APLIKASI KOMPUTER STATISTIK
Referensi:
1. Imam gHozali. 2018. Aplikasi Analisis Multivariate Dengan Program IBM SPSS 25
(Edisi 9). Semarang: Universitas Diponegoro 2. Zagladi, Arief Noviarakhman. 2016.
Teknik Analisis Data Kuantitatif dalam ilmu social Menggunakan PSPP.
1. UJI VALIDITAS
Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu
kuesioner dikatakan valid jika Pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu
yang akan diukur oleh kuesioner tersebut. Misalkan kita ingin mengukur kinerja seorang
karyawan dan karyawan tersebut diberi 4 pertanyaan, maka pertanyaan tersebut harus dapat
secara tepat mengungkapkan tingkat kinerja. Jadi validitas ingin mengukur apakah pertanyaan
dalam kuesioner yang sudah kita buat betul-betul dapat mengukur Apa yang hendak kita ukur.
Terdapat dua metode pengujian validitas yang sering digunakan dalam analisa statistik,
yaitu mengukur kerataan suatu indikator dengan variabelnya melalui uji korelasi, dan mengukur
kerataan sekelompok indikator melalui analisis faktor konfirmatori. Akan tetapi pada
pembahasan pertemuan 3 ini kita hanya membahas melalui uji korelasi bivariate. Untuk analisis
faktor konfirmatori akan dibahas materinya secara khusus pada pertemuan berikutnya.
Uji validitas dengan analisis korelasi bivariate
Teknik yang paling populer untuk melakukan uji validitas instrumen adalah dengan cara
mengkorelasikan antara suatu indikator dengan variabelnya. Jika suatu indikator memiliki
korelasi yang memadai dengan variabelnya, maka indikator tersebut dinyatakan valid. Jika
tidak, maka indikator tersebut dinyatakan tidak valid.
Adapun dasar pengambilan keputusan dalam uji ini bisa dilakukan melaui beberapa cara
yaitu:
Mambandingka nilai r hitung dengan nilai r tabel
- Jika r hitung > r tabel, maka indikator tersebut dinyatakan valid
- Jika r hitung < r tabel, maka indikator tersebut dinyatakan tidak valid
Membandingkan nilai Sig. (2-tailed) dengan probabilitas 0,05
- Jika nilai Sig. (2-tailed) < 0,05 dan pearson correlation bernilai positif, maka
indikator tersebut valid
- Jika nilai Sig. (2-tailed) < 0,05 dan pearson correlation bernilai negatif, maka
indikator tersebut tidak valid
- Jika nilai Sig. (2-tailed) > 0,05, maka indikator tersebut tidak valid
Contoh kasus: seorang mahasiswa ingin mengukur tingkat kepuasan kerja seseorang
menggunakan 7 buah indikator yang masing-masing diwakili oleh 1 pertanyaan (disimbolkan
P1 sampai P7). Diketahui jawaban dari 30 responden atas pertanyaan 1 sampai dengan 7
adalah sebagai berikut (skala yang digunakan adalah skala likert 5 tingkat):
res P1 P2 P3 P4 P5 P6 P7 RES P1 P2 P3 P4 P5 P6 P7
1 16
3 3 3 3 3 3 3 3 3 3 3 3 3 3
2 17
3 3 2 3 4 4 4 3 3 3 3 3 3 3
3 18
3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 19
3 3 2 3 3 3 3 3 4 4 4 4 4 4
5 20
3 3 3 3 3 3 3 3 3 3 3 3 3 3
6 21
3 3 2 3 3 3 3 3 3 3 3 3 3 3
7 22
3 3 3 3 4 4 3 2 2 2 2 3 2 3
8 23
3 3 2 3 4 4 4 3 3 3 3 3 3 3
9 24
3 3 2 3 4 4 4 2 2 2 2 3 3 3
10 25
3 3 2 3 3 3 4 4 3 3 3 4 3 4
11 26
2 2 2 3 3 3 3 2 2 2 2 3 3 3
12 27
3 3 3 3 3 3 3 4 3 3 3 3 3 3
13 28
4 4 4 4 4 4 4 4 2 2 2 3 3 3
14 29
3 3 3 3 3 3 3 3 2 2 2 3 3 3
15 30
3 3 3 4 3 4 4 3 3 4 3 3 4 3
Keterangan:
1 = sangat tidak setuju
2 = tidak setuju
3 = ragu-ragu
4 = setuju
5 = sangat setuju
Langkah pertama kita menginput data ke Microsoft Excel, dengan merubah simbolnya
menjadi angka (skala likert). Beberapa ahli berpendapat bahwa nilai dari suatu variabel
merupakan penjumlahan dari semua indikatornya, dengan melihat pendapat tersebut berarti
kita perlu membuat nilai variabel dengan cara menjumlahkan semua pertanyaan dari P1 hingga
P7 untuk masing-masing responden agar tercipta nilai kepuasan kerja untuk masing-masing
responden. Cara paling mudah untuk memproses hal tersebut adalah dengan menambahkan
kolom baru di sebelah kanan P5 bernama KK (singkatan dari kepuasan kerja) dan mengisinya
dengan fungsi sum dari kolom P1 hingga P7.
Langkah ke dua pindahkan data ke SPSS, dengan mengisi variabel view dan data view
(sudah dijelakan pada pertemuan 2: cara input data).
Data variabel
Data view
Selanjutnya, pilih menu analyze, kemudian sub menu correlation, lalu pilih bivariate
Kemudian muncul Kotak baru dari kotak dialog “bivariate correlations”, masukkan semua
variabel ke kotak variabels. Pada bagian “correlation coefficients” centang pearson, pada
bagian “test of significance” pilih two-tailed, centang “flag significant correlations , lalu
klik OK.
Selanjutnya akan muncul output hasilnya (di window viewer)
Interpretasi output hasil uji validitas dengan korelasi bivariate :
Pengambilan keputusan berdasarkan nilai R hitung dengan nilai R tabel
Contoh kita akan mengenalisis Apakah indikator 1 (P1) valid atau tidak. Berdasarkan
output “correlations” diketahui nilai R hitung (nilai pearson correlation indikator 1
dengan skor_total) adalah sebesar 0,620. Selanjutnya mencari R tabel dengan (df)=n-
2, dalam hal ini n adalah jumlah sampel (n=30), maka besarnya df dihitung 30-2 =28,
dan alpha =0,05, di dapat R tabel = 0,361 (lihat R tabel pada df = 5 dengan uji 2
Sisi). Karena nilai R hitung sebesar 0,620 > r tabel 0361, maka Bagaimana dasar
pengambilan keputusan dalam uji validitas dapat disimpulkan bahwa indikator 1 valid.
Pengambilan keputusan berdasarkan nilai Sig. (2-tailed) dengan probabilitas 0,05
Misalnya kita ingin melihat kembali apakah indikator 1 (P!) valid atau tidak. Berdasarkan
output correlations diatas untuk korelasi indikator 1 dengan skor_total adalah
sebesar 0,000 < 0,05, maka dapat disimpulkan bahwa indikator 1 valid. Jika indikator
sudah valid maka indikator tersebut dapat dijadikan sebagai alat pengumpul data yang
akurat dalam sebuah penelitian.
NB : untuk mengetahui valid tidaknya dan indikator 2 dan seterusnya, caranya sama
seperti pada waktu kita menganalisis indikator 1 (P!)
Bagaimana jika indikator yang tidak valid ?
Jika itu terjadi maka ada dua alternatif yang bisa kita lakukan yaitu mengganti
pertanyaan di kuesioner atau menghapus pertanyaan di visioner. Hal tersebut
dikarenakan ada kemungkinan pertanyaan yang kita ajukan kurang jelas, sehingga
responden kesulitan dalam menjawabnya sehingga indikator tersebut menjadi tidak
valid.
2. UJI RELIABILITAS
Reliabilitas sebenarnya adalah alat untuk mengukur suatu kuesioner yang merupakan
indikator dari variabel. Suatu kuesioner dikatakan reliable atau handal jika jawaban
seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu. Uji
reliabilitas pada dasarnya memastikan bahwa kuesioner yang kita bagikan untuk diisi oleh
responden penelitian mampu menghasilkan jawaban yang konsisten, dengan kata lain bisa
dikatakan bahwa uji reliabilitas bertujuan untuk mengecek konsistensi dari suatu alat
ukur. Jawaban responden terhadap pertanyaan ini dikatakan reliable jika masing-masing
pertanyaan dijawab secara konsisten atau jawaban tidak boleh acak oleh karena
masing-masing pertanyaan hendak mengukur hal yang sama. Jika jawaban terhadap
indikator acak, maka dapat dikatakan bahwa tidak reliable.
Pengukuran reliabilitas dapat dilakukan dengan dua cara:
1. Repeated measure atau pengukuran ulang: di sini seseorang akan disodori
pertanyaan yang sama pada waktu yang berbeda, dan Kemudian dilihat apakah Ia
tetap konsisten dengan jawabannya.
2. One Shot atau pengukuran sekali saja : disini pengukurannya hanya sekali dan
kemudian hasilnya dibandingkan dengan pertanyaan lain atau mengukur korelasi antara
Jawaban pertanyaan. SPSS memberikan fasilitas untuk mengukur reliabilitas dengan
uji statistik cronbach Alpha (@). Suatu variabel dikatakan reliable jika memberikan
nilai cronbach Alpha > 0,70 (Nunnally, 1994).
Masih dengan Contoh kasus yang sama di atas.
Langkah analisis:
a. Dari menu utama SPSS, pilih scale kemudian pilih submenu reliability analysis
b. Kemudian muncul kotak dialog reliability analysis masukan indikator 1-7 ke dalam
kotak items dan pilih model Alpha
c. Kemudian pilih tombol statistics hingga tampak layar Windows reliability analysis
statistics pada bagian descriptive for, centang item, scale, scale if item deleted
dan correlations kemudian pilih continue dan oke
Output SPSS
Tampilan output SPSS di atas menunjukkan bahwa variabel kepusan kerja memberikan nilai
cronbach alpha 0,862 atau 86,2% yang menurut kriteria Nunnally (1994) bisa dikatakan
reliable.
3. STATISTIK DESKRIPTIF
Data yang digunakan dalam penelitian bentuknya bermacam-macam tergantung pada
bentuk dari variabel yang ingin diukur. Terdapat dua jenis variabel yang biasanya diukur dalam
suatu penelitian ilmiah, yaitu variabel manifest dan variabel laten. Penjelasan dari masing-
masing variabel adalah sebagai berikut:
1. Variabel manifest (observed)
Jenis yang paling sering ditemui adalah variabel manifest yaitu variabel yang dapat
diukur secara langsung karena bentuknya sudah berupaapa angka dari awal. Misalnya
variabel yang ingin diukur Adalah “gaji karyawan” yang dilihat dari nilai rupiahnya. Nilai
rupiah dari gaji karyawan sangat mudah untuk diukur dan disbanding-bandingkan.
Misalkan gaji dari Pak Ahmad sebesar Rp2.000.000 sedangkan gaji Pak Ali sebesar Rp
3.000.000. artinya gaji Pak Ali lebih besar dari gaji Pak Ahmad.
2. Variabel laten (unobserved)
Variabel jenis ini Sering kita temui dari data persepsi yang dikumpulkan dari kuesioner.
Variabel laten adalah variabel yang tidak dapat diukur secara langsung sehingga
membutuhkan serangkaian indikator untuk merubahnya dari tidak bisa diukur menjadi
terukur (observed). Sebagai contoh adalah kepuasan kerja karyawan. Bagaimana kita
bisa mengetahui apakah seseorang karyawan memiliki kepuasan kerja yang tinggi atau
justru memiliki kepuasan kerja yang rendah? Apakah sudah hanya cukup dengan
bertanya secara langsung?
“ Apakah Anda puas bekerja di perusahaan ini ?”
Pertanyaan Seperti di atas selain sulit untuk diukur juga sangat berpotensi
menimbulkan bias penilaian. Untuk mengatasinya, digunakan lah serangkaian indikator
untuk mengukur kepuasan kerja seseorang.
A. Input data dan statistik deskriptif untuk variabel manifest
Proses penginputan data di Microsoft Excel untuk variabel manifest tidak bersifat
langsung, karena datanya sudah berupa angka sehingga tidak dibutuhkan manipulasi
data dalam prosesnya. Peneliti cukup mengetikkan data yang dimiliki ke dalam kolom
kolom yang disediakan di Microsoft Excel.
Contoh kasus: Diketahui data harga saham pada perusahaan BEI selama 20 tahun
adalah sebagai berikut:
THN harga saham 2012 9450
2002 7500 2013 13000
2003 8950 2014 8000
2004 8250 2015 6500
2005 9000 2016 9000
2006 8750 2017 7600
2007 10000 2018 10200
2008 8200 2019 10600
2009 8300 2020 9270
2010 10900 2021 11430
2011 12800
Selanjutnya input data di tersebut ke SPSS (variable view & data view)
Kemudian pilih menu analyze sub menu descriptive statistics, lalu pilih
descriptives
Kemudian muncul kotak dialog “descriptives”masukkan variabel yang akan di
analisis ke kotak variable(s), kemudian pilih optionspada kotak descriptives
options isikan statistik yang ingin anda analisis dengan mmemberi tanda centang
(cmisalnya mean, std. deviation, variance,range, minimum, maximum, sum) klik
continue,kemudian ok
Hasil output
Output tampilan SPSS di atas menunjukkan jumlah data harga saham (n) sebanyak
20 tahun yaitu mulai tahun 2002-2021, dari 20 harga saham ini harga saham
terendah dengan harga Rp 6.500, dan harga saham tertinggi Rp 13.000. rata2 dari
seluruh harga saham adalah Rp 9.385, dengan standar deviasi sebesar Rp 1708.852.
selisih dari harga saham terendah dengan harga saham tertinggi yaitu sebesar Rp
6.500, dan jumlah semua harga saham selama 20 tahun adalah Rp 187.700
B. Input data dan statistik deskriptif untuk variabel laten
Untuk data yang berasal dari kuesioner, input data terlebih dahulu ke Microsoft
excel yang dilakukan sesuai dengan kode dari masing2 penilaian responden terhadap
pertanyaan yang diberikan. MIsalnya menggunakan skala “Guttman” atau skala “likert”.
Contoh kasus : seorang mahasiswa ingin mengukur tingkat kepuasan kerja seseorang
menggunakan 5 buah indikator yang masing2 diwakili oleh 1 pertanyaan (disimbolkan
dengan P1 sampai P5). Diketahui jawaban dari 7 responden atas pertanyaan 1-5 adalah
sebagai berikut (menggunakan skala likert 5 tingkat)
Gambar diatas menunjukkan data yang sudah dijadikan angka pada Microsoft Excel.
Data yang masuk adalah nilai dari pertanyaan 1 hingga pertanyaan 5 untuk 7 orang
responden. Beberapa ahli berpendapat bahwa nilai suatu variabel merupakan
penjumlahan dari semua indikatornya, sedangkan kelompok ahli yang lain berpendapat
bahwa nilai dari suatu variabel merupakan rata-rata dari nilai semua indikatornya.
Misalkan saja kita setuju dengan ahli yang pertama, berarti kita perlu membuat nilai
variabel dengan cara menjumlahkan semua pertanyaan dari P1 hingga P5 untuk masing-
masing responden agar tercipta nilai kepuasan kerja untuk masing-masing responden.
Cara paling mudah untuk memproses Hasil tersebut adalah dengan menambahkan kolom
baru di sebelah kanan P5 bernama KK (singkatan dari kepuasan kerja) dan mengisinya
dengan fungsi sum dari kolom P1 hingga P5. Masukkan rumusnya di kolom yang pertama,
kemudian copy ke semua kolom yang ada di bawahnya sehingga ke-7 responden memiliki
nilai kepuasan kerja sendiri-sendiri.
Langkah selanjutnya pindahkan data (input) ke variabel view dan data view:
Setelah program SPSS memiliki data yang dibutuhkan maka kita sudah bisa melakukan proses
analisis data. Melalui analisis data di SPSS, kita bisa mengetahui seberapa sering
responden menjawab “sangat tidak setuju”, “setuju” atau “sangat setuju”. Kita juga bisa
mengetahui statistik deskriptif dari masing-masing pertanyaan, seperti nilai rata-rata dan
standar deviasinya.
Setelah menginput data langkah selanjutnya mencari frekuensi pilihan jawaban responden
dengan cara memilih analyze lalu descriptive statistics, lalu pilih frequencies
selanjutnya muncul kotak dialog frequencies, pindahkan variabel p 1 sampai 5 ke kolom
variabel(s), kemudian pilih oke
hasil output :
Hasil analisis menunjukkan bahwa ada pertanyaan 1 tidak ada yang menjawab sangat tidak
setuju (valid 1) atau 0%, terdapat 1 orang yang menjawab tidak setuju (valid 2) atau
14,29%, terdapat 1 orang yang ragu-ragu (valid 3) atau 14,29%, terdapat 2 orang yang
menjawab setuju (valid 4) atau 28,57%, dan terdapat 3 orang yang menyatakan sangat
setuju (valid 5)atau 42, 86%. Analisis yang sama dapat dilakukan terhadap pertanyaan-
pertanyaan selanjutnya.
Selanjutnya Untuk mengetahui statistik deskriptif dari data tersebut maka pilih analyze,
descriptive statistics, pilih descriptives.
Kemudian muncul kotak dialog berjudul “descriptives”, pilih P! sampai P5 di kolom yang sebelah
kiri lalu kita tekan symbol panah ke kanan, sehingga kelima variabel tersebut pindah ke kolom
variable(s).
Selanjutnya pilih option, kemuadian centang mean, standard deviation, minimum dan maksimum,
pilih continue kemudian oke.
Hasil output
Dari hasil analisis statistik deskriptif pada gambar di atas dapat dibuatkan kesimpulan sebagai
berikut:
1. Pertanyaan 1 memiliki nilai mean 4 yang artinya rata-rata jawaban responden adalah
setuju (deviasinya 1,155).
2. Pertanyaan 2 memiliki nilai mean 3,86 yang artinya rata-rata jawaban responden sedikit
dibawah setuju (deviasinya 1,2`15)
3. Pertanyaan 3 memiliki nilai mean 1,86 yang artinya rata-rata jawaban responden sedikit
dibawah tidak setuju (deviasinya0,900)
4. Pertanyaan 4 memiliki nilai mean 2,86 yang artinya rata-rata jawaban responden sedikit
dibawah ragu-ragu (deviasinya 1,345)
5. Pertanyaan 5 memiliki nilai mean 1,71 yang artinya rata-rata jawaban responden sedikit
dibawah tidak setuju (deviasinya 0,756)