Lembaga Pengembangan Psikologi

DIKTAT KURSUS

SPSS

Disusun Oleh:

Tim Penyusun

Universitas Gunadarma

Depok 2019
PRAKATA

Puji syukur kehadirat Tuhan Yang Maha Esa, atas rahmat dan karuniaNya,
maka diktat SPSS untuk mahasiswa Fakultas Psikologi ini pada akhirnya dapat
diselesaikan.
Buku ini disusun dengan beragam kasus yang pada dasarnya adalah kasus
yang tidak diteliti secara langsung oleh penyusun. Keterbatasan contoh-contoh kasus
nyata dari hasil penelitian di Fakultas Psikologi, membuat diktat ini amat jauh dari
sempurna. Oleh karena itu, penulis menerima secara terbuka kritik dan saran dari
berbagai pihak untuk memperbaiki atau menyempurnakan diktat ini.
Tidak lupa, kami mengucapkan banyak terima kasih kepada berbagai pihak,
sehingga diktat ini selesai disusun. Terima kasih kami terutama kepada pimpinan
Universitas Gunadarma, yang telah memberikan kesempatan kami untuk menyusun
diktat ini. Serta tak lupa kami ucapkan terima kasih pula kepada semua jajaran di
Fakultas Psikologi Universitas Gunadarma. Kepada para asisten (Lembaga
Pengembangan Psikologi) kami ucapkan terima kasih.

Jakarta, Februari 2018

Tim Penyusun

ii
 DAFTAR ISI

HALAMAN JUDUL .................................................................................... i

PRAKATA ..................................................................................................... ii
DAFTAR ISI ................................................................................................. iii
DAFTAR GAMBAR .................................................................................... vi
DAFTAR TABEL ......................................................................................... vii

BAB I PENGANTAR .................................................................................... 1

A. Skala Variabel ................................................................................ 1
B. Jenis Variabel .............................................................................. 2
C. Hubungan Skala Variabel dan Jenis Variabel ............................. 3
D. Kaitan Antara Skala Variabel denga Uji Parametrik/
Non-Parametrik ........................................................................... 4
E. Statistika Parametrik dan Non-Parametrik .................................. 5
F. Uji Asumsi Statistik Parametrik .................................................. 7
G. Uji Hipotesis ................................................................................ 8
H. Ha Berarah (1-tailed) dan Ha Tak Berarah (2-tailed) ................. 9

BAB II UJI DAYA DISKRIMINASI AITEM, VALIDITAS DAN

UJI RELIABILITAS ...................................................................... 11
A. Validitas ....................................................................................... 11
B. Daya Diskriinasi Aitem ............................................................... 13
C. Reliabilitas ................................................................................... 14
D. Latihan ......................................................................................... 14

BAB III UJI ASUMSI PARAMETRIK ...................................................... 20

A. Normalitas .................................................................................. 20
B. Homogenitas .............................................................................. 20
iii
 C. Linearitas .................................................................................... 21
D. Sifat-sifat Kurva Normal ............................................................ 21
E. Latihan ........................................................................................ 22

BAB IV STATISTIK PARAMETRIK : UJI BEDA .................................. 37

A. T-Test ......................................................................................... 37
a. Paired Sample Test ................................................................. 37
b. Independent Sample Test ........................................................ 37
B. Analisis Varian (Anova) ............................................................ 37
a. Anava Satu Jalur ..................................................................... 37
b. Anava Dua Jalur ..................................................................... 37
C. Latihan ........................................................................................ 40

BAB V STATISTIK PARAMETRIK : UJI HUBUNGAN ....................... 63

A. Korelasi ........................................................................................ 63
1. Korelasi Bivariate .................................................................... 63
2. Korelasi Partial ........................................................................ 63
B. Regresi ......................................................................................... 69
1. Regresi Sederhana ................................................................... 69
2. Regresi Berganda ..................................................................... 70

BAB VI STATISTIK NON-PARAMETRIK : UJI BEDA ........................ 80

A. Pengantar ........................................................................................ 80
B. Uji Satu Sampel .............................................................................. 83
1. Uji Chi – Kuadrat ........................................................................ 83
2. Uji Binomial ................................................................................ 88
3. Uji Kolmogorov-Smirnov Satu Sampel ...................................... 91
C. Uji Dua Sampel Independen ........................................................... 95
1. Uji U Mann-Whitney ................................................................. 95
iv
 2. Uji Kolmogorov-Smirnov Z ........................................................ 96
3. Uji Runs Wald-Wolfowitz ......................................................... 96
4. Uji Reaksi Ekstrem Moses ......................................................... 96
D. Uji K Sampel Bebas ....................................................................... 99
1. Uji H Kruskal Wallis .................................................................. 99
2. Uji Median .................................................................................. 99
E. Uji Dua Sampel Berkait .................................................................. 103
1. Uji Tanda ..................................................................................... 104
2. Uji Wilcoxon ............................................................................... 104
3. Uji McNemar ............................................................................... 104
F. Uji K-Sampel Berkait ...................................................................... 110
1. Uji Friedman ............................................................................... 110
2. Uji W Kendall ............................................................................. 110
3. Uji Q-Cochran ............................................................................. 111

BAB VII STATISTIKA NON-PARAMETRIK : UJI HUBUNGAN ....... 115

A. Pengantar Analisis Korelasi ....................................................... 115
B. Jenis-jenis Analisis Korelasi ...................................................... 115
1. Koefisien Korelas Rangking Spearman .................................. 116
2. Koefisien Korelas Rangking Tau Kendall .............................. 116
3. Koefisien Korelasi Phi ............................................................ 117
4. Koefisien Kontingensi ............................................................ 118

DAFTAR PUSTAKA .................................................................................... 124

LAMPIRAN

v
 DAFTAR GAMBAR

Gambar 1.1 Skala Variabel ............................................................................ 1

Gambar 1.2 Model Pengambilan Keputusan Parametrik dan Nonparametrik . 5

Gambar 3.1 Kurva Distribusi Normal ............................................................. 21

vi
 DAFTAR TABEL

Tabel 1.1 Uji Beda dan Uji Hubungan pada Statistisk Parametrik dan
Nonparametrik .......................................................................... 7
Tabel 1.2 Uji Asumsi Statistik Parametrik dan Teknik Statistik SPSS ......... 8
Tabel 2.1 Skor per Aitem pada Skala Konsep Diri ......................................... 15
Tabel 3.1 OCB dan Status Karyawan ............................................................. 22
Tabel 3.2 Work Engagement (WE) dan Perceived Organizational Support
(POS) .................................................................................... 27
Tabel 4.1 Data Stres Karyawan dari Ruang Tradisonal ke Ruang Modern ... 40
Tabel 4.2 Data Stres Karyawan dari Ruang Tradisonal dan Ruang Modern .. 43
Tabel 4.3 Skor Asertivitas Berdasarkan Suku Jawa dan Batak ...................... 47
Tabel 4.4 Inteligensi Berdasarkan Urutan Kelahiran ..................................... 48
Tabel 4.5 Data Stres pada sector pemerintah, industri, keuangan dan
pendidikan .................................................................................... 51
Tabel 4.6 Data Skor Motivasi, Bonus dan Bagian ......................................... 52
Tabel 4.7 Produktivitas berdasarkan Shift dan Jenis Kelamin ........................ 62
Tabel 5.1 Lama Perawatan dan Dampak Psikologis Pecandu Narkoba .......... 64
Tabel 5.2 Motivasi, IQ dan Prestasi Kerja Karyawan .................................... 68
Tabel 5.3 Budaya Organisasi dan Kinerja Karyawan pada Karyawan PT.X .. 71
Tabel 5.4 Dukungan Sosial dan Religiusitas pada Mualaf ............................ 75
Tabel 5.5 Nilai Matematika, NEM, dan Nilai Statistik I pada Mahasiswa
Fakultas Psikologi ........................................................................... 78
Tabel 6.1 Preferensi Warna Lipstik ................................................................ 86
Tabel 6.2 Metode yang Dipakai Siswa ......................................................... 90
Tabel 6.3 Keterlambatan Pesawat ................................................................... 94
Tabel 6.4 Persentase Jumlah Kesalahan ......................................................... 98
Tabel 6.5 Dampak Psikologis Pecandu Narkoba ........................................... 102
Tabel 6.6 Skor Daya Persepsi Sosial Pasangan Anak Kembar ...................... 108
Tabel 6.7 Pendekatan Awal Hubungan Sosial Anal-anak Pra TK ................. 109
Tabel 6.8 Waktu yang diperlukan untuk mengingat ....................................... 113

vii
Tabel 6.9 Respon Terhadap Jenis Wawancara ................................................ 114
Tabel 7.1 Pandangan Mengenai Keputusan Pemerintah ................................. 122
Tabel 7.2 Kesenangan Membolos Berdasarkan Gender ................................. 122
Tabel 7.3 Hasil Keterangan Tingkat Pendidikan Terakhir dan Partai Pilihan .. 123

xiv
 BAB I
PENGANTAR

Sebelum membahas tentang analisis statistik melalui program SPSS, baik parametrik
maupun nonparametrik, maka terlebih dahulu akan dikemukakan pengantar metodologi
penelitian yang berkaitan antara lain dengan:
A. Pengertian SPSS
B. Skala Variabel
C. Jenis Variabel
D. Hubungan Skala Variabel dan Jenis Variabel
E. Kaitan Antara Skala Variabel dengan Uji Parametrik/Non-Parametrik
F. Statistika Parametrik dan Non-Parametrik
G. Uji Asumsi Statistik Parametrik
H. Uji Hipotesis
I. Ha Berarah (1-tailed) dan Ha Tak berarah (2-tailed)

A. Pengertian SPSS
SPSS adalah sebuah program komputer yang digunakan untuk membuat analisis
statistika. SPSS dipublikasikan oleh SPSS Inc. SPSS (Statistical Package for the
Social Sciences atau Paket Statistik untuk Ilmu Sosial) versi pertama dirilis pada
tahun 1968, diciptakan oleh Norman Nie, seorang lulusan Fakultas Ilmu Politik dari
Stanford University, yang sekarang menjadi Profesor Peneliti Fakultas Ilmu Politik di
Stanford dan Profesor Emeritus Ilmu Politik di University of Chicago. Semula SPSS
hanya digunakan untuk ilmu social saja, tapi perkembangan berikutnya digunakan untuk
berbagai disiplin ilmu sehingga kepanjangannya berubah menjadi “Statistical Product
and Service Solution” (Nisfiannoor & Muhammad, 2009). Statistika mempunyai
pengertian sebagai sekumpulan metode yang dapat digunakan untuk menarik kesimpulan yang
masuk akal dari suatu data. Tujuan penelitian adalah menjawab masalah atau pertanyaan
penelitian melalui proses analisis data. Statistika oleh peneliti digunakan sebagai metode untuk
menganalisis data yang bersifat deskriptif dan estimasi data untuk menarik kesimpulan hasil
penelitian.

BAB I | 1
B. Skala Variabel

Skala variabel dibagi dalam empat kelompok, sesuai dengan tingkatannya,

yaitu skala pengukuran nominal (perbedaan), ordinal (perbedaan, urutan), interval
(perbedaan, urutan, interval/jarak yang tetap) dan skala rasio (perbedaan, urutan
interval/jarak yang tetap, dan nol mutlak).

Gambar 1.1 Skala Variabel

Keempat skala tersebut membentuk dua variabel (yakni variabel kategorik dan
numerik) yang berpengaruh terhadap metode statistik yang digunakan.
1. Variabel kategorik, variabel yang membagi individu menurut kategori/sifatnya.
Misalnya jenis kelamin, pendidikan terakhir, dan sebagainya. Variabel kategorik
ini dibentuk oleh skala nominal dan ordinal.
2. Variabel numerik, adalah variabel yang mengukur obyek tertentu. Misalnya umur,
berat badan, suhu dan sebagainya. Variabel numerik ini dibentuk oleh skala
interval dan rasio.

Suatu jenis variabel bisa “berubah” dari kategorik menjadi numerik, misal: tingkat
pendidikan dapat menjadi kategorik jika merupakan “pendidikan terakhir” atau menjadi
numerik jika merupakan “lama pendidikan” (dalam tahun). Contoh: Andy memiliki tingkat
pendidikan terakhir adalah kelas III SMA (kategorik), artinya ia telah menempuh pendidikan
selama 12 tahun (numerik).

BAB I | 2
C. Jenis Variabel
Jenis variabel lainnya dibedakan menurut hubungan antar variabel, yaitu :
1. Variabel independen (X) atau disebut variabel stimulus, prediktor, dan variabel
bebas, yaitu variabel yang menjadi sebab perubahan atau timbulnya variabel
dependen. Dinamakan variabel stimulus karena memberikan stimuli/rangsangan
sehingga terjadi akibat dari stimuli tersebut. Dikatakan prediktor karena variabel ini
dapat digunakan untuk memprediksi variabel akibat. Pemilihan variabel
independen dapat lebih dari dua dan harus dipertimbangkan agar tiap variabel
independen memiliki keunikan sehingga tidak overlap.
Contoh X1 : harga diri (faktor internal)
X2 : dukungan sosial (faktor eksternal)
2. Variabel dependen (Y) atau variabel output, kriteria, konsekuen, dan variabel
terikat yaitu variabel yang dipengaruhi atau dijelaskan oleh karena adanya variabel
bebas. Variabel dependen (Y) merupakan fokus utama dari penelitian, Misalnya
perbedaan pengetahuan politik (Y) berdasarkan tingkat pendidikan (X).
3. Variabel kontrol, adalah variabel yang dikendalikan dan dibuat konstan oleh
peneliti selama melakukan penelitian. Misalnya, membandingkan produktivitas
pekerja lulusan akademi perawat A dengan akademi perawat B. Peneliti
menetapkan variabel kontrol : jenis pekerjaan, alat bekerja, pengalaman kerja dan
iklim bekerja tersebut harus sama.
4. Variabel Intervening, adalah variabel yang menjadi perantara hubungan antara
variabel X dan variabel Y. Ada dua jenis variabel intervening yaitu:
a. Mediator : X Med Y
b. Moderator : X Y

Tergantung dari

Mod

BAB I | 3
D. Hubungan Skala Variabel dan Jenis Variabel
Dalam kenyataannya, paling tidak ada dua variabel dalam uji statistik yaitu
variabel bebas (X) dan variabel terikat (Y)

X Y

Berkaitan dengan skala variabel terdapat empat kemungkinan (Nominal, Ordinal,

Interval dan Rasio) baik pada variabel bebas maupun terikat.

Variabel Bebas Variabel Terikat

X Y

Kategorik Nominal Nominal

Ordinal
Interval
Rasio

Ordinal Nominal
Ordinal
Interval
Rasio
………………………………………………………………………………………..
Numerik Interval Nominal
Ordinal
Interval
Rasio
Rasio Nominal
Ordinal
Interval
Rasio

BAB I | 4
 Misalnya:
1. Jenis Kelamin (Nominal) (X) Pilihan Media (Nominal) (Y)
2. Tipe Kepribadian (Nominal) (X) Intelegensi (Interval) (Y)
3. Intelegensi (Interval) (X) Prestasi Akademik (Interval) (Y)

E. Kaitan Antara Skala Variabel dengan Uji Parametrik/Non-Parametrik

Pada umumnya terdapat dua kaitan antar variabel, yaitu untuk menguji
hubungan dan perbedaan. Kedua kaitan tersebut memiliki implikasi terhadap teknik
statistikanya, baik statistika parametrik maupun statistka nonparametrik. Untuk
mengambil keputusan apakah kita akan menggunakan statistika parametrik atau
nonparametrik, maka gambar berikut dapat dijadikan pedoman.

Input Data

YA YA
Distribusi Uji Skala
Normal Parametrik Interval &
Rasio

TIDAK Uji Non- TIDAK

Parametrik

Gambar 1.2. Model Pengambilan Keputusan Parametrik dan Nonparametrik

Berdasarkan gambar di atas, jika data yang diinput bersifat normal atau
memiliki skala interval dan/atau rasio, maka digunakan uji statistika parametrik.
Sedangkan jika datanya tidak normal atau memiliki skala nominal dan atau ordinal,
maka digunakan statistika nonparametrik.

BAB I | 5
F. Statistika Parametrik dan Non-Parametrik
Jika data yang diteliti berupa sampel, statistika dapat digunakan untuk menarik
kesimpulan yang berupa deskripsi statistik sampel (statistika deskriptif) atau estimasi
statistik sampel terhadap parameter populasinya (statistika inferensial) dengan
menggunakan teknik probabilitas.
Statistika Inferensial selanjutnya dapat dikategorikan ke dalam statistika
parametrik dan statistika non-parametrik. Penggunaan statistika parametrik jika
data penelitan cukup besar, menggunakan skala interval dan skala rasio, serta asumsi
bahwa distribusi data populasi yang digunakan untuk memilih sampel penelitian adalah
normal. Sedangkan statistika non-parametrik digunakan jika data penelitian kecil,
diukur dengan skala nominal atau ordinal, sehingga tidak memerlukan asumsi data
populasi yang distribusinya normal.
Dalam statistika inferensial, pengujian hipotesis merupakan salah satu tujuan
yang harus dilakukan untuk menjawab masalah penelitian secara rasional. Tujuan
pengujian hipotesis, untuk menentukan apakah jawaban teoritis yang terkandung dalam
pernyataan hipotesis didukung oleh fakta yang dikumpulkan dalam proses penelitian.
Pengujian hipotesis (yang menggambarkan karakteristik populasi) dengan
menggunakan data sampel (yang menggambarkan karakteristik sampel) pada dasarnya
merupakan pembuatan keputusan melalui proses inferensi yang memerlukan akurasi
peneliti dalam melakukan estimasi.
Proses inferensi pada dasarnya dapat dilakukan melalui satu dari dua cara,
yaitu: estimasi nilai parameter populasi atau membuat keputusan mengenai nilai
parameter (proses pengujian hipotesis). Estimasi nilai parameter populasi akurasinya
tergantung pada representasi sampel yang diambil dari populasi yang bersangkutan.
Dalam proses pengujian hipotesis, peneliti dengan perkataan lain harus mempunyai
kriteria atau standar yang digunakan untuk membuat keputusan terhadap hipotesis yang
diuji berdasarkan sampel. Kriteria keputusan yang ditetapkan oleh peneliti dalam
istilah statistik disebut tingkat signifikansi (significance level).
Tingkat signifikansi adalah tingkat probabilitas yang ditentukan oleh peneliti
untuk membuat keputusan menolak atau mendukung hipotesis. Kriteria keputusan
berdasarkan tingkat signifikansi, misalnya 0,05 atau 0,01 menunjukkan bahwa
keputusan yang dibuat oleh peneliti untuk menolak atau mendukung suatu hipotesis
BAB I | 6
 mempunyai probabilitas kesalahan sebesar satu persen atau lima persen.
Berikut ini akan disajikan tabel uji statistika berdasarkan uji beda/hubungan
dan parametrik/nonparametrik.

Tabel 1.1 Uji Beda dan Uji Hubungan

Pada Statistika Parametrik dan Nonparametrik

Parametrik Nonparametrik
Wilcoxon
Satu kelompok de- Uji T
Sign
ngan dua perlakuan (Paired Sample T Test)
McNemar
U Mann Whitney
Uji T
Dua kelompok yang Kolmogorov Smirnov Z
(Independent Sample Test)
berbeda Reaksi Ekstrem Moses Run
Uji beda Wold Wolfowitz
Dua variabel, de- Friedman
ngan satu variabel- Kendall’s W
Anava satu jalur
nya dipilah lebih dari Cochran’s
satu kelompok
Dua variabel, ke- --
Anava dua jalur
duanya dipilah
Spearman
Kendall Tau
Dua variabel Korelasi
Phi
Kontingensi
Dua variabel de-ngan
Korelasi parsial --
satu variabel kontrol
Uji
Dua variabel yang
Hubungan Analisis Regresi
memiliki sebab- --
Sederhana
akibat
Tiga variabel yang
memiliki sebab- Analisis Regresi Ganda
--
akibat, dua dianta- Dua Prediktor
ranya variabel be-bas

Namun dalam workshop ini hanya dibahas mengenai statistika parametrik saja.

G. Uji Asumsi Statistika Parametrik

Berdasarkan uraian yang disajikan pada bagian F di atas, maka dalam uji
statistika parametrik data yang akan dianalisis harus bersifat normal. Oleh karena itu,
sebelum menguji hipotesis, data-data terlebih dahulu harus diuji apakah benar-benar
“normal” atau tidak?
Pada umumnya uji asumsi untuk analisis data dengan statistika parametrik
terdiri dari uji normalitas, uji homogenitas, dan uji linearitas. Selengkapnya untuk
BAB I | 7
 masing-masing teknik statistika dapat dilihat pada tabel 1.2 berikut.

Tabel 1.2 Uji Asumsi Statistika Parametrik dan Teknik Statsitik SPSS

Statistika Parametrik Uji Asumsi

Uji T Normalitas
(Paired Sample T Test)
Uji T Normalitas
(Independent Sample Test) Homogenitas
Uji beda
Normalitas
Anava satu jalur
Homogenitas
Normalitas
Anava dua jalur
Homogenitas
Normalitas
Korelasi
Linearitas
Normalitas
Korelasi parsial
Uji Linearitas
Hubungan
Normalitas
Analisis Regresi Sederhana
Linearitas
Normalitas
Analisis Regresi Ganda Dua Prediktor
Linearitas

H. Uji Hipotesis
Jika dalam analisis data penelitian kita gunakan model-model statistika tertentu,
perlu kita ketahui bahwa dalam format uji statistika yang kita kenal sampai sekarang
terdapat dua macam hipotesis yaitu hipotesis nihil dan hipotesis alternatif.
Hipotesis Nol (H0), menyatakan kenihilan atau ketiadaan (lebih dari 0,05).
Rumusan bakunya untuk hipotesis perbedaan adalah “Tidak ada perbedaan
..........antara..........dengan...........,” sedangkan untuk hipotesis korelasi rumusan
bakunya adalah “Tidak ada korelasi/hubungan antara..............dengan .................. ”
Dalam penelitian di lapangan terdapat banyak variasi mengenai rumusan baku
tersebut. Rumusan “tidak ada perbedaan” dapat juga dinyatakan “tidak berbeda” atau
“sama”. Jadi rumusan “...tidak ada perbedaan tingkat intelegensi antara pria dan
wanita...“dapat juga dirumuskan”... pria dan wanita sama intelegensinya ”
BAB I | 8
 Demikian juga rumusan “...tidak ada hubungan antara luasnya tanah garapan
dengan penghasilan...”dapat dinyatakan”...penghasilan tidak tergantung kepada
luasnya tanah garapan...”.
Hipotesis Alternatif (Ha), semua hipotesis yang bukan hipotesis nihil disebut
hipotesis alternatif (kurang dari 0,05). Hipotesis alternatif (Ha) menyatakan ke-ada-an
(sebagai alternatif dari ke-tiada-an). Untuk hipotesis perbedaan rumusan bakunya
adalah “Ada perbedaan...antara...dengan...” atau “...dan...berbeda dalam...,” dan
seterusnya. Contohnya : “Ada perbedaan tingkat intelegensi antara wanita dan pria,”
atau “Tingkat intelegensi wanita berbeda dengan tingkat intelegensi pria,” dan
sebagainya.
Pembentukan Hipotesis nol pada dasarnya merupakan salah satu format
rumusan hipotesis yang menyatakan status quo. Tujuan menyusun format Ho adalah
untuk memberikan kemungkinan tidak adanya perbedaan antara ekspektasi peneliti
dengan fenomena yang diteliti. Kemungkinan sebaliknya, ada perbedaan antara
ekspektasi peneliti dengan data yang dikumpulkan, dirumuskan dalam format hipotesis
alternatif (Ha). Benar atau tidaknya keputusan yang dibuat peneliti untuk menolak Ho
(mendukung Ha) menggunakan landasan teori probabilitaas.
Oleh karena itu diperlukan penetapan tingkat signifikansi dalam pengujian
statistika yang menunjukkan probabilitas bahwa keputusan peneliti adalah salah. Atau
sebaliknya, penentuan tingkat keyakinan yang menunjukkan probabilitas akurasi
keputusan yang dibuat oleh peneliti. Tingkat probabilitas untuk ilmu sosial adalah 95%
artinya Ha diterima jika signifikansi kurang dari 0,05

I. Ha Berarah (1-tailed) dan Ha Tak berarah (2-tailed)

Hipotesis alternatif masih dibagi dalam dua arah, yaitu

1. Ha berarah (directional) menunjukkan arah perbedaan (A>B atau B>A) untuk uji
komparatif atau uji perbedaan, dan arah korelasi (positif atau negatif) untuk uji
korelasi atau uji hubungan.

BAB I | 9
 Ha berarah untuk uji korelasi memiliki dua jenis yaitu:
a. Ha berarah positif dan Ha berarah negatif. Ha berarah positif menyatakan
apabila variabel X lebih rendah dan variabel Y lebih rendah misalnya,
semakin rendah harga diri maka semakin rendah perilaku prososial dan
sebaliknya.
b. Ha berarah negatif menyatakan apabila variabel X lebih tinggi dan variabel Y
lebih rendah misalnya, semakin tinggi self control maka semakin rendah
perilaku agresif dan sebaliknya.
2. Ha tak-berarah (nondirectional) yaitu hipotesis yang hanya menyatakan “ada
perbedaan” atau “ada korelasi”.

BAB I | 10
 BAB II
UJI DAYA DISKRIMINASI AITEM
VALIDITAS DAN UJI RELIABILITAS

A. Validitas
Secara umum adalah mengukur apa yang seharusnya diukur. Validitas berasal
dari kata validity yang mempunyai arti sejauh mana ketepatan dan kecermatan suatu
instrumen pengukur (tes) dalam melakukan fungsi ukurnya (Azwar 1996).
Suatu tes dapat dikatakan memiliki validitas yang tinggi jika tes tersebut
menjalankan fungsi ukurnya, atau memberikan hasil ukur yang tepat dan akurat
sesuai dengan maksud dikenakannya tes tersebut. Suatu tes yang menghasilkan data
yang tidak relevan dengan tujuan diadakannya pengukuran dikatakan sebagai tes
yang memiliki validitas rendah.
Sisi lain yang berkaitan dengan konsep validitas adalah masalah kecermatan.
Suatu tes yang validitasnya tinggi selain dapat menjalankan fungsi ukurnya dengan
tepat, juga memiliki kecermatan tinggi. Artinya kecermatan didalam mendeteksi
perbedaan – perbedaan kecil yang ada pada atribut yang diukurnya.
Validitas pengukuran dalam ilmu sosial dikelompokkan dalam dua bentuk,
yaitu validitas eksternal dan validitas internal. Validitas eksternal menunjukkan
kemampuan pengukuran untuk diterapkan secara umum pada berbagai obyek, tempat
dan waktu pengukuran. Sedangkan validitas internal berkaitan dengan kemampuan
instrumen penelitian untuk mengukur apa yang ingin kita ukur.
Sementara itu menurut Azwar (1996), validitas dibagi atas validitas isi,
validitas konstruk, dan validitas berdasar kriteria.
1. Validitas Isi
Validitas isi merupakan validitas yang diestimasi lewat pengujian terhadap
kelayakan atau relevansi isi tes melalui analisis rasional oleh panel yang
berkompeten atau melalui expert judgement (penilaian ahli). Validitas isi atau
content validity memastikan bahwa pengukuran memasukkan sekumpulan item
yang memadai dan mewakili yang mengungkap konsep. Semakin item skala
mencerminkan kawasan atau ke seluruh konsep yang diukur, semakin besar

BAB II | 11
validitas isi. Atau dengan kata lain, validitas isi merupakan fungsi seberapa baik
dimensi dan elemen sebuah konsep yang telah digambarkan (Sekaran, 2006).
Menurut Widhiarso (2018), Validitas isi atau yang disebut juga dengan
validitas muka/tampang didasarkan pada format penampilan tes, seperti pemilihan
jenis huruf, warna atau tebal kertas. Validitas ini menyangkut motivasi subjek
dalam merespon aitem-aitem di dalam tes. Penggunaan validitas ini juga harus
dilengkapi dengan estimasi validitas yang lain.
Validitas isi bertujuan untuk mengetahui bahwa item tes mewakili kawasan
ukur, artinya validitas tersebut menjelaskan “sejauh mana aitem dalam tes
mencakup keseluruhan kawasan isi objek yang hendak diukur”.
Validitas isi menyangkut judgement yang dibuat oleh para ahli, sedangkan
validitas muka/tampang menyangkut judgement dari pengguna test. Sejalan
dengan itu, Gregory (1992) yang dikutip Azwar (2012) menjelaskan bahwa
validitas tampang hanya sekedar tahap penerimaan orang pada umumnya terhadap
fungsi pengukuran tes, serta tidak berhubungan dengan statistik validitas seperti
koefisien atau indeks.
Lawshe (1975) mengusulkan rasio validitas isi (CVR) untuk mengukur
derajat kesepakatan para ahli dari satu item dan yang dapat mengekspresikan
tingkat validitas konten melalui indikator tunggal yang berkisar dari -1 sampai 1.
Pendekatan lain adalah koefisien validitas isi dan reliabilitas koefisien
homogenitas diusulkan oleh Aiken (1980, 1985), yang dapat digunakan untuk
mengukur peringkat validitas setiap item (V value).
Cara melakukan validitas isi:
a. Tentukan wilayah kawasan psikologis
b. Pilihlah panel yang memiliki kualifikasi (ahli di bidangnya) untuk
mengevaluasi blue print dan item yang disusun
c. Susunlah framework untuk memproses kesamaan antara aitem dengan wilayah
kawasan psikologis
d. Rangkumlah hasil kesamaan di atas

BAB II | 12
 Validitas isi tepat digunakan untuk:
a. Tes prestasi (achievement tests), aspek ukur sesuai dengan tujuan
pembelajaran.
b. Skala prestasi kerja, aspek ukur sesuai dengan kebijakan instansi.

Validitas isi kurang tepat untuk:

a. Tes kepribadian. Kepribadian memiliki banyak aspek dan cakupan yang luas
b. Tidak memiliki wilayah spesifik yang dapat diukur

2. Validitas Konstruk
Validitas konstruk adalah validitas yang menunjukkan sejauh mana suatu
tes mengukur traid atau konstruk teoritis yang akan diukur. Pengujian validitas
konstruk terus berlanjut sesuai dengan perkembangan konsepnya.

3. Validitas Berdasar Kriteria

Pada pengujian berdasarkan kriteria, bukti validitas suatu tes diperlihatkan
oleh adanya hubungan skor pada tes yang bersangkutan dengan skor suatu
kriteria. Untuk pengujian validitas berdasar kriteria tersebut dapat dilakukan
dengan analisis korelasional.

B. Daya Diskriminasi Aitem

Daya beda atau daya diskriminasi aitem adalah sejauh mana aitem mampu
membedakan antara individu atau kelompok individu yang memiliki dan yang tidak
memiliki atribut yang diukur. Sebagai kriteria pemilihan aitem berdasar korelasi
aitem total, biasanya digunakan batasan ≥0,30. Semua aitem yang mencapai
koefisien minimal ≥0,30 daya bedanya dianggap memuaskan. Aitem yang memiliki
atau kurang dari ≥0,30 dapat diinterpretasikan sebagai aitem yang memiliki daya
beda rendah (Azwar, 2012). Namun apabila aitem-aitem yang lolos ternyata masih
tidak mencukupi jumlah yang diinginkan, maka dapat mempertimbangkan untuk
menurunkan sedikit batas kriteria 0.30 menjadi 0.25 atau 0.2 (Azwar. 2007).

BAB II | 13
C. Reliabilitas
Reliabilitas diterjemahkan dari kata reliability. Pengukuran yang memiliki
reliabilitas yang tinggi maksudnya adalah pengukuran yang dapat menghasilkan data
yang reliabel.
Walaupun reliabilitas mempunyai berbagai nama lain seperti keterpercayaan,
keterandalan, keajegan, konsistensi, kestabilan, dan sebagainya namun ide pokok
dalam konsep reliabilitas adalah sejauh mana hasil suatu pengukuran dapat
dipercaya. Hasil ukur dapat dipercaya apabila dalam beberapa kali pengukuran
terhadap kelompok subjek yang sama diperoleh hasil relatif yang sama, kalau aspek
yang diukur dalam diri subjek memang belum berubah. Pengertian relatif
menunjukkan bahwa ada toleransi terhadap perbedaan – perbedaan kecil diantara
hasil pengukuran. Bila perbedaan itu besar dari waktu ke waktu, maka hasil
pengukuran itu, tidak dapat dipercaya atau tidak variabel.
Validitas juga dapat dikatakan menunjukkan konsistensi pengukuran yang
dilakukan yang meliputi stabilitas, ekivalen, dan konsistensi internal. Reliabilitas ini
sangat erat kaitannya dengan ketepatan dan ketelitian pengukuran. Pengukuran
dikatakan stabil jika pengukuran pada sebuah obyek dilakukan berulang-ulang pada
waktu yang berbeda, menunjukkan hasil yang sama, dikatakan ekivalen jika
pengukuran menunjukkan hasil pengukuran yang sama jika dilakukan peneliti lain
atau memakai contoh item lain, serta dikatakan konsisten internal jika item-item atau
indicator yang digunakan adalah konsisten satu sama lain. Tinggi rendahnya
reliabilitas, secara empirik ditunjukkan oleh suatu angka yang disebut nilai koefisien
reliabilitas. Reliabilitas yang tinggi ditunjukkan dengan nilai rxx mendekati angka 1.
Kesepakatan secara umum, reliabilitas yang dianggap sudah cukup memuaskan jika
≥ 0,700 (pada output SPSS, dapat dilihat pada nilai Alpha Cronbach).

BAB II | 14
D. LATIHAN
Dalam merancang suatu skala untuk mengukur konsep diri, berdasarkan uji coba
pada 30 siswa, pada ke-15 itemnya diperoleh skor seperti tabel berikut:

Tabel 2.1 Skor per aitem pada Skala Konsep Diri

Item
Subjek 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

1 4 2 6 4 1 6 6 6 6 2 5 2 6 4 6
2 6 6 2 6 5 6 4 6 5 2 6 6 6 6 6
3 5 6 5 4 6 3 5 3 3 4 6 5 6 6 5
4 4 6 5 5 1 2 2 5 1 5 6 4 6 6 4
5 4 5 2 6 6 6 6 6 6 3 6 4 6 6 6
6 6 6 2 6 6 6 6 6 6 4 6 4 6 6 5
7 4 4 4 4 1 3 3 3 2 3 3 3 3 4 4
8 6 6 6 5 3 5 6 6 6 6 6 4 6 6 6
9 6 6 1 3 4 2 5 3 3 4 2 4 3 4 3
10 4 2 6 4 1 6 6 6 6 2 5 2 6 4 5
11 6 6 2 6 5 6 4 6 5 2 6 6 6 6 6
12 6 6 2 6 5 6 4 6 5 2 6 6 6 6 6
13 4 6 5 5 1 2 2 5 1 5 6 4 6 6 4
14 5 6 5 4 6 3 5 3 3 4 6 5 6 6 5
15 6 5 5 5 5 2 6 3 2 5 6 5 6 6 4
16 4 2 6 4 1 6 6 6 6 2 5 2 6 4 5
17 6 6 2 6 6 6 6 6 6 4 6 4 6 6 5
18 6 6 3 5 5 6 5 6 5 5 5 5 4 6 6
19 4 6 5 5 1 2 2 5 1 5 6 4 6 6 4
20 4 2 6 4 1 6 6 6 6 2 6 4 6 6 4
21 4 4 4 4 1 3 3 3 2 3 6 4 6 6 6
22 6 6 2 6 5 6 4 6 5 2 6 6 6 6 6
23 4 5 2 6 6 6 6 6 6 3 6 4 6 6 6
24 6 6 1 3 4 2 5 3 3 4 2 4 3 4 3
25 4 4 4 4 1 3 3 3 2 3 3 3 3 4 4
26 4 6 5 5 1 2 2 5 1 5 5 6 5 5 6
27 6 6 6 5 3 5 6 6 6 6 6 4 6 6 6
28 4 2 6 4 1 6 6 6 6 2 5 2 6 4 5
29 4 4 4 4 1 3 3 3 2 3 3 3 3 4 4
30 5 6 5 4 6 3 5 3 3 4 6 5 6 6 5

BAB II | 15
LANGKAH-LANGKAH
1. Buka lembar spread sheet SPSS, lalu pindahkan data-data di atas.

2. Klik Analyse, lalu pilih Scale, dan pilih lagi Reliablity Analysis.

BAB II | 16
3. Pindahkan ke-15 variabel (dari var00001 s/d var00015) ke bagian Items.

4. Klik Statistics ... , lalu pilih Description for: Item; Scale; Scale if item deleted, lalu
tekan Continue, dan tekan OK.

5. Berdasarkan output, akan ditampilkan seperti berikut:

BAB II | 17
Scale: ALL VARIABLES
Case Processing Summary
N %
Valid 30 100.0
a
Cases Excluded 0 .0
Total 30 100.0
a. Listwise deletion based on all
variables in the procedure.

Reliability Statistics
Cronbach's N of
Alpha Items
.792 15

Item Statistics
Mean Std. N
Deviation
VAR00001 4.9000 .95953 30
VAR00002 4.9667 1.51960 30
VAR00003 3.9667 1.73172 30
VAR00004 4.7333 .94443 30
VAR00005 3.3000 2.18380 30
VAR00006 4.3000 1.76459 30
VAR00007 4.6000 1.47625 30
VAR00008 4.8667 1.38298 30
VAR00009 4.0000 1.94759 30
VAR00010 3.5333 1.30604 30
VAR00011 5.2333 1.27802 30
VAR00012 4.1333 1.22428 30
VAR00013 5.4000 1.16264 30
VAR00014 5.3667 .92786 30
VAR00015 5.0000 .98261 30

BAB II | 18
 Item-Total Statistics
Scale Mean Scale Corrected Cronbach's
if Item Variance if Item-Total Alpha if
Deleted Item Correlation Item Deleted
Deleted
VAR00001 63.4000 108.317 .467 .779
VAR00002 63.3333 109.540 .211 .796
VAR00003 64.3333 125.678 -.261 .838
VAR00004 63.5667 104.599 .677 .768
VAR00005 65.0000 92.207 .515 .772
VAR00006 64.0000 97.103 .527 .769
VAR00007 63.7000 104.217 .404 .780
VAR00008 63.4333 100.806 .571 .767
VAR00009 64.3000 94.700 .529 .769
VAR00010 64.7667 117.289 -.015 .809
VAR00011 63.0667 98.616 .721 .757
VAR00012 64.1667 107.937 .359 .784
VAR00013 62.9000 101.955 .650 .765
VAR00014 62.9333 104.754 .682 .768
VAR00015 63.3000 104.493 .652 .768

Scale Statistics
Mean Variance Std. Deviation N of Items
68.3000 118.562 10.88862 15

BAB II | 19
 BAB III:
UJI ASUMSI PARAMETRIK

Seperti yang telah dibahas pada bab sebelumnya, sebelum melakukan uji hipotesis
perlu dilakukan uji asumsi dari data sampel yang telah diambil. Uji asumsi terdiri dari
3 jenis, yaitu: uji normalitas, uji homogenitas dan uji linearitas.

A. NORMALITAS
Uji normalitas digunakan untuk mengetahui apakah data yang akan dianalisis
tersebut berdistribusi normal atau tidak. Jika data tidak berdistribusi normal maka
tidak dapat menggunakan analisis parametrik sebagai alat analisisnya, akan tetapi
disarankan untuk menggunakan analisis non-parametrik.
Dalam melakukan uji normalitas, banyak teknik yang dapat digunakan,
diantaranya adalah Uji Chi Kuadrat, Plot Data, Skewness dan Kurtosis, Uji
Kolmogorov-Smirnov, dan sebagainya. Namun, teknik yang akan dibahas kali ini
adalah uji Kolmogorov-Smirnov.

B. HOMOGENITAS
Uji homogenitas dimaksudkan untuk memperlihatkan bahwa dua atau lebih
kelompok data sampel berasal dari populasi yang memiliki variansi yang sama.
Populasi-populasi dengan varians yang sama besar dinamakan populasi dengan
varians yang homogen, sedangkan populasi-populasi dengan varians yang tidak
sama besar dinamakan populasi dengan varians yang heterogen.
Faktor-faktor yang menyebabkan sampel atau populasi tidak homogen adalah
proses sampling yang salah, penyebaran yang kurang baik, bahan yang sulit untuk
homogen, atau alat untuk uji homogenitas rusak. Apabila sampel uji tidak
homogen maka sampel tidak bisa digunakan dan perlu dievaluasi kembali mulai
dari proses sampling sampai penyebaran bahkan bila memungkinkan harus
dilakukan pengambilan sampel ulang sehingga mendapatkan sampel uji yang
homogen.

BAB III | 20
C. LINEARITAS
Uji Linieritas digunakan untuk menguji sekumpulan data terhadap
pembentukan garis linear yang akan digunakan untuk memprediksi variabel tak
bebas berdasarkan variabel bebas.
Uji Linieritas tergabung pada pengujian yang menggunakan analisis regresi.
Pada pengujian linieritas, dapat digunakan uji t untuk masing-masing variabel
bebas, dan uji F untuk keseluruhan variabel bebas.

D. SIFAT – SIFAT KURVA NORMAL

1. Kurva normal berbentuk simetris di sekitar nilai reratanya.
2. Kurva distribusi normal merupakan suatu kurva berbentuk genta\lonceng (bell
shaped curve) yang ke dua sisinya melebar sampai tak berhingga (ke dua sisi
tidak berpotongan dengan sumbu horizontal). Nilai-nilainya diukur pada
sumbu mendatar. Sumbu tegaknya menggambarkan nilai fungsi probabilitas
density-nya.
3. Sekitar 68 % area di bawah kurva normal terletak di antara nilai nilai   .
Sekitar 95 % area di bawah kurva normal terletak di antara   2 . Dan
sekitar 99,7 % area di bawah kurva normal terletak di antara   3
4. Kurva maupun persamaan Normal melibatkan nilai  dan 2, sehingga fungsi
probabilitas density juga tergantung pada nilai  dan 2
5. Keseluruhan kurva akan bernilai 1, ini mengambarkan sifat peluang yang tidak
pernah negatif dan maksimal bernilai satu .

 x

Gambar 3.1 Kurva Distribusi Normal

BAB III | 21
E. LATIHAN (Uji Normalitas dan Homogenitas Varians)
Dalam suatu penelitian yang akan menguji apakah ada perbedaan
Organizational Citizenship Behavior pada karyawan tetap dan karyawan kontrak,
diperoleh tabel sebagai berikut:
Tabel 3.1 OCB dan Status Karyawan
No OCB Status Karyawan No OCB Status Karyawan
1 120 Karyawan Kontrak 31 109 Karyawan Kontrak
2 119 Karyawan Tetap 32 99 Karyawan Tetap
3 122 Karyawan Kontrak 33 112 Karyawan Kontrak
4 104 Karyawan Tetap 34 106 Karyawan Tetap
5 111 Karyawan Kontrak 35 95 Karyawan Kontrak
6 98 Karyawan Tetap 36 124 Karyawan Tetap
7 113 Karyawan Kontrak 37 114 Karyawan Kontrak
8 122 Karyawan Tetap 38 113 Karyawan Tetap
9 114 Karyawan Kontrak 39 130 Karyawan Kontrak
10 96 Karyawan Tetap 40 102 Karyawan Tetap
11 103 Karyawan Kontrak 41 134 Karyawan Kontrak
12 107 Karyawan Tetap 42 105 Karyawan Tetap
13 119 Karyawan Kontrak 43 115 Karyawan Kontrak
14 108 Karyawan Tetap 44 111 Karyawan Tetap
15 113 Karyawan Kontrak 45 98 Karyawan Kontrak
16 100 Karyawan Tetap 46 108 Karyawan Tetap
17 105 Karyawan Kontrak 47 86 Karyawan Kontrak
18 123 Karyawan Tetap 48 98 Karyawan Tetap
19 117 Karyawan Kontrak 49 85 Karyawan Kontrak
20 116 Karyawan Tetap 50 121 Karyawan Tetap
21 121 Karyawan Kontrak 51 126 Karyawan Kontrak
22 112 Karyawan Tetap 52 102 Karyawan Tetap
23 116 Karyawan Kontrak 53 109 Karyawan Kontrak
24 113 Karyawan Tetap 54 117 Karyawan Tetap
25 108 Karyawan Kontrak 55 117 Karyawan Kontrak
26 103 Karyawan Tetap 56 114 Karyawan Tetap
27 115 Karyawan Kontrak 57 104 Karyawan Kontrak
28 113 Karyawan Tetap 58 114 Karyawan Tetap
29 120 Karyawan Kontrak 59 123 Karyawan Kontrak
30 121 Karyawan Tetap 60 89 Karyawan Tetap

Dari data tersebut ujilah normalitas dan homogenitas variansnya.

BAB III | 22
Langkah-langkah untuk menyelesaikan kasus di atas dengan SPSS
1. Buat 2 variabel data pada lembar kerja SPSS
 Variabel pertama : OCB
Variabel kedua : SK
 Tipe data variabel pertama : Numeric, Width 8, decimal places : 0
Tipe data variabel kedua : Numeric, Width 8, decimal places : 0
Value : 1 Karyawan Kontrak
2 Karyawan Tetap

2. Masukkan semua data seperti pada table diatas

BAB III | 23
3. Dari baris menu
 pilih menu Analyze, lalu pilih submenu Descriptive Statistics.
 Pilih Explore :
 Dependent List, klik variabel OCB
 Factor List, klik variabel SK
 Selanjutnya klik Plots ,
i. Pada Boxplot, pilihannya None.
ii. Pada descriptive, semua pilihan dikosongkan
iii. Klik pilihan Normalitiy Plots with test (Berfungsi untuk
mencari Uji Normalitas)
iv. Pada pilihan Spread vs Level with Levene Test, pilih Power
estimation (Berfungsi untuk mencari Uji Homogenitas)

BAB III | 24
Output yang dihasilkan adalah sebagai berikut :

Case Processing Summary

Cases

Valid Missing Total

Status Karyawan N Percent N Percent N Percent

Karyawan Kontrak 30 100,0% 0 0,0% 30 100,0%

OCB
Karyawan Tetap 30 100,0% 0 0,0% 30 100,0%

Descriptives

Status Karyawan Statistic Std.

Error

Mean 112,47 2,059

Lower 108,25
95% Confidence Interval Bound
for Mean Upper 116,68
Bound

5% Trimmed Mean 112,85

Median 114,00
Karyawan
Variance 127,223
Kontrak
Std. Deviation 11,279

Minimum 85

Maximum 134

Range 49
Interquartile Range 13
Organizational Citizenship
Skewness -,714 ,427
Behavior
Kurtosis ,835 ,833

Mean 109,27 1,655

Lower 105,88
95% Confidence Interval Bound
for Mean Upper 112,65
Bound

Karyawan 5% Trimmed Mean 109,46

Tetap Median 109,50

Variance 82,133

Std. Deviation 9,063

Minimum 89

Maximum 124

Range 35

BAB III | 25
 Interquartile Range 14

Skewness -,175 ,427

Kurtosis -,684 ,833

Tests of Normality

Status Karyawan Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Karyawan Kontrak ,119 30 ,200* ,953 30 ,208

Organizational Citizenship Behavior
Karyawan Tetap ,093 30 ,200* ,972 30 ,609

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Test of Homogeneity of Variance

Levene df1 df2 Sig.

Statistic

Based on Mean ,192 1 58 ,663

Based on Median ,102 1 58 ,751

Organizational Citizenship
Based on Median and with ,102 1 47,740 ,751
Behavior
adjusted df

Based on trimmed mean ,149 1 58 ,701

Analisis :
Output Test of Normality
Pedoman untuk mengambil keputusan adalah :
 Nilai Sig. Atau signifikansi atau nilai probabilitas < 0,05, distribusi adalah
tidak normal (asimetris)
 Nilai Sig. Atau signifikansi atau nilai probabilitas > 0,05 , distribusi adalah
normal (simetris)
Pada output SPSS, dapat dilihat nilai Sig. Pada tabel Test of Normality di kolom
Kolmogorov-Smirnova dan / atau Shapiro Wilk.

Output Test of Homogeneity of Variance

Pedoman dalam pengambilan keputusan adalah :
 Nilai Sig. Atau signifikansi atau nilai probabilitas < 0,05, data berasal dari
populasi yang mempunyai varians tidak sama (Tidak Homogen)

BAB III | 26
  Nilai Sig. Atau signifikansi atau nilai probabilitas > 0,05, data berasal dari
populasi yang mempunyai varians sama. (Homogen)

Output untuk menguji Normalitas dengan Plot, Data dikatakan berdistribusi

normal jika data tersebar di sekeliling garis.

LATIHAN (Uji Linearitas)

Dalam suatu penelitian yang akan menguji apakah ada hubungan antara Work
Engagement (WE) dan Perceived Organizational Support (POS) diperoleh tabel
sebagai berikut:
Tabel 3.2 Work Engagement (WE) dan Perceived
Organizational Support (POS)
No WE POS No WE POS No WE POS
1 74 172 21 85 225 41 64 264
2 62 188 22 76 172 42 72 263
3 58 162 23 75 263 43 52 271
4 80 131 24 88 187 44 48 272
5 60 165 25 71 175 45 56 267
6 47 176 26 33 168 46 46 279
7 59 149 27 84 222 47 51 277
8 53 204 28 76 115 48 46 277
9 90 189 29 86 152 49 95 279
10 40 153 30 83 170 50 51 254
11 83 171 31 76 153 51 47 278
12 77 263 32 61 154 52 45 271
13 57 165 33 54 156 53 84 269
14 68 218 34 64 156 54 81 130
15 57 171 35 72 159 55 60 145
16 77 197 36 56 158 56 52 219
17 75 140 37 58 258 57 62 230
18 54 171 38 57 272 58 65 219
19 81 193 39 55 271 59 75 149
20 62 124 40 59 271 60 98 122

BAB III | 27
Langkah-langkah untuk menyelesaikan kasus di atas dengan SPSS
1. Buat 2 variabel data pada lembar kerja SPSS
 Variabel pertama : WE
Variabel kedua : POS
 Tipe data variabel pertama : Numeric, Width 8, decimal places : 0
Tipe data variabel kedua : Numeric, Width 8, decimal places : 0

Seperti tampilan dibawah ini:

2. Masukan semua data seperti pada tabel diatas pada lembar kerja Data View

BAB III | 28
3. Dari baris Menu
 Pilih menu Analyze, lalu pilih submenu Regression
 Pilih Linear

Akan muncul tampilan seperti ini

BAB III | 29
4. Kemudian :
 Klik variabel POS masukkan ke Dependent
 Klik variabel WE pindahkan ke Independent
 Lalu OK

Output yang dihasilkan adalah sebagai berikut :

Regression
Variabels Entered/Removeda

Model Variabels Entered Variabels Method

Removed

Perceived . Enter
1 Organizational
Supportb

a. Dependent Variabel: Work Engagement

b. All requested variabels entered.

Model Summary

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 ,257a ,066 ,050 14,352

a. Predictors: (Constant), Perceived Organizational Support

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 843,555 1 843,555 4,095 ,048b

1 Residual 11947,295 58 205,988

Total 12790,850 59

a. Dependent Variabel: Work Engagement

b. Predictors: (Constant), Perceived Organizational Support

Coefficientsa

Model Unstandardized Standardized T Sig.

Coefficients Coefficients

B Std. Error Beta

(Constant) 80,018 7,385 10,835 ,000

1
POS -,072 ,035 -,257 -2,024 ,048

a. Dependent Variabel: Work Engagement

BAB III | 30
 Selain menggunakan cara diatas untuk melihat hasil uji linearitas, alternatif cara yang
dapat digunakan adalah dengan menggunakan teknik Anova. Dalam teknik ini
digunakan nilai F dari setiap pasangan variabel untuk komponen linier dan nonlinier.
Jika signifikansi nilai F untuk komponen nonlinier adalah
Di bawah nilai kritis (misal p<0.05), maka model hubungan yang teridentifikasi
adalah nonlinier. Dalam SPSS, klik ANALYZE  COMPARE MEANS  MEANS
 OPTIONS – TEST FOR LINEARITY ().

ANOVA Table

Sum of df Mean Square F Sig.

Squares

(Combined) 9994.267 43 232.425 1.330 .273

Between Groups Linearity 843.555 1 843.555 4.826 .043

WE * POS Deviation from Linearity 9150.712 42 217.874 1.247 .325

Within Groups 2796.583 16 174.786

Total 12790.850 59

Untuk melihat linearitas, yang pertama harus dilihat adalah Linearity harus
kurang dari 0,05 (<0,05) dan berikutnya yang harus dilihat adalah Deviation from
Linearity harus lebih besar sama dengan 0,05 (≥0,05). Kalau kedua syarat terpenuhi,
maka data tersebut dikatakan bersifat Linear. Namun, kalau ada salah satu syarat yang
tidak terpenuhi, maka lihat dari grafik.
Hasil yang perlu dilihat, pertama adalah kolom F-Deviation from linearity. F-
Deviation from linearity menunjukkan hal ini semakin signifikan nilai F nya maka
semakin besar kasus devian. Jika kita menemukan p>0.05 pada kolom deviation from
linearity maka data kita dapat dikatakan berhubungan secara linier. Maka, untuk hasil
diatas dapat dikatakan bahwa hubungan antara kedua variebl bersifat linear karena F-
Deviation from linearity berada pada rentang tidak signifikan (F=1.247; p>0.05).

BAB III | 31
Scatter Plot
Scatter Plot adalah gambaran visual dari hubungan dua variabel atau lebih.
Untuk melakukannya langkah-langkah adalah sebagai berikut :
1. Dari baris menu pilih Graph, lalu pilih Scatter

2. Dari menu scatter plot lalu pilih Simple

BAB III | 32
3. Masukkan kedua variabel pada Y axis dan X axis

BAB III | 33
Graph

BAB III | 34
Outlier
Dalam grafik visual linearitas, terdapat pula pengganggu (outlier) yang jika
dihilangkan suatu hubungan akan menjadi jelas. Caranya sebagai berikut :

1. Double klik grafik yang akan dihilangkan outlier nya, maka akan muncul Chart
Edit

2. Klik data ID mode, lalu arahkan ke grafik yang akan dihilangkan sehingga akan
muncul NO subjek yang akan dihilangkan

BAB III | 35
3. Kemudian hapus nomer yang muncul di Outlier pada Data View / pada SPSS
4. Lalu ulangi kembali seperti yang pertama, maka suatu hubungan akan menjadi
jelas.

BAB III | 36
 BAB IV
STATISTIKA PARAMETRIK : UJI BEDA

Uji beda untuk Statistika Parametrik terdiri atas :

A. T-Test, terdiri dari
a. Paired Sample Test
Sampel yang berhubungan adalah sampel yang didapatkan dari data yang berasal
dari subjek yang sama. Dapat dikatakan juga pengujian ini dilakukan pada satu
kelompok dengan dua perlakuan terdapat pre dan post (sebelum – sesudah). Uji
asumsi yang digunakan adalah normalitas dikarenakan hanya satu kelompok
sehingga sudah pasti homogen
b. Independen Sample Test
Sampel Independen adalah sampel yang didapatkan dari data yang berasal dari
subjek yang berbeda. Dapat dikatakan pada teknik analisis ini adalah pengujian
hipotesis dilakukan pada dua kelompok sampel yang berbeda dengan dua
perlakuan dalam waktu yang sama. Misalnya perbandingan antara pria-wanita,
desa-kota, dan lainnya. Uji asumsi yang digunakan adalah normalitas dan
homogenitas.

B. Analisis Varians (Anava)

Uji Anava digunakan untuk pengujian lebih dari dua sampel, yang terdiri dari :
a. Anava Satu Jalur (One Way Anova )
Analisis varian (anava) satu jalur adalah jenis analisis statistika parametrik yang
dipergunakan untuk menguji perbedaan antara 3 kelompok data atau lebih
dengan satu variabel bebas. Uji anava satu jalur digunakan untuk menghasilkan
analisis varians satu jalur bagi sebuah variabel dependen dalam tingkat interval
berdasarkan sebuah variabel faktor (independen).
b. Anava Dua Jalur (Two Way Anova )
Analisis varian (anava) dua jalur adalah jenis analisis statistika parametrik yang
dipergunakan untuk menguji perbedaan antara 3 kelompok data atau lebih

BAB IV 37
 dengan dua variabel bebas. Variabel bebas pertama memiliki minimal 3
kelompok dan variabel bebas dua memiliki minimal 2 kelompok.

 Analisis Setelah Anova 1 Jalur Maupun 2 Jalur (Post Hoc)

Analisis setelah anova atau pasca Anova (post hoc) dilakukan apabila hipotesis nol
(Ho) ditolak. Fungsi analisis setelah anova adalah untuk mencari kelompok mana
yang berbeda. Hal ini ditunjukkan oleh F hitung yang menunjukkan adanya
perbedaan. Apabila F hitung menunjukkan tidak ada perbedaan, tentu analisis
sesudah anova tidak perlu dilakukan. Ada beberapa teknik analisis yang dapat
digunakan untuk melakukan analisis sesudah anova, antara lainTukey’s HSD,
Bonferroni, Sidak, Scheffe, Duncan dan lain-lain.

BAB IV 38
Untuk data yang bersifat Homogen maka pilih pada Equal Variances Assumed dan
yang biasa digunakan adalah Tukey.

Namun apabila data tidak Homogen maka pilih Equal Variances Not Assumed dan
yang bisa digunakan adalah Games-Howell.

BAB IV 39
C. LATIHAN
LATIHAN 1
T-TEST (Paired Sample T Test)
Suatu penelitian dilakukan untuk menguji perbedaan stres kerja karyawan yang bekerja
di ruangan yang bersifat tradisional lalu pindah pada ruangan yang modern diperoleh
data-data sebagai berikut :
Tabel 4.1 Data Stres Karyawan dari Ruang Tradisional ke Ruang Modern

Subjek Ruang Ruang Subjek Ruang Ruang

Tradisional Modern Tradisional Modern

1. 76 77 16. 84 85

2. 77 79 17. 88 90

3. 78 79 18. 92 99

4. 79 80 19. 98 97

5. 82 82 20. 76 77

6. 88 82 21. 77 79

7. 92 93 22. 78 79

8. 96 92 23. 79 79

9. 84 85 24. 82 85

10. 88 90 25. 89 79

11. 92 99 26. 84 85

12. 98 97 27. 92 82

13. 88 90 28. 98 84

14. 97 96 29. 88 93

15. 89 91 30. 77 93

BAB IV 40
Hipotesis yang dapat dibuat untuk menjawab masalah di atas adalah :
Ho : Tidak ada perbedaan stres karyawan ketika berada pada ruang
tradisional dengan ketika berada pada ruang modern
HA : Ada perbedaan stres karyawan ketika berada pada ruang tradisional
dengan ketika berada pada ruang modern.

Langkah – langkah untuk menyelesaikan kasus di atas dengan SPSS

1. Buat dua variabel data pada lembar kerja SPSS
 Variabel pertama : tradis
Variabel kedua : modern
 Tipe data : Numeric, width 8, decimal places : 0
2. Masukkan semua data seperti pada tabel diatas
3. Analisis dengan Paired Sample T Test
 Dari baris menu pilih menu Analyze kemudian pilih submenu Compare
Means
 Dari serangkaian pilihan test, pilih Paired-Samples T test
 Masukkan kedua variabel pada kotak Paired Variabel

4. Hasil analisisnya adalah sebagai berikut :

BAB IV 38
 Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

Tradis 86.20 30 7.303 1.333

Pair 1
Modern 86.60 30 7.127 1.301

Statistik Deskriptif
Mean adalah rerata kemandirian tiap pengukuran. N adalah jumlah sampel.
[Link] adalah simpangan baku. Std. Error adalah kesalahan baku.

Paired Samples Test

Pair 1

Tradis - Modern

Mean -.400

Std. Deviation 5.468

Paired Differences Std. Error Mean .998

Lower -2.442
95% Confidence Interval of the Difference
Upper 1.642
t -.401
df 29
Sig. (2-tailed) .692

Mean. Selisih rata-rata. didapatkan dari rerata stres pada saat di ruang tradisional-
ruang modern. 86.93-87.47 = -0.53. [Link]. Simpangan baku dari selisih
antara stress pada saat di ruang tradisional dan modern. Std E(tradisional-modern).
Confidence Interval. Interval yang menunjukkan wilayah adanya perbedaan stres
pada taraf kepercayaan 92%.

t-value. Biasanya nilai t yang diatas nilai kritis 1,96 selaluu bisa diterima pada
taraf sig. 95%. Atau ketika lebih besar daripada 2.56 diterima pada signifikan 99%.
Hasil uji t = -0.706 (lebih kecil daripada 1.96  tidak ada perbedaan stress ditolak
pada taraf 99%). df. Derajat bebas (jumlah sampel-1) 15 orang – 1 = 14.

BAB IV 39
 Aturan Uji t
a. Sig: p ≤ 0.05  ada perbedaan pada taraf sig. 5%
b. Sig: p ≤ 0.01  ada perbedaan pada taraf sig. 1%
c. Sig: p > 0.05  tidak ada beda

Maka:
Keputusan yang dibuat jika tingkat signifikansi sebesar 5 % adalah mendukung Ho,
yang berarti tidak ada perbedaan stres karyawan ketika berada pada ruang tradisional
dengan ketika berada pada ruang modern.

Pivot Tabel
Langkah-langkah untuk melakukan pivot tabel:
1. Double click tabel yang akan di pivot
2. Akan muncul tampilan tabel seperti dibawah ini:

3. Kemudian klik pivot pada bar bagian atas dan klik transpose rows and columns

BAB IV 40
LATIHAN 2
T – TEST (Independent Sample T Test)
Mirip dengan penelitian di atas, suatu penelitian dilakukan untuk menguji perbedaan
stres kerja dua kelompok karyawan yang bekerja di ruangan yang bersifat tradisional
dan pada ruangan yang modern pada saat yang sama, sehingga diperoleh data-data
sebagai berikut:

Tabel 4.2 Data Stres Karyawan pada Ruang Tradisional dan Ruang Modern

Ruang Tradisional Ruang Modern Ruang Tradisional Ruang Modern

75 79 84 85

73 85 89 91

72 79 90 99

79 85 98 88

82 82 88 90

80 84 76 97

92 93 79 99

77 93

Hipotesis yang dapat dibuat untuk menjawab masalah di atas adalah :

Ho : Tidak ada perbedaan stres karyawan pada ruang tradisional dengan
pada ruang modern
HA : Ada perbedaan stres karyawan pada ruang tradisional pada ruang
modern.

BAB IV 41
Langkah-langkah Untuk Menyelesaikan Kasus Di Atas Dengan SPSS
1. Buat dua variabel data pada lembar kerja SPSS
 Variabel pertama : ruang.
Tipe data : Numeric, Width 8, decimal places : 0
Value : 2 yaitu : 1 : Tradisional
2 : Modern

 Variabel kedua : stres.

Tipe data : Numeric, Width 8, decimal places : 0
2. Masukkan semua data sesuai dengan data di atas
3. Analisis dengan Independent Sample Test.
 Dari baris menu pilih menu Analyze, kemudian pilih submenu Compare-
Means.
 Dari serangkaian pilihan test, pilih Independent Samples T test.
 Pindahkan variabel stres ke kotak Test Variable (s).
 Pindahkan variabel ruang ke kotak Grouping Variable.

BAB IV 44
4. Hasil analisisnya adalah sebagai berikut :

Group Statistics

Std. Error
RUANG N Mean Std. Deviation Mean
STRESS Trad 15 82.27 7.66 1.98
Modern 15 88.60 6.66 1.72

Independent Sam ples Test

STRESS
Equal variances Equal variances
assumed not assumed
Levene's Test for F .310
Equality of Variances Sig. .582
t-test for Equality of t -2.416 -2.416
Means df 28 27.475
Sig. (2-tailed) .022 .023
Mean Difference
-6.33 -6.33

Std. Error Difference

2.62 2.62

95% Confidence Interval Lower -11.70 -11.71

of the Difference Upper -.96 -.96

Untuk membuat keputusan, perhatikan Levene’s test untuk uji homogenitas (perbedaan
varians). Disana tampak bahwa F = 0.310 (p = 0.582) karena p diatas 0.05, maka dapat
BAB IV 45
dikatakan bahwa tidak ada perbedaan varians pada data stres di ruang tradisional dan
modern (data equal/homogen). Jika data homogen, maka baca lajur kiri (equal variance
assumed), namun jika tidak homogen baca lajur sebelah kanan (equal variance not
assumed) . Dari data diatas dapat disimpulkan bahwa data homogen (sig < 0.05).

Jika data homogen, maka hasil uji hipotesis dapat dilihat berdasarkan hasil sig. (2-tailed)
= 0.022 (p < 0.05), maka terdapat perbedaan stres karyawan ketika berada pada ruang
traidisional dan ketika berada di ruang modern (Ha diterima).

Selain menggunakan nilai sig.(2-tailed), hasil uji hipotesis dapat menggunakan nilai t
hitung. Terlihat bahwa hasil t hitung = -2.416 (sig < 0.05), artinya terdapat perbedaan
stres karyawan ketika berada pada ruang tradisional dengan ketika berada pada ruang
modern.

LATIHAN 3
T- TEST (Independent Sample Test)
Suatu penelitian dilakukan untuk menguji perbedaan skor asertivitas antara suku Jawa
dan suku Batak, data yang diperoleh sebagai berikut :

BAB IV 46
 Tabel 4.3 Skor Asertivitas Berdasarkan Suku Jawa dan Batak

Skor Suku Skor Suku Skor Suku Skor Suku

Asertivitas Asertivitas Asertivitas Asertivitas

67 Jawa 71 Batak 57 Jawa 87 Batak

45 Jawa 70 Batak 58 Jawa 68 Batak

55 Jawa 75 Batak 55 Jawa 75 Batak

64 Jawa 55 Batak 67 Jawa 59 Batak

68 Jawa 65 Batak 55 Jawa 67 Batak

55 Jawa 63 Batak 54 Jawa 65 Batak

56 Jawa 55 Batak 62 Jawa 68 Batak

45 Jawa 75 Batak 64 Jawa 76 Batak

70 Jawa 76 Batak 63 Jawa 76 Batak

72 Jawa 69 Batak 51 Jawa 72 Batak

60 Jawa 70 Batak 54 Jawa 75 Batak

61 Jawa 56 Batak 67 Jawa 76 Batak

46 Jawa 54 Batak 66 Jawa 72 Batak

47 Jawa 69 Batak 65 Jawa 75 Batak

64 Jawa 70 Batak 56 Jawa 76 Batak

65 Jawa 75 Batak 45 Jawa 72 Batak

71 Jawa 74 Batak 75 Jawa 82 Batak

67 Jawa 72 Batak 67 Jawa 60 Batak

65 Jawa 68 Batak 70 Jawa 75 Batak

54 Jawa 65 Batak 72 Jawa 80 Batak

BAB IV 47
LATIHAN 4
ANALISIS VARIANS (Anava Satu Jalur)
Seorang mahasiswa ingin mengkaji apakah ada perbedaan intelegensi pada kelompok
umur remaja di antara anak sulung, anak tengah, dan anak bungsu. Untuk itu mahasiswa
tersebut memperoleh sepuluh keluarga yang memiliki tiga anak remaja, sehingga
dengan menggunakan CFIT diperoleh data sebagai berikut :
Tabel 4.4 Inteligensi Berdasarkan Urutan Kelahiran

Intelegensi Intelegensi Intelegensi

No.
Kelompok Anak Kelompok Anak Kelompok Anak
Keluarga
Sulung Tengah Bungsu

1 122 120 142

2 98 106 100

3 112 113 111

4 106 99 100

5 98 129 122

6 100 111 129

7 108 98 142

8 130 134 129

9 122 130 128

10 116 101 98

Hipotesis yang dapat dibuat untuk menjawab masalah di atas adalah :

Ho : Tidak ada perbedaan intelegensi kelompok anak sulung, anak tengah
dan anak bungsu.
HA : Paling tidak ada satu perbedaan intelegensi kelompok anak sulung,
anak tengah dan anak bungsu.
Langkah-langkah untuk menyelesaikan kasus di atas dengan SPSS

BAB IV 48
1. Buat dua variabel data pada lembar kerja SPSS
 Variabel pertama : anak
Tipe data : Numeric, Width 8, decimal places : 0
Value : 3 yaitu : 1 : sulung
2 : tengah
3 : bungsu
 Variabel kedua : intelg
Tipe data : Numeric, Width 8, decimal places : 0
2. Masukkan semua data seperti pada tabel diatas
3. Analisis dengan anava
 Dari baris menu pilih menu Analyze, kemudian pilih submenu Compare-
Means.
 Dari serangkaian test, pilih One Way Anova
 Pindahkan variabel intelg ke kotak Dependent List.
 Pindahkan variabel anak ke kotak Factor.

BAB IV 49
 4. Hasil analisisnya adalah sebagai berikut :
ANOVA

INTELEG
Sum of
Squares df Mean Square F Sig.
Between Groups 412.067 2 206.033 1.045 .366
Within Groups 5325.400 27 197.237
Total 5737.467 29

Keputusan yang dibuat jika tingkat signifansi sebesar 5 % adalah mendukung Ho,
yang berarti Tidak ada perbedaan intelegensi kelompok anak sulung, anak tengah
dan anak bungsu.

Catatan: untuk uji homogenitas dapat dilakukan dengan cara

 Pilih sub menu Option
 Dari sub menu Statistics pilih Homogeneity of variance test.

Test of Homogeneity of Variances

Anak

Levene Statistic df1 df2 Sig.

3.246 7 12 .036

BAB IV 50
LATIHAN 5
(Anava Satu Jalur)
Stres pada sektor pemerintah, industri, keuangan dan pendidikan
Seorang peneliti ingin meneliti stress kerja pada karyawan yang bekerja di sektor
pemerintah, industri, keuangan dan pendidikan. Data yang didapat adalah sebagai
berikut:
Tabel 4.5 Data Stress pada sektor pemerintah, industri,
keuangan dan pendidikan

SKOR STRES

PEMERINTAH INDUSTRI KEUANGAN PENDIDIKAN

338 345 345 298

336 348 350 325

339 342 344 324

334 346 341 316

335 341 345 329

332 345 347 314

339 348 344 332

334 347 343 318

332 342 340 287

326 341 338 333

333 339 335 318

339 333 328 322

330 352 350 314

329 337 333 332

330 335 327 302

BAB IV 51
LATIHAN 6
(Anava Dua Jalur)
Seorang peneliti ingin meneliti motivasi kerja pada karyawan berdasarkan bagian
(administrasi, teknik, dan public relation) dan bonus (bonus 3, bonus 2, dan bonus 1).
Data yang didapat adalah sebagai berikut :
Tabel 4.6 Data Skor Motivasi, Bonus dan Bagian

Skor Motivasi

ADM TEK PR

340 429 288

354 418 316

313 456 307

297 422 255

BONUS 3
305 482 223
(Gaji 3 kali
288 420 219
lipat)
354 447 295

271 357 266

293 414 245

296 327 223

258 390 221

298 406 224

BONUS 2
280 408 227
(Gaji 2 kali
296 400 230
lipat)
295 480 204

298 389 198

BAB IV 52
 Skor Motivasi

ADM TEK PR

345 397 227

288 380 233

287 385 219

313 314 177

296 389 205

297 387 189

275 385 196

270 400 200

BONUS 1 290 418 220

(Gaji Normal) 295 289 163

296 299 192

266 308 207

277 411 165

293 400 180

Hipotesis yang dapat dibuat untuk menjawab masalah di atas adalah :

Perbedaan Bagian
Ho : Tidak ada perbedaan motivasi kerja karyawan pada bagian
administrasi, teknik dan public relation.
HA : Paling tidak ada satu perbedaan motivasi kerja karyawan pada bagian
administrasi, teknik dan public relation.

BAB IV 53
Perbedaan Bonus
Ho : Tidak ada perbedaan motivasi kerja karyawan pada bonus 3, bonus 2,
dan bonus 1.
HA : Paling tidak ada satu perbedaan motivasi kerja karyawan pada bonus
3, bonus 2, dan bonus 1
Perbedaan Interaksi Bagian dan Bonus
Ho : Tidak ada interaksi antara perbedaan bagian dan bonus terhadap
motivasi kerja pada karyawan.
HA : Ada Interaksi antara perbedaan bagian dan bonus terhadap motivasi
kerja pada karyawan.

Langkah-langkah Untuk Menyelesaikan Kasus Di Atas Dengan SPSS

1. Buat 3 variabel data pada lembar kerja SPSS
2. Variabel pertama : bagian
Tipe data : Numeric, Width 8, decimal places : 0
Value 3 yaitu : 1 : administrasi
2 : teknik
3 : public relation
 Variabel kedua : bonus
Tipe data : Numeric, Width 8, decimal places : 0
Value : 3 yaitu : 1 : bonus 3
2 : bonus 2
3 : bonus 1
 Variabel ketiga : motivasi
Tipe data : Numeric, Width 8, decimal places : 0
3. Masukkan semua data seperti pada tabel diatas
4. Analisis dengan anava
 Dari baris menu pilih menu Analyze, kemudian pilih submenu General
Linear Model.
 Dari serangkaian test, pilih Simple Factorial (Univariate).
 Pindahkan variabel motivasi ke kotak Dependent Variable
BAB IV 54
  Pindahkan variabel bonus dan bagian ke kotak Fixed Factor.

5. Hasil analisisnya adalah sebagai berikut :

Univariate Analysis of Variance
Between-Subjects Factors
Value Label N
1 Administrasi 30
Bagian 2 Teknik 30
3 Public Relation 30
1 Bonus 3 30
Bonus 2 Bonus 2 30
3 Bonus 1 30

BAB IV 55
 Tests of Between-Subjects Effects
Dependent Variable: Motivasi
Source Type III Sum Df Mean Square F Sig.
of Squares
Correcte
476814,622a 8 59601,828 56,041 ,000
d Model
Intercept 8369200,278 1 8369200,278 7869,250 ,000
Bagian 434827,089 2 217413,544 204,426 ,000
Bonus 35954,822 2 17977,411 16,903 ,000
Bagian *
6032,711 4 1508,178 1,418 ,235
Bonus
Error 86146,100 81 1063,532
Total 8932161,000 90
Correcte
562960,722 89
d Total

Hasil :
Untuk Perbedaan Bagian, Hipotesis Alternatif diterima, yang berarti paling tidak ada
satu perbedaan motivasi kerja karyawan pada bagian administrasi, teknik dan public
relation.

Untuk Perbedaan Bonus, Hipotesis Alternatif yang diterima, yang berarti paling tidak
ada satu perbedaan motivasi kerja karyawan pada bonus 3, bonus 2, dan bonus 1.

Untuk Interaksi, Hipotesis Nol yang diterima, yang berarti tidak ada interaksi antara
perbedaan bonus dan bagian terhadap motivasi kerja pada karyawan.

Setelah diketahui bahwa Ha diterima, uji analisis varians dapat dilakukan dengan uji
Post Hoc, untuk mengetahui variabel-variabel mana yang “berbeda”.

BAB IV 56
Langkah sama seperti Anava dua jalur, kemudian Klik Post Hoc

Untuk data Bonus pilih Tukey, karena data pada bonus bersifat Homogen

BAB IV 57
Output :
Post Hoc Tests
Bonus

Multiple Comparisons
Dependent Variable: Motivasi
Tukey HSD
(I) Bonus (J) Bonus Mean Std. Sig. 95% Confidence Interval
Difference Error Lower Upper
(I-J) Bound Bound
Bonus 2 28,43 20,096 ,338 -19,48 76,35
Bonus 3
Bonus 1 48,73* 20,096 ,045 ,82 96,65
Bonus 3 -28,43 20,096 ,338 -76,35 19,48
Bonus 2
Bonus 1 20,30 20,096 ,572 -27,62 68,22
Bonus 3 -48,73* 20,096 ,045 -96,65 -,82
Bonus 1
Bonus 2 -20,30 20,096 ,572 -68,22 27,62
Based on observed means.
The error term is Mean Square(Error) = 6057,539.
*. The mean difference is significant at the 0,05 level.

Hasil:
1. Tidak ada perbedaan motivasi kerja antara bonus 3 dan bonus 2
2. Ada perbedaan motivasi kerja antara bonus 3 dan bonus 1
3. Tidak ada perbedaan motivasi kerja antara bonus 2 dan bonus 3
4. Tidak ada perbedaan motivasi kerja antara bonus 2 dan bonus 1
5. Ada perbedaan motivasi kerja antara bonus 1 dan bonus 3
6. Tidak ada perbedaan motivasi kerja antara bonus 1 dan bonus 2

BAB IV 58
Selanjutnya untuk variabel bagian, pilih Games-Howell karena data Bagian besifat
Tidak Homogen

BAB IV 59
Output :
Post Hoc Tests
Bagian

Multiple Comparisons
Dependent Variable: Motivasi
Games-Howell
(I) Bagian (J) Bagian Mean Std. Sig. 95% Confidence Interval
Difference Error Lower Upper
(I-J) Bound Bound
Teknik -96,10* 9,802 ,000 -119,90 -72,30
Administra
Public
si 73,67* 8,386 ,000 53,38 93,95
Relation
Administrasi 96,10* 9,802 ,000 72,30 119,90
Teknik Public
169,77* 11,321 ,000 142,51 197,03
Relation
Public Administrasi -73,67* 8,386 ,000 -93,95 -53,38
Relation Teknik -169,77* 11,321 ,000 -197,03 -142,51
Based on observed means.
The error term is Mean Square(Error) = 1472,800.
*. The mean difference is significant at the 0,05 level.

Hasil:
1. Ada perbedaan motivasi kerja yang sangat signifikan antara bagian administrasi
dan teknik
2. Ada perbedaan motivasi kerja yang sangat signifikan antara bagian administrasi
dan public relation
3. Ada perbedaan motivasi kerja yang sangat signifikan antara bagian teknik dan
administrasi

BAB IV 60
 4. Ada perbedaan motivasi kerja yang sangat signifikan antara bagian teknik dan
public relation
5. Ada perbedaan motivasi kerja yang sangat signifikan antara bagian public relation
dan administrasi
6. Ada perbedaan motivasi kerja yang sangat signifikan antara bagian public relation
dan teknik

Kesimpulan:
1. Tidak ada perbedaan motivasi kerja antara bonus 3 dan bonus 2
2. Ada perbedaan motivasi kerja antara bonus 3 dan bonus 1
3. Tidak ada perbedaan motivasi kerja antara bonus 2 dan bonus 3
4. Tidak ada perbedaan motivasi kerja antara bonus 2 dan bonus 1
5. Ada perbedaan motivasi kerja antara bonus 1 dan bonus 3
6. Tidak ada perbedaan motivasi kerja antara bonus 1 dan bonus 2
7. Ada perbedaan motivasi kerja yang sangat signifikan antara bagian administrasi dan
teknik
8. Ada perbedaan motivasi kerja yang sangat signifikan antara bagian administrasi dan
public relation
9. Ada perbedaan motivasi kerja yang sangat signifikan antara bagian teknik dan
administrasi
10. Ada perbedaan motivasi kerja yang sangat signifikan antara bagian teknik dan public
relation
11. Ada perbedaan motivasi kerja yang sangat signifikan antara bagian public relation
dan administrasi
12. Ada perbedaan motivasi kerja yang sangat signifikan antara bagian public relation
dan teknik
13. Tidak ada interaksi antara perbedaan bonus dan bagian terhadap motivasi kerja pada
karyawan

BAB IV 61
LATIHAN 7
Produktivitas berdasarkan Shift dan Jenis Kelamin
Sebuah pabrik mempekerjakan karyawannya dalam 4 shift (1 shift terdiri atas kelompok
pekerjaan yang berlainan). Manager pabrik tersebut ingin mengetahui apakah ada
perbedaan produktivitas diantara 4 kelompok kerja shift yang ada selama ini
berdasarkan jenis kelamin.

Tabel 4.7 Produktivitas berdasarkan Shift dan Jenis Kelamin

Hari Shift 1 Shift 2 Shift 3 Shift 4 Jenis Kelamin

1 44 39 32 46 Pria

2 32 33 36 41 Pria

3 38 45 33 45 Pria

4 39 48 39 48 Pria

5 43 47 58 42 Pria

6 44 42 25 46 Pria

7 62 41 34 41 Wanita

8 45 39 26 45 Wanita

9 46 33 39 38 Wanita

10 47 32 45 36 Wanita

11 42 39 48 39 Wanita

12 41 34 42 44 Wanita

BAB IV 62
 BAB V
STATISTIKA PARAMETRIK: UJI HUBUNGAN

Uji Hubungan pada Statistika Parametrik dibedakan atas :

1. Korelasi :
a. Korelasi bivariate
b. Korelasi parsial
2. Regresi :
a. Regresi sederhana
b. Regresi berganda.

A. KORELASI
Dalam bab ini akan dibahas korelasi atau asosiasi atau hubungan antara variabel-
variabel yang diamati. Dengan menjalankan proses ini maka akan disoroti dua aspek
untuk analisis korelasi, yaitu:
1. Apakah data sampel yang ada menyediakan bukti cukup bahwa ada kaitan antara
variabel-variabel dalam populasi asal sampel.
2. Jika ada hubungan, seberapa kuat hubungan antar variabel tersebut. Keeratan
hubungan itu dinyatakan dengan nama koefisien korelasi.

Pada analisis yang menggunakan SPSS, korelasi ditampilkan dalam dua bentuk yaitu :
1. Korelasi Bivariate
Menggunakan metode Product Moment Pearson. Koefisien korelasi bivariate ini
mengukur keeratan hubungan di antara hasil-hasil pengamatan dari populasi yang
mempunyai dua variabel. Perhitungan ini mensyaratkan bahwa populasi sampel
mempunyai dua variabel dan berdistribusi normal, dengan skala data yang bersifat
interval ataupun rasio.
2. Korelasi Partial
Koefisien korelasi partial akan mengukur keeratan hubungan antara dua variabel
dengan melakukan kontrol terhadap satu atau lebih variabel tambahan (yang disebut
dengan variabel kontrol).

BAB V | 63
 Jika peneliti mencantumkan asumsi maka yang dipilih adalah 1-tailed namun
jika peneliti tidak mencantumkan asumsi maka yang dipilih adalah 2-tailed. Hasil
output korelasi yang di baca terdapat 4 hal, yaitu:
1. Signifikansi (untuk melihat Ho atau Ha yang diterima)
2. Keeratan hubungan (0,7 – 1 = kuat)
3. Arah hubungan (+ /-)
4. Grafik

LATIHAN (Korelasi Bivariate)

Dalam penelitian yang menguji apakah terapi Humanistik efektif sebagai terapi
bagi pecandu narkoba. Penelitian ini dilakukan dengan mendata lama perawatan dan
mengukur dampak psikologis melalui skala dampak psikologis. Asumsinya adalah
semakin lama perawatan, semakin rendah dampak psikologisnya. Data-data yang berhasil
dikumpulkan antara lain:

Tabel 5.1 Lama Perawatan dan Dampak Psikologis Pecandu Narkoba

Lama Lama
No. Dampak No. Dampak
Perawatan Perawatan
Subjek Psikologis Subjek Psikologis
(hari) ( hari )
1. 59 4 11. 64 25
2. 93 5 12. 81 30
3. 59 5 13. 80 30
4. 90 7 14. 86 30
5. 67 7 15. 74 30
6. 82 7 16. 100 30
7. 79 7 17. 34 33
8. 66 14 18. 62 36
9. 88 14 19. 79 40
10. 66 17 20. 85 42

BAB V | 64
 Lama Lama
No. Dampak No. Dampak
Perawatan Perawatan
Subjek Psikologis Subjek Psikologis
(hari) ( hari )
21. 85 50 36. 66 118
22. 98 53 37. 88 126
23. 63 60 38. 65 132
24. 62 65 39. 78 135
25 67 67 40. 72 150
26. 54 71 41. 65 150
27. 101 80 42. 53 150
28. 92 85 43. 63 153
29. 62 90 44. 62 170
30. 92 90 45. 74 210
31. 52 90 46. 52 240
32. 58 96 47. 70 266
33. 66 104 48. 52 270
34. 65 105 49. 57 330
35. 63 105

Hipotesis yang dibuat untuk menjawab masalah diatas adalah :

Ho : Tidak ada hubungan antara lama perawatan dan dampak psikologis pecandu
narkoba dimana semakin lama perawatan semakin rendah dampak
psikologisnya
Ha : Ada hubungan antara lama perawatan dan dampak psikologis pecandu
narkoba dimana semakin lama perawatan semakin rendah dampak
psikologisnya

BAB V | 65
Langkah-langkah untuk menyelesaikan kasus di atas dengan SPSS
1. Buat 2 variabel data pada lembar kerja SPSS
 Variabel pertama : dampak
Tipe data : Numeric, Width 8, decimal places : 0
 Variabel kedua : lama
Tipe data : Numeric, Width 8, decimal places : 0
2. Masukkan semua data seperti pada tabel di atas
3. Analisis dengan korelasi
 Dari baris menu pilih menu Analyze, kemudian pilih submenu Correlate.
 Dari serangkaian test, pilih Bivariate
 Pindahkan variabel dampak dan lama ke kotak Variables.

 Dari sub menu Correlation Coefficient pilih Pearson

BAB V | 66
 4. Hasil analisis sebagai berikut :
Correlations
Correlations
lamaperawatan dampakpsikologis

Pearson Correlation 1 -.329**

Lamaperawatan Sig. (1-tailed) .010

N 58 58
Pearson Correlation -.329** 1

Dampakpsikologis Sig. (1-tailed) .010

N 49 49
**. Correlation is significant at the 0.01 level (1-tailed).

Output di atas, adalah hasil analisis 1-tailed, artinya untuk hipotesis berarah. Jika
analisis dilakukan untuk hipotesis tidak berarah maka dipilih 2-tailed pada pilihan
Test of Significance. Output di atas juga menunjukkan bahwa hasil analisis
menunjukkan korelasi yang negatif (-.329**)

LATIHAN (Korelasi Partial)

Dalam penelitian di perusahaan kosmetika akan dikaji hubungan antara motivasi kerja
dengan prestasi kerja, dengan intelegensi sebagai kontrolnya. Berikut ini disajikan data-
datanya:

BAB V | 67
 Tabel 5.2 Motivasi, IQ, dan Prestasi Kerja karyawan
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
11 92 98 90
12 93 100 89
13 86 121 88
14 89 110 89
15 93 113 95
16 92 106 97
17 96 116 98
18 97 110 80
19 86 118 88
20 90 105 87
21 91 110 88
22 85 103 89
23 92 114 92
24 91 110 93
25 84 119 99

BAB V | 68
 Karyawan Motivasi IQ Prestasi Kerja
26 96 109 95
27 87 116 86
28 89 103 98
29 88 110 95
30 90 105 91
31 89 99 80
32 87 112 83
33 89 118 98
34 95 110 81
35 93 120 88

Hipotesis yang dibuat untuk menjawab masalah diatas adalah:

Ho : Tidak ada hubungan antara motivasi kerja dengan prestasi kerja dengan
intelegensi sebagai kontrolnya
Ha : Ada hubungan antara motivasi kerja dengan prestasi kerja dengan
intelegensi sebagai kontrolnya

Langkah-langkah untuk menyelesaikan kasus di atas dengan SPSS

1. Buat 3 variabel data pada lembar kerja SPSS
 Variabel : motivasi, iq, prestasi
Tipe data : Numeric, Width 8, decimal places : 0
2. Masukkan semua data seperti pada tabel diatas
3. Analisis dengan korelasi
 Dari baris menu pilih menu Analyze, kemudian pilih submenu Correlate.
 Dari serangkaian test, pilih Partial
 Pindahkan variabel motivasi dan prestasi ke kotak Variables.
 Pindahkan variabel iq ke kotak Controlling for.

BAB V | 69
 4. Hasil analisisnya adalah sebagai berikut :
Partial Corr

Correlations

Control Variables MOTIVASI PRESTASI

Correlation 1.000 .034

MOTIVASI Significance (2-tailed) . .849

df 0 32
IQ
Correlation .034 1.000

PRESTASI Significance (2-tailed) .849 .

df 32 0

B. REGRESI
Analisis regresi digunakan terutama untuk tujuan peramalan, di mana dalam
model tersebut ada sebuah variabel dependen (terikat) dan satu atau lebih variabel
independen (bebas). Dalam analisis regresi ini, akan dikembangkan sebuah estimating
equation (persamaan regresi) yaitu suatu formula matematika yang mencari nilai
variabel dependen dari nilai variabel independen yang diketahui. Pada analisis regresi
yang dilakukan , dibedakan menjadi:

BAB V | 70
1. Regresi sederhana,
Persamaan regresi yang hanya melibatkan 1 variabel dependen dan 1 variabel
independen.
2. Regresi berganda,
Persamaan regresi yang melibatkan 1 variabel dependen dan lebih dari 1 variabel
independen.

Yang dibaca pada Regresi yaitu:

1. Hasil uji hipotesis
2. Keeratan hubungan Antara Variabel X, terhadap variable Y / Variabel X1, dan
X2, terhadap Variabel Y
3. Besarnya pengaruh Variabel X, terhadap Variabel Y / Variabel X1, dan X2,
terhadap Variabel Y. dalam bentuk persentase (%)
4. Dari dua Variabel X1, dan X2. Variabel mana yang paling mempengaruhi
Variabel Y ( Hanya Regresi Berganda dua predictor)
5. Grafik

Dalam regresi, terdapat dua cara untuk mengetahui ada atau tidaknya pengaruh
signifikan variabel independen terhadap variabel dependen. Cara yang pertama
berdasarkan nilai signifikansi hasil dari output SPSS apakah nilai signifikansi tersebut
lebih besar atau lebih kecil dari standar statistic yakni 0.05.

Dasar pengambilan keputusan berdasarkan nilai signifikansi hasil output SPSS,

sebagai berikut:
1. Jika nilai signifikansi < 0.05, maka variabel independent secara bersama-sama
berpengaruh signifikan terhadap variabel dependent.
2. Jika nilai signifikansi > 0.05, maka variabel independent secara bersama-sama tidak
berpengaruh signifikan terhadap variabel dependent.

Sedangkan cara kedua adalah dengan cara membandingkan nilai F hitung yang
terdapat pada output SPSS dengan F Tabel.

BAB V | 71
 Dasar pengambilan keputusan berdasarkan nilai F hitung dan F tabel, sebagai berikut:
1. Jika nilai F hitung > F tabel maka variabel independent (bebas) secara simultan
berpengaruh terhadap variabel dependent (terikat)
2. Sebaliknya, jika nilai F hitung < F tabel maka variabel independent (bebas) secara
simultan tidak berpengaruh terhadap variabel dependent (terikat).

Rumus F tabel :

df 1 = k – 1
(k ; n - k) atau
df 2 = n - k

(Distribusi nilai F table terlampir)

Keterangan:
k = Jumlah variabel independent (bebas)
n = Jumlah responden atau sampel penelitian

LATIHAN (Regresi Sederhana)

Suatu penelitian ingin memastikan apakah ada pengaruh budaya organisasi
terhadap kinerja karyawan pada PT. X. Dari penelitian tersebut dikumpulkan data budaya
organisasi dan kinerja karyawan dari 75 karyawan, sebagai berikut :

BAB V | 72
 Tabel 5.3 Budaya Organisasi dan Kinerja Karyawan pada Karyawan PT. X
Budaya Kinerja Budaya Kinerja
No. No.
Organisasi Karyawan Organisasi Karyawan
1. 161 106 11. 163 101
2. 155 98 12. 160 103
3. 188 109 13. 175 110
4. 179 104 14. 164 90
5. 186 109 15. 144 87
6. 174 107 16. 189 98
7. 176 105 17. 213 124
8. 181 102 18. 217 118
9. 181 115 19. 162 102
10. 156 92 20. 186 104
21. 181 106 49. 182 104
22. 182 110 50. 179 106
23. 196 117 51. 191 103
24. 159 99 52. 196 130
25. 154 100 53. 215 108
26. 169 92 54. 192 101
27. 200 118 55. 171 100
28. 187 103 56. 169 95
29. 177 103 57. 209 126
30. 181 104 58. 145 96
31. 181 97 59. 183 108
32. 178 101 60. 181 100
33. 231 123 61. 158 108
34. 212 99 62. 198 111
35. 198 113 63. 161 91
36. 175 112 64. 173 102
37. 186 104 65. 175 104

BAB V | 73
 Budaya Kinerja Budaya Kinerja
No. No.
Organisasi Karyawan Organisasi Karyawan
38. 145 97 66. 176 105
39. 177 108 67. 177 86
40. 177 114 68. 207 114
41. 161 105 69. 212 99
42. 181 109 70. 184 91
43. 199 123 71. 157 98
44. 225 117 72. 195 102
45. 184 114 73. 231 125
46. 162 89 74. 231 135
47. 182 100 75. 184 108
48. 178 103

Hipotesis yang dibuat untuk menjawab masalah diatas adalah :

Ho : Tidak ada pengaruh antara budaya organisasi terhadap kinerja karyawan
pada PT. X
Ha : Ada pengaruh antara budaya organisasi terhadap kinerja karyawan pada
PT. X

Langkah-langkah untuk menyelesaikan kasus di atas dengan SPSS

1. Buat 2 variabel data pada lembar kerja SPSS
 Variabel : budaya organisasi, kinerja karyawan
Tipe data : Numeric, Width 8, decimal places : 0
2. Masukkan semua data seperti pada tabel diatas
3. Analisis dengan korelasi
 Dari baris menu pilih menu Analyze, kemudian pilih submenu Regression.
 Dari serangkaian test, pilih Linear
 Pindahkan variabel kinerja karyawan ke kotak Dependent.
 Pindahkan variabel budaya organisasi ke kotak Independent(s).

BAB V | 74
4. Hasil analisisnya adalah sebagai berikut :

Regression
Variables Entered/Removeda
Model Variables Variables Method
Entered Removed
Budaya
1 . Enter
Organisasib
a. Dependent Variable: Kinerja Karyawan
b. All requested variables entered.

Model Summary
Model R R Square Adjusted R Std. Error of the
Square Estimate
1 ,691a ,477 ,470 7,222
a. Predictors: (Constant), Budaya Organisasi

BAB V | 75
 ANOVAa
Model Sum of Squares df Mean Square F Sig.
Regression 3478,638 1 3478,638 66,697 ,000b

1Residual 3807,362 73 52,156

Total 7286,000 74

a. Dependent Variable: Kinerja Karyawan

b. Predictors: (Constant), Budaya Organisasi

Coefficientsa
Model Unstandardized Coefficients Standardized t Sig.
Coefficients
B Std. Error Beta

(Constant) 43,466 7,654 5,679 ,000

1
Budaya Organisasi ,341 ,042 ,691 8,167 ,000
a. Dependent Variable: Kinerja Karyawan

Graph

BAB V | 76
 Kesimpulan:
1. Ada pengaruh budaya organisasi yang signifikan terhadap kinerja kerja pada
karyawan PT.X
2. Keeratan budaya organisasi terhadap kinerja kerja pada karyawan PT.X
bersifat lemah
3. Pengaruh budaya organisasi terhadap kinerja kerja pada karyawan PT.X adalah
47,7%, sisanya 52,3% dipengaruhi faktor lain di luar penelitian
4. Berdasarkan grafik, arah pengaruh budaya organisasi terhadap kinerja
karyawan pada PT. X berarah positif

LATIHAN (Regresi Sederhana)

Seorang peneliti bertujuan untuk menguji pengaruh dukungan sosial dengan
religiusitas pada mualaf, sehingga di peroleh data-data sebagai berikut:

Tabel 5.4 Dukungan Sosial dan Religiusitas pada mualaf

Dukungan Dukungan
No. Religiusitas No. Religiusitas
Social sosial
1. 70 62 18. 80 80
2. 72 66 19. 80 80
3. 73 62 20. 80 80
4. 72 79 21. 66 66
5. 80 80 22. 70 66
6. 71 63 23. 71 66
7. 72 63 24. 80 80
8. 74 68 25. 57 50
9. 72 66 26. 66 66
10. 59 60 27. 58 46
11. 72 66 28. 72 66
12. 72 59 29. 69 59
13. 66 66 30. 69 63
14. 58 47 31. 72 66
15. 80 80 32. 71 66

BAB V | 77
 Dukungan Dukungan
No. Religiusitas No. Religiusitas
Social sosial
16. 80 80 33. 77 80
17. 80 80 34. 72 66
35. 72 66 48. 71 73
36. 72 66 49. 72 66
37. 72 66 50. 58 52
38. 72 66 51. 58 46
39. 74 69 52. 58 45
40. 66 65 53. 67 66
41. 66 68 54. 74 69
42. 68 57 55. 74 69
43. 73 67 56. 74 69
44. 74 69 57. 74 69
45. 74 69 58. 73 69
46. 73 69 59. 71 68
47. 74 69 60. 72 72

Hipotesis yang dibuat untuk menjawab masalah diatas adalah :

Ho : Tidak ada pengaruh antara dukungan sosial terhadap religiusitas pada
mualaf
Ha : Ada pengaruh antara dukungan sosial terhadap religiusitas pada mualaf

Langkah-langkah untuk menyelesaikan kasus di atas dengan SPSS.

1. Buat dua variable data pada lembar kerja SPSS.
 Variable pertama : Dukungan sosial
Variable kedua : Religiusitas
 Tipe data : Numeric, width: 8, Decimals places : 0
2. Masukkan semua data seperti pada tabel diatas
3. Analisis dengan korelasi
 Dari baris menu pilih menu Analyze, kemudian pilih submenu Regression.
 Dari serangkaian test, pilih Linear

BAB V | 78
  Pindahkan variabel dukungan sosial ke kotak Independent
 Pindahkan variabel religiusitas ke kotak Dependent(s).

Regression
Variables Entered/Removeda
Model Variables Variables Removed Method
Entered
1 dsb . Enter
a. Dependent Variable: religiusitas
b. All requested variables entered.

Model Summary
Model R R Square Adjusted R Std. Error of the
Square Estimate
1 .892a .797 .793 3.943
a. Predictors: (Constant), ds

ANOVAa
Model Sum of Squares df Mean Square F Sig.
Regression 3531.057 1 3531.057 227.083 .000b

1 Residual 901.877 58 15.550

Total 4432.933 59

a. Dependent Variable: religiusitas

b. Predictors: (Constant), ds

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) -24.626 6.071 -4.057 .000

1
Dukungan_Sosial 1.284 .085 .892 15.069 .000

a. Dependent Variable: Religiusitas

BAB V | 79
 Graph

LATIHAN (Regresi Ganda Dua Predictor)

Seorang mahasiswi psikologi tingkat akhir akan meneliti apakah nilai Statistik I
dari mahasiswa Fakultas Psikologi tahun pertama dapat diramalkan dari nilai Matematika
selama di SMU dan nilai Ebtanas Murni (NEM). Untuk itu mahasiswi tersebut
mengumpulkan data sebagai berikut :

BAB V | 80
 Tabel 5.5 Nilai Matematika, NEM, dan nilai Statistik I pada
Mahasiswa Fakultas Psikologi

NEM Nilai Statistik I

No. Subjek Nilai Matematika (X1)
(X2) (Y)
1 57 49 27
2 93 47 34
3 79 50 27
4 26 45 24
5 69 42 35
6 24 62 18
7 76 56 33
8 61 44 39
9 82 43 35
10 29 50 25
11 55 35 69
12 43 18 80
13 69 33 85
14 80 39 60
15 85 35 55
16 60 40 45
17 76 56 33
18 61 44 39
19 26 45 24
20 69 42 35
21 43 18 80
22 82 43 35
23 76 56 33
24 61 44 39
25 26 45 24
26 57 49 27

BAB V | 81
 NEM Nilai Statistik I
No. Subjek Nilai Matematika (X1)
(X2) (Y)
27 93 47 34
28 55 35 69
29 43 18 80
30 69 33 85

Langkah-langkah untuk menyelesaikan kasus di atas dengan SPSS

1. Buat tiga variabel data pada lembar kerja SPSS
 Variabel : Math, NEM, Stat
Tipe data : Numeric, Width 8, decimal places : 0
2. Masukkan semua data seperti pada tabel diatas
3. Analisis dengan korelasi
 Dari baris menu pilih menu Analyze, kemudian pilih submenu Regression.
 Dari serangkaian test, pilih Linear
 Pindahkan variabel STAT ke kotak Dependent.
 Pindahkan variabel MATH, NEM ke kotak Independent(s).
4. Hasil analisisnya adalah sebagai berikut :

Regression

Variables Entered/Removeda

Model Variables Variables Method

Entered Removed

1 NEM, Mathb . Enter

a. Dependent Variable: Stat

b. All requested variables entered.

BAB V | 82
 Model Summary

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 .873a .763 .745 10.660

a. Predictors: (Constant), NEM, Math

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 9873.794 2 4936.897 43.446 .000b

1 Residual 3068.073 27 113.632

Total 12941.867 29

a. Dependent Variable: Stat

b. Predictors: (Constant), NEM, Math

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 106.060 9.397 11.287 .000

1 Math .177 .097 .172 1.826 .079

NEM -1.724 .185 -.878 -9.295 .000

a. Dependent Variable: Stat

Graph

BAB V | 83
BAB V | 84
 BAB IV
STATISTIKA NON PARAMETRIK:
UJI BEDA

A. Pengantar
Salah satu bagian penting dalam ilmu statistik adalah persoalan inferensi yaitu
penarikan kesimpulan secara statistik. Dua hal pokok yang menjadi pembicaraan
dalam statistik inferensi adalah penaksiran parameter populasi dan uji hipotesis.
Teknik inferensi yang pertama dikembangkan adalah mengenai pembuatan
sejumlah besar asumsi sifat populasi di mana sampel telah diambil. Teknik yang
banyak digunakan pada metode-metode pengujian hipotesis dan penaksiran interval
ini kemudian dikenal sebagai Statistik Parametrik, karena harga-harga populasi
merupakan parameter. Ditribusi populasi atau distribusi variabel acak yang
digunakan pada teknik inferensi ini mempunyai bentuk matematik yang diketahui,
akan tetapi memuat beberapa parameter yang tidak diketahui.
Permasalahan yang harus diselesaikan adalah menaksir parameter-parameter
yang tidak diketahui tersebut dengan data sampel, atau melakukan uji hipotesis
tertentu yang berhubungan dengan parameter populasi.
Pada kenyataannya sangatlah sulit untuk mendapatkan sampel yang memenuhi
asumsi mempunyai distribusi tertentu. Kebanyakan sampel yang diperoleh hanyalah
sebatas mendekai distribusi tertentu, seperti mendekati normal. Bahkan banyak juga
sampel yang distribusinya tidak diketahui sama sekali. Oleh karena itu kemudian
dikembangkan suatu teknik inferensi yang tidak memerlukan asumsi-asumsi tertentu
mengenai distribusi sampelnya, dan juga tidak memerlukan uji hipotesis yang
berhubungan dengan parameter-parametr poulasinya. Teknik satistik ini dikenal
dengan Statistik Bebas Distribusi atau Statistik Non-Parametrik.
Sudah barang tentu apabila asumsi-asumsi tertentu yang diperlukan dalam
suatu pengujian dapat dipenuhi, maka seharusnya tidak digunakan uji nonparametrik
ini. Uji statistik nonparametrik ini mempunyai kebaikan hasil uji yang relatif lebih
rendah dibanding dengan uji parametrik. Untuk meningkatkan kebaikan hasil uji ini,
harus diperbesar ukuran sampelnya. Akan tetapi bagaimanapun juga uji

BAB VI | 80
nonparametrik sangatlah mudah untuk dimengerti dan relatif lebih sederhana
dibandingkan dengan uji parametrik.
Sebelum membahas lebih jauh mengenai Non Parametrik, terlebih dahulu
lakukan langkah-langkah sebagai berikut:
 Dari baris menu pilih menu Analyze, kemudian pilih submenu Nonparametric
Tests.
 Terdapat serangkaian test: Chi-Square, Binomial, Runs, 1-Sample K-S, 2
Independent Samples, K Independent Samples, 2 Related Samples, dan K
Related Samples

BAB VI | 81
 Berdasarkan gambar di atas, uji statistik nonparameterik dapat dikelompokkan
menjadi tiga kategori, yaitu :
1. Uji sebuah sampel yang dibandingkan dengan distribusi chi-kuadrat,
binomial, normal dan distribusi lainnya.
Jika ingin dibandingkan frekuensi observasi dari variabel kategori dengan
frekuensi harapan, gunakan uji Chi-kuadrat. Untuk membandingkan frekuensi
observasi dari variabel dikotomi dengan frekuensi harapan dari distribusi
binomial, gunakanlah uji Binomial. Bila anda ingin membandingkan distribusi
kumulatif observasi untuk sebuah variabel dengan distribusi teoritis normal,
uniform atau Poisson, gunakanlah uji Kolmogorov-Smirnov Satu Sampel.
Gunakanlah uji Runs untuk mengetahui apakah urutan suatu barisan pengamatan
berubah-ubah secara random.

2. Uji untuk dua kelompok independen atau lebih

Bila ingin dibandingkan lokasi pemusatan untuk dua buah distribusi yang
diasumsikan mempunyai bentuk yang sama, gunakanlah uji dua sampel
independen untuk mendapatkan uji U-Mann Whitney yang merupakan versi
nonparametrik dari uji T Dua Sampel. Kelompok uji dua sampel independen juga
menyediakan uji Kolmogorov-Smirvov Z, uji Reaksi Ekstrem Moses, dan uji
Runs Wold Wolfowitz. Bila Anda mempunyai lebih dari dua kelompok
independen, gunakanlah uji H Kruskal-Wallis atau uji Median.

3. Uji variabel-variabel berpasangan atau berhubungan

Bila anda ingin membandingkan dua variabel untuk masing-masing subjek,
gunakanlah uji Wilcoxon yang merupakan versi nonparametrik dari uji T
berpasangan atau dependen. Kelompok ini juga menyediakan uji Tanda (Sign)
dan uji McNemar. Uji McNemar sangat cocok untuk membandingkan dua
variabel ketegori yang dikodekan dengan dua harga yang sama. Bila anda ingin
membandingkan lebih dari dua pengukuran untuk masing-masing subjek,
gunakanlah uji Friedman. Kelompok uji ini juga menyediakan uji Kendall`s W
dan Cochran`s Q.

BAB VI | 82
B. Uji Satu Sampel
Dalam uji satu sampel terdiri dari Chi Kuadrat, Uji Binomial dan Kolmovorov-
Smirnov Satu Sampel.

1. Uji Chi-Kuadrat
Uji chi-kuadrat digunakan untuk uji hipotesis mengenai proporsi relatif dari case-
case yang dikelompokkan ke dalam beberapa kelompok yang saling bebas. Uji
ini digunakan untuk mengetahui apakah ada perbedaan signifikan antara frekuensi
observasi dengan frekuensi harapan berdasarkan hipotesis nol.

Prosedur chi-kuadrat akan membuat tabulasi (pengelompokkan) bagi sebuah

variabel ke dalam sejumlah kategori dan menghitung statistik chi-kuadrat. Uji ini
akan membandingkan frekuensi yang diamati dan frekuensi harapan dalam
masing-masing kategori untuk menguji apakah seluruh kategori berisi value-
value dengan proporsi yang sama, ataukah masing-masing kategori berisi value-
value dengan proporsi yang telah ditentukan.

Pembentukan Hipotesis pada uji chi-kuadrat :

Ho : proporsi seluruh kategori bernilai sama
Ha : ada proporsi dari kategori yang dibandingkan bernilai tidak sama
Atau
Ho : proporsi kategori yang ada sama dengan nilai yang telah ditentukan
Ha : proporsi kategori yang ada tidak sama dengan nilai yang telah ditentukan.

Beberapa faktor yang harus diperhatikan dalam pemakaian uji chi-kuadrat adalah
data dan asumsi.
Data
Gunakanlah variabel kategori numerik terurut maupun tak terurut (tingkat
pengukuran ordinal atau nominal).
Asumsi
Uji nonparametrik tidak memerlukan asumsi mengenai bentuk distribusi yang
mendasari. Data hanya diasumsikan sebagai sampel random.

BAB VI | 83
Langkah-langkah Chi-Kuadrat Test
1. Dari bar menu pilih :
Analyze
Nonparametric Tests
Chi-Square Test

Akan tampil kotak dialog sebagai berikut :

Perhatikan bahwa semua variabel yang didaftar dalam kotak pendaftaran

adalah variabel numerik
2. Pindahkan variabel yang akan diuji dari kotak pendaftaran variabel ke kotak
Test Variabel List.
3. Secara opsional, dapat dengan mengklik tombol Options, untuk mendapatkan
Statistik Deskriptif (Mean, deviasi standar, minimum, maximum dan
banyaknya case nonmissing), Quartile/Persentile.
4. Expected Range.
Secara default, setiap harga yang berbeda dari variabel yang diuji didefinisikan
sebagai kategori. Hal ini ditandai dengan telah dipilihnya opsi Get from data
dalam seksi Expected Range.
Untuk menentukan kategori-kategori dalam range yang dikehendaki, klik
opsi Use specified range dan isikan harga-harga integer untuk batas bawah dan

BAB VI | 84
 batas atasnya. Dengan pilihan ini, case-case yang mempunyai value (untuk
variabel yang dianalisis) di luar batas yang telah ditentukan tersebut tidak akan
diikutkan dalam analisis.
5. Expected Value.
Secara default, semua kategori mempunyai harga-harga (proporsi) harapan
yang sama. Hal ini ditandai dengan telah dipilihnya opsi All categories equal
dalam seksi Expected Values.
Anda dapat menentukan proporsi untuk masing-masing kategori sesuai dengan
yang anda kehendaki. Untuk itu lakukanlah langkah-langkah berikut :
 Pilih opsi values dalam seksi expected range.
 Isikan harga yang lebih besar dari 0 dalam kotak teks yang tersedia.
Harga ini untuk kategori pertama dari variabel uji.
 Klik tombol Add sehingga harga tersebut akan masuk dalam kotak harga
yang tersedia.
 Ulangi langkah tersebut di atas sebanyak kategori variabel uji yang ada, di
mana harga-harga yang diisi dalam kotak teks adalah untuk kategori kedua,
ketiga dan seterusnya.

Urutan dari harga-harga yang dimasukkan ini sangatlah penting karena

berkorespondensi dengan urutan ascending dari harga-harga kategori variabel
uji. Harga pertama yang terdapat dalam kotak pendaftaran berkorepondensi
dengan harga kelompok terkecil dari variabel uji, dan harga terakhir yang
terdapat dalam kotak pendaftaran berkorespondensi dengan harga kelompok
terbesar dari variabel uji.
Elemen-elemen harga yang terdapat dalam kotak pendaftaran tersebut
dijumlahkan, dan masing-masing harga yang didaftar dibagi dengan hasil
jumlah tersebut untuk menghitung proporsi dari case-case yang diharapkan.
Untuk daftar harga 3, 4, 5 , 4 akan menentukan proporsi harapan 3/16 ; 4/16 ;
5/16 ; 4/16.

BAB VI | 85
LATIHAN
Suatu penelitian dilakukan untuk mengetahui apakah ada perbedaan preferensi
terhadap warna lipstik. Untuk itu diambil 100 sampel remaja putri. Data yang
diperoleh adalah sebagai berikut :

Tabel 6.1 Preferensi Warna Lipstik

Warna Preferensi
Ungu 11
Pink 21
Merah 43
Coklat 22
Hijau 3

Ujilah hipotesis yang menyatakan bahwa :

1. Ada perbedaan preferensi terhadap warna lipstik yang diujikan
2. Perbandingan preferensi warna lipstik adalah sebagai berikut :
Ungu : Pink : Merah : Coklat : Hijau = 1 : 2 : 4 : 2 : 1

Output jika digunakan SPSS untuk pengolahan hasilnya adalah :

Hipotesis yang dibuat untuk masalah tersebut :
Ho : Preferensi dari semua warna lipstik adalah sama
Ha : Preferensi dari warna lipstik yang dicobakan ada yang tidak sama

Pengolahan hasil output pertama SPSS :

Warna
Observed N Expected N Residual
Ungu 11 20,0 -9,0
Pink 21 20,0 1,0
Merah 43 20,0 23,0
Coklat 22 20,0 2,0
Hijau 3 20,0 -17,0
Total 100

BAB VI | 86
 Test Statistics
Warna
Chi-Square 45,200a
df 4
Asymp. Sig. ,000
a. 0 cells (0,0%) have expected frequencies less than 5.
The minimum expected cell frequency is 20,0.

Pengolahan hasil output kedua SPSS :

Warna
Observed N Expected N Residual
Ungu 11 10,0 1,0
Pink 21 20,0 1,0
Merah 43 40,0 3,0
Coklat 22 20,0 2,0
Hijau 3 10,0 -7,0
Total 100

Test Statistics
Warna
Chi-Square 5,475a
Df 4
Asymp. Sig. ,242
a. 0 cells (0,0%) have expected frequencies less than
5. The minimum expected cell frequency is 10,0.

2. Uji Binomial
Uji binomial akan membandingkan frekuensi yang diobservasi dari dua kategori
pada sebuah variabel dikotomi terhadap frekuensi harapan di bawah distribusi
binomial dengan parameter probabilitas tertentu.

Dalam default, parameter probabilitas untuk kedua kelompok adalah 0,5, atau
dengan hipotesis dinyatakan :
Ho : frekuensi observasi kategori I = frekuensi observasi kategori II
Ha : frekuensi observasi kategori I  frekuensi observasi kategori II

BAB VI | 87
 Untuk mengubah probabilitas = 0,5, dapat dilakukan dengan mengisikan proporsi
untuk kelompok pertama, sedangkan proporsi untuk kelompok kedua adalah 1
dikurangi probabilitas untuk kelompok pertama.

Beberapa faktor yang harus diperhatikan dalam pemakaian uji binomial adalah
data dan asumsi.
Data
Variabel yang diuji seharusnya bertipe numerik dan merupakan variabel
dikotomi. Variabel dikotomi adalah variabel yang hanya terdiri dari dua macam
value, misalnya benar dan salah, ya dan tidak, 0 dan 1, dan sebagainya. Jika
variabel yang akan diuji tidak dikotomi, maka harus ditentukan cut point. Cut
point tersebut akan membagi case-case ke dalam dua kelompok, yaitu case-case
yang mempunyai value lebih kecil dari atau sama dengan cut point akan dijadikan
kelompok pertama dan sisanya adalah kelompok kedua.
Asumsi
Uji nonparametrik tidak memerlukan asumsi mengenai bentuk distribusi yang
mendasari. Data hanya diasumsikan sebagai sampel random.

Langkah Binomial Test

1. Dari bar menu pilih :
Analyze
Nonparametric Tests
Binomial
Akan tampil kotak dialog sebagai berikut :

BAB VI | 88
 2. Pindahkan variabel yang akan diuji dari kotak pendaftaran variabel ke kotak
Test Variable List.
3. Secara opsional, dapat dengan mengklik tombol Options, untuk mendapatkan
Statistik Deskriptif (Mean, deviasi standar, minimum, maximum dan banyaknya
case nonmissing), Quartile/Persentile.
4. Define Dichotomy
Ada dua opsi yang dapat dipilih :
 Get From Data
Digunakan jika variabel uji adalah variabel dikotomi.
 Cut Point
Dengan pilihan ini, maka harus diisikan harga cut point pada kotak teks yang
tersedia.
5. Test Proportion
Default hipotesis nol adalah, data berasal dari distribusi binomial dengan
probabilitas sama untuk kedua kelompok (proporsi yang diharapkan untuk
kelompok pertama (P) dan kelompok kedua (Q) adalah sama), hal ini
ditunjukkan oleh harga dalam kotak teks Test Proportion sebesar 0.50, yang
artinya P = Q = 0.5. Jika diinginkan proporsi untuk masing-masing kelompok
tidak sama, maka ubahlah harga dalam kotak teks tersebut, di mana harga yang
dimasukkan ini diaplikasikan untuk kelompok pertama (P). Harga yang dapat
diinputkan adalah 0.001 sampai 0.999.

Latihan
Dalam studi mengenai terapi stres, seorang psikolog mengajarkan dua metode, yaitu:

Metode I : Relaksasi otot indra

Metode II : Relaksasi indra otot

Perlakuan yang diberikan peneliti tersebut adalah 10 siswa diajarkan metode I

terlebih dahulu dan 10 siswa lainnya diajarkan metode II terlebih dahulu.

BAB VI | 89
Percobaan yang dilakukan oleh peneliti tersebut adalah setelah 20 siswa
mempelajari kedua metode, dalam kondisi stress, mereka diminta untuk melakukan
relaksasi.

Hipotesis peneliti itu, kondisi stress akan menyebabkan regresi, dalam arti para siswa
tersebut akan menggunakan metode yang pertama kali ia pelajari.

Data berikut menunjukkan metode yang dipakai para siswa dalam mengatasi stress :

Tabel 6.2 Metode yang Dipakai Siswa

Memakai metode yang Memakai metode yang
dipelajari pertama dipelajari kedua
Jumlah siswa 16 4

Langkah-langkah untuk meyelesaikan kasus ini dengan SPSS

1. Buat file data yang berisi 1 variabel dikotomi dengan definisi sebagai berikut :
Nama
Tipe Label Variabel Label Value
Variabel
Metode Numerik 8.0 Metode yang dipilih 1=” Metode I”
2=” Metode II”

2. Isikan data seperti yang ada pada soal latihan.

3. Hipotesis yang dibuat untuk masalah tersebut yaitu :
Ha : Frekuensi observasi kategori I  frekuensi observasi kategori II
Ho : Frekuensi observasi kategori I = frekuensi observasi kategori II
4. Buka kotak dialog Binomial Test, dan jalankan setelah semua option terpenuhi.
5. Setelah output dihasilkan, bandingkan nilai sig. dengan nilai  (umumnya dipakai
 = 0.05 atau 5 %)
Jika nilai signif. <  maka Ho ditolak
Jika nilai signif >  maka Ho diterima.

BAB VI | 90
 6. Output yang dihasilkan adalah sebagai berikut :

Binomial Test
Observed Test Exact Sig.
Category N
Prop. Prop. (2-tailed)
Metode Group 1 Metode I 16 ,80 ,50 ,012
Group 2 Metode II 4 ,20
Total 20 1,00

Kesimpulan yang dihasilkan adalah diterimanya Ha : frekuensi observasi kategori

I  frekuensi observasi kategori II

3. Uji Kolmovorov-Smirnov Satu Sampel

Uji KS-1 Sampel merupakan uji yang bertipe goodness of fit. Dengan uji ini dapat
menguji kesesuaian antara distribusi harga-harga yang diobservasi dengan
distribusi teoritis tertentu. Dengan kata lain Uji K-S satu sampel dapat digunakan
untuk mengetahui apakah suatu sampel berasal dari populasi dengan distribusi
tertentu, seperti distribusi uniform, normal, atau Poisson.

Pembentukan Hipotesis untuk uji K-S 1 sampel :

Ho : Data dapat diasumsikan berdistribusi uniform, normal, poisson
Ha : Data tidak dapat diasumsikan berdistribusi uniform, normal, poisson.

Beberapa hal yang perlu diperhatikan dalam Uji K-S 1 sampel :

Data
Gunakan variabel kuantitatif, dengan tingkat pengukuran interval maupun rasio.
Asumsi
Prosedur ini mengestimasikan parameter-parameter yang diperlukan untuk
distribusi normal, uniform atau poisson.

BAB VI | 91
Langkah-langkah KS 1 Sampel
1. Dari bar menu pilih :
Analyze
Nonparametric Tests
1 Sample K-S

Akan tampil kotak dialog sebagai berikut :

2. Pindahkan satu atau beberapa variabel yang akan diuji dari kotak pendaftaran
variabel ke kotak pendaftaran variabel ke kotak Test Variabel List. Untuk
masing-masing variabel yang dipindahkan ini akan diuji sendiri-sendiri.
3. Secara opsional, dapat dengan mengklik tombol Options, untuk mendapatkan
Statistik Deskriptif (Mean, deviasi standar, minimum, maximum dan banyaknya
case nonmissing), Quartile/Persentile.
4. Test Distribution.
Di dalam bagian test distribution terdapat 3 buah kotak periksa yang masing-
masing dapat digunakan untuk menentukan distribusi teoritis yang akan
digunakan sebagai pembanding fungsi distribusi kumulatif dari variabel uji.
Ketiga kotak tersebut adalah :
 Normal. Fungsi distribusi kumulatif hasil pengamatan dibandingkan dengan
distribusi normal, di mana mean dan deviasi standar hasil pengamatan adalah
sebagai parameternya.

BAB VI | 92
  Uniform. Fungsi distribusi kumulatif hasil pengamatan dibandingkan dengan
distribusi uniform, di mana harga minimum dan harga maksimum hasil
pengamatan digunakan untuk mendefinisikan range dari distribusi uniform.
 Poisson. Fungsi distribusi kumulatif hasil pengamatan dibandingkan dengan
distribusi Poisson, dimana mean hasil pengamatan adalah sebagai
parameternya.

Latihan
Badan pengelola suatu bandara dalam suatu studinya ingin mengetahui apakah
keterlambatan pemberangkatan pesawat-pesawat komersial dari bandara yang
dikelolanya terdistribusi normal. Data keterlambatan pemberangkatan pesawat
komersial pada bandara tersebut dalam kurun waktu pengamatan adalah sebagai
berikut :
Tabel 6.3 Keterlambatan Pesawat
Pesawat ke - Keterlambatan (dalam jam)
1 3.6
2 3.0
3 2.8
4 0.8
5 2.7
6 4.2
7 1.0
8 2.9
9 3.3
10 4.8
11 1.9
12 3.0
13 3.9
14 4.7
15 2.8
16 2.7

BAB VI | 93
 Hipotesis yang dibuat untuk masalah tersebut yaitu :
Ha : Distribusi data bersifat tidak normal
Ho : Distribusi data bersifat normal

Hasil output dengan SPSS adalah sebagai berikut :

One-Sample Kolmogorov-Smirnov Test
Keterlambatan
N 16
a,b
Normal Parameters Mean 3,006
Std. Deviation 1,1299
Most Extreme Absolute ,206
Differences Positive ,127
Negative -,206
Test Statistic ,206
Asymp. Sig. (2-tailed) ,069c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.

Kesimpulan : Ho diterima yaitu distribusi data bersifat normal.

C. Uji Dua Sampel Independen

Uji dua sampel independen digunakan untuk membandingkan distribusi sebuah
variabel antara dua kelompok ( dalam variabel tersebut) yang tidak berhubungan
Perhatian utama dari uji ini adalah menguji signifikansi perbedaan antara dua sampel
independen, sehingga informasi yang diperoleh dapat berupa mungkin tidaknya dua
sampel independen berasal dari populasi yang sama.

Jenis-jenis uji dua sampel independen adalah: Uji U Mann-Whitney, Uji

Kolmogorov-Smirnov Z, Uji Runs Wald – Wolfowitz, dan Uji Reaksi Ekstrem
Moses

BAB VI | 94
1. Uji U Mann-Whitney
Jenis uji yang biasa disebut uji U ini merupakan alternatif lain dari uji T dua
sampel independen. Di antara uji non parametrik lainnya, uji ini termasuk yang
paling kuat dan banyak digunakan bilamana peneliti ingin menghindari asumsi-
asumsi dari uji T.
Pembentukan Hipotesis untuk Uji U :
Ho : Dua sampel independen berasal dari populasi yang identik atau dari populasi
yang mempunyai mean yang sama.
Ha : Dua sampel independen berasal dari populasi yang berbeda atau dari populasi
yang mempunyai mean yang beda.

2. Uji Kolmogorov-Smirnov Z
Uji ini digunakan untuk menguji apakah dua sampel berasal dari populasi-
populasi yang berdistribusi sama. Uji ini sangat sensitif terhadap berbagai
perbedaan dalam kedua distribusi, seperti median, kemiringan, dispersi dan lain-
lain.
Dasar pengujian ini adalah membandingkan dua distribusi kumulatif observasi
dan memfokuskan pada selisih terbesar antara kedua distribusi tersebut.
Pembentukan Hipotesis pada UJI Kolmogorov-Smirnov Z
Ho : Dua sampel independen berasal dari populasi yang berdistribusi sama.
Ha : Dua sampel independen berasal dari populasi yang berdistribusi tidak sama.

3. Uji Runs Wald – Wolfowitz

Uji ini merupakan uji non parametrik dari hipotesis yang menyatakan bahwa dua
sampel berasal dari populasi yang sama. Dalam uji ini sedikitnya memerlukan
satu pengukuran dalam skala ordinal. Uji ini akan mengurutkan harga-harga
observasi kedua sampel secara bersama-sama dari yang kecil hingga yang besar,
dan kemudian melihat banyaknya run untuk menentukan apakah sampel tersebut
berasal dari poulasi yang sama. Jika banyaknya run besar, maka diharapkan
kedua sampel berasal dari populasi yang sama. Dalam uji ini, kedua sampel tidak
perlu mempunyai ukuran yang besar.

BAB VI | 95
 Pembentukan Hipotesis pada uji Runs Wald-Wolfowitz :
Ho : Dua sampel independen berasal dari populasi yang berdistribusi sama.
Ha : Dua sampel independen berasal dari populasi yang berdistribusi tidak sama.

4. Uji Reaksi Ekstrem Moses

Uji ini merupakan uji nonparametrik yang dirancang khusus untuk menguji
apakah suatu kelompok eksperimental akan menunjukkan reaksi defensif atau
reaksi ekstrem dibandingkan dengan reaksi-reaksi yang ditunjukkan oleh
kelompok kontrol independen, atau dengan kata lain variabel eksperimental akan
mempengaruhi suatu subjek dalam arah tertentu dan subjek lain dalam arah
kebalikannya sehingga variabel tersebut akan selalu memberi skor ekstrem.
Dalam uji ini sedikitnya memerlukan satu pengukuran dalam skala ordinal.
Pembentukan Hipotesis pada uji Reaksi Ekstrem Moses :
Ho : Kelompok eksperimental = kelompok kontrol.
Ha : Kelompok eksperimental tidak sama dengan kelompok kontrol

Beberapa hal yang harus diperhatikan dalam uji dua independen sampels test
adalah data dan asumsi.
Data
Gunakanlah selalu variabel variabel numerik yang dapat diurutkan sebagai
variabel uji. Selain itu juga diperlukan sebuah variabel berbentuk kategori yang
digunakan untuk mendefinisikan kelompok, yaitu variabel kelompok. Variabel
kelompok ini akan membagi variabel uji menjadi dua sampel independen.
Asumsi
Untuk menggunakan prosedur ini, gunakanlah sampel-sampel random
independen. Khusus untuk uji U diperlukan asumsi bahwa kedua sampel uji
mempunyai bentuk yang mirip.

BAB VI | 96
 LATIHAN
Seorang peneliti mengadakan percobaan dengan memberi pelajaran berangkai kepada
10 siswa kelas 6 dan kelas 2. Hal utama yang diamati peneliti tersebut adalah
kecenderungan untuk mengingat dengan lebih efisien separuh rangkaian pertama
pelajaran yang diberikan daripada separuh rangkaian terakhir. Peneliti tersebut
menduga (membuat hipotesis) bahwa efek kecenderungan tersebut akan lebih
berpengaruh pada kelompok kelas yang lebih tua (kelas 6) dibandingkan pada
kelompok kelas yang lebih muda (kelas 2). Untuk menguji hipotesis tersebut, peneliti
tersebut menghitung persentase jumlah kesalahan yang dilakukan oleh masing-masing
kelompok kelas untuk pengulangan separuh rangkaian pertama dari pelajaran yang
diberikan, dengan dugaan kelompok kelas yang lebih tua akan lebih sedikit melakukan
kesalahan dibandingkan kelompok kelas yang lebih muda. Persentase jumlah
kesalahan untuk masing-masing kelompok kelas adalah sebagai berikut :
Tabel 6.4 Persentase Jumlah Kesalahan
Kelas 2 39.1 41.2 45.2 46.2 48.4 48.7 55.0 40.6 52.1 47.2
Kelas 6 35.2 39.2 40.9 38.1 34.4 29.1 41.8 24.3 32.4 32.6

Langkah-langkah 2 Independent Sample Test.

1. Dari bar menu pilih :
Analyze
Nonparametric Test
2 independent samples
Sehingga akan tampil gambar sebagai berikut :

BAB VI | 97
 2. Klik Variabel “ Kelas” dan klik Define Groups. Isilah Group 1 : 1 dan Group
2 : 2. Sehingga seperti gambar berikut :

3. Kemudian klik Continue dan Ok.

D. Uji K Sampel Bebas

Uji K sampel bebas digunakan untuk membandingkan distribusi sebuah variabel
antara dua kelompok (dalam variabel tersebut) atau lebih dimana kelompok-
kelompok tersebut bersifat independen. Uji hanya sedikit dibatasi asumsi-asumsi
mengenai distribusi dimana sampel telah dipilih.

Uji ini banyak digunakan bilamana peneliti sangat sulit memenuhi asumsi-asumsi
untuk menguji apakah beberapa sampel independen berasal dari populasi yang sama.
Asumsi-asumsi yang dimaksud adalah distribusi populasi normal, variansi sampel
sama, dan variabel yang digunakan sekurang-kurangnya harus mempunyai tingkat
pengukuran ordinal.

Jenis-jenis Uji K Sampel Bebas antara lain adalah: Uji H Kruskal Wallis dan Uji
Median.

1. Uji H Kruskal Wallis

Uji KW adalah alternatif uji One Way Anova , yang digunakan untuk menguji
apakah k kelompok sampel independen berasal dari populasi yang sama dalam
arti perbedaan yang ada hanyalah variasi yang terjadi secara kebetulan.

BAB VI | 98
 Dalam uji KW ini tidak diperlukan asumsi tentang kebebasan ragam yang sama
maupun distribusi normal. Asumsi yang menjadi dasar pengujiannya adalah
bahwa sampel yang diperbandingkan berasal dari distribusi yang kontiniu.
Pembentukan Hipotesis :
Ho : Populasi yang dibandingkan mempunyai nilai rata-rata yang sama
Ha : Tidak semua populasi yang dibandingkan mempunyai nilai rata-rata yang sama

2. Uji Median
Uji median digunakan untuk menguji apakah k kelompok sampel independen
berasal dari populasi yang sama atau yang bermedian sama.
Dalam uji ini seluruh data dari k kelompok sampel independen digabung dan
kemudian dihitung benyaknya case-case dalam masing-masing kelompok yang
berada di atas dan di bawah median dari gabungan k sampel independen tersebut,
dan dari hasil ini kemudian dihitung statistik chi-kuadrat. Statistik chi kuadrat
yang dihasilkan digunakan untuk menentukan apakah hipotesis nol yang
menyatakan bahwa k sampel berasal dari populasi yang mempunyai median sama
dapat diterima.
Pembentukan Hipotesis :
Ho : Populasi-populasi yang dibandingkan mempunyai median yang sama
Ha : Tidak semua populasi yang dibandingkan mempunyai median yang sama

Prosedur Uji K Sampel Bebas

Prosedur K sampel bebas digunakan untuk membandingkan dua atau lebih kelompok
case yang tidak berhubungan pada sebuah variabel uji. Yang perlu diperhatikan
adalah data dan asumsi.
Data
Untuk menjalankan prosedur uji K sampel bebas, gunakanlah variabel-variabel
numerik yang dapat diurutkan sebagai variabel uji (diukur dalam skala ordinal).
Selain itu juga diperlukan sebuah variabel berbentuk kategori yang digunakan untuk
mendefinisikan kelompok, yaitu variabel kelompok. Variabel kelompok ini akan
membagi variabel uji menjadi k sampel bebas.

BAB VI | 99
 Asumsi
Untuk menggunakan prosedur uji ini, gunakanlah sampel random bebas. Khusus
untuk uji Kruskal Wallis diperlukan asumsi bahwa sampel uji mempunyai bentuk
yang mirip.

Langkah-langkah Uji K Sampel Bebas

1. Dari bar menu pilih :
Analyze
Nonparametric Tests
K Independent Samples
Sehingga akan tampil kotak dialog sebagai berikut :

2. Pindahkan satu atau beberapa variabel yang akan diuji dari kotak pendaftaran
variabel ke kotak Test Variabel List. Untuk masing-masing variabel yang
dipindahkan ini akan diuji sendiri-sendiri meskipun tampilan outputnya digabung.
3. Pindahkan sebuah variabel berbentuk kategori (variabel kelompok) ke kotak
Grouping Variabel.
4. Definisikan variabel kelompok untuk membagi variabel uji menjadi beberapa
kelompok (sampel) independen, yaitu melalui tombol Define Range. Isikan harga
integer untuk nilai minimum dan maksimum dari variabel kelompok. Case-case
yang mempunyai value di luar batas tersebut tidak akan diikutkan dalam analisis.

BAB VI | 100
5. Tentukanlah jenis uji apa saja yang akan digunakan untuk menguji variabel uji,
yaitu dengan menandai kotak periksa dalam seksi Test Type yang sesuai dengan uji
yang akan dijalankan.
6. Secara optional, dapat diklik tombol Options untuk mendapatkan statistik
deskriptif, quartil, dan kontrol perlakuan terhadap data missing.
7. Klik tombol OK pada kotak dialog Test for Several Independent Sampels untuk
mendapatkan hasil uji yang dikehendaki.

Contoh Kasus
Untuk pengobatan bagi pecandu narkoba, akan dilakukan dengan cara rehabilitasi
terapi Humanistik. Untuk melihat pengaruh lamanya pengobatan terhadap dampak
psikologis pecandu narkoba tersebut, diambil sebanyak 25 sampel pecandu narkoba
pada kondisi yang sama. Perlakuan rehabilitasi diberikan untuk 4 macam lama waktu
terapi, yaitu:
 Perlakuan I : 0 – 3 bulan
 Perlakuan II : 3- 6 bulan
 Perlakuan III : 6 – 9 bulan
 Perlakuan IV : 9 – 12 bulan

Dampak psikologis dari pecandu narkoba yang telah mengalami terapi diukur pada
skala 0 – 100. Hasil yang didapatkan adalah sebagai berikut :

Tabel 6.5 Dampak Psikologis Pecandu Narkoba

Dampak Dampak
Penderita Perlakuan Penderita Perlakuan
Psikologis Psikologis
1 I 80 6 I 79
2 I 82 7 I 82
3 I 78 8 I 80
4 I 80 9 I 78
5 I 81 10 II 70

BAB VI | 101
 Dampak Dampak
Penderita Perlakuan Penderita Perlakuan
Psikologis Psikologis
11 II 75 19 III 68
12 II 65 20 III 66
13 II 68 21 III 67
14 II 70 22 III 65
15 II 72 23 IV 59
16 II 70 24 IV 57
17 III 66 25 IV 61
18 III 64

Apa yang dapat disimpulkan dari pengujian tersebut ?

E. Uji Dua Sampel Berkaitan

Uji dua sampel berkaitan digunakan untuk membandingkan distribusi dua variabel
yang saling berhubungan. Uji ini hanya sedikit dibatasi asumsi-asumsi mengenai
distribusi dimana sampel telah dipilih. Untuk menggunakan salah satu jenis uji dari
kelompok uji dua sampel berkaitan ini bergantung pada jenis data yang di miliki.

Dengan uji ini, dapat ditentukan dua buah perlakuan (treatment) yang diberikan pada
objek penelitian adalah tidak sama, atau untuk mengetahui apakah perlakuan yang
satu lebih baik dari yang lain. Sudah tentu karena uji ini merupakan uji sampel
berkaitan maka perlakuan tersebut diberikan kepada pasangan sampel atau kepada
sampel yang sama akan tetapi dengan dua perlakuan yang diberikan pada waktu yang
berbeda.

Jenis-jenis Uji Dua Sampel Berkaitan antara lain adalah: Uji Tanda, Uji Wilcoxon,
dan Uji McNemar

BAB VI | 102
1. Uji Tanda
Sesuai dengan namanya, uji ini menggunakan tanda plus (+) dan minus (-) sebagai
datanya. Tanda-tanda tersebut mencerminkan perbedaan antara pasangan , yaitu
apakah perbedaannya positif atau negatif dan tidak didasarkan atas besarnya
perbedaan tersebut.

Uji yang merupakan alternatif non parametric untuk uji t sampel berpasangan ini
banyak dipakai bilamana pengukuran kuantitatif tidak dapat digunakan. Akan
tetapi pada uji ini tidak memerlukan asumsi normalitas dan kesamaan varians
populasi di mana sampel telah diambil sebagaimana uji t.
Pembentukan Hipotesis :
Ho : Tidak terdapat perbedaan dari perlakuan 1 dengan perlakuan 2
Ha : Terdapat perbedaan dari perlakuan 1 dengan perlakuan 2

2. Uji Wilcoxon
Sama halnya dengn uji tanda, uji wilcoxon juga merupakan alternatif
nonparametric untuk uji t sampel berpasangan. Akan tetapi pada uji ini tidak
memerlukan asumsi normalitas dan kesamaan varians populasi dimana sampel
telah diambil sebagaimana uji t. Dalam hal kekuatan uji, uji Wilcoxon lebih kuat
dibandingkan uji Tanda, karena dalam uji tanda hanya mempertimbangkan arah
perbedaan tiap pasangan, sedangkan dalam uji Wilcoxon selain memperhatikan
arah perbedaan juga memperhatikan besar relatif perbedaan tersebut.
Pembentukan Hipotesis :
Ho : Tidak terdapat perbedaan dari perlakuan 1 dengan perlakuan 2
Ha : Terdapat perbedaan dari perlakuan 1 dengan perlakuan 2

3. Uji McNemar
Uji McNemar digunakan untuk menentukan perubahan-perubahan dalam proporsi
bagi sampel-sampel yang berhubungan. Uji ini sering digunakan dalam
rancangan percobaan “ sebelum dan sesudah” bilamana variabel dependen
berupa variabel dikotomi yang diukur dalam skala nominal atau ordinal.

BAB VI | 103
 Dengan uji McNemar dapat dianalisis perubahan untuk mengetahui apakah
perubahan dalam kedua arah berkemungkinan sama. Sedangkan distribusi yang
digunakan untuk menguji perubahan dalam respon tersebut adalah distribusi chi-
kuadrat.
Pembentukan Hipotesis :
Ho : Tidak terdapat perbedaan dari sebelum perlakuan dengan sesudah perlakuan
Ha : Terdapat perbedaan dari sebelum perlakuan dengan sesudah perlakuan.

Prosedur dua sampel yang berkaitan berhubungan dengan data dan asumsi.
Data
Untuk menjalankan prosedur ini, gunakanlah variabel-variabel numerik yang
diurutkan sebagai variabel uji.
Asumsi
Meskipun dalam menggunakan prosedur ini tidak ada distribusi tertentu yang
diasumsikan untuk kedua variabel, akan tetapi distribusi populasi dari perbedaan
pasangan diasumsikan simetris.

Langkah-langkah Dua Sampel Yang Berkaitan

1. Dari bar menu pilih :
Analyze
Nonparametric Test
2 Related Sampels
Sehingga akan ditampilkan kotak dialog seperti pada gambar berikut ini :

Perhatikan bahwa semua variabel yang didaftar dalam kotak pendaftaran adalah
variabel numerik.

BAB VI | 104
2. Pilih sepasang (dua) variabel uji dari kotak pendaftaran variabel sehingga
pasangan variabel tersebut tersorot dan ditampilkan dalam seksi Current Selection
3. Pindahkan pasangan variabel yang telah dipilih ke kotak Test Pair(s) List.
Dapat diuji lebih dari satu pasang variabel sekaligus, dan untuk masing-masing
pasang variabel ini akan diuji sendiri-sendiri meskipun tampilan outputnya
digabung.
4. Tentukan jenis uji yang akan digunakan, dengan menandai kotak periksa dalam
seksi Test type yang sesuai dengan uji yang akan dijalankan.

Sign Test
Jika datanya kontinyu, gunakanlah uji ini. Uji ini akan menghitung perbesaan
(selisih) antara dua variabel untuk seluruh case dan kemudian mengklasifikasikan
perbedaan tersebut dalam tanda plus, minus atau ties (angka sama). Jika kedua
variabel didistribusikan secara mirip, maka banyak perbedaan positif dan perbedaan
negatif tidak akan berbeda secara signifikan.

Wilcoxon
Jika datanya kontinyu, gunakan uji ini. Uji ini akan mempertimbangkan informasi
mengenai tanda perbedaan dan besar berbedaan dalam pasangan data. Karena uji ini
menyerap informasi yang lebih banyak, maka uji ini lebih kuat dibandingkan uji
tanda.

McNemar
Jika datanya biner, gunakan uji ini. Uji ini digunakan dimana masing-masing respon
subjek diamati dua kali, yaitu sebelum diperi perlakuan tertentu dan sesudah diberi
perlakuan. Uji McNemar menentukan apakah rating respon sebelum perlakuan sama
dengan rating respon sesudah perlakuan.

BAB VI | 105
Contoh Kasus 1
Seorang psikolog ingin mengetahui apakah dengan mengikuti pra TK akan
mempengaruhi daya persepsi sosial anak-anak. Untuk itu diambil 8 pasang anak kembar
yang identik sebagai subjek penelitian. Salah satu anak dari tiap pasangan anak kembar
tersebut diharuskan mengikuti sekolah pra TK selama satu periode, sedangkan masing-
masing pasangannya disuruh diam di rumah. Di akhir periode, kepada masing-masing
anak (16 anak) diberi tes mengenai daya persepsi sosial, dan untuk semua jawaban yang
diberikan oleh masing-masing anak diwujudkan dalam bentuk skor tertentu dengan skala
0 hingga 100. Skor daya persepsi sosial yang diperoleh dari 16 anak tersebut yang
dikelompokkan menurut turut serta dan tidak turut serta dalam pra TK adalah sebagai
berikut :
Tabel 6.6 Skor Daya Persepsi Sosial Pasangan Anak Kembar
Pasangan ke- Ikut Pra TK Tidak ikut Pra TK
1 82 63
2 69 42
3 73 74
4 43 37
5 58 51
6 56 43
7 76 80
8 85 82

Apa yang dapat disimpulkan dari penelitian tersebut ?

Hipotesis awal pada penelitian ini adalah :
Ha : Terdapat perbedaan dari perlakuan tidak ikut pra TK dengan perlakuan ikut pra
TK
Ho : Tidak terdapat perbedaan dari perlakuan tidak ikut pra TK dengan perlakuan ikut
pra TK

BAB VI | 106
Wilcoxon Signed Ranks Test
Ranks
N Mean Rank Sum of Ranks
a
Tidak_Ikut_Pra_TK - Negative Ranks 6 5,33 32,00
Ikut_Pra_TK Positive Ranks 2b 2,00 4,00
Ties 0c
Total 8
a. Tidak_Ikut_Pra_TK < Ikut_Pra_TK
b. Tidak_Ikut_Pra_TK > Ikut_Pra_TK
c. Tidak_Ikut_Pra_TK = Ikut_Pra_TK

Test Statisticsa
Tidak_Ikut_Pra_TK
- Ikut_Pra_TK
Z -1,960b
Asymp. Sig. (2-
,050
tailed)
a. Wilcoxon Signed Ranks Test
b. Based on positive ranks.

Sign Test
Frequencies
N
Tidak_Ikut_Pra_TK - Negative Differencesa 6
Ikut_Pra_TK Positive Differencesb 2
Tiesc 0
Total 8
a. Tidak_Ikut_Pra_TK < Ikut_Pra_TK
b. Tidak_Ikut_Pra_TK > Ikut_Pra_TK
c. Tidak_Ikut_Pra_TK = Ikut_Pra_TK

Test Statisticsa
Tidak_Ikut_Pra_TK
- Ikut_Pra_TK
Exact Sig. (2-
,289b
tailed)
a. Sign Test
b. Binomial distribution used.

BAB VI | 107
Contoh Kasus 2
Seorang psikolog anak tertarik untuk meneliti pendekatan awal hubungan sosial anak-
anak pra TK. Ia mengamati bahwa anak-anak yang baru masuk sekolah biasanya
membuka hubungan pribadinya dengan orang dewasa. Psikolog itu meramalkan bahwa
dengan bertambahnya pengalaman, hubungan pribadi tersebut akan berpindah dari orang
dewasa ke sasama kanak-kanak. Untuk itu ia mengamati 25 anak yang baru masuk
sekolah pra TK dan mencatat objek yang dijadikan hubungan pribadi anak-anak tersebut
pada hari pertama masuk sekolah dan 30 hari kemudian. Hasilnya adalah sebagai
berikut:
Tabel 6.7 Pendekatan Awal Hubungan Sosial Anak-anak Pra TK

Pendekatan hari ke 30
Dewasa Anak-anak
Pendekatan hari Dewasa 4 14
Pertama Anak-anak 4 3

Ujilah hipotesis yang menyatakan bahwa untuk anak-anak yang mengalami perubahan
objek pendekatan, kemungkinan perubahan objek pendekatan dari orang dewasa ke
sesama anak-anak adalah sama dengan kemungkinan perubahan objek pendekatan dari
sesama anak-anak ke orang dewasa.

F. Uji K-Sampel Berkait

Uji K Sampel Berkait digunakan untuk membandingkan distribusi dua variabel
atau lebih yang saling berhubungan. Uji ini hanya sedikit dibatasi asumsi-asumsi
mengenai distribusi dimana sampel telah dipilih. Untuk menggunakan salah satu jenis
uji dari kelompok uji K Sampel Berkait ini bergantung pada jenis data yang dimiliki.
Jenis-jenis Uji K Sampel Berkait antara lain adalah Uji Friedman, Uji W
Kendall, dan Uji Q Cochran.

BAB VI | 108
1. Uji Friedman
Uji Friedman merupakan alternatif nonparametric dari analisis varian pengukuran
berulang faktor tunggal. Banyaknya jenis produk yang diuji menyatakan
banyaknya sampel (K) dan banyaknya subjek yang menyatakan banyaknya
pasangan sampel (n). Pada kasus yang lain, dapat juga banyaknya sampel
menyatakan banyaknya kondisi yang dikenakan pada setiap subjek. Selain itu,
setiap subjek tidak hanya dapat berupa subjek tunggal untuk menerima K macam
perlakuan atau kondisi yang berbeda dalam waktu yang berbeda, melainkan juga
dapat terdiri dari subjek-subjek berpasangan untuk menerima K macam perlakuan
atau kondisi yang berbeda dalam waktu yang bersamaan.
Pembentukan Hipotesis :
Ho : K perlakuan yang dibandingkan adalah sama
Ha : Ada K perlakuan yang dibandingkan yang tidak sama.

2. Uji W Kendall
Uji ini dikhususkan untuk mengukur kesesuaian antar penilai. Pada uji ini masing-
masing kasus berkorespondensi dengan satu penilai, dan masing-masing variabel
yang dipilih merupakan item yang dinilai. Setiap responden/penilai memberikan
skor dalam bentuk ranking pada objek yang sedang dinilai. Banyaknya objek
yang dinilai menyatakan banyaknya sampel (K) dan banyaknya subjek penilai
menyatakan banyaknya pasangan sampel (n).
Pembentukan Hipotesis :
Ho : K perlakuan yang dibandingkan adalah sama
Ha : Ada K perlakuan yang dibandingkan yang tidak sama.

3. Uji Q Cochran
Uji Q Cochran dapat digunakan untuk menguji apakah beberapa variabel
dikotomi mempunyai mean yang sama. Uji ini merupakan pengembangan uji

BAB VI | 109
 McNemar yang dipakai bilamana banyaknya sampel lebih dari dua. Jawaban yang
diberikan oleh responden harus bersifat dikotomi, seperti Ya atau Tidak.

Pembentukan Hipotesis :
Ho : Kemungkinan sukses adalah sama untuk masing-masing
kondisi/produk
Ha : Kemungkinan sukses adalah tidak sama untuk masing-masing
kondisi/produk

Prosedur Uji K Sampel Berkait

Data
Untuk menjalankan prosedur uji K sampel berkait, gunakanlah variabel-variabel
numerik yang dapat diurutkan sebagai variabel uji.
Asumsi
Karena ini merupakan uji nonparametrik, maka tidak memerlukan asumsi-asumsi
mengenai bentuk distribusi yang mendasarinya. Selain itu, sudah tentu prosedur uji
ini memerlukan sampel random yang saling berkait.

Langkah-langkah Uji K Sampel Berkait

1. Dari bar menu pilih :
Analyze
Nonparametric Tests
K Related Samples
Sehingga akan tampil kotak dialog sebagai berikut :

BAB VI | 110
 2. Pindahkan dua buah variabel uji atau lebih dari kotak pendaftaran ke kotak Test
Variabels.
3. Tentukan jenis uji apa yang akan digunakan untuk menguji variabel uji, yaitu
dengan menandai kotak perksa dalam seksi Test Type yang sesuai dengan uji
yang akan dijalankan.
4. Secara Statistics, dapat diklik tombol Statistics untuk mendapatkan statistik
deskriptif dan quartil.
5. Klik tombol OK pada kotak dialog Test for Several Related Sampels untuk
mendapatkan hasil uji yang dikehendaki.

Contoh Kasus 1
Seorang psikolog mengadakan percobaan yang berhubungan dengan masalah daya ingat.
Psikolog tersebut menggunakan 15 subjek penelitian. Masing-masing subjek tersebut
diminta megingat 3 deretan bilangan. Deretan pertama berisi 2 digit, deretan kedua berisi
bilangan 3 digit, deretan ketiga berisi bilangan 4 digit. Setelah masing-masing bilangan
diingat, kemudian mereka diberi sebuah digit angka dan ditanya apakah digit angka
tersebut termasuk yang ada dalam bilangan yang diingat. Waktu yang diperlukan untuk
memberikan jawaban untuk bilangan dua digit, tiga digit dan empat digit dicatat dan
hasilnya (dalam detik) adalah sebagai berikut :

Tabel 6.8 Waktu yang Diperlukan untuk Mengingat

Subjek ke- 2 digit 3 digit 4 digit
1 4 5 6
2 6 6 9
3 4 5 7
4 3 10 9
5 4 3 7
6 2 5 10
7 2 2 8
8 3 2 7
9 4 9 8
10 7 8 12

BAB VI | 111
 11 3 4 5
12 2 5 4
13 3 2 6
14 6 8 11
15 5 7 9

Ujilah apakah banyaknya digit yang diingat mempunyai pengaruh terhadap waktu yang
diperlukan untuk memberikan jawaban.
Contoh Kasus 2
Dalam studi mengenai pengaruh keramahan pewawancara terhadap hasil wawancara
yang diperoleh, seorang pewawancara melakukan 3 jenis wawancara pada 18 calon
tenaga kerja. Tiap calon tenaga kerja tersebut melakukan ketiga jenis wawancara
tersebut, Jawaban yang diminta dari wawancara tersebut adalah: ya (1) atau tidak (0).
Ketiga jenis wawancara tersebut adalah:
 Jenis I, yaitu wawancara dengan penuh perhatian, ramah dan antusias.
 Jenis II , yaitu wawncara secara formal , hati-hati dan sopan.
 Jenis III, yaitu wawancara tanpa perhatian, terburu-buru.
Hasil penelitiannya adalah sebagai berikut :
Tabel 6.9 Respon Terhadap Jenis Wawancara
Responden ke- Jenis I Jenis II Jenis III
1 0 0 0
2 1 1 0
3 0 1 0
4 0 0 0
5 1 0 0
6 1 1 0
7 1 1 0
8 0 1 0
9 1 0 0
10 0 0 0
11 1 1 1
12 1 1 1
13 1 1 0
14 1 1 0

BAB VI | 112
 15 1 1 0
16 1 1 1
17 1 1 0
18 1 1 0

Ujilah hipotesis apakah kemungkinan suatu jawaban adalah sama untuk ketiga jenis
wawancara tersebut.

BAB VI | 113
 BAB VII
STATISTIKA NON PARAMETRIK :
UJI HUBUNGAN

A. Pengantar Analisis Korelasi

Dalam penelitian, seringkali kita ingin mengetahui ada tidaknya hubungan
diantara tabel-variabel yang kita amati, atau ingin mengetahui seberapa besar derajat
keeratan hubungan diantara tabel-variabel tersebut. Analisis korelasi merupakan
studi yang membahas tentang derajat keeratan hubungan antara dua atau lebih tabel
pengamatan.
Dalam statistik parametrik, ukuran derajat keeratan hubungan antara dua tabel
yang paling dikenal adalah Koefisien Moment Product atau Koefisien Hasil Kali
Pearson. Penerapan koefisien korelasi Pearson menuntut bahwa tabel pengamatan
minimal diukur dalam skala interval. Disamping itu, dalam pengujiannya diperlukan
anggapan bahwa populasi darimana sample diambil merupakan populasi yang
normal. Apabila skala pengukuran interval dan rasio tidak tercapai, dapat diterapkan
ukuran derajat hubungan (korelasi) dalam metode non parametrik.
Dalam statistik non parametrik Variabel politomi adalah variabel yg
mempunyai 3 atribut atau lebih. Contoh: pekerjaan dimana atributnya adalah petani,
nelayan, pns, peg swasta, buruh, dan lain lain. Contoh lain variabel agama dengan
atribut islam, kristen, hindu, budha, katolik. Sedangkan variabel dikotomi adalah
variabel yang hanya memiliki 2 atribut. Contoh variabel dikotomi seperti jenis
kelamin, terdiri dari laki_laki dan perempuan, sakit - sehat, baik - buruk dan
sebagainya.

B. Jenis-jenis Analisis Korelasi

Jenis-jenis Analisis Korelasi antara lain adalah Koefisien Korelasi Ranking
Spearman, Koefisien Korelasi Ranking Tau Kendall, dan Koefisien Kontingensi.

BAB VII | 115

1. Koefisien Korelasi Ranking Spearman
Dari semua statistik yang didasarkan atas ranking (peringkat) koefisien korelasi
rank Spearman merupakan statistik yang paling awal dikembangkan dan mungkin
yang paling dikenal dengan baik. Statistik ini kadang-kadang disebut rho, ditulis
dengan rs, merupakan ukuran korelasi yang menuntut kedua tabel pengamatan
sekurang-kurangnya diukur dalam skala ordinal, sehingga obyek-obyek atau
individu-individu yang diamati dapat diranking dalam dua rangkaian berurut.

Korelasi Spearman digunakan untuk mencari hubungan variabel atau untuk

menguji signifikansi hipotesis asosiatif bila masing-masing variabel yang di
hubungkan berbentuk ordinal, dan sumber data antar variabel tidak harus sama.

Nilai korelasi yang dihasilkan berkisar diantara –1 sampai dengan + 1.

Angka pada nilai korelasi menunjukkan keeratan hubungan antara 2 variabel yang
diuji. Jika angka korelasi makin mendekati 1, maka korelasi 2 variabel akan
makin kuat, sedangkan jika angka korelasi makin mendekati 0 maka korelasi 2
variabel makin lemah.

Sedangkan tanda minus dan positif pada nilai korelasi menyatakan sifat
hubungan. Jika nilai korelasi bertanda minus, berarti hubungan diantara kedua
tabel bersifat searah. Sedangkan jika nilai korelasi bertanda plus, berarti hubungan
diantara kedua tabel bersifat berlawanan arah.

Untuk uji signifikansi , diperlukan pembentukan hipotesis sebagai berikut :

Ho : Tabel X dan tabel Y tidak saling berhubungan.
H1 : Tabel X dan tabel Y saling berhubungan.

2. Koefisien Korelasi Ranking Tau Kendall

Koefisien korelasi ranking Tau Kendall cocok digunakan sebagai ukuran korelasi
dengan jenis data yang sama dengan data dimana koefisien korelasi ranking

BAB VII | 116

 Spearman dapat digunakan. Artinya jika sekurang-kurangnya tercapai pengukuran
ordinal dari tabel X dan Y.

Nilai korelasi yang dihasilkan berkisar diantara –1 sampai dengan + 1.

Angka pada nilai korelasi menunjukkan keeratan hubungan antara 2 variabel yang
diuji. Jika angka korelasi makin mendekati 1, maka korelasi 2 variabel akan
makin kuat, sedangkan jika angka korelasi makin mendekati 0 maka korelasi 2
variabel makin lemah.

Sedangkan tanda minus dan positif pada nilai korelasi menyatakan sifat
hubungan. Jika nilai korelasi bertanda minus, berarti hubungan diantara kedua
tabel bersifat searah. Sedangkan jika nilai korelasi bertanda plus, berarti hubungan
diantara kedua tabel bersifat berlawanan arah. Koefisien Korelasi Ranking Tau
Kendall memiliki jenis skala ordinal.

Untuk uji signifikansi , diperlukan pembentukan hipotesis sebagai berikut :

Ho : Tabel X dan tabel Y tidak saling berhubungan.
H1 : Tabel X dan tabel Y saling berhubungan.

3. Koefisien Korelasi Phi

Koefisien korelasi Phi merupakan ukuran keeratan hubungan antara dua tabel
dengan skala nominal yang bersifat dikotomi .

Nilai korelasi yang dihasilkan berkisar diantara 0 sampai dengan 1.

Angka pada nilai korelasi menunjukkan keeratan hubungan antara 2 variabel yang
diuji. Jika angka korelasi makin mendekati 1, maka korelasi 2 variabel akan
makin kuat, sedangkan jika angka korelasi makin mendekati 0 maka korelasi 2
variabel makin lemah.

Sifat hubungan ke dua tabel yang diuji, tidak dapat ditunjukkan dari nilai korelasi
Phi, karena dua tabel yang diukur mempunyai skala nominal.

BAB VII | 117

 Untuk uji signifikansi , diperlukan pembentukan hipotesis sebagai berikut :
Ho : tabel X dan tabel Y tidak saling berhubungan.
H1 : tabel X dan tabel Y saling berhubungan.

4. Koefisien Kontingensi
Koefisien kontingensi C merupakan ukuran korelasi antara dua tabel kategori
yang disusun dalam table kontingensi berukuran r x c. Dalam menggunakan
koefisien kontingensi C, kita tidak perlu membuat anggapan kontinyuitas untuk
berbagai kategori yang dipergunakan. Bahkan sebenarnya kita tidak perlu menata
kategori-kategori itu dalam suatu cara tertentu, karena koefisien kontingensi C
akan mempunyai harga yang sama bagaimanapun kategori-kategori itu disusun
dalam baris dan kolomnya. Koefisien kontingensi memiliki jenis data politomi.

Nilai korelasi yang dihasilkan berkisar diantara 0 sampai dengan 1.

Angka pada nilai korelasi menunjukkan keeratan hubungan antara 2 variabel yang
diuji. Jika angka korelasi makin mendekati 1, maka korelasi 2 variabel akan
makin kuat, sedangkan jika angka korelasi makin mendekati 0 maka korelasi 2
variabel makin lemah.

Pengujian terhadap koefisien kontingensi C digunakan sebagai uji kebebasan (uji

independensi) antara dua tabel.

Untuk uji signifikansi , diperlukan pembentukan hipotesis sebagai berikut :

Ho : tabel X dan tabel Y tidak saling berhubungan.
H1 : tabel X dan tabel Y saling berhubungan.

BAB VII | 118

Prosedur Uji Korelasi Ranking Spearman dan Tau Kendall
1. Klik menu :
Analyze
Correlate
Bivariate

Maka akan ditampilkan kotak dialog Bivariate Correlations sebagai berikut :

2. Sorot 2 variabel yang akan dianalisis, dan pindahkan tabel tersebut ke kotak
Tabels dengan cara mengklik tanda panah kanan.
3. Tandai pilihan pada kotak Spearman dan Kendall’s Tau b pada kotak dialog
Correlation Coefficients.
4. Klik OK

BAB VII | 119

Prosedur Uji Korelasi Phi dan Koefisien Kontingensi
1. Klik Menu :
Analyze
Descriptive Statistics
Crosstabs

Maka akan ditambilkan kotak dialog Crosstabs sebagai berikut :

2. Sorot variable pertama yang akan dianalisis, dan pindahkan ke kotak Row(s)
3. Sorot variable kedua yang akan dianalisis, dan pindahkan ke kotak Colum(s)
4. Klik Statistics, tandai pilihan contingency coefficient, untuk mengetahui
koefisien kontigensi. Tandai pilihan Phi dan Cramer’s untuk mengetahui
koefisien korelasi phi dan koefisien korelasi Cramer sebagai ukuran korelasi
data skala nominal.

BAB VII | 120

 5. Klik Continue
6. Klik OK

Contoh Kasus I
Seorang peneliti ingin mengetahui hubungan antara tingkat pendidikan dan
persetujuan pendapat terhadap keputusan pemerintah menaikan tarif tol pada
September 2007. Peneliti itu mempunyai dugaan bahwa terdapat hubungan negatif
yang signifikan antara kedua variabel tersebut.

Keterangan:
1 = SD, 2 = SMP, 3 = SMA, 4 = D3, 5 = S1, 6 = S2.
1 = Sangat tidak setuju, 2 = Tidak setuju, 3 = Ragu-ragu, 4 = Setuju, 5 = Sangat
setuju

BAB VII | 121

 Tabel 7.1 Pandangan Mengenai Keputusan Pemerintah
No. Pendidikan Pendapat No. Pendidikan Pendapat
1. 6.00 2.00 16. 1.00 1.00
2. 1.00 5.00 17. 5.00 4.00
3. 2.00 5.00 18. 4.00 3.00
4. 5.00 3.00 19. 4.00 3.00
5. 4.00 5.00 20. 2.00 5.00
6. 4.00 4.00 21. 2.00 5.00
7. 1.00 5.00 22. 2.00 5.00
8. 1.00 3.00 23. 6.00 5.00
9. 6.00 1.00 24. 3.00 4.00
10. 6.00 2.00 25. 6.00 3.00
11. 4.00 2.00 26. 1.00 4.00
12. 6.00 1.00 27. 3.00 5.00
13. 5.00 1.00 28. 3.00 3.00
14. 4.00 4.00 29. 4.00 2.00
15. 2.00 2.00 30. 6.00 2.00

Contoh Kasus 2
Suatu penelitian dilakukan untuk mengetahui apakah ada hubungan antara jender
dengan kesenangan membolos pada siswa SMU di Jakarta. Untuk itu dilakukan
pengambilan sampel secara acak sebanyak 40 orang siswa-siswi.
Hasil yang didapatkan adalah sebagai berikut :

Tabel 7.2. Kesenangan Membolos Berdasarkan Gender

Pria Wanita Jumlah
Senang bolos 11 7 18
Tidak senang bolos 10 12 22
Jumlah 21 19 40

BAB VII | 122

 Contoh Kasus 3
Seorang peneliti sosial-politik ingin mengetahui apakah terdapat hubungan antara
tingkat pendidikan seseorang dengan partai politik pilihannya pada pemilu 2004.
Sebagai gambaran awal diambil sampel 29 responden dan diminta keterangan tentang
tingkat pendidikan terakhir dan partai pilihan pada pemilu 2004. Data yang diperoleh
sebagai berikut.

Tabel 7.3 Hasil Keterangan Tingkat Pendidikan Terakhir dan Partai Pilihan.

SMP SMA Sarjana Total

PKS 0 1 5 6
PDIP 8 1 0 9
PAN 6 1 1 8
GOLKAR 1 1 1 3
DEMOKRAT 1 1 1 3
Total 16 5 8 29

Apa yang dapat disimpulkan dari data di atas ini ?

BAB VII | 123

 DAFTAR PUSTAKA

Alhusin, S. 2001. Aplikasi Statistik Praktis dengan SPSS 9. Jakarta: Elex Media
Komputindo.

Azwar, S. 1996. Tes Prestasi: Fungsi dan Pengembangan Pengukuran Prestasi Belajar.
Edisi II. Yogyakarta: Pustaka Pelajar.

Hadi, S. 1994. Sekitar Hipotesis Penelitian. Pelatihan Metodologi Penelitian Sosial

Dasar. Yogyakarta: Biro Pengolahan Data Fakultas Psikologi UGM.

Hadi, S. 1994. Variabel-variabel Penelitian. Pelatihan Metodologi Penelitian Sosial

Dasar. Yogyakarta: Biro Pengolahan Data Fakultas Psikologi UGM.

Santoso, S. 2001. SPSS Versi 10: Mengolah Data Secara Profesional. Jakarta: Elex
Media Komputindo.

Suhandojo. 2000. Analisis Tabulasi Silang (Crostabulation Analysis). Seminar

Metode Statistika Untuk Pengolahan Data Kualitatif. Jakarta: Nurul Fikri.

Widiarso, W. 2010. Validitas Isi. Materi Kuliah. Yogyakarta: UGM.

124
LAMPIRAN
 DISTRIBUTION TABEL NILAI F0,05
DEGREES OF FREEDOM FOR NOMINATOR

1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60 120 ∞
1 161 200 216 225 230 234 237 239 241 242 244 246 248 249 250 251 252 253 254
2 18,5 19,0 19,2 19,2 19,3 19,3 19,4 19,4 19,4 19,4 19,4 19,4 19,4 19,5 19,5 19,5 19,5 19,5 19,5
3 10,1 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,74 8,70 8,66 8,64 8,62 8,59 8,57 8,55 8,53
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,91 5,86 5,80 5,77 5,75 5,72 5,69 5,66 5,63
5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,68 4,62 4,56 4,53 4,50 4,46 4,43 4,40 4,37
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,00 3,94 3,87 3,84 3,81 3,77 3,74 3,70 3,67
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,57 3,51 3,44 3,41 3,38 3,34 3,30 3,27 3,23
8 5,32 4,46 4,07 3,84 4,69 3,58 3,50 3,44 3,39 3,35 3,28 3,22 3,15 3,12 3,08 3,04 3,01 2,97 2,93
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,07 3,01 2,94 2,90 2,86 2,83 2,79 2,75 2,71
10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,91 2,85 2,77 2,74 2,70 2,66 2,62 2,58 2,54
Degrees of freedom for Denominator

11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,79 2,72 2,65 2,61 2,57 2,53 2,49 2,45 2,40
12 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,69 2,62 2,54 2,51 2,47 2,43 2,38 2,34 2,30
13 4,67 3,81 3,41 3,13 3,03 2,92 2,83 2,77 2,71 2,67 2,60 2,53 2,46 2,42 2,38 2,34 2,30 2,25 2,21
14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,53 2,46 2,39 2,35 2,31 2,27 2,22 2,18 2,13
15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 6,59 2,54 2,48 2,40 2,33 2,29 2,25 2,20 2,16 2,11 2,07
16 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,42 2,35 2,28 2,24 2,19 2,15 2,11 2,06 2,01
17 4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,38 2,31 2,23 2,19 2,15 2,10 2,06 2,01 1,96
18 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,34 2,27 2,19 2,15 2,11 2,06 2,02 1,97 1,92
19 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,31 2,23 2,16 2,11 2,07 2,03 1,98 1,93 1,88
20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,28 2,20 2,12 2,08 2,04 1,99 1,95 1,90 1,84
21 4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,25 2,18 2,10 2,05 2,01 1,96 1,92 1,87 1,81
22 4,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,23 2,15 2,07 2,03 1,98 1,94 1,89 1,84 1,78
23 4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,20 2,13 2,05 2,01 1,96 1,91 1,86 1,81 1,76
24 4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,18 2,11 2,03 1,98 1,94 1,89 1,84 1,79 1,73
25 4,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,28 2,24 2,16 2,09 2,01 1,96 1,92 1,87 1,82 1,77 1,71
30 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,09 2,01 1,93 1,89 1,84 1,79 1,74 1,68 1,62
40 4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 2,00 1,92 1,84 1,79 1,74 1,69 1,64 1,58 1,51
50 4,08 3,18 2,79 2,56 2,40 2,29 2,20 2,13 2,07 2,02 1,95 1,87 1,78 1,74 1,69 1.63 1,56 1,50 1,41
60 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,92 1,84 1,75 1,70 1,65 1,59 1,53 1,47 1,39
100 3,94 3,09 2,70 2,46 2,30 2,19 2,10 2,03 1,97 1,92 1,85 1,80 1,68 1,63 1,57 1,51 1,46 1,40 1,28
120 3,92 3,07 2,68 2,45 2,29 2,18 2,09 2,02 1,96 1,91 1,83 1,75 1,66 1,61 1,55 1,50 1,43 1,35 1,22
∞ 3,84 3,00 2,60 2,37 2,21 2,10 2,01 1,94 1,88 1,83 1,75 1,67 1,57 1,52 1,46 1,39 1,32 1,22 1,00
 DISTRIBUSI NILAI ttabel
d.f t0.10 t0.05 t0.025 t0.01 t0.005 d.f t0.10 t0.05 t0.025 t0.01 t0.005
1 3.078 6.314 12.71 31.82 63.66 61 1.296 1.671 2.000 2.390 2.659
2 1.886 2.920 4.303 6.965 9.925 62 1.296 1.671 1.999 2.389 2.659
3 1.638 2.353 3.182 4.541 5.841 63 1.296 1.670 1.999 2.389 2.658
4 1.533 2.132 2.776 3.747 4.604 64 1.296 1.670 1.999 2.388 2.657
5 1.476 2.015 2.571 3.365 4.032 65 1.296 1.670 1.998 2.388 2.657
6 1.440 1.943 2.447 3.143 3.707 66 1.295 1.670 1.998 2.387 2.656
7 1.415 1.895 2.365 2.998 3.499 67 1.295 1.670 1.998 2.387 2.655
8 1.397 1.860 2.306 2.896 3.355 68 1.295 1.670 1.997 2.386 2.655
9 1.383 1.833 2.262 2.821 3.250 69 1.295 1.669 1.997 2.386 2.654
10 1.372 1.812 2.228 2.764 3.169 70 1.295 1.669 1.997 2.385 2.653
11 1.363 1.796 2.201 2.718 3.106 71 1.295 1.669 1.996 2.385 2.653
12 1.356 1.782 2.179 2.681 3.055 72 1.295 1.669 1.996 2.384 2.652
13 1.350 1.771 2.160 2.650 3.012 73 1.295 1.669 1.996 2.384 2.651
14 1.345 1.761 2.145 2.624 2.977 74 1.295 1.668 1.995 2.383 2.651
15 1.341 1.753 2.131 2.602 2.947 75 1.295 1.668 1.995 2.383 2.650
16 1.337 1.746 2.120 2.583 2.921 76 1.294 1.668 1.995 2.382 2.649
17 1.333 1.740 2.110 2.567 2.898 77 1.294 1.668 1.994 2.382 2.649
18 1.330 1.734 2.101 2.552 2.878 78 1.294 1.668 1.994 2.381 2.648
19 1.328 1.729 2.093 2.539 2.861 79 1.294 1.668 1.994 2.381 2.647
20 1.325 1.725 2.086 2.528 2.845 80 1.294 1.667 1.993 2.380 2.647
21 1.323 1.721 2.080 2.518 2.831 81 1.294 1.667 1.993 2.380 2.646
22 1.321 1.717 2.074 2.508 2.819 82 1.294 1.667 1.993 2.379 2.645
23 1.319 1.714 2.069 2.500 2.807 83 1.294 1.667 1.992 2.379 2.645
24 1.318 1.711 2.064 2.492 2.797 84 1.294 1.667 1.992 2.378 2.644
25 1.316 1.708 2.060 2.485 2.787 85 1.294 1.666 1.992 2.378 2.643
26 1.315 1.706 2.056 2.479 2.779 86 1.293 1.666 1.991 2.377 2.643
27 1.314 1.703 2.052 2.473 2.771 87 1.293 1.666 1.991 2.377 2.642
28 1.313 1.701 2.048 2.467 2.763 88 1.293 1.666 1.991 2.376 2.641
29 1.311 1.699 2.045 2.462 2.756 89 1.293 1.666 1.990 2.376 2.641
30 1.310 1.697 2.042 2.457 2.750 90 1.293 1.666 1.990 2.375 2.640
31 1.309 1.696 2.040 2.453 2.744 91 1.293 1.665 1.990 2.374 2.639
32 1.309 1.694 2.037 2.449 2.738 92 1.293 1.665 1.989 2.374 2.639
33 1.308 1.692 2.035 2.445 2.733 93 1.293 1.665 1.989 2.373 2.638
34 1.307 1.691 2.032 2.441 2.728 94 1.293 1.665 1.989 2.373 2.637
35 1.306 1.690 2.030 2.438 2.724 95 1.293 1.665 1.988 2.372 2.637
36 1.306 1.688 2.028 2.434 2.719 96 1.292 1.664 1.988 2.372 2.636
37 1.305 1.687 2.026 2.431 2.715 97 1.292 1.664 1.988 2.371 2.635
38 1.304 1.686 2.024 2.429 2.712 98 1.292 1.664 1.987 2.371 2.635
39 1.304 1.685 2.023 2.426 2.708 99 1.292 1.664 1.987 2.370 2.634
40 1.303 1.684 2.021 2.423 2.704 100 1.292 1.664 1.987 2.370 2.633
41 1.303 1.683 2.020 2.421 2.701 101 1.292 1.663 1.986 2.369 2.633
42 1.302 1.682 2.018 2.418 2.698 102 1.292 1.663 1.986 2.369 2.632
43 1.302 1.681 2.017 2.416 2.695 103 1.292 1.663 1.986 2.368 2.631
44 1.301 1.680 2.015 2.414 2.692 104 1.292 1.663 1.985 2.368 2.631
45 1.301 1.679 2.014 2.412 2.690 105 1.292 1.663 1.985 2.367 2.630
46 1.300 1.679 2.013 2.410 2.687 106 1.291 1.663 1.985 2.367 2.629
47 1.300 1.678 2.012 2.408 2.685 107 1.291 1.662 1.984 2.366 2.629
48 1.299 1.677 2.011 2.407 2.682 108 1.291 1.662 1.984 2.366 2.628
49 1.299 1.677 2.010 2.405 2.680 109 1.291 1.662 1.984 2.365 2.627
50 1.299 1.676 2.009 2.403 2.678 110 1.291 1.662 1.983 2.365 2.627
51 1.298 1.675 2.008 2.402 2.676 111 1.291 1.662 1.983 2.364 2.626
52 1.298 1.675 2.007 2.400 2.674 112 1.291 1.661 1.983 2.364 2.625
53 1.298 1.674 2.006 2.399 2.672 113 1.291 1.661 1.982 2.363 2.625
54 1.297 1.674 2.005 2.397 2.670 114 1.291 1.661 1.982 2.363 2.624
55 1.297 1.673 2.004 2.396 2.668 115 1.291 1.661 1.982 2.362 2.623
56 1.297 1.673 2.003 2.395 2.667 116 1.290 1.661 1.981 2.362 2.623
57 1.297 1.672 2.002 2.394 2.665 117 1.290 1.661 1.981 2.361 2.622
58 1.296 1.672 2.002 2.392 2.663 118 1.290 1.660 1.981 2.361 2.621
59 1.296 1.671 2.001 2.391 2.662 119 1.290 1.660 1.980 2.360 2.621
60 1.296 1.671 2.000 2.390 2.660 120 1.290 1.660 1.980 2.360 2.620
Dari "Table of Percentage Points of the t-Distribution." Biometrika, Vol. 32. (1941), p. 300. Reproduced by permission of the Biometrika Trustess.