BAB II

TEKNIK ANALISIS DATA KORELASIONAL DAN KOMPARASIONAL

A. Pengertian Ananlisis Data

Data adalah catatan atau kumpulan fakta yang berupa hasil pengamatan
empiris pada variabel peneletian. Data dapat berupa angka, kata, atau dokumen
yang berfungsi untuk menjelaskan variabel penelitian sehingga memiliki
makna yang dapat dipahami.
Data penelitian berarti catatan atau fakta empiris tentang masalah yang
diteliti. Data penelitian dikumpulkan dan dianalisis untuk dijadikan dasar
penarikan kesimpulan dalam penelitian. Dilihat dari proses dan kegunaannya,
ada dua macam data, yaitu data primer dan data sekunder. Data primer adalah
data yang berkaitan langsung dengan masalah penelitian dan didapatkan secara
langsung dari informan atau responden untuk menjadi bahan analisis.
Sedangkan data sekunder adalah data yang tidak berkaitan langsung dengan
masalah penelitian dan didapatkan dari sumber lani, serta tidak dijadikan bahan
utama dalam analisis penelitian.
Analisis data adalah proses penyederhanaan data ke dalam bentuk yang
lebih mudah dibaca dan diinterpretasikan. Dalam proses ini sering kali
digunakan statistik. Salah satu fungsi pokok statistik adalah menyederhanakan
data penelitian yang amat besar jumlahnya menjadi informasi yang lebih
sederhana dan lebih mudah untuk dipahami. Di samping itu, statistik
membandingkan hasil yang diperoleh dengan hasil yang terjadi secara
kebetulan sehingga memungkinkan peneliti untuk menguji apakah hubungan
yang amati memang betul terjadi karena adanya hubungan sistematis antara
variabel-variabel yang diteliti atau hanya terjadi secara kebetulan.1
Analisis data juga diartikan sebagai upaya mengolah data menjadi
informasi, sehingga karakteristik atau sifat-sifat data tersebut dapat dengan
mudah dipahami dan bermanfaat untuk menjawab masalah-masalah yang
berkaitan dengan kegiatan penelitian. Dengan demikian, teknik analisis data

1
Sofian Effendi, Tukiran. Metode Penelitian Survei. (Jakarta: LP3ES) h. 250

3
 4

dapat diartikan sebagai cara melaksanakan analisis terhadap data, dengan

tujuan mengolah data tersebut menjadi informasi, sehingga karakteristik atau
sifat-sifat datanya dapat dengan mudah dipahami dan bermanfaat untuk
menjawab masalah-masalah yang berkaitan dengan kegiatan penelitian, baik
berkaitan dengan deskripsi data maupun untuk membuat induksi, atau menarik
kesimpulan tentang karakteristik populasi (parameter) berdasarkan data yang
diperoleh dari sampel (statistik).
Analisis data dari hasil pengumpulan data, merupakan tahapan yang
penting dalam penyelesaian suatu kegiatan penelitian ilmiah. Data yang telah
terkumpul tanpa dianalisis menjadi tidak bermakna, tidak berarti, menjadi data
yang mati dan tidak berbunyi. Oleh karena itu, analisis data ini untuk member
arti, makna, dan nilai yang terkandung dalam data.

Suatu penelitian yang efektif dan efesisen, bila semua data yang
dikumpulkan dapat dianalisis dengan teknik analisis tertentu. Itulah sebabnya
pada saat merancang penelitian, sudah harus dipikirkan data yang akan
dikumpulkan dan teknik analisis data yang akan digunakan. Peneliti harus
memastikan pola analisis data mana yang akan digunakan. Pola mana yang
akan digunakan sangat bergantung kepada data yang dikumpulkan.

Masalah Perumusan Penjabaran Data yang Teknik

Analisis
Penelitian Masalah Masalah dikumpulkan
Masalah

Tanda panah berarti saling bergantung, artinya teknik analisis data

bergantung pada jenis data yang dikumpulkan, data yang dikumpulkan
tergantung pada jabaran masalahnya, jabaran masalah bergantung pada
perumusan (scope) masalah dan perumusan masalah bergantung pada masalah
penelitiannya. Jadi pemikiran penggunaan teknik analisis data sudah harus
dilakukan pada saat menyusun desain penelitian.
 5

B. Tujuan Analisis Data

Analysis means the categorizing, ordering, manipulating and summarizing
of data to obtain answers to research questions (Kerlinger 1973:134).
Dari pernyataan Kerlinger di atas, ternyata bahwa analisis data mencakup
banyak kegiatan, yaitu : mengkakategorikan data, memanipulasi data,
menjumlahkan data, yang diarahkan untuk memperoleh jawaban dari problem
penelitian.
Adapun tujuan utama dari analisis data ialah untuk meringkaskan data
dalam bentuk yang mudah dipahami dan mudah ditafsirkan, sehingga
hubungan antar problem penelitian dapat dipelajari dan diuji. “The purpose of
analysis is to reduce data to intelligible and interpretable form, so that the
relations of research problem can be studied and tested” (Kerlinger,
1973:134). Untuk itu, kita harus dapat mengolah dan menyajikan data dalam
bentuk tabel-tabel atau grafik yang mudah dibaca dan dipahami.2
Secara rinci, kegiatan analisis data bertujuan sebagai berikut :
1. Mendeskripsikan data, biasanya dalam bentuk frekuensi, ukuran
tendensi sentral maupun ukuran dispersi, sehingga dapat dipahami
karakteristik datanya. Dalam statistika, kegiatan mendeskripsikan data
ini dibahas pada statistika deskriptif.
2. Membuat induksi atau menarik kesimpulan tentang karakteristik
populasi, atau karakteristik populasi berdasarkan data yang diperoleh
dari sampel (statistik). Kesimpulan yang diambil ini bisanya dibuat
berdasarkan pendugaan (estimasi) dan pengujian hipotesis. Dalam
statistika, kegiatan membuat induksi atau menarik kesimpulan tentang
karakteristik populasi atau sampel ini dibahas pada statistika
inferensial.

C. Langkah-langkah Ananlisis Data

Dalam analisis kuantitatif ada beberapa langkah yang perlu dilalui, agar
proses analisis menjadi lebih terarah. Dalam analisi kuantitatif antra lain :

2
Moh. Kasiram. Metodologi Penelitian. (Malang: UIN-Malang Press) h. 128
 6

1. Skoring
Tahapan scoring adalah pemberian nilai pada setiap jawaban yang
dikumpulkan peneliti dari instrument yang telah disebarkan. Setiap item
pertanyaan dan pernyataan yang dimunculkan dalam instrumen
dikuantifikasikan dalam bentuk angka. Misalnya, pada saat angket disebarkan
alternatif jawaban yang diberikan masih berupa kualitatif, maka pada tahap
ini harus dikuantitatifkan, misalnya.
Alternatif jawaban :
a. Selalu :3
b. Belum tentu :2
c. Tidak :1
Pada tahap scoring, peneliti memberikan nilai atau bobot pada setiap
alternative jawaban. Langkah ini juga disebut konversi data dari kualitatif
menjadi kuantitatif. Pemberian skor pada setiap item dan alternative jawaban
ditentukan oleh peneliti dengan mempertimbangkan kesesuaian pendekatan
analisis yang digunakan.
2. Coding
Dalam tahapan ini peneliti melakukan klasifikasi data, antara data primer
dengan data sekunder. Data primer akan dimasukkan pada tabel data yang
dijadikan bahan analisis penelitian. Klasifikasi ini juga dilakukan berdasarkan
variabel yang ada dalam penelitian. Data variabel X dimasukkan klasifikasi
sendiri, begitu juga data klasifikasi variabel Y disendirikan.
3. Tabulasi
Langkah selanjutnya adalah melakukan tabulasi data. Tabulasi data ini
dilakukan dengan cara peneliti membuat tabel yang formatnya disesuaikan
dengan jenis data yang telah diklasifikasikan sebelumnya. Melalui tabel ini
dimaksudkan agar data penelitian lebih mudah dibaca dan dianalisis
menggunakan rumus statistik yang dipilih. Peneliti tinggal melakukan
importing data ketika data sudah ditabulasikan.
 7

D. ANALISIS DATA KORELASIONAL

Korelasi adalah sebuah statement yang menyatakan adanya hubungan
3
antara dua variabel atau lebih. Penelitian korelasi bertujuan untuk
menemukan ada tidaknya hubungan antara dua variabel atau lebih. Uji
korelasi bertujuan untuk menguji hubungan antara dua variabel yang tidak
menunjukkan hubungan fungsional. Uji korelasi tidak membedakan jenis
variabel, keeratan hubungan ini dinyatakan dalam bentuk koefisien korelasi.
koefisien korelasi suatu indek numerik dari derajat relasi antara 2 variabel.
Koefisien korelasi bergerak antara 0.00 dan 1.00 bisa positif maupun negatif.
Uji korelasi terdiri dari pearson, spearmen, dan kendal. Berikut akan
dijelaskan teknik manual uji korelasi.
1. Uji Korelasi Manual
a. Product Moment
Korelasi ini dikembangkan oleh pearson dan sering diberi notasi r.
Korelasi product moment ini adalah indeks korelasi yang paling banyak
digunakan dalam statistik. Indeks korelasi r hanya dapat digunakan
apabila data diperoleh dalam bentuk skala atau rasio. Pengukuran dua
variabel yang dikorelasikan semuanya dalam bentuk data interval atau
rasio. Korelasi r dihitung dari skor z dari tiap-tiap subyek variabel x
dikalikan dengan skor z tiap subyek pada variabel y. Hasil kali ini
kemudian dijumlahkan lalu dibagi ddengan banyak pasangan. Rumus
yang digunakan adaalah:

Dalam rumus diatas skor mentah diubah dahulu menjadi skor z

dengan mencari terlebih dahulu mean dan simpangan baku. Karena
dinilai kurang praktis maka cara lain menghitung korelasi diatas dapat
menghitung langsung skor mentah dengan rumus :

3
Nuraida, metode penelitian pendidikan, (ciputat: Islamic Research Publishing, 2009), h. 132
 8

( ) ( )

( ) ( )
√ -,

r = koefisien korelasi
∑X = jumlah skor dalam sebaran X
∑Y = jumlah skor dalam sebaran y
∑XY = jumlah hasil skor X dengan skor Y yang berpasangan
∑X2 = Jumlah skor yang dikuadratkan dengan sebaran X
∑Y2 = jumlah skor yang dikuadratkan dalam sebaran Y
n = banyaknya subjek skor X dan skor Y yang berpasangan.
Pengujian r apakah berarti atau tidak pada taraf nyata tertentu
digunakan rumus :
√
√
Harga t dihitung kemudian dibandingkan dengan harga t tabel dengan
taraf nyata tertentu dan dengan derajat bebas n-2. Erima H0 (tidak ada
perbedaan berarti) bila t hitung ≤ t tabel. Korelasi tata jenjang
dikembangkan oleh spearmaen dengan notasi ρ. Korelasi ini tidak
menggunakan data interval tapi dalam skala ordinal. Data diurutkan
berdasarkan ranking yakni, rangking dari setiap variabel (variabel x dan
y). Rumus yang digunakan adalah sebagai berikut :

ρ
( )
ρ = koefisisen korelasi
∑D2 =- Jumlah kuadrat selisih ranking
n = banyaknya subjek

Contoh korelasi product moment

Akan dilihat korelasi hasil tes matematika dengan hasil tes
statistika dari enam orang siswa sebagai sampel dari kelas satu, kelas
tertentu.
 9

Hasil matematiika (X) adalah: 7,96 9,49 7,52 7,52 7,42 7,49
Hasil tes statistik (Y) adalah : 7,60 7,30 7,20 7,30 7,20 7,30
Selanjutnya buatlah tabel distribusi skor sebagai berikut :

Hasil tes matematika (X) dan Statistik (Y)

No Xi Yi XiYi Xi2 Yi2
1 7,96 7,60 60,50 63,36 57,76
2 7,49 7,30 54,68 56,10 53,29
3 7,52 7,20 54,14 56,55 51,84
4 7,52 7,30 54,90 56,55 53,29
5 7,42 7,20 53,42 55,06 51,84
6 7,49 7,30 54,68 56,10 53,29
45,40 43,90 332,32 343,72 321,31

( )( )

√* ( ) +* ( ) +

( ) ( )( )
√ ( ) ( ) ( ) ( )

Dari hasil perhitungan diatas didapat r = 0, 989 dan dapat dikatakan

terdapat hubungan positif yang cukup antara hasil belajar matematika
dengan statistika. Selanjutnya dapat diuji apakah hubungan itu berarti
pada taraf nyata tertentu, artinya adanya hubungan tersebut bukan karena
faktor kebetulan.

√
√
√
√ ( )
 10

Nilai t diatas dibandingkan dengan tabel kritis dalam tabel untuk

taraf nyata tertentu misalkan 0,05 dengan derajat bebas n-2. Harga
tersebut adalah 2, 772. T hitung lebih kecil daripada t tabel 2 < 2,772.
Artinya perbedaan tersebut tidak berarti (menolak H1 atau menerima H0).

1) Teknik korelasi Rank Order,

Rumus korelasi rank order yang dikembangkan oleh charles spearman
ini, digunakan untuk mencari koefisien relasi antara data ordinal dan
data ordinal lainnya. Namun rank order dapat digunakan untuk data
interval, tetapi sebelumnya telah diubah menjadi data ordinal. Rumus
ini hanya efektif menganalisis data penelitian untuk sampel yang tidak
lebih dari N30.
Rumus korelasi tank order :

( )
Keterangan:

1 = bilangan konstan
6= bilangan konstan
d= perbedaan antara pasangan jenjang
∑= jumlah
N = Jumlah individu dalam sampel
Langkah penggunaan rumus ini sama dengan yang ditempuh oleh
rumus-rumus korelasi poduct moment. Namun penggunaannya, rumus
ini dibedakan antara penggunaan untuk data ordinal dan untuk data
interval yang telah berubah menjadi data ordinal, akan tetapi bentuk
rumusnya tetap seperti itu, perbedaannya adalah pada tabel kerja yang
digunakan.
 11

Contoh (data sama seperti di atas) :

No Xi R Y R D d2
1 7,96 1 7,60 1 0 0
2 7,49 4,5 7,30 3 1,5 2,25
3 7,52 2,5 7,20 5,5 3 9
4 7,52 2,5 7,30 3 0,5 0,25
5 7,42 6 7,20 5,5 0,5 0,25
6 7,49 4,5 7,30 1,5 2,25 0,25
R = Ranking d = selisih ranking

( )

2. Secara Software
a. Uji Korelasi Product Moment (data seperti di atas) menggunakan SPSS
1) Buka software SPSS, klik variable view.

2) Isi Nama dan Label seperti di bawah ini .

 12

3) Klik data view

4) Isi data yang ingin anda olah, seperti di bawah ini

5) Lakukan uji korelasi seperti di bawah ini.

6) Klik Analyze
7) Klik Correlate
8) Klik Bivariate
 13

9) Akan muncul layar sebagai berikut

10) Sorot variable X dan variabel Y yang tadinya berada di kotak sebelahnya
ke kotak variable.
11) Klik tanda panah
12) Variabel X dan Y masuk ke kolom variabel
13) Pilih jenis korelasi Pearson
14) Klik OK.

15) SPSS akan menampilkan hasil hitungan sebagai berikut.

 14

Dari tabel Correlations dapat disimpulkan bahwa :

1) Angka korelasi dantara variabel Matematika dengan variabel Statistika
adalah sebesar 0,951**. Artinya hubunga kedua variabel tersebut kuat.
2) Angka probabilitas antara variabel Matematika dengan variabel Statistika
adalah sebesar 0,003 < α = 0,05. Hal ini dapat diartikan bahwa antara

b. Uji Spearman Brown menggunakan SPSS

1) Langkah 1-5 sama, tetapi ketika langkah ke 6 klik jenis korelasi Spearman.

2) SPSS akan menampilkan hasil hitungan sebagai berikut .

 15

E. ANALISIS DATA KOMPARASIONAL

Menurut Anas Sudjiono(2004:276) komparasi diambil dari kata

comparation dengan arti “perbadingan” atau “pembandingan”.4 Komparasi
sering dipergunakan untuk meneliti sesuatu sehingga disebut penelitian.
Komparasi secara sederhana bisa diartikan sebagai perbandingan yaitu
membandingkan persamaan maupun perbedaan tentang benda, tentang orang,
tentang prosedur kerja, tentang ide, kritik terhadap orang, kelompok, terhadap
suatu ide atau prosedur kerja. Menurut Suharsimi Arikunto(1983), penelitian
komparasi pada pokoknya adalah penelitian yang berusaha untuk menemukan
persamaan dan perbedaan tentang benda, tentang orang, tentang prosedur kerja,
tentang ide,kritik terhadap orang, kelompok, terhadap suatu ide atau prosedur
kerja.5
Bertitik tolak dari pengertian tentang komparasi dan pengertian tentang
penelitian komperasi seperti telah dikemukakan diatas, maka dapat diberikan
pengertian tentang teknik analisis komparasional, yaitu : salah satu teknik
analisis kuantitatif atau salah satu teknik analisis statistik yang dapat
digunakan untuk menguji hipotesis mengenai ada tidaknya perbedaan
antarvariabel yang sedag diteliti. Jika perbedaan itu memang ada, apakah
perbedaan itu merupakan perbedaan yang berarti atau menyakinkan (
signifikan ) ataukah bahwa perbedaan itu hanyalah secara kebetulan saja ( by
chance ). Teknik analisis perbandingantermasuk dalam kelompok metode
Analisis Statistik Inferensial: dalam hal ini adalah teknik analisis inferensial yang
dipergunakan untuk menguji hipotesis dan selanjutnya menarik kesimpulan mengenai ada-
tidaknya perbedaan yang signifikan antarvariabel yang sedang diteliti.
Dalam menguji perbedaan antarvariabel yang sedang diteliti, mungkin saja
variabelnya dua buah dan mungkin pula lebih dari dua buah. Teknik analisis

4
ArwayanSyah, Supardi, Abd. Aziz Hasibuan, Pengantar Statstik Pendidikan, Jakarta: Gaung
Persada Press, 2010
 16

komprasional dengan variabel yang diperbandingkan hanya dua buah saja,

disebut teknik analisis komprasional multivariat.
1. Uji Komparasional Manual
Merupakan prosedur pengujian parametrik rata-rata lebih dari dua
kelompok data. Pada pengujian Anova selain data harus terdistribusi
normal, variansi antar perlakuan harus homogen. Sebelum pengujian
Anova dilakukan, maka perlu dilakukan explorasi data untuk melihat
apakah kedua asumsi dipenuhi. Jika asumsi kehomogenan varian tidak
terpenuhi dapat diatasi dengan mentransformasi data yang ada, prinsipnya
adalah rentang data yang besar diusahakan menjadi mengecil, salah satu
dengan tranformasi Logaritma. Untuk data yang tidak terdistribusi normal
dapat di transormasi dengan beberapa teknik tranformasi seperti Box-Cox
Transformation atau Johnson Transformation.
Pada uji Anova umumnya diikuti oleh uji lanjutan berupa uji Turkey
(Beda Nilai Jujur), Beda Nilai Terkecil (BNT), Benferoni dll. Penggunaan
jenis uji lanjutan didasarkan pada pemenuhan asumsi ke homogenan
variansi serta tingkat sensitifitasan dari pengujian.
Analisis variansi digunakan untuk menguji hipotesis yang berkenaan
dengan perbedaan dua mean atau lebih. Indeks perbedaan menggunakan
variansi melalui –F rasio. Dibandingkan dengan uji-t, analisis variansi
lebih banyak manfaatnya, sebab tidak hanya bisa menguji seperti yang
dilakukan oleh uji-t tapi juga untuk hal lainnya. Unsur utama dalam
ANOVA adalah variansi antar kelompok dan variansi di dalam kelompok
ditempatkan sebagai pembilang sedangkan variansi di dalam kelompok
sebagai penyebut. Karenanya makin besar variansi di dalam kelompok
makin menurun harga F rasio yang diperolehnya. Demikian pula makin
banyak subjek yang diteliti makin besar pula angka penyebutnya. Nilai F
rasio yang diperoleh kemudian dibandingkan dengan F table pada taraf
nyata dan derajat bebas tertentu.
a. Analisis Variansi Sederhana
 17

Teknik analisis data ini dilakukan ketika hanya ada 1 variabel yang
digunakan. Hipotesis yang diuji melalui F rasio dirumuskan sebagai
berikut:
Ho: A = B
H1 : A ≠ B
Tolak Ho dan terima H1 apabila Frasio dari F table pada taraf nyata dan
derajat bebas tertentu.

Table 1.1 Langkah perhitungan

NO Langkah Nota Rumus
1. Hitung jumlah simpangan kuadrat ∑ ( )
∑ ∑
tiap skor dari rata-rata keseluruhan.
Indeks ini disebut jumlah kuadrat
keseluruhan diberi nota dengan
rumus.
2. Cari jumlah kuadrat keseluruhan yang ∑ ( ) ( ) ( ) ( )

disebabkan oleh penyimpangan rata-

rata kelompok dari rata-rata
kelompok dari rata-rata keseluruhan
yang dinamakan jumlah kuadrat antar
kelompok
3. Cari jumlah kuadrat keseluruhan yang ∑ ∑ ∑ ∑
disebabkan oleh penyimpangan tiap
skor dari rata-rata kelompok masing-
masing yang disebut jumlah kuadrat
dalam kelompok
4. Memasukkan hasil perhitungan ke
dalam table analisis variansi.
5. Membandingkan F rasio dengan F
table pada taraf nyata 0,01 dengan
 18

derajat bebas (jumlah kelompok-1).

Bila F rasio ≥F table maka tolak Ho,
bila Frasio F table maka terima Ho
dan tolak H1 yang artinya tidak
terdapat perbedaan yang berarti antara
ketiga kelompok tersebut, pada taraf
nyata 0,01.

Table1.2 analisis variansi

Sumber Variansi Jumlah Derajat Kuadran F* Taraf
Kuadrat Kebebasan (d) mean (M)* nyata 0,01
Diantara kelompok Jml klmpk-1
(ak)
Di dalam kelompok ( Jmlh klmpk (jml
dk) anggota dlm
klmpok-1)
Keseluruhan (total) (Jmlklompok*Jml
Anggota)-1

*Kuadrat mean didapat dengan membagi kolom kedua dengan kolom ketiga.
*F rasio adalah hasil bagi kuadrat mean antara kelompok dengan kuadrat mean
dalam kelompok

Contoh: Misalkan akan membandingkan prestasi belajar dari tiga kelompok siswa
yakni Kelas A, Kelas B, Kelas C masing-masing kelas terdiri dari 20 orang siswa.
Datanya sebagai berikut:

Kelas A Kelas B Kelas C

XA X XB X XC X
7 49 6 36 7 49
 19

8 64
6 36
7 49
6 36
7 49
7 49
6 36
6 36
7 49
7 49
6 36
7 49
7 49
6 36
6 36
6 36
7 49
6 36
7 49
7 49
8 64
7 49
7 49
6 36
7 49
8 64
6 36

∑ ∑ ∑ ∑ ∑ ∑

̅ = 6,7 ̅ = 6,4 ̅ = 7,0

̅
∑

( )
= 12,3

( ) ( ) ( ) ( )
∑

Sumber Variansi Jumlah Derajat Kuadran F* Taraf

Kuadrat Kebebasan (d) mean (M)* nyata
0,01
Diantara kelompok (ak) 1,8 2 0,9 2,30 0.118
Di dalam kelompok ( dk) 10,5 27 0,39
Keseluruhan (total) 12,3 29
 20

Kesimpulan: Frasio < Ftabel. 2,30 < 5,49 dengan demikian terima Ho dan
tolak H1. Artinya tidak terdapat perbedaan yang berarti antara ketiga
kelompok tersebut, pada taraf nyata 0,01.

b. Analisis variansi multifactor

Teknik analisis data ini digunakan ketika membandingkan data dengan dua
variable atau lebih

Misalkan kita ingin mengetahui pengaruh motivasi yang terdiri atas dua
kelompok, yakni motivasi tinggi dan motivasi rendah terhadap
kemampuan memecahlan masalah dari kelompok siswa pria dan siswa
wanita. Bila dilukiskan desainya seperti berikut:

Variabel Bebas Motivasi

Tinggi Rendah

Variabel Terikat Pria Wanita Pria Wanita

Kemampuan memacahkan masalah Y1 Y2 Y3 Y4

Desain tersebut dinamakan desain factorial 2 x 2.

1) Ho : Y(1+2) = Y(3+4) melawan; H1 : Y(1+2) Y (3+4)

2) Ho : Y(1+3) = Y(2+4) melawan; H1 : Y(1+3) Y (2+4)
3) Ho : Tidak ada interaksi melawan; H1 : ada interaksi.
NO Langkah Nota Rumus
1. Hitung Kuadrat Keseluruhan ∑ ( )
∑ ∑
 21

2. Cari jumlah kuadrat keseluruhan ∑ ( ) ( ) ( ) ( )

yang disebabkan oleh

penyimpangan rata-rata kelompok
∑ ∑
dari rata-rata kelompok dari rata- ∑
rata keseluruhan yang dinamakan
jumlah kuadrat antar kelompok
3. Pecahkan jumlah kuadrat antar ∑ ( ) ( )
∑
kelompok menjadi tiga macam ( )
jumlah kuadrat, yakni:
1) Jumlah kuadrat antarkolom (Jkk)
( ) ( )
∑ ∑

( )
2) Jumlah kuadrat antarbaris (Jkb)

∑ ∑ ∑ (∑ ∑ )

3) Jumlah kuadrat interaksi kolom

dan baris (Jki)
4. Menetapkan derajat bebas yang
dikaitkan dengan tiap sumber
variansi Jumlah kolom -1
a. df untuk jumlah kuadrat Jumlah baris -1
antarkolom (jml kolom-1)(jml baris-1)
b. df untuk jumlah kuadrat (jml kolom*jml baris)-1
antarbaris
c. df untuk jumlah kuadrat ∑( )( )
interaksi
d. df untuk jumlah kuadrat
n-1
antarkelompok
e. df untuk jumlah kuadrat
dalam kelompok
f. df untuk subjek dalam
 22

semua kelompok
5. Carilah nilai kuadrat mean dengan
memberi setiap jumlah kuadrat
dengan derajat bebas masing-
masing (lihat table ringkasan
Anova)
6. Hitung F rasio bagi pengaruh
utama (main effect) dan pengaruh
interaksi dengan membagi kuadrat
mean antar kelompok dengan
kuadrat mean di dalam kelompok
untuk masing-masing komponen
tersebut (lihat table ringkasan
Anova)

Sumber Jumlah Derajat Kuadrat F Taraf Kesimpulan

Variasi kuadrat bebas Mean* rasio* nyata
0,05
Antarkolom Frasio<Ftabel
= terima Ho,
tolak H1
Antar baris - Frasio<Ftabel=
Tolak Ho,
terima H1
Interaksi - Frasio<Ftabel=
antar kolom Tolak Ho,
dan baris terima H1
Antar -
kelompok
 23

dalam - -
kelompok
Jumlah - - -
keseluruhan

*kolom 4 hasil bagi kolom 2 dengan kolom 4

*kolom Frasio didapat dari :

Contoh:

Misalkan subjek yang diteliti kelompok masing-masing kelompok sebanyak 5

orang siswa.

Pertanyaan yang diajukan adala:

1. Apakah ada perbedaan kemampuan memecahkan masalah secara signifikan

antara siswa yang memiliki motivasi tinggi dengan siswa yang memiliki
nmotivasi rendah?
2. Apakah ada perbedaan secara signifikan antara siswa pria dan siswa wanita?
3. Apakah kedua variable tersebut yakni tingkat motivasi dan jenis kelamin
mempunyai pengaruh terhadap kemampuan memecahkan masalah?

Y1 Y3 Jumlah

= 95 = 105 = 200

̅ = 19 ̅ = 21 ̅ = 20
 24

(Y1+Y3)

Y2 Y4 Y1

= 100 = 75 = 175

̅ = 20 ̅ = 15 ̅ = 17,5

(Y2+Y4)

= 195 = 180 tot = 375

̅ = 19,5 ̅ = 18 X = 18,75

(Y1+Y2) (Y3+Y4) ̅ = 7181

( )
∑ ∑

( ) ( ) ( ) ( ) ( )
= 103,75

= 46,0

( ) ( )
∑

( ) ( ) ( )
= 31,25

( ) = 61,25

Sumber Jumlah Derajat Kuadrat F rasio* Taraf Kesimpulan

Variasi kuadrat bebas Mean* nyata
0,05
Antarkolom 11,25 1 11,25 3,91 4,49 3,91 < 4,49
= terima Ho,
tolak H1
 25

Antar baris 31,25 1 31,25 7,34 - 7,34>4,49=

tolak Ho,
terima H1
Interaksi 61,25 1 61,25 21,30 - 21,30>4,49=
antar kolom tolak Ho,
dan baris terima H1
Antar 103,75 3 34,583 - -
kelompok
dalam 46,00 16 2,875 - -
kelompok
Jumlah 149,75 19 - - -
keseluruhan

*Kesimpulan:
1. Pengaruh tinggi rendahnya motivasi terhadap kemampuan memecahkan
masalah tidak berbeda satu sama lain secara signifikan.
2. Kemampuan memecahkan masalah antara pria dengan wanita
menunjukkan perbedaan yang signifikan
3. Terdapat interaksi antara tinggi rendahnya motivasi dengan jenis kelamin
dalam hal pemecahan masalah. Artinya pengaruh motivasi terhadap
kemampuan memecahkan masalah tergantung kepada jenis kelamin
siswa. Ho ditolaak dan terima H1.6

2. Uji Komparasional Menggunakan SPSS

a. Analisis Varian Sederhana

1) Buka SPSS
2) Buka Tab Variable View, buat 2 variabel: Kelas dan Nilai

6
Margono, Metodologi Penelitian Pendidikan, Jakarta: PT. Rineka Cipta h.219
 26

3) Ubah Type Kelas ke "Numeric", Decimals "0", beri label "Kelas", ubah
measure menjadi "Nominal" dan isi value dengan kategori: 1 = Kelas A,
2 = Kelas B dan 3 = Kelas C
4) Ubah Type Nilai ke "Numeric", Decimals "0", beri label "Nilai", ubah
measure menjadi "Scale".

5) Buka Data View dan isikan data

sebanyak 30 responden sebagai
berikut:
 27

6) Pada menu, pilih Analyze, Compare Means, One-Way ANOVA, sampai

muncul jendela One-Way ANOVA seperti di bawah ini:

7) Pilih variabel "Nilai" lalu masukkan ke kotak "Dependent List:" Kemudian

pilih variabel "Kelas" lalu masukkan ke kotak "Factor:" Sehingga nampak
seperti di bawah ini:
 28

8) Klik tombol Options, akan muncul jendela ini: Centang "Descriptive" dan
"Homogenity of variance test"

9) Klik Continue
10) Masih dijendela One Way ANOVA, klik tombol Post Hoc, sampai muncul
jendela ini: Centang Bonferroni dan Games-Howell serta biarkan
significance level = 0,01.
 29

11) Klik Continue

12) Lalu Klik OK dan Lihatlah hasil!

Hasil terilhat sebagai berikut:

30
 31

Interprestasi Baca adalah sebagai berikut:

 Dari tabel Descriptives nampak bahwa responden dari kelas A rata-rata

nilainya sebesar 6,7 ; kelas B rata-rata nilainya sebesar 6,4 dan kelas C
rata-rata nilainya 7,00. Selanjutnya untuk melihat uji kita lihat di tabel
ANOVA.
 Sebelum melanjutkan uji perlu diingat bahwa salah satu asumsi uji Anova
adalah variansnya sama. Dari tabel Test of Homegeneity of Variances
terlihat bahwa hasil uji menunjukan bahwa varian ketiga kelompok
tersebut sama (P-value = 0,118), sehingga uji Anova valid untuk menguji
hubungan ini.
 Selanjutnya untuk melihat apakah ada perbedaan pendapatan dari ketiga
kelompok pekerja tersebut, kita lihat tabel ANOVA , dari tabel itu pada
kolom Sig. diperoleh nilai P (P-value) = 0,118. Dengan demikian pada
taraf nyata = 0,01 kita menolak Ho, sehingga kesimpulan yang didapatkan
adalah ada perbedaan yang bermakna rata-rata pendapatan berdasarkan
ketiga kelompok pekerjaan tersebut.
 Jika hasil uji menunjukan Ho gagal ditolak (tidak ada perbedaan), maka uji
lanjut (Post Hoc Test) tidak dilakukan. Sebaliknya jika hasil uji
menunjukan Ho ditolak (ada perbedaan), maka uji lanjut (Post Hoc Test)
harus dilakukan.
 Karena hasil uji Anova menunjukan adanya perbedaan yang bermakna,
maka uji selanjutnya adalah melihat kelompok mana saja yang berbeda.
 Untuk menentukan uji lanjut mana yang digunakan, maka kembali kita
lihat tabel Test of Homogeneity of Variances, bila hasil tes menunjukan
varian sama, maka uji lanjut yang digunakan adalah uji Bonferroni.
Namun bilai hasil tes menunjukan varian tidak sama, maka uji lanjut yang
digunakan adalah uji Games-Howell.
 32

 Dari Test of Homogeneity menghasilkan bahwa varian ketiga kelompok

tersebut sama, maka uji lanjut (Post Hoc Test) yang digunakan adalah Uji
Bonferroni.

Kita ambil contoh penelitian yang berjudul "Pengaruh Gender dan Pendidikan
Terhadap Nilai Ujian Fisika".

 Buka Aplikasi SPSS For Windows

 Buka Tab Variable View: Buat 3 variabel dengan ketentuan sebagai
berikut:

 Variabel independen: 1. "Gender" dengan kategori Pria dan

Wanita. Measure Nominal, Decimals=0, Type Numeric dan isi
value: 1= Pria, 2=Wanita.

 Variabel independen: 2. "Pendidikan" dengan kategori SLTP,

SLTA dan PT. Measure Nominal, Decimals=0, Type Numeric dan
isi value: 1= SLTP, 2=SLTA, 3=PT.

 Variabel dependen:
"Ujian", Decimals=0, Measure Scale, Type Numeric.

 Buka Tab Data View: Isi data seperti di bawah ini:

 33

 Setelah data terisi, pada menu, Klik Analyze, General Linear Model,
Univariate. Maka akan mucul jendela sbb: Masukkan Ujian ke kotak
Dependent Variable, masukkan Gender dan Pendidikan ke kotak Fixed
factor(s). (Kotak Random factor (s) dan Covariate(s) tidak akan kita
gunakan dalam Two Ways Anova, kotak tersebut akan digunakan pada
"Uji Ancova").
 34

 Klik Plot, maka akan muncul jendela seperti di bawah ini: Masukkan
Gender ke kotak Horizontal Axis dan Pendidikan ke kotak Separate
Lines.

 Klik Add, maka akan tampak sbb:

 35

 Klik Continue.
 Klik Post Hoc, maka muncul jendela sbb: Masukkan Pendidikan ke kotak
Post Hoc Test for. Centang Tukey

 Klik Continue
 Klik Options, maka akan muncul jendela sbb: Masukkan Gender,
Pendidikan, dan Gender*Pendidikan ke dalam kotak Display Means for.
Pada Display centang Descriptive statistics dan Homogentity test.
 36

 Klik Continue
 Klik OK
 Lihat Hasil!

Dengan menggunakan data pada artikel sebelumnya tersebut, maka kita

lihat output di bawah ini:
 37

Dari tabel di atas, kita bisa menilai rata-rata nilai ujian berdasarkan gender
dan pendidikan. sebagai contoh: nilai rata-rata ujian pria dengan pendidikan SLTP
sebesar 32,43 sedangkan nilai ujian wanita yang berpendidikan SLTA sebesar
65,13 dan begitu seterusnya.

Di bawah ini adalah Tabel Levene's Test. Digunakan untuk menilai

homogenitas tiap variabel.

Di atas menunjukkan nilai (Signifikansi) Sig. 0,527 di mana > 0,05 sehingga bisa
dikatakan varian antar group berbeda secara signifikan.

Tabel di bawah ini menunjukkan hasil dari uji Two Way Anova:
 38

Dari tabel di atas, kita mendapatkan nilai-nilai penting yang bisa disimpulkan
sebagai berikut:

1. Corrected Model: Pengaruh Semua Variabel independen (Gender,

Pendidikan dan Interaksi gender dengan pendidikan atau
"Gender*Pendidikan") secara bersama-sama terhadap variabel dependen
(Nilai Ujian). Apabila Signifikansi (Sig.) < 0,05 (Alfa) = Signifikan.
Contoh di atas 0,000 berarti model valid.
2. Intercept: Nilai perubahan variabel dependen tanpa perlu dipengaruhi
keberadaan variabel independen, artinya tanpa ada pengaruh variabel
independen, variabel dependen dapat berubah nilainya. Apabila
Signifikansi (Sig.) < 0,05 (Alfa) = Signifikan. Contoh di atas 0,000 berarti
intercept signifikan.
3. Gender: Pengaruh gender terhadap nilai ujian di dalam model. Apabila
Signifikansi (Sig.) < 0,05 (Alfa)= Signifikan. Contoh di atas 0,005 berarti
gender berpengaruh signifikan.
4. Pendidikan: Pengaruh pendidikan terhadap nilai ujian di dalam
model. Apabila Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di
atas 0,000 berarti Pendidikan berpengaruh signifikan.
5. Gender*Pendidikan: Pengaruh Gender*pendidikan terhadap nilai ujian di
dalam model. Apabila Signifikansi (Sig.) <0,05 (Alfa)=
Signifikan. Contoh di atas 0,005 berarti
gender*pendidikan berpengaruh signifikan.
6. Error: Nilai Error model, semakin kecil maka model semakin baik.
7. R Squared: Nilai determinasi berganda semua variabel independen
dengan dependen. Contoh di atas 0,668 di mana mendekati 1, berarti
korelasi kuat.

Dari 7 kesimpulan di atas, dalam uji Two Way Anova, poin 1, 3, 4 dan 5 adalah
yang terpenting (tanpa mengabaikan yang lain).
 39

Tabel di bawah ini adalah Tabel Tukey Post Hoc digunakan untuk menilai
kategori manakah dari variabel pendidikan yang memiliki perbedaan signifikan: