1
BAB I Perlu digaris bawahi di sini bahwa tidak semua fakta adalah data. Fakta menjadi data ketika
TABULASI DATA PENELITIAN
Penelitian merupakan suatu usaha yang sistematis dalam rangka menyediakan
jawaban maupun pembuktian atas beberapa pertanyaan ataupun hipotesis. Sesudah hipotesis
ataupun pertanyaan penelitian dirumuskan, aktivitas selanjutnya adalah mencari jawaban
atau pemuktian atas hipotesis maupun pertanyaan tersebut. Jawaban hipotesis maupun
pertanyaan penelitian dilakukan dengan menganalisis data yang sudah dikumpulkan. Pada
umumnya, data dapat diartikan sebagai suatu fakta yang bisa digambarkan dengan kode,
simbol, angka dan lain-lain (Umar,2001:6). Suharsimi menyatakan (2006:118) data diartikan
sebagai hasil pencatatan peneliti, baik itu berupa fakta maupun angka. Menurut Soeratno dan
Arsyad (2003:72-73), data adalah semua hasil pengukuran atau observasi yang sudah dicatat
guna suatu keperluan tertentu.
Data merupakan suatu bahan yang masih mentah yang membutuhkan pengolahan
lebih lanjut sehingga menghasilkan informasi atau keterangan, baik kuantitatif maupun
kualitatif yang menunjukkan suatu fakta (Riduwan.2009:5). Pada konteks penelitian data bisa
diartikan sebagai keterangan tentang variabel pada beberapa objek. Data memberikan
keterangan tentang objek-objek dalam variabel tertentu. Contohnya: Data berat 6 batang besi
merupakan keterangan mengenai 6 besi dalam variabel “berat”. Motivasi belajar merupakan
keterangan mengenai siswa dalam variabel “motivasi belajar”, dan sebagainya. Keterangan
itu diwujudkan dalam bentuk angka maupun simbol.
Pengertian data penelitian menurut beberapa peneliti adalah kumpulan fakta yang
dikumpulkan dari subjek penelitian untuk diolah dan dianalisis menjadi kesimpulan atau
hasil penelitian. Data merupakan fakta-fakta yang difilter untuk kepentingan riset. Proses
penelitian pada prinsipnya adalah proses pencarian dan pengolahan data. Peran data amat
penting bagi penelitian ilmiah. Metode ilmiah dikatakan sistematis apabila perlakukan
terhadap data sesuai dengan kaidah ilmiah. Peneliti tidak mungkin menganalisis apa yang
diketahuinya sebagai fakta secara serampangan dalam proses penelitian. Perlu tahapan yang
runut untuk dilewati sebelum melaporkan hasil risetnya. Mengetahui apa pengertian data
merupakan langkah awal yang fundamental.
Sering kali kita sebagai pembelajar atau peneliti ditanya tentang bagaimana cara
memperoleh datanya. Pertanyaan ini selalu menjadi bagian dari proses penelitian. Proses
pengumpulan data tidak bisa berjalan sebelum peneliti memahami apa itu data. Sebenarnya
apa itu data?.
Setelah alat pengumpulan data kita tentukan dan kemudian kita sebarkan kepada
responden, langkah selanjutnya ialah mengambil kembali alat pengumpul data tersebut yang
sudah diisi dari responden untuk selanjutnya kita tabulasi. Dari keterangan tersebut dapat
kita artikan bahwa yang dimaksud dengan tabulasi data adalah; ‘merupakan proses
merangkum data yang kita butuhkan dari beberapa teknik pengumpul data yang kita
gunakan dan langkah selanjutnya akan kita analisa data tersebut.
A. Pengertian Data Penelitian
Sebagaimana telah disinggung di paragraf pertama, pengertian data dapat
dideskripsikan sebagai fakta-fakta yang dikumpulkan dari informan, responden, partisipan,
atau subjek penelitian untuk diolah dan dianalisis menjadi kesimpulan atau hasil penelitian.
digunakan untuk penelitian. Data yang tidak digunakan akan kehilangan nilai gunanya dalam
penelitian. Singkatnya, data merupakan bagian dari fakta yang digunakan. Bentuk data bisa
bermacam-macam, seperti simbol, kata-kata, gambar, foto, rekaman suara, tabel, grafik,
situasi sosial, video, dan lainnya. Ketika kita melakukan wawancara mendalam dengan
informan, data adalah hasil wawancara yang digunakan untuk penelitian. Ketika kita
melakukan analisis wacana, data adalah dokumen yang kita analisis sebagai subjek penelitian.
Mengetahui definisi data penelitian tidaklah sulit. Beberapa pakar riset di Indonesia
seperti S. Nasution mendefinisikan data sebagai kebenaran sementara dalam kondisi
tertentu yang merupakan bagian dari fakta yang menjadi sumber pengamatan dalam
penelitian. Menurut peneliti Sapari Imam Asyari, data merupakan fakta-fakta atau
keterangan atau informasi yang digunakan sebagai sumber atau bahan untuk menemukan
kesimpulan atau membuat keputusan. Data Penelitian adalah segala fakta dan angka yang
dapat dijadikan bahan untuk menyusun suatu informasi (Suharsimi Arikunto, 2002 : 96).
Pengertian Data adalah: “The word data is the plural of Latin datum. A large class of
practically important statements are measurements or observations of variable. Such
statements may comprise numbers, words, or images” (Wikipedia, 2005). Data merupakan
materi mentah yang membentuk semua laporan penelitian (Dempsey dan Dempsey, 2002:
76). Berdasarkan penjelasan para pakar di atas, maka dalam artikel kali ini, penulis akan
menyebutkan istilah data sebagai data penelitian. Sebab dalam blog kami, lebih spesifik
membahas perihal penelitian.
Menurut penulis, yang dimaksud dengan data dapat berarti secara luas dan dapat
pula berari secara sempit. Pengertian Data dalam arti luas adalah sekumpulan informasi yang
dapat diuat, diolah, dikirimkan dan di analisis. Namun apabila kita mau mengartikan data
dalam arti sempit konteks penelitian, maka yang dimaksud dengan data adalah data
penelitian. Untuk pengertian yang kedua tersebut, maka sebaiknya kita merujuk kepada data
definisi penelitian yang sudah dikemukakan oleh para pakar di atas. Oleh karena data bagian
dari fakta dan digunakan untuk kepentingan riset, sifat data harus valid. Validitas data
ditentukan dengan prasyarat sebagai berikut:
1. Prasyarat data yang valid
a. Objektif, artinya sesuai dengan fakta atau kenyataan yang ada dan tak semata-mata
berasal dari kepentingan subjektif peneliti.
b. Representatif, artinya dapat mewakili fakta atau kenyataan yang sifatnya lebih luas.
c. Aktual, artinya memiliki sifat kebaruan, setidaknya pada masanya.
d. Bernilai guna, artinya dapat digunakan untuk menjawab atau membantu menjawab
pertanyaan penelitian.
e. Unsur kesalahan kecil, artinya bukan berupa kekeliruan yang dominan kesalahannya.
Penelitian yang berkualitas hanya dapat dihasilkan dengan penggunaan data
yang valid. Validitas dan data ibarat kesatuan dan jangan sampai terpisahkan dalam
penelitian. Data adalah suatu ”objek kajian” yang luas definisinya. Dalam riset, pengertian
data selalu dibuat spesifik. Misalnya, data primer atau data sekunder, data internal atau data
eksternal, data kualitatif atau data kuantitatif, dan sebagainya. Spesifikasi data merupakan
produk jenis-jenis data.

B. Jenis Data Penelitian
Apa saja jenis-jenis data penelitian? Di bawah ini saya akan ulas secara super ringkas
beberapa jenis data sekadar untuk membantu pembaca mengetahui pengertian data secara
lebih lengkap.
1. Berdasarkan cara memperolehnya
a. Data primer, yaitu data utama yang diperoleh dari tangan pertama subjek
penelitian.
b. Data sekunder, yaitu data yang diperoleh bukan dari sumber pertama. Data ini
biasanya untuk pelengkap data primer.
2. Berdasarkan sumbernya
a. Data internal, yaitu data yang berasal dari dalam suatu organisasi yang diteliti dan
menggambarkan kondisi organisasi tersebut.
b. Data eksternal, yaitu data yang menggambarkan kondisi suatu organisasi namun
berasal dari luar organisasi tersebut.
3. Berdasarkan waktu pengumpulannnya
a. Data cross-sectional, yaitu data yang dikumpulkan pada waktu tertentu untuk
menggambarkan kondisi pada waktu tertentu.
b. Data time series, yaitu data yang dikumpulkan dari waktu ke waktu untuk melihat
suatu pertumbuhan atau perubahan.
4. Berdasarkan penafsirannya
a. Data faktual, yaitu data yang diperoleh dari subjek penelitian berdasarkan
anggapan bahwa hanya subjeklah yang mengetahui kebenaran informasi yang
dicari.
b. Data nonfaktual, yaitu data mengenai subjek penelitian yang perlu digali lebih
dalam dari berbagai sumber lain.
5. Berdasarkan sifatnya
a. Data kualitatif, yaitu data verbal dalam bentuk pesan atau informasi dalam bentuk
kata-kata yang disampaikan secara lisan maupun tulisan yang digunakan untuk
riset kualitatif.Data kuantitatif: data yang berupa angka-angka. Misalnya berat
badan, luas rumah, tinggi badan, nilai IQ, dll. Merupakan data yang menunjukkan
mutu atau kualitas sesuatu yangada, baik proses, keadaan, peristiwa, kejadian dan
lainnya yang dinyatakan ke dalam bentuk pertanyaan atau berupa kata-kata.
Penentuan kualitas data tersebut menurut kemampuan memberikan nilai tentang
bagaimana mutu dari sesuatu itu. Misalnya : wanita itu cantik, pria itu keren, baik,
ganteng, senang, harga minyak naik, rumah itu kecil dan lain sebagainya. Data ini
umunya diperoleh dari hasil wawancara dan bersifat subejktif, karena data tersebut
bisa ditafsirkan beda oleh yang berbeda. Data kualitatif bisa diubah atau
diangkakan (kuantifikasi) dalam bentuk ordinal ataupun rangking.
b. Data kuantitatif, yaitu data berupa angka atau numerik yang digunakan untuk riset
kuantitatif. Data kualitatif: data yang berupa kata-kata atau pernyataan-
pernyataan. Dapat pula diartikan sebagai data kategorik, karena memang biasanya
berupa kategori atau pengelompokan-pengelompokan berdasarkan nama atau
inisial tertentu. Misalkan: Kelompok PNS, Petani, Buruh, Wiraswasta, dll.
6. Data Berdasarkan Skala Pengukurannya
2
Data yang merupakan hasil pengukuran variabel penelitian, memiliki jenis skala
pengukuran sebagaimana yang terdapat pada variabel penelitian. Dengan demikian
berdasarkan tinjauan ini, data dapat dibedakan menjadi antara lain:
a. Data Nominal
Data nominal adalah salah satu jenis data kualitatif, dimana berupa kategori yang
diantara kategori tersebut tidak ada perbedaan derajat yang lebih tinggi dan yang
lebih rendah. Misalkan: Jenis kelamin perempuan dan laki-laki, dimana laki-laki
belum tentu lebih tinggi dari pada perempuan, begitu pula sebaliknya.
b. Data Ordinal
Data ordinal hampir sama dengan data nominal, hanya saja ada perbedaan derajat
lebih tinggi dan lebih rendah. Misalnya: Pendidikan, dimana pendidikan perguruan
tinggi lebih tinggi dari pada SMA, dan sebaliknya pedidikan SMA lebih rendah dari
pada perguruan tinggi.
c. Data Interval
Data interval adalah data yang termasuk kelompok data kuantitatif, dimana berupa
angka-angka yang didalamnya dapat dilakukan operasi matematika serta urutan
antara satu data dengan data lainnya mempunyai rentang yang sama. Misalnya:
Nilai ujian, dimana dikatakan berurutan dengan rentang yang sama yaitu setelah
angka 1 kemudian 2 kemudian 3 dst. Serta dikatakan dapat dilakukan operasi
matematika, adalah misalkan: angka 1 dapat dikalikan dengan angka 2 dan hasilnya
adalah 2. Ciri khas penting lainnya adalah, data interval tidak mempunyai angka 0
absolut dan 100 absolut secara bersamaan atau dalam arti lain tidak bisa dipastikan
peresentase antara satu data dengan keseluruhan data. maksudnya 0 absolut
misalkan nilai ujian. Secara akal sehat, tidak mungkin ada nilai ujian kurang dari 0.
Sedangkan 100 absolut misalkan juga nilai ujian, secara akal sehat tidak mungkin
ada nilai ujian lebih dari 100. jadi data interval contohnya adalah berat badan,
dimana tidak bisa dipastikan berapa sebenarnya nilai tertinggi berat badan. Bisa
jadi orang punya berat bada puluhan kilo, ratusan atau bahkan ribuan kilo.
d. Data Rasio
Data rasio adalah data yang sebenarnya sama dengan data iterval, namun bedanya
adalah data rasio dapat dibuat persentase karena ada nilai 0 dan 100 absolut.
Seperti yang sudah dibahas di atas, yaitu misalnya nilai ujian yang mempunyai
batasan nilai 0 sampai 100. Jika seorang siswa mendapatkan nilai 25, dapat
diartikan nilai tersebut adalah 25% dari nilai maksimal 100.
Demikian penjelasan yang singkat dan padat tentang data penelitian. Dengan
membaca artikel ini saja, tidak akan cukup bagi para pembaca untuk memahami secara
keseluruhan tentang data dan manfaatnya memahaminya.
C. Sumber Data
Data yang dibutuhkan dalam penelitian bisa dikumpulkan atau diperoleh dari
berbagai sumber data. Pengertian sumber data dalam penelitian merupakan subjek dari
mama data dapat diperoleh. Jika penelitian menggunakan wawancara atau angket dalam
pengumpulan datanya, maka sumber data tersebut disebut responden, yaitu orang yang
merespon atau menjawab pertanyaan peneliti. Jika pengumpulan data dilakukan atas
populasi maka responden penelitian adalah populasi,sedangkan jika pengumpulan data
 3

dilakukan atas sampel maka responden adalah sampel. Data dikumpulkan dengan memberi 13 3 4 5 3 5 4 24
skor terhadap respons yang diberikan oelh responden. Pertanyaan mengenai data akan
14 4 4 4 3 4 3 22
dikumpulkan berhubungan dengan variabel.
Bila Peneliti memakai teknik obserbvasi, maka sumber datanya dapat berupa benda, 15 4 4 3 4 3 4 22
gerak atau proses sesuatu. Penelitian yang mengamati aktivitas siswa dalam pembelajaran, 16 3 3 3 4 4 3 20
sumber datanya adalah siswa, sedangkan objek penelitiannya adalah kegiatan siswa dalam
17 3 5 3 3 5 3 22
kegiatan pembelajaran. Bila peneliti memakai analisis dokumen, maka dokumen atau catatan
yang menjadi sumber datanya, sedangkan isi catatan subjek penelitian menjadi variabel 18 5 3 5 4 4 3 24
penelitian. 19 4 3 4 3 4 3 21
Berdasarkan wilayah sumber data dalam arti keseluruhan atau sebagian sumber data
20 3 4 3 4 4 3 21
diambil sebagai subjek penelitian, sumber data bisa dibedakan menjadi 2 yaitu: populasi dan
sampel. Pengumpulan data yang dilakukan atas populasi menghasilkan data dan kesimpulan 21 5 5 3 3 3 4 23
yang lebih akurat karena tidak ada kesalahan yang terjadi. Hal ini dikarenakan seluruh objek 22 4 5 3 5 3 3 23
datanya dikumpulkan, dan dianalisis. Akan tetapi pengumpulan data yang seperti ini tidak
jarang tidak bisa dilakukan karena berbgai kendala. Dengan kondisi yang demikian biasanya 23 5 5 5 3 5 4 27
pengumpulan data hannya dilakukan dari sampel. 24 4 4 4 3 4 3 22
Sampel merupakan sebagian dari populasi yang memiliki sifat dan ciri yang sama 5 5 3 4 3 4 24
25
dengan populasi karena diambil dari populasi secara teknik sampling tertentu yang secara
metodologis bisa dipertanggjawabkan. Jika sumber datanya adalah sampel, maka 26 4 4 5 5 4 4 26
pengumpulan dan analisis data hanya dilakukan atas sampel, namun kesimpulanya akan 27 3 3 3 4 4 3 20
diberlakukan untuk seluruh populasi melalui generalisasi. 3 5 3 3 5 3 22
28
Contoh Data Penelitian 29 5 3 5 4 4 3 24
Lampiran Variabel Y 30 4 3 4 3 4 3 21
Nomor Item Pernyataan 31 3 4 3 4 4 3 21
No Total
1 2 3 4 5 6 32 4 4 3 3 3 4 21

1 5 3 3 3 4 4 22 33 3 4 3 5 3 3 21

2 4 3 5 3 3 5 23 34 4 4 5 3 5 4 25

3 4 5 3 5 4 4 25 35 4 4 4 3 4 3 22

4 4 4 3 4 3 4 22 36 4 5 3 4 3 4 23

5 4 3 4 3 4 4 22
6 3 3 3 4 4 3 20 D. Tabulasi Data Penelitian
7 3 5 3 3 5 3 22 Tabulasi data merupakan suatu bentuk deskripsi yang sifatnya umum dari skor-skor
5 3 5 4 4 3 24 hasil scoring atau dari hasil penetapan skor pada item tertentu. Biasanya pemberian skor ini
8
karena kita ingin mengukur suatu data-data perilaku. Misalnya sangat setuju, sangat puas,
9 4 3 4 3 4 3 21 puas dan sebagainya. Tabulasi data responden penting untuk dibuat. Dari tabulasi itulah
10 3 4 3 4 4 3 21 seluruh data dianalisis baik secara kualitatif maupun kuantitatif. Misalnya membuat
4 4 3 3 3 4 21 teknik analisis frekwensi dan analisis lainnya seperti regresi. Membuat tabulasi data cukup
11
mudah jika sobat menyimak tahapanya.
12 5 5 3 5 3 3 24 Setelah peneliti selesai melakukan coding, langkah selanjutnya adalah melakukan
tabulasi.Tabulasi merupakan suatu proses pembuatan tabel-tabel sesuai dengan analisis
 4

yangdibutuhkan. Untuk memudahkan dalam proses tabulasi, peneliti perlu membuat Jumlah 100 100 %
ringkasanterlebih dahulu untuk menghimpun semua data. Kegiatan ini dilakukan dengan
tujuan untukmemudahkan peneliti dalam melakukan proses analisis data. Tabel silang dibuat dengan tujuan untuk mengetahui hubungan antarvariabel
Adapun format ringkasan terdiri dari kolom-kolom dan baris-baris. Kolom dandisusun berdasarkan variabel yang memiliki hubungan tertentu satu sama lain.
pertamayang terletak pada bagian paling kiri digunakan untuk nomor urut atau kode Misalnya:hubungan jenis kelamin dengan tingkat partisipasi dalam kegiatan ekstra kurikuler,
responden.Sedangkan kolom kedua dan seterusnya digunakan untuk variabel-variabel yang dansebagainya. Distribusi persentasi digunakan sebagai dasar untuk menyimpulkan
terdapatdi dalam kuesioner. Baris-baris digunakan untuk menuliskan seluruh responden. hubunganantara variabel-variabel penelitian. Dalam pembuatan tabel biasanya variabel
Baris pertamauntuk responden pertama, baris kedua untuk responden kedua, dan bebas disusunsebagai kolom, sedangkan variabel terikat disusun sebagai baris. Hal ini
seterusnya. Setelah semua data diringkas, langkah selanjutnya adalah membuat tabel-tabel dilakukan untukmemudahkan dalam membaca tabel. Perhatikan contoh berikut.
untukkegiatan analisis. Tabel : Hubungan Jenis Kelamin Terhadap Partisipasi
E. Cara Melakukan Tabulasi Dalam Kegiatan Ekstra Kulikuler di Kampus
Dalam melakukan tabulasi pada sebuah penelitian, Tabulasi dapat dilakukan melalui Laki-Laki Perempuan Jumlah
dua cara, yaitu sebagai berikut: Kategori
F % F % F %
1. Tabulasi Langsung PKM 10 20 12 24 22 44
2. Tabulasi Kode (Sheet Code). BEM 12 24 7 14 19 38
Dalam tabulasi langsung data langsung ditabulasidari kuesioner ke dalam tabel yang FUTSAL 4 8 3 6 7 14
sudah dipersiapkan tanpa perantara lainnya. Tabulasilangsung dilakukan untuk data yang VOLLY 2 4 0 0 2 4
jumlah responden dan variabelnya sangat sedikit.Proses tabulasi data secara langsung ini
lazimnya dikerjakan dengan sistem tally denganmemberi tanda garis (tally). Perhatikan Tabel-tabel di atas disusun berdasarkan hasil tabulasi yang menggunakan tabel-tabel
contoh berikut ini. pembantu yang menggunakan tally sesuai dengan data yang telah dikumpulkan. Agar
Tabel : Pencapaian Prestasi Belajar tidakterjadi kesalahan, tentu saja diperlukan ketelitian dan kecermatan dalam menyusun
Mahasiswa Manajemen dan Akuntansi tabulasitersebut. Proses tabulasi akan semakin mudah dan cepat jika didukung oleh sarana
Kategori Tally Frekuensi komputer.
Baik Sekali ИИ ИИ III 13 Pada tahap ini sebagian besar peneliti pemula mungkin mengalami kebingunan,
Baik ИИ ИИ ИИ II 17 dimana letak kebingungan mereka? Dalam penelitian kuantitatif, untuk menganalisa data kita
Cukup ИИ ИИ ИИ I 16 membutuhkan  nilai masing-masing variabel yang dilibatkan dalam penelitian. Kebingungan
Buruk ИИ I 6 mereka terletak bagaimana menentukan nilai variabel bebas X dan variabel terikat Y, apalagi
Buruk Sekali II 2 pada kuisioner jumlah pertanyaan untuk masing-masing variabel berbeda, misalnya untuk
Jumlah 54 54 variabel X jumlah pertanyaan sebanyak 7 pertanyaan, sedangkan pertanyaan untuk variabel
Y sebanyak 10 pertanyaan. 
Sedangkan tabulasi dengan menggunakan lembaran kode dapat dilakukan Bagaimana cara menentukan nilai untuk masing-masing variabel? Caranya cukup
denganmenggunakan komputer. Proses tabulasi seperti ini dilakukan terhadap responden sederhana yaitu:
dan variabeldata yang sangat banyak.Tabulasi data ke dalam tabel dapat dilakukan dengan 1. Hitung jumlah data yang terkumpul (beberapa responden mengembalikan kuisioner)
membuat tabel frekuensi\// maupuntabel silang. Tabulasi data ke dalam tabel frekuensi 2. Buat tabel pembantu untuk masing-masing variabel
dilakukan sebelum analisis data.Tabel frekuensi disusun untuk semua variabel penelitian
yang disusun tersendiri. Tabeltabeltersebut dijadikan bahan dasar dalam proses analisis. 3. Setelah tabel pembantu selesai diisi, buat nilai rata-rata dengan cara menjumlahkan
Perhatikan contoh berikut ini. seluruh nilai lalu dibagi dengan jumlah pertanyaan.
4. Nilai rata-rata inilah yang akan kita jadikan sebagai nilai untuk variabel penelitian. 
Tabel : Frekuensi Mahasiswa Manajemen
NO Kategori Frekuensi Persen (%) Contoh Tabulasi Data Penelitian:
1 Laki-Laki 60 60 % Item SS S KS TS STS Jumlah
2 Perempuan 30 30 % No
Pernyataan F % F % F % F % F % F %
3 Tidak Menjawab 10 10 %
 5

1 Pernyataan 1 8 22.2 17 47.2 11 30.56 0 0 0 0 36 100 Secara umum sampel penelitian adalah bagian dari populasi yang mewakili
karakteristik populasi dalam peneltian. Sampel mempunyai cakupan lebih kecil dari pada
2 Pernyataan 2 10 27.8 14 38.9 12 33.33 0 0 0 0 36 100 populasi. Untuk mendapatkan sampel, maka digunakanlah teknik penggambilan sampel atau
3 Pernyataan 3 8 22.2 7 19.4 21 58.33 0 0 0 0 36 100 sering disebut dengan sampling. Tenik pengambilan sampel ada bermacam-macam, untuk
4 Pernyataan 4 5 13.9 13 36.1 18 50 0 0 0 0 36 100 memperdalam pemahaman kita tentang sampel dan sampling, maka kita perlu merujuk teori-
teori yang sudah ada. Berikut Teori Sampel dan Sampling Penelitian menurut Sugiyono
5 Pernyataan 5 6 16.7 19 52.8 11 30.56 0 0 0 0 36 100 (2011:118-127) Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
6 Pernyataan 6 1 2.8 14 38.9 21 58.33 0 0 0 0 36 100 populasi. Sampel dilakukan jika populasi besar dan peneliti tidak mungkin memperlajari
Total 38 105.6 84 233.3 94 261.1 0 0 0 0 216 600 semua yang ada pada populasi. Sedangkan menurut Bugin (2011:112-115) Sampel adalah
wakil semua unit strata dan sebagainya yang ada di dalam populasi. Faktor-faktor yang harus
Rata-rata 6.333 17.59 14 38.89 15.67 43.52 0 0 0 0 36 100 dipertimbangkan dalam menentukan sampel dalam suatu penelitian, yaitu derajat
keseragaman, derajat kemampuan peneliti mengenal sifat-sifat khusus populasi, presisi yang
dikehendaki penelitian, dan penggunaan teknik sampling yang tepat. Selain itu menurut
Widiyanto (2010:5) Sampel penelitian adalah sebagian dari populasi yang akan diteliti dan
dianggap telah mewakili dari populasi.
A. Pengertian Teknik Sampling
Teknik sampling dalam penelitian berdasarkan statistikian dan pakar akan dijelaskan
pada kesempatan ini. Teknik sampling adalah teknik yang dilakukan untuk menentukan
sampel. Jadi, sebuah penelitian yang baik haruslah memperhatikan dan menggunakan sebuah
teknik dalam menetapkan sampel yang akan diambil sebagai subjek penelitian. Teknik
Sampling, adalah teknik pengambilan sampel. Untuk menetukan sampel yang akan digunakan
dalam penelitian.
Teknik pengambilan sampel menurut Sugiyono (2001) adalah: Teknik sampling
adalah merupakan teknik pengambilan sampel (Sugiyono, 2001: 56). Sedangkan menurut
Margono (2004) pengertian teknik pengambilan sampel adalah: Teknik sampling adalah cara
untuk menentukan sampel yang jumlahnya sesuai dengan ukuran sampel yang akan
dijadikan sumber data sebenarnya, dengan memperhatikan sifat-sifat dan penyebaran
populasi agar diperoleh sampel yang representatif.
B. Pembagian Teknik Sampling
Menurut Sugiyono (2001), untuk menentukan sampel yang akan digunakan dalam
penelitian, terdapat berbagai teknik sampling yang digunakan dan dapat dikelompokkan
menjadi 2 yaitu Probability Sampling dan Non Probability Sampling. Secara skematis
ditunjukkan pada diagram berikut ini:

BAB II
TEKNIK SAMPLING Teknik Sampling
 6

1. Probability Sampling
Probability Sampling Non Probability Probability sampling adalah salah satu teknik pengambilan sampel yang memberikan
peluang yang sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota
Sampling
sampel. Dengan probability sampling, maka pengambilan sampel secara acak atau random
dari populasi yang ada. Teknik sampel probability sampling meliputi:
a. Simple Random Sampling
Simple Random Sampling dinyatakan simple (sederhana) karena pengambilan
 Sample Random  Sampling sampel anggota populasi dilakukan secara acak tanpa memperhatikan strata yang
ada dalam populasi itu. Simple random sampling adalah teknik untuk mendapatkan
Sampling Sistematis atau sampel yang langsung dilakukan pada unit sampling. Maka setiap unit sampling
 Proportionate Systematic sebagai unsur populasi yang terpencil memperoleh peluang yang sama untuk
menjadi sampel atau untuk mewakili populasinya. Cara tersebut dilakukan bila
Stratified Random Sampling
anggota populasi dianggap homogen.
Sampling  Sampling Kuota Teknik tersebut dapat dipergunakan bila jumlah unit sampling dalam suatu
 Disproportionate atau Quota populasi tidak terlalu besar. Cara pengambilan sampel dengan simple random
sampling dapat dilakukan dengan metode undian, ordinal, maupun tabel bilangan
Stratified Random Sampling random. Untuk penentuan sample dengan cara ini cukup sederhana, tetapi dalam
Sampling  Sampling prakteknya akan menyita waktu. Apalagi jika jumlahnya besar, sampelnya besar.
 Cluster Sampling Aksidental atau b. Proportionate Stratified Random Sampling
Proportionate Stratified Random Sampling biasa digunakan pada populasi yang
(Area Sampling) Accidental mempunyai susunan bertingkat atau berlapis-lapis. Teknik ini digunakan bila
Sampling populasi mempunyai anggota/unsur yang tidak homogen dan berstrata secara
proporsional. Kelemahan dari cara ini jika tidak ada investigasi mengenai daftar
 Sampling Purposive
subjek maka tidak dapat membuat strata.
 Sampling Jenuh c. Disproportionate Stratified Random Sampling
 Snowball Sampling Disproportionate Stratified Random Sampling digunakan untuk menentukan jumlah
sampel bila populasinya berstrata tetapi kurang proporsional.
d. Cluster Sampling (Area Sampling)
Cluster Sampling (Area Sampling) juga disebut cluster random sampling. Teknik
pengambilan sampel ini digunakan bilamana populasi tidak terdiri dari individu-
individu, melainkan terdiri dari kelompok-kelompok individu atau cluster. Teknik
Teknik Sampling sampling daerah digunakan untuk menentukan sampel bila objek yang akan diteliti
atau sumber data sangat luas. Kelemahan teknik pengambilan sampel ini dapat
Dari diagram di atas menjelaskan pada kita bahwasanya teknik penentuan sampel dilihat dari tingkat error samplingnya. Jika lebih banyak di bandingkan dengan
dapat dikelompokkan menjadi dua, yaitu: Teknik pengambilan sampel pertama adalah pengambilan sampel berdasarkan strata karena sangat sulit memperoleh cluster
Probability Sampling dan kedua adalah Nonprobability Sampling, yang termasuk ke dalam yang benar-benar sama tingkat heterogenitasnya dengan cluster yang lain di dalam
kelompok probability sampling antara lain: simple random sampling, proportionate stratified populasi.
random sampling, disproportionate stratified random sampling, dan area (cluster) sampling 2. Nonprobability sampling
(disebut juga dengan sampling menurut daerah), sedangkan yang termasuk kedalam jenis Nonprobability sampling adalah salah satu teknik pengambilan sampel yang tidak
non probability sampling antara lain : sampling sistematis, samping kuatoa, sampling memberi peluang/kesempatan yang sama bagi setiap unsur atau anggota populasi untuk
aksidental, purposive sampling, sampling jenuh dan snowball samping, berikut dipilih menjadi sampel. Jenis teknik sampling ini antara lain:
penjelasannya:
a. Sampling Sistematis atau Systematic Sampling

Sampling sistematis adalah teknik penentuan sampel berdasarkan urutan dari
anggota populasi yang telah diberi nomor urut.
b. Sampling Kuota atau Quota Sampling
Sampling kuota adalah teknik untuk menentukan sampel dari populasi yang
mempunyai ciri-ciri tertentu sampai jumlah (kuota) yang diinginkan. Teknik ini
jumlah populasi tidak diperhitungkan akan tetapi diklasifikasikan dalam beberapa
kelompok. Sampel diambil dengan memberikan jatah atau quorum tertentu
terhadap kelompok. Pengumpulan data dilakukan langsung pada unit sampling.
Setelah jatah terpenuhi, maka pengumpulan data dihentikan.
Teknik ini biasanya digunakan dan didesain untuk penelitian yang menginginkan
sedikit sampel dimana setiap kasus dipelajari secara mendalam. Dan bahayanya,
jika sampel terlalu sedikit, maka tidak akan dapat mewakili populasi.
c. Sampling Aksidental atau Accidental Sampling
Sampling aksidental adalah teknik penentuan sampel berdasarkan kebetulan, yaitu
siapa saja yang secara kebetulan bertemu dengan peneliti dapat digunakan sebagai
sampel, bila dipandang orang yang kebetulan ditemui itu sesuai sebagai sumber
data. Dalam teknik sampling aksidental, pengambilan sampel tidak ditetapkan lebih
dahulu. Peneliti langsung saja mengumpulkan data dari unit sampling yang ditemui.
d. Sampling Purposive
Sampling purposive adalah teknik penentuan sampel dengan pertimbangan
tertentu. Pemilihan sekelompok subjek dalam purposive sampling, didasarkan
atas ciri-ciri tertentu yang dipandang mempunyai sangkut paut yang erat dengan
ciri-ciri populasi yang sudah diketahui sebelumnya. Maka dengan kata lain, unit
sampel yang dihubungi disesuaikan dengan kriteria-kriteria tertentu yang
diterapkan berdasarkan tujuan penelitian atau permasalahan penelitian.
e. Sampling Jenuh
Sampling jenuh adalah teknik penentuan sampel bila semua anggota populasi
digunakan sebagai sampel. Hal ini sering dilakukan bila jumlah populasinya relatif
kecil, kurang dari 30 orang. Sampel jenuh disebut juga dengan istilah sensus,
dimana semua anggota populasi dijadikan sampel.
f. Snowball Sampling
Snowball sampling adalah teknik pengambilan sampel yang awal mula jumlahnya
kecil, kemudian sampel ini disuruh memilih teman-temannya untuk dijadikan
sampel. Dan begitu seterusnya, sehingga jumlah sampel makin lama makin banyak.
Ibaratkan sebuah bola salju yang menggelinding, makin lama semakin besar. Pada
penelitian kualitatif banyak menggunakan sampel purposive dan snowball.
C. Tujuan Teknik Pengambilan Sampel
Tujuan utama dari pengambilan sampel menurut ahli adalah (Soegeng dalam Tahir,
2011:37) adalah sebagai berikut:
1. Mengurangi jumlah objek atau orang yang diteliti, jumlah tenaga yang terlibat, waktu
yang diperlukan, dan biaya yang harus dikeluarkan.
2. Membuat simpulan atau ringkasan dari fenomena yang sangat banyak jumlahnya
3. Menonjolkan sifat-sifat umum dari populasi, ciri-ciri khas individual diabaikan.
7
Sedangkan tujuan pengambilan sampel menurut Sugiarto dalam Martono (2010:75),
adalah sebagai berikut:
1. Apabila kita tidak mungkin mengamati seluruh anggota populasi yang ada, hal tersebut
dapat terjadi jika anggota populasi sangat banyak.
2. Pengamatan terhadap seluruh anggota populasi dapat bersifat merusak.
3. Menghemat biaya, waktu dan tenaga yang digunakan.
4. Mampu memberikan suatu informasi yang akurat, lebih menyeluruh dan mendalam
(komprehensif).
Pemilihan teknik pengambilan sampel harus berdasarkan 2 hal penting yaitu,
reliabilitas dan efisiensi. Sampel yang reliable adalah sampel yang memiliki reliabilitas tinggi.
Hal tersebut dapat diartikan bahwa semakin kecil kesalahan sampling, reliabilitas sampling
semakin rendah. Jika dikaitkan dengan varian nilai statistiknya berlaku kriteria bahwa
semakin rendah varian, maka reliabilitas sampel yang diperoleh semakin tinggi pula.
D. Contoh Penarikan Sample Menggunakan Rumus Slovin
Rumus Slovin adalah sebuah rumus atau formula untuk menghitung jumlah sampel
minimal apabila perilaku dari sebuah populasi tidak diketahui secara pasti. Rumus ini
pertama kali diperkenalkan oleh Slovin pada tahun 1960. Rumus slovin ini biasa digunakan
dalam penelitian survey dimana biasanya jumlah sampel besar sekali, sehingga diperlukan
sebuah formula untuk mendapatkan sampel yang sedikit tetapi dapat mewakili keseluruhan
populasi. Rumus Slovin dapat dilihat berdasarkan notasi sebagai berikut:
N
n=
1 + (N x e²)
Dari notasi diatas, n adalah jumlah sampel minimal, nilai N adalah populasi
sedangkan nilai e adalah error margin. Berangkat dari ide perihal margin error inilah
mungkin sang pencipta dari rumus ini memberikan kesempatan kepada para peneliti untuk
menetapkan besar sampel minimal berdasarkan tingkat kesalahan atau margin of error.
Misalnya sebuah penelitian dengan derajat kepercayaan 95%, maka tingkat
kesalahan adalah 5%. Sehingga peneliti dapat menentukan batas minimal sampel yang dapat
memenuhi syarat margin of error 5% dengan memasukkan margin error tersebut ke dalam
formula atau rumus slovin.
Contoh Cara Hitung Rumus Slovin
Berdasarkan notasi rumus besar sampel penelitian minimal oleh Slovin diatas, maka apabila
kita punya 1.000 orang dalam sebuah populasi, kita bisa tentukan minimal sampel yang akan
diteliti. Margin of error yang ditetapkan adalah 5% atau 0,05. Perhitungannya adalah:
 8

N
n=
1 + (N x e²)

1000
n=
1 + (1000 x 0,05²)

1000
n= BAB III
1 + (1000 x 0,0025)
1000 UJI VALIDITAS & RELIABILITAS
n= A. Pengertian Uji Validitas
(1 + 2,5)
Validitas merupakan suatu standar atau dasar ukuran yang menunjukkan ketetapan
1000 (appropriateness), kemanfaatan (userfulness) dan kesahihan yang mengarah pada ketepatan
interpretasi suatu prosedur evaluasi sesuai dengan tujuan pengukurannya. Pengertian uji
n= validitas menurut para ahli yaitu sebagai berikut :
3,5
1. Sudjana (2004:12)
n= 285,7143 Validitas menurut Sudjana adalah ketepatan alat penilaian terhadap konsep yang dinilai
sehingga betul-betul menilai apa yang harus dinilai.
Apabila dibulatkan maka besar sampel minimal dari 1000 populasi pada margin of 2. Suryabrata (2000:41)
error 5% adalah sebesar 286. Validitas menurut Suryabrata adalah derajat fungsi pengukuran suatu tes, atau derajat
kecermatan ukurnya sesuatu tes. Validitas suatu tes mempermasalahkan apakah tes
tersebut benar-benar mengukur atap yang hendak diukur.
3. Azwar (1987:173)
Validitas menurut Azwar adalah sejauh mana ketepatan dan kecermatan suatu
instrumen pengukur (tes) dalam melakukan fungsi ukurnya. Suatu tes dikatakan
memiliki validitas yang tinggi apabila alat tersebut menajalankan fungsi ukur secara
tepat atau memberikan hasil ukur yang sesuai dengan maksud dilakukannya
pengukuran tersebut.
4. Arikunto (1999:65)
Validitas menurut Arikunto adalah suatu ukuran yang menunjukkan tingkat kesalihan
suatu tes. Suatu tes dikatakan valid apabila tes tersebut mengukur apa yang hendak
diukur. Tes memiliki validitas yang tinggi jika hasilnya sesuai denga kriteria, dalam arti
memiliki kesejajaran antara tes dan kriteria.
5. Kusaeri (2012:75)
Validitas menurut Kusaeri adalah ketepatan (appropriateness), kebermaknaan
(meaningfull) dan kemanfaatan (usefulness) dari sebuah kesimpulan yang didapatkan
dari interpretasi skor tes.
6. Nursalam (2003)
Validitas menurut Nursalam adalah suatu ukuran yang menunjukkan tingkat kevalidan
atau keshalihan suatu instrumen.
7. Neuman (2007)

Validitas menurut Neuman adalah menunjukkan keadaan yang sebenarnya dan mengacu
pada kesesuaian antara konstruk, atau cara seorang peneliti mengkonseptualissasikan
ide dalam definisi konseptual dan suatu ukuran. Hal ini mengacu pada seberapa baik ide
tentang realitas “sesuai” dengan realitas aktual. Dalam istilah sederhana, validitas
membahas pertanyaan mengenai seberapa baik realitas sosial yang diukur melalui
penelitian sesuai dengan konstruk yang peneliti gunakan untuk memahaminya.
8. Anastasia dan Urbina (1998)
Validitas menurut Anastasia dan Urbina adalah mengenai apa dan seberapa baik suatu
alat tes dapat mengukur, sedangkan reliabilitas merujuk pada konsistensi skor yang
dicapai oleh orang yang sama ketika diuji berulang kali dengan tes yang sama pada
kesempatan yang berbeda, atau dengan seperangkat butir-butir ekuivalen (equivalent
items) yang berbeda, atau dibawah kondisi pengujian yang berbeda.
9. Gronlund dan Linn (1990)
Validitas menurut Gronlund dan Linn adalah ketepatan interpretasi yang dibuat dari
hasil pengukuran atau evaluasi.
10. Sukadji (2000)
Validitas menurut Sukadji adlaah derajat yang menyatakan suatu tes mengukur apa yang
seharusnya diukur.
11. KBBI (Kamus Besar Bahasa Indonesia)
Validitas menurut KBBI adalah sifat benar menurut bahan bukti yang ada, logika
berpikir atau kekuatan hukum; sifat valid; kesahihan
B. Jenis-jenis Validitas
Jenis atau macam macam validitas adalah sebagai berikut:
1. Validitas Isi
Validitas isi (Content Validity) menjabarkan sejauh mana pertanyaan, tugas atau butir
dalam suatu tes atau instrumen dapat mewakili secara keseluruhan dan proposional
perilaku sampel yang dikenai tes. Validitas isi mengukur derajat kemampuan tes dalam
mengukur yang mencakup substansi elemen yang ingin diukur. Validitas isi dipakai
untuk mengukur kemampuan belajar, hasil belajar atau prestasi belajar.
2. Validitas Konstruk
Validitas konstruk atau Construct Validity merupakan validitas yang
mempermasalahkan seberapa jauh butir tes dapat mengukur apa yang benar-benar
hendak diukur yang sesuai dengan konsep khusus atau definisi konseptual yang telah
ditetapkan. Validitas konstruk berhubungan dengan kejadian dan objek yang abstrak,
tetapi gejalanya dapat diamati dan diukur. Validitas konstruk dapat dipakai dalam
mengukur sikap, minat konsep diri, fokus kontrol, gaya kepemimpinan, motivasi
berprestasi dan lainnya, ataupun yang sifatnya performa maksimum seperti instrumen
untuk mengukur bakat (tes bakat), intelegensi (kecerdasan intelektual), kecerdasan,
emosional dan lainnya.
3. Validitas Kriteria
Validitas kriteria atau validitas empiris (Criterion-Related Validity) ditentukan oleh
kriteria, baik kriteria internal ataupun kriteria eksternal. Validitas kriteria didapatkan
melalui hasil uji coba tes kepada responden yang setara dengan responden yang akan
9
dievaluasi atau diteliti. Validitas kriteria adalah ukuran validitas yang penentuannya
dengan cara membandingkan skor tes dengan kinerja tertentu pada ukuran luar atau
yang lain. Contoh pemakaian validitas kriteria adalah tes intelejensi yang berkorelasi
dengan rata-rata nilai akademis. Dengan asumsi, jika intelejensi seseorang tinggi, maka
yang akan terjadi dia mendapatkan nilai akademis yang bagus.
4. Validitas Muka
Validitas muka (Face Validity) merupakan tipe validitas yang paling rendah
signifikasinya karena hanya berdasarkan pada penilaian sepintas tentang isi alat ukur.
Apabila isi alat ukur sudah terlihat sesuai degan apa yang ingin diukur, maka dapat
dikatakan validitas muka sudah terpenuhi. Validitas muka disebut juga dengan validitas
rendah dari validitas isi.
C. Prinsip Validitas
Ada beberapa prinsip yang akan dilakukan oleh para peneliti ketika akan melakukan
uji validitas dalam penelitiannya, yaitu antara lain:
1. Interpretasi yang diberikan pada asesmen hanya valid terhadap derajat yang diarahkan
ke suatu bukti yang mendukung kecocokan dan kebenarannya.
2. Penggunaan yang bisa dibuat dari hasil asesment hanya valid terhadap dejarat yang
arahnya ke suatu bukti yang mendorong kecocokan dan kebenarannya.
3. Interpretasi dan kegunaan dari hasil asesment hanga valid ketika nilai (values) yang
didapatkan sesuai
4. Interpretasi dan kegunaan dari hasil asesment hanya valid ketika konsekuensi
(consequences) dari interpretasi dan kegunaan ini konsisten dengan nilai kecocokan.
D. Cara Menghitung Validitas
Dalam menguji validitas tiap butir soal, maka skor yang ada pada butir yang
dimaksud dikorelasikan dengan skor total. Skor tiap butir soal dinyatakan dengan skor X dan
skor total dinyatakan dengan skor Y. Dengan diperolehnya indeks validitas tiap butir soal,
dapat diketahui butir soal mana yang memenuhi syarat bisa dilihat dari indeks validitasnya.
Untuk menentukan koefisien korelasi antara skor hasil tes yang akan diuji validitasnya
dengan hasil tes yang terstandar yang dimiliki orang yang sama dapat memakai rumus
korelasi produk momen. Rumus Korelasi produk momen

Keterangan :
rxy = Koefisien korelasi antara variabel X dan variabel Y
x1 = Nilai data ke-i untuk kelompok variabel X
y1 = Nilai data ke-i untuk kelompok variabel Y
n = Banyak Data
Hitung koefisien validitas instrumen yang diuji (r-hitung), yang mempunyai nilai
sama dengan korelasi hasil langkah sebelumnya dikali dengan koefisien validitas instrumen
terstandar. Lalu bandingkan nilai koefiesien validitas dengan nilai koefisien Pearson atau
tabel Pearson (r-tabel) pada taraf signifikannya a (umumnya dipilih 0,05) dan n= banyaknya
data yang sesuai. Kriterianya sebagai berikut: Instrumen valid, jika r-hitung = r-tabel dan
Instrumen tidak valid jika r-hitung < r-tabel. Tentukan kategori validitas instrumen yang
acuannya pada pengklasifikasian validitas yang dikemukakan oleh Guilford:
 0,80 < rxy 1,00 validitas sangat baik (sangat tinggi)
 0,60 < ryx 0,80 validitas baik (tinggi)
 0,40 < rxy 0,60 validitas cukup (sedang)
 0,20 < rxy 0,40 validitas kurang (rendah)
 0,00 < rxy 0,20 validitas jelek (sangat rendah)
 rxy 0,00 tidak valid
E. Pengertian Reliabilitas
Dalam penelitian yang menggunakan metoda kuantitatif, kualitas pengumpulan data
sangat ditentukan oleh kualitas instrumen atau alat pengumpul data yang digunakan. Suatu
instrumen penelitian dikatakan berkualitas dan dapat dipertanggungjawabkan jika sudah
terbukti validitas dan reliabilitasnya. Pengujian validitas dan reliabilitas instrumen, tentunya
harus disesuaikan dengan bentuk instrumen yang akan digunakan dalam penelitian.
Reliabilitas adalah keakuratan dan ketepatan dari suatu alat ukur dalam suatu
prosedur pengukuran. Berdasarkan bahasa, reliabilitas berasal dari kata reliability yang
terdiri dari kata rely dan ability, artinya sejauh mana hasil suatu pengukuran dapat
dipercaya. Suatu hasil pengukuran dapat dipercaya apabila dalam beberapa kali pelaksanaan
pengukuran terhadap kelompok subyek yang sama, diperoleh hasil pengukuran yang relatif
sama, selama aspek yang diukur dalam diri subyek memang belum berubah.
Reliabilitas yaitu suatu konsistensi sebuah tes dalam mengukur atau mengamati
sesuatu yang menjadi objek ukur. Adapun pengertian reliabilitas menurut para ahli adalah
sebagai berikut:
1. Sugiyono (2005)
Reliabilitas menurut Sugiono adlah serangkaian pengukuran atau serangkaian alat ukur
yang memiliki konsistensi jika pengukuran yang dilakukan dengan alat ukur itu
dilakukan secara berulang. Reliabilitas tes, merupakan tingkat konsistensi suatu tes,
adalah sejauh mana tes dapat dipercaya untuk menghasilkan skor yang konsisten, relatif
tidak berubah meskipun diteskan pada situasi yang berbeda.
10
2. Nursalam (2003)
Reliabilitas menurut Nursalam adalah kesamaan hasil pengukuran atau pengamatan jika
fakta atau kenyataan hidup tadi diukur atau diamati berulang kali dalam waktu yang
berlainan.
3. Sukadji (2000)
Reliabilitas suatu tes menurut Sukadji adalah sebarapa besar derajat tes mengukur
secara konsisen sasaran yang diukur. Reliabilitas dinyatakan dalam bentuk angka,
biasana koefiesien.
4. Gronlund dan Linn (1990)
Pengertian reliabilitas menurut Gronlund dan Linn adalah ketepatan hasil yang
diperoleh dari suatu pengukuran.
5. Sugiyono (2005) dalam Suharto (2009)
Reliabilitas menurut Sugiyono adalah serangkaian pengukuran atau serangkaian alat
ukur yang memiliki konsistensi bila pengukuran yang dilakukan dengan alat ukur itu
dilakukan secara berulang.
6. Anastasia dan Susana (1997)
Reliabilitas menurut Anastasia dan Susana adalah sesuatu yang merujuk pada
konsistensi skor yang dicapai oleh orang yang sama ketika mereka diuji dengan tes yang
sama pada kesempatan yang berbeda, atau dengan seperangkat butir-butir ekuivalen
(equivalent items) yang berbeda, atau dibawah kondisi pengujian yang berbeda.
Koefisien reliabilitas mengindikasikan adanya stabilitas skor yang didapatkan oleh
individu, yang merefleksikan adanya proses reproduksi skor. Skor disebut stabil bila skor
yang didapat pada suatu waktu dan pada waktu yang lain hasilnya relatif sama. Makna lain
reliabilitas dalam terminologi stabilitas adalah subjek yang dikenai pengukuran akan
menempati ranking yang relatif sama pada testing yang terpisah dengan alat tes yang
ekuivalen. Sebuah tes dianggap memiliki reliabilitas yang baik apabila memiliki karakteristik
sebagai berikut:
1. Reliabilitas merupakan milik dari satu set nilai tes bukan milik tes itu sendiri, artinya
suatu tes dikatakan baik apabila dapat menghasilkan skor yang cukup akurat, apabila tes
tersebut diberikan pada kelas tertentu, maka bisa juga menghasilkan skor yang cukup
konsisten bila diberikan pada kelas yang berbeda atau ketika diberikan pada kelas yang
sama pada waktu yang berbeda. 
2. Suatu tes dikatakan reliable jika dua buah tes dilakukan pada jarak waktu yang berbeda
dan menunjukkan skor yang tidak jauh berbeda. 
3. Reliabilitas dapat dinyatakan untuk dua atau lebih pengukuran independen yang
diperoleh dari tes yang sama untuk setiap anggota kelompok.
F. Faktor – Faktor Yang Mempengaruhi Reliabilitas
1. Jumlah butir soal
Banyaknya soal pada suatu instrumen ikut mempengaruhi derajat reliabilitasnya.
Semakin banyaknya soal-soal maka tes yang bersangkutan cenderung semakin menjadi
reliabel
 11

2. Homogenitas Soal Tes
Soal yang memiliki homogenitas tinggi cenderung mengarah pada tingginya tingkat
realibilitas. Dua buah tes yang sama jumlah butir-butirnya akan tetapi berbeda isinya,
misalnya yang satu mengukur tentang pengetahuan kebahasaan dan yang satunya
tentang kemampuan fisika akan menghasilkan tingkat reliabilitas yang berbeda. Tes
fisikan cenderung menghasilkan tingkat reliabilitas yang lebih tinggi daripada tes
kebahasaan karena dari segi isi kemampuan menyelesaikan soal fisika lebih
homogen  daripada pengetahuan kebahasaan.
dengan metode yang dipakai dalam penelitian. Terkadang uji validitas dan reliabilitas
menjadi ‘krikil penyandung’.
Coba anda banyangkan semua instrument yang tersusun dengan memeras pikiran,
waktu, biaya dan tenaga yang digunakan dalam pengumpulan data harus dibuang karena
tidak valid dan reliable.

3. Waktu Yang diperlukan Untuk Menyelesaikan Tes Contoh Input Data Variabel Y
Semakin terbatasnya waktu dalam pengerjaan tes maka akan mendorong  tes untuk
Nomor Item Pernyataan
memiliki reliabilitas yang tinggi. No Total
4. Keseragaman Kondisi Pada Saat Tes Diberikan 1 2 3 4 5 6
Kondisi pelaksanaan tes yang semakin seraga akan memunculkan reliabilitas yang 1 5 3 3 3 4 4 22
makin tinggi.
2 4 3 5 3 3 5 23
5. Kecocokan Tingkat Kesukaran Terhadap Peserta Tes
Bahwa soal-soal dengan tingkat kesukaran sedang cenderung lebih reliabel 3 4 5 3 5 4 4 25
dibandingkan dengan soal-soal yang sangat sukar atau sangat mudah. 4 4 4 3 4 3 4 22
6. Heterogenitas Kelompok
5 4 3 4 3 4 4 22
Semakin heterogen suatu kelompok dalam pengerjaan suatu tes maka tes tersebut
cenderung untuk menunjukkan tingkat reliabilitas yang tinggi. 6 3 3 3 4 4 3 20
7. Motivasi Individu 7 3 5 3 3 5 3 22
Motivasi masing-masing individu dalam  mengerjakan suatu instrumen akan mampu
8 5 3 5 4 4 3 24
mempengaruhi realibilitas. Perbedaan motiviasi antar  individu dalam kelompok akan
menimbulkan kesalahan acak pada pengukurannya karena individu yang tidak memiliki 9 4 3 4 3 4 3 21
motivasi tidak akan mengerjakan instrumen tersebut dengan sungguh-sungguh sehingga 10 3 4 3 4 4 3 21
jawaban yang diberikan tidak akan mencerminkan kenyataan yang sebenarnya.
11 4 4 3 3 3 4 21
8. Variabilitas Skor 12 5 5 3 5 3 3 24
Instrumen yang menghasilkan rentangan skor yang lebh luas  atau lebih tinggi 13 3 4 5 3 5 4 24
variabilitasnya, akan memiliki tingkat reliabilitas yang lebih tinggi daripada
menghasilkan rentangan skor yang lebih sempit , seperti bentuk pilihan ganda 14 4 4 4 3 4 3 22
cenderung menghasilkan tingkat reliabilitas yang lebih tinggi daripada bentuk benar – 15 4 4 3 4 3 4 22
salah. 3 3 3 4 4 3 20
16
17 3 5 3 3 5 3 22
Alasan uji validitas dan reliabilitas sebuah instrument dilakukan! karena instrument-
instrument yang disusun oleh seorang peneliti belum pernah dilakukan uji kebenarannya. 18 5 3 5 4 4 3 24
Dan ditakutkan instrumennya tidak benar dan tidak dapat dipercaya, sehingga 19 4 3 4 3 4 3 21
membingungkan jagad penelitian karya ilmiah. Makanya dilakukan pengujian validitas dan
20 3 4 3 4 4 3 21
reliabilitas agar instrument penelitian menjadi ampuh. Jika semua instrument sudah
‘digembleng’ di kawah candradimuka (dilakukan uji validitas dan reliabilitas) dan dinyatakan 21 5 5 3 3 3 4 23
valid dan reliable, maka boleh dimasukkan dalam uji selanjutnya bisa regresi linier 22 4 5 3 5 3 3 23
sederhana, regresi linier bergandan, regresi logistic, multicorelation dan sebagainya sesuai
 12

23 5 5 5 3 5 4 27
24 4 4 4 3 4 3 22
25 5 5 3 4 3 4 24
26 4 4 5 5 4 4 26
27 3 3 3 4 4 3 20
28 3 5 3 3 5 3 22
29 5 3 5 4 4 3 24
BAB IV
30 4 3 4 3 4 3 21 UJI ASUMSI KLASIK
31 3 4 3 4 4 3 21
32 4 4 3 3 3 4 21 Uji Asumsi klasik adalah analisis yang dilakukan untuk menilai apakah di dalam
sebuah model regresi linear Ordinary Least Square (OLS) terdapat masalah-masalah asumsi
33 3 4 3 5 3 3 21 klasik. Asumsi klasik adalah syarat-syarat yang harus dipenuhi pada model regresi linear OLS
34 4 4 5 3 5 4 25 agar model tersebut menjadi valid sebagai alat penduga. Tujuan pengujian asumsi klasik
4 4 4 3 4 3 22 adalah untuk memberikan kepastian bahwa persamaan regresi yang didapatkan memiliki
35
ketepatan dalam estimasi, tidak bias dan konsisten
36 4 5 3 4 3 4 23 A. Uji Multikolinieritas
Salah satu jenis tes asumsi klasik adalah uji multikolinearitas yang digunakan sebagai
perantara untuk mengetahui adanya tingkat korelasi yang tinggi pada dua variabel dalam
sebuah penelitian. Jika terdapat korelasi dengan tingkatan yang tinggi, maka dapat dipastikan
Langkah Pengujian pada Program SPSS dalam hubungan variabel independen dan variabel dependen mengalami gangguan.
1. Langkah Uji Validitas pada Program SPSS Sedangkan alat statistik yang biasa digunakan dalam pengujian jenis adalah VIF (Variance
a. Klik Analyze >> Corelatte >> Bivariate. Inflation Factor), pertimbangan nilai eigen dan indeks kondisi.
b. Pindahkan semua data Item 1 sampai dengan data variabel nya kekotak variables Multikolinearitas adalah keadaan di mana terjadi hubungan linier yang sempurna
yang ada disebelah kanan, lalu centang Pearson, Two Tailed dan Flag Significant atau mendekati sempurna antar variabel independen dalam model regresi. Uji
Correlation dan terakhir Klik Ok. multikolinearitas digunakan untuk mengetahui ada atau tidaknya hubungan
c. Maka akan keluar Output SPSS nya. linearantarvariabel independen dalam model regresi. Prasyarat yang harus terpenuhi dalam
d. Berdasarkan Output SPSS tersebut, dapat diketahui nilai r hitung masing-masing model regresi adalah tidak adanya multikolinearitas. Ada beberapa metode pengujian yang
item data penelitian dan dapat dinyatakan valid apabila nilai r hitung lebih besar bisa digunakan di antaranya:
dari 0,3. 1. Dengan melihat nilai Inflation Factor(VIF) pada model regresi,
2. Langkah Uji Realibilitas pada Program SPSS Dengan membandingkan nilai koefisien determinasi individual (r 2) dengan nilai
a. Klik Analyze >> Scale >> Reliability Analisys. determinasi secara serentak (R 2), dan Dengan melihat nilai Eigenvalue dan Condition
b. Pindahkan data Item 1 sampai Item 10 (tanpa variabel nya), pastikan dalam model Index.
alpha dan klik Ok. 2. Pada pembahasan ini akan dilakukan uji multikolinearitas dengan melihat nilai Inflation
c. Kemudian akan muncul output Uji Reliabilitas. Factor (VIF) pada model regresi. Menurut Santoso (2001), pada umumnya jika VIF lebih
d. Berdasarkan hasil pengujian reliabilitas variabel, maka dapat kita ketahui berapa besar dari 5 %, maka variabel tersebut mempunyai persoalan multikolinearitas dengan
nilai pengujian reliabilitas yaitu dari nilai Cronbach’s Alfa. variabel bebas lainnya.
e. Apabila nilai Cronbach’s Alpha lebih besar dari 0,6 (Cronbach’s Alpha > 0,6), maka Mengambil contoh kasus dari sebelumnya, untuk menganalisis dengan bantuan
data dapat dikatatan reliabel atau handal, akan tetapi sebaliknya apabila nilai program SPSS dengan alat analisis regresi linear berganda. Sebelum dilakukan analisis
Cronbach’s Alpha lebih kecil dari 0,6 (Cronbach’s Alpha < 0,6), maka data dapat tersebut dilakukan uji multikolinieritas untuk mengetahui apakah ada hubungan linier yang
dikatatan tidak reliabel atau tidak handal. sempurna antar variabel independen dalam model regresi.
 13

26 21 24 26
27 20 24 20
28 21 22 22
29 23 20 24
30 22 22 21
31 21 24 21
32 21 20 21
No Variabel X1 Variabel X2 Variabel Y
33 22 22 21
1 28 29 22 24 20 25
34
2 20 20 23 23 30 22
35
3 22 20 25 25 23 23
36
4 24 26 22
5 20 21 22
Langkah-langkah Uji Multikolinearitas pada Program SPSS
6 22 21 20
a. Gunakan input yang sama dengan analisis pada bagian sebelumnya.
7 20 19 22 b. Klik Analyze >> Regression >> Linear. Selanjutnya akan terbuka kotak dialog Linear
8 24 23 24 Regression seperti berikut:
(tunjukkan contohnya pada aplikasi spss)
9 24 25 21
c. Klik Variabel Y dan masukkan ke kotak Dependent, kemudian klik Variabel X 1 dan
10 22 22 21 Variabel X2 lalu masukkan ke kotak Independent(s).
11 20 20 21 d. Klik Statistics, pada kotak dialog Linear Regression: Statistics beri tanda centang
pada Collinearity diagnostics. Selanjutnya klik Continue. :
12 22 20 24
(tunjukkan contohnya pada aplikasi spss)
13 24 26 24 e. Klik OK, maka hasil output untuk uji multikolinearitas dapat dilihat pada output
14 20 21 22 Coefficient s (VIF). Gambar seperti berikut: :
(tunjukkan contohnya pada aplikasi spss)
15 22 21 22
f. Dari output Coefficients di atas, kita lihat kolom VIF.
16 20 19 20 g. Dapat diketahui bahwa nilai VIF untuk X1 dan X2 sebesar 1,346.
17 24 29 22 h. Karena nilai VIF kurang dari 5, maka dapat disimpulkan bahwa pada model regresi
tidak ditemukan adanya masalah multikolinearitas.
18 20 23 24
B. Uji Heteroskedastisitas
19 22 25 21 Uji ini merupakan sebuah tes asumsi klasik yang digunakan untuk menguji adanya
20 24 20 21 perbedaan yang tidak sama, antara satu residu dengan pengamatan lainnya. Metode
penelitian yang dapat digunakan untuk membuktikan adanya heteroskedastisitas adalah
21 20 22 23
metode scatterplot, yang memplot nilai prediktif atau disebut juga nilai ZPRED dengan nilai
22 22 24 23 sis yang disebut juga nila SRESID. Model baik adalah ketika grafik yang muncul tidak
23 20 20 27 mengandung pola tertentu, misalnya berkumpul di tengah, membesar atau menyempit.
Heteroskedastisitas adalah keadaan di mana terjadi ketidaksamaan varian dari
24 23 22 22 residual untuk semua pengamatan pada model regresi. Uji heteroskedastisitas digunakan
25 24 20 24 untuk mengetahui ada atau tidaknya ketidaksamaan varian dari residual pada model regresi.

Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya masalah
heteroskedastisitas.
Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik heteroskedastisitas yaitu adanya ketidaksamaan varian dari
residual untuk semua pengamatan pada model regresi. Uji heteroskedastisitas bertujuan
untuk menguji apakah dalam model regresi linear terjadi ketidaksamaan varians dari
residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang
homoskedastisitas atau tidak terjadi heteroskedastisitas. rumus regresi diperoleh dengan
asumsi bahwa variabel pengganggu (error) atau e, diasumsikan memiliki variabel yang
konstan (rentangan e kurang lebih sama). Apabila terjadi varian e tidak konstan, maka
kondisi tersebut dikatakan tidak homoskedastik atau mengalami heteroskedastisitas.
Mengapa dilakukan deteksi heteroskedastitas? jawabannya adalah untuk mengetahui
adanya penyimpangan dari syarat-syarat asumsi klasik pada regresi linear, di mana dalam
model regresi harus dipenuhi syarat tidak adanya heteroskedastisitas.
1. Pendeteksian Heteroskedastisitas
Untuk mendeteksi ada tidaknya heteroskedastisitas, dapat dilakukan dengan
berbagai cara seperti uji grafik, uji Park, Uji Glejser, uji Spearman’s Rank Correlation, dan uji
Whyte menggunakan Lagrange Multiplier. Masalah heteroskedastisitas lebih sering muncul
dalam data cross section dari pada data time series. Karena dalam data cross section
menunjukkan obyek yang berbeda dan waktu yang berbeda pula. Antara obyek satu dengan
yang lainnya tidak ada saling keterkaitan, begitu pula dalam hal waktu. Sedangkan data time
series, antara observasi satu dengan yang lainnya saling mempunyai kaitan. Ada trend yang
cenderung sama. Sehingga varians residualnya juga cenderung sama.
2. Cara Mengobati Heteroskedastisitas
White Heteroskedasticity / Robust Standard Error Langkahnya melalui E-views
adalah dengan melakukan blok terhadap seluruh → option → pilih open as equation → klik
kanan → variabel ok → white → heteroskedasticity consistent coefficient variance .
Melakukan Transformasi Model dalam bentuk Log Transformasi model dilakukan dengan
merubah nilai variabel dalam bentuk logaritma natural.
Dari ke empat metode pengujian dari uji heteroskedastisitas dapat kita dilakukan
dengan SPSS?. Jawabannya adalah “Ya.” Bagaimanakah Cara Deteksi Heteroskedastisitas
dengan SPSS? Mari kita bahas satu persatu.
a. Uji Glejser
Tutorial Uji Heteroskedastisitas Menggunakan Uji Glejser. Anggap kita punya
sebuah model yang akan diuji, yaitu “Pengaruh nilai ujian Fisika, Biologi dan
Matematika Terhadap Rata-rata Nilai SPMB. Data seperti di bawah ini:
Buka Aplikasi SPSS anda, Buat 3 variabel dengan skala data “Scale” Type “Numeric”
Decimal “0” dengan nama sesuai tabel di atas: Variabel Y, Variabel X 1 dan Variabel
X2.
Masukkan data di atas dengan cara COPAS. Klik Menu, Analyze, Regression, Linear:
Setelah terbuka jendela, Masukkan Varibel X1 dan Variabel X2 ke kotak Variabel
14
Independent dan masukkan Varibel Y ke kotak Variabel Dependent. Pada bagian
Enter pilih Method, setelah itu Klik Plots. Akan muncuk kotak dialog “Linear
Regresion:Plot”, Masukkan ZPRED pada kotak X dan SRESID pada kotak Y, lalu klik
Continue. Terakhir klik OK.
(TAMBAHKAN GAMBAR OUTPUT UJI HETEROSKEDASTISITAS)
Dari output di atas, maka tampak bahwa ketiga variabel tidak ada gejala
heteroskedastisitas karena Sig. > 0,05.
b. Uji Spearman’s rho
Pada bahasan kali ini akan dibahas salah satu uji heteroskedastisitas, yaitu Uji
Spearman Rho Untuk Heteroskedastistias. Perlu diketahui bahwa sebenarnya uji
Spearman digunakan untuk uji Bivariate Asosiatif 2 variabel bebas atau
independen. Metode Spearman Untuk Uji Heteroskedastisitas, bagaimanakah
metode uji Spearman? Jawabannya adalah: Uji Spearman dilakukan dengan cara
mengkorelasikan nilai absolut residual dengan masing-masing variabel independen
(x1, x2 dan x3).
Bagaimana kriteria pengujian untuk menjawab hipotesis? Jawabannya adalah
seperti di bawah ini:
 Ho: Tidak ada gejala heteroskedastisitas
 Ha: Ada gejala heteroskedastisitas
 Ho diterima apabila nilai p value atau signifikansi > 0,05.
Apakah bisa dilakukan dengan menggunakan aplikasi SPSS? jawabannya tentu “Ya”.
Tutorial uji heteroskedastisitas spearman dengan SPSS, Bagaimana cara uji
heteroskedastisitas spearman dengan SPSS? Mari kita mulai! Buka aplikasi SPSS
anda, dan gunakan data sebelumnya.
Klik Menu, Analyze, Regression, Linear: kemudian masukkan Variabel X 1 dan
Variabel X2 ke kotak Variabel Independent dan masukkan Variabel Y ke kotak
variabel dependent.
Cari tombol “SAVE”, lalu klik sehingga muncul jendela dan cari “Unstandardized”
lalu centang. Kemudian klik OK sampai jendela tertutup.
Abaikan output dan lihat ada satu variabel baru bernama “RES_1” Kemudian
absolutkan nilai residual (RES_1) dengan cara pada menu, klik Transform, target
variabel baru dengan nama ABS_RES dan Numeric expression
dengan: ABS_RES(RES_1). Maka akan muncul 1 variabel baru yaitu ABS_RES.
Langkah berikutnya adalah melakukan korelasi antara x1, x2, dan ABS_RES.
Caranya pada menu, klik analyze, correlate, bivariate, hilangkan centang pearson
dan centang spearman. Masukkan X1, X2 dan ABS_RES ke kotak variabel test
kemudian OK.
Dari uji di atas lihat nilai Sig. pada 3 variabel X 1 dan X2 dengan ABS_RES. Semuanya
nilai Sig. < 0,05 berarti terdapat gejala heteroskedastisitas atau H0 ditolak.
c. Melihat Pola Grafik Regresi
Bagaimana cara baca atau kriteria pengujian untuk menjawab hipotesis
berdasarkan grafik ini? Jawabannya adalah seperti di bawah ini:
 Ho: Tidak ada gejala heteroskedastisitas apabila tidak ada pola yang jelas,
seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y.
 15

 Ha: Ada gejala heteroskedastisitas apabila ada pola tertentu yang jelas, seperti m. Muncul kotal dialog dengan nama ”Linear Regression >> Save”. Selanjutnya pada
titik-titik membentuk pola tertentu yang teratur (bergelombang, melebar bagian “Residuals”. Hilangkan tanda centang (√) pada Unstandardized (abaikan
kemudian menyempit). pilihan yang lain). Lalu klik Continue…
n. Langkah yang terakhir adalah Klik Ok untuk mengakhiri perintah. Maka kita akan
Apakah bisa dilakukan dengan menggunakan aplikasi SPSS? jawabannya tentu “Ya”. bisa melihat Output SPSS dan selanjutnya tinggal kita interpretasikan saja.
Tutorial Uji Heteroskedastisitas Dengan Grafik. Bagaimana caranya?. Buka aplikasi
SPSS anda, dan gunakan data sebelumnya.
Klik Menu, Analyze, Regression, Linear: kemudian masukkan Variabel X 1 dan
Variabel X2 ke kotak Variabel Independent dan masukkan Variabel Y ke kotak
variabel dependent. Coefficientsa
Cari tombol “PLOT”, lalu klik sehingga muncul jendela “Linear Regression Plots”. Standardized
Kemudian masukkan SRESID pada kotak Y dan ZPRED pada kotak X, klik Continue Unstandardized Coefficients Coefficients
dan OK sampai jendela tertutup. Selanjutnya tinggal membaca output dan Model B Std. Error Beta t Sig.
menyimpulkan hasil analisis anda.
1 (Constant) 21.773 3.495 6.230 .000
d. Pada pembahasan ini akan dilakukan uji heteroskedastisitas dengan menggunakan X1 .146 .180 .162 .814 .422
Uji Spearman’s rho, yaitu mengkorelasikan nilai residual (Unstandardized residual) X2 -.114 .118 -.191 -.963 .343
dengan masing-masing variabel independen. a. Dependent Variable: Y
e. Jika signifikansi korelasi kurang dari 0,05, maka pada model regresi terjadi masalah
heteroskedastisitas. o. Untuk memaknai hasil Uji Heteroskedastisitas dapat dilihat dari hasil output
Langkah-langkah Uji Heteroskedastisitas pada Program SPSS “Coefficients”, bila nilai variabel penelitian (X1 & X2) lebih besar dari 0,05 (Sig >
a. Menggunakan input yang sama dengan analisis Regresi Linier Berganda 0,05) maka dapat disimpulkan bahwa tidak ada terjadi gejala heteroskedastisitas.
b. Klik Analyze >> Regression >> Linier. Selanjutnya akan terbuka kota dialog Linier Dari hasil yang diperoleh maka tidak ada terjadi gejala heteroskedastisitas karena
Regression. Sig > 0,05.
c. Klik variabel Variabel Y dan masukkan ke kotal Dependent, dan kemudian klik
Variabel X1 dan Variabel X2 lalu masukkan ke kotak Independent(s). C. Uji Normalitas
d. Klik Save, pada kotak dialog Linear Regression: Save, beri tanda centang pada Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai
Unstandardized. Selanjutnya klik Continue. sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data tersebut
e. Klik OK, hiraukan hasil output karena kita hanya mencari nilai residualnya saja. berdistribusi normal ataukah tidak. Uji Normalitas adalah uji statistik yang dilakukan untuk
f. Buka halaman Data View maka akan ada tambahan satu variabel yaitu RES_1 (nilai mengetahui bagaimana sebaran sebuah data. Cara uji normalitas dengan SPSS dapat
residual). dilakukan dengan uji shapiro wilk atau lilliefors serta kolmogorov smirnov. Selain itu juga
g. Pilih Menu Transform lalu klik Compute Variable… bisa dengan metode grafik. Dimana semua uji normalitas dengan SPSS di dalam bahasan ini
h. Maka muncul dialog” Compute Variable”, selanjutnya pada kotak “Target Variable” akan kami kupas satu per satu dan coba membuatkan tutorialnya agar anda mudah
tuliskan Abs_RES lalu pada kotak “Numeric Expression” Ketikkan ABS(RES_1). memahaminya.
i. Kemudian OK (Abaikan saja ada output SPSS yang muncul). Ada beberapa kesalahpahaman tentang uji normalitas untuk analisis tertentu, seperti
j. Lihat bagian Data View maka muncul variabel baru dengan nama Abs_RES. regresi. Analisis regresi sebenarnya tidak menghendaki data masing-masing variabel harus
k. Selanjutnya kita akan melakukan Uji Glejser untuk persamaan regresi X 1 dan X2 normal. Yang dikehendaki analisis regresi adalah residu dari analisis beberapa variabel
terhadap variabel absolute atau Abs_RES. Caranya dari menu utama SPSS pilih tersebut terdistribusi secara normal. Pengertian ini tentu berbeda denga  uji normalitas yang
Analyze >> Regression >> Linier… sering dilakukan mahasiswa, yakni dengan menguji normalitas data mentah tiap variabel,
l. Muncul kotal dialog dengan nama”Linear Regression”, selanjutnya keluarkan padahal yang seharusnya diuji normalitasnya adalah residunya. Hal ini berlaku juga untuk
Variabel Y yang terdapat pada kolom Dependent: lalu ganti dengan variabel analisis lain seperti SEM yang menghendaki normalitas multivariate, bukan normalitas untuk
Abs_RES. Kemudian klik Save… tiap variabel.
Uji normalitas digunakan untuk mengetahui apakah populasi data berdistribusi
normal atau tidak. Uji ini biasanya digunakan untuk mengukur data berskala ordinal, interval,

ataupun rasio. Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai
sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data tersebut
berdistribusi normal ataukah tidak. Uji Normalitas dilakukan dengan tujuan untuk menilai
sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data tersebut
berdistribusi normal ataukah tidak. Uji Normalitas berguna untuk menentukan data yang
telah dikumpulkan berdistribusi normal atau diambil dari populasi normal. Analisis statistik
yang menggunakan Distribusi Normal sebagai dasar analisisnya adalah analisis statistik yang
paling sering dilakukan oleh peneliti. Oleh karena itu, kita sebaiknya tetap melakukan uji
normalitas walaupun banyaknya data sampel yang digunakan untuk penelitian telah
mencapai 30 atau lebih. Berbagai jenis uji normalitas, yaitu antara lain:
1. Uji Normalitas (Chi-Square Goodness of Fit Test Normalitas),
2. Rumus Kolmogorov,
3. Rumus Shapiro Wilk,
4. Rumus Lilliefors,
5. Kolmogorov Smirnov dalam SPSS,
6. Kolmogorov dalam Excel,
Uji Normalitas dengan SPSS
a. Gunakan input yang sama dengan analisis pada bagian sebelumnya.
b. Silahkan isi dataset SPSS anda pada satu variabel yang akan diuji normalitas dengan
SPSS. Setelah data terisi pada variabel, pada Menu, Klik  Analyze, Descriptive
Statistics, Explore.
c. Masukkan variabel ke dalam dependen list (Catatan: Apabila dalam variabel anda
terdapat 2 kelompok, misal Variabel X 1 dan Variabel X2, anda dapat melakukan uji
normalitas pada masing-masing kelompok dengan cara memasukkan variabel yang
menjadi Grouping (Variabel X1 dan Variabel X2) ke kotak Factor List.
d. Selanjutnya :
e. Klik Analyze >> Regression >> Linear.
f. Pindahkan Variabel X1 dan Variabel X2 ke kotak Independent, lalu masukkan Variabel
Y kekotak Dependent, kemudian klik Save.
g. Pada bagian Residuals, centang Understandardized (abaikan kolom dan pilihan yang
lain), selanjutnya klik Continue, lalu OK.
h. Abaikan saja output yang muncul dari SPSS. Perhatikan pada tampilan Data View,
maka akan muncul variabel baru dengan nama RES_1.
i. Langkah selanjutnya untuk melakukan uji normalitas kolmogorov-siminov, pilih
menu Analyze >> Non Parametictests >> Legacy Dialogs >> 1-Sample K-S..
j. Semua data Item 1 sampai dengan data variabel nya kekotak variables yang ada
disebelah kanan, lalu centang Pearson, Two Tailed dan Flag Significant Correlation
dan terakhir Klik Ok.
k. Maka akan keluar Output SPSS nya.
l. Berdasarkan Output SPSS tersebut, dapat diketahui nilai r hitung masing-masing
item data penelitian dan dapat dinyatakan valid apabila nilai r hitung lebih besar
dari 0,3.
m. Pada Display centang Both. Artinya anda akan melihat nilai statistics dan plot uji
normalitas termasuk juga hasil uji shapiro wilk dan lilliefors. Selanjutnya ambil
16
nafas dulu sobat, agar tidak tegang. Selanjutnya perhatikan lagi langkah di bawah
ini. Klik tombol Plots, Centang Stem-and-Leaf, Histogram, Normality Plots With Tests.
n. Klik tombol Continue dan selanjutnya Klik OK. 
D. Uji Autokorelasi
Autokorelasi adalah keadaan di mana terjadinya korelasi antara residual pada satu
pengamatan dengan pengamatan lain pada model regresi. Uji autokorelasi digunakan untuk
mengetahui ada atau tidaknya korelasi yang terjadi antara residual pada satu pengamatan
dengan pengamatan lain pada model regresi. Prasyarat yang harus terpenuhi adalah tidak
adanya autokorelasi pada model regresi. Metode pengujian menggunakan uji Durbin-Watson
(uji DW) dengan ketentuan sebagai berikut:
1. Jika d lebih kecil dari dl atau lebih besar dari (4-dl), maka hipotesis nol ditolak, yang
berarti terdapat autokorelasi.
2. Jika d terletak antara du dan (4-du), maka hipotesis nol diterima, yang berarti tidak ada
autokorelasi.
3. Jika d terletak antara dl dan du atau di antara (4-du) dan (4-dl), maka tidak
menghasilkan kesimpulan yang pasti.
Rumus uji Durbin Watson (Alhusin, 2003) sebagai berikut:
∑ (en – e n-1 )2
d=
∑ex2
Keterangan:
d = nilai Durbin-Watson
e = residual
Contoh Kasus
a. Melanjutkan contoh kasus pada analisis Regresi Linier Berganda, dimana
sebelumnya telah dilakukan uji asumsi klasik multikolinieritas dan
heteroskedastisitas.
b. Selanjutnya akan dilakukan uji autokorelasi.
Langkah-langkah Uji Autokorelasi pada Program SPSS
a. Menggunakan input yang sama dengan analisis regresi linierberganda.
b. Klik Analyze » Regression >> Linear. Selanjutnya akan terbuka kotak dialog
Linear Regression seperti berikut:
b. Klik variabel Variabel Y dan masukkan ke kotak Dependent, kemudian klik variabel
X1 dan X2 lalu masukkan ke kotak Independent(s).
c. Klik Statistic, pada kotak dialog Linear Regression: Statistics, beri tanda centang
pada Durbin-Watson. Selanjutnya klik Continue.
d. Klik OK, maka hasil output pada Model Summary seperti berikut:
e. Model Summary
f. Dari output di atas didapat nilai DW yang dihasilkan dari model regresi adalah 1,277.
g. Sedangkan dari tabel DW dengan signifikansi 0,05 dan jumlah data (n) = 20, seta k= 2
(k adalah jumlah variabel independen) diperoleh nilai dl sebesar 1,100 dan du
sebesar 1,537 (lihat Tabel Durbin-Watson).

h. Karena nilai DW (1,277) berada pada daerah antara dl dan du, maka tidak
menghasilkan kesimpulan yang pasti (berada di daerah keragu-raguan). Hal
tersebut dapat digambarkan sebagai berikut:
BAB V
ANALISIS REGRESI
Analisis regresi dalam statistika adalah salah satu metode untuk menentukan
hubungan sebab-akibat antara satu variabel dengan variabel(-variabel) yang lain. Variabel
"penyebab" disebut dengan bermacam-macam istilah: variabel penjelas, variabel
eksplanatorik, variabel independen, atau secara be`bas, variabel X (karena sering kali
digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel terkena akibat dikenal
sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua
variabel ini dapat merupakan variabel acak (random), namun variabel yang dipengaruhi
harus selalu variabel acak.
Analisis regresi adalah salah satu analisis yang paling populer dan luas
pemakaiannya. Analisis regresi dipakai secara luas untuk melakukan prediksi dan ramalan,
dengan penggunaan yang saling melengkapi dengan bidang pembelajaran mesin. Analisis ini
juga digunakan untuk memahami variabel bebas mana saja yang berhubungan dengan
variabel terikat, dan untuk mengetahui bentuk-bentuk hubungan tersebut.
Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu
dengan satu buah variabel bebas dan satu buah variabel terikat; dan regresi linear berganda
dengan beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear
merupakan metode statistik yang paling jamak dipergunakan dalam penelitian-penelitian
sosial, terutama penelitian ekonomi. Regresi terbagi menjadi beberapa jenis, yaitu regresi
sederhana (linier sederhana dan nonlinier sederhana) dan regresi berganda (linier berganda
atau nonlinier berganda).
A. Analisis Regresi Sederhana
Analisis regresi sederhana adalah sebuah metode pendekatan untuk pemodelan
hubungan antara satu variabel dependen dan satu variabel independen. Dalam model regresi,
variabel independen menerangkan variabel dependennya. Dalam analisis regresi sederhana,
hubungan antara variabel bersifat linier, dimana perubahan pada variabel X akan diikuti oleh
perubahan pada variabel Y secara tetap. Sementara pada hubungan non linier, perubahaan
variabel X tidak diikuti dengan perubahaan variabel y secara proporsional. seperti pada
model kuadratik, perubahan x diikuti oleh kuadrat dari variabel x. Hubungan demikian tidak
bersifat linier. Secara praktis analisis regresi linier sederhana memiliki kegunaan sebagai
berikut:
1. Model regresi sederhana dapat digunakan untuk forecast atau memprediksi nilai Y.
Namun sebelum melakukan forecasting, terlebih dahulu harus dibuat model atau
persamaan regresi linier. Ketika model yang fit sudah terbentuk maka model tersebut
17
memiliki kemampuan untuk memprediksi nilai Y berdasarkan variabel Y yang diketahui.
Katakanlah sebuah model regresi digunakan untuk membuat persamaan antara
pendapatan (X) dan konsumsi (Y). Ketika sudah diperoleh model yang fit antara
pendapatan dengan konsumsi, maka kita dapat memprediksi berapa tingkat konsumsi
masyarakat ketika kita sudah mengetahui pendapatan masyarakat.
2. Mengukur pengaruh variabel X terhadap variabel Y. Misalkan kita memiliki satu serial
data variabel Y, melalui analisis regresi linier sederhana kita dapat membuat model
variabel-variabel yang memiliki pengaruh terhadap variabel Y. Hubungan antara
variabel dalam analisis regresi bersifat kausalitas atau sebab akibat. Berbeda halnya
dengan analisis korelasi yang hanya melihat hubungan asosiatif tanpa mengetahui apa
variabel yang menjadi sebab dan apa variabel yang menjadi akibat.
Model regresi linier sederhana yang baik harus memenuhi asumsi-asumsi berikut:
1. Eksogenitas yang lemah, kita harus memahami secara mendasar sebelum menggunakan
analisis regresi bahwa analisis ini mensyaratkan bahwa variabel X bersifat fixed atau
tetap, sementara variabel Y bersifat random. Maksudnya adalah satu nilai variabel X
akan memprediksi variabel Y sehingga ada kemungkinan beberapa variabel Y. dengan
demikian harus ada nilai error atau kesalahan pada variabel Y. Sebagai contoh ketika
pendapatan (X) seseorang sebesar Rp 1 juta rupiah, maka pengeluarannya bisa saja, Rp
500 ribu, Rp 600 ribu, Rp 700 ribu dan seterusnya.
2. Linieritas, seperti sudah dijelaskan sebelumnya bahwa model analisis regresi bersifat
linier. artinya kenaikan variabel X harus diikuti secara proporsional oleh kenaikan
variabel Y. Jika dalam pengujian linieritas tidak terpenuhi, maka kita dapat melakukan
transformasi data atau menggunakan model kuadratik, eksponensial atau model lainnya
yang sesuai dengan pola hubungan non-linier.
3. Varians error yang konstan, ini menjelaskan bahwa varians error atau varians residual
yang tidak berubah-ubah pada respon yang berbeda. asumsi ini lebih dikenal dengan
asumsi homoskedastisitas. Mengapa varians error perlu konstan? karena jika konstan
maka variabel error dapat membentuk model sendiri dan mengganggu model. Oleh
karena itu, penanggulangan permasalahan heteroskedastisitas/non-homoskedastisitas
dapat diatasi dengan menambahkan model varians error ke dalam model atau model
ARCH/GARCH.
4. Autokorelasi untuk data time series, jika kita menggunakan analisis regresi sederhana
untuk data time series atau data yang disusun berdasarkan urutan waktu, maka ada satu
asumsi yang harus dipenuhi yaitu asumsi autokorelasi. Asumsi ini melihat pengaruh
variabel lag waktu sebelumnya terhadap variabel Y. Jika ada gangguan autokorelasi
artinya ada pengaruh variabel lag waktu sebelumnya terhadap variabel Y. sebagai
contoh, model kenaikan harga BBM terhadap inflasi, jika ditemukan atukorelasi artinya
terdapat pengaruh lag waktu terhadap inflasi. Artinya inflasi hari ini atau bulan ini
bukan dipengaruhi oleh kenaikan BBM hari ini namun dipengaruhi oleh kenaikan BBM
sebelumnya (satu hari atau satu bulan tergantung data yang dikumpulkan).
B. Analisis Regresi Linear Berganda
Analisis regresi linear berganda  adalah pengembangan dari analisis regresi linear
sederhana dimana terdapat lebih dari satu variabel independen X‫ ز‬Analisis regresi linear

berganda sebenarnya sama dengan analisis regresi linear sederhana, hanya variabel
bebasnya lebih dari satu buah.
Perbedaaan antara regresi sederhana dengan regresi berganda terletak pada jumlah
variabel bebasnya. Jika dalam regresi sederhana jumlah variabel bebas yang digunakan untuk
memprediksi variabel tergantung hanya satu, maka regresi berganda jumlah variabel bebas
yang digunakan untuk memprediksi variabel tergantung lebih dari satu. Dalam regresi
berganda seluruh variabel bebas dimasukkan kedalam perhitungan regresi serentak. Dengan
demikian dipeorleh persamaan regresi guna memprediksi variabel terikat dengan
memasukkan secara serentak serangkaian variabel bebas. Dalam persamaan regresi
dihasilkan konstanta dan koefisien regresi bagi masing-masing variabel bebas.
Regresi berganda digunakan unuk menganalisis hubungan kausal beberapa variabel
bebas (X) terhadap satu variabel tergantung (Ŷ ). Analisis regresi linear berganda
memerlukan pengujian secara serempak dengan menggunakan F hitung. Signifikansi
ditentukan dengan membandingkan F hitung dengan F tabel atau melihat signifikansi pada
output SPSS. Dalam beberapa kasus dapat terjadi bahwa secara simultan (serempak)
beberapa variabel mempunyai pengaruh yang signifikan, tetapi secara parsial tidak. Sebagai
ilustrasi: seorang penjahat takut terhadap polisi yang membawa pistol (diasumsikan polisis
dan pistol secara serempak membuat takut penjahat). Akan tetapi secara parsial, pistol tidak
membuat takut seorang penjahat. Contoh lain: air panas, kopi dan gula menimbulkan
kenikmatan, tetapi secara parsial, kopi saja belum tentu menimbulkan kenikmatan.
Penggunaan metode analisis regresi linear berganda memerlukan Uji Asumsi
Klasik yang secara statistik harus dipenuhi. Asumsi klasik yang sering digunakan adalah
asumsi normalitas, multikolinearitas, autokorelasi, heteroskedastisitas dan asumsi linearitas.
Langkah-langkah yang lazim dipergunakan dalam analisis regresi linear berganda adalah :
1. Uji t
Uji-t atau t test adalah salah satu uji statistik untuk menguji kebenaran hipotesis yang
diajukan oleh peneliti dalam membedakan rata- rata pada dua populasi. Uji statistik
parametrik memiliki beberapa jenis uji yang digunakan untuk memperoleh kesimpulan
mengenai populasi dari sampel yang diambil. Berdasarkan pengertian yang diutarakan
oleh para ahli, pengertian Uji T adalah metode uji statistik yang membandingkan rata-
rata dua sampel untuk menguji kebenaran atau tidaknya sebuah hipotesis
(pengujian asumsi) pada suatu populasi. Uji T (Test T) adalah salah satu test statistik
yang dipergunakan untuk menguji kebenaran atau kepalsuan hipotesis nihil yang
menyatakan bahwa diantara dua buah mean sampel yang diambil secara random dari
populasi yang sama, tidak terdapat perbedaan yang signifikan. (Sudjiono, 2010).
Fungsi uji t adalah menguji perbedaan rata-rata antara dua cuplikan (sampel). Uji T lebih
sering digunakan untuk data yang jumlahnya lebih sedikit yaitu kurang dari 30. Selain
itu, uji T digunakan jika nilai parameter sudah diketahui (ditentukan) dan data
terdistribusi normal. Uji T dibagi menjadi 3 jenis yaitu uji T 1 sampel, 2 sampel
berpasangan dan sampel bebas.
Uji-t berpasangan (paired t-test) adalah salah satu metode pengujian hipotesis dimana
data yang digunakan tidak bebas (berpasangan). Ciri-ciri yang paling sering ditemui
pada kasus yang berpasangan adalah satu individu (objek penelitian) mendapat 2 buah
perlakuan yang berbeda.
18
Signifikansi adalah suatu uji statistik dan distribusi sampel dari suatu statistik hipotesis
nol. Dalam pengolahan uji statistik t bertujuan untuk melihat seberapa besar pengaruh
variabel independen terhadap variabel dependen secara individu.
2. Uji F
Uji F bertujuan untuk mencari apakah variabel independen secara bersama – sama
(stimultan) mempengaruhi variabel dependen. Uji F dilakukan untuk melihat pengaruh
dari seluruh variabel bebas secara bersama-sama terhadap variabel terikat.
F Hitung adalah nilai F hasil perhitungan analisis, yang kemudian nilainya akan
dibandingkan dengan F Tabel pada Numerator dan Denumerator tertentu. Sama halnya
dengan F Hitung, T Tabel juga digunakan untuk mengukur tingkat signifikansi sebuah
analisis.
Uji t digunakan untuk mengetahui pengaruh masing- masing variabel independen
terhadap variabel dependen (Widjarjono, 2010). Menurut Kuncoro (2009), uji
F digunakan untuk menguji signifikan tidaknya pengaruh variabel bebas secara simultan
terhadap variabel terikat.
F tabel adalah nilai tertentu yang kegunaannya adalah sebagai pembanding, apakah
pengujian F hitung hasilnya signifikan ataupun tidak. F Dalam uji F, akan ada yang
namanya F hitung. Nah, F hitung inilah yang seringkali ditemukan pada beberapa uji
yang berprinsip anova, uji regresi linier atau uji regresi data panel.
Apabila f hitung lebih besar dari f tabel, maka dapat disimpulkan bahwa variabel bebas
memiliki pengaruh signifikan terhadap variabel terikat atau hipotesis simultan terima
H1.
Dalam teori probabilitas dan statistika, distribusi F merupakan distribusi probabilitas
kontinue. Distribusi F juga dikenal dengan sebutan distribusi F Snedecor atau distribusi
Fisher-Snedecor (setelah R.A. Fisher dan George W. Snedecor).
Tabel distribusi F merupakan tabel bantuan jika menggunakan statistik uji F,
sedangkan tabel distribusi t digunakan untuk statistik uji t.Tulisan ini akan memberikan
penjelasan cara membaca dan menggunakan Tabel distribusi F dan tabel distribusi t
dalam pengujian hipotesis.
Persamaan regresi sebaiknya dilakukan di akhir analisis karena interpretasi
terhadap persamaan regresi akan lebih akurat jika telah diketahui signifikansinya. Koefisien
determinasi sebaiknya menggunakan Adjusted R Square dan jika bernilai negatif maka uji F
dan uji t tidak dapat dilakukan. Bentuk-bentuk regresi yang juga sering digunakan dalam
penelitian adalah regresi logistik atau regresi ordinal.
C. Pengujian Dengan SPSS
1. Langkah-langkah Uji t pada Program SPSS
a. Gunakan input yang sama dengan analisis pada bagian sebelumnya.
b. Klik Analyze --> Regression --> Linear 
c. Setelah itu akan muncul window baru, kemudian masukkan variabel Y ke dalam
kotak ‘Dependent’ dan variabel X1 dan X2 ke dalam kotak ‘Independent.
d. Klik ‘OK’ untuk mengakhiri langkah.
Coefficientsa
 19

Unstandardized Standardized e. Setelah itu, akan muncul window baru yaitu output dari analisis tersebut. Yang
Coefficients Coefficients digunakan hanya tabel ‘ANOVA’ khususnya untuk kolom ‘F’ dan ‘Sig.’
Model B Std. Error Beta t Sig. f. Kriteria Pengujian
Setelah melihat tabel ‘ANOVA’ di atas, langkah selanjutnya adalah kriteria
1 (Constant) 21.773 3.495 6.230 .000
pengujiannya. Terdapat dua cara kriteria pengujian, dan bisa dipilih salah satu saja,
X1 .146 .180 .162 .814 .422 yaitu:
X2 -.114 .118 -.191 -.963 .343 Nilai ‘F’
a. Dependent Variable: Y Nilai F dalam contoh di atas adalah 14,055. Angka ini adalah nilai F hitung, yang
selanjutnya dibandingkan dengan nilai F tabel. Apabila nilai F hitung lebih besar
e. Setelah itu, akan muncul window baru yaitu output dari analisis tersebut. Yang dari F tabel maka disimpulkan bahwa terdapat pengaruh yang signifikan antara
digunakan hanya tabel ‘Coefficients’ khususnya untuk kolom ‘t’ dan ‘Sig.’ (X1) dan (X2) secara simultan terhadap (Y) dan sebaliknya.
f. Kriteria Pengujian Nilai‘Sig.’
g. Setelah melihat tabel ‘Coefficients di atas, langkah selanjutnya adalah kriteria ‘Sig.’ di sini berarti taraf Signifikansi. Kriteria pengujiannya adalah apabila nilai ‘Sig.’
pengujiannya. Terdapat dua cara kriteria pengujian, dan bisa dipilih salah satu saja, lebih kecil dari taraf signifikansi yang digunakan (misal: 0,01 / 0,05 / 0,1
yaitu: tergantung peneliti) maka dapat disimpulkan bahwa terdapat pengaruh yang
Nilai ‘t’ signifikan antara (X1) dan (X2) secara simultan terhadap (Y) dan sebaliknya.
Nilai t dalam contoh di atas adalah 3,206 untuk X 1 dan 2,912 untuk X2. Angka ini
disebut dengan t hitung, yang selanjutnya dibandingkan dengan nilai t tabel.
Apabila nilai t hitung kedua variabel tersebut lebih besar dari t tabel maka
disimpulkan bahwa terdapat pengaruh yang signifikan antara (X 1) dan (X2) secara
parsial (sendiri-sendiri) terhadap (Y).
Nilai‘Sig.’
“Sig” di sini berarti taraf Signifikansi. Kriteria pengujiannya adalah apabila nilai
‘Sig.’ lebih kecil dari taraf signifikansi yang digunakan (misal: 0,01 / 0,05 / 0,1
tergantung peneliti) maka dapat disimpulkan bahwa terdapat pengaruh yang
signifikan antara (X1) dan (X2) secara parsial (sendiri-sendiri) terhadap (Y).
2. Langkah-langkah Uji F pada Program SPSS
a. Gunakan input yang sama dengan analisis pada bagian sebelumnya.
b. Klik Analyze --> Regression --> Linear …
c. Setelah itu akan muncul window baru, kemudian masukkan variabel Y ke dalam
kotak ‘Dependent’ dan variabel X1 dan X2  ke dalam kotak ‘Independent’.
d. Klik ‘OK’ untuk mengakhiri langkah.

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 3.168 2 1.584 .535 .591
Residual 97.720 33 2.961
Total 100.889 35
a. Dependent Variable: Y
b. Predictors: (Constant), X2, X1

BAB VI
UJI HIPOTESIS
Uji hipotesis mengenai suatu klaim yang dibuat terhadap parameter populasi akan
dijelaskan dalam bab ini. Dengan demikian, komponenkomponen dalam uji hipotesis, seperti
hipotesis nol, hipotesis alternatif, statistik uji, nilai-P, nilai-nilai kritis, dan daerah-daerah
kritis juga dibahas secara mendalam dalam bab ini.
Dalam statistika inferensial aktivitas utamanya adalah menggunakan data sampel
untuk mengestimasi parameter populasi dan menguji suatu klaim mengenai parameter suatu
populasi. Bab 2 sudah membahas bagaimana mengestimasi proporsi, mean, simpangan baku,
dan variansi dari suatu populasi. Dalam bab ini akan difokuskan pada aktivitas statistika
inferensial yang kedua, yaitu melakukan uji hipotesis formal untuk menguji suatu klaim yang
dibuat terkait proporsi, mean, simpangan baku, dan variansi populasi. Dengan uji hipotesis
tersebut kita akan bisa membuat argumen-argumen yang berdasarkan bukti-bukti sampel
sehingga argumen yang kita buat tersebut menjadi argumen yang kuat.
Uji hipotesis adalah metode pengambilan keputusan yang didasarkan dari analisis
data, baik dari percobaan yang terkontrol, maupun dari observasi (tidak terkontrol).
Dalam statistik sebuah hasil bisa dikatakan signifikan secara statistik jika kejadian tersebut
hampir tidak mungkin disebabkan oleh faktor yang kebetulan, sesuai dengan
batas probabilitas yang sudah ditentukan sebelumnya. Uji hipotesis kadang disebut juga
"konfirmasi analisis data". Keputusan dari uji hipotesis hampir selalu dibuat berdasarkan
pengujian hipotesis nol. Ini adalah pengujian untuk menjawab pertanyaan yang
mengasumsikan hipotesis nol adalah benar. Daerah kritis dari uji hipotesis adalah
serangkaian hasil yang bisa menolak hipotesis nol, untuk menerima hipotesis alternatif.
Daerah kritis ini biasanya disimbolkan dengan huruf C.
Uji Hipotesis adalah cabang Ilmu Statistika Inferensial yang dipergunakan untuk
menguji kebenaran suatu pernyataan secara statistik dan menarik kesimpulan apakah
menerima atau menolak pernyataan tersebut. Pernyataan ataupun asumsi sementara  yang
dibuat untuk diuji kebenarannya tersebut dinamakan dengan Hipotesis (Hypothesis) atau
Hipotesa. Tujuan dari Uji Hipotesis adalah untuk menetapkan suatu dasar sehingga dapat
mengumpulkan bukti yang berupa data-data dalam menentukan keputusan apakah menolak
atau menerima kebenaran dari pernyataan atau asumsi yang telah dibuat. Uji Hipotesis juga
dapat memberikan kepercayaan diri dalam pengambilan  keputusan  yang bersifat Objektif.
Uji hipotesis merupakan metode pembuktian empiris untuk mengkonfirmasi atau
menolak sebuah opini ataupun asumsi dengan menggunakan data sampel. Hipotesis berasal
dari bahasa Yunani. Hupo artinya adalah lemah, rendah, dan tidak kuat. Thesis artinya teori,
asumsi, pendapat, atau pernyataan. Berdasarkan definisi tersebut, kita bisa menyimpulkan
20
bahwa hipotesis juga bisa diartikan sebagai teori yang sifatnya lemah dan masih perlu
dibuktikan kebenarannya. Ada banyak sekali hipotesis di dunia ini. Tentunya, tidak semua
hipotesis dapat diuji, dan tidak semua hipotesis menjadi hal yang penting untuk diuji. Hal ini
dikarenakan pengujuan hipotesis juga membutuhkan dukungan dana, waktu, dan tenaga.
Dengan memahami uji hipotesis, kita akan semakin paham dengan pengertian statistik itu
sendiri.
Ciri-ciri hipotesis yang baik adalah:
1. Hipotesis harus menyatakan hubungan antar variabel
2. Hipotesis harus sesuai dengan kaidah ilmu pengetahuan
3. Hipotesis harus dapat diuji
4. Hipotesis harus sederhana
5. Hipotesis harus menerangkan fakta atau fenomena
Langkah-langkah dalam membuat Uji Hipotesis
1. Tentukan Formulasi Hipotesis Nol dan Hipotesis Alternatif
2. Tentukan Taraf Nyata (α) atau disebut juga Level of Significant
3. Tentukan Nilai Kritis (nilai Tabel) dan Statistik Uji Hipotesis-nya.
4. Hitung Nilai Statistik Uji Hipotesis
5. Pengambilan keputusan
Hipotesis nol (H0) adalah hipotesis yang menyatakan bahwa tidak terdapat
perbedaan nilai parameter populasi. Contoh pernyataan hipotesis nol adalah: H 0: µ= µ0.
Hipotesis nol digunakan untuk menentukan apakah hipotesis penelitian benar atau tidak.
Hipotesis alternatif (H1 atau Ha) di lain sisi dirumuskan berdasarkan hipotesis penelitian.
Hipotesis nol dan hipotesis alternatif haruslah mutually exclusive. Jika hipotesis penelitian
menyatakan µ= µ0, maka hipotesis alternatif menyatakan µ≠µ 0.  Jika hipotesis penelitian
menyatakan µ<µ0 atau µ≤µ0, maka hipotesis alternatif menyatakan µ<µ 0. Jika hipotesis
penelitian menyatakan ketidaksamaan (tidak ≤ atau tidak ≥), maka hipotesis penelitian sama
dengan hipotesis alternatif.
Setelah hipotesis dirumuskan, data kemudian dikumpulkan untuk menguji apakah
statistik sampel konsisten atau inkosisten dengan hipotesis nol. Apabila statistik sampel
mendukung hipotesis alternatif, maka hipotesis nol ditolak dan hipotesis alternatif diterima.
Catatan yang mesti dipegang adalah bahwa dalam pengujian hipotesis, hipotesis nol dan
hipotesis alternatif tidak selalu ada yang diterima dan ada yang ditolak, melainkan diperlukan
pengkajian lebih mendalam. Sebagai contoh, hipotesis nol menyatakan µ=µ 0  dan hipotesis
alternatif menyatakan µ>µ 0. Apabila dalam pengujian dengan statistik sampel ternyata
µ<µ0, maka hipotesis nol tidak serta merta harus diterima, demikian pula hipotesis alternatif
tidak mesti diterima, melainkan diperlukan pengkajian lebih lanjut.
A. Kenapa uji hipotesis itu penting?
Uji hipotesis adalah salah satu uji yang sangat penting dalam proses statistik. Ada
beberapa alasan kenapa uji ini diperlukan:
1. Untuk menguji apakah data yang kita gunakan cukup untuk menggambarkan populasi.
Uji hipotesis dilakukan dengan data sampel. Tapi tentu saja tidak semua sampel yang
kita ambil berhasil menggambarkan kondisi populasi. Pada dasarnya, besarnya jumlah
sampel tetap saja berpeluang untuk menghasilkan kesimpulan yang salah. Uji hipotesis
 21

memungkinkan kita untuk melakukan uji eksperimen apakah sampel yang kita gunakan Grafik pengujian hipotesis 2 arah
sudah cukup untuk menggambarkan keseluruhan populasi. 2. Bila hipotesis alternatif lebih besar dari hipotesis nol. Artinya, kita berasumsi bahwa
2. Metode empiris untuk membuktikan hipotesis yang kita percaya. Dalam berbagai usia menikah terbaik adalah di atas 25 tahun. H0 > 25
pengujian, tentunya seorang peneliti ingin membuktikan asumsi atau pendapat yang ia
percaya. Uji hipotesis membantu kita dalam membuktikan berbagai hal yang terjadi
apakah benar-benar fakta atau hanya sekadar teori belaka.
B. Jenis Hipotesis
Secara umum, hipotesis digunakan untuk menguji sebuah pendapat, klaim, atau
asumsi yang sering beredar di masyarakat. Dan hipotesis ini muncul entah dari mana.
Seringkali kita mendengar anggapan seperti perempuan dengan gelar pendidikan yang tinggi
akan sulit mendapatkan pasangan. Well, ini anggapan darimana? Apakah pendapat ini bisa
dipercaya? Secara umum, ada 2 jenis hipotesis:
1. Hipotesis nol ( )
Hipotesis nol merupakan hipotesis awal yang umumnya berisi kepercayaan, asumsi,
atau pendapat yang masih perlu dibuktikan kebenarannya.
2. Hipotesis alternatif  ( )
Hipotesis alternatif merupakan hipotesis yang menyatakan pendapat atau yang
berlawanan dengan hipotesis nol.
Hipotesis alternatif selalu berlawanan dengan hipotesis nol. Hal ini dikarenakan pada
dasarnya kita ingin sekali menolak H0 dengan menawakan Hipotesis alternatif sebagai
pernyataan yang lebih tepat.
Hipotesis tidak hanya dalam bentuk numerik, tetapi juga bisa dalam bentuk kategori.
Contohnya saja, benarkah perempuan cenderung lebih teliti daripada laki-laki?. Sekarang,
mari kita coba menuliskannya dalam bentuk notasi statistik. Misalkan saja, terdapat klaim
bahwa umur terbaik untuk menikah adalah saat 25 tahun. Tentu hal ini perlu dikaaji lebih Grafik uji hipotesis satu arah sisi kanan
lanjut apakah asumsi ini benar atau tidak. Karena itu, kita bisa menulisnya dalam notasi 3. Bila hipotesis alternatif lebih kecil daripada hipotesis nol. Artinya, kita berasumsi bahwa
sebagai berikut : usia menikah terbaik di bawah 25 tahun. H0 < 25
H0 = 25
Sedangkan, untuk hipotesis alternatif, ada beberapa pilihan yang bisa kita gunakan
tergantung dari hal yang ingin kita buktikan:
1. Bila hipotesis alternatif tidak sama dengan nilai hipotesis nol. Artinya, kita berasumsi
bahwa usia menikah terbaik bukanlah di usia di 25 tahun, bisa lebih atau kurang.
H0 ≠ 25

Grafik uji hipotesis satu arah sisi kiri

Dalam melakukan pengujian, kita bisa saja mengambil salah satu dari hipotesis
alternatif di atas. Kita bisa memilih hipotesis alternatif yang paling kita yakini benar
berdasarkan data yang kita miliki. Hipotesis nol bisa saja bukan sesuatu yang diragukan
kebenarannya, tetapi juga tentang hal-hal yang diyakini benar oleh banyak orang tetapi
belum terbukti secara empiris. Hipotesis nol bukanlah asumsi atau pendapat yang salah
 22

hingga seseorang bisa membuktikan fakta lain yang menolak hipotesis tersebut secara Seorang peneliti ingin mengetahui apakah usia ideal menikah memang tepat 25
statistik. tahun atau lebih dari itu. Dari data-data sebelumnya, diketahui bahwa simpangan baku
C. Transformasi Statistik Uji Ke Dalam Distribusi Normal adalah 26 tahun. Dari 40 sampel yang digunakan, ditemukan bahwa rata-rata berpendapat
Uji hipotesis tentunya menggunakan data sampel sebagai objek penelitian. Jumlah bahwa usia ideal menikah adalah 27 tahun (data terlampir). Apakah asumsi usia ideal
sampel yang relatif kecil bila dibandingkan dengan populasi. Melakukan estimasi rata-rata menikah di 25 tahun masih bisa diterima? Gunakan taraf nyata 5 pesen! Contoh data yang
terhadap sampel artinya melakukan estimasi terhadap rata-rata populasi. Karena itu, digunakan :
tentunya kita berusaha untuk menemukan bahwa nilai rata-rata yang kita temukan ini berada Usia Usia
No No
jauh dari nilai rata-rata populasi (yang berasal dari asumsi hipotesis nol). (Tahun) (Tahun)
Karena, kita perlu melakukan perubahan hasil uji statistik ke dalam nilai yang sudah 1 26 21 29
terstandar (standard score). Nilai standar ini maksudnya adalah nilai yang berada di sekitar 2 28 22 25
rata-rata. Secara umum, formula yang digunakan adalah: 3 28 23 31
ẍ -μ 4 29 24 32
≈ =
σ 5 30 25 31
√n 6 22 26 26
7 24 27 28
Dimana : 8 26 28 23
≈ = Nilai Standar 9 25 29 29
ẍ = Nilai rata-rata sampel 10 28 30 32
μ = Nilai rata-rata populasi 11 29 31 26
σ = standar deviasi 12 29 32 29
n  = jumlah sampel 13 30 33 32
Transformasi statistik uji ini bisa kita terapkan dalam banyak hal. Tetapi, dalam 14 28 34 25
pengambilan keputusan uji hipotesis, transformasi ini akan sangat bermanfaat dalam
15 28 35 31
menemukan nilai p-value. Dalam kasus pengsujian dengan asumsi bahwa sampel memiliki
16 26 36 22
distribusi normal, maka nilai rata-rata populasi bisa diasumsikan sebagai 0 dan standar
17 26 37 26
deviasi adalah 1. Semakin jauh standard score yang kita temukan, semakin besar peluang kita
untuk menolak H0. Begitu juga sebaliknya. 18 24 38 25
Pertanyaan selanjutnya, seberapa jauh nilai standard score yang diperlukan untuk 19 30 39 25
menolak hipotesis nol?. Biasanya, nilai rata-rata sampel yang memiliki selisih hingga 2 kali 20 28 40 26
dari standar deviasi sudah membuktikan adanya penolakan hipotesis nol. Tapi, ini adalah
kasus secara umum. Untuk membuktikan secara empiris, kita membutuhkan nilai p-value Jawab :
yang bisa memberikan kita gambaran signifikan tentang hasil uji hipotesis. a. Formula hipotesis
D. Prosedur Pengujian Hipotesis H0 = 25
Secara umum, prosedur pengujian hipotesis harus melalui beberapa prosedur Ha > 25
diantaranya adalah sebagai berikut: b. Taraf nyata dan nilai Z table
ɑ = 5%
1. Tentukan hipotesis nol dan hipotesis alternatif Z0,05 = 1,65 (Uji sisi kanan)
2. Tentukan tingkat signifikansi c. Kriteria pengujian
3. Tentukan kriteria pengujian dan daerah penolakan H0 diterima jika : Z0 < 1.65
4. Temukan nilai uji statistik H0 ditolak jika : Z0 > 1.65
5. Kesimpulan d. Hitung Statistik uji
Contoh pengujian hipotesis ẍ = 27.2
1. Hipotesis satu arah μ  = 25
σ = 2.7
 23

n  = 40 c. standar deviasi = 2.71

ẍ -μ d. standar error = 0.43
Z= e. p-value = 0.00
σ / √n Kesimpulan dari pengujian diatas adalah nilai p-value lebih kecil daripada nilai alpha,
artinya kita berhasil menolak H0.
F. Uji Hipotesis Dua Arah
Rata-rata panjang jagung hasil panen adalah 15 cm. Berdasarkan hasil panen,
27,43 - 25 diketahui panjang jagung yang di dapat adalah 17 cm. Bila standar deviasi dari hasil panen
Z=
2,71 / √40 adalah 5 cm dari total 100 sampel, lakukan uji hipotesis apakah benar rata-rata panjang
jagung adalah 15 cm.
Z= 5,67 1. Formula Hipotesis
H0 = 15
e. Kesimpulan : Z > 1.65, artinya Ho ditolak. Ha ≠ 15
Bisa disimpulkan, berdasarkan hasil pengujian, ditemukan bahwa anggapan usia ideal 2. Taraf nyata dan nilai Z table
menikah pada usia 25 tahun tidaklah benar. Usia ideal menikah lebih baik lebih dari 25 tahun. ɑ = 5%
E. Uji Hipotesis dengan SPSS Zɑ
a. Masukkan seluruh data yang digunakan dalam SPSS = 1.96 (uji dua arah)
2
b. Pilih analyze >> compare means >> one sample t-test 3. Kriteria pengujian
c. Pindahkan variabel di kiri ke table test variable H0 diterima jika : -1.96<Z0 < 1.96
d. Hasil uji analisis adalah sebagai berikut. H0 ditolak jika : Z0 > 1.96 atau Z0 <-1.96 (cek kembali Z0 dari mana)
4. Hitung Statistik uji
ẍ = 17
μ = 15
σ=5
n = 100
ẍ -μ
Z=
σ / √n

17 -15
Z=
5 / √100

Z= 14

5. Kesimpulan : Z > 1.65, artinya H0 ditolak.

Bisa disimpulkan bahwa berdasarkan hasil pengujian, rata-rata panjang jagung hasil
panen bukanlah 15 cm.
Uji hipotesis merupakan salah satu penggunaan statistik inferensial yang paling sering
Berdasarkan hasil pengujian, bisa kita interepretasikan sebagai berikut : digunakan dalam metode statistik. Dengan menggunakan metode ini, kita bisa
mengetahui apakah sebuah asumsi atau pendapat memang benar atau tidak.
a. jumlah sampel = 40
b. rata-rata sampel = 27.43

………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
24
………………………………………………………………………………………………………………………………………
………………………………………………………………
BAB VII
KOEFESIEN DETERMINASI
Istilah koefisien determinasi yang disimbolkan dengan R kuadrat atau R 2 (R*R),
dipakai dalam penghitungan statistik khususnya yang berhubungan dengan regresi. Koefisien
determinasi ini dihitung demi mengetahui sejauh mana kemampuan sejumlah variabel bebas
yang ada dalam model persamaan regresi linier berganda secara berbarengan mampu
menjelaskan variabel tidak bebasnya. Nilai R 2 berada di rentang nol sampai 1. Nilainya
dikatakan ‘baik’ bila di atas angka 0,5. Sedangkan nilai R 2 dibilang ‘tidak baik’ bila di bawah
0,5. Secara umum, mengacu dari hasil penghitungan koefisien determinasinya, maka sebuah
model regresi linier berganda bisa dibilang layak dipakai bila nilai R 2 lebih dari 0,5. Hal ini
karena sebagian besar variabel terikatnya mampu dijelaskan dengan baik oleh variabel
bebasnya. Sebaliknya, model regresi linier dianggap tidak layak pakai apabila nilai R2-nya di
bawah 0,5.
A. Rumus Koefisien Determinasi 
Harga R2 diperoleh sesuai dengan variasi yang dijelaskan oleh setiap variabel yang
tinggi dalam regresi sebelumnya. Hal ini membuat variasi yang dijelaskan penduga hanya
disebabkan variabel yang berpengaruh saja. Dikutip dari Alvinburhani, secara umum nilai R 2
digunakan sebagai informasi mengenai kecocokan sebuah model. Dalam regresi misalnya,
angka R2 dijadikan sebagai pengukuran seberapa baik garis regresi mendekati nilai data asli
yang dibuat melalui model. Jika R2 sama dengan 1, maka angka tersebut menunjukkan garis
regresi cocok dengan data secara sempurna. Sebaliknya, semakin mendekati angka nol, maka
datanya dianggap tidak cocok.
Misalnya, bila nilai R2 = 0,8, kondisi ini menjelaskan bahwa sebesar 80 persen variasi
dari variabel Y (terikat) dapat dijelaskan dengan baik oleh variabel X (bebas). Sisanya,
sebanyak 0,2 atau 20 persen dipengaruhi variabel yang tidak diketahui. Nah, bicara soal
koefisien determinasi ini ternyata tidak bisa lepas dari penghitungan korelasi. Karena pada
prinsipnya, nilai R2 adalah korelasi yang dikuadratkan. Dalam hubungannya dengan korelasi,
maka nilai R2 adalah kuadrat dari korelasi yang berkaitan dengan variabel bebas (X) dan
variabel terikat (Y). Secara umum dibilang bahwa nilai koefisien determinasi (R 2) adalah
kuadrat dari korelasi variabel X dan Y. Bisa dikatakan pula, dua variabel belum tentu saling
memengaruhi dan menjelaskan.
B. Pendekatan dalam Kehidupan Sehari-hari 
Penghitungan statistik yang menggunakan koefisien determinasi bisa banyak macam
sebagaimana koefisien determinasi berkaitan dengan regresi, mari kita gunakan sebuah
contoh kasus penghitungan statistik yang basisnya menggunakan regresi. Dalam kehidupan
sehari-hari, penghitungan dengan statistik dasar bisa dalam banyak hal, misalnya menghitung
korelasi antara pendapatan seseorang dengan konsumsinya atau menghitung sejauh mana
pengaruh harga barang terhadap permintaan. Studi ini disebut sebagai analisis regresi.
Istilah regresi pertama kali dikenalkan oleh Sir Francis Galton (1822-1911) melalui
penelitiannya berjudul Regression Toward Mediocrity Stature yang membahas tentang model
 25

prediksi dan pendugaan. Mekanisme ini kemudian disebut regresi. Penamaan regresi sendiri Matematika belum tentu pintar Bahasa Indonesia, atau sebaliknya. Berikut gambaran
bermula dari penelitian Galton yang membandingkan tinggi badan anak laki-laki dengan penghitungan koefisien determinasi di Excel:
tinggi badan ayahnya. Hasilnya, diketahui bahwa tinggi badan anak laki-laki dari ayah yang
Nilai Matematika Nilai Bahasa Indonesia
tinggi cenderung mengalami penurunan setelah beberapa generasi. Sedangkan tinggi badan
anak laki-laki dari ayah yang pendek cenderung meningkat setelah beberapa generasi. Ada 75 60
kecenderungan tinggi anak laki-laki setelah beberapa generasi kian menuju nilai rata-rata 60 70
dari populasi. Nah, garis yang menghubungkan banyak variabel menuju sebuah rata-rata 55 70
populasi. Ada sebuah prinsip dasar yang harus dipenuhi dalam membuat persamaan regresi. 89 80
Variabel tidak bebas dan variabel bebasnya memiliki sifat hubungan sebab akibat, baik
90 75
berdasarkan teori, hasil penelitian sebelumnya, atau berdasarkan pada penjelasan logis
tertentu dengan tujuan menduga atau memperkirakan nilai variabel yang tidak bebas. 65 70
C. Analisis Regresi Linier 50 75
Penghitungan statistik yang menggunakan koefisien determinasi bisa memiliki 70 88
banyak macam. Karena koefisien determinasi berkaitan dengan regresi, mari kita gunakan
sebuah contoh kasus penghitungan statistik yang basisnya menggunakan regresi. Dalam Koefisien Korelasi
kehidupan sehari-hari, penghitungan dengan menggunakan statistik dasar bisa dalam banyak
r = 0,188566
hal. Misalnya, menghitung korelasi antara pendapatan seseorang dan konsumsinya atau
menghitung sejauh mana pengaruh harga barang terhadap permintaan. Studi ini disebut
sebagai analisis regresi. Koefisien Determinasi
Mari kita coba menghitung koefisien determinasi dari sebuah kasus. Seperti yang R = 3,555722
disampaikan di atas, maka perlu hasil penghitungan koefisien korelasi sebelum menghitung Koefisien Korelasi adalah nilai yang menunjukkan kekuatan dan arah hubungan linear
koefisien determinasi. Kita ambil contoh kasus, sebuah hasil ujian delapan orang siswa untuk antara dua peubah acak (random variable).
pelajaran Biologi dan Bahasa Indonesia. Kita coba cari tahu, sejauh mana dua variabel, yakni Koefisien Determinasi adalah suatu indicator yang digunakan untuk menggambarkan
nilai Biologi dan Bahasa Indonesia memengaruhi satu sama lain. Diketahui bahwa : berapa banyak variasi yang dijelaskan dalam model. Berdasarkan nilai R2 dapat diketahui
Nilai Matematika Siswa 75 60 55 89 90 65 50 70 tingkat signifikansi atau kesesuaian hubungan antara variabel bebas dan variabel tidak bebas
Nilai Bahasa Indonesia Siswa 60 70 70 80 75 70 75 88 dalam regresi linear.
Penghitungan koefisien korelasi dan koefisien determinasi memang punya fungsi
Pertama, kita hitung koefisien korelasinya, dengan rumus berikut. Variabel X yang mirip, yaitu sama-sama menghitung kuat atau tidaknya hubungan dua variabel. Hal ini
mewakili nilai Nilai Matematika dan variabel Y mewakili nilai Bahasa Indonesia. Dari sana, juga tertuang dalam penghitungan analisis regresi sebagai model statistik untuk melihat
didapat bahwa nilai koefisien korelasinya 0,188566. Angka ini menunjukkan bahwa kedua hubungan antara variabel bebas dan tidak bebas. Variabel bebas adalah variabel yang
variabel tidak saling menjelaskan alias tidak saling memengaruhi. nilainya tidak tergantung dengan variabel lainnya. Sedangkan variabel tidak bebas
Ingat, dalam penghitungan koefisien korelasi, hasil r yang mendekati nol memiliki merupakan variabel yang nilainya tergantung pada variabel lainnya.
makna kedua variabel tidak saling menjelaskan atau memengaruhi. Sebaliknya, hasil r yang Koefisien determinasi pada regresi linear sering diartikan sebagai seberapa besar
mendekati -1 atau +1 memiliki makna bahwa kedua variabel saling memengaruhi baik dalam kemampuan semua variabel bebas dalam menjelaskan varians dari variabel terikatnya.
bentuk linear positif atau negatif. Dari sini saja sudah bisa diketahui bahwa kedua variabel, Secara sederhana koefisien determinasi dihitung dengan mengkuadratkan Koefisien Korelasi
nilai Matematika dan nilai Bahasa Indonesia, tidak saling memengaruhi. Untuk memudahkan, (R). Sebagai contoh, jika nilai R adalah sebesar 0,80 maka koefisien determinasi (R Square)
penghitungan koefisien korelasi bisa dilakukan di Excel dengan bantuan rumus Pearson. adalah sebesar 0,80 x 0,80 = 0,64. Berarti kemampuan variabel bebas dalam menjelaskan
Selanjutnya, kita coba hitung koefisien determinasi dengan rumus berikut. Pada varians dari variabel terikatnya adalah sebesar 64,0%. Berarti terdapat 36% (100%-64%)
intinya, koefisien determinasi adalah hasil kuadrat dari koefisien korelasi dan dikalikan 100 varians variabel terikat yang dijelaskan oleh faktor lain. Berdasarkan interpretasi tersebut,
(bentuk persen). Nah, dari penghitungan di atas, didapat bahwa koefisien determinasi maka tampak bahwa nilai R Square adalah antara 0 sampai dengan 1.
sebesar 3,55 persen. Angka ini mendekati nol (terlalu kecil) sehingga bisa dibilang bahwa dua Penggunaan R Square (R Kuadrat) sering menimbulkan permasalahan, yaitu bahwa
variabel nilai di atas tidak saling berpengaruh. Bahasa sederhananya, siswa yang pintar nilainya akan selalu meningkat dengan adanya penambahan variabel bebas dalam suatu
model. Hal ini akan menimbulkan bias, karena jika ingin memperoleh model dengan R tinggi,
seorang penelitian dapat dengan sembarangan menambahkan variabel bebas dan nilai R akan

meningkat, tidak tergantung apakah variabel bebas tambahan itu berhubungan dengan
variabel terikat atau tidak. Oleh karena itu, banyak peneliti yang menyarankan untuk
menggunakan Adjusted R Square. Interpretasinya sama dengan R Square, akan tetapi
nilai Adjusted R Square dapat naik atau turun dengan adanya penambahan variabel baru,
tergantung dari korelasi antara variabel bebas tambahan tersebut dengan variabel terikatnya.
Nilai Adjusted R Square dapat bernilai negatif, sehingga jika nilainya negatif, maka nilai tersebut
dianggap 0, atau variabel bebas sama sekali tidak mampu menjelaskan varians dari variabel
terikatnya.
Langkah-langkah Uji Koefisien Determinasi pada Program SPSS
a. Gunakan input yang sama dengan analisis pada bagian sebelumnya.
b. Klik Analyze --> Regression --> Linear…
c. Setelah itu akan muncul window baru, kemudian masukkan Variabel Y ke dalam
kotak ‘Dependent’ dan variabel X1 dan X2 ke dalam kotak ‘Independent’
d. Klik ‘OK’ untuk Mengakhiri.
e. Akan Muncul Output Seperti di Bawah ini, yang Digunakan Hanya ‘Model Summary’.
Nilai Koefisien Determinasi dari Regresi Linier SPSS dapat Anda lihat dalam Tabel
Model Summary > Kolom R atau R Square seperti gambar berikut:
Model Summaryb
Adjusted R Std. Error of
Model R R Square Square the Estimate Durbin-Watson
1 .177a .031 -.027 1.721 1.939
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
Note: Dalam buku Metode Riset Untuk Ekonomi dan Bisnis (Edisi ke 4) karangan
Mudrajad Kuncoro, Gunakan R Square jika ada perubahaan variabel dalam model
regresi. Perubahan yang dimaksud bisa berupa pengurangan / penambahan
variabel penelitian.
Dengan menggunakan Nilai pada Kolom R, yaitu sebesar 0.177. Artinya variasi
seluruh variabel bebas dapat mempengaruhi perubahan Variabel Terikat sebesar
0.177 (17,7 %). Sedangkan sisanya 82,3 % (Note: dari 100% – 17,7 %) dipengaruhi
oleh variabel lain diluar penelitian.
Ini artinya, Variabel X1 dan Variabel X2 secara simultan (bersama-sama) dapat
mempengaruhi Variabel Y sebesar 17,7 %. Hasil ini signifikan pada alpha 5 %
berdasarkan hasil uji F.
Note: Uji F itu untuk mengatahui apakah ada pengaruh signifikan antara variabel
bebas dan terikat secara simultan. Sedangkan Koefisien determinasi untuk
mengetahui berapa persen pengaruh nya.
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
26
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………
BAB VIII
KORELASI BERGANDA
Korelasi Berganda adalah suatu korelasi yang bermaksud untuk melihat hubungan
antara 3 atau lebih variabel (dua atau lebih variabel dependent dan satu variabel
independent). Korelasi berganda berkaitan dengan interkolasi variabel variabel independen
seagaimana korelasi mereka dengan variabel dependen. Pada umumnya analisis korelasi
ganda bertujuan untuk mencari hubungan antara dua atau lebih variabel bebas dengan
variabel terikat. Selain itu, analisis korelasi ganda juga dipergunakan untuk mencari kuat atau
lemahnya hubungan antar dua atau lebih variabel independen terhadap variabel dependen.

Variabel penelitian adalah karakter, atribut atau segala sesuatu yang terbentuk, atau
yang menjadi perhatian dalam suatu penelitian sehingga mempunyai variasi antara satu
objek yang satu dengan objek yang lain dalam satu kelompok tertentu kemudian ditarik
kesimpulannya. Variabel merupakan sesuatu yang menjadi objek pengamatan penelitian,
sering juga disebut sebagai faktor yang berperan dalam penelitian atau gejala yang akan
diteliti. Variabel penelitian juga merupakan sesuatu yang menjadi fokus perhatian yang
memberikan pengaruh dan mempunyai nilai (value). Variabel merupakan suatu besaran yang
dapat diubah atau berubah sehingga dapat mempengaruhi peristiwa atau hasil penelitian.
Dengan penggunaan variabel, kita dapat dengan mudah memperoleh dan memahami
permasalahan.
Variabel terikat (dependent variable) adalah variabel respon atau output.
Variabel terikat atau dependen atau disebut variabel output, kriteria, konsekuen, adalah
variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas. Variabel
terikat tidak dimanipulasi, melainkan diamati variasinya sebagai hasil yang dipradugakan
berasal dari variabel bebas. Biasanya variabel terikat adalah kondisi yang hendak kita
jelaskan. Dalam eksperimen-eksperimen, variabel bebas adalah variabel yang
dimanipulasikan/ dimainkan oleh pembuat eksperimen.
Variabel bebas (independent variable) adalah variabel yang diduga sebagai sebab
munculnya variabel variabel terikat. Variabel bebas sering disebut juga dengan variabel
stimulus, prediktor, antecedent. Variabel bebas adalah variabel yang mempengaruhi atau
yang menjadi sebab perubahannya atau timbulnya variabel terikat. Variabel bebas biasanya
dimanipulasi, diamati, dan diukur untuk diketahui hubungannya (pengaruhnya) dengan
variabel lain.
Variabel moderator atau variabel antara, adalah sebuah tipe khusus variabel
bebas, yaitu variabel bebas sekunder yang diangkat untuk menentukan apakah ia
mempengaruhi hubungan antara variabel bebas primer dan variabel terikat. Variabel
moderator adalah faktor yang diukur, dimanipulasi atau dipilih peneliti untuk mengungkap
apakah faktor tersebut mengubah hubungan antara variabel bebas dan variabel terikat. Jika
peneliti ingin mempelajari pengaruh variabel bebas X terhadap variabel terikat Y tetapi ragu-
ragu apakah hubungan antara X dan Y tersebut berubah karena variabel Z, maka Z dapat
dianalisis sebagai variabel moderator.
Variabel intervening adalah jenis variabel yang memiliki hubungan tidak langsung
antara variabel independen dengan variabel dependen. Variabel ini memiliki posisi diantara
variabel independen dan dependen. Hal ini membuat variabel dependen tidak langsung
terpengaruh oleh variabel independen. Variabel intervening juga bisa diartikan bahwa
variabel yang dapat memperkuat ataupun memperlemah hubungan antar variabel. Walaupun
begitu, variabel ini tidak bisa diukur dan diamati.
27
Uraian tentang variabel di depan merupakan variabel-variabel yang konkret (nyata).
Variabel bebas, variabel moderator, dan variabel kontrol masing-masing dapat dimanipulasi
oleh peneliti dan dapat diamati (diukur) pengaruhnya terhadap variabel terikat. Apabila
suatu variabel yang ingin diketahui pengaruhnya terhadap variabel terikat ternyata tidak
dapat diamati (diukur) karena terlalu abstrak, maka variabel tersebut biasanya dipandang
sebagai variabel antara (intervening). Jadi variabel intervening atau antara adalah faktor
yang secara teoretik mempunyai pengaruh terhadap variabel terikat tetapi tidak dapat dilihat
sehingga tidak dapat diukur atau dimanipulasi. Pengaruh variabel intervening terhadap
variabel terikat hanya dapat diinferensikan berdasarkan pengaruh variabel bebas dan/atau
variabel moderator terhadap variabel terikat.
A. Kegunaan Korelasi Ganda
1. Digunakan untuk mencari hubungan antara dua variabel bebas atau lebih yang secara
bersama–sama dihubungkan dengan variabel terikatnya.
2. Sehingga dapat diketahui besarnya sumbangan seluruhvariabel bebas yang menjadi
obyek penelitian terhadap variabel terikatnya.
Pada umumnya analisis korelasi ganda bertujuan untuk mencari hubungan antara
dua atau lebih variabel bebas dengan variabel terikat. Selain itu, analisis korelasi ganda juga
dipergunakan untuk mencari kuat atau lemahnya hubungan antar dua atau lebih variabel
independen terhadap variabel dependen. Melalui korelasi ganda keeratan dan kekuatan
hubungan antar variabel tersebut dapat diketahui.
Selain itu menurut Riduwan (2012:238) korelasi ganda adalah suatu nilai yang
memberika kuatnya pengaruh atau hubungan dua variabel atau lebih secara bersama sama
dengan variabel lain.
r 2 yx1 + r2 yx2 - 2r yx1 ryx2 rx1x2
Ry.x1x2 =
√
1 – r 2 x1x2
Korelasi berganda (multiple correlation) merupakan korelasi yang terdiri dari dua
variaberl bebas (X1, X2) atau lebih, serta satu variabel terikat (Y). Apabila perumusan
masalahnya terdiri dari tiga masalah atau lebih, dan hubungan masing masing variabel di
hitung menggunakan korelasi sederhana maka diperoleh alur hubungan antar masing masing
variabel.
Model regresi linear berganda melibatkan lebih dari satu variabel bebas, modelnya
adalah sebagai berikut :
Y = β0 + β1X1 + … + β1X1
Dimana :
Y = Variabel Terikat
X1 = Variabel Bebas (i = 1,2,3,…,k)
β0 = Intersep
β1 = Koefesien Regresi ( i = 1,2,3,…,k)
model penduganya adalah :
 28

Y = β0 X1 + β1X1 + … + βk Xk
Missal model regresi dengan kasus 2 peuabah bebas X1 dan X2 Maka modelnya :
Y = β0 + β1X1 + β2 X2 (0,45)2 + (0,48)2 – 2(0,45)(0,48)(0,22)
Sehingga setiap pengamatan Ry.x1x2 =
{(X1i; X2i; Y);i = 1,2, …,n} √
1 – (0,22)2
Akan memenuhi persamaan
Y = β0 + β1X1 + β2 X2 + ɛi
0,2025 + 0,2304 – 0,0950
=
1 – 0,0484
B. Regresi Berganda
Regresi ganda ialah suatu alat analisis peramalan niali pengaruh dua variabel bebas
atau lebih terhadap variabel terikat untuk membuktikan ada atau tidaknya hubungan fungsi
= 0,5959
atau hubungan kausal antara dua variabel bebas atau lebih dengan satu variabel terikat.
Persamaan regresi bergnada yaitu
Y = a + b1 X1 +b2 X2 + ….+ bn Xn Hasil perhitungan korelasi sederhana dan ganda dapat digambarkan sebagai berikut :
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan) r1 = 0,45
X1 dan X2 = Variabel independen X1
r3 = 0,22
R = 0,5959
a = Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
Analisis regresi merupakan analisis mengenai sebeberapa besar pengaruh variabel
Y
bebas (X) terhadap variabel terikat (Y). Besar kecilnya pengaruh variabel bebas terhadap r2 = 48
variabel terikat ditentukan oleh koefisien regresi atau b. Sedangkan Analisis regresi ganda X2
Dari perhitungan tersebut, ternyata besarnya korelasi ganda R harganya lebih besar
adalah pengembanagn dari analisis regresi sederhana. Kegunaannya yaitu untuk meramalkan
nilai variabel terikat (Y) apabila variabel bebas minimal dua atau lebih. dari korelasi Individual ryx1 dan ryx2. Pengujian signifikansi terhadap koefisien korelasi
Dalam tulisan ini akan membahas tentang urutan atau langkah-langkah dalam mencari ganda dapat menggunakan rumus 7.5 berikut, yaitu dengan uji F.
persamaan regresi berganda dari data yang ada secara manual. Dari persamaan regresi yang R2 / k
ada selanjutnya akan dilakukan perbandingan nilai F hitung dengan F tabel untuk mencari Fh =
seberpa besar tingkat pengaruh variabel-variabel bebas terhadap variabel terikat. (1-R2) / (n – k – 1)
C. Contoh Korelasi Berganda
Misalnya pada suatu penelitian yang berjudul “Kepemimpinan dan Tata Ruang Kantor
Dimana :
dalam kaitannya dengan Kepuasan Kerja Pegawai di lembaga A”. Berdasarkan data yang
R = koefisien korelasi ganda
terkumpul untuk setiap variabel, dan setelah dihitung korelasi sederhananya ditemukan
k = jumlah variabel Independen
sebagai berikut :
n = jumlah sampel
1. Korelasi antara Kepemimpinan dengan Kepuasan Kerja Pegawai, r1 = 0,45;
Berdasarkan angka yang telah ditemukan, dan bila n = 30, maka harga Fh, dapat dihitung
2. Korelasi antara Tata Ruang Kantor dengan Kepuasan Kerja Pegawai, r2 = 0,48;
dengan rumus diatas.
3. Korelasi antara Kepemimpinan dengan Tata Ruang Kantor, r3 = 0,22.

0,59592 / 2
Fh =
(1-0,59592) / (30 – 2 – 1)
 29

4 6 7 4 8 36 49 16 64 42 24 48 28 56
= 5 3 4 3 7 9 16 9 49 12 9 21 12 28
7,43
6 7 6 3 7 49 36 9 49 42 21 49 18 42
Harga tersebut selanjutnya dibandingkan dengan harga F tabel dengan dk pembilang 7 8 8 5 9 64 64 25 81 64 40 72 40 72
= k dan dk penyebut = (n — k — 1). Jadi dk pembilang = 2 dan dk penyebut = 10–2–1 = 7. 8 6 7 4 8 36 49 16 64 42 24 48 28 56
Dengan taraf kesalahan 5%, harga F tabel ditemukan = 4,74. Ternyata harga F hitung lebih 9 5 7 4 7 25 49 16 49 35 20 35 28 49
besar dari F tabel (7,43 > 4,74). Karena Fh > dari F tabel maka koefisien korelasi ganda yang
ditemukan adalah signifikan (dapat diberlakukan untuk populasi dimana sampel diambil). 10 7 8 6 9 49 64 36 81 56 42 63 48 72
D. Contoh Regresi Berganda ∑ 56 65 41 74 334 437 177 560 378 236 424 273 487 3
Sebuah penelitian survei ingin mengetahui pengaruh Manajemen Kelas (X 1),
Kepemimpinan Dosen (X2), dan Kompetensi Mahasiswa (X3) terhadap Kepuasan Belajar Menentukan skor deviasi berapa ukuran deskriptif
Mahasiswa (Y). Tentukan persamaan regresi ganda Y atas X 1, X2, dan X3.Lakukan pengujian 2 2
(∑X1)2
keberartian pengaruh regresi ganda Y atas X1, X2, dan X3 secara bersama-sama dan tentukan 1 ∑X = ∑X - = 20,4
1 1 n
keberartian pengaruh regresi ganda Y atas X1, X2, dan X3 secara parsial (masing-masing 2 2
(∑X2) 2

variabel dengan mengendalikan variabel bebas lainnya). Tabel Hasil pengumpulan data 2 ∑X = ∑X - = 14,5
2 2 n
dapat dilihat pada tabel di bawah ini: 2 2
(∑X3) 2
3 ∑X = ∑X - = 8,9
No (X1) (X2) (X3) (Y) 3 3 n
2 2
(∑Y) 2
1 4 7 5 8 4 ∑Y = ∑Y - = 12,4
n
2 5 6 3 9 (∑X1)(∑r)
3 6 7 4 7 5 ∑X1Y = ∑X1Y – = 9,6
n
4 3 7 5 7 (∑X2)(∑r)
5 5 6 3 8 6 ∑X2Y = ∑X2Y – = 6,0
n
6 6 4 4 5 (∑X3)(∑r)
7 5 5 4 7 7 ∑X3Y = ∑X3Y – = 7,6
n
8 7 8 5 8 (∑X1)(∑ X2)
9 5 8 6 9 8 ∑X1 X2 = X1 X2 – = 14,0
n
10 4 5 5 8 (∑X1)(∑ X3)
9 ∑X1 X3 = X1 X3 – = 6,4
∑ n
(∑X2)(∑ X3)
10 ∑X2 X3 = X2 X3 – = 6,5
n

Menentukan harga
Nilai konstanta dicari dengan menggunakan mensubstitusi persamaan dibawah ini dengan
memasukkan hasil perhitungan skor deviasi di atas. Persamaan:

No X1 X2 X3 Y X12 X22 X32 Y2 X1X2 X1X3 X1Y X2X3 X2Y X

1 5 6 5 7 25 36 25 49 30 25 35 30 42 35
2 4 5 4 7 16 25 16 49 20 16 28 20 35 28
Menentukan harga Nilai Konstanta dicari dengan menggunakan mensubtitusi
3 5 7 3 5 25 49 9 25 35 15 25 21 35 15 persamaan dibawah ini dengan memasukkan hasil perhitungan skor deviasi diatas.
Persamaan :
 30

2 Dengan persamaan matriks :

1 ∑X1Y = b1 ∑X + b2 ∑X1∑X2 + b3 ∑X1 ∑X3
1 2
(∑X ∑X1X2 ∑X1X3 ) b1 = ∑X1Y
2 1
2 ∑X2Y = b1∑X1∑X2 + b2 ∑X + b3 ∑X2∑X3
2 2
(∑X1X2 ∑X ∑X2X3 ) b2 = ∑X2Y
2 2
3 ∑X3Y = b1∑X1∑X3 + b2 ∑X2∑X3 + b2 ∑X
3 2
(∑X1X2 ∑X2X3 ∑X ) b3 = ∑X3Y
3

(20,4 14,0 6,4) b1 = 9,6

(14,0 14,5 6,5) b2 = 6,0
(6,4 6,5 8,9) b3 = 7,6

Sehingga di dapat ;
b1 = 0,54
b2 = -0,47
b3 = 0,81

Sedangkan harga a didapat dengan menyelesaikan persamaan :

a = Y – b1X1 – b2X2 – b3X3
= 7,4 – (0,54)(5,6) – (0,47)(6,5) – (0,81)(4,1)
= 4,1

Diperoleh persamaan regresi :

Y = 4,11 + 0,54X1 – 0,47X2 + 0,81X3
Menentukan nilai JKreg, JKres
1) JKreg = b1∑ X1Y + b2 ∑X2Y + b3 ∑X3Y
= 0,54 . 9,6 + (-,047) . 6,0 + 0,81 . 7,6
= 5,18 – 2,82 + 6,15
= 8,51
2) JKres = ∑Y2 - JKreg
= 12,4 – 8,51
= 3,89

Menentukan retata jumlah kuadrad sumber varian

JKReg JKres
1) RJKreg = 2) RJKres =
k n-k-1
8,51 2,84
= =
3 6
= 2,84 = 0,47
 31

Dari uji ANOVA atau Ftest didapat nilai Fhitung sebesar 0,535 probabilitas 0.591,
Menentukan nilah Fh, Ft, dan pengujikan hipotesis karena nilai probabilitas jauh lebih besar dari 0,05, maka model regresi tidak dapat
RJKreg (JKreg) / k digunakan untuk memprediksi Variabel Y atau dapat dikatakan bahwa Variabel X 1
Fh = =
RJKres (JKres) / (n-k-1) dan Variabel X2 secara bersama-sama tidak berpengaruh terhadap Variabel Y.
2,84 (8,51) / 3 Coefficientsa
= =
0,47 (3,89) / (6) Unstandardized Standardized
= 4,37 Coefficients Coefficients
Model B Std. Error Beta t Sig.
F1 untuk ɑ = 0,05 serta dk 1, diperoleh F1 = 4,76. Karena Fh < F1 (4,37 < 4,76), maka H0 diterima. 1 (Constant) 21.773 3.495 6.230 .00
Sehingga kesimpulannya tidak pengaruh yang signifikan Manajemen Kelas (X 1),
Kepemimpinan (X2), dan Kompetensi pedagogic (X3) secara bersama-sama terhadap X1 .146 .180 .162 .814 .42
keputusan belajar siswa Multimedia (Y). X2 -.114 .118 -.191 -.963 .34
a. Dependent Variable: Y
Langkah-langkah Uji Korelasi Berganda pada Program SPSS
a. Buka variabel view → lalu isikan nama dengan Variabel X1, Variabel X2 dan Dari kedua variabel independen yang dimasukkan ke dalam model regresi Variabel
Variabel Y. X1 dan Variabel X2 tidak signifikan hal ini dapat dilihat dari probabilitas signifikansi
b. Klik Analyze →Regression → Linear untuk Variabel X1 sebesar 0,422 dan Variabel X2 sebesar 0,343 jauh lebih besar dari
c. Pindahkan Variabel Y ke Dependent serta Variabel X1 dan Variabel X2 ke 0,05.
Independent(s). Pada kotak Method pilih Enter, kemudian OK.
d. Pembacaan Hasil SPSS E. Korelasi Berganda
Model Summaryb Korelasi berganda (multiple correlation) merupakan angka yang menunjukkan arah
Adjusted R Std. Error of the dan kuatnya hubungan antara dua variabel independen secara bersama-sama atau lebih
Model R R Square Square Estimate Durbin-Watson dengan satu variabel dependen. Sebagai contoh penelitian yang berjudul, Hubungan Tingkat
1 .177 a
.31 -.27 1.721 1.939 Percaya Diri dan Motivasi Belajar dengan Prestasi Belajar Bahasa Inggris. Pada penelitian
tersebut menanyakan hubungan secara bersama-sama antara Tingkat Percaya Diri dan
a. Predictors: (Constant), X2, X1 Motivasi Belajar dengan Prestasi Belajar Bahasa Inggris. Rumus korelasi ganda dua variabel
b. Dependent Variable: Y adalah sebagai berikut.
Dari tampilan hasil SPSS model summary besarnya Adjusted R2 adalah 0,27, hal √ r2yx1 + r2yx2 – 2r2yx1 r2yx2 rx1x2
ini berarti 27,0% variasi Variabel Y dapat dipengaruhi dari kedua variabel Ryx1x2 =
1 – rx1x2
independen yaitu Variabel X1 dan Variabel X2. Sedangkan sisanya (100% - 27%
= 736,0%) dipengaruhi oleh variabel lain.
Dimana :
Ryx1x2 : korelasi antara variabel X1 dengan X2 secara bersama-sama dengan variabel Y
r2yx1 : Korelasi product moment antara variabel X1 dengan Y.
r2yx2 : Korelasi product moment antara variabel X2 dengan Y.
ANOVAa
rx1x2 : Korelasi product moment antara variabel X1 dengan X2.
Model Sum of Squares df Mean Square F Sig.
1 Regression 3.168 2 1.584 .535 .591 Jadi untuk dapat menghitung korelasi ganda, maka harus dihitung terlebih dahulu
Residual 97.720 33 2.961 korelasi sederhananya dulu melalui korelasi Product Moment dari Pearson.
Total 100.889 35
a. Dependent Variable: Y Contoh
b. Predictors: (Constant), X2, X1 Dilakukan penelitian ada tidaknya hubungan antara tingkat percaya diri dan motivasi
belajar dengan prestasi belajar bahasa inggris kelas X SMA “Tirta”. Untuk keperluan tersebut,
maka telah dilakukan pengambilan data terhadap 10 responden yang diambil secara random.
 32

Berdasarkan 10 responden tersebut diperoleh data tentang hasil tingkat percaya diri (X1), k – jumlah variabel independen
motivasi belajar (X2), dan prestasi belajar bahasa inggris (Y), sebagai berikut. n = jumlah anggota sampel (Sugiyono, 2011:235)
Tabel Data Hasil Percaya Diri (X1), Motivasi Belajar (X2) dan Prestasi 4. Komputasi
Belajar Bahasa Inggris (Y) (10)(249)-(33)(70) 180 180
2 2 2 Ryx1 = = = = 0,946059
No X1 X2 Y X 1 X2 Y X1Y X2Y X1 X2 √(10)(127)-(33)(10)(510)-(70) 2
√36.200 190,263
1 5 6 8 25 36 64 40 48 30
2 5 6 9 25 36 81 45 54 30 (10)(300)-(40)(70) 2000 180
3 3 4 7 9 16 49 21 28 12 Ryx2 = = = = 0,912871
√(10)(184)-(40)(10)(510)-(70)2 √48.000 219,089
4 3 4 6 9 16 36 18 24 12
5 3 4 7 9 16 49 21 28 12 (10)(152)-(33)(40) 2000 180
6 4 4 8 14 14 64 32 32 16 R x1x2 = 2 2 = = = 0,95959
7 5 6 9 25 36 81 45 54 30 √(10)(127)-(33) (10)(184)-(40) √43.440 208,4226
8 2 2 6 4 4 36 12 12 4
9 2 2 5 4 4 25 10 10 4 0,9460592 + 0,9128712 – 2(0,946059)(0,912871)( 0,95959)
R yx1x2 =
10 1 2 5 1 4 25 5 10 2 1- (0,95959)2
∑ 33 40 70 127 184 510 249 300 152 √
Rerata 3,3 4 7 1,728361 – 1,657461
R yx1x2 =
√ 0,079187

1. Menentukan Hipotesis 0,0709

R yx1x2 =
H0 : ρ = 0 (Tidak ada hubungan antara tingkat percaya diri dan motivasi belajar dengan 0,079187
prestasi belajar bahasa inggris). √
H1 : ρ ≠ (Ada hubungan antara tingkat percaya diri dan motivasi belajar dengan prestasi R yx1x2 = √ 0,895349 = 0,946229
belajar bahasa inggris).
2. Tingkat Signifikansi, ὰ = 0,05 Hasi perhitungan dapat digambarkan :
3. Statistik Uji
√ r2yx1 + r2yx2 – 2r2yx1 r2yx2 rx1x2
Ryx1x2 =
1 – rx1x2
Dengan Uji Signifikansi koefisien korelasi ganda
n∑xiyi – (∑xi)(∑yi) 0,9462292
ryx1x2 = √(n ∑x2i – (xi)2 (n∑y2i – (yi)2 2
Fh =
(1- 0,9462292)
Uji signifikansi koefisien korelasi ganda dengan menggunakan rumus : (10 – 2 – 1)
R2 0,447675
Fh = = 29,9446
k 0,04195
Fh =
(1 - R2)
(n – k - 1) 5. Daerah Kritik
F0,05 : 2,7 = 4,74; DK = {F/F > Fὰ ,v1,v2} sehingga DK = {F/F > 4,74}
Dimana : F0,01 = 29,9446 ϵ DK/
R = koefesien korelasi 6. Keputusan Uji : H0 ditolak

7. Kesimpulan
Ada hubungan yang signifikan (dapat diberlakukan untuk populasi dimana sampel
diambil) antara tingkat percaya diri dan motivasi belajar dengan prestasi belajar bahasa
inggris
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
33
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………

………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
34
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………………………
………………………………………………………………………………………………………
DAFTAR PUSTAKA
Afiyanti, Y. (2008). Validitas dan reliabilitas dalam penelitian kualitatif. Jurnal Keperawatan
Indonesia, 12(2), 137-141.
 35

Afrizal. (2014). Metode Penelitian Kualitatif. Jakarta: Rajawali Pers Sudjarwo dan Basrowi.2007.Manajemen Penelitian Sosial. Bandung: Alfabeta.
Ardianto, Alvinaro. (2010). Metode Penelitian Untuk Public Relations Kuantitatif dan Sueratno dan Lincolin Arsyad.2003. metodologi Penelitian untuk Ekonimi dan Bisnis.
Kualitatif. Bandung: Simbiosa Rekatama Media Yoyakarta: UPP AMP YKPN.
Bachri, B. S. (2010). Meyakinkan validitas data melalui triangulasi pada penelitian kualitatif. Sugiyono.2010.Statistika untuk Penelitian. Bandung: Alfabeta.
Jurnal Teknologi Pendidikan, 10 (1), 46-62. Suharsimi Arikunto.2006.Prosedur Penelitian, Suatu Pendekatan Praktik.Jakarta: Rineka
Black, N. (2006). Consensus Development Methods. Oxford: Blackwell Publishing. Cipta.
Bungin, B. (2003). Analisis Data Penelitian Kualitatif: Pemahaman Filosofis dan Metodologis Suryabrata, Sumadi. 2008. Metodologi Penelitian. Jakarta: Raja Grafindo Persada.
ke Arah Penguasaan Model Aplikasi. Jakarta: PT. Raja Grafindo Persada. Yusuf, Muri. (2014). Metode Penelitian Kuantitatif, Kualitatif dan Penelitian Gabungan.
Clemmens, D. (2003). Adolescent motherhood: a meta-synthesis of qualitative Studies. Jakarta: Kencana
Anerican Journal of Maternal Child Nursing, 28(2), 93-9.
Cooper, N., Sutton, A and Abrams, K. (2002).
Decision analytic economic model-ling within a Bayesian framework: application to
prophylactic antibiotics use for caesarean section. Statistical Methods in Medical
Research, 11, 491-512.
Graneheim, U. & Lundman, B. (2004). Qualitative content analysis in nursing concepts,
procedures, and measures to achieve trustworthiness. Nurse Education Today, 24,
105-112.
Gunawan, Imam. (2013). Metode penelitian kualitatif. Jakarta: Bumi Aksara
Hasanah, H. (2017). Teknik-Teknik Observasi (Sebuah Alternative Metode Pengumpulan Data
Kualitatif Ilmu-ilmu Sosial). At-Taqaddum, 8(1), 21-46.
Ibnu Hadjar.1996. Dasar-dasar Metodologi Penelitian Kuantitatif dalam Pendidikan. Jakarta:
Raja Grafindo Persada.
Long, T. & Johnson, M. (2000). Rigour, reliability, and validity research. Clinical Effectiveness in
Nursing, 4(1), 30-37.
Mulyadi, M. (2011). Penelitian kuantitatif dan kualitatif serta pemikiran dasar
menggabungkannya. Jurnal studi komunikasi dan media, 15(1), 128-137.
Musianto, L.S. Perbedaan pendekatan kuantitatif dengan pendekatan kualitatif dalam metode
penelitian. Jurnal Manajemen dan Kewirausahaan, 4(2), 123-136.
Mustari, M., & Rahman, M. T. (2012). Pengantar Metode Penelitian.
Narbuko, C., & Achmadi, A.H. (2004). Metodologi Penelitian. Jakarta: PT Bumi Aksara
Nugrahani, F., & Hum, M. (2014). Metode Penelitian Kualitatif. Solo: Cakra Books.
Patton, M.Q. (1990). Qualitative Evaluation and Research Methods. Newbury Park: Sage
Publications.
Purwanto.2007. Instrumen Penelitian Sosial dan Pendidikan, Pengembangan dan
Pemanfaatan. Yogyakarta: Pustaka Pelajar.
Rachmawati, I.N. (2007). Pengumpulan data dalam penelitian kualitatif:wawancara. Jurnal
Keperawatan Indonesia, 11(1), 35-40.
Rahardjo, M. (2011). Metode pengumpulan data penelitian kualitatif.
Rahmat, P. S. (2009). Penelitian kualitatif. Equilibrium, 5(9), 1-8.
Riduwan.2009. Skala Pengukuran Variabel-variabel Penelitian.Bandung: Alfabeta.
S. Eko Putro Widoyok.2012.Teknik Penyusunan Instrumen Penelitian.Yogyakarta: Pustaka
Pelajar.
Sandu Siyoto & M. Ali Sodik. (2015). Dasar metodologi penelitian. Yogyakarta: Katalog Dalam
Terbitan