Si
Penerbit:
CV. Madani Jaya
Bandar Lampung
Belajar Mudah & Praktis
Analisis Data dengan SPSS dan JASP
ISBN : 978-623-96979-0-7
ii
KATA PENGANTAR
Bandar Lampung
Penulis
M. Nursalim Malay
iii
DAFTAR ISI
Pendahuluan ........................................................................................1
A. Data Variabel ............................................................................. 1
B. Jenis Data ................................................................................... 4
C. Validitas dan Reliabilitas ............................................................... 5
D. Kaitan Antar Data Variabel ................................................................8
E. Statistika Parametrik dan Non-Parametrik........................................9
F. Uji Asumsi ...................................................................................... 12
iv
DAFTAR TABEL
v
DAFTAR LAMPIRAN
vi
1
PENDAHULUAN
4. Data Rasio
Data rasio adalah tingkatan data yang paling tinggi. Data rasio
memiliki jarak antar nilai yang pasti dan memiliki nilai nol mutlak yang
tidak dimiliki oleh jenis-jenis data lainnya. Contoh dari data rasio
diantaranya: berat badan, panjang benda, jumlah satuan benda. Jika
kita memiliki 10 bola maka ada perwujudan 10 bola itu, dan ketika ada
seseorang memiliki 0 bola maka seseorang tersebut tidak memiliki bola
satupun. Data rasio dapat digunakan dalam komputasi matematik,
misalnya A memiliki 10 bola dan B memiliki 8 bola, maka A memiliki 2
bola (10-8) lebih banyak dari B.
Ada lagi jenis data yang sering disebutkan dalam statistik yaitu data
parametrik dan non-parametrik. Jika “NOIR” adalah pembagian data
menurut tingkatan pengukuran, pembagian parametrik dan non-
parametrik dipengaruhi oleh karakteristik empirik dari data tersebut.
Pengetahuan tentang batasan data parametrik dan non-parametrik ini
sangat penting karena pada proses analisis memang dibedakan untuk
masing-masing jenis data tersebut.
Suatu data disebut sebagai data parametrik bila memenuhi kriteria
sebagai berikut (Field, 2000):
a. Normally distributed data. Data yang mempunyai distribusi normal
adalah data yang dapat mewakili populasi yang diteliti. Secara kasat
mata kita bisa melihat histogram dari data yang dimaksud, apakah
membentuk kurva normal atau tidak. Tentu saja cara ini sangat
subyektif. Cara lainnya yaitu dengan melakukan uji normalitas pada
data yang dimaksud –caranya akan dijelaskan lebih lanjut.
b. Homogenity of variance. Varians dari data yang dimaksud harus
stabil tidak berubah secara sistematis pada keseluruhan data. Kita
bisa mengetahui homogenity of variance dengan melakukan tes
B. Jenis Variabel
Jenis variabel lainnya dibedakan menurut hubungan antara
variabel :
1. Variabel independen (X). Disebut juga variabel stimulus, variabel
prediktor, dan variabel bebas, yaitu variabel yang menjadi sebab
perubahan atau timbulnya variabel dependen
2. Variabel dependen (Y). Disebut juga variabel output, variabel kriteria,
variabel konsekuen, dan variabel terikat, yaitu variabel yang
dipengaruhi atau yang menjadi akibat karena adanya variabel bebas
3. Variabel Moderator atau Variabel independen kedua, yaitu variabel
yang mempengaruhi (memperkuat atau memperlemah) hubungan
antar variabel independen dan dependen
4. Variabel intervening, yaitu variabel yang secara teoritis
mempengaruhi (memperkuat atau memperlemah) hubungan antara
variabel dependen dan independen, tetapi tidak dapat diukur
5. Variabel kontrol, yaitu variabel yang dikendalikan atau dibuat konstan
sehingga peneliti dapat melakukan penelitian yang bersifat
membandingkan
6. Variabel antara, adalah apabila variabel ini masuk, maka hubungan
antara kedua variabel itu menjadi lemah atau lenyap. Hal ini di
sebabkan karena hubungan semula yang tampak antara kedua
A C
B
Umur Kebiasaan
(Variabel
Pendidikan
Membaca
independen) (Variabel antara)
(Variabel
dependen)
C
A B
Kebiasaan
Status sosek Pendidikan
membaca
(Variabel (Variabel
(Variabel
anteseden) independen)
independen)
b. Validitas Konstruk;
Estimasi validitas konstruk dilakukan dengan membandingkan
'perilaku' skor tes dengan teori yang mendasari tesnya. Misalnya dalam
teori dikatakan inteligensi itu memiliki korelasi positif dengan bakat
kognitif tapi tidak memiliki korelasi dengan bakat musik. Maka tes
inteligensi yang kita buat dapat dikatakan memiliki validitas konstruk jika
skor tesnya memiliki korelasi yang positif dengan hasil skor tes bakat
kognitif dan tidak memiliki korelasi yang signifikan dengan bakat musik.
Ada cukup banyak teknik yang dapat digunakan untuk mengestimasi
validitas konstruk ini, misalnya dengan menggunakan Analisis Faktor
atau metode Multi-Trait Multi-Method
c. Validitas Kriteria;
Pendekatan ini dapat dilakukan dengan mengkorelasikan hasil tes
(berupa skor) yang ingin diestimasi validitasnya dengan kriteria berupa
hasil tes lain atau perilaku prediksi yang diharapkan. Misalnya kita ingin
mengestimasi validitas tes inteligensi yang sudah kita susun. Kita dapat
melakukannya dengan mengkorelasikan hasil tes inteligensi kita dengan
hasil tes inteligensi lain yang sudah baku. Jika korelasi antara hasil tes
inteligensi kita dengan yang sudah baku itu positif dan tinggi, maka
dapat dikatakan tes inteligensi kita memiliki validitas yang baik. Metode
ini disebut juga concurrent criterion-related validity. Atau kita juga
dapat mengestimasi dengan mengkorelasikan hasil tes inteligensi kita
dengan perilaku prediksi yang diharapkan, misalnya prestasi belajar
siswa di sekolah. Jika hasil korelasi bernilai positif dan tinggi, maka
dapat dikatakan tes inteligensi kita memiliki validitas prediktif yang baik
terhadap prestasi di sekolah. Ada beberapa syarat yang perlu dipenuhi
kriteria yang akan digunakan yaitu: relevan, reliabel, tidak bias, dan
dapat diperoleh.
INPUT DATA
BAGIAN I
ANALISIS DATA
DENGAN SPSS
A. MANAJEMEN DATA
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 3 5 4 2 3 3 5 4 4 4 5 5 3 4 3
2 4 4 3 2 3 5 4 5 4 4 5 3 3 5 5
3 3 2 2 2 3 3 3 3 3 3 3 3 2 3 2
4 5 3 3 3 4 3 5 5 3 5 5 5 4 4 4
5 4 3 4 4 4 4 5 5 5 5 4 4 4 5 4
6 5 4 5 2 5 4 5 5 3 5 5 5 4 3 4
7 4 4 3 3 4 4 3 3 4 3 5 3 3 3 4
8 4 4 5 5 4 3 5 5 5 5 5 5 3 3 4
9 4 3 2 1 4 3 4 2 3 5 4 3 3 2 3
10 3 4 2 2 2 3 3 3 3 2 2 4 3 2 2
11 4 4 4 3 3 4 4 5 4 5 4 4 3 3 4
12 5 5 5 5 4 4 5 5 5 5 5 4 4 5 3
13 3 4 4 2 3 4 3 4 4 4 3 3 2 3 3
14 4 5 3 2 4 5 3 5 3 3 5 3 4 5 5
15 4 4 4 3 3 3 3 3 2 4 3 4 4 3 3
16 4 3 3 2 4 4 4 5 3 3 4 5 3 3 4
17 3 3 2 3 2 3 3 4 3 4 5 3 2 4 2
18 4 5 4 1 3 4 4 4 4 5 4 3 3 4 4
19 3 4 3 2 3 3 4 4 3 3 5 4 3 5 4
20 3 5 5 2 2 3 3 3 2 5 5 4 3 2 3
21 3 4 3 2 3 2 3 3 4 5 4 2 4 2 3
22 4 5 4 5 3 3 4 3 5 2 3 5 4 4 3
23 3 4 4 3 3 4 4 4 4 5 4 4 3 3 4
24 4 3 4 3 3 4 4 3 4 3 5 4 3 3 4
25 4 3 3 3 4 5 5 5 5 5 5 4 4 5 4
Langkah-Langkah analisis
1. Buka lembaran kerja SPSS, lalu pindahkan data-data di atas
Reliability Statistics
Cronbach's
Alpha N of Items
,858 15
Item-Total Statistics
Cronbach's
Scale Mean if Scale Variance Corrected Item- Alpha if Item
Item Deleted if Item Deleted Total Correlation Deleted
VAR00001 51,0800 51,577 ,651 ,843
VAR00002 50,9600 55,290 ,181 ,864
VAR00003 51,3200 49,810 ,551 ,846
VAR00004 52,1600 50,390 ,420 ,855
VAR00005 51,5200 51,427 ,581 ,845
VAR00006 51,2400 52,857 ,431 ,852
VAR00007 50,9200 48,910 ,762 ,836
VAR00008 50,8400 47,973 ,704 ,837
VAR00009 51,1600 51,140 ,487 ,849
VAR00010 50,7600 52,357 ,319 ,860
VAR00011 50,5600 51,173 ,491 ,849
VAR00012 51,0000 52,667 ,392 ,854
VAR00013 51,6000 52,750 ,522 ,849
VAR00014 51,3200 49,560 ,514 ,848
VAR00015 51,3200 50,643 ,590 ,844
Jika dari output di atas, maka kita bisa mengetahui bahwa reliabilitas
skala semangat hidup yang disusun adalah 0.858. yang berarti bahwa
skala cukup reliabel (biasanya reabilitas suatu skala atau alat tes bisa
dikatakan baik bila nilai alpha cronbachnya > 0.60 (Nunnally, 1976). Nilai
alpha cronbach sebesar 0.858 mengindikasikan bahwa ada beberapa
responden yang menjawab tidak konsisten pada beberapa item, dan
harus kita lihat satu persatu jawaban responden, yang tidak konsisten
harus dibuang dari analisis dan alpha bisa meningkat.
Untuk melihat aitem mana yang tidak konsisten menggambarkan
respon subjek, maka kita dapat melihatnya dari kolom Corrected Item-
Total Correlation. Menurut Azwar (2015), apabila aitem yang memiliki
indeks daya diskriminasi sama dengan atau lebih besar daripada 0,300
jumlahnya melebihi jumlah item yang direncanakan untuk dijadikan
skala, maka peneliti dapat memilih item-item yang memiliki indeks daya
diskriminasi tertinggi. Sebaliknya apabila jumlah aitem yang lolos
ternyata masih tidak mencukupi jumlah yang diinginkan, kita dapat
mempertimbangkan untuk menurunkan sedikit batas kriteria 0,300
menjadi 0,250. Namun sangat tidak disarankan untuk menurunkan batas
kriteria di bawah 0,200.
Dalam kasus di atas dengan kriteria 0,300, maka ada satu aitem (
No 2) yang nilai <0,300. Maka kita menghilangkan satu aitem tersebut
dari analisis skala kita. Hasilnya reliabilitasnya akan meningkat sebagai
berikut :
Reliability Statistics
Cronbach'
s Alpha N of Items
,864 14
Tabel 4.
Distribusi Aitem Skala Semangat Hidup Penderita Kanker
Tabel.5
Hasil Seleksi Aitem
Catatan : Koefisien aitem-total yang dilaporkan yang baik saja sesuai kriteria
atau batasan yang ditentukan misalanya >0,300
2. Sifat : Individu
a. Uji Normalitas
Uji normalitas dengan menggunkan SPSS biasanya dengan uji
Kolmogorov Smirnov atau yang sering di sebut K-S test.
Jika hasil dari uji K-S p< 0,05, maka dapat dikatakan bahwa data
tidak normal. Dan jika p > 0.05, maka dapat dikatakan bahwa data
berdistribusi normal. Langkah-langkah dalam melakukan uji
normalitas adalah:
Untuk uji normalitas selain teknik Kolmogorov Smirnov bisa
juga dilakukan dengan teknik Chi Square (kai kudarat).
b. Uji Homogenitas
Uji homogenitas diperlukan untuk mengetahui, apakah data dari
setiap kategori group independent variable memiliki variance yang
sama. Uji levene test of homogeneity biasa digunakan untuk melihat hal
tersbut.Jika hasil dari levene test of homogeneity menghasilkan p <
0.05, maka data tidak homogen.Sedangkan jika p > 0.05, data
homogen.
Langkah-langkah :
1. Buat data di bawah ini pada lembar kerja SPSS, setelah selesai
dilanjutkan dengan langkah ke-2
Hasilnya
Test of Homogeneity of Variances
Levene Statistic df1 df2 Sig.
1. Apakah data sampel yang ada menyediakan bukti cukup bahwa ada
kaitan antara variabel-variabel dalam populasi asal sampel
Korelasi Bivariate
Analisis dengan korelasi
Menu – Analyze – Correlate – Bivariate
Pindahkan variabel optimisme dan semangat hidup pada kotak
variabel
Dari sub menu correlation coefficient pilih Pearson
Tabel.8
Data Analisis Hubungan 2 Variabel
Correlations
Optimisme Semangat_Hidup
1. 76 77
2. 77 79
3. 78 79
4. 79 80
5. 82 82
6. 88 82
7. 92 93
8. 96 92
9. 84 85
10. 88 90
11. 92 99
12. 98 97
13. 88 90
14. 97 96
15. 89 91
95% Confidence
Interval of the
Std. Std. Error Difference Sig.
Mean Deviation Mean Lower Upper t df (2-tailed)
Pair 1 Ruang_
Tradisional -,53333 2,92445 ,75509 -2,15284 1,08617 -,706 14 ,492
Ruang_
Modern
Tabel.10
Data Stres Karyawan pada
Ruangan Tradisional dan Ruang Modern
Data yang diperoleh dalam entri data ke SPSS, maka ruang trandisional
dan ruang modern diubah menjadi numerik (angka 1 = Tradisional, 2 =
Modern) ditampilkan pada tabel.10
Tabel.11
Data Stres Karyawan
T-Test
Group Statistics
Tipe_ruangan N Mean Std. Deviation Std. Error Mean
ANOVA
Kemandirian
Sum of
Squares df Mean Square F Sig.
Between Groups 35,167 2 17,583 13,238 ,000
Within Groups 43,833 33 1,328
Total 79,000 35
Descriptives
Kemandirian
95% Confidence
Interval for Mean
Std. Lower Upper
Tabel.13
Data Skor Kemandiran
8 7 4
PNS
7 6 5
6 8 3
3 5 3
4 5 3
Swasta
6 7 4
6 7 5
4 5 3
5 6 4
Lain-lain
5 6 3
4 6 5
measure = nominal
Variabel 3 = Kemandirian
Tipe data : Numeric, width 8, decimal places : 0,
measure : scale
2. Masukkan semua data seperti pada tabel di atas
3. Analisis dengan Anava
menu – analyze – General linier model – Univariate (Simple
Factorial)
Pindahkan variabel Kemandirian ke kotak Dependent variabel
Pindahkan variabel Pola Asuh dan Pekerjaan pada kotak Fixed
Factor
Selanjutnya klik option centang descriptive statistics dan
homogeneity test
Descriptive Statistics
Tabel. 14
Data Anareg Ganda
1 12 15 18
2 15 15 17
3 13 15 19
4 16 13 14
5 13 16 15
6 15 14 15
7 14 15 16
8 16 16 16
9 17 17 15
10 15 17 14
11 14 18 15
12 16 15 13
13 15 16 16
14 17 17 14
15 17 18 14
Output Anareg
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 ,675a ,455 ,364 1,307
a. Predictors: (Constant), Toleransi, Kematangan
b. Dependent Variable: Depresi
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
Kesimpulan :
R = 0,675 dengan F = 5,013 sig.0,026 (p<0,05) berarti secara bersama-
sama kematangan emosi (X1) dan toleransi terhadap kegagalan (X2)
mempunyai hubungan dengan kriterium keparahan depresi (Y). Adapun
sumbangan efektif kedua prediktor sebesar 45,50 % (R2 = 0,455)
terhadap keparahan depresi
Untuk analisis secara sendiri-sendiri dilakukan Analyze---correlate---
bivariate
Correlations
Kematangan Toleransi Depresi
Kematangan Pearson Correlation 1 ,257 -,671**
Sig. (2-tailed) ,354 ,006
N 15 15 15
Toleransi Pearson Correlation ,257 1 -,239
Sig. (2-tailed) ,354 ,392
N 15 15 15
Depresi Pearson Correlation -,671** -,239 1
Sig. (2-tailed) ,006 ,392
N 15 15 15
**. Correlation is significant at the 0.01 level (2-tailed).
Tabel.15
Data Motivasi, IQ, dan Prestasi Kerja
Karyawan Motivasi IQ Prestasi Kerja
1. 85 110 84
2. 82 100 85
3. 84 90 84
4. 91 110 87
5. 83 108 92
6. 88 106 91
7. 82 95 88
8. 86 90 82
9. 84 95 86
10. 90 105 84
Correlations
Control Variables Motivasi Prestasi_kerja
Inteligensi Motivasi Correlation 1,000 -,357
Significance (2-tailed) . ,345
Df 0 7
Hasil ;
r x1y-2 = -0,347 dengan sig.0,345 (p>0,05) berarti dengan
mengendalikan inteligensi tidak ada hubungan antara motivasi dan
prestasi kerja.
BAGIAN II
ANALISIS DATA
DENGAN JASP
Kelebihan JASP
1. “Free, Friendly, and Flexible”,
2. JASP dapat dipasang diberagam sistem operasi komputer, yaitu
Windows, MacOS, dan Linux. Artinya, sebagian besar komputer
mampu menjalankan JASP
3. Data dan keluaran hasil analisis JASP berada di satu file yang
sama, tidak seperti SPSS yang file-nya disimpan terpisah antara
data dengan keluaran hasil
4. Karena dibuat oleh para ahli di bidang psikologi, maka JASP
mengakomodir fitur-fitur yang menjadi persyaratan dalam
panduan penulisan APA
5. Uji asumsi di setiap analisis statistik menjadi keunggulan lain bagi
JASP dibandingkan SPSS. Setiap analisis pada program JASP
diberikan pilihan uji asumsi, misalnya ketika memilih
independent sample t-test, akan diberi pilihan “normality”, untuk
uji normalitas, dan “equality of variance”, untuk uji homogenitas
varians. Sedangkan, uji asumsi di SPSS cukup repot dilakukan
karena, misalnya, uji normalitas tidak tersedia di menu
independent sample t-test, melainkan harus menggunakan menu
Explore pada Descriptive Statistics untuk pilihan Normality plot
with tests.
Kekurangan JASP
Anda dapat membuka data yang terakhir Anda kerjakan, mencari data
pada file di komputer Anda, mengakses data dari the Open Science
Framework (OSF) atau membuka berbagai data yang disediakan
sebagai contoh yang tersimpan dalam Data Library
Preferences (Preferensi):
Ada tiga bagian yang dapat digunakan pengguna untuk menyesuaikan
JASP dengan kebutuhan.
Jika JASP keliru dalam mengidentifikasi tipe data, cukup klik pada
lambang jenis data pada judul kolom variabel yang sesuai kemudian
mengubahnya ke format yang benar.
Jika Anda telah mengkode data, Anda dapat meng-klik nama variabel
untuk membuka jendela berikut di mana Anda dapat memberi label
pada setiap kode. Label ini sekarang menggantikan kode dalam
tampilan data Anda. Jika Anda menyimpan ini sebagai file .jasp, kode-
kode ini, serta semua analisis
dan catatan, akan disimpan secara otomatis. Ini membuat analisis
data dapat sepenuhnya dilakukan kembali.
Penggunaan opsi ini tidak akan dijelaskan dalam buku ini. Untuk
data-in-jasp/
Opsi analisis utama dapat diakses dari tombol pilihan toolbar utama.
Saat ini (v0.11.1) menawarkan uji statistik parametrik dan non
parametrik yang sering dilakukan berikut ini dan tes Bayesian:
Descriptives Regression
Descriptive statitics Correlation matrix
Reliability analysis Linear regression
Logistic regression
T-Tests Frequencies
Independent Binomial test*
Paired Multinomial test*
One sample Contingency tables*
Log-linear regression*
ANOVA Factor
Independent Principal Component Analysis (PCA)*
Repeated measures Exploratory Factor Analysis (EFA)*
ANCOVA* Confirmatory Factor Analysis (CFA)*
MANOVA*
Signifikansi skor Z: p<0.05 jika z >1.96 p<0.01 jika z >2.58 p<0.001 jika z >3.29
Variable 2 Variable 3
Hipotesis null (Ho) yang diuji adalah rata-rata populasi dari dua
kelompokyang tidak berhubungan ini adalah sama.
Asumsi Yang Harus Dipenuhi Untuk Uji-T Independen
Kelompok yang independen:
Homogenitas varians:
Memahami Output
Output akan terdiri dari empat tabel dan satu grafik. Pertama, kita
harus memeriksa bahwa asumsi parametrik yang disyaratkan tidak
dilanggar.
Test of Normality (Shapiro-Wilk)
W p
Stres Karyawan Modern 0.940 0.383
Tradisional 0.949 0.513
Note. Significant results suggest a deviation from normality.
Whitney.
Test of Equality of Variances (Levene's)
F df p
Stres Karyawan 0.310 1 0.582
Group Descriptives
Group N Mean SD SE
Stres Karyawan Modern 15 88.600 6.663 1.720
Tradisional 15 82.267 7.658 1.977
Stres Karyawan
Empat asumsi yang harus dipenuhi agar uji ini mendapatkan hasil yang
valid:
Mehamai Output
Output dari analisis ini terdiri dari tiga tabel dan satu grafik.
Descriptives
N Mean SD SE
Ruang Tradisional 15 86.933 7.363 1.901
Ruang Modern 15 87.467 7.308 1.887
3. KORELASI
Pearson,
Report significance,
Display pairwise table
Flag significant correlations, dan
Correlation matrix yang berada di bagian Plots
MEMAHAMI OUTPUT
Assumption checks
Shapiro-Wilk Test for Bivariate Normality
Shapiro-Wilk p
Optimisme - Semangat hidup 0.962 0.450
Scatter plots
Pearson's Correlations
Pearson's r p
Optimisme - Semangat hidup 0.788 *** < .001
Asumsi-Asumsi
Analisis Varian membutuhkan asumsi yang sama seperti kebanyakan
tes parametrik lainnya.
• Variabel independen harus kategorikal dan variabel terikat
harus kontinu
• Kelompok-kelompok tersebut harus independen satu sama lain
• Variabel terikat setidaknya terdistribusi normal
• Tidak ada outlier yang signifikan
Harus memenuhi homogenitas pada varians antar kelompok. Jika
tidak, nilai p untuk statistik F mungkin tidak dapat diandalkan
Tukey - salah satu tes yang paling umum digunakan dan memberikan
eror Tipe I yang dikontrol untuk grup dengan ukuran sampel dan
varians yang sama.
Menjalankan Anava A
Bukalah Data Tabel.12 Anava A.csv. Data ini berisi 2 kolom yang
terdiri Pola Asuh (Otoriter, Demokratis, Permisif) dan Nilai
Belajar Mudah & Praktis Analisis Data
92
Kemandirian.
Klik ANOVA > ANOVA, masukkan Kemandirian ke dalam
Dependent Variable dan Pola Asuh ke dalam kotak Fixed Factors.
Lalu centang Descriptive statistics, Klik Assumption Checks dan
centang Homogeneity test dan jika F signifikan bisa klik post hoc
test dan pindahkan pola asuh .
ANOVA - Kemandirian
Cases Sum of Squares df Mean Square F p
Pola Asuh 35.167 2 17.583 13.238 < .001
Residuals 43.833 33 1.328
Note. Type III Sum of Squares
Karena ada perbedaan maka bisa juga diuji antar masing-masing pola
asuh dengan hasil sbb ;
a. t = 2,302 dengan p>0,05 berarti tidak ada perbedaan tingkat
kemandirian antara pola asuh demokratis dan otoriter
b. t = 5,136 dengan p<0,001 berarti ada perbedaan tingkat kemandirian
antara pola asuh demokratis dan permisif
c. t = 2,834 dengan p<0,05 berarti ada perbedaan tingkat kemandirian
antara pola asuh otoriter dan permisif
Post Hoc Comparisons - Pola Asuh
Mean Difference SE t p tukey
Demokratis Otoriter 1.083 0.471 2.302 0.069
Permisif 2.417 0.471 5.136 < .001
Otoriter Permisif 1.333 0.471 2.834 0.021
Note. P-value adjusted for comparing a family of 3
Descriptives - Kemandirian
Pekerjaan Ortu Mean SD N
Lainnya 4.667 1.073 12
PNS 6.000 1.651 12
Swasta 4.833 1.467 12
Descriptives - Kemandirian
Pekerjaan
Pola Asuh Mean SD N
Ortu
Demokratis Lainnya 5.750 0.500 4
PNS 7.250 0.957 4
Swasta 6.000 1.155 4
Otoriter Lainnya 4.500 0.577 4
PNS 6.500 1.291 4
Swasta 4.750 1.500 4
Permisif Lainnya 3.750 0.957 4
PNS 4.250 0.957 4
Swasta 3.750 0.957 4
ANOVA - Kemandirian
Cases Sum of Squares df Mean Square F p
Pola Asuh 35.167 2 17.583 16.658 < .001
Pekerjaan Ortu 12.667 2 6.333 6.000 0.007
Pola Asuh ✻ Pekerjaan Ortu 2.667 4 0.667 0.632 0.644
Residuals 28.500 27 1.056
Note. Type III Sum of Squares
3. ANALISIS REGRESI
Jika uji korelasi dilakukan untuk melihat hubungan antar variabel,
analisis regresi adalah langkah selanjutnya yang biasa dilakukan
untuk analisis prediktif, misalnya untuk memprediksi hasil dari variabel
terikat dari satu (regresi sederhana) atau lebih (regresi majemuk)
variabel bebas.
Hasil dari analisis regresi dalam sebuah model hipotesis
menjabarkan hubungan antara hasil dengan variabel prediktor. Model
yang digunakan adalah model linier yang dapat didefinisikan oleh
rumus:
y = c + b*x + ε
y = estimasi dari nilai variabel outcome (variabel terikat)
c = konstanta
b = koefisien regresi
x = nilai pada variabel prediktor (variabel bebas)
ε = komponen eror acak (didasarkan pada residual)
Coefficients
Collinearity Statistics
Model Unstandardized Standard Error Standardized t p Tolerance VIF
H₀ (Intercept) 15.400 0.423 36.395 < .001
H₁ (Intercept) 26.984 4.594 5.874 < .001
Kematangan Emosi -0.687 0.232 -0.653 -2.962 0.012 0.934 1.071
Toleransi -0.081 0.254 -0.071 -0.320 0.754 0.934 1.071
ANOVA
Model Sum of Squares df Mean Square F p
H₁ Regression 17.116 2 8.558 5.013 0.026
Residual 20.484 12 1.707
Total 37.600 14
Note. The intercept model is omitted, as no meaningful information can be shown.
Interpretasinya adalah ;
T-Test
Group Statistics
Tipe_ruangan N Mean Std. Deviation Std. Error Mean
Tingkat_stres Tradisional 15 82,2667 7,65755 1,97717
Modern 15 88,6000 6,66333 1,72047
Catatan
- Nilai dalam tanda kurung setelah t adalah nilai df
- Nilai p tidak ditulis 0,00 tapi p < ,001 karena nilai p memang tidak
mungkin 0. Itu hanya keterbatasan kolom SPSS saja
- Nilai p yang dilaporkan adalah nilai p two-tailed. Jika analisis dilakukan
dengan menggunakan one-tailed, maka perlu diberi keterangan
2. Tidak ada bentuk baku tabel harus seperti apa, namun sajikan nilai-
nilai yang perlu disajikan untuk masing-masing teknik analisis
(seperti penjelasan sebelumnya).
4. Tabel dan teks harusnya tidak saling overlap, apa yang sudah
tertulis di tabel tidak perlu ditulis kembali di teks, begitu juga
sebaliknya.
5. Dalam tulisan ini, tanda koma banyak ditulis dengan simbol (,)
karena mengikuti penyesuaian dalam bahasa Indonesia, sementara
seharusnya kalau mengikuti panduan APA, tanda koma ditulis
dengan simbol (.).
Daftar Pustaka
No STASTIK RUMUS
Jarak Pengukuran (R)
(1) LEBAR INTERVAL KELAS (i) i=
Jumlah Interval
𝑋 1 + 𝑋 2 + 𝑋 3 … 𝑋 𝑛−1 + 𝑋 𝑛
(2) MEAN M =
𝑁
∑X
(3) MEAN M=
N
∑fX
(4) MEAN M=
N
∑fx′
(5) MEAN M = MT + [ ]i
N
(6) JUMLAH DEVIASI ∑x = 0
1/2 N − cfb
(7) MEDIAN Mdn = Bb + [ ]i
fd
(8) MODE Mo = 3 Mdn − 2 M
1/4 N − cfb
(9) KWARTIL PERTAMA K 1 = Bb + [ ]i
fd
1/2 N − cfb
(10) KWARTIL KEDUA K 2 = Bb + [ ]i
fd
3/4 N − cfb
(11) KWARTIL KETIGA K 3 = Bb + [ ]i
fd
1/10 N − cfb
(12) DESIL PERTAMA D1 = Bb + [ ]i
fd
5/10 N − cfb
(13) DESIL KELIMA D5 = B b + [ ]i
fd
6/10 N − cfb
(14) DESIL KEENAM D6 = B b + [ ]i
fd
9/10 N − cfb
(15) DESIL KESEMBILAN D9 = B b + [ ]i
fd
3/10 N − cfb
(16) DESIL KETIGA D3 = B b + [ ]i
fd
7/10 N − cfb
(17) DESIL KETUJUH D7 = B b + [ ]i
fd
n/100 − cfb
(18) PERSENTIL KE-n Pn = Bb + [ ]i
fd
∑x 2
(28) STANDARD DEVIATION SD = √
N
∑x 2
(29) VARIANS V = SD2 =
N
∑fx 2
(30) STANDARD DEVIASI SD = √
N
2
∑fX 2
(32) STANDARD DEVIASI SD = √ − M2
N
2
∑fx′2 ∑fx′
(33) STANDARD DEVIASI SD = i√ −[ ]
N 𝑁
X−M
(34) z-SCORE z=
SD
x
(35) z-SCORE z=
SD
Lampiran 7
SCAN ME AND
DOWNLOAD!