TUGAS RESUME 3

METODE PENELITIAN SURVEY

ANALISIS DATA DAN LAPORAN

DISUSUN OLEH
Khairina Dwi Rivani
19011268

DOSEN PENGAMPU
Prof. Dr. Herman Nirwana, M. Pd, Kons

JURUSAN PSIKOLOGI
FAKULTAS ILMU PENDIDIKAN
UNIVERSITAS NEGERI PADANG
2020
 DAFTAR ISI

DAFTAR ISI................................................................................................... i
PEMBAHASAN ANALISIS DATA DAN LAPORAN............................... 1

A. Analisis Data........................................................................................1
1. Jenis Data.......................................................................................1
2. Teknik Analisis Data dan Aplikasinya.......................................... 3

B. Laporan................................................................................................ 18

C. Skripsi.................................................................................................. 19

DAFTAR PUSTAKA......................................................................................22
Lampiran......................................................................................................... 23

i
 PEMBAHASAN
ANALISIS DATA DAN LAPORAN

A. Analisis Data
Jenis data yang dikumpulkan dibagi menjadi parametrik (menghasilkan data
interval dan rasio, berdistribusi normal, homogen, dan linear) dan nonparametrik
(menghasilkan data ordinal dan nominal) (Yusuf, 2016).
1. Jenis Data
a. Data Nominal
Merupakan data dengan mengklasifikasikan atau mengkategorikan
berdasarkan nama atau simbol lain secara tuntas dan tidak bertingkat (order).
Semua variabel dalam alternatif dijabarkan dengan kedudukan setara atau
saling lepas dan tuntas (Yusuf, 2016).
Contoh : Jenis kelamin: (1) Laki-laki dan (2) Perempuan
Tempat tinggal: (1) Desa dan (2) Kota
Beberapa teknik yang dapat digunakan untuk data nominal yaitu: mean,
median, mode, frekuensi, presentase, pie, chart, bar graphs, lambda
goodman, dan kruskal atau squre.

b. Data Ordinal
Merupakan data yang diklasifikasikan secara tuntas dan ada tingkatan
atau urutan menurut besarnya atau orderan nya dengan benar atau karena
sifatnya yang ingin diketahui sehubungan dengan variabel yang diteliti.
Beberapa prinsip pengukuran data ordinal sebagai berikut (Yusuf, 2016):
1) Data dinyatakan dalam istilah dari tinggi-rendah, sangat panas, panas,
sedang, kurang panas.
2) Data ordinal tidak menunjukan bahwa interval angka sama. Angka itu
hanya menunjukan urutan dan tidak mungkin dibagi, ditambah, atau
dikurangi.
3) Pengukuran skala ordinal tidak mempunyai angka nol mutlak.
4) Angka yang dihasilkan dengan pengukuran skala ordinal hanya
menunjukan rank-order dan tidak lebih dari itu.

1
 Untuk mengolah data nominal dapat digunakan untuk data ordinal
dengan mengubah data ordinal menjadi data nominal, tetapi bukan
sebaliknya. Disamping itu ada beberapa cara yang dapat digunakan yaitu:
gamma, phi, rank-order.

c. Data Interval
Pada skala interval telah ada unit pengukuran tertentu, sehingga
mempunyai jarak yang bersifat konstan. Contoh: secara berturut-turut,
seorang peneliti mengamati suhu badan secara seseorang. Ia mencatat
seperti :
1) Hari pertama : 38’C
2) Hari kedua: 39’C
3) Hari ketiga: 40’C
Pada contoh diatas unit pengukuran yang dipakai adalah Celcius. Panas
hari pertama berbeda satu derajat dengan hari kedua. Skala interval tidak
mempunyai nilai nol mutlak. Dalam peneliti skala interval banyak digunakan
karena peneliti ingin mendeskripsikan suatu objek penelitan lebih terperinci
bukan hanya sekedar lebih dari, kurang dari, selalu, atau sering kali (Yusuf,
2016).

d. Data Rasio
Merupakan pengukuran yang paling tinggi dan mempunyai nilai nol
mutlak. Semua sifat dan teknik analisis data pada skala nominal, ordinal, dan
interval juga terdapat pada skala ratio. Contoh: Peneliti tentang umur lima
orang penduduk yang mempunyai kasus, yaitu (Yusuf, 2016):
A. Berumur 25 Tahun
B. Berumur 50 Tahun
C. Berumur 30 Tahun
D. Berumur 20 Tahun
E. Berumur 60 Tahun
Umur E tiga kali umur D: sedangkan umur B dua kali umur A. Umur B
sama dengan umur C + D. Umur A + B lebih kecil dari umur C + E. Selisih

2
 umur E – B : C-D. Yang paling tua ialah E, sedangkan yang paling muda
ialah D.

2. Teknik Analisis Data dan Aplikasinya

a. Teknik Analisis Data
Beberapa teknik analisis yang dapat digunakan dalam pengolahan data
hasil penelitian kuantitatif sebagai berikut (Yusuf, 2016):
Perlakuan Data Skala Pengukuran Teknik Analisi
Non Nominal Mode, frekuensi, persentase, McNemar,
Parametrik chisquares, descriminant analisis, epsilon,
lambda, goodman, kruskal’s tau y, dll
Ordinal Chi-squares, lambda, modes median,
frekuensi, persentase, Spearman’s rho, kruskal
wallis, wilcoxon, dll.
Parametrik Interval Mode, median, mean, frekuensi, persentase,
SD, t-test, Pearson Product Moment, Partial
Correlation, ANOVA, factor analisis, analisis
Ratio covarians, multiple regression, multiple
correlation.

b. Faktor-faktor Penentu dalam Memilih Teknik Analisis

Kegiatan akan berlangsung dengan baik apabila beberapa faktor penentu
yang memengaruhi pemelihan teknik yang akan digunakan dipertimbangkan
dengan baik. Diantaranya antara lain (Yusuf, 2016):
1) Apa masalah penelitian atau pertanyaan yang akan dijawab melalui
penelitian itu. Menampilkan jenis penelitian (eksperimen, deskriptif,
dan sebagainya)
2) Jumlah variabel dan skala pengukuran. Skala pengukuran berupa data
nominal, ordinal, interval, atau rasio.
3) Jenis hipotesis (nol/kerja).
4) Besarnya sampel penelitian.

3
5) Sampel yang berhubungan atau bebas (independent). Misalnya satu
kelompok sampel saling berhubungan dan kelompok lain bebas.
6) Bentuk hubungan.

c. Analisis Data Menggunakan Ukuran Kecenderungan Sental

1) Mean/Rata-rata hitung
Rata-rata data yang bersifat kuantitatif dapat diketahui apabila
tersedia berapa jumlah datanya dan beberapa jumlah respondennya.
Rata-rata hitung suatu penyebaran dapat pula dicari dengan jalan
membagi jumlah nilai data dengan banyak (N) data (Yusuf, 2016).

X
X n

Keterangan: X = mean
ƩXn = jumlah X1 sampai X ke-n
N = banyak data/populasi
Cara lain yang dapat dipakai untuk menentukan rata-rata skor yaitu
dengan rata-rata perkiraan/terkaan (assumed mean). Ini berarti bahwa
kita bukanlah semata-mata menerka, melainkan memperkiraan dimana
kira rata-rata akan didapat, sebagai dasar untuk mendaptkan rata-rata
yang sebenarnya (Yusuf, 2016).
  fx i 
M  MT   i

 N 
Keterangan: M = mean/rata
MT = mean terkaan
Ʃfxi = jumlah penyimpangan/deviasi mean terkaan
setelah dikali frekuensi
N = banyak data/populasi/frekuensi
i = lebar interval

2) Median
Median merupakan gambaran letak suatu nilai yang mempunyai
frekuensi ke atas atau ke bawah adalah sama (Yusuf, 2016).

4
a) Median dalam Distribusi Frekuensi Genap
Apabila N genap, maka median rata-rata dua nilai yang
ditengah-tengah nilai diurutkan terlebih dahulu. Contoh:
67 69 57 46 76 58 70 dan 78.
N = 8 . Skor kemudian diatur menjadi: 46 57 59 67 69 70 76 78
dua skor yang ditengah ialah 67 dan 69, jadi Mdn = 67+69/2=68.

b) Median dari Distribusi Berkelompok

Apabila data telah disusun dalam bentuk distribusi frekuensi atau
data yang telah dikelompokan, maka dapat digunakan rumus sebagai
berikut:
 N  kf b 
Mdn  B b   2 
 f mdn 
Ket: Bb = batas bawah dari kelas interval yang mengandung median
kfb = jumlah frekuensi di bawah kelas interval yang mengandung
median
fmdn = frekuensi kelas interval yang ada median

Langkah-langkah dalam mencari median sebagian berikut (Yusuf,

2016):
1. Kelompok data dalam suatu distribusi frekuensi sebaiknya dimulai
dari kategori yang terendah
2. Menentukan frekuensi kumulatif dengan menjumlahkan frekuensi
dari kelas interval, terendah hingga kelas interval yang teratas.
3. Menentukan jumlah frekuensi dan kemudian menetapkan 50% dari
frekuensi itu (N/2). Frekuensi tersebut akan menunjukan pada
kelas interval mana median itu mungkin didapati.
4. Tetapkan batas bawah nyata (Bb).
5. Tentukan kfb.
6. Mengurangi n/2 dengan kfb.
7. Mengalikan hasil langkah 6 dengan i (interval)
8. Hasil langkah 7 ditambah dengan Bb.

5
3) Mode
Mode dapat diacari dalam data yang tidak dikelompokan maupun
dalam data yang dikelompokkan. Mode untuk distribusi tunggal atau
data yang tidak dikelompokkan ialah nilai yang paling banyak dicapai
responden atau dapat juga dikatakan nilai variabel yang mempunyai
frekuensi tertinggi. Adapun untuk distribusi dikelompokkan atau yang
bergolong adalah titik tengah dari kelas interval yang mengandung
frekuensi paling banyak didistribusi itu.
Contoh: untuk data berkelompok
Nilai Ujian X Frek.
80 - 89 84,5 2
70 - 79 74,5 9
60 - 69 64,5 14
50 - 59 54,5 9
40 - 49 44,5 9
30 - 39 34,5 1
Jumlah - 44
60  69
Mode dari data itu adalah  64,5
2

4) Standar Deviasi (SD)/Simpangan Baku

Langkah-langkah dalam mencari SD tersebut sebagai berikut
(Yusuf, 2016):
a) Susun skor atau kelas menurut urutannya, baik dalam kelompok
maupun yang tidak dikelompokkan.
b) Hitung rata-ratanya ( X ) .
c) Cari selisih masing-masing nilai atau kelompoknya (X- X ).
d) Kuadratkan selisih tersebut (X1- X )2, (X2- X )2, dan seterusnya.
Lalu jumlahkan kuadrat-kuadrat itu.
e) Bagi jumlah kuadrat dengan N. Bagi distribusi yang mempunyai N
kecil, gunakan N-1.

6
 f) Cari skor dari hasil langkah ke enam.
Standar deviasi dapat dicari untuk data yang dikelompokkan dan
untuk data yang tidak dikelompokkan. Seperti :
a) Data yang Tidak Dikelompokkan
2

SD 
X 2
 X 
  
N N 
 
b) Data yang Dikelompokkan
2 2
 fX   fX   fx   fx1 
2 2

SD    
 atau SD  i
1
  

N  N  N  N 

d. Teknik Analisis Data dalam Kelompok Nonparametrik

1) Chi-Square ( χ 2 )
Chi-square digunakan apabila dataa yang didapat nominal dan
variabelnya dua atau lebih. Rumusnya (Yusuf, 2016):
(f o  f h ) 2
χ2  
fh

Ket: fo = frekuensi yang diobservasi

fh = frekuensi harapan

2) Gamma (G)
Digunakan untuk mengetahui asosiasi dua variabel ordinal jika
hubungan kedua variabel itu simetris. Rumus (Yusuf, 2016):
Ns  Nd
G
Ns  Nd

Ket: Ns = angka pasangan yang diurutkan dalam rank yang

sama pada kedua variabel
Nd = angka pasangan yang diurutkan dalam rank yang
berlawanan pada kedua variabel

7
3) Mann-Whitney U Test
Digunakan apabila peneliti ingin membandingkan perbedaan dua
kelompok sampel yang idependen dan data berbentuk ordinal.
Langkah-langah kerja dalam mencari nilai U sebagai berikut (Yusuf,
2016):
a) Gabungkan data dari dua kelompok itu kemudian susunlah dari
yang tinggi ke yang rendah.
b) Tentukan urutan rank masing-masing skor itu bedasarkan data yang
telah disusun.
c) Pisahkan kembali menurut kelompoknya dan jumlah kan urutan
rank masing-masing kelompok, sehingga didapat ∑R1, ∑R2, N1,
dan N2.
d) Masukkan angka yang didapat ke dalam rumus.
N1 (N1  1)
U  N1 N 2  R 1
2
N (N  1)
U  N1 N 2  1 2 R 2
2
e) Nilai yang lebih kecil dari kedua cara diatas itulah nilai U yang
dicari.

4) Phi (φ)
Apabila kedua data penelitian yang dikumpulkan merupakan data
nominal dan hubungan bersifat simetris serta penglompokkan data
dijadikan tabel 2×2. Rumus (Yusuf, 2016):
(bc  ad )

(a  b)(c  d )(a  c)(b  d )

5) Spearman Rho
Apabila data yang dikumpulkan data ordinal (dapat diurutkan)
dengan N kecil (N ≤ 30) dan hubungan bersifat simetris (Yusuf, 2016).
6 D 2
Rho  1 
N(N 2  1)

8
 Ket: D = deviasi/selisih antara R1－R2
N = jumlah pasangan

6) Uji Tanda
Untuk mengetahui pengaruh dua pelakua misalnya bagaimana
pengaruh metode bermain peran (X) dan metode diskusi (Y) dalam
peningkatan hasil belajar. Percobaan dilakukan dalam lokasi atau
wilayah yang terbatas. Uji tanda menggunakan tanda plus (+) dan
tanda negatif (-). Apabila nilai X lebih besar dari Y diberi tanda positif,
dan apabila nilai X lebih kecil dari Y diberi tanda negatif. Apabila nilai
X sama dengan Y sampel itu diabaikan/diberi angka 0. Jika nilai tanda
yang paling sedikit lebih besar dari nilai dalam Tabel Kritis Uji Tanda,
maka Ha diterima (Yusuf, 2016).

7) Uji Wilcoxon
Wilcoxon merupakan perbaikan dari uji tanda, kalau dalam uji
tanda hanya tanda yang diperhatikan, sedangkan pada Wilcoxon juga
diperhatikan nilai selisih (X-Y). Jika jumlah harga mutlak yang paling
kecil (jumlah tanda) lebih kecil atau sama dengan nilai kritis Wilcoxon,
maka H0 diterima (Yusuf, 2016)

8) Uji Kruskal-Wallis
Digunakan untuk menguji perbedaan beberapa kelompok yang
independen, minimal tiga kelompok. Data yang diuji bersifat kontinyu
dan setidaknya berskala ordinal. Jumlah sampel dalam masing-masing
kelompok tidak perlu sama. Rumusnya (Yusuf, 2016):

 12   R 12 R 22 R 32 R 2k 
H     ...    3(N  1)
 N(N  1)   N1 N 2 N 3 Nk 

Ket: R1, R2, R3 = jumlah rangking kelompok 1, 2, 3

Rk = jumlah rangking kelompok k
N = jumlah semua pengamatan

9
e. Uji Persyaratan Sebelum Rumus Kelompok Parametrik
Uji persyaratan tersebut perlu dilakukan untuk mengetahui apakah data
yang dikumpulkan berdistribusi normal (uji normalitas), homogen (uji
homogenitas), dan linear (uji linearitas). Apabila data yang dikumpulkan
ialah data nominal dan ordinal, maka teknik yang digunakan dipilih dari
teknik dalam kelompok nonparametric yang sesuai dengan karakteristik data
yang terkumpul (Yusuf, 2016).
1) Uji Normalitas
a) Kertas Peluang Normal, caranya (Yusuf, 2016)
1. Data sampel disusun dalam bentuk distribusi frekuensi.
2. Selanjutnya presentasi kumulatif digambarkan pada kertas
grafik.
3. Apabila titik terletak pada garis lurus, maka dapat dikatakan
bahwa data yang dikumpulkan berdistribusi normal dan
populasi dari sampel yang diambil dapat dikatatakan akan
berdistribusi normal.
b) Menggunakan Rumus Chi-square
1. Tentukan batas nyata kelas untuk setip kelas interval.
2. Cari mean dan SD dari data.
3. Cari harga z untuk setiap batas kelas kemudian tentukan luas
daerah di bawah kurva setiap kelas innterval.
4. Cari frekuensi yang diharapkan untuk kelas interval dengan
mengalikan luas daerah masing-masing N.
5. Pada kolom terkahir masukan frekuensi observasi sesuai
dengan masing-masing kelas interval.
6. Cari nilai chi-square. Jika nilai chi-square kecil dari nilai tabel
batas penolakan maka data berdistribusi normal.

2) Uji Homogenitas
Diperlukan untuk membuktikan data yang homogen, sehingga segala
bentuk pembuktian menggambarkan yang sesungguhnya. Beberapa teknik
yang dapat digunakan yaitu uji Bartllet, uji Lavene, dan uji Cochran (Yusuf,

10
2016). Menurut Winarsunu (2012), harga F yang diharapkan yaitu yang tidak
signifikan (Fe < Ft) karena menunjukkan tidak adanya perbedaan (homogen).
Rumus untuk menguji homogenitas (Winarsunu, 2012):

, rumus varian (SD2)   X   X  /N

Varian tertinggi 2 2
Fmax 
Varian terendah N 1

3) Uji Linieritas
Cara yang dapat digunakan untuk uji linieritas adalah menggunakan
persamaan garis regresi/regresi ganda. Apabila nilai F yang dapat/diamati
lebih kecil dari nilai F tabel pada taraf signifikan maka dapat dikatakan linear
(Winarsunu, 2012).

f. Teknik Analisis Data dalam Kelompok Parametrik

1) Product Moment Correlation
Digunakan jika data yang dikumpulkan interval atau rasio. Rumus
(Yusuf, 2016):

rxy 
 xy atau rxy 
 xy
 x  y 
2 2
N. SD x SD y

Ket: rxy = koefisien korelasi X dan Y

Ʃxy = jumlah perkalian deviasi X dan Y
Ʃx2 = jumlah kuadrat deviasi skkor X dari X
Ʃy2 = jumlah kuadrat deviasi skor Y dari Y
SDx = standar deviasi X
SDy = standar deviasi Y
N = jumlah individu

2) Student’t
Jika peneliti ingin membuktikan perbedaan dua sampel yang
diambil dari dua kelompok populasi yang tersebar secara normal,
apabila simpangan baku populasi kedua kelompok sama dengan

11
besarnya tidak diketahui, maka dapat digunakan uji t (t test), dengan
X1  X 2
rumus: t 
X X2
1
2
2 1

1
N1  N 2  2 N1 N 2

Di mana: 2
ƩX = X 2

 X1 
2

1 1
N1

ƩX = X
2 2

 X2 
2

2 1
N2

3) Analisis Regresi Dua Prediktor

Persamaan regresi untuk dua prediktor sebagai berikut (Yusuf,
2016):
Y=
Keterangan: = koefesien ditentukan dengan metode kuadrat
terkecil
= konstant
Koefisien korelasi untuk dua prediktor:
a 1  x1 y  a 2  x 2 y
R y (1,2) 
 y2

4) Korelasi Parsial
Dalam analisi ini pengaruh variabel lain telah dikontrol, baik satu
variabel atau dua maupun tiga. Dengan demikian peneliti dapat
menemukan harga korelasi yang murni tanpa dipengaruhi variabel lain
(Yusuf, 2016).
ry2  ry1. r12
a. Variabel X1 yang dikontrol: ry2.1 
1  r 1  r 
2
y1
2
12

ry2  ry1.r12
b. Variabel X2 yang dikontrol: ry2.1 
1  r 1  r 
2
y2
2
12

12
5) Anova Satu Arah
Dalam analisis varians ini karena kelompok lebih dari dua, maka
ada tiga variabilitas yang dipahami, yaitu dalam kelompok, antar
kelompok, dan total (Yusuf, 2016). Langkahnya (Winarsunu, 2012):
a) Hitung jumlah kuadrat total (Jkt), antar kelompok (Jka), dan dalam
kelompok (Jkd),

 Jk t   X 2 
 X 2 , di mana  X 2 disebut suku koreksi (sk)
N N
  X1 2  X 2 2  Xk  
2
 Jk a     ...    sk
 n1 n2 nk 

 Jk d  Jk t  Jk a
b) Hitung derajat kebebasan (db) total, antar kelompok, dan dalam
kelompok,
 dbt = N－1, N = jumlah subjek
 dba = K－1, K = jumlah kelompok data/variabel
c) Hitung rata-rata kuadrat antar kelompok dan dalam kelompok,
Jk a Jk d
Rk a  dan Rk d 
db a db d
d) Menghitung rasio F empirik (Fe)
Rk a
F , jika Fe ≥ F tabel berarti signifikan.
Rk d

6) Anova untuk Rancangan Blok Acak Sempurna

Digunakan jika tidak ada varian antarblok. Cara-caranya (Yusuf,
2016):
(T) 2
a) Faktor Koreksi (FK) 
rt
Ket: T = jumlah total
r = jumlah perlakuan
t = jumlah blok/replikasi
b) Jumlah kuadrat total: Jk t  (X ij )  FK

13
 (P1 ) 2
c) Jumlah kuadrat antar perlakuan: Jk p   FK
t
(Pij ) 2
d) Jumlah kuadrat antar blok: Jk b   FK
t
e) Jumlah kuadrat kekeliruan: Jk e  Jk t  Jk p  Jk b

f) Derajat kebebasan (df):

 dft = N－1
 dfp = p－1
 dfb = t－1
 dfe = (r－1)(t－1)
g) Jumlah kuadrat:
Jk p
 RJk p 
df p
Jk b
 RJk b 
df b
Jk e
 RJk e 
df e
h) Cari nlai F
RJk p RJk b
Fp  dan Fb 
RJk e RJk e

7) Anova untuk Rancangan Bujur Sangkar Latin

Dalam rancangan ini pemblokan dilakukan secara ganda dan tiap
perlakuan terdapat satu dan hanya satu kali dalam tiap baris, dan satu
kali dalam tiap kolom. Yang perlu dicari adalah faktor koreksi (FK),
jumlah kuadrat perlakuan (Jkp), jumlah kuadrat kolom (Jkk), jumlah
kuadrat baris (Jkb), total (Jkt), kekeliruan (Jke), dan rata-rata jumlah
kuadrat perlakuan, kolom, baris, kekeliruan serta mencari nilai F baris
dan F kolom (Yusuf, 2016).

14
8) Anova untuk Rancangan Faktorial
Mengetahui pengaruh beberapa faktor/perlakuan yang terdiri dari
beberapa taraf secara bersamaan (Yusuf, 2016). Anova ini disebut juga
anova ganda yang digunakan untuk menguji perbedaan antara
kelompok-kelompok data yang terdiri dari 2 variabel bebas atau lebih.
Langkahnya (Winarsunu, 2012):
a) Hitung jumlah kuadrat


2
Jk t   X t 
 X t 2
N
  X A1 2  X A2 2  X k 2   sk
 Jk A     ...  
 n A1 n A2 nk 

  X B1 2  X B2 2  X k 2   sk
 Jk B     ...  
 n B1 n B2 nk 

  X AB 2 
 Jk AB     sk  (Jk A  Jk B )
 n AB 
 Jk d  Jk t  (Jk A  Jk B  Jk AB )
b) Hitung derajat kebebasan (db)
 db t  N  1
 db A  db B  K  1
 db AB  db A  db B
 db d  db t  (db A  db B  db AB )
c) Hitung rata-rata kuadrat
Jk i
Rk i  , di mana i = A, B, AB, d
db i
d) Hitung nilai F
Rk i
Fi  , di mana i = A, B, AB
Rk d

9) Analisis Kovarian (Anakova)

Merupakan perpaduan teknik analisis regresi (anareg) dan analisis
varian (anova). Dalam anakova diadakan analisis residu pada garis
regresi, yaitu dengan membandingkan varian residu antarkelompok
dengan varian residu dalam kelompok (Yusuf, 2016; Winarsunu, 2012).

15
a) Hitung jumlah kuadrat total pada kriterium/variabel terikat (Y),
kovariabel/variabel kendali (X), dan product (XY).
2
  Yt 
2
 Jkt Y   Y  t 
 N 
2
  Xt 
2
 Jkt X   X  t 
 N 

 Jkt XY   X t Yt 
 X t  Yt 
N
b) Hitung Jkd kriterium (Y), kovarian (X), dan product (XY)
  Y1 2  Y2 2  Yk 2 
 Jkd Y   Yt2     ...  
 n1 n2 nk 

  X1 2  X 2 2  X k 2 
 Jkd X   X 2t     ...  
 n1 n2 nk 

  X1  Y1   X 2  Y2   Xk  Yk 

 JkdXY   X t Yt     ...  
 n1 n2 nk 
c) Cari jumlah kuadrat residu (Jkres) total, dalam, dan antar
kelompok

 Jkres t  Jkt Y 
Jkt XY 2
Jkt X

 Jkresd  Jkd Y 
Jkd XY 
2

Jkd X
 Jkresa  Jkres t  Jkresd
d) Cari db total, dalam, dan antar kelompok
 db t  N  2
 db d  K  1
 db a  N  K  1
e) Cari rata-rata kuadrat residu (Rkres) antar dan dalam kelompok
Jkres i
Rkres i  , di mana i = a, d
db i
f) Hitung F residu
Rkres a
F , F empirik > F tabel (signifikan)
Rkres d

16
g. Pengujian Hipotesis
Pengujian hipotesis pada prinsipnya untuk menentukan apakah hipotesis
yang diajukan diterima atau ditolak sesuai dengan keadaan data yang
sebenarnya bukan untuk membenarkan hipotesis yang telah disusun.
1) Dua Macam Kekeliruan
Ada dua macam kekeliruan yang didapat dalam pengujian hipotesis:
a) Tipe I, yaitu menolak hipotesis yang seharusnya diterima.
b) Tipe II, yaitu menerima hipotesis yang seharusnya ditolak.
Peluang kekeliruan tipe I dilambangkan dengan (alpha), sedangkan
kekeliruan tipe II dilambangkan dengan (beta). Kekeliruan disebut juga
taraf signifikansi. Makin besar alpha yang dipakai peneliti, maka makin besar
pula tingkat kekeliruan hipotesis, makin besar pula tingkat kekeliruan tipe I
yang diambilnya. Sebaliknya, makin kecil beta yang diambil makin besar
pula kekeliruan tipe I. Peluang terjadinya kekeliruan tipe I (1- ) disebut
dengan uji atau kuasa uji. Supaya lebih jelas kedua tipe kekeliruan itu
perhatikanlah tabel berikut (Yusuf,2016):
Hipotesis Kesimpulan kekeliruan
Hipotesis benar Terima hipotesis Tidak ada kekeliruan
Tolak hipotesis Kekeliruan tipe I
Hipotesis salah Tolak hipotesis Tidak ada kekeliruan
Terima hipotesis Kekeliruan tipe II

2) Langkah-langkah pengujian hipotesis

Tentukan terlebih dahulu apakah hipotesis yang akan diuji itu hipotesis
nihil atau hipotesis kerja. Selanjutnya baru ditentukan kriteria pengujian yang
merupakan daerah penolakan (daerah kritik) dan daerah penerima, dengan
menentukan tarah signifikan atau taraf kepercayaan.
Contoh hipotesis: tidak ada perbedaan kemampuan mahasiswa yang di ajar
dengan metode diskusi dan metode ceramah
Hipotesis ini adalah hipotesis nihil dan dapat diolah dengan rumus th .
Dengan menentukan taraf signifikan ( = 0,05), maka hasil (yang
diobservasi) dibandingkan dengan t sesuai dengan daerah kritik yang

17
 telah ditetapkan. Seandainya hasil yang dapat ( ) lebih kecil dari harga t
pada daerah kritik, maka hipotesis tersebut diterima, apabila lebih besar,
maka hipotesis ditolak (Yusuf, 2016).

B. Laporan
Secara umum, laporan penelitian mengandung serangkaian informasi dari
awal menemukan masalah, melakukan penelitian, sampai menyampaikan hasil
penelitian. Setelah melalui tahapan penulisan laporan penelitian, peneliti harus
memperhatikan bahwa laporan ini untuk dibaca orang lain. Jika sasaran
pembacanya dari kalangan akademis gunakan bahasa teknis yang sudah umum
digunakan di bbidang itu. Jika sasarannya kalangan umum, gunakan bahasa yang
lebih mudah dipahami. Untuk membuat laporan yang baik, berikut tahapannya
(Barlian, 2016):
1. Langkah pertama adalah buat garis besar mengenai permasalahan yang
dibahas dalam penelitian yang akan berguna bagi anda untuk mengarahkan
pada apa yang akan anda tuangkan dalam laporan penelitian, sehingga isi
laporan tidak akan menyimpang.
2. Membatasi masalah penelitian setelah mengidentifikasi permasalahan
penelitian, lalu dilanjutkan dengan menetapkan tujuan penelitian (kontrak
kerja yang akan dilakukan) dan manfaat dari penelitian tersebut.
3. Membuat kajian pustaka yang merangkum dan menempatkan permasalahan
yang diangkat ke dalam rangkaian teori yang digunakan dalam penelitian.
4. Membuat rangkaian kegiatan yang sudah dilakukan sehingga kegiatan yang
sudah dilakukan dapat dipertanggung jawabkan sesuai kaidah ilmiah. Proses
ini sering diabaikan oleh peneliti, padahal dengan membaca bagian ini,
pembaca bisa melihat seberapa jauh prosedur yang sudah dilakukan benar
secara metodologi. Semakin pembaca mengakui kebenaran proses yang
dilakukan, semakin valid data yang sudah dihasilkan.
5. Langkah berikutnya adalah membuat tentang data apa yang akan ditampilkan
sebagai hasil temuan di lapangan dan melakukan analisis data sesuai
ketentuan yang telah disampaikan pada metodologi.

18
6. Selanjutnya hasil analisis yang sudah dilakukan mengambarkan keterkaitan
antara hasil temuan dengan kerangka berfikir/kajian teori yang digunakan
dalam penelitian.
7. Membuat kesimpulan, rekomendasi dan saran serta melengkapi bagian depan
untuk menjelaskan isi laporan dan bagian belakang mendukung atau
membuktikan isi laporan penelitian.

C. Skripsi
1. Judul: Hubungan antara Kepercayaan Diri dengan Kecemasan pada
Mahasiswa Psikologi Semester VI (Enam) yang akan
Menghadapi Skripsi
Penulis: Ummu Aiman (Fak. Psikologi UIN Maulana Malik Ibrahim
Malang)
Tahun: 2016
Teknik Analisis Data: Teknik korelasi product moment

Artinya, ketika kepercayaan diri mahasiswa tinggi maka kecemasan

menurun dan sebaliknya.
a. Uji Normalitas (jika Sig. > 0,05 maka dapat dikatakan normal

b. Uji Linieritas (jika Sig. < 0,05 maka dikatakan linier)

19
2. Judul: Hubungan antara Gratitude dan Psychological Well-Being pada
Mahasiswa
Penulis: Fitri Octaviani Putri (Fak. Psikologi UI)
Tahun: 2012
Teknik Analisis Data: Teknik analisis korelasi Pearson (product
moment) dan independent sample T-test

3. Judul: Hubungan antara Karakteristik Pekerjaan dengan Komitmen

Organisasi
Penulis: Indah Purwaningsih (Fak. Psikologi Universitas
Muhammadiyah Surakarta)
Tahun: 2008
Teknik Analisis Data: Product moment dan untuk mengetahui aspek
mana yang paling berpengaruh pada variabel
karakteristik pekerjaan dengan komitmen
organisasi, peneliti menggunakan analisis
regresi.

20
a. Uji Normalitas: Hasil uji normalitas pada variabel karakteristik
pekerjaan diperoleh nilai kuadrat = 10,852; p = 0,286 (p>0,05).
Hasil tersebut menunjukkan bahwa sebaran data variabel
karakteristik pekerjaan memenuhi distribusi normal. Hasil uji
normalitas variabel komitmen organisasi diperoleh nilai kai kuadrat
= 10,567; p = 0,227 (p>0,05). Hasil tersebut menunjukkan bahwa
sebaran data variabel komitmen organisasi memenuhi distribusi
normal.
b. Uji Linieritas: berdasarkan uji linieritas diperoleh nilai F beda =
0,083 p = 0,772 (p>0,05). Hasil tersebut menunjukkan bahwa
variabel bebas (karakteristik pekerjaan) dengan variabel tergantung
(komitmen organisasi) memiliki korelasi yang searah (linier).

21
 DAFTAR PUSTAKA
Buku:
Barlian, Eri. 2016. Metodologi Penelitian Kualitatif & Kuantitatif. Padang:
Sukabina.
Winarsunu, Tulus. 2012. Statistik dalam Penelitian Psikologi & Penelitian.
Malang: UMM Press.
Yusuf, A. Muri. 2016. Metodologi Penelitian: kuantitatif, kualitatif & penelitian
gabungan. Jakarta: Prenadamedia Group.

Skripsi:
Aiman, Ummu. 2016. “Hubungan antara Kepercayaan Diri dengan Kecemasan
pada Mahasiswa Psikologi Semester VI (Enam) yang akan Menghadapi
Skripsi”. Skripsi. Malang: UIN Maulana Malik Ibrahim Malang.
Purwaningsih, Indah. 2008. “Hubungan antara Karakteristik Pekerjaan dengan
Komitmen Organisasi”. Skripsi. Surakarta: Universitas Muhammadiyah
Surakarta.
Putri, F. O. 2012. “Hubungan antara Gratitude dan Psychological Well-Being
pada Mahasiswa”. Skripsi. Depok: Universitas Indonesia.

22
Lampiran

23