Validitas

Definisi : sejauh manaketepatansuatualatukurdalam mengukursuatudata

• Misalnya bila seseorang akan mengukur cincin, maka dia harus menggunakan timbangan emas. Dilain

pihak bila seseorang ingin menimbang berat badan, maka dia harus menggunakan timbangan berat

badan

• Jadi, dapat disimpulkan bahwa timbangan emas valid untuk mengukur berat cincin, tapi timbangan

emastidak valid untuk menimbangberatbadan

• Cara mengukur validitas suatu instrumen (dalam hal ini kuesioner) adalah dengan melakukan

korelasiantaraskor masing-masingvariabeldenganskor totalnya

Suatu variabel (pertanyaan) dikatakan valid bila skor variabel tersebut

berkorelasi secara signifikan dengan skor totalnya.

Teknik korelasi yang digunakan adalah Korelasi Pearson Product Moment :

Keputusan uji :

Bila r hitung lebih besar dari r tabel  artinya variabel valid

Bila r hitung lebih kecil atau sama dengan r tabel  artinya variabel tidak valid

Reliabilitas

• Definisi : suatu ukuran yang menunjukkan sejauh mana hasil

pengukuran tetap konsisten bila dilakukan pengukuran dua kali atau

lebih terhadap gejala yang sama dan dengan alat ukur yang sama

• Pertanyaan dikatakan reliabel jika jawaban seseorang terhadap

pertanyaan adalah konsisten atau stabil dari waktu ke waktu.

• Pengukuran reliabilitas pada dasarnya dapat dilakukan dengan dua

cara, yaitu Repeated Measure dan One Shot

RELIABILITAS

• Repeated Measure atau ukur ulang. Pertanyaan ditanyakan pada

responden berulang pada waktu yang berbeda (misal sebulan

kemudian), dan kemudian dilihat apakah ia tetap konsisten dengan

jawabannya

• One Shot atau diukur sekali saja. Di sini pengukurannya hanya sekali
dan kemudian hasilnya dibandingkan dengan pertanyaan lain. Pada

umumnya pengukuran dilakukan dengan One Shot dengan

beberapa pertanyaan

Untuk mengetahui reliabilitas dilakukan dengan cara melakukan uji

Cronbach Alpha

Keputusan uji :

- Bila Cronbach Alpha ≥ 0,6  artinya variabel reliabel

- Bila Cronbach Alpha < 0,6  artinya variabel tidak reliabel

Analisis dengan SPSS

1. Klik Analyze  Scale  Reliability Analysis

2. Masukkan semua variabel ke dalam kotak ‘Items’ (ingat

variabel yang masuk hanya variabel yang akan diuji saja,

yaitu P1, P2, P3, P4, dan P5)

3. Pada ‘Model’, biarkan pilihan pada ‘Alpha’

4. Klik Option ‘Statistics’

5. Pada bagian ‘Descriptives for’ klik pilihan ‘item’ , ‘scale’ , ‘scale if item deleted’

6. Klik ‘continue’

7. Klik ‘OK’, terlihat hasil outputnya sebagai berikut :

Hasil analisis reliability memperlihatkan dua bagian. Bagian utama menunjukkan hasil statistik deskriptif
masing-masing variabel dalam bentuk mean, standar deviasi, dan lain-lain. Pada bagian kedua
memperlihatkan hasil dari proses validitas dan reliabilitas. Kaidah yang berlaku bahwa pengujian dimulai
dengan menguji validitas kuesioner baru dilanjutkan uji reliabilitas.

Interpretasi :

Untuk mengetahui validitas kuesioner dilakukan dengan membandingkan nilai r tabel dengan nilai r
hitung

- Menentukan nilai r tabel

Nilai r tabel dilihat dengan tabel r dengan menggunakan nilai n. Pada n = 15 dengan tingkat kemaknaan
5%, didapat angka r tabel = 0,514

- Menentukan nilai r hasil perhitungan

Nilai r hasil dapat dilihat pada kolom “Corrected item-Total Correlation”.: r hitung
- Keputusan

Masing-masing pertanyaan/variabel dibandingkan nilai r hasil dengan nilai r tabel, ketentuan : bila r hasil
> r tabel, maka pertanyaan tersebut valid.

Interpretasi Uji Validitas

Terlihat dari 5 pertanyaan, ada satu pertanyaan yaitu P2 (r=0,3275) yang nilainya lebih rendah dari r
tabel (r=0,514). Sehingga pertanyaan P2 tidak valid, sedangkan untuk pertanyaan P1, P3, P4, dan P5
dinyatakan valid

Langkah Selanjutnya

Melakukan analisis lagi dengan mengeluarkan pertanyaan yang tidak valid. Lakukan prosedur/langkah
seperti di atas yaitu :

1. Klik Analyze  Scale  Reliability Analysis

2. Keluarkan variabel P2 dan pastikan keempat variabel yang lain tetap berada di dalam kotak ‘Items’
(variabel P2 dikeluarkan dari kotak dikembalikan ke kotak kiri)

3. Klik “OK” kemudian muncul tampilan Output sebagai berikut :

• Sekarang terlihat bahwa dari keempat pertanyaan, semua mempunyai nilai r hasil (Corrected item-
Total Correlation) berada di atas dari nilai r tabel (r=0,514), sehingga dapat disimpulkan keempat
pertanyaan tersebut valid.

• Setelah semua pertanyaan valid, analisis dilanjutkan dengan uji reliabilitas. Untuk mengetahui
reliabilitas caranya adalah; membandingkan nilai Cronbach Alpha dengan nilai standar yaitu 0,6.
Ketentuannya : bila Cronbach Alpha ≥ 0,6, maka pertanyaan tersebut reliabel.

• Dari hasil uji di atas ternyata, nilai r Alpha (0,993) lebih besar dibandingkan nilai 0,6, maka keempat
pertanyaan di atas dinyatakan reliabel.

UJI INTERRATER RELIABILITY

• Definisi : jenis uji yang digunakan untuk menyamakan persepsi antara peneliti dengan petugas
pengumpul data/numerator.

• Alat yang digunakan untuk uji interrater adalah Uji Statistik Kappa

• Prinsip ujinya : bila hasil uji Kappa signifikan/bermakna (<0,05) maka persepsi antara peneliti dengan
numerator sama, sebaliknya bila hasil uji kappa tidak signifikan/tidak bermakna, maka persepsi antara
peneliti dengan numerator terjadi perbedaan

contoh : Suatu penelitian praktik keperawatan keluarga terhadap instrumen yang berbentuk observasi
terhadap perilaku perawat merawat pasien. Pertanyaannya: Apakah dalam melakukan komunikasi
dengan pasien bersifat ramah?

1. Ya 2. Tidak
Kemudian dilakukan uji coba dengan pengamatan sebanyak 10 pasien. Ujilah apakah ada kesepakatan
antara peneliti dengan numerator?

Analisis dengan SPSS

1. Analyze  Descriptive  Crosstab

2. Masukkan variabel ‘peneliti’ ke bagian row dan masukkan variabel ‘numerator’ ke bagian kolom

3. Klik tombol Statistik, klik Kappa

4. Klik Continue

5. Klik OK

Interpretasi

Hasil uji didapatkan nilai Koefisien Kappa sebesar 0,583 dan p valuenya sebesar 0,065.

Dengan hasil ini berarti p value > alpha berarti hasil uji Kappa tidak signifikan/tidak bermakna, sehingga
kesimpulannya: ada perbedaan persepsi mengenai aspek yang diamati antara peneliti dengan numerator

ANALISIS UNIVARIAT DATA NUMERIK

● Pada data numerik, peringkasan data dapat dilakukan dengan melaporkan ukuran tengah dan ukuran
sebaran

● Ukuran tengah yang digunakan adalah mean, median,dan modus

● Ukuran sebarann (variasi) yang digunakan adalah range, varian, standar deviasi, minimal dan maksimal

● Bila data yang terkumpul tidak menunjukkan adanya nilai ekstrim (distribusi normal), maka
perhitungan nilai mean dan standar deviasi merupakan cara analisis univariat yang tepat

● Bila dijumpai nilai ekstrim (distribusi data tidak normal), maka nilai yang tepat untuk analisis data
adalah median, minimal dan maksimal

● Pada SPSS ada dua cara untuk mengeluarkan analisis deskriptif yaitu dapat melalui perintah
‘Frequencies’ atau perintah ‘Explore’. Namun, biasanya yang sering digunakan adalah ‘Frequencies’

Uji Kenormalan Data :

1. Dilihat dari grafik histogram dan kurva normal → bila bentuknya menyerupai bel shape, berarti
distribusi normal

2. Menggunakan nilai Skewness dan Standard Error→ bila nilai Skewness dibagi Standard Error
menghasilkan angka ≤ 2, maka distribusinya normal

3. Uji Kolmogorov Smirnov (sampel > 50) dan Uji Saphiro Wilk (sampel ≤ 50)

● Bila hasil uji tidak signifikan (p value > 0,05) maka distribusi normal
● Uji Kolmogorov Smirnov dan Saphiro Wilk sangat sensitif dengan jumlah sampel, maksudnya : untuk
jumlah sampel yang besar Uji Kolmogorov Smirnov dan Saphiro Wilk cenderung menghasilkan uji yang
signifikan (yang artinya bentuk distribusinya tidak normal)

Uji Kenormalan Data dengan Pendekatan Skewness dan Standard Error

1. Dari menu SPSS, pilih Analyze - Descriptive Statistics - Explore

2.Isikan kotak ‘Dependent List’ dengan variabel ‘umur’, kotak ‘Factor List’ dan ‘Label Cases By’ biarkan
kosong,

3. Klik ‘Continue’, kemudian klik ‘OK’, hasilnya dapat dilihat di layar: Untuk variabel umur, dilihat dari
hasil perbandingan nilai Skewness dan Standard Error didapatkan = 0,547/0,337 = 1,62, karena hasilnya
masih dibawah 2, berarti distribusi normal. Dari hasil tersebut, dengan demikian variabel umur
disimpulkan berdistribusi normal.

Analisis Univariat Data Numerik

a.Pilih Analyze - Descriptive Statistic - Frequencies sehingga terlihat kotak frequencies

b.Sorot variabel umur, dan klik tanda panah sehingga umur masuk ke kotak variable (s)

d. Klik tombol option ‘Statistics’, pilih ukuran yang Anda minta misalnya mean, median, modus, standar
deviasi, minimum, maksimum dan SE.

e. Klik ‘Continue’

f. Klik ‘OK’, dan pada layar terlihat distribusi frekuensi disertai ukuran statistik yang diminta

Uji Kenormalan Data dengan Pendekatan Grafik Histogram dan Kurva Normal

a. Pilih Analyze - Descriptive Statistic - Frequencies sehingga terlihat kotak frequencies

b. Sorot variabel umur, dan klik tanda panah sehingga umur masuk ke kotak variable (s)

c. Klik tombol option ‘Charts’ lalu muncul menu baru dan klik ‘Histogram’, lalu klik ‘With Normal Curve’

d. Klik ‘OK’, dan pada layar terlihat grafik histogram beserta curve normalnya

Uji Kenormalan Data dengan Uji Kolmogorov Smirnov dan Saphiro Wilk

1. Dari menu SPSS, pilih Analyze - Descriptive Statistics - Explore

2. Isikan kotak ‘Dependent List’ dengan variabel ‘umur’, kotak ‘Factor List’

dan ‘Label Cases By’ biarkan kosong

3. Klik tombol ‘Plots’, dan pilih ‘Normality Plots With Test’

4. Klik ‘Continue’
5. Klik ‘OK’, hasilnya dapat dilihat di layar

UJI BEDA SATU SAMPEL

Uji 1 Sampel

 Uji 1 sampel yang paling sering digunakan adalah untuk menguji apakah suatu sampel acak berasal dari
suatu populasi dengan distribusi tertentu

 Akan tetapi ada beberapa hal di mana uji tersebut tidak dapat digunakan karena

 Bukan hanya ingin melihat distibusi data berdasarkan distribusi tertentu

 Data penelitian bukan merupakan data numerik

 Uji Binomial (2 kategori)

 Uji Chi-square (>2 kategori)

 Run Test (uji pengambilan sampel acak)

 Uji T – 1 sampel (numerik distribusi normal)

Uji Binomial

 Digunakan untuk menguji apakah sampel yang diambil berasal dari populasi yang memiliki proporsi
tertentu

 Situasi/hipotesis umum adalah P (probabilitas terjadinya kejadian) = Q (probabilitas tidak terjadinya

kejadian) = 0,5

Ho : Proporsi ibu menyusui eksklusif = 50%

Ha : Proporsi ibu menyusui eksklusif ≠ 50%

Keputusan : Ho gagal ditolak (p = 0,888)

Kesimpulan : proporsi ibu menyusui eksklusif = 50%

Uji Chi Square (homogenity)

 Digunakan untuk menguji ada sebuah kategori atau lebih yang memiliki kecenderungan terjadi lebih
besar dari yang lain

 Digunakan untuk 2 kategori atau lebih

 Bersifat independen, artinya tidak boleh ada data yang berasal dari subjek yang sama (bukan
pengulangan)

• Ho: Proporsi lulusan SD = lulusan SMP = lulusan SMU = lulusan PT

• Ha: Terdapat proporsi lulusanyang berbeda

• Keputusan: Ho gagal ditolak (p > 0,05)

• Kesimpulan: Tidak ada perbedaan proporsi lulusan antara SD, SMP, SMA dan PT

Run Test

 Digunakan untuk menguji apakah sampel diambil secara acak

 Dikatakan acak jika run yang dihasilkan tidak terlalu sedikit atau banyak

 Dapat digunakan untuk menguji data numerik (biasanya dengan menggunakan median sebagai nilai
batas), maupun kategorik.

• Ho = Urutan pemilihan responden dengan berat lahir bayi <3150 gram dan >= 3150 gram adalah
random

• Ha = Urutan pemilihan responden dengan berat lahir bayi <3150 gram dan >= 3150 gram adalah tidak
random

• Keputusan: Ho gagal ditolak

• Kesimpulan: Urutan pemilihan responden dengan berat lahir bayi <3150 gram dan >= 3150 gram
adalah random

Uji T Dependen

 Dikenal dengan uji beda mean 1 sampel

 Digunakan untuk menguji apakah sampel memiliki rata-rata tertentu

 Rata-rata yang diuji biasanya merupakan rata-rata populasi (diperoleh melalui penelitian sebelumnya
atau data lainnya)

• Ho = rata-rata kadar hemoglobin ibu hamil pada trimester pertama = 11,6 gr/dl

• Ha = rata-rata kadar hemoglobin ibu hamil pada trimester pertama ≠ 11,6 gr/dl

• Keputusan: Ho ditolak

• Kesimpulan: rata-rata kadar hemoglobin ibu hamil pada trimester pertama ≠ 11,6 gr/dl