai sebaran data populasi.
Uji statistik ini disebut juga sebagai statistik bebas sebaran
(distribution free). Statistik nonparametrik tidak mensyaratkanbentuk
sebaran parameter populasi berdistribusi normal. Statistik nonparametrik
dapat digunakan untuk menganalisis data yang berskala nominal atau
ordinal karena pada umumnya data berjenis nominal dan ordinal tidak
menyebar normal. Dari segi jumla data, pada umumnya statistik
nonparametrik digunakan untuk data berjumlah kecil (n <30).

B. Kelebihan dan Kekurang Statistik Non Parametrik

1. Kelebihan Statistik Nonparametrik
a. Asumsi dalam uji-uji statistik nonparametrik relatif lebih longgar.
Jika pengujian data menunjukkan bahwa salah satu atau beberapa
asumsi yang mendasari uji statistik parametrik. (misalnya mengenai
207
 sifat distribusi data) tidak terpenuhi, maka statistik nonparametrik
lebih sesuai diterapkan dibandingkan statistik parametrik.
b. Perhitungan-perhitungannya dapat dilaksanakan dengan cepat
dan mudah, sehingga hasil penelitian segera dapat disampaikan.
c. Untuk memahami konsep-konsep dan metode-metodenya tidak
memerlukan dasar matematika serta statistika yang mendalam.
d. Uji-uji pada statistik nonparametrik dapat diterapkan jika
kita menghadapi keterbatasan data yang tersedia, misalnya jika
data telah diukur menggunakan skala pengukuran yang lemah
(nominal atau ordinal).
e. Efisiensi statistik nonparametrik lebih tinggi dibandingkan dengan
metode parametrik untuk jumlah sampel yang sedikit.

2. Kekurangan Statistik Non Parametrik

Disamping keunggulan, statistik nonparametrik juga memiliki
keterbatasan. Beberapa keterbatasan statistik nonparametrik antara
lain:
a. Jika asumsi uji statistik parametrik terpenuhi, penggunaan uji
nonparametric meskipun lebih cepat dan sederhana, akan
menyebabkan pemborosan informasi.
b. Jika jumlah sampel besar, tingkat efisiensi nonparametrik
relatif lebih rendah dibandingkan dengan metode parametrik.

C. Jenis-jenis Uji Statistik Non Parametrik

1. Uji Chi-Kuadrat
Uji Chi-Kuadrat atau Chi-Square digunakan untuk menganalisis
perbedaan lebih dari dua proporsi. Analisis ini termasuk dalam kategori
statistik nonparametrik karena datanya merupakan data ordinal atau data
nominal.67 Chi-Kuadrat digunakan untuk 3 jenis pengujian dalam
analisis, yaitu: pengujian keselarasan (Test of Goodness Fit), hubungan

67
Tri Harjanti, Statistik Parametrik ..., 116
208
(independency) dan normalitas. Ketiga pengujian tersebut menggunakan
prosedur pengujian yang sama, yaitu:
a. Tentukan/Rumuskan Hipotesis
H0 : Tidak perbedaan proporsi hasil observasi dengan proporsi
teoritisnya
Ha : Ada perbedaan proporsi hasil observasi dengan proporsi
teoritisnya

b. Menentukan taraf nyata dan nilai kritis (kriteria)

Taraf nyata ditentukan berdasarkan probalilitas dan derajat
kebebasan (df: degree of freedom). Df ditentukan berdasarkan
jumlah variabel (kolom (k)) dan jumlah sampel (baris (n)).

Kriteria:
H0 : Diterima jika X2 hitung < X2 table
H0 : Ditolak jika X2 hitung ≥ X2 table

c. Keputusan
Keputusan menerima atau menolak hipotesis nol dilakukan dengan
membandingkan nilai statistik uji dengan nilai dalam tabel
distribusi Chi Kuadrat atau membandingkan nilai signifikan dengan
nilai alfa.68

d. Kesimpulan
Kesimpulan diambil berdasarkan keputusan pada langkah empat.

68
Tri Harjanti, Statistik Parametrik., 118
209
 Langkah-langkah uji chi-square dengan menggunakan SPSS 17.0
1. Buka SPSS 17.0

2. Cari dan buka data yang akan diolah, Klik File→ Open → Data,
seperti gambar di bawah ini

210
3. Klik open→ muncul data seperti di bawah ini:

211
4. Klik analyze→ Nonparametrik→Test Chi-Square

5. Akan muncul kota Chi-Square test, kemudian masukkan data

pendapat pada kotak test variable test→ seperti gambar di bawah
ini:

212
6. Klik options → klik descriptive→ Exclude casee test-by-test,
seperti gambar di bawah ini:

7. Klik continue→ Ok→ akan muncul hasilnya seperti berikut:

Variabel_Y
Observed N Expected N Residual
5 2 4.0 -2.0
6 2 4.0 -2.0
7 5 4.0 1.0
8 4 4.0 .0
9 4 4.0 .0
10 7 4.0 3.0
Total 24

213
 Test Statistics
Variabel_Y
Chi-Square 4.500a
Df 5
Asymp. Sig. .480
a. 6 cells (100,0%) have expected frequencies less
than 5. The minimum expected cell frequency is
4,0.
Tabel chi-square

214
8. Analisis Tabel
Nilai X2 = 4,5 dan nilai X2 tabel (df 5)= 11,070
Sehingga dapat dikatakan: H0 : Ditolak sebab X2 hitung ( > X2 table
H0 : Tidak perbedaan proporsi hasil observasi dengan proporsi
teoritisnya
Ha : Ada perbedaan proporsi hasil observasi dengan proporsi
teoritisnya.

2. Uji Binominal
Uji binominal digunakan untuk menguji hipotes bila dalam
populasi terdiri dari dua kelompok kelas (pria wanita, sarjana bukan
sarjana dll), data berbentuk nominal dan jumlah sampel kecil. 69 Adapun
tahap pengujian binominal yaitu:

a. Perumusan Hipotesis
Masalah penelitian apakah ada perbedaan kecenderungan gaya
belajar anatara mahasiswa dengan mahasiswi di STT KAO.
Ha: Ada perbedaan kecenderungan gaya belajar antar mahasiswa (pria)
dengan mahasiswi (wanita) STT KAO
H0: Tidak Ada perbedaan kecenderungan gaya belajar antar mahasiswa
(pria) dengan mahasiswi (wanita) STT KAO

b. Kriteria
H0: Diterima (H1 ditolak) → Jika sig a ≥ alfa
H0: Ditolak (H1 diterima) → Jika sig a < alfa

c. Uji Statistik
Dalam tahap ini akan dihitung besar signifikansi dengan
menggunakan SPSS 17.0. Adapun langkah-langkah analisisnya, yaitu:

69
Tri Harjanti, Statistik Parametrik & Nonparametrik.., 127
215
1. Buka SPSS 17.0→ cari data yang akan diolah, sperti gambar di
bawah ini:

2. Klik open→ muncul data seperti di bawah ini:

216
3. Klik analyze→ Nonparametrik→ Test Binominal

4. Akan muncul kota binominal, kemudian masukkan data pendapat

pada kotak test variable test→ seperti gambar di bawah ini:
217
5. Klik options → klik descriptive→ Exclude casee test-by-test,
seperti gambar di bawah ini:

6. Klik continue→ Ok→ akan muncul hasilnya seperti berikut:

218
 Descriptive Statistics
N Mean Std. Deviation Minimum Maximum
Pendapat 30 1.57 .504 1 2
Binomial Test
Asymp. Sig.
Category N Observed Prop. Test Prop. (2-tailed)
Pendapat Group 1 1 13 .43 .50 .585a
Group 2 2 17 .57
Total 30 1.00
a. Based on Z Approximation.

d. Analisis Tabel
Nilai signifikan yang diperoleh adalah 0,585 > alfa (0,05)

e. Keputusan
H0: Diterima berarti H1 Ditolak

f. Kesimpulan
Tidak ada perbedaan gaya belajar antara mahasiswa dengan
mahasiswi STT KAO

3. Uji Runs
Digunakan untuk menguji hipotesis deskriptif satu sampel jika data
berskala ordinal untuk mengukur urutan kejadian. Pengukuran dilakukan
dengan cara mengukur kerandoman populasi yang didasarkan atas dasar
hasil pengamatan melalui data sampel. Pengujian H0 dilakukan dengan
membandingkan jumlah run dalam observasi dengan nilai pada tabel
(harga r dalam run test) dengan sign.70 Adapun langkah-langkah
analisisnya, yaitu:

70
Tri harjanti, Statistik Parametrik & Nonparametrik ..., 134
219
a. Perumusan Hipotesis
H0: Antrian Pendaftaran ulang mahasiswa bersifat random
H1: Antrian Pendaftaran ulang mahasiswa bersifat tidak random

b. Kriteria
H0 Diterima (H1 Ditolak)→ Jika sig a ≥ alfa
H0 Ditolak (H1 Diterima)→ Jika sig a < alfa

c. Statistik Uji
Langkah-langkah analisis dengan menggunakan SPSS 17.0, yaitu:
1) Buka SPSS 17.0→ Cari data yang akan diolah seperti gambar di
bawah ini:

2) Klik open→ muncul data seperti di bawah ini:

220
3) Klik analyze→ Nonparametrik→ Runs seperti di bawah ini:

4) Akan muncul kota tuns test, kemudian masukkan data pendapat

pada kotak test variable test→ seperti gambar di bawah ini:

5) Klik options → klik descriptive→ Exclude casee test-by-test,

seperti gambar di bawah ini:

221
6) Klik continue→ Ok→ akan muncul hasilnya seperti berikut:

Descriptive Statistics
N Mean Std. Deviation Minimum Maximum
Pendapat 30 1.57 .504 1 2

Runs Test
Pendapat
Test Valuea 2
Cases < Test Value 13
Cases >= Test Value 17
Total Cases 30
Number of Runs 14
Z -.467
Asymp. Sig. (2-tailed) .641
a. Median
d. Analisis Tabel
Nilai signifikan yang diperoleh adalah 0,641 > alfa (0,05)
222
e. Keputusan
H0 Diterima = H1 Ditolak)

f. Kesimpulan
Antrian Pendaftaran ulang mahasiswa bersifat random

4. Uji Kolmogrov smirnov satu sampel

Uji Kolmogorov-Smirnov termasuk dalam uji nonparametrik untuk
kasus satu sampel. Uji ini digunakan untuk menguji asumsi normalitas
data. Tes dalam uji ini adalah tes goodness of fit yang mana tes tersebut
untuk mengukur tingkat kesesuian antara distribusi serangkaian
sampel (data observasi) dengan distribusi teoritis tertentu.
Langkah-langkah uji kolmogrov smirnov satu sampel Non
Parametrik
a) Buka SPSS 17.0, seperti gambar di bawah ini:

b) Klik analyze→ Nonparametrik→ Test 1 – Sample K-S

223
c) Akan muncul kota one sample kolmogrov- Smirnov Test→
kemudian masukkan data pendapat pada kotak test variable test→
seperti gambar di bawah ini:

d) Klik options → klik descriptive→ Exclude casee test-by-test,

seperti gambar di bawah ini:

224
e) Klik continue→ Ok→ akan muncul hasilnya seperti berikut:
Descriptive Statistics
N Mean Std. Deviation Minimum Maximum
Pendapat 30 1.57 .504 1 2

One-Sample Kolmogorov-Smirnov Test

Pendapat
N 30
Normal Parametersa,,b Mean 1.57
Std. Deviation .504
Most Extreme Differences Absolute .372
Positive .303
Negative -.372
Kolmogorov-Smirnov Z 2.036
Asymp. Sig. (2-tailed) .001
a. Test distribution is Normal.
b. Calculated from data.

225
d. Analisis Tabel
Hasil analisis di atas nilai Kolmogorov-Smirnov sebesar 0,001 (<
0,05), maka hipotesis nol ditolak yang artinya data tidak berdistribusi
normal.

D. Uji Korelasi Non Parametrik

1. Korelasi Spearman → statistik non parametrik.
Korelasi Spearman menghasilkan koefisien yang setara dengan
korelasi pearson. Terdapat dua syarat untuk melakukan uji korelasi
Spearman yang sama dengan korelasi Kendall’s Tau, yaitu:

a. Salah satu atau kedua data variabel tidak berdistribusi normal.

b. Kedua data variabel menggunakan data interval atau rasio.71
Langkah-langkah Uji Korelasi Uji Spearman menggunakan SPSS 17.0,
yaitu:
a. Buka SPSS 17.0→ seperti gambar di bawah ini:

b. Cari data yang akan diolah→ seperti gambar di bawah ini:

71
Sufren & Yonathan Natanael, Mahir Menggunakan SPSS Secara
Ortodidak (Jakarta: Elex Media Komputindo, 2013), 80
226
c. Kemudian tekan open→ muncul data seperti berikut:

227
d. Lakukan uji normalitas→ Klik Analyze→ Nonparametric Tests→
1 Samle K-S. Seperti gambar di bawah ini:

228
e. Masukkan variabel X & Y ke kotak test variables list→ seperti di
bawah ini:

f. Kemudian klik Ok→ akan tampil hasil output sebagai berikut:

229
 One-Sample Kolmogorov-Smirnov Test
Variabel_Y Variabel_X
N 81 81
Normal Parametersa,,b Mean 8.74 26.91
Std. Deviation 1.212 2.834
Most Extreme Differences Absolute .209 .183
Positive .174 .138
Negative -.209 -.183
Kolmogorov-Smirnov Z 1.877 1.647
Asymp. Sig. (2-tailed) .002 .009

g. Analisis tabel
Dari tabel di atas diketahui bahwa nilai Asymp.Sig (2-tailed) untuk
variabel X memiliki nilai signifikansi (a) sebesar 0,002<0,005, sehingga
dapat dikatakan bahwa data variabel X dan Y tidak berdistribusi normal
dan variabel Y memiliki nilai signifikansi (a) sebesar 0,009>0,005,
sehingga data variabel Y dapat dikatakan berdistribusi normal.
Karena salah satu variabel tidak berdistribusi normal maka tidak
dapat dilanjutkan uji statistik parametrik, tetapi menggunakan uji statistik
nonparametrik. Pada bagian ini akan dilakukan uji statistik
nonparametrik dengan menggunakan Spearman.

Langkah analisis Spearman dengan SPSS 17.0

a. Tampilkan data → seperti di bawah ini:

230
b. Klik Analyze→ Correlate→ Bivariate. Seperti gambar ini:

c. Masukkan variabel X & Y ke kotak Variables, lalu hilangkan tanda

centang pada Pearson, lalu centang Spearman. → seperti gambar
berikut:

231
d. Klik Ok→ maka akan muncul hasil output seperti di bawah ini:
Correlations
Variabel_X Variabel_Y
Spearman's rho Variabel_X Correlation Coefficient 1.000 .596**
Sig. (2-tailed) . .000
N 81 81
Variabel_Y Correlation Coefficient .596** 1.000
Sig. (2-tailed) .000 .
N 81 81
**. Correlation is significant at the 0.01 level (2-tailed).

e. Analisis tabel
Ketentuan signifikan:
Apabila nilai sig. a > 0,05 maka data tidak signifikan
Apabila nilai sig. a < 0,05 maka data signifikan

232
 Dari tabel di atas pada Spearman, nilai signifikansi (a) sebesar
0,000 < 0,05, sehingga data dapat dinyatakan hubungan antara variabel X
dan Y memiliki hubungan yang signifikan. Artinya tinggi rendahnya
variabel X dipengaruhi oleh variabel Y. Demikian sebaliknya tinggi
rendahnya variabel Y dipengaruhi oleh variabel X.

2. Korelasi Kendall’s Tau

Korelasi Kendall’s Tau → statistik non parametrik.
Korelasi Kendall’s Tau biasanya memberikan koefisien yang lebih
rendah dari korelasi Spearman.

Langkah analisis Kendall’s Tau dengan SPSS 17.0

a. Tampilkan data → seperti di bawah ini:

b. Klik Analyze→ Correlate→ Bivariate. Seperti gambar di

bawah ini:

233
c. Masukkan variabel X & Y ke kotak Variables, lalu hilangkan tanda
centang pada Pearson, lalu centang Spearman. → seperti gambar di
bawah ini:

234
d. Klik Ok→ maka akan muncul hasil output seperti berikut ini:
Correlations
Variabel_X Variabel_Y
Kendall's tau_b Variabel_X Correlation Coefficient 1.000 .496**
Sig. (2-tailed) . .000
N 81 81
Variabel_Y Correlation Coefficient .496** 1.000
Sig. (2-tailed) .000 .
N 81 81
**. Correlation is significant at the 0.01 level (2-tailed).

e. Analisis tabel
Ketentuan signifikan:
Apabila nilai sig. a > 0,05 maka data tidak signifikan
Apabila nilai sig. a < 0,05 maka data signifikan
Dari tabel di atas pada Kendall’s Tau, nilai signifikansi (a) sebesar
0,000 < 0,05, sehingga data dapat dinyatakan hubungan antara variabel X

235
dan Y memiliki hubungan yang signifikan. Artinya tinggi rendahnya
variabel X dipengaruhi oleh variabel Y. Demikian sebaliknya tinggi
rendahnya variabel Y dipengaruhi oleh variabel X.

3. Chi-Square Test → Statistik Non parametrik

Chi-Square atau yang sering diterjemahkan menjadi Tes Kai
Kuadrat tergolong ke dalam jenis statistik nonparametrik sehingga Chi-
Square Test tidak memerlukan syarat data terdistribusi normal.72
Jenis data yang menggunakan Uji Chi-Square Test adalah salah
satu datanya bersifat nominal atau berupa kategori. Dalam diktat ini akan
mencoba meneliti “apakah ada hubungan antara jenis kelamin dengan
variabel X?”

Langkah-langkah untuk melakukan Uji Chi-Square Test sebagai berikut:

a. Buka data dari SPSS 17.0→ seperti gambar di bawah ini:

b. Klik Analyze→ Descriptive Statistic→ Crosstabs

72
Sufren & Yonathan..., 69
236
c. Masukkan data nominal jenis kelamin/gender ke kotak row (s) dan
pindahkan data interval variabel X ke kotak column (s). → seperti
gambar di bawah ini:

237
d. Kemudian klik statistic → pilih Chi-Square, → seperti gambar di
bawah ini:

e. Klik continue lalu klik Ok. → maka akan tampak hasil output
sebagai berikut:

238
 Chi-Square Tests
Asymp. Sig.
Value Df (2-sided)
Pearson Chi-Square 8.959a 15 .880
Likelihood Ratio 12.282 15 .658
Linear-by-Linear .008 1 .929
Association
N of Valid Cases 30
a. 32 cells (100,0%) have expected count less than 5. The
minimum expected count is ,43.

f. Analisis tabel
Ketentuan:
Apabila nilai sig. a > 0,05 → Data dikatakan tidak ada hubungan.
Apabila nilai sig. a < 0,05 → Data dikatakan memiliki hubungan

Dari tabel di atas pada kolom Asymp. Sig. pada baris Pearson- Chi-
Square sebesar 0,880<0,05, sehingga tidak ada hubungan yang signifikan
antara variabel X dan jenis kelamin (gender). Artinya jenis kelamin tidak
menentukan tinggi rendahnya variabel X, atau tidak ada perbedaan
variabel X antara pria dan wanita.

239
 DAFTAR PUSTAKA

Bambang Subagyo Andreas. Pengantar Riset Kuantitatif dan Kualitatif.

Bandung: Yayasan Kalam Hidup, 2004.
Gunawan, Ali Muhammad. Statistik Penelitian Pendidikan. Yogyakarta:
Pratama Publising. 2013.
Harjanti, Tri. Statistik Parametrik dan Nonparametrik (Sebuah
Pendekatan Komprehensif-Disertai Aplikasi dan Penjelasan
Program SPSS). Semarang: Universitas Katolik Soegijapranata.
2009.
Joshua, Gideon. Research Methodoloy. STT KAO: Semarang. t.t.
Purwanto. Statistik Untuk Penelitian: Yogyakarta: Pustaka Belajar.
2011.
Riduwan. Pengantar Statistik Sosial. Bandung: Alfabeta. 2009.
Siregar, Syofian. Statistik Parametrik Untuk Penelitian Kuantitatif
(Dilengkapi dengan Perhitungan Manual dan Aplikasi SPSS
Versi 17). Jakarta: PT. Bumi Aksara. 2014
Sufren & Yonathan Natanael. Mahir Menggunakan SPSS Secara
Otodidak. Jakarta: PT. Elex Media Komputindo. 2013.
Sugiyono. Statistika Untuk Penelitian. Bandung: Alfabeta. 2010.
Sunyoto, Danang. Metode dan Instrumen Penelitian (Untuk Ekonomi
dan Bisnis). Jakarta: PT. Buku Seru. 2013.
Susanti, Nur Indah Meilia. Statistik Deskriptif dan Induktif. Yogyakarta:
Graha Ilmu. 2010.
Wahana Komputer. Solusi Mudah dan Cepat Menguasai SPSS 17.0
Untuk Pengolahan Data Statistik. Jakarta: PT. Elex Media
Komputindo. 2009.
Widiyanto Agus Mikha. Statistika: Undtuk Penelitian Bidang Teolongi,
Pendidikan Agama Kristen, & Pelayanan Gereja. Bandung:
Kalam Hidup. 2014.

240
 Tabel A. Nilai-nilai Kristis Pearson Product Moment

NILAI-NILAI r PRODUCT MOMENT

Taraf Signif Taraf Signif Taraf Signif

N N N
5% 1% 5% 1% 5% 1%
3 0.997 0.999 27 0.381 0.487 55 0.266 0.345
4 0.950 0.990 28 0.374 0.478 60 0.254 0.330
5 0.878 0.959 29 0.367 0.470 65 0.244 0.317

6 0.811 0.917 30 0.361 0.463 70 0.235 0.306

7 0.754 0.874 31 0.355 0.456 75 0.227 0.296
8 0.707 0.834 32 0.349 0.449 80 0.220 0.286
9 0.666 0.798 33 0.344 0.442 85 0.213 0.278
10 0.632 0.765 34 0.339 0.436 90 0.207 0.270

11 0.602 0.735 35 0.334 0.430 95 0.202 0.263

12 0.576 0.708 36 0.329 0.424 100 0.195 0.256
13 0.553 0.684 37 0.325 0.418 125 0.176 0.230
14 0.532 0.661 38 0.320 0.413 150 0.159 0.210
15 0.514 0.641 39 0.316 0.408 175 0.148 0.194

16 0.497 0.623 40 0.312 0.403 200 0.138 0.181

17 0.482 0.606 41 0.308 0.398 300 0.113 0.148
18 0.468 0.590 42 0.304 0.393 400 0.098 0.128
19 0.456 0.575 43 0.301 0.389 500 0.088 0.115
20 0.444 0.561 44 0.297 0.384 600 0.080 0.105

21 0.433 0.549 45 0.294 0.380 700 0.074 0.097

22 0.423 0.537 46 0.291 0.376 800 0.070 0.091
23 0.413 0.526 47 0.288 0.372 900 0.065 0.086
24 0.404 0.515 48 0.284 0.368 1000 0.062 0.081
25 0.396 0.505 49 0.281 0.364
26 0.388 0.496 50 0.279 0.361

241
 Tabel B. Nilai-nilai Kristis Distibusi t
Pr 0.25 0.10 0.05 0.025 0.01 0.005 0.001
df 0.50 0.20 0.10 0.050 0.02 0.010 0.002
1 1.00000 3.07768 6.31375 12.70620 31.82052 63.65674 318.30884
2 0.81650 1.88562 2.91999 4.30265 6.96456 9.92484 22.32712
3 0.76489 1.63774 2.35336 3.18245 4.54070 5.84091 10.21453
4 0.74070 1.53321 2.13185 2.77645 3.74695 4.60409 7.17318
5 0.72669 1.47588 2.01505 2.57058 3.36493 4.03214 5.89343
6 0.71756 1.43976 1.94318 2.44691 3.14267 3.70743 5.20763
7 0.71114 1.41492 1.89458 2.36462 2.99795 3.49948 4.78529
8 0.70639 1.39682 1.85955 2.30600 2.89646 3.35539 4.50079
9 0.70272 1.38303 1.83311 2.26216 2.82144 3.24984 4.29681
10 0.69981 1.37218 1.81246 2.22814 2.76377 3.16927 4.14370
11 0.69745 1.36343 1.79588 2.20099 2.71808 3.10581 4.02470
12 0.69548 1.35622 1.78229 2.17881 2.68100 3.05454 3.92963
13 0.69383 1.35017 1.77093 2.16037 2.65031 3.01228 3.85198
14 0.69242 1.34503 1.76131 2.14479 2.62449 2.97684 3.78739
15 0.69120 1.34061 1.75305 2.13145 2.60248 2.94671 3.73283
16 0.69013 1.33676 1.74588 2.11991 2.58349 2.92078 3.68615
17 0.68920 1.33338 1.73961 2.10982 2.56693 2.89823 3.64577
18 0.68836 1.33039 1.73406 2.10092 2.55238 2.87844 3.61048
19 0.68762 1.32773 1.72913 2.09302 2.53948 2.86093 3.57940
20 0.68695 1.32534 1.72472 2.08596 2.52798 2.84534 3.55181
21 0.68635 1.32319 1.72074 2.07961 2.51765 2.83136 3.52715
22 0.68581 1.32124 1.71714 2.07387 2.50832 2.81876 3.50499
23 0.68531 1.31946 1.71387 2.06866 2.49987 2.80734 3.48496
24 0.68485 1.31784 1.71088 2.06390 2.49216 2.79694 3.46678
25 0.68443 1.31635 1.70814 2.05954 2.48511 2.78744 3.45019
26 0.68404 1.31497 1.70562 2.05553 2.47863 2.77871 3.43500
27 0.68368 1.31370 1.70329 2.05183 2.47266 2.77068 3.42103
28 0.68335 1.31253 1.70113 2.04841 2.46714 2.76326 3.40816
29 0.68304 1.31143 1.69913 2.04523 2.46202 2.75639 3.39624
30 0.68276 1.31042 1.69726 2.04227 2.45726 2.75000 3.38518
31 0.68249 1.30946 1.69552 2.03951 2.45282 2.74404 3.37490
32 0.68223 1.30857 1.69389 2.03693 2.44868 2.73848 3.36531
33 0.68200 1.30774 1.69236 2.03452 2.44479 2.73328 3.35634
34 0.68177 1.30695 1.69092 2.03224 2.44115 2.72839 3.34793
35 0.68156 1.30621 1.68957 2.03011 2.43772 2.72381 3.34005
36 0.68137 1.30551 1.68830 2.02809 2.43449 2.71948 3.33262
37 0.68118 1.30485 1.68709 2.02619 2.43145 2.71541 3.32563
38 0.68100 1.30423 1.68595 2.02439 2.42857 2.71156 3.31903
39 0.68083 1.30364 1.68488 2.02269 2.42584 2.70791 3.31279
40 0.68067 1.30308 1.68385 2.02108 2.42326 2.70446 3.30688

242
 Pr 0.25 0.10 0.05 0.025 0.01 0.005 0.001
df 0.50 0.20 0.10 0.050 0.02 0.010 0.002
41 0.68052 1.30254 1.68288 2.01954 2.42080 2.70118 3.30127
42 0.68038 1.30204 1.68195 2.01808 2.41847 2.69807 3.29595
43 0.68024 1.30155 1.68107 2.01669 2.41625 2.69510 3.29089
44 0.68011 1.30109 1.68023 2.01537 2.41413 2.69228 3.28607
45 0.67998 1.30065 1.67943 2.01410 2.41212 2.68959 3.28148
46 0.67986 1.30023 1.67866 2.01290 2.41019 2.68701 3.27710
47 0.67975 1.29982 1.67793 2.01174 2.40835 2.68456 3.27291
48 0.67964 1.29944 1.67722 2.01063 2.40658 2.68220 3.26891
49 0.67953 1.29907 1.67655 2.00958 2.40489 2.67995 3.26508
50 0.67943 1.29871 1.67591 2.00856 2.40327 2.67779 3.26141
51 0.67933 1.29837 1.67528 2.00758 2.40172 2.67572 3.25789
52 0.67924 1.29805 1.67469 2.00665 2.40022 2.67373 3.25451
53 0.67915 1.29773 1.67412 2.00575 2.39879 2.67182 3.25127
54 0.67906 1.29743 1.67356 2.00488 2.39741 2.66998 3.24815
55 0.67898 1.29713 1.67303 2.00404 2.39608 2.66822 3.24515
56 0.67890 1.29685 1.67252 2.00324 2.39480 2.66651 3.24226
57 0.67882 1.29658 1.67203 2.00247 2.39357 2.66487 3.23948
58 0.67874 1.29632 1.67155 2.00172 2.39238 2.66329 3.23680
59 0.67867 1.29607 1.67109 2.00100 2.39123 2.66176 3.23421
60 0.67860 1.29582 1.67065 2.00030 2.39012 2.66028 3.23171
61 0.67853 1.29558 1.67022 1.99962 2.38905 2.65886 3.22930
62 0.67847 1.29536 1.66980 1.99897 2.38801 2.65748 3.22696
63 0.67840 1.29513 1.66940 1.99834 2.38701 2.65615 3.22471
64 0.67834 1.29492 1.66901 1.99773 2.38604 2.65485 3.22253
65 0.67828 1.29471 1.66864 1.99714 2.38510 2.65360 3.22041
66 0.67823 1.29451 1.66827 1.99656 2.38419 2.65239 3.21837
67 0.67817 1.29432 1.66792 1.99601 2.38330 2.65122 3.21639
68 0.67811 1.29413 1.66757 1.99547 2.38245 2.65008 3.21446
69 0.67806 1.29394 1.66724 1.99495 2.38161 2.64898 3.21260
70 0.67801 1.29376 1.66691 1.99444 2.38081 2.64790 3.21079
71 0.67796 1.29359 1.66660 1.99394 2.38002 2.64686 3.20903
72 0.67791 1.29342 1.66629 1.99346 2.37926 2.64585 3.20733
73 0.67787 1.29326 1.66600 1.99300 2.37852 2.64487 3.20567
74 0.67782 1.29310 1.66571 1.99254 2.37780 2.64391 3.20406
75 0.67778 1.29294 1.66543 1.99210 2.37710 2.64298 3.20249
76 0.67773 1.29279 1.66515 1.99167 2.37642 2.64208 3.20096
77 0.67769 1.29264 1.66488 1.99125 2.37576 2.64120 3.19948
78 0.67765 1.29250 1.66462 1.99085 2.37511 2.64034 3.19804
79 0.67761 1.29236 1.66437 1.99045 2.37448 2.63950 3.19663
80 0.67757 1.29222 1.66412 1.99006 2.37387 2.63869 3.19526

243
 Pr 0.25 0.10 0.05 0.025 0.01 0.005 0.001
df 0.50 0.20 0.10 0.050 0.02 0.010 0.002
81 0.67753 1.29209 1.66388 1.98969 2.37327 2.63790 3.19392
82 0.67749 1.29196 1.66365 1.98932 2.37269 2.63712 3.19262
83 0.67746 1.29183 1.66342 1.98896 2.37212 2.63637 3.19135
84 0.67742 1.29171 1.66320 1.98861 2.37156 2.63563 3.19011
85 0.67739 1.29159 1.66298 1.98827 2.37102 2.63491 3.18890
86 0.67735 1.29147 1.66277 1.98793 2.37049 2.63421 3.18772
87 0.67732 1.29136 1.66256 1.98761 2.36998 2.63353 3.18657
88 0.67729 1.29125 1.66235 1.98729 2.36947 2.63286 3.18544
89 0.67726 1.29114 1.66216 1.98698 2.36898 2.63220 3.18434
90 0.67723 1.29103 1.66196 1.98667 2.36850 2.63157 3.18327
91 0.67720 1.29092 1.66177 1.98638 2.36803 2.63094 3.18222
92 0.67717 1.29082 1.66159 1.98609 2.36757 2.63033 3.18119
93 0.67714 1.29072 1.66140 1.98580 2.36712 2.62973 3.18019
94 0.67711 1.29062 1.66123 1.98552 2.36667 2.62915 3.17921
95 0.67708 1.29053 1.66105 1.98525 2.36624 2.62858 3.17825
96 0.67705 1.29043 1.66088 1.98498 2.36582 2.62802 3.17731
97 0.67703 1.29034 1.66071 1.98472 2.36541 2.62747 3.17639
98 0.67700 1.29025 1.66055 1.98447 2.36500 2.62693 3.17549
99 0.67698 1.29016 1.66039 1.98422 2.36461 2.62641 3.17460
100 0.67695 1.29007 1.66023 1.98397 2.36422 2.62589 3.17374
101 0.67693 1.28999 1.66008 1.98373 2.36384 2.62539 3.17289
102 0.67690 1.28991 1.65993 1.98350 2.36346 2.62489 3.17206
103 0.67688 1.28982 1.65978 1.98326 2.36310 2.62441 3.17125
104 0.67686 1.28974 1.65964 1.98304 2.36274 2.62393 3.17045
105 0.67683 1.28967 1.65950 1.98282 2.36239 2.62347 3.16967
106 0.67681 1.28959 1.65936 1.98260 2.36204 2.62301 3.16890
107 0.67679 1.28951 1.65922 1.98238 2.36170 2.62256 3.16815
108 0.67677 1.28944 1.65909 1.98217 2.36137 2.62212 3.16741
109 0.67675 1.28937 1.65895 1.98197 2.36105 2.62169 3.16669
110 0.67673 1.28930 1.65882 1.98177 2.36073 2.62126 3.16598
111 0.67671 1.28922 1.65870 1.98157 2.36041 2.62085 3.16528
112 0.67669 1.28916 1.65857 1.98137 2.36010 2.62044 3.16460
113 0.67667 1.28909 1.65845 1.98118 2.35980 2.62004 3.16392
114 0.67665 1.28902 1.65833 1.98099 2.35950 2.61964 3.16326
115 0.67663 1.28896 1.65821 1.98081 2.35921 2.61926 3.16262
116 0.67661 1.28889 1.65810 1.98063 2.35892 2.61888 3.16198
117 0.67659 1.28883 1.65798 1.98045 2.35864 2.61850 3.16135
118 0.67657 1.28877 1.65787 1.98027 2.35837 2.61814 3.16074
119 0.67656 1.28871 1.65776 1.98010 2.35809 2.61778 3.16013
120 0.67654 1.28865 1.65765 1.97993 2.35782 2.61742 3.15954

244
 Pr 0.25 0.10 0.05 0.025 0.01 0.005 0.001
df 0.50 0.20 0.10 0.050 0.02 0.010 0.002
121 0.67652 1.28859 1.65754 1.97976 2.35756 2.61707 3.15895
122 0.67651 1.28853 1.65744 1.97960 2.35730 2.61673 3.15838
123 0.67649 1.28847 1.65734 1.97944 2.35705 2.61639 3.15781
124 0.67647 1.28842 1.65723 1.97928 2.35680 2.61606 3.15726
125 0.67646 1.28836 1.65714 1.97912 2.35655 2.61573 3.15671
126 0.67644 1.28831 1.65704 1.97897 2.35631 2.61541 3.15617
127 0.67643 1.28825 1.65694 1.97882 2.35607 2.61510 3.15565
128 0.67641 1.28820 1.65685 1.97867 2.35583 2.61478 3.15512
129 0.67640 1.28815 1.65675 1.97852 2.35560 2.61448 3.15461
130 0.67638 1.28810 1.65666 1.97838 2.35537 2.61418 3.15411
131 0.67637 1.28805 1.65657 1.97824 2.35515 2.61388 3.15361
132 0.67635 1.28800 1.65648 1.97810 2.35493 2.61359 3.15312
133 0.67634 1.28795 1.65639 1.97796 2.35471 2.61330 3.15264
134 0.67633 1.28790 1.65630 1.97783 2.35450 2.61302 3.15217
135 0.67631 1.28785 1.65622 1.97769 2.35429 2.61274 3.15170
136 0.67630 1.28781 1.65613 1.97756 2.35408 2.61246 3.15124
137 0.67628 1.28776 1.65605 1.97743 2.35387 2.61219 3.15079
138 0.67627 1.28772 1.65597 1.97730 2.35367 2.61193 3.15034
139 0.67626 1.28767 1.65589 1.97718 2.35347 2.61166 3.14990
140 0.67625 1.28763 1.65581 1.97705 2.35328 2.61140 3.14947
141 0.67623 1.28758 1.65573 1.97693 2.35309 2.61115 3.14904
142 0.67622 1.28754 1.65566 1.97681 2.35289 2.61090 3.14862
143 0.67621 1.28750 1.65558 1.97669 2.35271 2.61065 3.14820
144 0.67620 1.28746 1.65550 1.97658 2.35252 2.61040 3.14779
145 0.67619 1.28742 1.65543 1.97646 2.35234 2.61016 3.14739
146 0.67617 1.28738 1.65536 1.97635 2.35216 2.60992 3.14699
147 0.67616 1.28734 1.65529 1.97623 2.35198 2.60969 3.14660
148 0.67615 1.28730 1.65521 1.97612 2.35181 2.60946 3.14621
149 0.67614 1.28726 1.65514 1.97601 2.35163 2.60923 3.14583
150 0.67613 1.28722 1.65508 1.97591 2.35146 2.60900 3.14545
151 0.67612 1.28718 1.65501 1.97580 2.35130 2.60878 3.14508
152 0.67611 1.28715 1.65494 1.97569 2.35113 2.60856 3.14471
153 0.67610 1.28711 1.65487 1.97559 2.35097 2.60834 3.14435
154 0.67609 1.28707 1.65481 1.97549 2.35081 2.60813 3.14400
155 0.67608 1.28704 1.65474 1.97539 2.35065 2.60792 3.14364
156 0.67607 1.28700 1.65468 1.97529 2.35049 2.60771 3.14330
157 0.67606 1.28697 1.65462 1.97519 2.35033 2.60751 3.14295
158 0.67605 1.28693 1.65455 1.97509 2.35018 2.60730 3.14261
159 0.67604 1.28690 1.65449 1.97500 2.35003 2.60710 3.14228
160 0.67603 1.28687 1.65443 1.97490 2.34988 2.60691 3.14195

245
 Pr 0.25 0.10 0.05 0.025 0.01 0.005 0.001
df 0.50 0.20 0.10 0.050 0.02 0.010 0.002
161 0.67602 1.28683 1.65437 1.97481 2.34973 2.60671 3.14162
162 0.67601 1.28680 1.65431 1.97472 2.34959 2.60652 3.14130
163 0.67600 1.28677 1.65426 1.97462 2.34944 2.60633 3.14098
164 0.67599 1.28673 1.65420 1.97453 2.34930 2.60614 3.14067
165 0.67598 1.28670 1.65414 1.97445 2.34916 2.60595 3.14036
166 0.67597 1.28667 1.65408 1.97436 2.34902 2.60577 3.14005
167 0.67596 1.28664 1.65403 1.97427 2.34888 2.60559 3.13975
168 0.67595 1.28661 1.65397 1.97419 2.34875 2.60541 3.13945
169 0.67594 1.28658 1.65392 1.97410 2.34862 2.60523 3.13915
170 0.67594 1.28655 1.65387 1.97402 2.34848 2.60506 3.13886
171 0.67593 1.28652 1.65381 1.97393 2.34835 2.60489 3.13857
172 0.67592 1.28649 1.65376 1.97385 2.34822 2.60471 3.13829
173 0.67591 1.28646 1.65371 1.97377 2.34810 2.60455 3.13801
174 0.67590 1.28644 1.65366 1.97369 2.34797 2.60438 3.13773
175 0.67589 1.28641 1.65361 1.97361 2.34784 2.60421 3.13745
176 0.67589 1.28638 1.65356 1.97353 2.34772 2.60405 3.13718
177 0.67588 1.28635 1.65351 1.97346 2.34760 2.60389 3.13691
178 0.67587 1.28633 1.65346 1.97338 2.34748 2.60373 3.13665
179 0.67586 1.28630 1.65341 1.97331 2.34736 2.60357 3.13638
180 0.67586 1.28627 1.65336 1.97323 2.34724 2.60342 3.13612
181 0.67585 1.28625 1.65332 1.97316 2.34713 2.60326 3.13587
182 0.67584 1.28622 1.65327 1.97308 2.34701 2.60311 3.13561
183 0.67583 1.28619 1.65322 1.97301 2.34690 2.60296 3.13536
184 0.67583 1.28617 1.65318 1.97294 2.34678 2.60281 3.13511
185 0.67582 1.28614 1.65313 1.97287 2.34667 2.60267 3.13487
186 0.67581 1.28612 1.65309 1.97280 2.34656 2.60252 3.13463
187 0.67580 1.28610 1.65304 1.97273 2.34645 2.60238 3.13438
188 0.67580 1.28607 1.65300 1.97266 2.34635 2.60223 3.13415
189 0.67579 1.28605 1.65296 1.97260 2.34624 2.60209 3.13391
190 0.67578 1.28602 1.65291 1.97253 2.34613 2.60195 3.13368
191 0.67578 1.28600 1.65287 1.97246 2.34603 2.60181 3.13345
192 0.67577 1.28598 1.65283 1.97240 2.34593 2.60168 3.13322
193 0.67576 1.28595 1.65279 1.97233 2.34582 2.60154 3.13299
194 0.67576 1.28593 1.65275 1.97227 2.34572 2.60141 3.13277
195 0.67575 1.28591 1.65271 1.97220 2.34562 2.60128 3.13255
196 0.67574 1.28589 1.65267 1.97214 2.34552 2.60115 3.13233
197 0.67574 1.28586 1.65263 1.97208 2.34543 2.60102 3.13212
198 0.67573 1.28584 1.65259 1.97202 2.34533 2.60089 3.13190
199 0.67572 1.28582 1.65255 1.97196 2.34523 2.60076 3.13169
200 0.67572 1.28580 1.65251 1.97190 2.34514 2.60063 3.13148

246
Tabel C. Nilai-nilai Kritis Nilai F

247
248
Tabel D. Nilai-nilai Kristis dalam Uji Chi Kuadrat (Chi Square)

249
Tabel E. Penentuan Besaran Sampel

250
251
Tabel F. Nilai-nilai Kristis Rho

252
 CARA BELAJAR STATISTIKA DENGN MUDAH
Dilengkapi dengan Konsep & Aplikasi SPSS 17

Ketika mendengar istilah “statistik” atau “statistika” biasanya yang terlintas

dipikiran adalah sulit, rumit sehingga seringkali orang menghindarinya. Namun
sesungguhnya pemikiran tersebut adalah pemikiran yang lama dan tidak
seharusnya menajdi masalah, karena kini hadir buku “Cara Belajar Statistika
dengan Mudah”. Buku ini menjelaskan mengenai pengertian statistik dan
statistika, teknik pengumpulan data, cara melakukan pengukuran instrumen, uji
asumsi dasar, uji t satu sampel dan uji korelasi sederhana serta uji statistik
nonparametrik. Buku ini tidak hanya membahas mengenai konsep dan teori
statistika tetapi juga dilengkapi dengan langkah-langkah praktis dan mudah
dalam menggaplikasikan SPSS (Statistical Product and Service Solution) 17
dalam mengolah dan menganalisis data-data. Sehingga penelitian kuantitatif
akan menjadi lebih mudah dilakukan. Selain itu buku ini juga disusun dengan
menggunakan bahasa yang sederhana sehingga lebih mudah untuk dipelajari,
dipahami serta diterapkan dalam analisis data. Buku ini dapat menjadi penuntun
dan membimbing para peneliti dan calon peneliti dalam mengolah dan
menganalisis data-data dalam penelitian kuantitatif secara mudah. Sehingga
tidak ada lagi ketakutan dan kekuatiran bagi calon peneliti untuk melakukan
penelitian kuantitatif. Melainkan penelitian tersebut akan menjadi sesuatu
mudah dan menyenangkan untuk dilakukan.

BIODATA PENULIS

Eni Rombe, M.Pd.K lahir 17 Desember 1984 di Makassar

(Sulawesi Selatan). Menyelesaikan Sekolah Menengah Atas di
SMA 1 Waru (Kalimantan Timur), memperoleh gelar Sarjana
Teologi di Sekolah Tinggi Teologi Nusantara Salatiga, dan
mendapatkan gelar Magister Pendidikan Agama Kristen di
Sekolah Tinggi Teologi “Intheos” Solo pada tahun 2014. Mulai
mengajar pada tahun 2010 di Sekolah Tinggi Teologi di
Salatiga dan mengajar di Sekolah Tinggi Teologi Kristus Alfa Omega,
Semarang Sejak tahun 2013. Matakuliah yang dipegang di Sekolah Tinggi
Teologi Kristus Alfa Omega Statistik, Metodologi Penelitian, Teori Belajar,
Pelayanan Anak & Remaja, Dasar-dasar Kependidikan. Selain sebagai pengajar,
pembimbing karya ilmiah dalam kehidupan sehari-hari menuangkan ide-ide
dalam tulisan berupa bahan ajar, artikel-artikel dan jurnal.

253