MAKALAH

Menyelesaikan Hasil Skripsi

DISUSUN OLEH:

Cindy Herwiti

En-nida Gelbie Chalisha

M. Raisya Arief Fadillah Hasibuan

Putri Anggri Devita

Resi Lestari

Riski Pradika

Shania Milli Theresa

Zuhal Bin Hasbi

PROGRAM STUDI PENDIDIKAN DOKTER

FAKULTAS KEDOKTERAN DAN ILMU KESEHATAN

UNIVERSITAS ABDURRAB

PEKANBARU

2019/2020
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT atas limpahan rahmat dan anugerah dari-
Nya kami dapat menyelesaikan makalah ini. Shalawat dan salam senantiasa kami
ucapkan kepada junjungan alam yakni Nabi Muhammad SAW yang telah
menunjukkan kepada kita semua jalan yang lurus berupa ajaran agama Islam yang
sempurna dan menjadi anugerah terbesar bagi seluruh alam semesta.

Proses pembuatan makalah yang berjudul Menyelesaikan Hasil Skripsi ini

tidaklah mudah dan singkat. Banyak tahap dan pihak yang terlibat dalam
pembuatan laporan ini. Oleh karena itu kami mengucapkan terimakasih kepada
Dosen serta rekan-rekan yang ikut berpartisipasi. Kami berharap semoga laporan
makalah ini bermanfaat bagi kita semua.

Laporan makalah ini tidaklah sempurna oleh karena itu, kritik dan saran
yang membangun demi perbaikan makalah ini sangatlah kami harapkan.

Pekanbaru, April 2020

Tim Penulis

i
 DAFTAR ISI

KATA PENGANTAR.........................................................................................................i
DAFTAR ISI.....................................................................................................................ii
BAB I PEMDEHULUAN....................................................................................................1
1.1 Step 1 Clarifying Unfamiliar Terms........................................................................... 1
1.2 Step 2 Problem Definition........................................................................................ 2
1.3 Step 3 Brainstorming.......................................................................................... 2
1.4 Step 4 Analyzing the Problem (spider web).............................................................. 2
1.5 Step 5 Learning Objective......................................................................................... 3
1.6 Step 6 Self Studying.................................................................................................. 3
1.7 Step 7 Reporting...................................................................................................... 3
BAB II ISI........................................................................................................................4
2.1 Penelitian Asosiatif................................................................................................... 4
2.2 Pemilihan Jenis Uji Hipotesis Asosiatif..................................................................... 5
2.3 Uji Chi Square dan Koefisien Asosiasi untuk data Nominal.................................... 11
2.4 Macam-macam Uji Regresi.................................................................................... 17
2.5 Hasil Uji Regresi..................................................................................................... 20
2.6 Perbedaan Penelitian Asosiatif dengan penelitian Komparatif..............................30
BAB III PENUTUP.......................................................................................................322
3.1 Kesimpulan..........................................................................................................322
3.2 Saran....................................................................................................................322
DAFTAR PUSTAKA……………………………………………………………………………………………………..33

ii
 BAB I

PENDAHULUAN
SKENARIO

Menyelesaikan Hasil Skripsi

Roni ingin melihat hubungan nilau pretest praktikum dengan nilai ujuan
praktikum anatomi. Nilai pretest dan nilai ujian praktikum anatomi tersedia di
dalam skala numerik dan data terdistribusi normal. Hasil uji kolerasi diperoleh p-
value 0,003 dengan koefisien kolerasi +0,8. Pembimbing menyarankan agar Roni
melanjutkan dengan uji regresi.

1.1 Step 1 Clarifying Unfamiliar Terms

• Skala numerik :
• Uji kolerasi : metode yang bertujuan untuk mengujii data, men dan
menyimpulkan hasil penelitian.
• Uji regresi : suatu yang dapat mepengaruhi dan dapat menimbulkan kesalahan
dari suatu penelitian dari faktor yang tidak di amati.

Keyword
• Hasil skripsi
• Skala numerik
• Data terdistribusi normal
• Uji regresi
• Uji kolerasi
• Nilai p-value 0,003
• Koefisien kolerasi +0,8

33
 1.2 Step 2 Problem Definition

1. Mengapa pembimbing menyarankan agar melanjutkan uji regresi?

2. Apa saja syarat data terdistribusi normal?
3. Jika data terdistribusi normal,metode analisis apakan yang digunakan?
4. Apa saja klasifikasi dari uji regresi?
5. Apa saja klasifikasi dari uji kolerasi?
6. Apa makna diperoleh p-value 0,003 dan koefisien kolerasi +0,8?
7. Apa saja koefisien selain koefisien kolerasi?
8. Apa saja contoh data dari skala numerik?
9. Apa saja skala data selain skala numerik?

1.3 Step 3 Brainstorming

1.4 Step 4 Analyzing the Problem (spider web)

2
 1.5 Step 5 Learning Objective
1. Mahasisawa mampu memahami dan menjelaskan tentang penelitian
asosiatif/koleratif:
• Tujuannya
• Ciri-cirinya
• Masalahnya
2. Mampu menjelaskan tentang uji statistik apa saja yang digunakan untuk menjawab
hipotesis asosiatif/koleratif baik parametrik maupun non-parametrik
3. Menjelaskan pemilihan uji statistik untuk penelitian asosiatif berdasarkan skala
data
4. Menjelaskan tentang uji kolerasi:
• Pearson vs spearman
• Menjelaskan makna koefisien kolerasi (r= +0,8)
2
• Dan koefisien determinan (r )
5. Menjelaskan tentang uju Chi Square dan koefisien asosiasi untuk data nominal
6. Menjelaskan macam-macam uji regresi dan kedudukan uji regresi dalam
penelitian asosiatif
7. Menjelaskan hasil yang diperoleh dari dengan uji regresi (rumus)

1.6 Step 6 Self Studying

1.7 Step 7 Reporting

3
 BAB II

ISI

2.1 Penelitian Asosiatif

2.1.1 Definisi Penelitian Asosiatif
Adalah suatu pernyataan yang menunjukan dugaan tentang
1
hubungan antara dua variable atau lebih. Hipotesis asosiatif
dinyatakan dengan kalimat yang menunjukkan dugaan tentang
hubungan, korelasi, atau asosiasi antara variabel independen (X)
terhadap variabel dependen (Y). Hubungan dapat terjadi antara satu
variabel independen dengan satu variabel dependen atau antara
beberapa variabel independen terhadap satu variabel dependen.
Peneliti juga dapat menambah variabel moderator atau variabel
lainnya (Z) apabila diperlukan. Semua variabel yang dianalisis
dengan analisis korelasi harus memiliki skala pengukuran interval
atau rasio. Apabila salah satu variabel memiliki skala pengukuran
2
yang lebih rendah (nominal atau ordinal).
Terdapat tiga macam bentuk hubungan antar variable, yaitu
hubungan simetris, hubungan sebab akibat, dan hubungan iteraktif.
Untuk mencari hubungan antara dua variabel atau lebih dilakukan
dengan menghitung korelasi antar korelasi yang akan dicari hubungan
nya . korelasi merupakan angka yang menunjukan arah dan kuatnya
hubungan antar dua variabel atau lebih arah di nyatakan dalam bentuk
hubungan posetif dan negative. Sedangkan kuatnya hubungan di
1
nyatakan dalam besarnya hubungan koefisien korelasi.

2.1.2 Tujuan Penelitian Asosiatif

untuk Ingin mengetahui ada-tidaknya dan besarnya
hubungan antara pengaruh variabel satu dengan variabel lain dalam
populasi yang akan di uji melalui hubungan antara variabel dalam

4
 sampel yang diambil dari populasi tersebut.dan setidaknya
2
memiliki sekurang-kurangnya dua variabel yang akan di teliti.
Untuk mengetahui kecenderungan hubungan variabel yang
satu dengan variabel yang lainnya dan akan di peroleh besarnya
hubungan antara variabel.
2.1.3 Ciri-ciri Penelitian Asosiatif
Koefisien korelasi antara variabel yang satu dengan
variabel yang lainya biasanya digambar kan menggunakan diagram
3
pencar (scatter gram). Variabel yang di analisis hubunganya
adalah variabel tergantung (dependent variabel) dengan variabel-
variabel bebas (independen variabel). Berdasarkan jumlah variabel
biasanya dibedakan menjadi bivariat dan multivariate dan arah
hubungan nya bias kearah positif dan negative dan juga penelitian
3
ini tidak harus apakah ada hubungan sebab akibat atau tidak.

2.2 Pemilihan Jenis Uji Hipotesis Asosiatif

A. Berdasarkan Skala Data
Terdapat bermacam-macam teknik Statistik Kolerasi yang dapat
digunakan untuk menguji hipotesis asosiatif. Koefisien mana yang akan
dipakai tergantung pada jenis data yang akan dianalisis. Berikut ini
dikemukakan berbagai teknik statistikkolerasi yang digunakan untuk
menguji hipotesis asosiatif. Untuk data normal dan ordinal digunakan
statistik nonparametris dan untuk data interval dan rasio digunakan
1
statistik parametris.

TABEL 7.1

5
 PEDOMAN UNTUK MEMILIH TEKNIK KOLERASI
DALAM PENGUJIAN HIPOTESIS
Macam/Tingkat Data Teknik Kolerasi yang Digunakan
Nominal 1. Koefisien Kontingensi
Ordinal 1. Spearman Rank
2. Kendal Tau
Interval dan Rasio 1. Pearson Product Moment
2. Kolerasi Ganda
3. Kolerasi Parsial

B. Statistika Parametris
1. Korelasi Product Moment
Teknik korelasi ini digunakan untuk mencari hubungan dan
membuktikan hipotesis hubungan dua variable bila data kedua variable
berbentuk interval atau ratio, dan sumber data dari dua variable atau
lebih tersebut adalah sama.
Berikut adalah rumus yang paling sederhana yang dapat digunakan
untuk menghitung koefisien korelasi :

Bila akan sekaligus menghitung persamaan regresi :

6
 Dalam analisis korelasi terdapat suatu angka yang di sebut dengan
2
koefisien determinasi, adalah kuadran dari koefisien korelasi ( r ).
Koefisien ini disebut koefisien penentu, karena varians yang terjadi
pada variabel dependent dapat dijelaskan melalui varians yang terjaadi
1
pada variabel independent.

2. Korelasi Ganda
Korelasi ganda (multiple correlation) merupakan angka yang
menunjukkan arah dan kuatnya hubungan antara dua variable
independent secara bersama-sama atau lebih dengan satu variable
dependent. Simbol korelasi adalah R. Pemahaman tentang korelasi
ganda dapat dilihat gambar :

3. Korelasi Parsial
Korelasi Parsial digunakan untuk menganalisis bila peneliti
bermaksud mengetahui pengaruh atau hubungan antara variable
independent dan dependent, dimana salah satu variable independent nya

7
 dibuat tetap/dikendalikan. Jadi korelasi parsial merupakan angka yang
menunjukkan arah dan kuatnya hubungan antara dua variable atau
lebih, setelah satu variable yang diduga dapat mempengaruhi
1
hubungan variable tersebut tetap/dikendalikan.
Rumus untuk korelasi Parsial :

(1)
C. Statistik Nonparametris
1. Koefisien Kontingansi
Koefisien kontingansi digunakan untuk menghitung hubungan
antar variable bila datanya berbentuk nominal. Teknik ini mempunyai
kaitan erat dengan Chi Kuadrat yang digunakan untuk menguji
hipotesis komparatif k sampel independent. Oleh karena itu, rumus
yang digunakan mengandung nilai Chi Kuadrat. Rumusnya adalah :

2. Korelasi Spearman Rank

Kalau pada korelasi product moment, sumber data untuk variable
yang akan dikorelasikan adalah sama, data yang dikorelasikan adalah
data interval atau rasio, serta data dari kedua variable masing masing
membentuk distribusi normal, maka dalam korelasi spearman rank,
sumber data untuk kedua variable yang akan dikonversikan dapat
berasal dari sumber yang tidak sama, jenis data yang dikorelasikan
adalah data ordinal, serta data dari kedua variable tidak harus
membentuk distribusi normal. Jadi Korelasi Spearman Rank adalah
bekerja dengan data ordinal atau berjenjang atau rangking, dan bebas
distribusi. Rumusnya adalah :

8
 3. Korelasi Kendal Tau ( )
Seperti dalam korelasi Spearman Rank, Korelasi Kendal Tau( )
digunakan untuk mencari hubungan dan menguji hipotesis antara dua
variable atau lebih, bila datanya berbentuk ordinal atau rangking.
Kelebihan teknik ini bila digunakan untuk menganalisis sampel yang
jumlah anggotanya lebih dari 10 dan dapat dikembangkan untuk
1
mencari koefisien korelasi parsial.

D. Koefisien Kolerasi dan Koefisien Determinasi

a. Koefisien Korelasi
Kuatnya hubungan antara dua variabel dinyatakan dalam besarnya
4
koefisien korelasi. Korelasi positif terjadi apabila kedua variabel atau
lebih yang berhubungan itu menunjukkan adanya perubahan yang
searah. Artinya, kenaikan variabel X selalu diikuti oleh kenaikan

9
 variabel Y, begitu juga sebaliknya. Korelasi negative terjadi apabila
kedua variabel atau lebih yang berhubungan itu menunjukkan adanya
perubahan yang berlawanan arah. Artinya, kenaikan variabel X selalu
diikuti oleh penurunan Y, begitu sebaliknya. Korelasi tidak berpola
terjadi apabila perubahan yang terjadi tidak jelas naik turunnya (tidak
5
sistematis).
Arah korelasi tersebut ditunjukkan oleh suatu harga yang disebut
koefisien korelasi (r). Koefisien korelasi bergerak dari -1,0 sampai
dengan +1,0. Korelasi tertinggi adalah -1,0 atau +1,0, sedang korelasi
terendah adalah 0. Tanda minus (-) menunjukkan adanya korelasi yang
berlawanan (tidak searah) sedangkan tanda plus (+) menunjukkan
adanya korelasi yang searah. Namun sangat jarang dijumpai korelasi
yang koefisien korelasinya benar-benar sempurna (+1,0 atau -1,0) atau
5
benar-benar tidak ada korelasi (Nihil 0).
Interpretasi Nilai Koefisien Korelasi (r)

Nilai r Interpretasi

0,900 s.d. 1.000 (-0,900 s,d, -1,000) Korelasi (+/-) Sangat Tinggi

0,700 s.d. 0.900 (-0,700 s,d, -0,900) Korelasi (+/-) Tinggi

0,500 s.d. 0.700 (-0,500 s,d, -0,700) Korelasi (+/-) Sedang

0,300 s.d. 0.500 (-0,300 s,d, -0,500) Korelasi (+/-) Rendah

0,000 s.d. 0.300 (-0,000 s,d, -0,300) Korelasi (+/-) Tidak Berarti

6
b. Korelasi Determinasi
Koefisien determinasi bertujuan untuk mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen. Nilai
koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil
menunjukkan bahwa kemampuan variabel-variabel independen dalam
menjelaskan variabel dependen amat terbatas. Klasifikasi koefisien
korelasi tanpa memperhatikan arah adalah sebagai berikut:
1. 0 : Tidak ada Korelasi

10
 2. 0 s.d. 0,49 : Korelasi lemah
3. 0,50 : Korelasi moderat
4. 0,51 s.d.0,99 : Korelasi kuat
5. 1,00 : Korelasi sempurna

2.3 Uji Chi Square dan Koefisien Asosiasi untuk data Nominal
Uji Chi Square merupakan statistik non parametrik untuk menguji
hipotesis komparatif rata-rata dua sampel independen.dimana setiap sampel
terdapat beberapa kategori/klas.data yang digunakan adalah data nominal.
Chi- square digunakan untuk mencari hubungan dan tidak dapat untuk
1
melihat seberapa besar hubungannya.

Rumusnya adalah :

Dimana :

2
X = Chi kuadrat

F0 = frekuensi yang diobservasi

Fh=frekuensi yang diharapkan

Syarat :

1. Tidak ada nilai cell dengan nilai frekuensi kenyataan atau disebut dengan
Actual Count (F0) sebesar 0 (nol)
2. Apabila bentuk tabel kontingensi 2 x2 , maka tidak boleh ada 1 cell saja
yang memiliki frekuensi harapan atau disebut juga expected count (fh) kurang dari 5

11
3. Apabila bentuk tabel lebih dari 2x3 misal 2x3 maka jumlah cell dengan
frekuensi harapan yang kurang dari 5 tidak boleh lebih dari 20%

Contoh : penelitian terhadap hubungan merokok dengan kanker paru

Rokok Kanker total

1(tidak kanker) 2(kanker)
1(tidak 13 (a) 4 (b) 17
merokok)
2(merokok) 2 (c) 30 (d) 32

12
 total 15 34 49

2
Cell Fo Fh Fo-fh (Fo-fh) (fo-
2
fh) /fh
Tidak 13 17/49x15= 5,2 7,8 60,84 11,7
merokok
dan tidak
kanker
Tidak 4 11,8 -7,8 60,84 5,15
merokok
dan kanker
Merokok 2 9,8 -7,8 60,84 6,2
dan tidak
kanker
Merokok 30 22,2 7,8 60,84 2,74
dan kanker
25,79
Dk(derajat kebebasan) = (s-1)x(k-1)

bila kategorinya hanya dua , maka dk=(2-1)x(2-1)

DF: (k-1)(k-1)

DF: (2-1)(2-1) = 1

Chi quadrat hitung: 25,79

Chi quadrat tabel: 3,841

Untuk dapat membuat keputusan tentang hipotesis yang diajukan atau ditolak,
maka harga chi kuadrat tersebut perlu dibandingkan dengan chi kuadrat tabel
dengan dk dan taraf kesalahan tertentu. Dalam hal ini berlaku ketentuan bila chi
kuadrat hitung lebih kecil dari tabel, maka Ho diterima,dan apabila lebih besar
atau sama dengan harga tabel maka Ho ditolak

13
Uji Chi Square dengan SPSS

Hasil interpretasi

14
15
i. Hal pertama yang dilhat ialah pada Chi square tests, pastikan bahwa
tidak ada sel dengan nilai< 5. Kemudian lihat nilai P pada symmetric measure, jika <0,05
maka hipotesis terbukti. Untuk risiko dengan disain case control dapat dilihat pada Odds
Ratio (OR), OR sebesar 48 maknanya perokok memiliki risiko 48 kali lipat untuk menderita
kanker paru dibandingkan dengan non perokok.
ii. Jika disain studi cohort maka dapat dilihat risk estimate cohort yang
pertama untuk kejadian kanker paru =1 dengan merokok sebesar 12,235 bermakna bahwa
tidak merokok memiliki kemungkinan 12,235 kali untuk tidak menderita kanker paru. Untuk
risk estimate kanker paru=2 sebesar 0,251 bermakna bahwa merokok memiliki kemungkinan
0,251 kali untuk menderita kanker paru.

Koefisien kontingansi

Digunakan untuk menghitung hubungan antar variabel bila datanya

1
berbentuk nominal.rumus yang digunakan mengandung nilai chi kuadrat.

Koefisien kontingensi :

C: (25,79)/ 49+25,79
√C=25,79/74,79
=√ 0,344

= 0,587

Hasil : dengan demikian dapat disimpulkan Ho ditolak dan Ha diterima,

16
 terdapat hubungan merokok dengan kanker paru. Dan mempunyai hubungan
signifikan sebesar 0,587.

2.4 Macam-macam Uji Regresi

Terdapat perbedaan yang mendasar antara analisis korelasi dan regresi.
Analisis korelasi digunakan untuk mencari arah dan kuatnya hubungan antara
dua variable atau lebih, baik hubungan yang bersifat simetris, kausal dan
reciprocal, sedangkan analisis regresi digunakan untuk memprediksikan
seberapa jauh perubahan nilai variabel dependen, bila nilai variabel
1
independen di manipulasi/dirubah-rubah.
Korelasi dan regresi keduanya mempunyai hubungan yang sangat erat.
Setiap regresi pasti ada korelasinya, tetapi korelasi belum tentu dilanjutkan
dengan regresi. Korelasi yang tidak dilanjutkan dengan regresi, adalah
korelasi antara dua variabel yang tidak mempunyai hubungan kasual/sebab
akibat, atau hubungan fungsional.
Hubungan antara panas dengan tingkat muai panjang, dapat dikatakan
sebagai hubungan yang kausal, hubungan antara kepemimpinan dengan
kepuasan kerja pegawai dapat dikatakan hubungan yang fungsional,
hubungan antara kupu-kupu yang datang dengan banyaknya tamu di rumah
bukan merupakan hubungan kausal maupun fungsional.
Kita gunakan analisis regresi bila kita ingin mengetahui bagaimana
variabal dependen/kriteria dapat diprediksikan melalui variabel independen
atu variabel prediktor, secara individual. Dampak dari penggunaan analisis
regresi dapat digunakan untuk memutuskan apakah naik dan menurunnya
variabel dependen dapat dilakukan melalui menaikan dan menurunkan
keadaan variabel independen, atau meningkatkan keadaan variabel dependen
1
dapat dilakukan dengan meningkatkan variabel independen/dan sebaliknya.

Regresi Linear
Sederhana
Regresi
Regresi Linear
Berganda

17
 A. Regresi Linear Sederhana
Regresi linier sederhana bertujuan untuk memperkirakan besarnya
efek kuantitatif dari perubahan suatu kejadian terhadap kejadian lain.
7
Perubahan variabel terikat terhadap variabel bebas.
Regresi sederhana didasarkan pada hubungan fungsional ataupun
kausal antara satu variabel independen dengan satu variabel dependen.
1
Persamaan umum regresi linier sederhana adalah :

Dimana :
ý = subyek dalam variabel dependen yang
diprediksikan a = harga Y bila X = 0 (harga konstan)
b = angka arah atau koefisien regresi, yang menunjukkan angka
peningkatan ataupunpenurunan variabel dependen yang didasarkan
pada variable independen. Bila b (+) maka naik, dan bila (-) maka
terjadi penurunan.
X = subyek pada variabel Independen yang mempunyai nilai tertentu

B. Regresi Linear Berganda

Regresi linier berganda bertujuan untuk memperkirakan nilai
variabel Y terikat dari variabel lain yang mempengaruhinya. Dengan
demikian, akan ada hubungan antara variabel tidak bebas Y dengan
7
beberapa variabel lain yang bebas X1, X2, X3, ....Xn.
Analisis regresi ganda digunakan oleh peneliti, bila peneliti
bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel
dependen (kriterium), bila dua atau lebih variabel independen sebagai

18
 prediktor dimanipulasi (dinaik-turunkan nilainya). Jadi analisis regresi
1
ganda akan dilakukan bila jumlah variabel independennya minimal 2.
1. Regresi Ganda Dua Prediktor
Contoh : pengaruh kemampuan kerja pegawai dan
kepemimpinan direktif terhadap produktivitas kerja pegawai.
Keterangan:
Y = produktivitas , X1 =kemampuan kerja pegawai , X2
=kepemimpinan direktif.
Persamaan regresi untuk dua prediktor adalah : Y =
a+b1X1+b2X2
2. Analisis Regresi Tiga Prediktor
Contoh : Hubungan antara kemampuan kerja, pemahaman
terhadap tugas , motivasi kerja dan produktivitas kerja.
Keterangan:
X1 = kemampuan kerja
X2 = pemahaman terhadap tugas
X3 = motivasi kerja
Y = produktivitas kerja
Persamaan regresi untuk tiga prediktor adalah : Y
=a+b1X1+b2X2+b3X3
3. Regresi 4 prediktor
Contoh = mencari persamaan regresi dan hubungan antara
pemagangan (X1) sikap (X2) kepuasan kerja (X3) dan disiplin
kerja (X4) terhadap prestasi kerja (Y).
Persamaan regresi untuk n prediktor adalah :Y = a + b1X1 +
b2X2 + b3X3 + ......+bnXn

19
 2.5 Hasil Uji Regresi
2.5.1 Regresi Linear Sederhana
A. Contoh Masalah
1. Apakah ada pengaruh antara kemampuan fisika matematika
terhadap prestasi belajar
2. fisika kuantum mahasiswa fisika FMIPA UNY?
3. Apakah ada pengaruh antara pengalaman kerja terhadap
produktivitas kerja karyawan?
B. Kasus
Berikut disajikan data nilai fisika matematika dan prestasi fisika
mahasiswa fisika FMIPA UNY.
Fisika Matematika Fisika Kuantum
45 57
53 43
50 62
40 53
31 44
28 40
58 69
60 73
68 79
75 83

1. Ujilah apakah ada pengaruh motivasi belajar terhadap prestasi

belajar? (Gunakan taraf signifikansi 5%).
2. Hitunglah berapa besarnya kontribusi variabel bebas terhadap
variabel terikatnya?
3. Bagaimana persamaan garis regresinya?

20
C. Prosedur Analisis
1. Jalankan program SPSS 22, pilih Variable View di bagian bawah.
2. Isikan di kolom Name “FisikaMatematika” di baris pertama
dengan decimals bernilai 2, dan “FisikaKuantum” di baris ke dua dengan decimals bernilai 2.

3. Pilih Data View dan masukan nilai Fisika Matematika dan Fisika
Kuantum sebagai berikut.

4. Lakukan analisis dengan menggunakan menu Analyze →

Regression → Linear.
5. Masukan variabel FisikaKuantum ke kotak dependent (sebagai
Variabel Dependent) dan FisikaMatematika ke kotak independent (sebagai Variabel
Independent).

21
6. Klik OK sehingga akan muncul hasil analisis.

22
D. Pembacaan Hasil Analisis
1. Tabel Variables Entered/Removeda menampilkan variabel yang
dimasukkan dalam model, dikeluarkan, metode analisisnya. Dalam hal ini variabel yang
dimasukkan ke dalam model adalah Fisika Matematika, variabel yang dikeluarkan tidak ada
dan metode analisis yang digunakan adalah metode enter (dimasukkan secara
8
simultan/bersama).
2. Tabel Model Summary menampilkan nilai R yang merupakan
simbol dari nilai koefisien korelasi. Pada contoh diatas nilai korelasi adalah 0,993. Melalui
tabel ini juga diperoleh nilai R Square atau koefisien determinasi (KD) yang menunjukkan
seberapa bagus model regresi yang dibentuk oleh interaksi variabel bebas dan variabel
terikat. Nilai KD yang diperoleh adalah 98,7% yang dapat ditafsirkan bahwa variabel bebas
Fisika Matematika memiliki pengaruh kontribusi yang sangat besar yaitu 98,7 % terhadap
variabel Fisika Kuantum dan 1,3 % lainnya dipengaruhi oleh faktor-faktor lain diluar variabel
8
Fisika Matematika.
a
3. Tabel ANOVA digunakan untuk menentukan taraf signifikansi
atau linieritas dari regresi.
Hipotesis Penelitian :
Ho : Tidak terjadi hubungan linier antara kemampuan Fisika
Matematika terhadap prestasi Fisika Kuantum.
H1 : Terjadi hubungan linier antara kemampuan Fisika
Matematika terhadap prestasi Fisika Kuantum.
Ketentuan Jika F hitung > F tabel, maka Ho ditolak.
Jika F hitung < F tabel, maka Ho
diterima Atau
Jika Sig < α, maka Ho ditolak.
Jika Sig > α, maka Ho diterima.

23
 Berdasarkan tabel ketiga, diperoleh nilai Sig (0,00) < α (0,05),
dengan demikian Ho ditolak. Dengan demikian ada hubungan
linier antara kemampuan Fisika Matematika terhadap prestasi
8
Fisika Kuantum.
a
4. Tabel Coefficients menginformasikan uji koefisien dan uji
5
konstanta.
Hipotesis Penelitian (uji koefisien) :
Ho : koefisien Fisika Matematika tidak signifikan.
H1 : koefisien Fisika Matematika signifikan.
KetentuanJika t hitung > t tabel, maka Ho ditolak. Jika
t hitung < t tabel, maka Ho diterima
Atau
Jika Sig < α, maka Ho ditolak.
Jika Sig > α, maka Ho diterima.

Berdasarkan tabel keempat (baris FisikaMatematika),

diperoleh nilai t hitung = 24.417 dan Sig =0,00. Nilai sig < α
(0,05), dengan demikian Ho ditolak. Dengan demikian
koefisien kemampuan Fisika Matematika terhadap prestasi
Fisika Kuantum signifikan.

Hipotesis Penelitian (uji konstanta) :

Ho : konstanta tidak signifikan.
H1 : konstanta signifikan.
Ketentuan Jika t hitung > t tabel, maka Ho ditolak.
Jika t hitung < t tabel, maka Ho
diterima Atau
Jika Sig < α, maka Ho ditolak.
Jika Sig > α, maka Ho diterima.

24
 Berdasarkan tabel keempat (baris Constant), diperoleh nilai t =
6,576 dan Sig = 0,00. Nilai sig (0,00) < α (0,05), dengan
demikian Ho ditolak. Dengan demikian koefisien kemampuan
Fisika Matematika terhadap prestasi Fisika Kuantum
8
signifikan.
Model persamaan regresi diperoleh dari koefisien konstanta
dan koefisien variabel yang ada di kolom Unstandardized
Coefficients B. Berdasarkan tabel ini diperoleh model
persamaan regresi : Fisika Kuantum (Y) =13,262 + 0,960 x
Fisika Matematika (X) atau Y = 13,262 + 0,960 X.
2.5.2 Regresi Linear Ganda
A. Masalah Penelitian Pendidikan
1. Apakah ada pengaruh fasilitas belajar dan motivasi belajar
terhadap prestasi belajar mahasiswa?
2. Bagaimana pengaruh lingkungan kerja dan pengalaman kerja
terhadap produktivitas kerja karyawan?
3. Apakah ada pengaruh gaji perbulan dan fasilitas kantor terhadap
kinerja pegawai?
B. Kasus
Berikut disajikan data fasilitas belajar dan motivasi belajar terhadap
prestasi belajar mahasiswa.

Fasilitas Motivasi Prestasi

Belajar Belajar Belajar
10 8 89
8 6 85
6 6 78
6 4 74
4 6 69
4 10 70
8 10 85

25
 6 8
10 12
2 6
4 4
4 4
6 9
10 9
Didapatkan ahasil analisis sebagai berikut :

C. Pembacaan Hasil Analisis

1. Tabel Variables Entered/Removeda menampilkan variabel yang
dimasukkan dalam model, dikeluarkan, metode analisisnya.

26
 Dalam hal ini variabel yang dimasukkan ke dalam model adalah
Motivasi dan Fasilitas, variabel yang dikeluarkan tidak ada dan
metode analisis yang digunakan adalah metode enter
(dimasukkan secara simultan/bersama). Di bagian bawah juga
ditampilkan nama variabel terikatnya yaitu Prestasi (Dependent
Variable: Prestasi).
2. Tabel Model Summary menunjukan beberapa hal sebagai
berikut.
a. R = 0,978 artinya koefisien korelasinya sebesar 0,978. Angka
ini menunjukkan derajad korelasi antara variabel fasilitas belajar dan motivasi belajar dengan
prestasi belajar.
b. R Square = 0,956 menunjukkan angka koefisien
determinasinya (R2). Artinya variansi dalam prestasi dapat dijelaskan oleh fasilias belajar dan
motivasi belajar melalui model sebesar 95,6 %, sisanya (3,4%) berasal dari variabel lain.
Atau dengan bahasa sederhana besarnya kontribusi/sumbangan fasilias belajar dan motivasi
belajar terhadap prestasi belajar adalah sebesar 95,6 %, sisanya 3,4 % berasal dari variabel
lain.
c. Adjusted R square = 0,948. Ukuran ini maknanya sama
dengan R square,hanya saja Adjusted R square ini nilainya lebih stabil karena sudah
disesuaikan dengan jumlah variabel bebasnya.
d. Standard Error of The Estimate = 2,44123 yang menunjukkan
ukuran tingkat kesalahan dalam melakukan prediksi terhadap variabel terikat.
a
3. Tabel ANOVA digunakan untuk menentukan taraf signifikansi
atau linieritas dari regresi.
Hipotesis Penelitian (uji kelinieran) :

27
 Ho : Tidak terjadi hubungan linier antara variabel predictor
(fasilitas belajar dan motivasi belajar) dengan variabel dependen
(prestasi belajar).
H1 : Terjadi hubungan linier antara variabel predictor (fasilitas
belajar dan motivasi belajar) dengan variabel dependen (prestasi
belajar).

Ketentuan Jika F hitung > F tabel, maka Ho ditolak.

Jika F hitung < F tabel, maka Ho
diterima. Atau
Jika Sig < α, maka Ho ditolak.
Jika Sig > α, maka Ho diterima.

Berdasarkan tabel ketiga, diperoleh nilai Sig (0,00) < α (0,05),

dengan demikian Ho ditolak. Dengan demikian ada hubungan
linier antara variabel predictor (fasilitas belajar dan motivasi
8
belajar) dengan variabel dependen (prestasi belajar).
4. Tabel Coefficientsa menginformasikan uji Coefficient dan uji
konstanta.
Hipotesis Penelitian (uji koefisien fasilitas belajar)
Ho : koefisien fasilitas belajar tidak signifikan.
H1 : koefisien fasilitas belajar signifikan.
Ketentuan Jika t hitung > t tabel, maka Ho ditolak.
Jika t hitung < t tabel, maka Ho diterima.
Atau
Jika Sig < α, maka Ho ditolak.
Jika Sig > α, maka Ho diterima

Berdasarkan tabel keempat (baris Fasilitas), diperoleh nilai t hitung

= 12,318 dan Sig = 0,00. Nilai sig (0,00) < α (0,05), dengan

28
demikian Ho ditolak. Dengan demikian koefisien fasilitas
belajar signifikan.

Hipotesis Penelitian (uji koefisien motivasi belajar) :

Ho : koefisien motivasi belajar tidak signifikan.
H1 : koefisien motivasi belajar signifikan
Ketentuan Jika t hitung > t tabel, maka Ho ditolak.
Jika t hitung < t tabel, maka Ho diterima.
Atau
Jika Sig < α, maka Ho ditolak.
Jika Sig > α, maka Ho diterima

Berdasarkan tabel keempat (baris Motivasi), diperoleh nilai t

hitung = 0,935 dan Sig = 0,370. Nilai sig (0,370) > α (0,05),
dengan demikian Ho diterima. Dengan demikian koefisien
motivasi belajar tidak signifikan.

Hipotesis Penelitian (uji konstanta) :

Ho : konstanta tidak signifikan.

H1 : konstanta signifikan

ketentuan Jika t hitung > t tabel, maka Ho diterima.

Jika t hitung < t tabel, maka Ho ditolak.
Atau
Jika Sig < α, maka Ho diterima.
Jika Sig > α, maka Ho ditolak.

Berdasarkan tabel keempat (baris Constant), diperoleh nilai t =

23,004 dan Sig = 0,00. Nilai sig (0,00) < α (0,05), dengan
demikian Ho diterima. Dengan demikian konstanta tidak
signifikan.

29
 Model persamaan regresi diperoleh dari koefisien konstanta dan
koefisien variabel yang ada di kolom Unstandardized
Coefficients B. Berdasarkan tabel ini diperoleh model
persamaan regresi : Prestasi (Y) = 49,908 + 3,871 x Fasilitas
Belajar (X1) + 0,301 x Motivasi Belajar (X2) atau Y =.49,908
+ 3,871 (X1) + 0,301 (X2)

2.6 Perbedaan Penelitian Asosiatif dengan penelitian Komparatif

2.6.1 Definisi

Komparasi (comparation) berarti hubungan perbandingan.

Uji komparasi dapat disebut dengan uji beda. Uji komparasi
merupakan salah satu alat statistik yang bertujuan untuk
membandingkan antara dua kondisi (masalah) yang sedang diteliti,
apakah antara keduanya terdapat perbedaan yang signifikan atau
tidak. Apabila data yang dianalisis berskala interval/rasio, maka
alat analisis yang tepat adalah t-test (Uji T). Namun apabila data
yang dianalisis berskala nominal, maka alat analisis komparasi
1
yang tepat adalah Kai Kuadrat (Chi Square).
Terdapat dua model komparasi, yaitu komparasi antara dua
sampel dan komparasi antara lebih dari dua sampel yang sering
disebut komparasi k sampel. Selanjutnya setiap model komparasi
sampel dibagi menjadi dua jenis yaitu sampel yang berkorelasi dan
sampel yang tidak berkorelasi disebut dengan sampel independen.
Sampel berkorelasi biasanya tedapat dalam desain penelitian
1
eksperimen. Desain penelitian eksperimen memiliki unsure utama
dalam membandingkan nilai pre test dan nilai post test serta
membandingkan kelompok eksperimen dan kelompok control
(kelompok yang tidak diberi perlakuan). Sampel independen
adalah sampel yang tidak berkaitan satu sama lainnya, misalnya
membandingkan kemampuan gerak dasar siswa SMA dan SMP,

30
 membandingkan motivasi kerja pegawai swasta dan PNS dan
1
sebagainya.

2.6.2 Tujuan
1. membandingkan antara dua kondisi (masalah) yang sedang
diteliti, apakah antara keduanya terdapat perbedaan yang signifikan atau tidak
2. Menguji hipotesis komparatif berarti menguji parameter populasi
yang berbentuk perbandingan melalui ukuran sample yang juga berbentuk perbandingan
3. Menguji kemampuan generalisasi(signifikansi hasil penelitian)
1,5
yang berupa perbandingan keadaan variabel dari dua sample atau lebih.

2.6.3 Ciri-ciri
1. Terdapat dua model komparasi
2. Setiap model komparasi sampel dibagi menjadi dua jenis yaitu
sampel yang berkorelasi dan sampel yang tidak berkorelasi disebut dengan sampel
independen.
3. Sampel berkorelasi biasanya tedapat dalam desain penelitian
eksperimen.
5
4. Memiliki teknik statistik untuk menguji hipotesis komparatif.

31
 BAB III

PENUTUP

3.1 Kesimpulan
Adalah suatu pernyataan yang menunjukan dugaan tentang hubungan antara
1
dua variable atau lebih . Hipotesis asosiatif dinyatakan dengan kalimat yang
menunjukkan dugaan tentang hubungan, korelasi, atau asosiasi antara variabel
independen (X) terhadap variabel dependen (Y). Hubungan dapat terjadi antara
satu variabel independen dengan satu variabel dependen atau antara beberapa
variabel independen terhadap satu variabel dependen. Peneliti juga dapat
menambah variabel moderator atau variabel lainnya (Z) apabila diperlukan.
Terdapat tiga macam bentuk hubungan antar variable, yaitu hubungan
simetris, hubungan sebab akibat, dan hubungan iteraktif. Untuk mencari
hubungan antara dua variabel atau lebih dilakukan dengan menghitung korelasi
antar korelasi yang akan dicari hubungan nya . korelasi merupakan angka yang
menunjukan arah dan kuatnya hubungan antar dua variabel atau lebih arah di
nyatakan dalam bentuk hubungan posetif dan negative. Sedangkan kuatnya
hubungan di nyatakan dalam besarnya hubungan koefisien korelasi.

3.2 Saran
Disini penulis menyadari bahwa dalam penulisan makalah ini masih jauh dari
sempurna, sehingga kritik dan saran yang bersifat membangun dan
menyempurnakan penulisan makalah penelitian eksperimen ini sangat diharapkan.

32
 DAFTAR PUSTAKA

1. Sugiyono. 2017 . Statistika untuk Penelitian. Bandung: Alfabeta.

2. Mulyatiningsih, E. (2011) ‘Riset Terapan’, p. 254.
3. Budianto, S. (2017) ‘Untuk Mengolah Data’, Metode Statistika, p. 191.
4. Sujarweni VW. 2015. SPSS untuk Penelitian. Yogyakarta: Penerbit Pustaka
Baru Press.
5. Yulingga Nanda Hanief, W. H. (2017) Statistik Pendidikan, Statistik
Pendidikan Provinsi Jawa Tegah 2018.
6. Ghozali, Imam. 2016. Aplikasi Analisis Multivariete Dengan Program IBM
SPSS 23. Edisi 8. Cetakan ke VIII. Semarang : Badan Penerbit Universitas Diponegoro.
7. Muzanip Alperi, S. P. M. S. (2017) Statistik Pendidikan Lanjutan Dilengkapi
dengan Prosedur Penggunaan SPSS 16 dan Lisrel 8.8. jl. Mayjen Sutoyo No.43 Tanah Patah
Bengkulu: vanda.
8. Nurgiyantoro (2010) ‘Panduan Spss 22 Untuk Penelitian Pendidikan’.

33