BELAJAR STATISTIKA
DENGAN MUDAH
Dilengkapi dengan konsep & aplikasi SPSS versi 17
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,
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
Penulis
iii
DAFTAR ISI
iv
Bab VI Pengukuran dan Penyajian Data.
A. Pengukuran Data ..................................................... 89
B. MenghitungUkuran pemusatan & Penyebaran
Data dengan SPSS 17............................................... 94
C. Penyajian Data ......................................................... 96
v
DAFTAR TABEL LAMPIRAN
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.
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.
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:
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.
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.
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.
18
19
b. Menggunakan Tabel 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.
20
c. Menggunakan tabel Isaac dan Michael, seperti gambar di bawah
ini:
21
d. Menggunakan Rumus Slovin
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:
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
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.
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
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
Model Kurva:
Wilayah Wilayah
penolakan penolakan
1/2 1/2
Wilayah
penerimaan
31
2) Menetapkan Kaidah Pengujian
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.
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
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
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:
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.
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.
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.
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.
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.
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.
• 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.
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
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.
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.
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
Contoh: berilah tanda ( ) pada skala yang paling cocok dengan anda:
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.
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
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
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.
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
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”.
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.
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).
62
➢ Pada kolom measure baris pertama sampai baris keempat klik
skala pengukuran nominal dan baris selanjutnya tetap scala.
→Muncul gambar seperti di bawah ini:
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:
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
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:
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
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.
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 :
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:
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:
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.
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
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
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.
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:
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:
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:
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
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
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
c. Modus
Modus (Mo) merupakan nilai yang sering muncul atau
frekuensinya paling banyak.
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.
Range = 9-2
=7
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
S=
(
X-X )
2
n -1
52
S=
9 -1
52
S=
8
S = 6,5
S= 2,55
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:
94
3. Kemudian pilih Statistic→ Centang Sum, Median, mean mode, std
deviation, Variance, Range, Maksimum, Minimum, Skwenesis dan
Kurtosis→ Lalu Continue dan Ok
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
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:
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.
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
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:
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:
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:
105
2. Dengan menggunakan Kolmogorov-Smirnov Test
a. Buka data di SPSS 17.0 → akan muncul gambar seperti di bawah
ini:
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%
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.
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:
110
c. Pengisian Masukkan variabel X ke dependent list. → pada layar
akan muncul:
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.
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:
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:
117
118
BAB VIII
UJI t SATU SAMPEL
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
122
2) Klik Analyze→ Compare Means → One Sample Test. Seperti di
bawah ini:
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
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.
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
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
j. Pengambilan keputusan
Berdasarkan analisa di atas maka dapat disimpulkan bahwa
Pemahaman doa mahasiswa STT Kristus Alfa Omega >80% dari nilai
maksimum.
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
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
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:
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.
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
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:
139
4) Lalu tekan open. → muncul data seperti di bawah ini:
140
6) Setelah muncul gambar Bivariate Correlate maka masukkan data
variabel X dan Y ke kotak variable (s) → Seperti gambar di bawah
ini:
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:
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
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
147
3. Kemudian masukkan variabel X pada kota independent dan
variabel Y pada kotak dependent. → seperti gambar di bawah ini:
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:
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:
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:
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:
154
6. Kemudian klik continue lalu Ok→ maka akan muncul hasil output
seperti ini:
Descriptive Statistics
Correlations
N Variabel_Y 30 30 30
Variabel_X1 30 30 30
Variabel_X2 30 30 30
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:
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.
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.
ANOVAb
Sum of
Model Squares Df Mean Square F Sig.
Total 1194.967 29
159
Selain menggunakan nilai signifikansi tabel Anova juga dapat
menjelaskan model regresi linier dengan membandingkan F hitung terhadap
Ftabel. Dengan ketentuan, sebagai berikut:
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
Oleh:
ENI ROMBE, S.Th
Nim: 11.3.2 M.P. 07
161
BAB I
PENDAHULUAN
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
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).
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
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
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
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
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
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.
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
Gambar 4.2
Grafik Normal P-P Plot dari variabel Motivasi Belajar
Gambar 4.3
Grafik Normal P-P Plot dari variabel penerapkan metode
pengajaran Yesus
174
Gambar 4.4
Grafik Normal P-P Plot dari variabel penerapan metode pengajaran
Yesus
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
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.
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
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
Oleh:
SANTALIA BANDANGAN
Nim: 201102049
183
BAB I
PENDAHULUAN
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
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
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
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)
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
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.
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
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
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
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
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%
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
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.
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
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.
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
66
Syofian Siregar, Statistik Parametrik ... 199
200
Tabel 4.12
Tabel Model Summary
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
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
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.
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.
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.
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
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
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
212
6. Klik options → klik descriptive→ Exclude casee test-by-test,
seperti gambar di bawah ini:
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:
216
3. Klik analyze→ Nonparametrik→ Test Binominal
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:
220
3) Klik analyze→ Nonparametrik→ Runs seperti 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
223
c) Akan muncul kota one sample kolmogrov- Smirnov Test→
kemudian masukkan data pendapat pada kotak test variable 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
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.
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:
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.
230
b. Klik Analyze→ Correlate→ Bivariate. Seperti gambar ini:
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.
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.
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
240
Tabel A. Nilai-nilai Kristis Pearson Product Moment
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
BIODATA PENULIS
253