UJI VALIDITAS DAN RELIABILITAS

KONSEP DASAR PENGOLAHAN DAN ANALISA DATA

 SUATU KUSIONER DIKATAKAN VALID JIKA PERTANYAAN PADA KUSIONER

MAMPU MENGUNGKAPKAN APA YANG AKAN DI UNGKAPKAN
 SEDANGKAN KUSIONER DIKATAKAN RELIABEL (HANDAL) JIKA DAPAT MENUNJUKKAN
KEMANTAPAN, KEAJENGAN ATAU STABILITAS HASIL PENGAMATAN BILA DIPERGUNAKAN
ATAU DI UKUR PADA WAKTU-WAKTU BERIKUTNYA DENGAN KONDISI SESUATU YANG DI
UKUR TIDAK BERUBAH

BILA DILAKUKAN UJI VALIDITAS DAN RELIABEL ?

1. Data

 DATA KUALITATIF :

Data yang dinyatakan dalam bentuk bukan angka.

Contoh : jenis pekerjaan, status marital, tingkat kepuasan kerja

Jenis data : Nominal Ordinal

 Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.

CIRI : posisi data setara

tidak bisa dilakukan operasi matematika (+, -, x, :)

CONTOH : jenis kelamin, jenis pekerjaan

 Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau
klasifikasi, tetapi di antara data tersebut terdapat hubungan

CIRI : posisi data tidak setara

tidak bisa dilakukan operasi matematika (+, -, x, :)

CONTOH : kepuasan kerja, motivasi

 DATA KUANTITATIF :

Data yang dinyatakan dalam bentuk angka

Contoh : lama bekerja, jumlah gaji, usia, hasil ulangan

Jenis data : Interval Rasio

 Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana
jarak antara dua titik skala sudah diketahui.

CIRI : Tidak ada kategorisasi

bisa dilakukan operasi matematika

CONTOH : temperatur yang diukur berdasarkan 0C dan 0F, sistem kalender

 Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana
jarak antara dua titik skala sudah diketahui dan mempunyai titik 0 absolut.
 CIRI : tidak ada kategorisasi

bisa dilakukan operasi matematika

CONTOH : gaji, skor ujian, jumlah buku

2. Pengolahan Data

PROSEDUR PENGOLAHAN DATA :

A. PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi

• Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang membahas

parameter-parameter populasi; jenis data interval atau rasio; distribusi data
normal atau mendekati normal.

• Statistik NONPARAMETRIK : inferensi statistik tidak membahas parameter-

parameter populasi; jenis data nominal atau ordinal; distribusi data tidak diketahui
atau tidak normal

B. JUMLAH VARIABEL : berdasarkan jumlah variabel dibagi menjadi

• Analisis UNIVARIAT : hanya ada 1 pengukuran (variabel) untuk n sampel atau

beberapa variabel tetapi masing-masing variabel dianalisis sendiri-sendiri. Contoh :
korelasi motivasi dengan pencapaian akademik.

• Analisis MULTIVARIAT : dua atau lebih pengukuran (variabel) untuk n sampel

di mana analisis antar variabel dilakukan bersamaan. Contoh : pengaruh
motivasi terhadap pencapaian akademik yang dipengaruhi oleh faktor latar
belakang
pendidikan orang tua, faktor sosial ekonomi, faktor sekolah

10. Normalitas, Hipotesis, Pengujian

Distribusi Normal : kurva berbentuk bel, simetris, simetris terhadap sumbu yang

melalui nilai rata-rata

• Lakukan uji normalitas

• Rasio Skewness & Kurtosis berada –2 sampai

+2 Rasio =

• Jika tidak berdistribusi normal, lakukan uji melalui non parametrik

(Wilcoxon, Mann-White, Tau Kendall)

 Uji Validitas
 Mengukur apa yg seharusnya diukur
 Sejauh mana ketepatan dan kecermatan suatu
 instrumen pengukuran dalam melakukan
 fungsi Ukurnya
 Agar data yg diperoleh bisa relevan/sesuai dengan tujuan diadakannya pengukuran tsb
Contoh :
 Dalam mengukur motivasi Tentunya seorang peneliti yg membuat instrument
 motivasi ini berharap agar instrument penelitiannya bisa berfungsi dgn benar
untuk mengukur motivasi
 syaratnya instrumen itu harus memiliki validitas yg tinggi
 Memakai korelasi product momen: korelasi antar item dengan skor total dalam satu variabel
 Validitas tinggi
 Azwar > 0.3 (koefisien validitas ini sudah dianggap memuaskan)
 Dalam output SPSS dilihat pada kolom corrected itemtotal corelation
Reliabilitas
 Sejauh mana hasil pengukuran dapat dipercaya.
 Sejauh mana hasil pengukuran dapat dipercaya bila dilakukan pengukuran pada waktu
yg berbeda pada kelompok subjek yg sama diperoleh hasil yg relatif sama.
>>>> asalkan aspek yg diukur dalam diri subjek memang belum berubah
 Tinggi/rendahnya reliabilitas secara empiri ditunjukkan oleh suatu angka yang
disebut nilai koefisien reliabilitas
 Reliabilitas yg tinggi ditunjukkan dgn nilai 1.00 reliabilitas yg dianggap sudah
cukup memuaskan atau tinggi adalah > 0.70
 Ada beberapa teknik yg dipakai untuk menghitung reliabilitas diantaranya:
alpha croncbach, splith half.

 Dalam SPSS kita sering memakai alpha croncbach

Bagaimana dengan penggunaan rumus ini (product
moment)

Misalkan kita ingin menguji validitas variabel motivasi Perhatikan data berikut
Nomor Butir pertanyaan
Responden 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
1 5 4 4 5 5 5 4 5 4 5 4 3 3 5 5 5 4 4 5
2 2 3 4 2 3 3 1 3 3 2 3 1 1 3 3 3 2 1 2
3 4 5 5 4 5 5 4 3 5 5 3 4 3 5 5 5 5 5 5
4 3 4 5 4 3 4 5 2 4 4 3 4 3 4 3 4 4 3 4
5 2 3 2 2 4 3 4 3 3 3 2 3 2 5 3 2 4 3 2
6 3 4 3 2 4 3 4 3 3 3 2 3 3 3 4 2 3 4 4
7 4 4 5 3 3 4 5 3 4 4 3 4 3 3 3 4 3 3 5
8 3 4 4 3 2 3 4 2 4 3 4 3 4 4 3 4 3 4 4
9 3 3 2 3 4 3 3 3 3 3 3 3 2 4 3 3 3 3 2
10 4 5 5 4 5 4 5 2 5 4 5 4 4 5 5 4 5 4 5

LAKUKAN UJI VALIDITAS TERHADAP DATA VARIABEL MOTIVASI DI ATAS

UJI RELIABILITAS INSTRUMEN PENELITIAN DENGAN CRONBACH ALPHA (MANUAL)

Rumus untuk menghitung koefisien reliabilitas instrument dengan menggunakan

Cronbach Alpha adalah sebagai berikut:

PENGUJIAN INSTRUMEN UJI VALIDITAS DAN RELIABILITAS

Soal : Akan dilakukan penelitian pengaruh kepemimpinan dan motivasi kerja terhadap prestasi kerja
Sebelum dilakukan penelitian masing-masing instrumen diuji cobakan dulu untuk mendapat
instrumen yang valid dan reliable. Uji coba istrumen hanya sekali saja dilakukan kepada 20
responden.

Hasil tabulasi data untuk Variabel Kepemimpinan sebagai berikut:

A. Validitas dan Reliabilitas Instrumen kepemimpinan (X1)

Langkah 1 : Masukkan data hasil uji coba ke dalam data editor SPSS

Langkah 2 : Klik [Analyze] [Scale] [Reliablity Analysis]

Langkah 4 : Masukkan semua skor item (butir) kuesioner ke dalam kolom Items:, Pilih Model
[Splithalf],

klik kotak pada List item Labels

Langkah 5 : klik opsi [Statistics] lalu pada Descriptive for klik [item] [Scale] [Scale if item deleted]

pada opsi Intern Item klik kotak [Correlations] pada Summaries klik kotak [Correlation] lanjutkan

[Continue] dan akhiri [OK]

B. Validitas dan Reliabilitas Motivasi Kerja (X2)

Hasil tabulasi data untuk Variabel Motivasi Kerja sebagai berikut:

Validitas dan Reliabilitas Prestasi Kerja (Y)

Hasil tabulasi data untuk Variabel Prestasi Kerja sebagai berikut: