Anda di halaman 1dari 43

m  m  

mm
  
 

  m  

Ê  Ê  

§  
  

m    





  
x      
 



  
x     
 
        
 
x      
 



  
x      
 
  
    
Ê  !"


Teknik analisis data yang digunakan
untuk menguji perbedaan dua rata-rata
atau lebih dalam suatu penelitian.
Ê     #

Uji t untuk menguji perbedaan dua rata-
rata saja, sedangkan ANAVA di samping
dapat digunakan untuk menguji
perbedaan dua rata-rata juga dapat
digunakan menguji beberapa rata-rata
Ê m$ !

ANAVA dapat digunakan apabila:


1. Data dipilih secara acak
2. Data berdistribusi normal
3. Data pada kelompok-kelompok
yang dibandingkan bersifat
homogen
%%

&  m' (  )


 

* ' !  )


 
m!#'+#

1. Anava Satu Jalur


Anava yang menguji perbedaan rata2
dengan satu variabel bebas dan satu
variabel terikat.
Polanya adalah: (1xm), contoh: 1X3,
1X4, dan sebagainya.
Contoh Tabel Anava (1X3) :
#'+#

Anava yang menguji perbedaan rata2


dengan Dua variabel bebas dan Dua
atau lebih variabel terikat. Dapat pula
memuat Dua atau lebih variabel bebas
dan dua variabel terikat.
Polanya adalah: (2xm), contoh: 2X2,
2X3, dan sebagainya. Atau (3X2), (4X2)
dan sebagainya.
Contoh Tabel Anava (2X2) :
CONTOH POLA ANAVA 2 JALUR

Anava (2X3)

Anova (3X2)
+,+, 
mÊmm

1. Masukkan data ke SPSS Data Editor dengan


mendefinisikan Variabel View
2. Beri nama Klasikal, Kelompok, konvensional,
KlasKelKonv, dan Faktor pada Kotak Name,
dan beri angka 0 pada kotak Decimals untuk
seluruhnya.
3. Masukkan data untuk variabel klasikal,
kelompok, dan konvensional menjadi satu
kolom variabel baru(Variabel Klas Kel Konv)
4. Beri angka 1 untuk data Klasikal, Angka 2
untuk data kelompok, dan 3 untuk data
Konvesional.
5. Pada menu pilih Analyze ĺCompare Means
ĺ One-Way Anova.
6. Masukkan variabel KlasKelKonv ke dalam
kotak Dependent List dan variabel faktor ke
dalam kotak Factor.
Lanjutan

7. Klik tombol (


 . Pada Jendela
One-Way ANOVA: pada Options
pilih  

 dan ,
)

    pada kotak


 . Pilih  cases
analysis by analysis pada kotak


 . Lalu Klik % 

-
(untuk mengakhiri jendela
One-Way Anova sehingga
menampilkan outtput.
,m"+(#!Ê#!

Dari hasil Out Put pada kotak Test of


Homogenity of Variances terlihat nilai sig.
0,039 < 0,05. ArtinyaGabungan data
merupakan data yang homogen.
Pada kotak Anova terlihat nilai F hitung =
10,333. Tetapi akan lebih muda
menggunakan nilai sig. Kita tidak perlu
mencari nilai F tabel. Nilai sig. = 0,000 <
0,05. Artinya terdapat perbedaan antara
Klasikal, Kelompok, dan Konvensional.
(Sampai di sini kita belum tahu kriteria
mana saja yang berbeda, maka harus
dilanjutkan uji Lanjut (Post Hoc).
+,+,#'"Ê(m!,(%

1. Klik Tombol Post Hoc


2. Pilih LSd pada | 


, lalu Klik .
3. Klik OK, maka akan muncul Out Put
Deskriptives, hingga tabel Post Hoc Test
dengan judul tabel ³Multiple
Comparison´.
4. Dari out put pada kotak Multiple
Comparison terlihat beberapa nilai Sig.
yang akan menjadi acuan dalam melihat
kriteria mana yang berbeda.
+  #
Ê ,

Nilai Sig. pada Faktor 1 terhadap


Faktor 2 maupun Faktor 2 thd Faktor
1 adalah Sig. 0,017 < 0,05. Ini berarti
Faktor 1 berbeda dengan Faktor 2
atau ada perbedaan antara faktor 1
dan faktor 2.
Demikian pula untuk perbandingan
faktor-faktor lainnya.
+"m"m  m"+""

Pengertian:
Teknik analisis data yang digunakan untuk
menguji dan menjelaskan sebab-akibat
dan besarnya akibat yang ditimbulkan
oleh satu atau lebih variabel bebas
terhadap satu variabel terikat (




).
Analisis regresi merupakan teknik analisis
yang melihat hubungan fungsional antara
variabel2 yang dinyatakan dalam
persamaan matematik yang disebut
dengan p´Persamaan Regresi´.
Ê   

Y = a + b1x1+ b2x2 + b3x3 + ««+ bnxn


Dengan,
Y = Variabel dependent (terikat)
x1,x2,x3 = Variabel independent(bebas)
b1, b1, b1, b1, «., bn = Koefisien regresi
(m

 
).
A = Intercept Coefficient atau
perpotongan antara sumbu tegak Y
dan garis fungsi linier nilai Y.
%(!(,Ê #  m"+""

1. Klik Menu Analyze ĺ Regression


ĺ Linear.
2. Masukkan variabel Kinerja Guru ke
kotak dependent dan masukkan
variabel Motivasi Belajar Siswa dan
Prestasi Belajar ke variabel
independent.
3. Pada bagian Method, tersedia 5
pilihan metode analisis, pilih salah
satu (hanya boleh dipilih 1 untuk
sekali analisis)
 !( (!"+(+"  
 mm"(

xPilih salah satu method pada kotak


dialog linier regression (Pilihan:
Enter, Stepwise, Remove, Bacward,
dan Forward.
xEnter: Menganalisis variabel
independent secara keseluruhan
tanpa memilah-milah variabel dalam
kelompok-kelompok pada
persamaan regresinya.
+'#! !( (!"+(
+"    mm"(

x Stepwise : Menganalisis variabel independent


dengan cara menambahkan atau mengeluarkan
variabel2 secara tunggal sesuai kriteria yang
ditentukan pada kotak Options.
x Remove: Analisis dengan membentuk blok-blok
variabel dengan menfungsikan kotak dialog
Previous Block 1 of 1 next dengan cara Klik
kotak Next. Metode ini tidak berlaku untuk Blok
Pertama.
x Bacward: Variabel2 tunggal akan dikeluarkan
mengikuti kriteria yang telah dipilih pada kotak
dialog options.
x Forward: Variabel-variabel secara tunggal
dimasukkan dengan mengikuti kriteria yang telah
dipilih pada kotak dialog Options.
+"m"m( +m"

Pengertian
Korelasi menyatakan hubungan linier antara dua
atau lebih variabel. Analisis ini ditemukan oleh
Karl Pearson di awal 1900. Sehingga analisis ini
dikenal dengan Analisis Korelasi Pearson
Product Moment (KPPM). Analisis Korelasi
paling banyak digunakan oleh para peneliti.
Karena peneliti sering tertarik mempelajari
peristiwa-peristiwa atau gejala yang terjadi dan
menghubungkannya dengan faktor-faktor
penyebabnya. Hubungan yang ditunjuukkan oleh
korelasi bukan hubungan sebab akibat tetapi
hanya hubungan linier /searah (membentu garis
lurus).
%*! "
+"m"m( +m"

1. Ankor Product Momen (KPPM)


Kedua variabel berskala interval
2. Ankor Rank
Kedua variabel berskala ordinal
3. Ankor Point Biserial
Satu berskala dikotomi dan satu interval
4. Ankor Biserial
satu dikotomi satu berskala interval
5. Ankor Kontingensi
Kedua variabelnya berskala nominal
! "Ê ,"!#( "m" 
( +m"

1. Ankor Product Momen (KPPM)


Kedua variabel berskala interval atau
rasio
2. Ankor Rank
Kedua variabel berskala ordinal
3. Ankor Point Biserial
Satu berskala dikotomi dan satu interval
4. Ankor Biserial
satu dikotomi satu berskala interval
5. Ankor Kontingensi
Kedua variabelnya berskala nominal
! "Ê ,"!#( "m" 
( +m"Ê (#( 

Manfaat
1. Menguji ada tidaknya hubungan antara
variabel bebas dan terikat
2. Untuk menentukan besarnya sumbangan
variabel bebas terhadap variabel terikat
Syarat:
1. Data berdistribusi normal
2. Data bersifat linier
3. Data diperoleh dari sampel yang diambil acak
4. Variabel yang dikorelasikan mempunyai
pasangan sama dari subjek yang sama
(Variasi skor yang dihubungkan harus sama)
5. Data harus berskala interval atau rasio.
^ ^ Ê,+! "!"+"

1. Nilai r berkisar antara -1 dan 1. atau


ditulis -1 < r < 1.
2. Hanya untuk hubungan linier saja.
3. Tidak berlaku untuk sampel dengan
varians 0. (krn z tdk terdefinisi dan r
menjadi tdk terdefinisikan.
4. r tidak mempunyai satuan.
' "m( +m""m Ê
,#^#!  "^ +

1. Analisis Korelasi Bivariat


Terdapat 3 jenis:
a. Korelasi Pearson
(Untuk data interval atau rasio)
b. Korelasi Tau-Kendall
(Untuk data katagori)
c. Korelasi Spearman
(Untuk data katagori)
1. Analisis Korelasi Parsial
2. Analisis Korelasi Distance
%(!(,+"m"m( +m"
^" "!

1. Klik Menu Analyze ĺ Correlate


2. Pilih jenis korelasi yang dikehendaki (Bivariat),
akan muncul kotak dialog Bivariate Correlation.
terdapat: Test of significant dengan pilihan: (1)
uji satu arah (one tailed) atau (2) uji dua arah
(two tailed).
terdapat: Flag Significant Correlations:
menunjukkan koefisien korelasi (jika nilai ini
teridentifikasi, pada tingkat sign 0,05 diberi tanda
*, pada tingkat sign 0,01 diberi tanda **.
3. Klik Options, akan muncul kotak dialog dengan
nama:
^

 % 
 (

Ê"+",Ê^" "! 
%( +!"(m(Ê!"(m

1. Means and Standars Deviations


2. Cross-Product Deviations and
Covarians
3. Missing values-Exclude Pairwise
4. Missing Values-Exclude Cases
Listwise
+,+,( 
Ê  m(

1. Buat tabel Entry


2. Klik Menu Analyzeĺ Correlate ĺ
3. Bivariat
4. Tentukan (add) variabel yang akan
dicari korelasinya.
5. Pada pilihan Correlation Coefficient,
pilih Pearson.
6. Klik Tombol Options, jika akan
menambahkan prosedur sesuai dengan
kebutuhan analisis.
7. Klik Continu untuk memproses
8. Klik OK untuk mengakhiri proses




  
 Ê
   
%%Ê #'"
,"Ê(! "m

1. Uji Perbedaan Dua rata-rata


Jenis Uji Pernyataan Rumus untuk
Hipotesis menemukan nilai 
Uji Dua H 0 : ȝ1 = ȝ2 xѺ -ȝ0
Pihak t = _______
H a : ȝ1  ȝ2 s / ¥n
(Jika ı Jika ı tdk diketahui)
tidak x : rata2
diketahui) ȝ 0 : rata2 sekarang
s : simpangan baku
n : jumlah data
%%Ê #'"
,"Ê(! "m

1. Uji Perbedaan Dua rata-rata


Jenis Uji Pernyataan Rumus untuk
Hipotesis menemukan nilai 
Uji Pihak H 0 : ȝ1 ” ȝ2 xѺ -ȝ0
Kanan t = _______
H a : ȝ1 > ȝ2 ı / ¥n
(Jika ı diketahui)
x : rata2
ȝ0 : rata2 sekarang
s : simpangan baku
n : jumlah data
%%Ê #'"
,"Ê(! "m

1. Uji Perbedaan Dua rata-rata


Jenis Uji Pernyataan Rumus untuk
Hipotesis menemukan nilai 
Uji Pihak H 0 : ȝ1 • ȝ2 xѺ -ȝ0
Kiri t = _______
H a : ȝ1 < ȝ2 ı / ¥n
(Jika ı diketahui)
x : rata2
ȝ0 : rata2 sekarang
s : simpangan baku
n : jumlah data
%(!(,Ê ,"!#m!!"m!"
#'"Ê ^ 

Diketahui :
Angket penelitian tentang motivasi
belajar siswa, dengan jumlah butir
angket 10, jumlah responden 30.
Angket menggunakan skala 1:
sangat rendah, 2: rendah; 3: tinggi ,
dan 4 : sangat tinggi.
S = 7,23, x = 26,36
1. Apakah motivasi belajar siswa =
60% rata2 skor ideal?
+'#!%(!(,

Jawaban:
Skor ideal total: 10X4X30 = 1200
Rata2 skor ideal: 1200:30 = 40
60% rata2 skor ideal = 60% X 40 = 24
a. H0 dan Ha dalam kalimat
pernyataan
H0: Motivasi belajar siswa = 60% rata2
skor ideal
Ha: Motivasi belajar siswa  60% rata2
skor ideal
Hipotesis statistik:
H0: ȝ1 = 24 4. Taraf Signifikansi=0,05
Ha: ȝ1  24 5. t tabel dengan Į =
0,05
dk =n -1 = 30 -1 = 29
3. t hitung (uji dua pihak)
xѺ -ȝ0 diperoleh t tabel =
2,04
t = _______
s / ¥n
= 26,36 - 24
_______ = 1,78
7,23/ ¥30
6. Kriteria Pengujian:
Jika ± t tabel ” t hitung ” t tabel,
maka H0 diterima.

7. Fakta dari data:


-2,40 < 1,78 < 2,04, jadi H0 diterima
8. Kesimpulan:
Motivasi kerja karyawan = 60% rata2
skor ideal.
Uji Homogenitas

Syarat melakukan uji perbedaan dua


rata-rata adalah:
1. Data diperoleh dari Sampel yang
berasal dari polulasi yang homogen
2. Data dari kedua kelompok
berdistribusi normal
#'" m# "m
#'",(( "!m "m

Ada 3 cara uji homogenitas:

1. Varians terbesar: Varians terkecil


2. Varians terkecil: Varians terbesar
3. Uji Barlet (untuk 3 kelompok atau
lebih)
Uji Normalitas

Beberapa cara menguji normalitas


data:
1. Menggunakan kertas normal
2. Menggunakan koefisien kutrtosis
3. Uji Chi Kuadrat (Chi Square)
4. Uji Lillieford
m!  "m"

Rumus simpangan Baku:

S2 = Ȉ(xi ± x)2
-----------------

n -1
S2 = n Ȉxi2 ± [Ȉx]2
----------------------

n [ n -1]
##m#'"+""!m Ê" "m

Untuk menentukan nilai koefisien validitas r


dapat digunakan rumus:
N ȈX.Y ± (ȈX). (ȈY)
r£ 
¥ [N ȈX2 ± (ȈX)2] [N ȈY2 ± (ȈY)2 ]

Keterangan:
xX : skor yang diperoleh siswa pada
suatu butir soal
xY : skor total yang diperoleh siswa
xN : banyaknya pasangan skor
^"(!(m 

Nama: Dr. Zaenal Arifin, S.Pd.,M.Pd.


TTL : Lamongan, 7 Agustus 1973
Alamat: Jl. Basuki Rahmat Gg. Wijaya Kusuma III No.
127 Tuban
HP : 0888 573 4327 or 0888 214 1331
Istri : 0 (Belum ada)
SD : MIM Padengan Ploso-Sukodadi
SMP : SMP Negeri 1 Sukodadi Lamongan
SMA : SMA Negeri 9 Surabaya
S-1 : Prodi. Pendidikan Matematika IKIP Surabaya
S-2 : Prodi. Pendidikan Matematika Unesa Surabaya
S-3 : Prodi. Pendidikan Matematika UPI Bandung
^##m#^

Buku pegangan Wajib :


Metodologi Penelitian Pendidikan, Filosofi, teori&
Aplikasinya
Karya : Dr. Zaenal Arifin, S.Pd., M.Pd.
Penerbit : Lentera Cendikia Surabaya
Tahun : 2008

Buku Pendukung:
Conducting Educational Research. Second Edition.
Author : Bruce W. Tuckman.
Tahun : 1978
Penerbit : Harkourt Brace Jovanovich San Diego
Sistem Evaluasi

Aspek Penilaian:
1. Skor Tugas (Bobot 2)
2. Skor UTS (Bobot 2)
3. Skor UAS (Bobot 4)
4. Kehadiran (Bobot 2)

      
    
 =
&.