Disusun Oleh:
CITRA WAHYUNI, M.Si.
PUTI FEBRAYOSI, M.Si.
2018
Asumsi Uji Parametrik
Analisis statistika yang akan dilakukan sesuai dengan hipotesis penelitian. Analisis statistika yang
dimaksudkan ialah uji statistika inferensial. Uji ini dilakukan apabila diambilnya data pada sampel
dan hasilnya diberlakukan ke dalam populasi. Hipotesis penelitian yang biasanya dilakukan
diantaranya:
a. Uji beda rata – rata
b. Uji hubungan
c. Uji pengaruh
Akan tetapi sebelum melakukan uji sesuai hipotesis (uji beda rata-rata, uji hubungan, atau uji
pengaruh), peneliti perlu memenuhi asumsi-asumsi untuk menentukan apakah data akan diuji
secara parametrik atau non-parametrik. Field (2009) mengatakan bahwa setidaknya terdapat
dua asumsi yang harus dipenuhi dalam uji parametrik, yakni normalitas dan homogenitas suatu
data. Apabila data terdistribusi secara normal, maka uji yang dapat dilakukan adalah uji
parametrik. Sebaliknya, jika data tidak terdistribusi secara normal maka uji yang dapat dilakukan
adalah uji non-parametrik. Selain itu, peneliti juga melakukan uji homogenitas untuk mengetahui
apakah varians data dari beberapa kelompok berbeda atau sama.
Berikut analisis yang akan dilakukan apabila menggunakan parametrik atau non-parametrik:
Uji Statistika Inferensial Parametrik Non-Parametrik
Uji beda rata-rata ANOVA Kruskall Wallis
Uji hubungan Korelasi Pearson Korelasi Spearman
Uji Pengaruh Regresi Partial least square
Pada mata kuliah Statistika II, uji yang akan dipelajari adalah uji parametrik yang terdiri dari
analisis ANOVA, korelasi, dan regresi. Namun sebelum itu, ada baiknya kita mempelajari
bagaimana uji normalitas dan uji homogenitas.
1. Uji Normalitas
Sebagai catatan, uji normalitas dilakukan tergantung pada uji statistika yang akan dicari, apabila:
Uji beda rata-rata, maka uji normalitas dilakukan pada skor masing-masing kelompok
Uji hubungan, maka uji normalitas dilakukan pada skor
Uji pengaruh, maka uji normalitas dilakukan pada skor residual
Menurut Field (2009), setidaknya terdapat tiga jenis uji normalitas yang dapat dilakukan,
yakni menggunakan Kolmogorov Smirnov, P-P plots, dan memperhitungkan nilai skewness dan
kurtosis.
Berikut merupakan contoh uji normalitas untuk uji beda rata-rata pada tiga kelompok,
yang nantinya bisa dianalisis dengan uji one-way ANOVA.
Seorang guru melakukan analisis terhadap perbedaan prestasi belajar murid-muridnya.
Responden yang digunakan sebanyak 180 orang. Guru tersebut ingin melihat perbedaannya
berdasarkan gaya belajar yakni audio, visual, dan kinestetik. Masing-masing kelompok berisikan
60 orang. Sebelum melakukan uji beda pretasi belajar diantara ketiga kelompok. Ia akan lakukan
uji normalitas terhadap data penelitiannya. Data penelitian dapat Anda dapatkan melalui soft file
data SPSS yang akan diberikan oleh dosen dengan nama file: Uji Normalitas – Skor Prestasi
Bedasarkan Gaya Belajar. sav. Berikut sebagian gambaran datanya:
3
b. Masukkan satu persatu nilai skor prestasi visual, audio, dan kinestetik ke dalam
“Dependenent List”
4
c. Klik “Statistics”, kemudian ceklis bagian “Descriptives”
Ketika Mengklik “Statistics” Ketika Menceklis “Descriptives”
d. Klik “Continue”
e. Klik “Plots”, kemudian ceklis “Histogram” dan “Normality plots with tests”
f. Klik “Continue”
g. Klik “OK”
h. Akan keluar output-nya, simpan terlebih dahulu output SPSS dengan nama: “Uji Kolmogorov
Smirnov Skor Prestasi Berdasarkan Gaya Belajar”.
Berdasarkan pengolahan data dengan SPSS, hasil uji Kolmogorov Smirnov untuk data skor
prestasi dengan gaya belajar visual adalah D(60) = 0.117, p<0.05, hasil uji Kolmogorov Smirnov
untuk data skor prestasi dengan gaya belajar audio adalah D(60) = 0.133, p<0.05, dan hasil uji
Kolmogorov Smirnov untuk data skor prestasi dengan gaya belajar kinestetik adalah D(60) =
0.117, p<0.05. Hasil tersebut menunjukkan bahwa nilai signifikansi untuk ketiga skor prestasi
berdasarkan gaya belajar visual, audio, dan kinestetik <0.05. Hal tersebut menandakan bahwa
hipotesis nol uji ini ditolak, yakni ada beda distribusi data penelitian dengan distribusi normal.
6
a. Klik Analyze Descriptive Statistics P-P Plots
Maka akan muncul gambar seperti di bawah ini:
b. Masukkan skor prestasi gaya belajar visual, audio, dan kinestetik ke dalam “Variables”
c. Klik “OK”
d. Akan keluar output-nya, simpan terlebih dahulu output SPSS dengan nama: “Uji P-P Plots
Skor Prestasi Berdasarkan Gaya Belajar”.
e. Copy satu per satu grafik P-P Plots Skor Prestasi Berdasarkan Gaya Belajar
7
P-P Plots Skor Prestasi Gaya Belajar Visual P-P Plots Skor Prestasi Gaya Belajar Audio
8
1.3.1 Pengertian Skewness dan Kurtosis
1.3.1.1 Skewness
Skewness disebut juga kemiringan suatu data atau derajat ketidaksimetrisan suatu
distribusi. Data yang terdistribusi skewed, skornya cenderung menumpuk ke salah satu ujung
skala dan meruncing secara bertahap di ujung yang lain.
a. Skewness Positif
Nilai skewness positif menandakan bahwa data menumpuk pada nilai yang rendah, sehingga data
cenderung condong ke arah kiri dan ujung ekornya berada pada nilai positif. Berikut adalah
gambar data yang terdistribusi skewed positif.
b. Skewness Negatif
Nilai skewness negatif menandakan bahwa data menumpuk pada nilai yang tinggi, sehingga data
cenderung condong ke arah kanan dan ujung ekornya berada pada nilai negatif. Berikut adalah
gambar data yang terdistribusi skewed negatif.
1.3.1.2 Kurtosis
Kurtosis sering disebut sebagai keruncingan suatu data. Namun sebenarnya, kurtosis
mengacu pada dua hal yakni sejauh mana keruncingan suatu distribusi data dan sejauh mana
skor mengelompok di ujung distribusi (dikenal sebagai ekor).
a. Kurtosis Positif
Kurtosis positif memiliki banyak nilai di ekor (yang disebut distribusi berat-berekor) dan
datanya meruncing. Distribusi ini dikenal sebagai distribusi leptokurtik. Berikut adalah gambar
data dengan distribusi kurtosis positif (leptokurtik).
9
b. Kurtosis Negatif
Kurtosis negatif merupakan distribusi suatu data yang datar atau menyebar dan memiliki
ekor yang lebih sedikit jumlah datanya. Distribusi ini disebut distribusi platykurtik. Berikut adalah
gambar data dengan distribusi kurtosis negatif (platykurtik).
10
1.3.2.1 Langkah Mendapatkan Nilai Skewness dan Kurtosis dengan SPSS
Langkah menghitung nilai kurtosis akan dijabarkan secara rinci di bawah ini:
a. Klik Analyze Descriptive Statistics Frequencies
Maka akan muncul gambar seperti di bawah ini:
b. Masukkan skor prestasi gaya belajar visual, audio, dan kinestetik ke dalam “Variable(s)”
11
c. Klik “Statistics”, kemudian ceklis bagian “Quartiles”, “Mean”, “Median”, “Mode”, “Std.
Deviaton”, “Variance”, “Range”, “Minimum”, “Maximum”, “S.E. Mean”, “Skewness”, dan
“Kurtosis”
c. Klik “Continue”
d. Klik “Charts” kemudian klik bagian “Histograms” dan ceklis bagian “Show normal curve on
histogram”
Ketika mengklik “Charts” Ketika mengklik “histograms” dan menceklis
bagian “show normal curve on histogram”
12
e. Klik “Continue”
f. Klik “OK”
g. Akan keluar output-nya, simpan terlebih dahulu output SPSS dengan nama: “Hitung Nilai
Skewness dan Kurtosis Skor Prestasi Berdasarkan Gaya Belajar”.
1.3.2.2 Melaporkan Output SPSS dan Menghitung Nilai Skewness dan Kurtosis
Copy hasil output di bawah ini ke File Ms. Word.
𝐾−0
𝑍𝑘𝑢𝑟𝑡𝑜𝑠𝑖𝑠 =
𝑆𝐸𝑘𝑢𝑟𝑡𝑜𝑠𝑖𝑠
Keterangan:
S = Nilai skewness
SEskewness = Standar error skewness
K = Nilai kurtosis
SEkurtosis = Standar error kurtosis
13
b. Patokan Nilai Skewness dan Kurtosis
Nilai Z-Skewness dan Z-Kurtosis Signifikansi
1.96 p<0.05
2.58 p<0.01
3.29 p<0.001
- Untuk jumlah sampel yang lebih kecil patokan z-skor nya adalah ≥1.96
- Untuk jumlah sampel yang lebih besar (n ≥ 200), maka patokan z-skor nya ditingkatkan,
yakni ≥3.29.
Catatan: Pada sampel yang lebih besar, nilai standar error yang didapatkan akan lebih kecil
sehinggga nilai z-skor skewness dan kurtosis nya akan lebih besar dan nilai signifikansinya
akan ≤0.05 bahkan ≤0.001.
Perlu diingat bahwa: Untuk jumlah sampel lebih dari 200, maka uji normalitas sebenarnya bukan
menjadi suatu yang diharuskan. Hal tersebut dikarenakan berdasar pada “central limit theorem”,
yakni semakin besar jumlah sampel (n ≥ 30) maka distribusi data nya cenderung akan terdistribusi
secara normal.
0.147 − 0
𝑍𝑠𝑘𝑒𝑤𝑛𝑒𝑠𝑠 = = 0.476
0.309
0.817 − 0
𝑍𝑘𝑢𝑟𝑡𝑜𝑠𝑖𝑠 = = 1.34
0.608
Pada skor prestasi dari gaya belajar visual, nilai z-skewness = 0.476 dan nilai z-kurtosis =
1.34. Nilai tersebut kurang dari patokan minimal nilai z-skewness dan z-kurtosis 1.96. Oleh
karenanya, dapat dikatakan bahwa data skor prestasi dari gaya belajar visual Terdistribusi
Normal.
0.423 − 0
𝑍𝑠𝑘𝑒𝑤𝑛𝑒𝑠𝑠 = = 1.37
0.309
14
K = Nilai kurtosis = -0.342 (Abaikan tanda negatif saat penghitungan
SEkurtosis = Standar error kurtosis = 0.608
0.342 − 0
𝑍𝑘𝑢𝑟𝑡𝑜𝑠𝑖𝑠 = = 0.56
0.608
Pada skor prestasi dari gaya belajar audio, nilai z-skewness = 1.37 dan nilai z-kurtosis = 0.56.
Nilai tersebut kurang dari patokan minimal nilai z-skewness dan z-kurtosis 1.96. Oleh karenanya,
dapat dikatakan bahwa data skor prestasi dari gaya belajar audio adalah Terdistribusi Normal.
0.314 − 0
𝑍𝑠𝑘𝑒𝑤𝑛𝑒𝑠𝑠 = = 1.016
0.309
0.477 − 0
𝑍𝑘𝑢𝑟𝑡𝑜𝑠𝑖𝑠 = = 0.78
0.608
Pada skor prestasi dari gaya belajar kinestetik, nilai z-skewness = 1.016 dan nilai z-kurtosis
= 0,78. Nilai tersebut kurang dari patokan minimal nilai z-skewness dan z-kurtosis 1.96. Oleh
karenanya, dapat dikatakan bahwa data skor prestasi dari gaya belajar kinestetik adalah
Terdistribusi Normal.
Berdasarkan penghitungan nilai z-skewness dan kurtosis data skor prestasi dari gaya belajar
visual, audio, dan kinestetik didapatkan kesimpulan bahwa data penelitian ini terdistribusi
normal. Namun, sebelum menentukan bahwa kita akan menggunakan uji parametrik terlebih
dahulu kita lakukan uji homogenitas.
2. Uji Homogenitas
Uji homogenitas digunakan untuk mengetahui apakah varians data dari beberapa kelompok
sama atau tidak. Pengambilan keputusan homogen atau tidak berdasarkan hipotesis di bawah
ini:
Ho : Tidak ada beda varians dari dua atau lebih kelompok
Ha : Ada beda varians dari dua atau lebih kelompok
Apabila:
Hipotesis Nol Hasil varians penelitian Output di SPSS
Ho diterima Varians homogen Sig. > 0.05
Ho ditolak Varians tidak homogen Sig. < 0.05
15
Sebagai contoh, masih menggunakan data yang sama mengenai perbedaan prestasi belajar pada
tiga gaya belajar. Namun input data yang digunakan berbeda, anda dapat meminta data SPSS
dari Dosen anda dengan nama file: “Uji Homogenitas – Skor Prestasi Berdasarkan Gaya
Belajar.sav”. Adapaun contoh gambaran datanya adalah sebagai berikut:
b. Masukkan koding gaya belajar ke dalam “Factor List” dan Skor Prestasi ke dalam “Dependent
List”.
16
Sebagai catatan:
Pada uji beda rata-rata, untuk melakukan uji homogenitas, data yang dimasukan ke dalam
kolom “Factor List” adalah kode/koding kelompok.
Pada uji hubungan atau pengaruh, untuk melakukan uji homogenitas, data yang dimasukan
ke dalam kolom “Factor List” adalah skor variabel
c. Klik “Plots”, kemudian ceklis “Normality plots with tests” dan pilih “Untransformed”
d. Klik “Continue”
e. Klik “OK”
f. Akan keluar output-nya, simpan terlebih dahulu output SPSS dengan nama: “Hasil Uji
Homogenitas Skor Prestasi Berdasarkan Gaya Belajar”.
g. Copy hasil output tabel “Test of Homogeneity of Variance”
17
2.2. Hasil dan Interpretasi Uji Homogenitas
Tabel hasil uji homogenitas dengan Levene’s test menunjukkan hasil F(2,177) = 1.429,
p>0.05. Hasil signifikansi uji homogenitas ini menunjukkan angka p=0.242 yang berarti Hipotesis
Nol uji ini diterima, yakni varians data nilai skor prestasi berdasarkan gaya belajar Homogen.
Perhatian: Pada sampel yang besar, hasil Levene’s test bisa menunjukkan hasil yang signifikan
(p<0.05) meski varians datanya tidak jauh berbeda. Oleh karenanya, pada sampel yang lebih
besar n≥200, hasil dari Levene’s test perlu dilengkapi dengan melakukan pembagian variance
ratio (Baca buku Andy Field halaman 150 - 152).
18
Uji One-Way ANOVA
19
2. Uji One-Way ANOVA
Uji one-way anova merupakan uji beda rata-rata dengan jumlah kelompok lebih dari dua.
Tujuan: Menguji perbedaan nilai rata-rata satu variabel independen (IV) yang merupakan data
dari >2 kelompok. Adapun hipotesis pada uji one-way anova adalah:
Ho : Tidak ada beda rata-rata variabel Y antara kelompok satu, dua, dan tiga
Ha : Ada beda rata-rata variabel Y antara kelompok satu, dua, dan tiga
Apabila:
Hipotesis Nol Hasil penelitian Output di SPSS
Ho diterima Tidak ada beda…. Sig. > 0.05
Ho ditolak Ada beda…. Sig. < 0.05
Perlu diingat bahwa uji one-way ANOVA mempertimbangkan dua hal yakni, variance
between treatments dan variance within treatments, yang akan menghasilkan nilai akhir berupa
F ratio. Berikut adalah penjelasan lengkapnya:
Adapun nilai mean of squares between dan mean of squares within data ini adalah MS
between = 0.467 dan MS within = 1.233.
21
2. Sebelum menghitung nilai F, ketahuilah terlebih dahulu variabel independen (IV) dan variabel
dependen (DV) dalam penelitian.
IV =
DV =
5. Termasuk jenis apakah penelitian ini jika ditinjau dari desain subjeknya? Jelaskan alasannya!
7. Tentukan Hipotesis
H0:
Ha:
2. Menghitung nilai F:
𝑀𝑆𝑏𝑒𝑡𝑤𝑒𝑒𝑛
𝐹= =
𝑀𝑆𝑤𝑖𝑡ℎ𝑖𝑛
22
c. Bagaimana penarikan hipotesisnya (H0 diterima / ditolak)?
b. Simpan data yang telah diinput dengan nama: “Pertemuan III - Penelitian Kostum Superhero”
c. Klik Analyze Compare Means One-way Anova
Maka akan muncul gambar seperti di bawah ini:
23
d. Masukan skor tingkat keparahan luka dalam kolom “Dependent List”, dan koding kelompok
kostum superhero ke dalam kolom “Factor”.
Hasilnya seperti gambar di bawah ini:
f. Klik “Continue”
g. Klik “OK”
h. Akan keluar output-nya, simpan terlebih dahulu output SPSS dengan nama: “Hasil Uji One-Way
ANOVA Kostum Superhero”.
24
2.2.2.2. Hasil dan Interpretasi Uji One-Way ANOVA
1. Isilah pertanyaan berikut ini dengan mengacu pada uraian “Penelitian Kenyamanan Menonton
TV Berdasarkan Jarak Pandang”
25
a. Berdasarkan uraian, tentukanlah variabel independen dan variabel dependen dalam
penelitian!
b. Termasuk jenis apakah penelitian tersebut (non eksperimental / eskperimental)? Jelaskan
alasannya!
c. Termasuk jenis apakah penelitian tersebut jika ditinjau dari desain subjeknya? Jelaskan
alasannya!
d. Uji analisis apa yang paling tepat menganalisis penelitian tersebut? Jelaskan alasannya!
e. Asumsi-asumsi apa yang harus dipenuhi sebelum melakukan uji analisis tersebut?
(Sebutkan saja tidak perlu dilakukan uji)
f. Tentukan hipotesis untuk menjawab permasalahan penelitian tersebut!
2. Adapun nilai mean of squares between dan mean of squares within data ini adalah MS
between = 16.67 dan MS within = 2. Tentukan dan hitunglah:
a. Tentukan df between dan df within!
b. Tentukan F hitung!
c. Bandingkanlah nilai F hitung dengan F tabel, lalu buat penarikan hipotesisnya!
d. Buatlah interpretasi dari hasil perhitungan dan tuliskan nilai F nya menggunakan kaidah
APA!
3. Gunakanlah SPSS untuk menjawab permasahan penelitian tersebut, lalu jawablah dan
kerjakanlah:
a. Tuliskan hasil output SPSS one-way ANOVA pada buku latihan anda
b. Buatlah penarikan hipotesis dan interpretasi dari hasil output SPSS tersebut!
4. Isilah pertanyaan berikut ini dengan mengacu pada uraian “Penelitian Penyesuaian Diri
Berdasarkan Zona Waktu Tujuan Pesawat”
26
a. Berdasarkan uraian, tentukanlah variabel independen dan variabel dependen dalam
penelitian!
b. Termasuk jenis apakah penelitian tersebut (non eksperimental / eskperimental)? Jelaskan
alasannya!
c. Termasuk jenis apakah penelitian tersebut jika ditinjau dari desain subjeknya? Jelaskan
alasannya!
d. Uji analisis apa yang paling tepat menganalisis penelitian tersebut? Jelaskan alasannya!
e. Asumsi-asumsi apa yang harus dipenuhi sebelum melakukan uji analisis tersebut?
(Sebutkan saja tidak perlu dilakukan uji)
f. Tentukan hipotesis untuk menjawab permasalahan penelitian tersebut!
5. Adapun nilai mean of squares between dan mean of squares within data ini adalah MS
between = 14 dan MS within = 1.2. Tentukan dan hitunglah:
a. Tentukan df between dan df within!
b. Tentukan F hitung!
c. Bandingkanlah nilai F hitung dengan F tabel, lalu buat penarikan hipotesisnya!
d. Buatlah interpretasi dari hasil perhitungan dan tuliskan nilai F nya menggunakan kaidah
APA!
6. Gunakanlah SPSS untuk menjawab permasahan penelitian tersebut, lalu jawablah dan
kerjakanlah:
a. Tuliskan hasil output SPSS one-way ANOVA pada buku latihan anda!
b. Buatlah penarikan hipotesis dan interpretasi dari hasil perhitungan dengan SPSS dan
tuliskan nilai F nya menggunakan kaidah APA!
7. Uraikan sebuah penelitian yang akan kamu lakukan dengan desain penelitian yang cocok
untuk diuji dengan analisis one-way ANOVA!
27
Lanjutan ANOVA
Melengkapi materi modul pada halaman 19, berikut akan dijelaskan lebih rinci mengenai
analisis ANOVA.
1. Pengertian ANOVA
ANOVA merupakan suatu prosedur pengujian hipotesis yang digunakan untuk
mengevaluasi perbedaan mean (nilai rata-rata) pada data yang terdiri atas >2 kelompok atau >2
perlakuan. Pada anova, terdapat dua jenis variabel yakni independen variabel (pada anova sering
disebut sebagai faktor) dan dependen variabel.
Berdasarkan contoh tersebut, sebenarnya dapat dikatakan bahwa kita ingin menguji
pengaruh status sosial ekonomi (menengah ke bawah, menengah, dan menengah ke atas)
terhadap motivasi belajar siswa sekolah dasar. Oleh karenanya IV dari penelitian tersebut adalah:
- IV: status sosial ekonomi
28
IV tersebut terdiri dari 3 level, yakni menengah ke bawah, menengah, dan menengah ke
atas. Pada uji one-way ANOVA, level atau jenis dari IV inilah yang dijadikan kelompok
dimana masing-masing kelompok terdiri dari subjek yang berbeda-beda.
29
4. Jenis-Jenis ANOVA
Jumlah
Desain
Faktor Sifat Jenis Uji Penjelasan
Subjek / Pengertian Contoh
dan Pengukuran ANOVA Contoh
Perlakuan
Level
Masing-
masing
kelompok
penelitian 1 IV: Gaya belajar
terdiri dari Faktor Level: Ada 3,
Skor
Between subjek / 1 IV yakni visual,
Independent One-Way prestasi
subjects / yang dengan audio, dan
Measures ANOVA berdasarkan
treatments berbeda >2 kinestetik
gaya belajar
dan atau Level / DV: Skor
mendapat Jenis Prestasi
perlakuan
yang
berbeda
IV1: Tingkat
Kesulitan Tugas
Masing-
Level dari IV1:
masing
Ada 3, yakni
kelompok
Tingkat mudah,
penelitian 2
kesulitan sedang, sulit
terdiri dari Faktor
tugas dan
Between subjek / 2 IV
Independent Faktorial jenis IV2: Jenis
subjects / yang dengan
Measures ANOVA kelamin Kelamin
treatments berbeda ≥2
terhadap Level dari IV2:
dan atau Level /
kemahiran Ada 2, yakni
mendapat Jenis
verbal laki-laki dan
perlakuan
perempuan
yang
berbeda
DV: Kemahiran
Verbal
Masing- IV: Usia anak
masing 1 Tingkat Level: Ada 3,
kelompok Faktor empati anak yakni pada usia
Within penelitian / 1 IV Repeated dilihat pada 4 tahun, 6
Repeated
subjects / berasal dengan Measures usia 4 tahun, dan 8
Measures
treatments dari subjek >2 ANOVA tahun, 6 tahun
yang sama Level / tahun dan 8
dan atau Jenis tahun DV: Tingkat
mendapat Empati
30
perlakuan
yang Catatan:
berulang Penelitian ini
dilakukan pada
subjek yang
sama namun
diukur pada
tiga waktu
yang berbeda,
yakni pada saat
anak usia 4
tahun, 6 tahun,
dan 8 tahun
31
ANALISIS KORELASI
A. Korelasi
Berikut adalah beberapa penjelasan mengenai analisis korelasi:
1. Merupakan analisis yang termasuk ke dalam uji parametrik, oleh karenanya asumsi yang harus
dipenuhi adalah: data terdistribusi normal, varians data homogen, dan jenis data interval.
2. Korelasi merupakan teknik analisis yang digunakan untuk mengukur kekuatan hubungan antara dua
variabel (variabel X dan Y).
3. Analisis korelasi tidak memerlukan asumsi ada atau tidaknya variabel penyebab (independent
variable) dan variabel akibat (dependent variable).
4. Fungsi utamanya adalah untuk menentukan seberapa erat hubungan antara dua variabel, dan salah
satu ukuran yang menyatakan keeratan hubungan adalah koefisien korelasi.
Hasil penelitian menggunakan analisis korelasi (r) memiliki dua informasi mengenai:
1. Arah (positif atau negatif)
a. Apabila korelasi tersebut menghasilkan arah atau tanda positif (+):
Skor variabel yang satu meningkat, maka skor variabel lainnya meningkat, atau sebaliknya jika skor
variabel yang satu menurun, maka skor variabel lainnya menurun.
b. Apabila korelasi tersebut menghasilkan arah atau tanda negatif (-):
Skor variabel yang satu meningkat, maka skor variabel lainnya menurun, atau sebaliknya jika skor
variabel yang satu turun, maka skor variabel lainnya meningkat.
2. Besarnya hubungan (nilai nol sampai satu)
Korelasi dilambangkan dengan r dengan ketentuan nilai r berada pada rentang -1≤ r ≤1. Apabila nilai r
= -1 artinya korelasi negatif sempurna; r = 0 artinya tidak ada korelasi; dan r = 1 artinya korelasinya sangat
kuat). Semakin nilai r mendekati nol (misal: r = 0,05) maka menunjukkan hubungan yang sangat lemah,
dan semakin nilai r mendekati satu (misal: r = 0,98) maka menunjukkan hubungan yang sangat kuat.
32
Berikut adalah contoh grafik yang menggambarkan korelasi positif yang tinggi dan korelasi negatif
yang tinggi.
Selain melihat nilai r, peneliti juga perlu melihat nilai signifikansi dari hasil perhitungan. Hal tersebut
diperlukan untuk menarik hasil yang diperoleh ke hasil pada populasi. Berikut adalah penjabaran hipotesis
pada analisis korelasi:
Jika sig > 0.05 Jika sig < 0.05
H0 = Tidak ada hubungan antara
H0 diterima, sehingga: Tidak H0 ditolak, sehingga: Ada
variabel X dan variabel Y
ada hubungan antara hubungan antara variabel X
Ha = Ada / terdapat hubungan
variabel X dan variabel Y dan variabel Y
antara variabel X dan variabel Y
B. Contoh Kasus 1
Manajer penjualan sebuah kedai kopi, ingin melihat apakah ada hubungan antara banyaknya iklan
yang dilihat oleh penonton dalam satu hari dengan banyaknya jumlah kopi yang dibeli dalam satu bulan.
Untuk menjawab rasa penasarannya, maka bagian penjualan tersebut mengambil sepuluh pembeli kopi
secara acak dan diperoleh hasil sebagai berikut:
Pembeli Jumlah Iklan yang Jumlah Kopi yang Dibeli
Dilihat
A 4 15
B 6 30
C 4 18
D 8 36
E 3 22
F 3 20
G 4 24
H 5 25
I 3 15
33
J 7 34
Secara umum dapat dikatakan ada hubungan antara jumlah iklan yang dilihat per hari dengan
jumlah kopi yang dibeli selama satu bulan, tetapi hubungan ini tidak pasti. Sebagai contoh, A melihat iklan
empat kali per hari dan membeli kopi sebanyak 15 buah, sedangkan I melihat iklan tiga kali per hari dan
membeli kopi sebanyak 15 buah.
Untuk menghindari kesalahan dalam menggeneralisasi, maka hubungan keduanya akan dianalisis
dengan teknik statistika korelasi menggunakan SPSS, berikut langkah-langkahnya. Akan tetapi, sebelum
melakukan analisis dengan SPSS maka tentukan dulu hipotesisnya:
H0 : Tidak ada hubungan antara jumlah iklan yang dilihat dalam satu hari dengan jumlah kopi yang
dibeli dalam satu bulan
Ha : Ada hubungan antara jumlah iklan yang dilihat dalam satu hari dengan jumlah kopi yang
dibeli dalam satu bulan
34
3. Masukkan masing-masing skor ke dalam kolom “Variables”, seperti gambar di bawah ini:
4. Klik “OK”
5. Akan keluar output-nya, simpan terlebih dahulu output SPSS dengan nama: “Hasil Uji Korelasi Iklan
Dilihat _Kopi Dibeli”.
6. Copy hasil output tabel “Correlations” ke file Ms. Word
35
C.2. Membaca Hasil Output Analisis Korelasi
Nilai korelasi sebesar 0.901 menunjukkan nilai dan arah korelasi. Berdasarkan hasil tersebut dapat
dikatakan bahwa hubungan antar kedua variabel sangat kuat yang ditunjukkan dengan nilai r = 0.901.
Hasil tersebut juga menunjukkan bahwa hubungan yang terjadi pada kedua variabel adalah positif
sehingga dapat dikatakan semakin banyak iklan yang dilihat oleh partisipan, maka semakin banyak
jumlah kopi yang dibeli.
Adapun tanda bintang dua (**) pada nilai 0.901 menandakan bahwa hubungan yang terjadi antar dua
variabel signifikan dengan p < 0.01.
Nilai signifikansi merupakan patokan dalam menentukan H 0 diterima atau ditolak. Berdasarkan hasil
tersebut, nilai signfikansi menunjukkan p = 0.000 sehingga H0 ditolak. Oleh karenanya, ada hubungan
antara jumlah iklan yang dilihat per hari dengan jumlah kopi yang dibeli dalam satu bulan, dengan r =
0.901, p < 0.01.
Nilai “N” pada hasil output tersebut menunjukkan jumlah partisipan yang mengikuti penelitian, yaitu
10 orang
D. Contoh Kasus 2
Sekelompok peneliti dari King Saud University, yakni Alotaibi, Tohmaz, dan Jabak (2017)
mempublikasikan hasil penelitiannya yang berjudul “The Relationship Between Self-Regulated Learning
36
and Academic Achievement for a Sample of Community College Students at King Saud University”.
Penelitian ini dilakukan pada 356 mahasiswa yang sedang dalam program persiapan belajar di King Saud
University. Variabel self-regulated learning diukur melalui empat komponen, yaitu goal setting and
planning, keeping records and monitoring, rehearsal and memorization, dan seeking social assistance.
Variabel academic achievement diukur melalui dua komponen, yaitu english language scores dan
mathematic scores. Berikut adalah hasil analisis korelasi dari masing-masing komponen self-regulated
learning dan academic achievement:
Isilah pertanyaan berikut ini dengan mengacu pada tabel hasil analisis korelasi di atas:
a. Apa komponen self-regulated learning yang berkorelasi paling erat dengan english language scores?
Berikan penarikan hipotesis dan interpretasinya!
Jawaban: Komponen self-regulated learning yang berkorelasi paling erat dengan english language scores
adalah komponen goal setting and planning dengan nilai r = 0.564 dengan arah positif. Berdasarkan hasil
pada tabel tersebut nilai r = 0.564 berada pada signifikansi p < 0.01 sehingga hipotesis nol ditolak. Oleh
karenanya, ada hubungan antara goal setting and planning dengan english language scores dengan r =
0.564, p < 0.01. Hasil ini menunjukkan bahwa semakin tinggi goal setting and planning yang dimiliki
mahasiswa, maka semakin tinggi english language score yang akan diperoleh. Sebaliknya, semakin rendah
goal setting and planning yang dimiliki mahasiswa, maka semakin rendah english language score yang
akan diperoleh.
b. Apa komponen self-regulated learning yang berkorelasi paling erat dengan mathematics scores?
Berikan penarikan hipotesis dan interpretasinya!
c. Apakah terdapat hubungan antara seeking social assistance dengan mathematics score? Berikan
penarikan hipotesis dan interpretasinya!
37
E. Tugas 1
E.1. Instruksi Tugas
1. Diskusikan secara berkelompok artikel jurnal yang ditulis oleh Anastiani dan Indrasari (2017) dengan
judul “The Correlation of Self-Regulated Learning and Creative Self-Efficacy among Architecture
College-Students”
2. Anggota kelompok akan dibagi oleh dosen
3. Tugas tetap dikerjakan secara individu
E.2. Soal
1. Apakah yang diuji dalam penelitian tersebut? Sebutkan variabel dan dimensinya!
2. Berdasarkan tabel hasil uji korelasi di atas, jawablah pertanyaan sebagai berikut:
a. Tentukan hipotesis untuk masing-masing hubungan antar variabel atau antar variabel dan
komponen!
b. Berdasarkan hasil tersebut, adakah hubungan antara variabel self-regulated learning dan creative
self-efficacy? Berikan penarikan hipotesis dan interpretasinya!
c. Apa komponen creative self-efficacy yang berkorelasi paling erat dengan self-regulated learning?
Berikan penarikan hipotesis dan interpretasinya!
38
F. Tugas 2
Sifat Tugas: Individu
1. Tabel di bawah ini merupakan hasil analisis korelasi dari penelitian yang berjudul:
“Hubungan antara Stres dengan Performa Kerja pada Karyawan Perusahaan Manufaktur”
Correlations
STRESS PERF_KERJA
Pearson Correlation 1 -0.752
STRES Sig. (2-tailed) 0.013
N 125 125
Pearson Correlation -0.752 1
PERF_KERJA Sig. (2-tailed) 0.013
N 125 125
2. Seorang mahasiswa dari Fakultas Psikologi UP ingin meneliti mengenai hubungan antara empati
dengan perilaku cyberbullying pada siswa SMP X. Peneliti menyebarkan kuesioner empati dan
cyberbullying pada 10 orang siswa SMP, dimana masing-masing kuesioner akan di jawab dengan
rentang jawaban 1 = Sangat Tidak Sesuai, 2 = Tidak Sesuai, 3 = Sesuai, 4 = Sangat Sesuai. Berikut adalah
data yang diperoleh.
PARTISIPAN
VARIABEL
1 2 3 4 5 6 7 8 9 10
Empati 1 4 3 2 4 1 1 3 3 3
Cyberbullying 4 1 1 4 1 4 3 4 4 4
Beradasarkan uraian dan tabel data penelitian tersebut, jawablah pertanyaan berikut ini:
a. Tentukan hipotesis dari penelitian tersebut!
b. Gunakan SPSS untuk menjawab permasalahan penelitian tersebut dan tuliskan hasil output pada
buku latihan anda!
c. Buatlah penarikan hipotesis dan interpretasi dari hasil penelitian tersebut!
39
ANALISIS REGRESI
A. Regresi
Berikut adalah beberapa penjelasan mengenai analisis regresi:
1. Pada analisis regresi, peneliti diharuskan memiliki landasan teori yang kuat mengenai keterkaitan
antar variabel, mana yang menjadi penyebab (variabel independen) dan mana yang menjadi akibat
(variabel dependen)
2. Analisis regresi adalah teknik statistik yang digunakan untuk memprediksi nilai variabel dependen dari
satu variabel independen (regresi sederhana) atau dari beberapa variabel independen (regresi
berganda).
3. Tujuan dari teknik statistik ini adalah:
a. Memprediksi nilai dependen variabel (DV) berdasarkan satu atau lebih independen variabel (IV)
b. Mengetahui berapa besar pengaruh dari satu atau beberapa IV terhadap DV
c. Mengetahui arah pengaruh IV terhadap DV
B. Regresi Sederhana
Regresi sederhana merupakan teknik analisis yang digunakan untuk menguji pengaruh satu variabel
independen (IV) terhadap satu variabel dependen (DV). Berikut adalah persamaan untuk regresi
sederhana:
y = a + bx + e
Keterangan:
y = variabel dependen
x = variabel independen
a = konstanta
b = koefisien regresi
e = residu (error atau sisa)
41
B.3. Analisis Regresi Sederhana Menggunakan SPSS
B.3.1 Tahapan Analisis Regresi Sederhana Menggunakan SPSS
7. Masukkan data ke dalam file SPSS, dengan mengacu pada gambar berikut:
8. Simpan dulu file data SPSS dengan nama: “Uji Regresi Empati dan Aggressive Driving”.
42
9. Klik Analyze Regression Linear
Maka akan muncul gambar seperti di bawah ini:
10. Masukkan variabel empati ke dalam kolom independent dan masukkan variabel aggressive driving ke
dalam kolom dependent seperti gambar di bawah ini:
43
11. Klik “OK”
12. Akan keluar output-nya, simpan terlebih dahulu hasil output SPSS dengan nama: “Hasil Uji Regresi
Empati dan Aggressive Driving”.
13. Copy hasil output tabel “Model Summary”, “ANOVA”, “Coefficients” ke file Ms. Word
Nilai R Square (R2) 0.639 pada tabel “Model Summary” merupakan nilai regresi. Nilai ini jika dikalikan
dengan 100% akan menjadi 63,9% yang berarti sebanyak 63,9% nilai aggressive driving dipengaruhi
oleh empati. Akan tetapi, peneliti perlu melihat nilai signifikansi pada tabel “ANOVA” untuk
menentukan apakah empati memengaruhi aggressive driving.
Berdasarkan hasil tersebut, peneliti juga dapat menghitung nilai residu atau error dengan cara:
e = 100% - (Nilai R2 * 100%)
e = 100% - (0.639 *100%)
e = 100% - 63.9%
e = 36.1 %
44
Berdasarkan hasil perhitungan tersebut dapat disimpulkan bahwa 36.1% nilai aggressive driving dalam
penelitian tersebut dipengaruhi oleh variabel lain (IV lain) yang tidak diteliti dalam penelitian atau
disebut dengan error.
Meskipun dari hasil output dinyatakan bahwa terdapat 63.9%, peneliti perlu melihat nilai signifikansi
pada tabel “ANOVA” untuk menentukan apakah empati memengaruhi aggressive driving atau tidak.
Berdasarkan hasil tersebut, nilai sig <0.01 maka hipotesis nol ditolak. Oleh karenanya, empati
memengaruhi nilai aggressive driving sebesar 63,9% dengan F (1,16) = 28.271, p<0.01 dan R2 = 0.639.
Untuk mengetahui bagaimana arah pengaruh IV terhadap DV peneliti dapat mengetahui informasi
mengenai nilai koefisien regresi yang dihasilkan oleh IV dengan cara melihat nilai B (beta) di dalam tabel
“Coefficients”.
Dari tabel di atas terlihat bahwa nilai koefisien empati sebesar -0.670 dengan signifikansi 0.000 artinya
variabel empati secara negatif memengaruhi aggressive driving, dengan B = -0.670, p =0.000.
Berdasarkan hasil pada tabel tersebut, peneliti juga dapat membuat persamaan regresi.
y = a + bx + e
Keterangan:
y = aggressive driving
a = nilai konstanta
b = nilai beta
x = empati
e = error
Sehingga:
45
B.3.3 Kesimpulan Hasil Analisis Regresi Sederhana
Hasil analisis regresi menunjukkan bahwa empati memengaruhi nilai aggressive driving sebesar
63,9% dengan F (1,16) = 28.271 p<0.01 dan R2 = 0.639. Hasil analisis regresi juga menunjukkan bahwa
empati secara negatif memengaruhi aggressive driving dengan koefisien B = -0.670, p =0.000. Artinya,
variabel empati secara negatif memengaruhi aggressive driving. Hal ini dapat diartikan semakin tinggi
empati yang dimiliki seseorang maka semakin rendah aggressive driving yang akan dilakukannya, atau
semakin rendah empati yang dimiliki seseorang maka semakin tinggi aggressive driving yang akan
dilakukannya.
C. Latihan
Seorang peneliti, yakni mahasiswa FPsi UP sedang mengadakan penelitian mengenai faktor-faktor
yang memengaruhi self-regulated learning siswa SD di lima wilayah Kota DKI Jakarta. Adapun faktor-faktor
yang memengaruhi self-regulated learning siswa SD adalah status ekonomi sosial (SES), tingkat pendidikan
orang tua, dan keterlibatan orang tua. Berdasarkan faktor-faktor tersebut, peneliti akan menguji
pengaruh keterlibatan orang tua terhadap self-regulated learning siswa SD di lima wilayah Kota di
Jabodetabek. Berikut data yang telah diambil oleh peneliti:
47