Silabus SPSS

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/297713810
Modul Pelatihan SPSS ; Aplikasi Pada Penelitian Sosial
Book · January 2010

DOI: 10.13140/RG.2.1.1739.4328
CITATIONS READS
3 34,767
1 author:
Satrio Budi Wibowo

Universitas Muhammadiyah Metro
15 PUBLICATIONS 28 CITATIONS
SEE PROFILE
All content following this page was uploaded by Satrio Budi Wibowo on 10 March 2016.
The user has requested enhancement of the downloaded file.

2010
Modul Pelatihan SPSS

Aplikasi Pada Penelitian Sosial
Disusun Oleh : Satrio Budi Wibowo, S.Psi., MA.
FAKULTAS PSIKOLOGI
UNIVERSITAS MUHAMMADIYAH LAMPUNG
i
PRAKATA
Segala puji dan syukur layaknya hanya dipanjatkan pada Allah Ta’ala, yang atas
karunianya sehingga penulis masih diberikan kesempatan untuk dapat menyelesaikan
karya sederhana ini, berjudul “Modul Pelatihan SPSS”.
Modul pelatihan ini disusun dalam waktu yang relatif singkat. Sehingga materi
mengenai langkah-langkah analisis statistik menggunakan SPSS belum semuanya
dibahas. Namun, penulis membahas langkah-langkah analisis yang biasa digunakan
dalam skripsi ilmu sosial, khususnya pada bidang ilmu psikologi. Sehingga, walaupun
cuma sedikit, penulis berharap bahwa sebagian besar tipe analisis statistik yang
digunakan dalam skripsi, telah dibahas dalam modul ini.
Pada modul ini, penulis membahas langkah analisis statistik dengan
menggunakan SPSS seri 15. Dikarenakan antara SPSS 12, 14, 15, 16 atau 17 tidak
terdapat perbedaan yang terlalu jauh dalam tampilan icon dan menunya, maka langkah-
langkah ini pun juga dapat diaplikasikan dengan menggunakan program SPSS seri 12,
14, 16 atau 17.
Tujuan dari modul ini adalah, diharapkan ketika anda membaca modul ini, maka
dengan hanya membaca saja (disertai latihan tentunya), anda sudah dapat melakukan
analisis statistik menggunakan SPSS dengan benar. Terkait dengan tujuan tersebut,
maka dalam modul ini penulis hanya menitik beratkan pada penjelasan mengenai
langkah-langkah analisis dan cara membaca hasil analisis SPSS. Modul ini tidak
membahas secara detail arti, pemahaman atau bahkan filosofis dari tiap teknik analisis
yang digunakan.
Penulis juga memohon maaf sebesar-besarnya, dikarenakan dalam modul ini
tidak dijelaskan satupun mengenai langkah analisis SPSS untuk tipe penelitian
eksperimen. Penulis beralasan, bahwa dikarenakan model penelitian eksperimen
memiliki variasi model dan analisis yang lumayan banyak, serta terdapat beberapa
model yang menggunakan teknik analisis sama dengan beberpa tipe penelitian
kuantitaif non-eksperimen, maka akan lebih layak jika penjelasan mengenai analisis
SPSS pada tipe eksperimen disendirikan.
Terakhir, penulis mengucapkan terima kasih yang sebanyak-banyaknya kepada:
© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung

ii
1. Pihak Dikti atas Hibah yang diberikan, sehingga penulis berkesempatan untuk
menulis modul ini.
2. Bapak Rektor Universitas Muhammadiyah Lampung, yang telah memberikan
kesempatan bagi penulis.
3. Bapak Nur Salim Malay., M.Si., Selaku Dekan Fakultas Psikologi Universitas
Muhammadiyah Lampung, yang telah memberikan arahan dan masukan terhadap
kerangka isi modul, sehingga mempermudah penulis untuk menentukan tipe
analisis yang di bahas.
4. Ibu Supriyati., M.Si., Bapak Joko Triyantoro, S.Psi., serta rekan-rekan Dosen
Fakultas Psikologi di Universitas Muhammadiyah Lampung yang turut memberikan
masukan dan arahan untuk menyempurnakan tulisan ini.
5. Pemateri dan para peserta workshop pembuatan modul hibah kompetensi yang
telah memberikan gambaran yang jelas tentang kerangka isi modul serta langkah-
langkah pembuatan modul.
Penulis juga mengucapkan terima kasih sebanyak-banyaknya bagi semua pihak
yang telah memberikan kesempatan, motivasi, serta bantuan yang tidak sempat
penulis sebutkan.
Penulis

ii
DAFTAR ISI
Halaman
BAB I PENDAHULUAN ....................................................................... 1
BAB II MEMULAI SPSS ....................................................................... 4
BAB III DESKRIPSI DATA.................................................................... 10
BAB IV HUBUNGAN ........................................................................... 17
Korelasi Product Moment ............................................................... 17
Korelasi Parsial .............................................................................. 30
Regresi............ .............................................................................. 34
BAB IV PERBANDINGAN .................................................................... 43
Indepent Sample t-test ................................................................... 43
Anava Satu Jalur ............................................................................ 53
Anava Dua Jalur ............................................................................ 62
DAFTAR PUSTAKA ........................................................................... 73

Modul SPSS
Bab 1
PENDAHULUAN
Sebelum mempelajari berbagai macam analisis statistik menggunakan SPSS,

akan lebih baik jika kita terlebih dahulu memahami konsep-konsp dasar dalam statistik.
Semoga dengan memahami berbagai konsep dasar yang berhubungan dengan
statistik, selanjutnya kita akan lebih mudah memahami berbagai macam model
analisis statistik.
Kita ketahui bahwa data yang analisis dalam sebuah penelitian kuantitatif adalah
berasal dari sampel dan bukan dari populasi secara keseluruhan. Karna kita ketahui
bersama apabila data dianalisis berasal dari populasi maka si peneliti akan mengalami
berbagai kerepotan, ditinjau baik dari segi waktu, biaya, dan tenaga.
Coba anda bayangkan, ketika anda ingin meneliti hubungan antara prestasi
belajar dengan intelegensi pada siswa SMA di Bandar Lampung. Berapa lama waktu
yang anda butuhkan untuk mengumpulkan data tentang tingkat prestasi belajar dan
intelegensi dari seluruh siswa SMA se-Bandar Lampung, yang mungkin berjumlah lebih
dari 1000 orang? Kemudian, berapa uang yang anda habiskan untuk mengfotocopy alat
ukur yang anda gunakan? . Akan sangat-sangat mahal dan memberatkan jika anda
melibatkan seluruh anggota populasi sebagai subyek penelitian anda. Oleh sebab itu,
dalam penelitian kita biasa menggunakan data yang berasal dari sampel, bukan semua
anggota populasi.
Namun, masalah selanjutnya jika kita hanya menggunakan sampel sebagai
representasi dari populasi yang kita teliti, apakah tidak terlalu berbahaya, jika hasil
penelitian kita yang berasal hanya dari sampel, kita generalisasikan kepada seluruh
populasi penelitian kita?. Oleh sebab itu kita perlu menggunakan metode statistik agar
inferensi induktif mengenai semua populasi yang hanya berasal dari sebagian sampel
saja tidak mengalami kesalahan generalisasi.
Mungkin lebih baik bila kita uraikan terlebih dahulu beberapa macam defenisi
yang mungkin dapat sedikit menjelaskan pernyataan di atas. Hasil pengukuran
mengenai karakteristik dari sampel (Contoh; rerata dan penyimpangan baku)
dinamakan sebagai statistik. Sedangkan karakteristik value mengenai popuplasi
© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 1
Modul SPSS
dinamakan sebagai parameter. Pertanyaan dalam penelitian kita (biasanya dinamakan

hipotesis) tertuju pada parameter, bukan statistik (misal, “Ada hubungan intelegensi
dengan prestasi belajar pada siswa SMA”, bukan “Ada hubungan intelegensi dengan
prestasi belajar pada siswa SMA yang dijadikan sampel penelitian”). Maka kemudian,
metode menyimpulkan inferensi induktif mengenai parameter yang berasal dari nilai
statistik disebut sebagai statistik inferensial (Statistical inference). Oleh sebab itu,
kita perlu menggunakan metode statistik ketika kita;
1. Ingin mendeskripsidan dan meyimpulkan data (dari sampel) sebagai suatu
keseluruhan (populasi)  Generalisasi
2. Ingin mengkonfirmasi bahwa jika peneliti lain melakukan penelitian yang sama
dengan kita (dengan karakteristik subyek yang sama) maka peneliti tersebut
akan mendapatkan hasil yang mirip dengan hasil penelitian kita  Uji
signifikansi.
Kemudin, secara umum, dalam analisis statisik inferensial terdapat dua macam tipe
analisis, yaitu parametrik dan non parametrik.
Analisis parametrik biasa digunakan jika variabel dependent memiliki skor
penskalaan jenis interval atau rasio. Kemudian, sebelum melakukan uji analisis
parametrik disyaratkan harus dipenuhinya beberapa asumsi, misalnya skor antar
variabel harus independen, sebaran data harus normal, dan lainya. Uji asumsi yang
dilakukan dengan analisis statistik yang terdapat pada hampir semua teknik analisis
pengujian hipotesis adalah normalitas. Uji homogenitsa, Linieritas, Multikolinieritas, dan
sebagainya hanya terdapat pada tipe analisis tertentu. Jika asumsi dilanggar, maka
sebaiknya menggunakan uji nonparametrik (pada uji asumsi tertentu, tidak semua ahli
sependapat dengan hal ini)
Uji nonparametrik digunakan jika variabel-nya memiliki skor penskalaan ordinal
atau nominal. Jika kita menggunakan uji nonparametrik, maka kita terbebas dari
keharusan melakukan uji asumsi. Oleh sebab itu uji nonparametrik ini biasa disebut
sebagai uji bebas asumsi.
Pada modul ini, penulis mengfokuskan pada pembahasan langkah beberapa
teknik analisis statistik parametrik. Hal ini dikarenakan biasanya, dalam skripsi
psikologi, analisis yang biasa digunakan adalah analisis parametrik. Kemudian,
membahas langkah analisis nonparametrik bersamaan dengan parametrik
dikhawatirkan juga akan membuat kebingungan dalam memahami langkah-langkah

Modul SPSS
teknik analisis inferensi, dikarenakan adanya kemungkinan pembahasan yang akan

saling tumpang tindih. Selain itu, hal lain yang menjadi kendala adalah, banyaknya
variasi teknik statistik parametrik dan non parametrik. Pada modul ini pun tidak semua
teknik analisis parametrik dibahas.

Modul SPSS
Bab 2
MEMULAI SPSS
Ada tiga tahapan analisis data menggunakan SPSS ;

1. Memasukkan (input) data ke dalam Data Editor
2. Memilih analisa statistik yang akan digunakan yang ada pada drop-down
menus.
3. Hasil analisa yang ditampilkan pada Output Viewer.
Ada beberapa macam cara untuk memasukkan (input) data ke dalam data editor.
Pertama, anda bisa menuliskan langsung data anda pada data editor yang ada di
SPSS. Kedua, anda bisa mengcopy-pastenya langsung dari data yang sudah anda tulis
di EXEL, ataupun dan document text (.txt).
Gambar 1. Tampilan data editor

Tahapan selanjutnya adalah memilih analisis statistik yang akan digunakan. Menu
analisis dalam SPSS terletak di atas sebagaimana menu pada program MS Word. Pada
menu ini terdapat berbagaimacam jenis analisis baik univariat, bivariat maupun

Modul SPSS
multivariate atau baik parametrik maupun analisis non-parametrik pada tampilan di klik.
Intinya, semua model analisis statistik yang utama ada dalam menu ini.
Setelah kita memasukan data dan kemudian menganalisanya maka kita akan
mendapatkan hasil analisis yang ditampilkan pada menu Output Viewer. Tampilan
output inilah yang dijadikan dasar dalam menentukan hasil analisis yang telah kita
lakukan.
Gambar dan Grafik

Selain mampu menganalisa data, SPSS juga mampu untuk membuat tampilan
grafik. SPSS menyediakan menu graphs untuk menampilkan data menjadi tampilan
grafik. Berikut tampilan menu graphs pada program SPSS.

Modul SPSS
Sebagaimana hasil analisis, grafik yang ditampilkan oleh SPSS hasilnya juga dapat kita
lihat pada Output Viewer. Berikut grafik histogram yang ditampilkan oleh SPSS.
Menu Lainnya
Selain menu analisis dan menu grafik, masih banyak menu lain yang terdapat
dalam SPSS yang memiliki fungsi masing-masing. Secara singkat kegunaan menu-
menu tersebut dapat di uraikan sebagai berikut.
1. File, Fungsi menu ini hampir sama dengan fungsi menu file pada program MS word
2003, dimana pada menu ini terdapat beberapa perintah penting yang biasa
digunakan, diantaranya adalah perintah untuk menyimpan (save), membuka data
(open) atau mengeprint dokumen (print). Berikut tampilan menu file pada SPSS.

Modul SPSS
2. Edit, Isi pada menu ini juga hampir sama dengan isi menu edit pada program MS
word yang berisi beberapa perintah, diantaranya adalah perintah undo, paste redo,
dan lainnya. Berikut tampilan menu edit;
3. View, Sama seperti menu file dan edit yang memiliki kesamaan dengan ms word,
menu view juga memiliki isi yang hampir sama dengan ms word. Beberapa fungsi
yang terdapat pada menu ini antara lain, perintah untuk menampilkan toolbar,
menampilkan garis pada data editor atau memilih besaran dan jenis huruf yang
akan kita gunakan. Berikut isi tampilan menu view pada SPSS.

Modul SPSS
4. Data. Menu ini berisi berbagai macam fungsi yang dapat digunakan untuk
mengecek data, mengubah cara menyajikan data (horisontal atau vertikal),
mengurutkan data, menimbang data dan berbagai fungsi lain yang berkaitan
dengan fungsi untuk mengferivikasi data. Berikut tampilan menu data.
5. Transform. Menu ini berisi berbagai macam fungsi untuk mentransformasi data
menjadi jenis data yang berbeda. Misalnya mentransformasi skor interval atau rasio
menjadi beberapa kategori, merubah skor menjadi bilangan logaritma, dan lain
sebagainya. Berikut isi tampilan menu transform.
6. Help. Menu ini berisi tentang berbagai macam informasi bantuan bagi pengguna. Di
dalam help terdapat berbagaimacam informasi penting yang dapat memudahkan
pengguna dalam menganalisa data maupun dalam memahami output yang
dihasilkan SPSS. Dalam menu help juga terdapat penjelasan berbagai macam
rumus komputasi dari berbagai analisis statistik yang digunakan oleh SPSS, serta
beberapa contoh kasus dalam menganalisa data. Berikut tampilan menu help pada
SPSS.

Modul SPSS
Demikianlah beberapa menu yang ada dalam SPSS. Kita akan dapat memahami
masing-masing fungsi yang terdapat dalam menu jika kita sering dan berani mencoba-
coba untuk mengklik dan mengfusikan menu-menu tersebut. Jangan takut untuk
mencoba-coba, karena mengklik berbagai menu pada SPSS secara sembarangan tidak
akan merusak komputer anda. Semakin sering dan terbiasa kita menggunakan SPSS,
maka kita akan semakin hafal dan memahami masing-masing fungsi menu yang
terdapat dalam program SPSS.

Modul SPSS
Bab 3
DESKRIPSI DATA
Pada penelitian kuantitatif selain kita menguji hipotesis, biasanya kita juga harus
mengeksplorasi atau mendeskrpsikan data yang kita peroleh. Mendeskripsikan data,
dalam SPSS biasa disebut sebagai Exploratory Data Analysis (EDA). Menu untuk
mengeksplorasi atau mendeskripsikan data (untuk selanjutnya kita namakan deskripsi
data) hampir terdapat pada tiap program analisa data, begitupula pada SPSS. Dengan
mendeskripsikan data maka kita akan mendapatkan informasi penting mengenai data
kita. Contohnya jika kita mengukur tinggi badan mahasiswa Psikologi UML. Biasanya
ada tiga hal penting yang ingin perlu diketahui ;
1. Nilai umum yang mewakili skor yang didapatkan oleh kelompok yang diukur,
misal, nilai rata-rata dari tinggi badan mahasiswa Psikologi UML.
2. Penyebaran atau variasi tinggi badan pada mahasiswa UML, yang
merupakan variasi skor tinggi badan masing-masing mahasiswa yang
terdeviasi (menyimpang) dari nilai rerata kelompoknya.
3. Bentuk distribusi skor, misalnya apakah distribusi skor tinggi badan
mahasiswa UML mengikuti kurva normal atau tidak.
Deskripsi data dalam SPSS biasanya dilaporkan bersamaan dengan output hasil
analisis inferensial. Namun sebagaimana disebutkan sebelumnya menu untuk
menampilkan deskripsi data juga terdapat pada menu tersendiri di SPSS.
Contoh misalnya, anggap saja kita telah mengukur tinggi badan 10 mahasiswa
UML. Skor tinggi badan hasil pengukuran yang didapatkan adalah sebagai berikut ;
Nama Tinggi Badan
Adi 160 cm
Lina 150 cm
Joko 165 cm
Arif 170 cm
Ayu 147 cm
Bayu 170 cm
Andi 180 cm
Susi 158 cm
Inem 154 cm
Siti 152 cm

Modul SPSS
Setelah mendapatkan data, langkah selanjutnya yang kita lakukan adalah

memasukkan data tersebut kedalam SPSS. Buka SPSS yang ada di dalam menu
program file atau terdapat pada tampilan desktop di komputer anda. Setelah terbuka,
sebelum memasukkan data, kita tentukan terlebih dahulu, bahwa untuk kolom pertama
(dalam SPSS dinamakan var, kalo sudah kita isi dengan data biasanya otomatis
berganti nama menjadi VAR00001) akan kita masukkan nama subyek yang kita ukur
tinggi badannya, lalu pada kolom kedua kita masukkan skor hasil pengukuran tinggi
badan.
Setelah memastikan hal tersebut, maka edit terlebih dahulu data editor pada
SPSS, agar data mengenai nama subyek dan skor tinggi badan dapat dimasukkan.
Berikut langkahnya.
Klik Variabel View pada bagian bawah SPSS.
Kemudian isikan nama pada tiap kolom, misalnya pada kolom 1, kita namakan nama,
lalu pada kolom kedua kita namakan tinggi.
Setelah kita namakan, tentukan juga jenis data yang akan kita gunakan. Misal pada
kolom nama, jenis datanya bukan angka, maka kita pilih string, sedangkan pada kolom
tinggi karena skornya berupa angka maka kita pilih tipe numeric. Berikut contoh
pemilihan tersebut.

Modul SPSS
Klik untuk menampilkan kotak di bawah
Jumlah karakter yang dapat ditampung. Jika subyek anda

bernama joko susilo, maka anda perlu merubah menjadi
angka 11, agar nama joko susilo dapat tercantum semua
Pilih String untuk kolom nama
Untuk kolom tinggi, karena datanya berupa angka, maka kita pilih numeric
Setelah dirubah, maka tampilan data view akan berubah menjadi seperti ini ;
Bila sudah berubah, maka kolom pada SPSS sudah siap diisi data. Anda bisa
mengetiknya satu-persatu pada tiap kolom, atau anda juga dapat langsung mengcopy-
pastekan-nya jika data anda sudah terdapat pada tabel MS word atau MS Exel. Berikut
tampilan setelah diiskan data ;

Modul SPSS
Setelah data terisi, maka kita sudah siap untuk melakukan langkah selanjutnya yaitu
mendeskripsikan data. Berikut langkah untuk mendeskripsikan data ;
Klik menu berikut ;
Selanjutnya akan muncul kotak berikut ;
Klik untuk memindahkan variabel

Klik

Modul SPSS
Klik tombol ini setelah variabel terpindah
Pindahkan variabel tinggi dari kolom sebelah kiri ke kanan dengan cara membloknya
terlebih dahulu dengan mengklik, kemudian klik tanda panah. Setelah terpindah, klik
menu Options maka akan muncul tampilan sebagai berikut ;
Pilih menu Mean untuk menampilkan rata-rata. Std. deviation untuk menampilkan
penyimpangan baku. Variance untuk menampilkan skor variasi kelompok subyek.
Minimum untuk menampilkan skor terendah yang didapatkan subyek. Maximum untuk
menampilkan skor tertinggi yang didapatkan subyek. Kemudian klik continue lalu klik ok
pada kotak berikutnya. Maka kita akan mendapatkan hasil output sebagai berikut:
Descriptive Statistics
Std.
N Minimum Maximum Mean Deviation Variance
Tinggi 10 147 180 160.60 10.511 110.489
Valid N (listwise) 10

Modul SPSS
Pada tampilan output di atas kita dapat mengetahui, bahwa jumlah subyek kita (N)
adalah 10 orang. Tinggi badan paling rendah (Minimum) diantara ke-10 subyek yang
kita ukur adalah 147, sedangkan tinggi badan yang paling tinggi (Maximum) adalah
180. Rata-rata (Mean) tinggi badan dari 10 orang yang kita ukur adalah 160,6.
Penyimpangan baku (Std. Deviation) 10 subyek yang kita ukur adalah 10,511. Serta
variasi skor (Variance) ke-10 subyek sebesar 110,489.
Demikianlah cara menyajikan deskripsi data menggunakan SPSS. Hasil
deskripsi data ini dapat digunakan oleh peneliti untuk berbagai keperluan. Pada skripsi
mahasiswa Psikologi misalnya, skor mean dapat digunakan untuk melihat apakah
kelompok yang diteliti memiliki skor lebih tinggi atau rendah dibandingkan kelompok
populasinya dengan cara membandingkannya dengan skor mean hipotetik.

Modul SPSS
Bab 4
HUBUNGAN
Sekarang kita mulai membahas langkah-langkah dalam melakukan analisis

inferensial dengan bantuan SPSS. Beberbeda dengan analisis deskriptif, pada analisis
inferensial kita mulai menyimpulkan signifikansi keterkaitan antar variabel atau
perbedaan antara kelompok. Analisis inferensi biasa dilakukan untuk menjawab
hipotesis dalam penelitian.
Pada bab ini akan dibahas mengenai analisis inferensi untuk menguji hubungan
antar variabel. Terdapat bermacam-macam teknik analisis statitik untuk menguji
hubungan antar variabel. Yang biasa digunakan dalam penelitian psikologi diantaranya
adalah, teknik korelasi dan regresi.
KORELASI PRODUCT MOMENT

Uji korelasi dilakukan untuk mengetahui hubungan antar variabel. Dalam statistik
parametric jenis korelasi yang digunakan untuk mengetahui hubungan antara dua
variabel adalah korelasi product moment dari Pearson, sedangkan untuk non-
parametrik dapat menggunakan korelasi Kendal, dan Spearman. Ketiga jenis korelasi
ini dapat dianalisis dengan menggunakan SPSS. Namun, dikarenakan kita hanya
membahas teknik analisis parametric, maka langkah-langkah yang akan dijabarkan
disini hanya langkah dalam menganalisa korelasi product moment dari Pearson.
Teknik analisis korelasi product moment seperti disebutkan di atas merupakan
salah satu teknik parametric. Oleh sebab itu diperlukan pengujian asumsi terlebih
dahulu sebelum melakukan analisis korelasi product moment. Uji asumsi yang
digunakan adalah uji asumsi normalitas dan uji asumsi linieritas. Penjelasan mengenai
langkah-langkah melakukan uji asumsi normalitas dan uji asumsi linieritas digabung
dengan penjelasan langkah uji korelasi yang dapat dilihat pada contoh berikut.
Misalnya judul penelitian kita adalah “Hubungan antara Kepercayaan Diri dengan
Kecenderungan Mencontek”. Maka hipotesis yang mungkin diajukan dalam penelitian
ini adalah “Kepercayaan diri berhubungan dengan kecenderungan mencontek” (dua

Modul SPSS
ekor), atau “Kepercayaan diri berhubungan negative dengan kecenderungan

mencontek”(satu ekor).
Anggap saja kita telah melakukan penelitian dengan menyebar dua buah skala
kepercayaan diri dan kecenderungan mencontek, dan kita telah mendapatkan skor dari
subyek penelitian sebagai berikut :
Nama Kepercayaan diri Kecenderungan mencontek
Adi 21 30
Lina 23 32
Joko 22 31
Arif 23 32
Ayu 20 29
Bayu 24 35
Andi 25 36
Susi 26 37
Inem 28 39
Siti 24 34
Langkah selanjutnya adalah memasukkan data tersebut ke dalam data editor di SPSS.
Langkah-langkahnya telah dijelaskan pada bab sebelumnya (lihat bab 3). Sehingga
didapatkan tampilan sebagai berikut ;

Modul SPSS
Uji Asumsi Normalitas

Sebagaimana dijelaskan sebelumnya. Sebelum dilakukan uji korelasi product moment,
terlebih dahulu perlu dilakukan uji asumsi normalitas dan linieritas. Langkah pengujian
asumsi normalitas adalah sebagai berikut. Klik Analyze  Klik Nonparametric Test 
Klik 1-Sample K-S ;
Kemudian akan muncul tabel berikut ini :
Selanjutnya pindahkan kedua variabel yang akan di uji normalitas ke kolom di sebelah
kanan (Test Variable List), dengan memblock kedua variabel, kemudian mengklik tanda
panah. Selanjutnya pada Test distribution centang pada kolom normal, lalu kemudian
klik ok, sebagaimana tampilan berikut :

Modul SPSS
Setelah di klik OK, maka akan tampil hasil pengujian normalitas dengan menggunakan
teknik Kologorov-Smirnov. Berikut tampilan hasil uji Kologorov-Smirnov ;
One-Sample Kolmogorov-S mirnov Test
Kepercay
aan_Diri Mencontek
N 10 10
Normal Parametersa,b Mean 23.60 33.50
Std. Deviation 2.366 3.240
Most Extreme Absolute .133 .178
Differences Positive .133 .178
Negative -.100 -.082
Kolmogorov-Smirnov Z .420 .564
Asymp. Sig. (2-tailed) .994 .908
a. Test distribution is Normal.
b. Calculated from data.
Untuk menentukan apakah sebaran skor pada kedua variabel yang kita uji normal.
Maka perlu dilihat nilai p (Asymp. Sig) dari masing-masing variabel. Jika nilai p lebih
besar dari 0.05 (p>0.05) maka sebaran data dianggap normal, sebaliknya jika nilai p
lebih kecil dari 0,05 (p<0.05) maka sebaran data dianggap tidak normal. Hasil pengujian
menunjukan nilai p pada variabel kepercayaan diri adalah 0,994 sedangkan pada
variabel mencontek didapatkan nilai p sebesar 0,908. Dengan demikian maka dapat
disimpulkan bahwa sebaran skor pada kedua variabel terdistribusi mengikuti kurva
normal.
Contoh pelaporan hasil uji normalitas pada penelitian bila mengikuti manual APA
adalah sebagai berikut ;

Modul SPSS
“ Hasil pengujian normalitas dengan teknik Kolmogorov-Smirnov, didapatkan bahwa

pada variabel kepercayaan diri skornya terdistribusi secara normal (K-S Z = 0,42,
p>0,05), begitu pula pada variabel mencontek skornya juga terdistribusi secara normal
(K-S Z = 0,42, p>0,05)”
Uji Asumsi Linieritas

Langkah selanjutnya adalah melakukan uji asumsi linieritas. Pengujian asumsi
linieritas dilakukan sebagai berikut. Klik Analyze  Compare Means  Means ;
Lalu akan muncul kotak berikut ini ;
Langkah selanjutnya adalah memindahkan variabel ke kotak di sebelah kanan.

Terdapat dua kotak disebelah kanan, pertama Dendent List, dan kedua Independent
List. Kotak pertama (Dendent List), harus ditempati oleh variabel tergantung dalam
penelitian. Misal dalam penelitian ini adalah mencontek. Kotak kedua (Independent List)

Modul SPSS
harus ditempati oleh variabel bebas dalam penelitian kita, permisalan dalam penelitian
ini adalah variabel kepercayaan diri. Maka pindahkan variabel mencontek pada kotak
pertama, dan pindahkan variabel kepercayaan diri pada kotak kedua. Selanjutnya klik
Options.
Setelah menu Options di Klik maka akan muncul tampilan berikut ini ;
Selanjutnya beri tanda centang pada kolom test for linierity di bawah Statistic for First
Layer sebagaimana contoh gambar di atas. Kemudian klik continue. Anda akan dibawa
kembali pada tampilan kotak berikut ini ;

Modul SPSS
Lalu klik OK. Maka SPSS akan menampilkan hasil sebagai berikut ;
Dari sekian banyak tabel, untuk menentukan linieritas hanya perlu melihat satu tabel
saja yaitu tabel; ANOVA Table. Di atas tabel tersebut diberi tanda dilingkari. Maka
ANOVA Table tersebut secara lebih jelas dapat dilihat pada gambar berikut ;

Modul SPSS
ANOVA Table
Sum of
Squares df Mean Square F Sig.
Mencontek * Between (Combined) 94.000 7 13.429 53.714 .018
Kepercayaan_Diri Groups Linearity 91.746 1 91.746 366.984 .003
Deviation from Linearity 2.254 6 .376 1.503 .452
Within Groups .500 2 .250
Total 94.500 9
Untuk menentukan apakah sebaran skor antara kedua variabel yang kita uji
linier. Maka perlu dilihat nilai p (Sig) nya. Ada dua nilai p yang dapat dijadikan acuan,
pertama p linearity (kotak merah), kedua p deviation from linearity (kotak hijau).
Untuk acuan pertama p linearity, jika nilai p lebih besar dari 0.05 (p>0.05) maka
sebaran data dianggap tidak linier, sebaliknya jika nilai p lebih kecil dari 0,05 (p<0.05)
maka sebaran data dianggap linier.
Untuk acuan kedua p deviation from linearity, jika nilai p lebih besar dari 0.05
(p>0.05) maka sebaran data dianggap linier, sebaliknya jika nilai p lebih kecil dari 0,05
(p<0.05) maka sebaran data dianggap tidak linier.
Hasil pengujian jika kita melihat nilai p liniearity nya didapatkan p sebesar 0,003.
Karena p lebih kecil dari 0,05 maka dapat disimpulkan bahwa sebaran skor antara
variabel mencontek dengan kepercayaan diri adalah linier. Contoh penyajian dalam
paper penelitian adalah sebagai berikut ;
“Hasil pengujian linieritas pada kedua variabel menunjukkan hubungan yang linier
antara kepercayaan diri dengan mencontek (F liniearity = 366,98, p<0,05)”
Jika kita berpatokan pada nilai p deviation from linearity maka nilai p yang
didapatkan sebesar 0,452. Karena p lebih besar dari 0,05 maka dapat disimpulkan
bahwa sebaran skor antara variabel mencontek dengan kepercayaan diri adalah linier.
Contoh penyajian dalam paper penelitian adalah sebagai berikut ;
“Hasil pengujian linieritas pada kedua variabel menunjukkan hubungan yang linier
antara kepercayaan diri dengan mencontek (F Deviation from liniearity = 1,053, p>0,05)”
Hasil analisis paad contoh penelitian yang kita lakukan menunjukkan bahwa baik
menggunakan acuan p liniearity maupun menggunakan acuan p deviation from liniearity
tetap akan didapatkan kesimpulan yang sama bahwa data kita adalah linier. Maka jika p
liniearity dan p deviation from liniearity sama-sama signifikan linier, berarti data kita
terdistribusi secara linier sempurna. Namun jika hanya satu acuan saja yang signifikan,
menunjukkan data kita linier namun tidak sempurna. Berdaasar referensi yang dibaca

Modul SPSS
penulis, untuk pengujian asumsi linieritas, tidak diperlukan data linier yang sempurna,
cukup menunjukkan linier saja. Sehingga bila hanya satu acuan saja yang menunjukkan
bahwa data kita sudah linier maka itu pun sudah cukup menunjukkan bahwa kita tidak
melanggar asumsi linieritas.
Langkah Uji Korelasi Product Moment

Setelah diketahui bahwa data kita tidak melanggar asumsi normalitas dan
linieritas, maka selanjutnya kita dapat melakukan analisis uji korelasi product moment.
Langkah melakukan uji korelasi adalah sebagai berikut, Klik Analyze  Correlate 
Bivariate ;
Setelah di Klik akan muncul tampilan sebagai berikut ini ;

Modul SPSS
Lalu pindahkan kedua variabel di kotak kiri ke kotak kanan, beri tanda centang pada
kolom pearson di bawah Correlation Coefficients. Pada kolom Test of Significance
terdapat dua pilihan: Two-tailed dan One-tailed. Pilih two-tailed jika hipotesis penelitian
anda dua ekor (Kepercayaan diri berhubungan dengan kecenderungan mencontek).
Pilih one-tailed jika hipotesis penelitian anda satu ekor (Kepercayaan diri berhubungan
negatif dengan kecenderungan mencontek). Contohnya sebagai berikut;
Kemudian klik OK. Maka kita akan mendapatkan hasil sebagai berikut :

Modul SPSS
Correlations
Kepercay
aan_Diri Mencontek
Kepercayaan_Diri Pearson Correlation 1 .985**
Sig. (1-tailed) .000
N 10 10
Mencontek Pearson Correlation .985** 1
Sig. (1-tailed) .000
N 10 10
**. Correlation is significant at the 0.01 level (1-tailed).
Yang perlu dilihat untuk menentukan apakah terjadi hubungan yang signifikan antara
kepercayaan diri dengan mencontek adalah nilai r (pearson correlation) dan p (sig).
Terjadi hubungan yang sangat signifikan jika p lebih kecil dari 0,01, jika p lebih kecil dari
0,05 maka hubungannya signifikan saja. Namun apabila lebih besar dari 0,05 maka
tidak terdapat hubungan yang signifikan. Untuk lebih mudahnya lihat tabel berikut :
Taraf Pengujian Signifikansi
p<0,01 Sangat Signifikan
p<0,05 Signifikan
p>0,05 Tidak Signifikan.
Taraf signifikansi ini tidak hanya berlaku untuk uji korelasi saja, namun juga berlaku
pada tiap teknik analisis pengujian hipotesis yang lain. Oleh sebab itu, kaidah ini
penting untuk dihafal.
Selanjutnya, dari output di atas terlihat bahwa nilai r = 0,985 dengan p = 0.000,
karena nilai p lebih kecil dari 0,01 dan nilai r positif, maka dapat disimpulkan terdapat
hubungan positif yang signifikan antara kepercayaan diri dengan mencontek. Kita
juga dapat mengetahui besarnya koefisien determinasi (sumbangan efektif) variabel
kepercayaan diri terhadap kecenderungan mencontek dengan cara mengkuadratkan
nilai r menjadi r2 lalu mengkalikannya dengan 100 sehingga didapatkan nilai koefisien
determinan 0,9852 x 100 = 97,1%.
Contoh pelaporan dalam paper penelitian sebagai berikut:
“Berdasar hasil analisis disimpulakan bahwa terdapat hubungan positif yang sangat
signifikan antara kepercayaan diri dengan mencontek (r = 0,985, p<0,01, dan r2=0,971)”
Perhatikan, jika nilai r pada hasil uji korelasi bernilai positif (misal r = 0,985) dan
p –nya signifikan maka disimpulkan ada hubungan positif antara kedua variabel. Namun
jika nilai r pada hasil uji korelasi bernilai negatif (misal r = -0,985) dan p –nya signifikan
maka disimpulkan ada hubungan negative antara kedua variabel.
Modul SPSS
Hasil analisis pada contoh penelitian di atas walaupun signifikan ternyata kedua
variabel berkorelasi positif. Jika hipotesis yang diajukan adalah “Terdapat hubungan
negatif antara kepercayaan diri dengan kecenderungan mencontek” ,dengan hasil
analisis seperti atas, maka disimpulkan hipotesis yang kita ajukan tertolak. Karena,
pada hipotesis hubungan yang diharapkan adalah negatif, namun ternyata hasil analisis
menunjukkan hubungan yang positif.
KORELASI PARSIAL
Hasil contoh penelitian di atas menunjukkan bahwa ternyata kepercayaan diri r
positif dengan kecenderungan mencotek. Padahal secara rasional seharusnya
mahasiswa yang memiliki kepercayaan diri akan merasa lebih mampu mengerjakan
ujian sehingga tidak perlu mencontek (Hanya contoh). Mungkin saja ada variabel
sekunder yang mencampuri hubungan antara kepercayaan diri dengan kecenderungan
mencontek, misalnya variabel prestasi belajar. Bisa jadi siswa yang terlalu percaya diri
tidak belajar saat ujian sehingga mendapatkan hasil ujian yang jelek, karna hasil
ujiannya yang jelek maka pada ujian berikutnya dia mencontek (Hanya contoh).
Dokarenakan terdapat kemungkinan demikian, serta didukung dengan berbagai teori,
misalnya. Maka kita jadikan varibel sekunder yaitu hasil ujian menjadi variabel bebas
kedua sebagai kontrol hubungan antara kepercayaan diri. Dengan demikian hipotesis
penelitian dapat berubah menjadi “Terdapat hubungan negative antara kepercayaan diri
dengan kecenderung mencontek ketika hasil ujian masa lalu dikontrol”
Dengan menambahkan data mengenai hasil ujian pada masa lalu, maka variabel
penelitian kita bertambah satu. Berikut contoh tambahan data yang didapatkan ;
Nama Kepercayaan diri Kecenderungan Hasil Ujian Masa Lalu
mencontek
Adi 21 30 12
Lina 23 32 14
Joko 22 31 13
Arif 23 32 14
Ayu 20 29 12
Bayu 24 35 15
Andi 25 36 16
Susi 26 37 17
Inem 28 39 18
Siti 24 34 15

Modul SPSS
Setelah dimasukkan kedalam tabulasi di SPSS maka kita akan mendapatkan tampilan
sebagai berikut ;
Kemudian, setelah memasukkan data. Sebagaimana pada uji korelasi dari pearson,
pada uji korelasi parsial pun kita perlu terlebih dahulu melakukan pengujian asumsi
normalitas dan linieritas. Langkah-langkah pengujian asumsi normalitas dan linieritas
sama seperti penjelasan sebelumnya, sehingga tidak perlu diulangi kembali.
Setelah melakukan uji normalitas dan linieritas maka kemudian kita dapat
langsung melakukan pengujian korelasi. Langkah-langkah dalam uji korelasi parsial
adalah sebagai berikut :

Modul SPSS
Setelah di klik akan muncul kotak berikut ini ;
Langkah selanjutnya adalah memindahkan dua variabel yang akan dikorelasikan ke

kotak variables, dan memindahkan variabel kontrol ke kotak Controlling for. Kemudian
pilih one-tailed (karena hipotesisnya searah, lihat kembali pada halaman ..). Maka
tampilan akan terlihat sebagai berikut ;

Modul SPSS
Lalu tekan OK, maka akan keluar tampilan output hasil uji korelasi parsial sebagai
berikut.
Correlations
Kepercay
Control Variables aan_Diri Mencontek
Hasil_Ujian_Lalu Kepercayaan_Diri Correlation 1.000 .303
Significance (1-tailed) . .214
df 0 7
Mencontek Correlation .303 1.000
Significance (1-tailed) .214 .
df 7 0
Sama seperti uji korelasi product moment, kita perlu melihat nilai r (correlation) dan p
(Significance) untuk menentukan apakah terjadi hubungan yang signifikan antara
kepercayaan diri dengan mencontek setelah variabel hasil ujian semester lalu di kontrol.
Dari hasil di atas diketahui bahwa nilai r yang didapatkan sebesar 0,303 serta
nilai p = 0,214. Dikarenakan nilai p lebih besar dibandingkan 0,05 (P>0,05) maka dapat
kita simpulkan bahwa tidak terdapat hubungan yang significant antara kepercayaan diri
dengan perilaku mencontek ketika pengaruh dari variabel hasil ujian masa lalu di
kontrol. Berikut contoh pelaporan hasil pengujian dalam paper penelitian;
“Tidak terdapat hubungan yang significant antara kepercayaan diri dengan perilaku
mencontek ketika pengaruh dari variabel hasil ujian masa lalu di kontrol (r=0,303,
p>0,05)”

Modul SPSS
Bila tidak terdapat hubungan yang signifikan, maka kita tidak perlu menghitung
besarnya nilai koefisien determinan atau sumbangan relatif. Jika terdapat hubungan
yang signifikan, maka cara menghitung nilai koefisien determinan sama dengan
perhitungan nilai koefisien determinan pada uji korelasi product moment.
REGRESI
Selain korelasi, analisis regresi juga digunakan untuk menguji hubungan antar
variabel. Namun biasanya, analisis regresi digunakan untuk menguji hubungan antar
variabel, dimana jumlah variabel bebas lebih dari satu. Bila untuk pengujian antara dua
variabel (satu variabel bebas dan satu variabel tergantung), maka cukup dengan
menggunakan uji korelasi saja.
Contoh penelitian untuk pengujian regresi misalnya. “Hubungan antara hasil tes
masuk UML dan intelegensi dengan hasil ujian eksperimen pada mahasiswa UML”.
Dari tema penelitian ini, maka kita dapat mengembangkan hipotesis menjadi;
• Hasil tes masuk UML dan Intelegensi secara bersama-sama berhubungan positif
dengan hasil ujian eksperimen
• Hasil tes masuk UML berhubungan positif dengan hasil ujian eksperimen
• Intelegensi berhubungan positif dengan hasil ujian eksperimen
Data yang didapatkan dari subyek penelitian yaitu mahasiswa UML misalnya
sebagai berikut;
Nama Hasil tes masuk IQ Hasil Ujian
UML Eksperimen
Adi 30 110 75
Lina 33 115 80
Joko 35 120 95
Arif 28 109 70
Ayu 29 108 71
Bayu 25 105 68
Andi 39 122 100
Susi 37 120 98
Inem 31 112 92
Siti 31 111 83
Susi 33 110 89
Sule 37 118 94
Lola 37 117 95
Ani 33 115 92
Boy 35 105 78

Modul SPSS
Langkah selanjutnya adalah memasukkan data tersebut ke dalam data editor di

SPSS. Langkah-langkahnya telah dijelaskan pada bab sebelumnya (lihat halaman,,).
Sehingga didapatkan tampilan sebagai berikut ;
Sebelum dilakukan uji regresi, terlebih dahulu perlu dilakukan uji asumsi yang
terdiri dari uji normalitas, linieritas dan multikolinieritas 1. Cara untuk menguji normalitas
dan linieritas sama seperti penjelasan sebelumnya. Sedangkan untuk uji
multikolinieritas, pembahasannya masuk ke dalam pembahasan mengenai langkah
analisis regresi.
Selanjutnya untuk analisis regresi maka langkah selajutnya yang kita lakukan
adalah mengklik menu berikut, Analyze  Regression  Linier :
1
Sebenarnya masih terdapat uji asumsi lain, namun untuk mempermudah dan mempersingkat
pembahasan, maka hanya dijelaskan tiga macam uji asumsi.

Modul SPSS
Kemudian akan tampil kotak berikut ;
Langkah selanjutnya adalah memindahkan dua variabel bebas ke kotak

Independent(s), dan memindahkan variabel tergantung ke kotak Dependent. Maka
tampilan akan terlihat sebagai berikut ;

Modul SPSS
Selanjutnya klik tombol Statistics yang berada di bawah. Sehingga akan muncul kotak
berikut ;
Beri tanda centang pada Estimates, Model fit, Descriptives, Part and partial correlations
dan Collinearity diagnostics. Lalu tekan continue, maka kita akan kembali ke kotak awal
(lihat gmbar sebelumnya) kemudian klik OK. Hasil output dari SPSS akan terlihat
sebagai berikut;

Modul SPSS
Regression
Std.
Mean Deviation N
Hasil_Ujian_E ksperimen 85.33 10.939 15
Hasil_Tes_Masuk_UML 32.87 3.907 15
IQ 113.13 5.475 15
Correlations
Hasil_Ujian_ Hasil_Tes_
Eksperimen Masuk_UML IQ
Pearson Correlation Hasil_Ujian_E ksperimen 1.000 .855 .860
Hasil_Tes_Masuk_UML .855 1.000 .785
IQ .860 .785 1.000
Sig. (1-tailed) Hasil_Ujian_E ksperimen . .000 .000
Hasil_Tes_Masuk_UML .000 . .000
IQ .000 .000 .
N Hasil_Ujian_E ksperimen 15 15 15
Hasil_Tes_Masuk_UML 15 15 15
IQ 15 15 15
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 IQ, Hasil_
Tes_
. Enter
Masuk_
a
UML
a. All requested variables entered.
b. Dependent Variable: Hasil_Ujian_Eksperimen
Model Summary
Adjusted Std. Error of
Model R R Square R Square the Estimate
1 .908a .824 .795 4.957
a. Predictors: (Constant), IQ, Hasil_Tes_Masuk_UML
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 1380.417 2 690.209 28.084 .000a
Residual 294.916 12 24.576
Total 1675.333 14
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Correlations Collinearity Statistics
Model B Std. Error Beta t Sig. Zero-order Partial Part Tolerance VIF
1 (Constant) -69.036 32.112 -2.150 .053
Hasil_Tes_Masuk_UML 1.311 .548 .468 2.393 .034 .855 .568 .290 .383 2.611
IQ .984 .391 .492 2.516 .027 .860 .588 .305 .383 2.611
a. Dependent Variable: Hasil_Ujian_Eksperimen

Modul SPSS
Collinearity Diagnosticsa
Variance Proportions
Condition Hasil_Tes_
Model Dimension Eigenvalue Index (Constant) Masuk_UML IQ
1 1 2.993 1.000 .00 .00 .00
2 .007 20.926 .08 .44 .00
3 .001 75.009 .92 .56 1.00
Hal yang kita lakukan pertama kali adalah menguji asumsi multikolinieritas. Dari ke-7
kotak yang ditampilkan, lihat pada kotak coefficients, berikut ;
Coefficientsa
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) -69.036 32.112 -2.150 .053
Hasil_Tes_Masuk_UML 1.311 .548 .468 2.393 .034 .383 2.611
IQ .984 .391 .492 2.516 .027 .383 2.611
Untuk menyimpulkan apakah terdapat problemmultikolinieritas pada data kita, maka

lihat nilai VIF yang ada. Beberapa ahli menyatakan, jika nilai VIF lebih besar dari 10
maka asumsi multikolinieritas terlanggar. Nilai VIF yang kita dapatkan pada contoh di
atas adalah 2,611 jauh dibawah 10, maka dapat disimpulkan bahwa tidak terjadi
problem multikolinieritas pada penelitian kita.
Untuk menjawab hipotesis pertama yaitu “Hasil tes masuk UML dan Intelegensi
secara bersama-sama berhubungan positif dengan hasil ujian eksperimen” maka yang
dilihat adalah kotak berikut ini;
Model Summary
Adjusted Std. Error of
Model R R Square R Square the Estimate
1 .908a .824 .795 4.957
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 1380.417 2 690.209 28.084 .000a
Residual 294.916 12 24.576
Total 1675.333 14
Yang dilihat adalah nilai R, F dan p untuk menentukan apakah hubungan antar variabel.
Dari hasil di atas diketahui bahwa nilai R=0,908, F=28,084 dan p=0,000. Dikarenakan

Modul SPSS
nilai p dibawah 0,01 (p<0,01) maka dapat disimpulkan bahwa hasil tes masuk UML dan
Intelegensi secara bersama-sama berhubungan positif sangat signifikan dengan hasil
ujian eksperimen. Selanjutnya untuk melihat besarnya sumbangan efektif hasil tes
masuk UML dan Intelegensi terhadap hasil ujian eksperimen, lihat nilai R2. Hasil di atas
menunjukkan R2 sebesar 0,824. Maka disimpulkan bahwa hasil tes masuk UML dan
Intelegensi memberikan sumbangan efektif sebesar 82,4% terhadap hasil ujian
eksperimen.
Untuk menjawab hipotesis kedua dan ketiga, maka kita perlu melihat tabel
berikut ;
Coefficientsa
Coefficients Coefficients Correlations
Model B Std. Error Beta t Sig. Zero-order Partial Part
1 (Constant) -69.036 32.112 -2.150 .053
Hasil_Tes_Masuk_UML 1.311 .548 .468 2.393 .034 .855 .568 .290
IQ .984 .391 .492 2.516 .027 .860 .588 .305
Hipotesis kedua adalah “hasil tes masuk UML berhubungan positif dengan hasil
ujian eksperimen”. Untuk menjawabnya lihat nilai t dan nilai sig-nya. Jika nilai t-nya
negatif mengindikasikan hubungan yang negatif, sebaliknya jika nilai t-nya positif maka
mengindikasikan hubungan yang positif. Sedangkan nilai p dijadikan sebagai acuan
untuk menyimpulkan apakah hubungan antara kedua variabel signifikan atau tidak.
Hasil analisis menunjukkan nilai t = 2.393 dengan p=0,034, dikarenakan p<0,05
dan nilai t-nya positif, maka dapat disimpulkan terdapat hubungan positif yang
signifikan antara hasil tes masuk UML dengan hasil ujian eksperimen. Kemudian untuk
mengetahui berapa besar sumbangan efektif variabel hasil tes masuk UML terhadap
hasil ujian eksperimen, maka kalikan nilai beta di Standardized Coefficients dengan nilai
Zero-Order dalam kolom Correlations. Hasilnya adalah 0.468 x 0.855 = 0.4. Kemudian
dikalikan dengan 100. Sehingga didapatkan sumbangan efektif variabel hasil tes masuk
UML sebesar 40% terhadap hasil ujian eksperimen.
Hipotesis ketiga adalah “Intelegensi berhubungan positif dengan hasil ujian
eksperimen”. Sama seperti penjelasan di atas, untuk menjawabnya kita perlu melihat
nilai t dan nilai sig-nya. Hasil analisis menunjukkan nilai t = 2.516 dengan p=0,027,
dikarenakan p<0,05 dan nilai t-nya positif, maka dapat disimpulkan terdapat hubungan
positif yang signifikan antara intelegensi dengan hasil ujian eksperimen. Kemudian

Modul SPSS
besarnya sumbangan efektif variabel intelegensi terhadap hasil ujian eksperimen,

perhitungannya sama dengan penjelasan sebelumnya, yaitu mengkalikan nilai beta di
Standardized Coefficients dengan nilai Zero-Order dalam kolom Correlations. Hasilnya
adalah 0.492 x 0.86 = 0.423. Kemudian dikalikan dengan 100. Sehingga didapatkan
sumbangan efektif variabel intelegensi sebesar 42,3% terhadap hasil ujian eksperimen.

Modul SPSS
Bab 5
PERBANDINGAN
Pada bab ini akan dibahas mengenai analisis inferensi untuk menguji
perbandingan. Terdapat bermacam-macam teknik analisis statitik untuk menguji
perbandingan. Ingat, bahwa dalam silabus ini, penulis hanya membahas langkah
analisis untuk teknik analisis parametrik saja, sehingga pengujian perbandingan dengan
teknik analisis non-parametrik tidak dijabarkan di sini.
Pembahasan langkah-langkah analisis uji perbandingan pada bab ini juga
disertai dengan penryataan hipotesis penelitiannya. Hal ini ditujukan agar pembaca
lebih mudah dalam mengaplikasikan sesuai dengan tema penelitian yang digunakan.
INDEPENDENT SAMPLE T TEST

Independent t-test merupakan teknik statistik parametrik yang digunakan untuk
menguji perbedaan antar kelompok, misalnya menguji perbedaan intelegensi antara
kelompok subjek pria dengan kelompok subjek wanita. Uji asumsi yang mengikuti
penelitian ini terdiri dari uji normalitas dan homogenitas. Langkah-langkah uji normalitas
memiliki cara yang sama pada pengujian normalitas yang telah dibahas sebelumnya.
Sedangkan uji homogenitas berada dalam satu rangkaian penjelasan langkah-langkah
uji t.
Contoh penelitian yang menggunakan uji t misalnya, “Perbedaan skor tes masuk
UML antara peserta laki-laki dengan peserta wanita”. Berdasarkan tema tersebut, maka
kemungkinan hipotesis yang akan kita gunakan adalah “Terdapat perbedaan hasil tes
masuk UML antara peserta laki-laki dengan peserta wanita”.
Contoh data yang didapatkan misalnya ;
Peserta Skor Tes Masuk UML
Adi (L) 80
Susi (P) 98
Ani (P) 97
Juleha (P) 96

Modul SPSS
Budi (L) 83
Wawan (L) 84
Eko (L) 85
Boy (L) 86
Fitri (P) 95
Lisa (P) 94
Kaka (L) 79
Melani (P) 93
Mita (P) 92
Benny (L) 87
Sugito (L) 88
Wawan (L) 89
Santi (P) 98
Lela (P) 91
Lia (P) 90
Joko (L) 89
Kemudian, memasukkan data tersebut kedalam SPSS. Untuk memasukkan data

nama dan skor tes masuk telah dijelaskan langkahnya pada bab sebelumnya. Setelah
dimasukan nama dan skor yang didapatkan maka kita akan mendapatkan tampilan
seperti ini;

Modul SPSS
Setelah itu, masukan juga identitas jenis kelamin subyek sebagai variabel kelompok.
Caranya sebagai berikut :
Pertama klik variable view.
Maka kemudian anda akan mendapatkan tampilan seperti ini;

Modul SPSS
Pada baris ke-3 beri nama variabel menjadi jenis_kelamin. Selanjutnya klik pada baris
ke-3 di kolom values.
Setelah mengklik kotak ke-3 pada kolom values seperti ditunjukkan pada anak panah
merah di atas, maka akan muncul kotak berikut ini;
Kotak diatas merupakan kotak pemberitahuan anda pada SPSS, mengenai simbol nilai
dari kelompok yang akan anda bandingkan. Pada contoh penelitian kita terdapat dua
kelompok yaitu kelompok laki-laki dan kelompok perempuan. Misalnya kita ingin
memberi simbol kelompok laki-laki dengan angka 1, dan perempuan dengan angka 2.
Maka langkahnya isikan angka 1 pada kolom value, kemudian isikan laki-laki pada
value, lalu klik Add. Contoh langkah tersebut dapat dilihat pada gambar di bawah:

Modul SPSS
Begitupula langkah dalam mensimbolkan perempuan dengan angka 2. Setelah

pemberian simbol maka kotak di atas akan memiliki tampilan sebagaimana berikut ini:
Klik OK. Lalu kita akan kembali ketampilan awal variabel view, klik data view, kemudian
masukan data jenis kelamin sesuai subyeknya, contohnya adi, maka kita beri simbol 1
pada kolom jenis_kelamin. Beri semua simbol jenis kelamin pada seluruh subyek, maka
anda akan mendapatkan tampilan sebagai berikut;

Modul SPSS
Jika icon yang ditunjuk dengan anak panah merah di klik, maka tampilan akan berubah
sebagaimana berikut ini;

Modul SPSS
Langkah selanjutnya adalah melakukan analisis. Langkahnya sebgai berikut, klik

Analyze  Compare Means  Independent-Samples T Test.
Bila di klik maka akan muncul kotak berikut ini;
Kemudian pindahkan variabel yang diukur pada kotak Test Variable(s), dalam kasus ini
variabel skor_ujian_masuk_UML. Lalu masukan variabel kelompok ke kotak Grouping
Variable. Maka tampilannya akan seperti ini;

Modul SPSS
Kemudian blok variabel jenis_kelamin, lalu klik Define Groups… maka akan muncul
kotak berikut;
Kemudian ssikan angka 1 pada group 1, dan angka 2 pada group 2. Setelah dilakukan,
maka artinya anda telah menentukan bahwa simbol 1 yaitu subyek laki-laki berada
pada group 1, dan simbol 2 yaitu subyek perempuan pada group 2.
Kemudian klik Continue, maka kita akan kembali ke kotak awal berikut;

Modul SPSS
Sekarang klik OK. Kemudian kita akan mendapatkan tampilan output hasil analisis uji t
yang akan terdiri dari tabel Group Statistic dan table bejudul Independent Samples t.
berikut ini;
Sebelum melihat hasil uji t, maka terlebih dahulu kita lihat hasil uji asumsi homogenitas
yang juga terdapat pada tabel Independent Samples Test berikut ini ;
Independent S amples Test
Levene's Test for

Equality of V ariances t-test for Equality of Means
Mean
F Sig. t df Sig. (2-tailed) Difference
Skor_ujian_masuk_UML Equal variances
.286 .600 -6.532 18 .000 -9.400
assumed
Equal variances
-6.532 17.296 .000 -9.400
not assumed

Modul SPSS
Diketahui nilai F=2,88 dan p=0,600. Lihat nilai p-nya jika nilai p>0.05 maka uji asumsi
homogenitas terpenuhi. Jika uji asumsi homogenitas terpenuhi, nilai t dan p yang
dilaporkan adalah pada baris Equal variances assumed. Namun bila tidak tepenuhi
maka lihat pada baris Equal variances not assumed .
Selanjutnya, untuk menjawab hipotesis “Terdapat perbedaan hasil tes masuk
UML antara peserta laki-laki dengan peserta wanita”, maka pada baris Equal variances
assumed (karena uji homogenitas terpenuhi) lihat pada nilai t dan p (sig) nya,
sebagaimana tabel yang dilingkari berikut;
Independent S amples Test

Levene's Test for
Equality of V ariances t-test for Equality of Means
Mean
F Sig. t df Sig. (2-tailed) Difference
Skor_ujian_masuk_UML Equal variances
.286 .600 -6.532 18 .000 -9.400
assumed
Equal variances
-6.532 17.296 .000 -9.400
not assumed
Maka kita dapat melaporkan bahwa nilai t = -6,53 dan p=0,000. Dikarenakan nilai
p<0.01 maka dapat disimpulkan terdapat perbedaang yang sangat signifikat skor ujian
masuk UML antara laki-laki dan perempuan. Kemudain, tanda negatif pada nilai t
menunjukkan bahwa group 2 memiliki rerata lebih besar dari group 1. Maka dapat
disimpulkan bahwa subyek perempuan memiliki skor ujian masuk UML lebih besar
dibandingkan dengan subyek laki-laki. Selain melihat nilai t, untuk menentukan
kelompok mana yang memiliki skor lebih tinggi kita juga dapat membandingkan rerata
yang didapatkan oleh kedua kelompok.
ANAVA SATU JALUR

Bila uji t hanya bisa untuk pengujian perbedaan diantara dua kelompok saja,
maka jika dalam penelitian kita variabel bebas terdiri lebih dari tiga kelompok, maka kita
perlu menggunakan analisis variansi satu jalur (anava satu jalur).
Sebagaimana teknik statistik parametrik lain.Teknik analisis anava satu jalur juga
memiliki syarat uji asumsi yang harus dipenuhi. Uji asumsi yang biasa dilakukan dalam
anava adalah uji normalitas dan homogenitas.
Contoh penelitian yang menggunakan anava satu jalur misalnya, “Perbedaan
skor tes masuk UML antara peserta yang bertempat tinggal di Bandar Lampung,
Lampung Timur dan Lampung Selatan”. Berdasarkan tema tersebut, maka

Modul SPSS
kemungkinan hipotesis yang akan kita gunakan adalah “Terdapat perbedaan hasil tes
masuk UML ditinjau dari lokasi tempat tinggal peserta”.
Contoh data yang didapatkan sebagai berikut;
Peserta Asal Daerah Skor Tes Masuk UML
Adi Bandar Lampung 80
Susi Lampung Timur 98
Ani Lampung Timur 97
Juleha Lampung Timur 96
Budi Lampung Selatan 83
Wawan Bandar Lampung 84
Eko Bandar Lampung 85
Boy Bandar Lampung 86
Fitri Lampung Timur 95
Lisa Lampung Timur 94
Kaka Lampung Selatan 79
Melani Lampung Selatan 93
Mita Lampung Timur 92
Benny Lampung Selatan 87
Sugito Bandar Lampung 88
Wawan Lampung Timur 89
Santi Lampung Timur 98
Lela Lampung Selatan 91
Lia Lampung Selatan 90
Joko Lampung Timur 89
Langkah selanjutnya memasukkan data ke dalam SPSS. Caranya sama dengan uji t
yang telah di jelaskan sebelumnya. Berikut contoh setelah data dimasukkan ke SPSS;

Modul SPSS
Bila benar, maka jika di klik icon , tampilan akan berubah sebagaimana gambar
berikut;
Kemudian klik Analyze  Compare Means  One-Way Anova.

Modul SPSS
Setelah di klik akan muncul tampilan berikut;
Masukkan variabel skor ujian masuk UML ke kotak Dependent List. Jika benar,
tampilannya akan seperti ini;

Modul SPSS
Pada kotak di atas klik Post Hoc hingga muncul kotak di bawah ini;
Pada kotak di atas beri tanda centang pada sisi LSD dan Scheffe, lalu klik continue,
maka akan muncul kotak berikut ini;
Pada kotak di atas klik Options hingga muncul kotak di bawah ini;

Modul SPSS
Beri tanda centang pada sisi Descriptive dan Homogeneity of variance test. Kemudian
klik Continue, maka anda akan kembali lagi ke kotak awal. Kemudian klik OK untuk
mendapatkan hasil yang ditampilkan pada output viewer. Hsil analisis akan terdiri dari
beberapa tabel sebagai berikut :
Oneway
Descriptives
Skor_ujian_masuk_UML
95% Confidence Interval for
Std. Mean
N Mean Deviation Std. Error Lower Bound Upper Bound Minimum Maximum
Bandar Lampung 5 84.60 2.966 1.327 80.92 88.28 80 88
Lampung Selatan 6 87.17 5.307 2.167 81.60 92.74 79 93
Lampung Timur 9 94.22 3.528 1.176 91.51 96.93 89 98
Total 20 89.70 5.750 1.286 87.01 92.39 79 98
Test of Homogeneity of Variances

Levene
Statistic df1 df2 Sig.
1.398 2 17 .274

Modul SPSS
ANOVA
Sum of
Between Groups 352.611 2 176.306 10.876 .001
Within Groups 275.589 17 16.211
Total 628.200 19
Post Hoc Tests
Multiple Comparisons
Dependent Variable: S kor_ujian_masuk_UML
Mean
Difference 95% Confidence Interval
(I) Rumah (J) Rumah (I-J) Std. Error Sig. Lower Bound Upper Bound
Scheffe Bandar Lampung Lampung Selatan -2.567 2.438 .585 -9.10 3.97
Lampung Timur -9.622* 2.246 .002 -15.64 -3.60
Lampung Selatan Bandar Lampung 2.567 2.438 .585 -3.97 9.10
Lampung Timur -7.056* 2.122 .014 -12.74 -1.37
Lampung Timur Bandar Lampung 9.622* 2.246 .002 3.60 15.64
Lampung Selatan 7.056* 2.122 .014 1.37 12.74
LSD Bandar Lampung Lampung Selatan -2.567 2.438 .307 -7.71 2.58
Lampung Timur -9.622* 2.246 .001 -14.36 -4.88
Lampung Timur -7.056* 2.122 .004 -11.53 -2.58
Lampung Selatan 7.056* 2.122 .004 2.58 11.53
*. The mean difference is significant at the .05 level.
Homogeneous Subsets
Subset for alpha = .05

Rumah N 1 2
Scheffea,b Bandar Lampung 5 84.60
Lampung Selatan 6 87.17
Lampung Timur 9 94.22
Sig. .541 1.000
Means for groups in homogeneous subsets are displayed.
a. Uses Harmonic Mean Sample Size = 6.279.
b. The group sizes are unequal. The harmonic mean of the
group sizes is used. Type I error levels are not guaranteed.
Dari sekian banyak tabel tidak semuanya harus kita baca. Untuk mengetahui apakah
hasil uji asumsi homogenitas terpenuhi atau tidak, kita bisa membaca hasil pada tabel
test homogeneity of variances berikut ;

Modul SPSS
Test of Homogeneity of Variances

Levene
Statistic df1 df2 Sig.
1.398 2 17 .274
Didapatkan nilai koefisien statistik levene F= 1,398 dan p = 0,274. Sebagaimana

pembahasan sebelumnya, hasil uji homogenitas terpenuhi jika nilai p>0,05. Dilihat dari
hasil nilai p yang kita dapatkan, maka pada contoh ini dinyatakan bahwa uji asumsi
homogenitas kita terpenuhi.
Setelah uji asumsi homogenitas dan normalitas terpenuhi, maka kita dapat
langsung menginterpretasikan hasil uji anava satu jalur di atas untuk menjawab
hipotesis penelitian kita. Untuk menjawab hipotesis maka yang dilihat adalah tabel
ANOVA berikut;
ANOVA
Sum of
Between Groups 352.611 2 176.306 10.876 .001
Within Groups 275.589 17 16.211
Total 628.200 19
Hipotesis yang kita ajukan adalah “terdapat perbedaan hasil ujian masuk UML ditinjau
dari lokasi rumah peserta ujian”. Untuk menjawabnya lihat nilai F dan p nya. Nilai
F=10,876 dan p=0,001, karena nilai p<0,01 maka dapat disimpulkan bahwa terdapat
perbedaan hasil ujian masuk UML diantara peserta yang memiliki rumah di Bandar
Lampung, Lampung Timur dan Lampung Selatan.
Hasil di atas hanya menginformasikan kepada kita bahwa hasil tes ujian masuk
UML antara siswa yang berasal dari daerah berbeda, berbeda secara signifikan. Tidak
dijelaskan lebih lanjut, kelompok mana saja yang berbeda secara signifikan, apakah
perbedaan terjadi antara siswa yang berasal dari Bandar Lampung dengan Lampung
Timur? Atau antara siswa yang berasal dari Bandar Lampung dengan Lampung
Selatan?. Untuk memastikannya maka perlu dilakukan uji komparasi antar kelompok.
Dalam uji anava satu jalur, uji komparasi antar pasangan juga disediakan. Pada
tampilan Output SPSS, hasil uji komparasi terdapat pada tabel multiple comparisons,
berikut tampilannya;

Modul SPSS
Multiple Comparisons
Mean
Difference 95% Confidence Interval
Scheffe Bandar Lampung Lampung Selatan -2.567 2.438 .585 -9.10 3.97
Lampung Timur -9.622* 2.246 .002 -15.64 -3.60
Lampung Timur -7.056* 2.122 .014 -12.74 -1.37
Lampung Selatan 7.056* 2.122 .014 1.37 12.74
LSD Bandar Lampung Lampung Selatan -2.567 2.438 .307 -7.71 2.58
Lampung Timur -9.622* 2.246 .001 -14.36 -4.88
Lampung Timur -7.056* 2.122 .004 -11.53 -2.58
Lampung Selatan 7.056* 2.122 .004 2.58 11.53
Terdapat dua baris utama yang berisi dua macam teknik uji komparasi, Scheffe
dan LSD. Para ahli salah satunya Field (2000) menyarankan jika jumlah subyek antar
kelompok sama, maka tabel LSD yang dijadikan, namun jika jumlah subyek antar
kelompok berbeda, maka tabel Scheffe dijadikan acuan.
Jumlah subyek antar kelompok dalam Cotoh penelitian kita tidak sama, sehingga
yang dijadikan acuan adalah hasil uji komparasi dengan teknik Scheffe. Penjabaran
hasil uji komparasi adalah sebagai berikut;
• Antara siswa yang tinggal di Bandar Lampung dengan yang tinggal di Lampung
Selatan didapatkan nilai p=0,585 (P>0,05), maka disimpulkan tidak terdapat
perbedaan yang signifikan antar kedua kelompok tersebut.
• Antara siswa yang tinggal di Bandar Lampung dengan yang tinggal di Lampung
Timur didapatkan nilai p=0,002 (P<0,01), maka disimpulkan terdapat perbedaan
yang sangat signifikan antar kedua kelompok tersebut. Nilai perbedaan mean
(mean difference) sebesar -9,622 maka hasil ujian masuk UML siswa yang tinggal
di Lampung Timur lebih tinggi dibandingkan yang tinggal di Bandar Lampung
(Analogi untuk menentukan kelompok mana yg memiliki skor lebih tinggi dengan
melihat nilai positif atau negatif pada mean differencenya adalah sebagai berikut;
jika 1-2= -1 dan 2-1= 1, maka bila nilainya positif artinya skor pada kelompok yang
disebut lebih dulu dalam tabel lebih besar dibandingkan kelompok yang disebutkan
dibelakangnya. Bila nilainya negatif, maka kelompok yang disebut dibelakang
memiliki skor yang lebih tinggi).

Modul SPSS
• Antara siswa yang tinggal di Lampung Selatan dengan yang tinggal di Lampung
timur didapatkan nilai p=0,014 (P<0,05), maka disimpulkan terdapat perbedaan
yang signifikan antar kedua kelompok tersebut. Nilai perbedaan mean (mean
difference) sebesar -7,056 maka hasil ujian masuk UML siswa yang tinggal di
Lampung Timur lebih tinggi dibandingkan yang tinggal di Lampung Selatan.
ANAVA DUA JALUR

Dalam dunia statistik tidak hanya dikenal anava satu jalur, namun dikenal pula
anava dua jalur, tiga jalur, empat jalur, dan seterusnya. Pengujian anava dua jalur, tiga
jalur, empat jalur, dst, sama saja. Pada SPSS uji anava dua jalur terdapat pada menu
Univariate.
Contoh penelitian yang menggunakan anava satu jalur misalnya, “Perbedaan
skor tes masuk UML ditinjau dari jenis kelamin dan tempat tinggal”. Berdasarkan tema
tersebut, maka kemungkinan hipotesis yang akan kita gunakan adalah “Terdapat
perbedaan hasil tes masuk UML bila ditinjau dari lokasi tempat tinggal dan jenis kelamin
peserta”. Kemudian terdapat hipotesis minor yang mengikuti tema penelitian di atas
yaitu “Hasil tes masuk UML berbeda antara pria dan wanita (dengan menggontrol
pengaruh variabel tempat tinggal)” lalu hipotesis minor kedua adalah “Hasil tes masuk
UML berbeda antara peserta yang tinggal di Bandar Lampung, Lampung Selatan dan
Lampung Timur (dengan menggontrol pengaruh variabel jenis kelamin).”
Contoh datanya sebagai berikut ;
Peserta Asal Daerah Skor Tes Masuk UML
Adi Bandar Lampung 80
Susi Lampung Timur 98
Ani Lampung Timur 97
Juleha Lampung Timur 96
Budi Lampung Selatan 83
Mila Bandar Lampung 84
Eko Bandar Lampung 85
Boy Bandar Lampung 86
Fitri Lampung Timur 95
Lisa Lampung Timur 94

Modul SPSS
Kaka Lampung Selatan 79

Melani Lampung Selatan 93
Mita Lampung Timur 92
Benny Lampung Selatan 87
Sugito Bandar Lampung 88
Wawan Lampung Timur 89
Santi Lampung Timur 98
Lela Lampung Selatan 91
Lia Lampung Selatan 90
Joko Lampung Timur 89
Kemudaian masukan ke dalam data editor di SPSS, maka akan Nampak

tampilan berikut ;
Kemudian klik Anallyze  General Liniear Model  Univariate

Modul SPSS
Setelah di klik maka akan muncul kotak berikut ini;

Modul SPSS
Pindahkan variabel bernama skor-ujian_masuk_UML ke kotak dependent variable,

kemudian variabel jenis kelamin dan rumah ke kotak Fixed Factors. Maka jika benar
tampilannya akan sama dengan gambar berikut ;
Kemudian klik menu Options, maka akan muncul tampilan berikut ini;
Kemudian pindahkan semua variabel dan interaksinya ke kotak display means for. Beri
tanda centang pada compare mean effects. Pada menu display beri tanda centang pula
di sisi descriptive statistics, estimates of effect size dan Homogeity tests. Bila benar
dilakukan tampilannya akan seperti ini;

Modul SPSS
Kemudian klik Continue, maka anda akan kembali ke kotak awal. Pada kotak awal klik
OK. SPSS akan menampilkan hasil analisis sebagai berikut ;
Univariate Analysis of Variance
Between-Subjects Factors
Value Label N
Jenis_ 1.00 Laki-laki 9
kelamin 2.00 Perempuan 11
Rumah 1.00 Bandar
5
Lampung
2.00 Lampung
6
Selatan
3.00 Lampung
9
Timur

Modul SPSS
Std.
Jenis_kelamin Rumah Mean Deviation N
Laki-laki Bandar Lampung 84.75 3.403 4
Lampung Selatan 83.00 4.000 3
Lampung Timur 89.00 .000 2
Total 85.11 3.723 9
Perempuan Bandar Lampung 84.00 . 1
Lampung Timur 95.71 2.215 7
Total 93.45 4.156 11
Total Bandar Lampung 84.60 2.966 5
Lampung Timur 94.22 3.528 9
Total 89.70 5.750 20
Levene's Test of Equality of Error V ariancesa

F df1 df2 Sig.
1.265 5 14 .332
Tests the null hypothesis that the error variance of
the dependent variable is equal across groups.
a. Design: Intercept+Jenis_
kelamin+Rumah+Jenis_kelamin * Rumah
Tests of Between-Subjects E ffects

Type III Sum Partial Eta
Source of Squares df Mean Square F Sig. Squared
Corrected Model 527.355a 5 105.471 14.642 .000 .839
Intercept 108836.779 1 108836.779 15109.44 .000 .999
Jenis_kelamin 79.867 1 79.867 11.088 .005 .442
Rumah 157.180 2 78.590 10.910 .001 .609
Jenis_kelamin * Rumah 45.249 2 22.624 3.141 .075 .310
Error 100.845 14 7.203
Total 161550.000 20
Corrected Total 628.200 19
a. R Squared = .839 (Adjusted R Squared = .782)
Estimated Marginal Means

Modul SPSS
1. Grand Mean
95% Confidence Interval
Mean Std. Error Lower Bound Upper Bound
87.966 .716 86.431 89.501
2. Jenis_kelamin
Estimates
Dependent Variable: Skor_ujian_masuk_UML
Jenis_kelamin Mean Std. Error Lower Bound Upper Bound
Laki-laki 85.583 .931 83.586 87.580
Perempuan 90.349 1.087 88.018 92.681
Pairwise Comparisons
Mean 95% Confidence Interval for

a
Difference Difference
a
(I) Jenis_kelamin (J) Jenis_kelamin (I-J) Std. Error Sig. Lower Bound Upper Bound
Laki-laki Perempuan -4.766* 1.431 .005 -7.836 -1.696
Perempuan Laki-laki 4.766* 1.431 .005 1.696 7.836
Based on estimated marginal means
a. Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).
Univariate Tests
Sum of Partial Eta
Squares df Mean Square F Sig. Squared
Contrast 79.867 1 79.867 11.088 .005 .442
Error 100.845 14 7.203
The F tests the effect of Jenis_kelamin. This test is based on the linearly independent
pairwise comparisons among the estimated marginal means.
3. Rumah

Modul SPSS
Estimates
Rumah Mean Std. Error Lower Bound Upper Bound
Bandar Lampung 84.375 1.500 81.157 87.593
Lampung Selatan 87.167 1.096 84.817 89.517
Lampung Timur 92.357 1.076 90.049 94.665

a
a
Bandar Lampung Lampung Selatan -2.792 1.858 .155 -6.776 1.193
Lampung Timur -7.982* 1.846 .001 -11.942 -4.022
Lampung Timur -5.190* 1.536 .004 -8.484 -1.897
Lampung Selatan 5.190* 1.536 .004 1.897 8.484
Univariate Tests
Sum of Partial Eta
Squares df Mean Square F Sig. Squared
Contrast 157.180 2 78.590 10.910 .001 .609
Error 100.845 14 7.203
The F tests the effect of Rumah. This test is based on the linearly independent pairwise
comparisons among the estimated marginal means.
4. Jenis_kelamin * Rumah
Jenis_kelamin Rumah Mean Std. Error Lower Bound Upper Bound
Laki-laki Bandar Lampung 84.750 1.342 81.872 87.628
Lampung Selatan 83.000 1.550 79.677 86.323
Lampung Timur 89.000 1.898 84.930 93.070
Perempuan Bandar Lampung 84.000 2.684 78.244 89.756
Lampung Selatan 91.333 1.550 88.010 94.657
Lampung Timur 95.714 1.014 93.539 97.890

Modul SPSS
Sama seperti uji anava sebelumnya, tidak semua kotak digunakan. Untuk mengetahui
apakah hasil uji asumsi homogenitas terpenuhi atau tidak, kita bisa membaca hasil
pada tabel Levene’s test homogeneity of variances berikut ;
Levene's Test of Equality of Error V ariancesa

F df1 df2 Sig.
1.265 5 14 .332
Tests the null hypothesis that the error variance of
the dependent variable is equal across groups.
a. Design: Intercept+Jenis_
kelamin+Rumah+Jenis_kelamin * Rumah
Didapatkan nilai koefisien statistik levene F= 1,265 dan p = 0,332. Sebagaimana

pembahasan sebelumnya, hasil uji homogenitas terpenuhi jika nilai p>0,05. Dilihat dari
hasil nilai p yang kita dapatkan, maka pada contoh ini dinyatakan bahwa uji asumsi
homogenitas kita terpenuhi.
Setelah uji asumsi terpenuhi, maka kita dapat langsung menginterpretasikan
hasil uji anava dua jalur di atas untuk menjawab hipotesis penelitian kita. Untuk
menjawab hipotesis maka yang dilihat adalah tabel Test of Between-Subject Effects
berikut;

Corrected Model 527.355a 5 105.471 14.642 .000 .839
Intercept 108836.779 1 108836.779 15109.44 .000 .999
Jenis_kelamin 79.867 1 79.867 11.088 .005 .442
Rumah 157.180 2 78.590 10.910 .001 .609
Error 100.845 14 7.203
Total 161550.000 20
Hipotesis yang kita ajukan adalah “terdapat perbedaan hasil ujian masuk UML ditinjau
dari lokasi rumah peserta ujian”. Untuk menjawabnya lihat nilai F dan p pada baris
Jenis_kelamin*Rumah. Nilai F=3,141 dan p=0,075, karena nilai p>0,05 maka dapat
disimpulkan bahwa interaksi antara jenis kelamin dan tempat tinggal tidak
berpengaruh signifikan terhadap hasil ujian masuk UML .

Modul SPSS
Bila signifikan, kita perlu melihat uji komparasi antara kelompok interaksi jenis
kelamin dan tempat tinggal. Namun karena hasil di atas tidak signifikan maka kita tidak
perlu melihat uji komparasi antara kelompok interaksi jenis kelamin dan tempat tinggal.
Namun sebagai contoh seandainya anda mendapatkan hasil yang signifikan, maka
untuk melihat hasil uji komparasi antara kelompok interaksi jenis kelamin dan tempat
tinggal, kita perlu melihat pada tabel berikut ;
4. Jenis_kelamin * Rumah
Jenis_kelamin Rumah Mean Std. Error Lower Bound Upper Bound
Laki-laki Bandar Lampung 84.750 1.342 81.872 87.628
Lampung Selatan 83.000 1.550 79.677 86.323
Lampung Timur 89.000 1.898 84.930 93.070
Perempuan Bandar Lampung 84.000 2.684 78.244 89.756
Lampung Selatan 91.333 1.550 88.010 94.657
Lampung Timur 95.714 1.014 93.539 97.890
Misalnya kita ingin tahu apakah terdapat perbedaan hasil tes yang signifikan antara
subyek laki-laki yang tinggal di Bandar Lampung dengan kelompok subyek perempuan
yang juga tinggal di Bandar Lampung. Lihat nilai Mean subyek laki-laki yang tinggal di
Bandar Lampung sebesar 84,75, cross cekkan dengan confidence interval pada
kelompok perempuan yang tinggal di Bandar Lampung yaitu 78,244 – 89,756. Mean
nilai sebesar 84,75 masih berada dalam rentang 78,244 – 89,756, maka disimpulkan
tidak terdapat perbedaan yang signifikan antara kelompok laki-laki yang tinggal di
Bandar Lampung dengan kelompok perempuan yang tinggal di Bandar Lampung.
Contoh lain, antara kelompok laki-laki yang tinggal di Bandar Lampung dengan
kelompok perempuan yang tinggal di Lampung Selatan. Mean subyek laki-laki yang
tinggal di Bandar Lampung sebesar 84,75, cross cekkan dengan confidence interval
pada kelompok perempuan yang tinggal di Lampung Selatan yaitu 88,01 – 94,657.
Dikarenakan nilai mean sebesar 84,75 masih tidak berada dalam rentang 88,01 –
94,657. Maka disimpulkan kelompok laki-laki yang tinggal di Bandar Lampung memiliki
skor hasil ujian tes masuk UML lebih rendah dibandingkan kelompok subyek
perempuan yang tinggal di Lampung Selatan.
Hasil di atas hanya menjawab hipotesis pertama “Terdapat perbedaan hasil tes
masuk UML bila ditinjau dari lokasi tempat tinggal dan jenis kelamin peserta”. Belum
menjawab dua hipotesis minor yang kita ajukan yaitu “Hasil tes masuk UML berbeda

Modul SPSS
antara pria dan wanita (dengan menggontrol pengaruh variabel tempat tinggal)” dan
“Hasil tes masuk UML berbeda antara peserta yang tinggal di Bandar Lampung,
Lampung Selatan dan Lampung Timur (dengan menggontrol pengaruh variabel jenis
kelamin).”
Untuk menjawab kedua hipotesis minor, kiita juga perlu melihat tabel Test of
Between-Subject Effects berikut;

Corrected Model a
527.355 5 105.471 14.642 .000 .839
Intercept 108836.779 1 108836.779 15109.44 .000 .999
Jenis_kelamin 79.867 1 79.867 11.088 .005 .442
Rumah 157.180 2 78.590 10.910 .001 .609
Error 100.845 14 7.203
Total 161550.000 20
Bila kita ingin menjawab hipotesis “Hasil tes masuk UML berbeda antara peserta yang
tinggal di Bandar Lampung, Lampung Selatan dan Lampung Timur (dengan
menggontrol pengaruh variabel jenis kelamin).” lihat nilai F dan p pada baris Rumah.
Nilai F=10,910 dan p=0,001, karena nilai p<0,01 maka dapat disimpulkan bahwa
tempat tinggal berpengaruh sangat signifikan terhadap hasil ujian masuk UML.
Uji komparasi antar pasangan dapat dilihat pada tabel berikut;

a
a
Bandar Lampung Lampung Selatan -2.792 1.858 .155 -6.776 1.193
Lampung Timur -7.982* 1.846 .001 -11.942 -4.022
Lampung Timur -5.190* 1.536 .004 -8.484 -1.897
Lampung Selatan 5.190* 1.536 .004 1.897 8.484
Untuk melihat perbedaan antar kelompok berdasar tabel di atas, caranya sama seperti
pada anava satu jalur yang telah dijelaskan sebelumnya.

Modul SPSS
Untuk menjawab hipotesis “Hasil tes masuk UML berbeda antara pria dan wanita
(dengan menggontrol pengaruh variabel tempat tinggal), caranya juga sama
sebagaimana langkah di atas.

DAFTAR PUSTAKA
Field, A., 2000. Discoveryng Statistic Using SPSS For Windows.
Kinear, P, R., & Gray, C, D., 2004. SPSS 12 Made Simple. New York: Psychology
Press.
Leech, N, L., Baret, K, C., & Morgan, G, A., 2005. SPSS For Intermediate Statistic: Use
and Interpretation. London: Lawrence Erlbaum Associates.
View publication stats

Silabus SPSS

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Silabus SPSS

Diunggah oleh

Hak Cipta:

Format Tersedia

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

Modul Pelatihan SPSS ; Aplikasi Pada Penelitian Sosial

Book · January 2010

Satrio Budi Wibowo

The user has requested enhancement of the downloaded file.

Modul Pelatihan SPSS

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung

BAB I PENDAHULUAN ....................................................................... 1

BAB II MEMULAI SPSS ....................................................................... 4

BAB III DESKRIPSI DATA.................................................................... 10

BAB IV HUBUNGAN ........................................................................... 17

Korelasi Product Moment ............................................................... 17

Korelasi Parsial .............................................................................. 30

BAB IV PERBANDINGAN .................................................................... 43

Indepent Sample t-test ................................................................... 43

Anava Satu Jalur ............................................................................ 53

Anava Dua Jalur ............................................................................ 62

DAFTAR PUSTAKA ........................................................................... 73

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung

Sebelum mempelajari berbagai macam analisis statistik menggunakan SPSS,

dinamakan sebagai parameter. Pertanyaan dalam penelitian kita (biasanya dinamakan

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 2

teknik analisis inferensi, dikarenakan adanya kemungkinan pembahasan yang akan

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 3

Ada tiga tahapan analisis data menggunakan SPSS ;

Gambar 1. Tampilan data editor

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 4

Gambar dan Grafik

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 5

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 6

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 7

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 8

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 9

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 10

Setelah mendapatkan data, langkah selanjutnya yang kita lakukan adalah

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 11

Klik untuk menampilkan kotak di bawah

Jumlah karakter yang dapat ditampung. Jika subyek anda

Pilih String untuk kolom nama

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 12

Selanjutnya akan muncul kotak berikut ;

Klik untuk memindahkan variabel

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 13

Klik tombol ini setelah variabel terpindah

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 14

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 15

Sekarang kita mulai membahas langkah-langkah dalam melakukan analisis

KORELASI PRODUCT MOMENT

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 17

ekor), atau “Kepercayaan diri berhubungan negative dengan kecenderungan

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 18

Uji Asumsi Normalitas

Kemudian akan muncul tabel berikut ini :

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 19

One-Sample Kolmogorov-S mirnov Test

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 20

“ Hasil pengujian normalitas dengan teknik Kolmogorov-Smirnov, didapatkan bahwa

Uji Asumsi Linieritas

Lalu akan muncul kotak berikut ini ;

Langkah selanjutnya adalah memindahkan variabel ke kotak di sebelah kanan.

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 21

© Satrio Budi, MA., Psikologi Universitas Muhammadiyah Lampung 22