KATA PENGANTAR

Puji dan Syukur penulis panjatkan kehadirat Tuhan Yang Maha Kuasa atas
tuntunanNYA sehingga bahan ajar untuk mata kuliah Metode Penelitian dan
Seminar Pendidikan pada data kuantitatif yang dianalisis menggunakan SPSS-22
dapat diselesaikan. Bahan Ajar ini berisikan teknik pengolahan data statistik
parametrik mencakup: Statistik deskriptif, uji regresi linier dan berganda, serta
uji-uji asumsi klasik, uji t independen dan dependen, uji One Way Anova serta
Two Way Anova. Pengolahan lain yang disajikan adalah uji-uji lanjut serta materi
tambahan terkait uji validitas dan normalitas serta beberapa pengolahan statistik
lainnya. Bahan Ajar ini diharapkan dapat membentu peserta untuk lebih
memahami aplikasinya karena disertai dengan contoh dan langkah-langkah
pengolahan data dengan SPSS secara detail.
Penulis menyadari modul ini memiliki banyak kekurangan, sehingga
berbagai kontribusi pikir melalui saran dari siapa saja yang membaca modul ini
sangat diharapkan. Akhir kata penulis menyampaikan selamat berlatih melalui
panduan dalam modul ini dan dapat mengaplikasikannya.

Ambon, Oktober 2020

Penulis

1
 BAHAN – 1
Pengenalan Program SPSS Untuk Pengolahan Data

A. Pengenalan SPSS
Pada mata kuliah metode penelitian pendidikan dan seminar yang diberikan
pada mahasiswa S1, maka penguasaan analisis inferensial khususnya pada data
kuantitatif perlu dilakukan analisis secara terstruktur dengan menggunakan
analisis inferensial yang tepat diantaranya: 1) Uji Korelasi; 2) Uji Regresi; 3) Uji
perbedaan (Uji t); 4) Analisis Varians baik One Way maupun Two Way; dan 5)
Analisis Non parametrik Untuk Data yang tidak berdistribusi Normal.
Untuk mempermudah analisis maka dapat menggunakan software SPSS.
SPSS akronim dengan “Statistical Package for the Social Sciences”. SPSS pada
awalnya digunakan bagi bidang ilmu sosial saja. Namun seiring dengan
perkembangan globalisasis maka software ini terus dikembangkan dan
diaplikasikan pada berbagai bidang ilmu. Pentingnya penggunaan SPSS dalam
berbagai bidang, maka kepanjangan SPSS diubah menjadi “Statistical Product and
Service Solutions” yang merupakan aplikasi statistik untuk mengelola dan
menganalisis data untuk berbagai keperluan dengan menggunakan teknik statistik
(Nugroho dkk, 2009).
Statistical Product and Service Solution (SPSS) merupakan software yang
digunakan sebagai tools dan merupakan aplikasi pengolahan data statistik. SPSS
memiliki banyak kelebihan dalam pemecahan riset terkait dengan pengolahan data
pada berbagai bidang baik ekonomi, manajemen, pendidikan dan bidang lainnya.
Secara umum SPSS terbagi menjadi 2 yaitu data view dan variable view.
Dimana: 1) Data view merupakan tempat pengimputan data yang akan di lakukan
pengolahan dan 2) variable view merupakan tempat yang digunakan untuk
memberikan keterangan terhadap setiap variabel-variabel yang telah di entri.

2
1. Memulai SPSS 22
Untuk memulai SPSS 22 dapat dilakukan dengan langkah-langkah sebagai
berikut. Klik Start – Programs – IBM SPSS Statistics – IBM SPSS Statistics
22
2. Data Editor
Pada menu Data editor terdiri dari data view dan variabel view.

Data View

Variabel View

3. Data View
Data View menampilkan data base hasil penelitian yang akan diolah atau
dianalisis dengan program SPSS. Pada Data View ditampilkan kolom-kolom
disertai nama-nama variabel yang disingkat dengan “var”.

3
4. Variabel View
Pada sheet ini ditampilkan menu Name, Type, Width, Decimals, Label, Value,
Missing, Columns, Align, Measure.

5. Komponen-Komponen Pada Variable View

Adapun komponen-komponen dalam variable View dan kegunaannya
diuraikan sebagai berilut:
a. Name
Menu Name berisikan nama variabel dan dapat disingkat sesuai
kebutuhan. Aturan pemberian nama terhadap variabel adalah sebagai
berikut: 1) Baiknya karakter pertama pada penulisan variabel harus huruf
besar; 2) pada akhir penulisan tidak boleh diakhiri dengan tanda titik; 3)
pemberian nama tidak boleh sama dengan variabel lain; dan 4) Tidak
membedakan huruf besar dan huruf kecil
b. Type
Menu Type data yang tersedia mencakup beberapa tipe data, diantaranya:
numeric, comma, dan dot dengan cara klik Gambar berikut

Tampilan type data setelah di klik

4
 Selanjutnya isilah variable Type sesuai kebutuhan
c. Width
Jika data berupa huruf dengan perintah String, maka perlu diisi jumlah
karakter huruf. Namun jika data berkarakter angka maka diabaikan saja.
d.Decimals
Jika data dengan perintah String, kotak Decimal otomatis akan non-aktif.
Namun jika data dengan perintah Numeric, maka kotak kerja Decimal
Places akan aktif. Jumlah digit dapat di isi sesuai kebutuhan pemakai.

Jika pada kotak Name yang akan diisikan adalah singkatan maka
kepanjangan dari singkatan bisa diisikan pada kotak Label
e. Value
Apabila data bertipe nominal dan ordinal maka digunakan Value, dengan
cara 1. Arahkan mouse ke kotak Value. 2. Ketik angka pada kotak Value. 3.
Ketik karakter pada kotak Label. 4. Selanjutnya klik add

f. Missing
Menu Missing digunakan apabila data tidak memiliki nama maka akan
dianggap hilang.
g. Column
Menu Column berfungsi untuk mengatur lebar kolom data entri.

5
 h.Align
Menu Align berfungsi untuk mengatur posisi data, dengan pilihan Left,
Right, ataupun Center.

i. Measure
Menu Measure digunakan untuk menentukan pilihan tipe data, dengan
pilihan Nominal, Ordinal, dan Scale.
j. Role
Pada bagian Role pilih input

Suatu metode statistik yang digunakan untuk pengumpulan, penyajian,

pengolahan, dan menganalisis data secara deskriptif. Ukuran-ukuran parameter
dalam statistik deskriptif mencakup ukuran pemusatan (Rata-rata, Median,
Modus, dan ukuran pemusatan lainnya. Untuk ukuran penyebaran data (Range,
Varians, Standar Deviasi). Proses pengolahan ukuran-ukuran tersebut dengan
SPSS sebagai berikut: 1) setelah data di entri maka klik menu Analyze; 2) pilih
Descriptive Statistics; 3) Pilih Descriptive dan akan muncul tampilan berikut:

4) selanjutntnya pindahkan variable pada kotak bagian kiri ke kotak variabel pada
bagian kanan dengan cara klik tanda panah; 5) klik Options muncul tampilan
berikut:

6
dan 6) selanjutnya pada langkah terakhir pilihlah ukuran-ukuran statistik yang
diinginkan, beberapa diantaranya: mean, Std deviation, Minimum, dan Maximum.
Contoh output hasil pengolahan dan Interpertasisebagai berikut.

Interpertasi:
Output yang dihsilkan menunjukan bahwa banyak data hasil pengukuran tinggi
badan adalah 10 mahasiswa, dengan tinggi badan maximum 178 cm dan
minimum 155 cm dengan Rangenya 23. Rata-rata tinggi badan mahasiswa adalah
165,10 cm dengan standar deviasi 7,695 dan varians 59,211.

7
 BAHAN – 2
Pengujian Asumsi

A. Uji-Uji Asumsi Klasik

Dalam statististik inferensial untuk beberapa pengujian perlu dilakukan uji
asumsi. Analisis regresi mensyaratkan pengujian: 1) uji Normalitas; 2) Uji
Linearitas, dan uji Multikolonearitas. Untuk uji-uji perbandingan dan beberapa uji
lainnya mensyaratkan data berdistribusi Normal, identik, dan independen. Uji
syarat yang harus dilakukan adalah uji Normalitas dan Homogenitas.
Ada beberapa pengujian normalitas data, yaitu uji Normalitas Shapiro Wilk.
Uji ini merupakan pengujian untuk mengetahui sebaran data acak suatu sampel
kecil. Dalam 2 seminar paper yang dilakukan Shapiro, Wilk tahun 1958 dan
Shapiro, Wilk, Chen 1968 (Advernesia, 2019) digunakan simulasi data yang tidak
lebih dari 50 sampel. Sehingga disarankan untuk menggunakan uji shapiro wilk
untuk sampel data kurang dari 50 sampel (N < 50). Dalam pengujian, suatu data
dikatakan berdistribusi normal apabila nilai signifikansi > 0.05 (sig. >0.05).
1. Uji Normalitas; Uji Normalitas Kolmogorov Smirnov adalah uji yang
dilakukan untuk mengetahui sebaran data acak dan spesifik pada suatu
populasi (Chakravart at al, 1967; Advernesia, 2019). Ditegaskan bahwa
pengujian yang dilakukan National Institute of Standars and Technology, uji
kolmogorov smirnov menghasilkan performa yang baik untuk ukuran data 20-
1000. Namun dalam penelitian pada umumnya, pengujian kolmogorov
smirnov masih digunakan untuk sampel data yang berukuran lebih dari 2000
sampel. Sehingga disarankan untuk menggunakan uji kolmogorov smirnov
untuk data diatas 50 sampel (20≤N≤1000). Dalam pengujian, suatu data
dikatakan berdistribusi normal apabila nilai signifikansi >0.05 (sig. >0.05).
2. Uji Normalitas Dengan SPSS
Uji Normalitas dalam SPSS dapat dilakukan dengan berbagai cara salah
satunya menggunakan uji Kolmogorov Smirnov, dengan tahapan:

8
 Pilih menu Analyze > Legacy Dialogs > Klik 1- sample K-S muncul
jendela berikut.

Selanjutnya pindahkan semua variabel ke kotak Test Variable List >

centang Normal > Klik OK, maka dihasilkan output berikut.
One-Sample Kolmogorov-Smirnov Test
PMM
N 20
Normal Parameters a,b
Mean 59.750
Std. Deviation 9.1010
Most Extreme Differences Absolute .168
Positive .130
Negative -.168
Test Statistic .168
Asymp. Sig. (2-tailed) .141c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.

Tabel One-Sample Kolmogorov-Smirnov Test menunjukan bahwa nilai Asymp.

Sig. (2-tailed) PMM sebesar 0,141 lebih besar dari probabilitas 0,05 sehingga data
PMM berdistribusi normal.
Uji Normalitas lainnya dapat digunakan uji Shapiro Wilk, dengan langkah

pengolahan dengan SPSS adalah: Pilih menu Analyze » Descriptive Statistics »

Explore » Pindahkan variabel ke Independen List dan Faktor List » Klik Plots

selanjutnya pilih Normality Plots T Test » Klik Continue » Klik Ok » Output

9
B. Uji Homogenitas
Untuk uji homogenitas dapat digunakan beberapa cara, salah satunya
menggunakan uji Levene dengan langkh sabagai berikut.
Pilih menu Analyze » Pilih Compare Means Klik » One-Way Anova maka
muncul jendela berikut.

Selanjutnya pindahkan Hasil Belajar Gabungan ke kotak Dependent List dan

Kelompok ke kotak Factor dengan cara klik tanda panah »Klik Options »Klik
OK, maka output SPSS sebagai berikut.

Test of Homogeneity of Variances

Hasil_Belajar_Gab

Levene Statistic df1 df2 Sig.

2.762 1 38 .105

Tabel Test of Homogeneity of Variances memperlihatkan bahwa nilai Sig.

Sebesar 0,105 maka data homogen.
Untuk Uji Regresi perlu dilakukan beberapa uji prasyarat yaitu, Normalitas,
Linearitas, dan Multikolinearitas. Berikut ini diuraikan langkah-langkah kedua uji
dengan menggunakan SPSS.

C. Uji Linearitas
Dalam melakukan pengujian statistik parametrik untuk Regresi dan korelasi
perlu dilakukan uji asumsi Linearitas. Uji Linearitas bertujuan untuk mengetahui
apakah dua variabel dalam hal ini variabel dependent dan independent memiliki

10
hubungan yang linier atau tidak. Uji Linearitas dengan SPSS dilakukan dengan
langkah-langkah Pilih menu Analyze > Pilih Compare Means > Klik Means maka
muncul jendela

Selanjutnya pindahkan PM ke kotak Independent List dan Hasil Belajar ke kotak

Dependent List > Klik Option > Centang Test For Linearity > Klik Continue >
Klik OK, sehingga diperoleh output ANOVA Table.

Tabel ANOVA memperlihatkan bahwa untuk Deviation from Linearity

diperoleh nilai Sig sebesar 0,339 lebih besar dari α = 0,05, sehingga disimpulkan
bahwa ada hubungan Linear secara signifikan antara Hasil Belajar dengan
kemampuan PM.
D. Uji Multikolinearitas
Uji Multikolinearitas merupakan salah satu syarat uji asumsi klasik dalam
regresi berganda umtuk melihat hubungan antara variabel independen. Pengolahan
data dengan SPSS untuk melihat ada tidaknya multikolinearitas sebagai berikut:
Pilih menu Analyze »Pilih Regression » Klik Linear maka muncul kotak berikut

11
Selanjutnya pindahkan variabel bebas ke Independent List dan variabel terikat ke

Dependent List. Langkah selanjutnya Klik Statistics » Centang Collinearty

Diagnosis » Klik Continue » Klik Ok. Output yang dihasilkan adalah:

Tabel Coefficients yang diperoleh diperhatikan Collinearty Statistics pada kolom

VIF, dimana nilai VIF PMM dan PM sebesar 4,567. Nilai tersebut < 10, maka
dapat disimpulkan tidak terjadi multikolinearitas.

12
 BAHAN – 3
Analisis Regresi

A. Pengantar Analisis Regresi

Analisis Regresi adalah metode analisis yang biasanya digunakan untuk
melihat pengaruh variabel bebas terhadap variabel terikat. Analisis regresi
memiliki dua tipe, yaitu regresi linier sederhana regresi berganda. Regresi linier
sederhana melibatkan satu variabel bebas ( X ) dan satu variabel terikat (Y )
sedangkan regresi berganda melibatkan beberapa variabel bebas ( X 1 , X 2 , … X n ¿
dan satu variabel terikat (Y ). Model regresi untuk regresi linier sederhana adalah
Y =B0 + B1 X
Sedangkan model untuk regresi berganda adalah
Y =B0 + B1 X 1 +B 2 X 2+ …+B n X n
1. Analisis Regresi Linier Sederhana
Berikut ini di berikan contoh pengolahan data analisis regresi linier
sederhana dan interpertainya dengan SPSS,
Contoh: Seorang peneliti ingin melihat apakah terdapat pengaruh Kemampuan
Dasar Matematika (KDM) terhadap hasil tes Statistika Pendidikan (SP).
Data melibatkan 20 mahasiswa PGSD seperti disajikan pada Tabel 1.
Tabel 1. Data Latihan 1
Nama
KDM SP
Mahasiswa
M1 50 65
M2 80 85
M3 65 75
M4 70 80
M5 90 90
M6 80 70
M7 80 85
M8 75 60
M9 70 80
M10 85 90
M11 65 70
M12 75 70
M13 80 90
M14 80 85
M15 50 55

13
 M16 60 70
M17 55 50
M18 75 80
M19 65 80
M20 60 70

Berikut dilakukan pengolahan dengan mengan SPSS

1). Rumuskan Hipotesis penelitian:
Ho: Tidak terdapat pengaruh KDM terhadap hasil tes SP
H1: Terdapat pengaruh KDM terhadap hasil tes SP
2). Entri data pada Work sheet SPSS
3) Lakukan Uji Asumsi Klasik. Misalkan data-data tersebut memenuhi
Asumsi. (Latihan Uji Asumsi dapat Anda pelajari pada materi Uji-Uji
Asumsi Klasik)
4). Lakukan pengolahan dengan SPSS dengan langkah: Pilih menu Analyze >
Pilih Regression > klik linear maka muncul jendela berikut.

5). Pindahkan Konsep Dasar Matematika ke kotak independen dan Statistik

Pendidikan ke kotak Dependent di sebelah kanan » Klik OK

7). Output yang dihasilkan adalah

14
 Nilai Korelasi

Interpertasi:
Output yang dihasilkan memperlihatkan dari Model Summary Nilai
Adjusted R Square sebesar 0,582 atau 58,2%, artinya bahwa 58,2 % KDM
berkontribusi terhadap SP sisanya dipengaruhi oleh faktor lain yang tidak
diikutkan dalam model. Untuk Tabel coefficients diperoleh model regresi:
Y =20,606+0,772 KDM
Model ini memberikan pengertian bahwa jika KDM meningkat satu satuan
maka hasil tes hasil belajar akan naik sebesar 0,772. Untuk menjawab
hipotesis maka diperhatikan nilai Sig. Hasil yang diperoleh
memperlihatkan bahwa nilai Sig, sebesar 0,000 < 0,05 yang berarti H 1

15
 diterima sehingga disimpulkan terdapat pengaruh KDM terhadap hasil tes
SP. (Sebagai catatan nilai F pada tabel Anova dapat digunakan untuk
regresi berganda).
2. Analisis Regresi Berganda
Contoh: Seorang peneliti ingin menganalisis pengaruh Kemampuan Pemecahan
Masalah Matematis (PMM) dan Penalaran Matematis (PM) terhadap
hasil belajar Matematika. Data hasil tes disajikan dalam Tabel 2
Tabel 2. Data Latihan 2
Nama
PMM PM Hasil Belajar
Mahasiswa
M1 60 65 70
M2 55 45 65
M3 65 70 85
M4 60 65 80
M5 70 65 85
M6 40 40 65
M7 55 50 70
M8 60 55 75
M9 70 75 90
M10 55 45 60
M11 65 75 80
M12 70 65 85
M13 45 40 70
M14 55 50 65
M15 65 60 80
M16 70 65 85
M17 65 60 85
M18 55 50 70
M19 45 40 70
M20 70 65 85
Langkah Pengolahan Data Dengan SSS
Rumuskan Hipotesis penelitian:
Ho: Tidak terdapat pengaruh PMM dan PM terhadap hasil belajar
H1: Terdapat pengaruh PMM dan PM terhadap hasil belajar
1. Entri data pada data view
2. Klik menu Analyze » Klik Regression » Klik Linear, maka muncul
jendela

16
 3. Pindahkan PMM dan PM ke kotak Independent dan Hasil Belajar ke kotak

Dependent » Klik OK, maka tampilan output sebagai berikut.

Interpertasi:
Output yang dihasilkan terdiri beberapa variabel, yaitu Tabel
Variables/Removed, Model Sumarry, ANOVA, dan Coefficients. Untuk

17
 keperluan analisis data maka yang diinterpertasi adalah Tabel Model
Summary. Tabel ini menunjukan nilai R Square sebesar 0, 727 atau
72,7%, artinya PMM dan PM berkontribusi terhadap hasil belajar 72,2%,
sisanya dipengaruhi faktor lain yang tidak diteliti. Dari Tabel ANOVA
terlihat F hitung = 22, 587 dengan Sig, 0,000 < 0,05, sehingga H 1 diterima,
artinya terdapat pengaruh PMM dan PM terhadap hasil belajar. Model
regresi berganda yang dihasilkan adalah:
Y =30,840+ 0,413 PMM +0,357 PM
Model ini dapat dijelaskan bahwa setiap kenaikan satu satua PMM maka
Hasil belajar akan naik sebesar 0,413 variabel lain dianggap konstan.
Untuk kenaikan satu satuan PM maka hasil belajar akan naik sebesar 0,357
variabel lainnya dianggap konstan.

18
 BAHAN – 4
Uji-Uji Perbandingan

A. Uji Beda (Uji-t)

Uji beda atau lebih dikenal secara umum dengan uji t adalah salah satu jenis
pengujian statistik dalam melihat perbedaan antara dua sampel data atau antara
beberapa sampel. Uji beda dapat dikategorikan dalam uji-t independen dan uji-t
dependen. Uji t-independen digunakan untuk menguji perbedaan dua kelompok
data, sedangkan uji-t dependen (Uji berpasangan) untuk satu kelompok.
1. Uji – t Dependent
Contoh: Metode Drill diduga berkontribusi dalam meningkatkan hasil belajar
matematika mahasiswa, Untuk mengukur efektifitas metode drill maka
dilakukan test pada 20 mahasiswa. Hasil pretest dan posttes disajikan
dalam Tabel Data Latihan 3.
Tabel 3. Data Latihan 3
Nama Mahasiswa PreTest PostTest
M1 45 70
M2 60 70
M3 50 80
M4 45 60
M5 50 75
M6 65 80
M7 30 65
M8 40 70
M9 55 80
M10 50 75
M11 60 85
M12 40 60
M13 45 65
M14 60 90
M15 45 60
M16 30 65
M17 35 60
M18 65 90
M19 45 75
M20 50 80

19
Untuk menguji perbedaan data hasil test nmahasiswa sebelum dan sesudah
diterapkannya metode Drill, maka terlebih dahulu ditetapkan hipotesis penelitian:
Ho: Tidak terdapat perbedaan hasil belajar matematika sebelum dan sesudah
diterapkan metode Drill
H1: Terdapat perbedaan hasil belajar matematika sebelum dan sesudah diterapkan
metode drill
Selanjutnya dilakukan uji Prasyarat Normalitas dan homogenitas. Hasil uji
normalitas menujukan data homogen dengan nilai Sig Pretest dan Posttest masing-
masing 0,200 > 0,05. Untuk uji homogenitas teridentifikasi data homogen dengan
nilai Sig. 1,00 > 0,05. Kedua asumsi terpenuhi maka dapat dilakukan pengujian
dalam melihat ada tidaknya perbedaan hasil belajar sebelum dan sesudah
diterapkannya metode Drill. Uji perbedaan dengan SPSS dapat dilakukan dengan
langkah berikut: Pilih menu Analize > Pilih Compare Means > Klik Paired-
Samples T test, maka muncul jendela berikut.

Langkah selanjutnya pindahkan Pretest ke ke kotak paired variables pada kolom

variable 1 dan posttest ke kolom variable 2 > Klik Ok, maka diperoleh output:

Interpertasi:

20
 Tabel Paired Samples Test menunjukan bahwa nilai Sig (2-tailed) sebesar
0,000 lebih kecil dari 0,05 (α = 5%). Berdasarkan kriteria pengujian maka
H1 diterima, artinya, terdapat perbedaan hasil belajar matematika sebelum
dan sesudah diterapkan metode drill.
Seandainya dalam proses uji asumsi pada uji T-Dependent, jika asumsi tidak
terpenuhi maka dapat dilakukan transformasi data. Namun jika tidak terpenuhi
juga maka dapat digunakan statistik Non Parametrik dengan jenis uji Wilcoxon.
Langkah pengujian uji Wilcoxon dengan SPSS adalah: Pilih Analyze > Pilih Non
Parametrik Test > Klik Legacy Dialogs > Klik 2 Related Samples, maka muncul
jendela di bawah ini.

Pindahkan Pretest ke kolom Variable 1 dan Posttest ke kolom Variable 2 »

kemudian centang Wilcoxon » Klik Ok. Output yang dihasilkan dapat

diinterpertasi seperti statistik parametrik dengan melihat nilai signifikansinya dan
dibandingkan dengan α = 0,05.
2. Uji – t Independent
Independen t-Test adalah bentuk pengujian komparatif atau uji beda.
Tujuannya mengetahui apakah terdapat perbedaan mean atau rerata yang
bermakna antara 2 kelompok bebas yang berskala data interval/rasio. Dua
kelompok bebas yang dimaksud di sini adalah dua kelompok yang tidak
berpasangan, artinya sumber data berasal dari subjek yang berbeda.

21
Contoh: Seorang peneliti ingin membandingkan ada tidaknya perbedaan hasil
belajar matematika antara mahasiswa yang menggunakan model
pembelajaran Kooperatif Tipe NHT dengan model pembelajaran
Koopertif Tipe STAD. Data yang dikumpulkan dari 25 mahasiswa pada
masing-masing kelompok, seperti pada tabel di bawah ini.
No NHT STAD
1 65 70
2 75 70
3 65 80
4 60 50
5 85 80
6 75 70
7 65 60
8 70 50
9 55 80
10 70 60
11 50 70
12 80 65
13 70 70
14 65 80
15 80 80
16 85 60
17 50 60
18 65 70
19 75 70
20 60 85
21 80 60
22 85 80
23 50 55
24 80 60
25 65 75

Langkah pertama rumuskan hipotesis penelitian:

H1: Tidak terdapat perbedaan hasil belajar matematika antara siswa yang
mendapatkan pembelajaran dengan model NHT dan STAD
Ho: Terdapat perbedaan hasil belajar matematika antara siswa yang mendapatkan
pembelajaran dengan model NHT dan STAD
Langkah-langkah pengolahan data dengan SPSS adalah gabungkan kedua data
yaitu NHT dan STAD, kemudian berikan pengkodean (NHT =1) dan (STAD=2)

22
setelah data disiapkan Pilih menu Analyze » Pilih Compare Means » Klik
Independent Sample- t Test maka muncul jendela

Pindahkan variabel Gabungan ke kotak Test Variables dan kelompok ke kotak

Grouping, selanjutnya Klik Define Groups dan masukan 1 ke Group 1 dan 2 ke

Group 2 » Klik Continue » Klik Ok, maka output yang dihasilkan adalah:

Interpertasi:
Berdasarkan Independent Samples Test terlihat bahwa nilai Sig (2-tailed)
dengan asumsi data homogen ( Equal Variances assumed) sebesar 0, 841 >
0,05 sehingga diputuskan Ho diterima, artinya Tidak terdapat perbedaan hasil
belajar matematika antara siswa yang mendapatkan pembelajaran dengan
model NHT dan STAD

B. One Way Anova

Anova Satu Arah (One Way Anova) digunakan untuk melihat perbandingan
mean yang lebih dari dua kelompok sampel independent.
Contoh: Untuk mengetahui efektivitas metode Kursus untuk meningkatkan
kemampuan matematika siswa maka digunakan 3 metode kursus, yakni
metode A, Metode B, dan Metode C. Tabel di bawah ini menyajikan

23
 hasil tes matematika dengan menggunakan ketiga metode dengan
melibatkan 75 mahasiswa.
No Metode A Metode B Metode C
1 45 80 65
2 80 70 85
3 55 75 70
4 85 90 50
5 45 65 55
6 70 85 60
7 65 80 60
8 55 70 45
9 50 65 60
10 70 85 55
11 45 90 65
12 50 85 70
13 55 70 45
14 60 90 50
15 65 75 80
16 55 80 55
17 45 90 60
18 50 65 50
29 60 75 50
20 55 85 60
21 60 90 65
22 55 85 50
23 65 80 60
24 55 65 45
25 45 85 55

Langkah pertama yang dilakukan adalah rumuskan hipotesis

Ho: Tidak ada perbedaan rata rata kemampuan matematika dengan menggunakan
metode A, metode B, dan metode C
H1: Ada perbedaan rata-rata kemampuan matematika dengan menggunakan
metode A, metode B, dan metode C
Pengolahan data dengan SPSS dilakukan dengan tahapan:
Pilih menu Analyze » Pilih Compare Means » Klik One- Way Anova, maka
muncul jendela berikut:

24
Selanjutnya pindahkan variabel metode gabungan ke kotak Dependent List dan

Kelompok (Metode A = 1, Metode B = 2, dan Metode C = 3) ke Faktor » Klik Ok

maka diperoleh output:

Tabel Anova memperlihatkan bahwa Nilai F hitung dengan Sig, 0,000 < 0,05
sehingga dibuat putusan terima H1 artinya Rata-rata kemampuan matematika
dengan menggunakan metode A, metode B, dan metode C tidak sama (Terdapat
perbedaan). Selanjutnya untuk mengetahui metode-metode apa saja yang berbeda
maka dilakukan uji lanjut dengan pengujian Post Hoc T-test, dengan tahapan: Klik
Post Hoc pada bagian kanan maka muncul tampilan berikut:

Selanjutnya pilih dan centang Benferroni » Continu » Ok. Output yang dihasilkan

25
Post Hoc Tests dengan memperhatikan Mean Diference menujukan bahwa
Metode A dan B berbeda dan metode B dan C berbeda, Perbedaan ini
diperlihatkan dengan melihat tanda (*).
C. Two Way Anova
Uji Anova dua arah dilakukan untuk menguji perbedaan rata-rata yang lebih
dari dua variabel.Selain variabel yang diuji juga melibatkan variabel lain yang
menjadi kontrol terhadap perbedaan variabel bebas.
Contoh: Seorang peneliti hendak melihat Pengaruh Gender dan Pendidikan
Terhadap Nilai Ujian Fisika. Datanya disajikan pada Tabel di bawah
ini. Contoh dan interpertasi dikutip dari Hidayat (2012)
No Gender Pekerjaan Ujian
1 1 2 45
2 2 2 87
3 1 2 65
4 2 3 66
5 1 1 24
6 2 2 53
7 2 3 76
8 2 1 68
9 1 2 43
10 2 2 76
11 1 1 35
12 2 2 66
13 1 3 87
14 2 2 87
15 1 2 45
16 2 3 66
17 2 3 88
18 2 2 65
19 1 1 44
20 2 2 65

26
 21 1 1 35
22 2 2 66
23 1 3 84
24 2 2 56
25 1 1 34
26 2 2 66
27 1 3 76
28 2 2 67
29 1 1 44
30 2 3 65
31 1 2 35
32 2 2 66
33 1 3 99
34 2 2 56
35 1 3 45
36 2 2 66
37 1 3 76
38 2 3 70
39 1 1 11
40 2 2 55
Keterangan:
Gender (Laki-Laki = 1, Perempuan = 2)
Pendidikan (SLTP = 1, SLTA =2, PT = 3)

Langkah pertama yang dilakukan rumuskan hipotesis penelitian (Anda dapat

merumuskan sesuai beberapa contoh yang telah disajikan). Langkah-Langkah

pengolahan dengan SPSS adalah: Pilih Analyze» Pilih General Linear Model »
Klik Univariate maka muncul kotak

Pindahkan Metode kursus ke Dependent Variable kemuidian Gender dan Level ke

Fixed Factore (s) untuk kotak random faktor dan Covariante akan digunakan

untuk uji Ancova » Klik Plots » Pindahkan Gender ke kotak Horizontal Axis dan

Pendidikan ke Separate Lines » Klik Add maka muncul

27
 Selanjutnya Klik Continue
Klik Post Hoc maka muncul » Centang Tukey

Klik Continue
Klik Options

Pindahkan Gender, Pendidikan, Gender*Pendidikan ke Display Means for.

Pada Display centang Descriptive statistics dan Homogentity test. » Klik

Continue »Klik Ok

28
Interpertasi (Hidayat, 2012):
Pengaruh Semua Variabel independen (Gender, Pendidikan dan Interaksi gender
dengan pendidikan atau “Gender*Pendidikan”) secara bersama-sama terhadap
variabel dependen (Nilai Ujian). Apabila Signifikansi (Sig.) < 0,05 (Alfa) =
Signifikan. Contoh di atas 0,000 berarti model valid.
Intercept:

29
Nilai perubahan variabel dependen tanpa perlu dipengaruhi keberadaan variabel
independen, artinya tanpa ada pengaruh variabel independen, variabel dependen
dapat berubah nilainya. Apabila Signifikansi (Sig.) < 0,05 (Alfa) =
Signifikan. Contoh di atas 0,000 berarti intercept signifikan.

1. Gender:
Pengaruh gender terhadap nilai ujian di dalam model. Apabila Signifikansi
(Sig.) < 0,05 (Alfa)= Signifikan. Contoh di atas 0,003 berarti gender
berpengaruh signifikan.
2. Pendidikan:
Pengaruh pendidikan terhadap nilai ujian di dalam model. Apabila
Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di atas 0,000 berarti
Pendidikan berpengaruh  signifikan.
3. Gender*Pendidikan:
Pengaruh Genderpendidikan terhadap nilai ujian di dalam model. Apabila
Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di atas 0,006 berarti
genderpendidikan berpengaruh  signifikan.
4. Error:
Nilai Error model, semakin kecil maka model semakin baik.
5. R Squared:
Nilai determinasi berganda semua variabel independen dengan dependen.
Contoh di atas 0,666 korelasi kuat.
6. Kesimpulan Hipotesis Two Way ANOVA
Oleh karena hasil uji F menunjukkan bahwa signifikan ada perbedaan atau
menerima H1, maka selayaknya Uji ANOVA ini dilanjutkan ke tahap
selanjutnya, yaitu Uji Post Hoc.
7. Post Hoc Test
Dalam rangka Interprestasi Output Two Way ANOVA dengan SPSS, maka
anda harus pahami tentang uji post hoc berikut. Sedikit review saja, bahwa uji
post hoc adalah uji lanjut atau uji yang menilai adanya perbedaan signifikan
antar kelompok.

30
8. Tabel Tukey Post Hoc
Tabel di bawah ini adalah Tabel Tukey Post Hoc digunakan untuk menilai
kategori manakah dari variabel pendidikan yang memiliki perbedaan
signifikan:
Post Hoc Output Two Way ANOVA dengan SPSS
Yang ada perbedaan signifikan ditandai dengan tanda bintang (*). Dari Tabel
hasil output diperoleh, semuanya terdapat tanda bintang, berarti  semuanya
ada perbedaan yang signifikan.
Diagram Plot

Diagram Plot di bawah ini berguna untuk menilai apakah ada interaksi efek
antar variabel. Namun diagram ini tidak bisa dijadikan bahan acuan yang
valid. Tetapi hanya sekedar memberikan gambaran saja. Apabila garis-garis
tidak menunjukkan kesejajaran, maka dicurigai ada efek interaksi.

Diagram di atas menunjukkan ada ketidak sejajaran garis, maka dicurigai ada efek
interaksi.

31
 DAFTAR PUSTAKA

Advernesia (2019). Cara Uji Normalitas SPSS Shapiro Wilk dan Kolmogorov
Smirnov. https://www.advernesia.com//spss/cara-uji-normalitas-spss-
shapiro-wilk-dan-kolmogorov-smirnov/.
BAPM (2008). Uji Coba Instrumen Penelitian dengan Menggunakan MS Excel
dan SPSS. Online (Tersedia): http://file.upi.edu/Direktori/
FPMIPA/JUR._PEND._MATEMATIKA/196412051990031BAMBANG_
AVIP_PRIATNA_M/Makalah_November_2008.pdf
Hidayat, N. (2014). Tutorial Independen T Test dengan SPSS. Online (Tersedia):
https://www.statistikian.com/2014/04/independen-t-test-dengan-spss.html
Hidayat, A (2012). Tutorial Two Way Anova dalam SPSS. Online (Tersedia):
https://www.statistikian.com/2012/11/two-way-anova-dalam-spss.html
Guilford, J. P. (1956) Fundamental Statistics in Psychology and Education. New
York (330 West 42nd Street): McGraw‐Hill Book Company.

Nugroho, Y. S., Hadi, S. P., & Haryono, T, (2009). Penggunaan Software SPSS
Untuk Analisis Faktor Daya Beli Listrik Pada Sektor Rumah Tangga
Dengan Metode Regresi Linear Berganda (Studi Kasus Kota Salatiga).
Simposium Nasional RAPI VIII.
Ohyver, M., Rahayu, A., & Dwi Bekti, R. (2017). Online (Tersedia):
http://socs.binus.ac.id/files/2016/07/Pengenalan-SPSS-oleh-Magaretha-
Ohyver-dkk.pdf. (diakses, 16-8-2019),

32