You are on page 1of 38

ANALISIS DATA DENGAN SPSS

I. ANALISIS DATA UNTUK UJI PERSYARATAN UJI HIPOTESIS
A. Uji Normalitas
Uji normalitas data dimaksudkan untuk memperlihatkan bahwa data sampel berasal dari populasi
yang berdistribusi normal. Ada beberapa teknik yang dapat digunakan untuk menguji normalitas
data, antara lain uji chi- kuadrat, uji lilliefors, dan uji kolmogorov-smirnov.
Untuk menguji normalitas data dengan SPSS, lakukan langkah- langkah berikut ini.
• Entry data atau buka file data yang akan dianalisis
• Pilih menu berikut ini
Analyze
Descriptives Statistics
Explore
Menu SPSS akan tampak seperti gambar berikut.

Setelah menu dipilih akan tampak kotak dialog uji normalitas, seprti gambar di bawah ini.

Selanjutnya:
• Pilih y sebagai dependent list
• Pilih x sebagai factor list, apabila ada lebih dari 1 kelompok data
• Klik tombol Plots
• Pilih Normality test with plots, seperti tampak pada gambar di bawah ini.
• Klik Continue, lalu klik OK

Uji normalitas menghasilkan 3 (tiga) jenis keluaran, yaitu Processing Summary,
Descriptives, Tes of Normality, dan Q-Q Plots. Untuk keperluan penelitian umumnya hanya
diperlukan keluaran berupa Test of Normality, yaitu keluaran yang berbentuk seperti gambar 1-3.
Keluaran lainnya dapat dihapus, dengan cara klik sekali pada objek yang akan dihapus lalu tekan
Delete.

Menafsirkan Hasil Uji Normalitas
Tests of Normality
Kolmogorov-Smirnov
Statistic
df
Sig. Statistic
Y
,132
29
,200
,955
* This is a lower bound of the true significance.
a Lilliefors Significance Correction

Shapiro-Wilk
df
Sig.
29
,351

Keluaran pada gambar di atas menunjukkan uji normalitas data y, yang sudah diuji
sebelumnya secara manual dengan uji Lilliefors dan Kolmogorov-Smirno v. Pengujian dengan
SPSS berdasarkan pada uji Kolmogorov–Smirnov dan Shapiro-Wilk. Pilih salah satu saja
misalnya Kolmogorov–Smirnov. Hipotesis yang diuji adalah:
H0 : Sampel berasal dari populasi berdistribusi normal
H1 : Sampel tidak berasal dari populasi berdistribusi normal
Dengan demikian, normalitas dipenuhi jika hasil uji tidak signifikan untuk suatu taraf signifikasi
( α ) tertentu (Biasanya α = 0.05 atau 0.01). Sebaliknya, jika hasil uji signifikan maka normalitas
tidak terpenuhi. Cara mengetahui signifikan atau tidak signifikan hasil uji normalitas adalah
dengan memperhatikan bilangan pada kolom signifikansi (Sig.). Untuk menetapkan kenormalan,
kriteria yang berlaku adalah sebagai berikut.

Tetapkan tarap signifikansi uji misalnya α = 0.05

Bandingkan p dengan taraf signifikansi yang diperoleh

Jika signifikansi yang diperoleh > α , maka sampel berasal dari populasi yang
berdistribusi normal

Jika signifikansi yang diperoleh <α , maka sampel bukan berasal dari populasi yang
berdistribusi normal
Pada hasil di atas diperoleh taraf signifikansi dan untuk kelompok perempuan adalah 0.20. dengan
demikian, data berasal dari populasi yang berdistribusi normal, pada taraf signifikansi 0.05.
B. Uji Homogenitas
Uji homogenitas dimaksudkan untuk memperlihatkan bahwa dua atau lebih kelompok data
sampel berasal dari populasi yang memiliki variansi yang sama. Pada analisis regresi, persyaratan
analisis yang dibutuhkan adalah bahwa galat regresi untuk setiap pengelompokan berdasarkan
variabel terikatnya memiliki variansi yang sama.
Uji Homogenitas dengan SPSS
a. Langkah-langkah Pengujian Kehomogenan
Untuk menguji kehomogenan data sampel y berdasarkan pengelompokkan data X, lakukan
langkah-langkah berikut ini:
• Buka file data yang akan dianalisis
• Pilih menu berikut ini
Analyze
Descriptives Statistics
Explore
Menu uji homogenitas akan tampak seperti gambar berikut.

Untuk keperluan penelitian umumnya. • Klik Continue. Keluaran lain dapat dihapus. lalu klik OK Sama seperti uji kenormalan.untuk homogenitas uji beda x adalah kode kelompok . dengan cara klik sekali pada objek yang akan dihapus lalu tekan tombol Delete. keluaran inilah yang akan kita munculkan dalam lampiran laporan penelitian.untuk homogenitas regresi x adalah prediktor • Klik tombol Plots • Pilih Levene test untuk untransormed. yaitu keluaran yang berbentuk seperti pada Gambar 1-6. uji kehomogenan menghasilkan banyak keluaran.Selanjutnya: • Pilih y sebagai dependent list dan x sebagai factor list Catatan: . . hanya perlu keluaran Test of Homogenity of Variance saja. seprti pada gambar di bawah.

C.098 Based on Median . Analisis Analisis dilakukan dengan mekanisme pemilihan menu sebagai berikut.907. jauh melebihi 0. Untuk menetapkan homogenitas digunakan pedoman sebagai berikut. maka variansi setiap sampel sama (homogen) • Jika signifikansi yang diperoleh <α . Sama seperti untuk uji normalitas. Uji Linieritas Uji linieritas dilakukan dilakukan dengan mencari persamaan garis regresi variabel bebas x terhadap variabel terikat y.086 Based on Median and . b. yaitu statistik yang didasarkan pada ratarata (Based on Mean). Pada kolom Sig.907 . Berdasarkan garis regresi yang telah dibuat. Test of Homogeneity of Variance Y Levene Statistic Based on Mean .05 • Bandingkan p dengan taraf signifikansi yang diperoleh • Jika signifikansi yang diperoleh > α . Uji linieritas antara variabel bebas X dengan variabel terikat Y memanfaatkan SPSS dilakukan melalui langkah-langkah sebagai berikut.05. terdapat bilangan yang menunjukkan taraf signifikansi yang diperoleh. kehomogenan dipenuhi jika hasil uji tidak signifikan untuk suatu taraf signifikasi (α ) tertentu (Biasanya α = 0. pinggiran kota (X2). yang telah diuji secara manual dengan uji Bartlett sebelumnya. selanjutnya diuji keberartian koefisien garis regresi serta linieritasnya. • Tetapkan tarap signifikansi uji. Hasil analisis adalah seperti tercantum pada gambar berikut.909 Interpretasi dilakukan dengan memilih salah satu statistik.882 . Hipotesis yang diuji ialah : H0 : Variansi pada tiap kelompok sama (homogen) H1 : Variansi pada tiap kelompok tidak sama (tidak homogen) Dengan demikian. yaitu pedesaan (X1).096 df1 df2 Sig. misalnya α = 0. dan perkotaan (X3). Entry Data Data dimasukkan ke lembar kerja SPSS dengan menggunakan nama variabel x dan y. maka variansi setiap sampel tidak sama (tidak homogen) Ternyata pengujian dengan statistik Based on Mean diperoleh signifikansi 0.918 2 57 .b. Menafsirkan Hasil Uji Homogenitas Sebagai contoh.05 atau 0. pada kesempatan ini diuji homogenitas data untuk uji perbedaan tingkat kemandirian anak (Y) berdasarkan kelompok daerah.086 with adjusted df Based on trimmed mean . .918 .01). Dengan demikian data penelitian di atas homogen. Sebaliknya. 2 2 2 57 57 55. a. jika hasil uji signifikan maka kenormalan tidak dipenuhi.

OK . Selanjutnya akan tampak kotak dialog Uji Linieritas seperti gambar di bawah ini.Pindahkan y ke variabel dependent .Pilih kotak option dan pilih Test of Linierity.Pindahkan x ke variabel independent .Analyze Compare Mean Means Sehingga menu SPSS akan tampak seperti bagan berikut.: . Lakukan proses berikut. . seperti tampak pada gambar di bawah ini.Continue .

791 dengan signifikansi 0. Interpretasi hasil analisis dilakukan dengan: .375 39 Sig.963 .885 2138. . berarti regresi linier Bila a ≥ ig. Interpretasi Hasil Bila data yang telah diuji secara manual diuji lagi dengan SPSS.350 1 7308.000 .membandingkan signifikansi yang ditetapkan dengan signifikansi yang diperoleh dari analsisis (Sig.Susun hipotesis: H0: Model regresi linier H1: Model regresi tidak linier . berarti regresi tidak linier Ternyata hasil analisis menunjukkan bahwa sig. (Tidak semua hasil ditampilkan). maka H0 diterima.05).627 3.009 . ANOVA Table Y * X Between Groups Within Groups Total (Combined) Linearity Deviation from Linearity Sum of Squares 9447.702.) Bila a < Sig.042 7308.333 15 11209.209 23 92.menetapkan taraf signifikansi (misalnya a=..885 62.489 Hasil analisis menunjukkan bahwa harga F sebesar 0.791 1762.c.05) .157 df Mean Square F 24 393.(0.702 117. maka H1diterima.. maka akan tampak hasilnya seperti pada bagan berikut ini. . berarti model regresi linier.791) > a (0.

maka dikatakan tidak terdapat masalah multikolinieritas dalam model regresi. akan diuji multikolinieritas dalam regresi antara variabel bebas insentif (x1). dan Rx4. Setelah itu. x2. rx1x4. maka dilanjutkan dengan menghitung koefisien korelasi ganda dari masing-masing variabel bebas dengan 3 variabel bebas lainnya. dan hubungan interpersonal (x3) dengan variabel terikat kinerja (y). x1x2x3. x1 34 41 43 37 38 36 44 38 41 48 35 48 40 42 37 39 38 35 46 37 45 40 36 43 45 x2 47 43 42 38 30 35 48 45 49 43 49 42 38 32 37 48 31 44 46 36 44 35 37 40 44 x3 44 42 43 39 39 39 44 38 44 44 38 32 39 48 41 41 40 39 49 40 35 42 39 43 47 y 62 66 66 68 60 64 67 58 63 67 58 65 68 65 70 60 58 55 71 57 74 66 68 70 69 . Pertama dihitung Ry. Uji multikolonieritas dengan SPSS dilakukan dengan uji regresi. Apabila beberapa koefisien korelasi tersebut mendekati Ry. Rx3. Apabila salah satu dari koefisien korelasi itu sangat kuat. dengan patokan nilai VIF (variance inflation factor) dan koefisien korelasi antar variabel bebas. Uji Multikolinieritas Multikolinieritas dapat dideteksi dengan menghitung koefisien korelasi ganda dan membandingkannya dengan koefisien korelasi antar variabel bebas. rx2x3. x3. maka dikatakan terjadi multikolinieritas. Sebagai contoh. x2x3x4. Data hasil penelitian adalah sebagai berikut. x1x2x4. x1x2x3x4. Kriteria yang digunakan adalah: 1) jika nila VIF di sekitar angka 1 atau memiliki toerance mendekati 1. Rx2. 2) jika koefisien korelasi antar variabel bebas kurang dari 0. x1x3x4. dia mbil kasus regresi x1.D. maka tidak terdapat masalah multikolinieritas. x1x2x3x4. iklim kerja (x2). yaitu rx1x2. x4 terhadap y. Sebagai contoh. dan rx3x4. rx2x4.5. dihitung korelasi antar enam pasang variabel bebas. rx1x3. yaitu Rx1.

maka akan muncul kotak dialog seperti berikut. Analyze Regression Linier … Apabila menu tersebut sudah dipilih.x1 38 39 41 46 42 x2 32 39 40 45 45 x3 44 42 45 49 48 y 58 61 69 71 66 Langkah. a. dan pilih colliniearity diagnostics.langkah yang ditempuh dalam pengujian multikolinieritas adalah sebagai berikut. lalu OK. x2. . Setelah itu pilih boks statistics. Entry Data Masukkan data ke dalam form SPSS. Selanjutnya pilih continue. dan data kinerja pada variabel y. b. data iklim kerja pada variabel x2. yakni data insentif dalam variabel x1. sehingga tampak kotak dialog seperti berikut. Analisis Data Pengujian multikolinieritas dilakukan dengan modul regresi dengan menu seperti berikut. dan x3 ke independent list. data hubungan interpersonal pada x3. Pindahkan variabel y ke dependent list dan variabel x1.

Apabila garis yang membatasi sebaran titik -titik relatif paralel maka varian error dikatakan konstan. b.Hasil yang tampak dari uji multikolinieritas adalah seperti berikut. Uji Heterokedastisitas Heterokedastisitas terjadi dalam regresi apabila varian error (ei) untuk beberapa nilai x tidak konstan atau berubah-ubah. iklim kerja (x2). Analisis Data Pilih menu sebagai berikut: . Contoh berikut menampilkan uji heterokedastisitas dengan grafik.080 1. dan hubungan interpersonal (x3) terhadap kinerja (y) tidak terjadi multikolinieritas antar variabel bebas.926 .098 Ternyata nilai VIF mendekati 1 untuk semua variabel bebas. E. untuk data hubungan antara insentif (x) dengan kinerja. yang telah diuji linieritasnya.y). Coefficients Model 1 X1 X2 X3 a Dependent Variable: Y Collinearity Statistics Tolerance . Langkah Pengujian a. dapat disimpulkan bahwa dalam regresi antara variabel bebas insentif (x1). Dengan demikian. Demikian pula. nilai tolerance mendekati 1 untuk semua variabel bebas. 1.865 . Entry Data Pada form SPSS dimasukkan data insentif sebagai variabel x dan data kinerja sebagai variabel y.911 VIF 1. Pendeteksian konstan atau tidaknya varian error konstan dapat dilakukan dengan menggambar grafik antara y dengan residu (y.156 1.

Setelah langkah di atas dilakukan akan tampak kotak dialog seperti berikut. pilih kotak dialog plots.Analyze Regression Linear … Seperti tampak pada menu uji heterokedastisitas berikut. seperti tampak pada gambar berikut. . dan masukkan *SRESID ke Y dan *ZPRED ke X. Selanjutnya. Pindahkan variabel y ke dependent list dan variabel x ke faktor list.

5 Regression Standardized Predicted Value Pada grafik di atas tampak titik -titik menyebar di atas dan di bawah sumbu Y.5 -1.0 -1. tidak terjadi pola tertentu.5 -2. Uji Autokorelasi Autokorelasi terjadi dalam regresi apabila dua error et-1 dan et tidak independent atau C(et-1. et ) ? 0. Autokorelasi biasanya terjadi apabila pengukuran variabel dilakukan dalam intereval watu tertentu. Apabila ?=0. maka ? akan mendekati +1 atau -1.0 -. Dengan demikian dapat disimpulkan bahwa tidak terjadi heterokedastisitas.5 0. akan tampak hasil analisis sperti di bawah ini (ditampilkan hanya sebagian).5 -1. Setelah itu. Menduga terjadi tidaknya . maka autokorelasi tidak terjadi. F.Pada bagian akhir dipilih continue. Hubungan antara et dengan et-1 dapat dinyatakan seperti berikut.0 -.5 1. Apabila autokorelasi terjadi. Scatterplot Dependent Variable: Y Regression Studentized Residual 1.0 -2.0 1.0 . kemudian OK. et = ? et-1 + vt ? menyatakan koefisien autokorelasi populasi.5 1.0 .0 -1.5 0.

maka selisih antara et dengan et-1 sangat kecil dan d mendekati 0. akan diuji autokorelasi dalam regresi antara variabel bebas insentif (x1) dan iklim kerja (x2) dengan variabel terikat kinerja (y). maka selisih antara et dengan et-1 relatif besar dan d mendekati 4. Sebagai contoh. Sebaliknya. Apabila terjadi autokorelasi positif. n d= ∑ (e t =2 t − et −1 ) 2 n ∑e 2 t t =1 Nilai d berkisar antara 0 dan 4. yaitu 0=d=4. Data hasil penelitian adalah sebagai berikut.autokorelasi dengan diagram antara grafik antara et dengan et-1 sangat sulit. Deteksi autokorelasi umumnya dilakukan dengan uji statistik Durbin-Watson dengan menggunakan formula sebagai berikut. x1 34 41 43 37 38 36 44 38 41 48 35 48 40 42 37 39 38 35 46 37 45 40 36 43 45 38 39 41 x2 47 43 42 38 30 35 48 45 49 43 49 42 38 32 37 48 31 44 46 36 44 35 37 40 44 32 39 40 x3 44 42 43 39 39 39 44 38 44 44 38 32 39 48 41 41 40 39 49 40 35 42 39 43 47 44 42 45 y 62 66 66 68 60 64 67 58 63 67 58 65 68 65 70 60 58 55 71 57 74 66 68 70 69 58 61 69 . Autokorelasi tidak terjadi apabila nilai d = 2. apabila Apabila terjadi autokorelasi negatif.

a. Entry Data Masukkan data ke dalam form SPSS. Setelah itu pilih boks statistics. Analisis Data Pengujian autokorelasi dilakukan dengan modul regresi dengan menu seperti berikut. yakni data insentif dalam variabel x1. sehingga tampak kotak dialog seperti berikut. Pindahkan variabel y ke dependent list dan variabel x1. .langkah yang ditempuh dalam pengujian multikolinieritas adalah sebagai berikut. b.x1 46 42 x2 45 45 x3 49 48 y 71 66 Langkah. dan data kinerja pada variabel y. dan pilih Durbin-Watson. dan x3 ke independent list. data hubungan interpersonal pada x3. maka akan muncul kotak dialog seperti berikut. lalu OK. Analyze Regression Linier … Apabila menu tersebut sudah dipilih. Selanjutnya pilih continue. data iklim kerja pada variabel x2. x2.

067.067 a Predictors: (Constant).1246 2. insentif b Dependent Variable: kinerja Ternyata koefisien Durbin-Watson besarnya 2.Hasil yang tampak dari uji autokorelasi adalah sebagai berikut. Entry Data Entry data untuk Analisis Regresi dilakukan untuk variabel bebas (x1. Sebagai contoh. x2. dan hubungan interpersonal (x3) terhadap kinerja (y) tidak terjadi autokorelasi. iklim kerja (x2).306 4. Data hasil penelitian adalah sebagi berikut.378 . Error Durbinof the Watson Estimate 1 . interpersonal. II. ANALISIS DATA UNTUK UJI HIPOTESIS A. Dengan demikian. …) dan variabel terikat (y) secara independen.614 . Model Summary Model R R Square Adjusted R Square Std. ANALISIS REGRESI 1. dapat disimpulkan bahwa dalam regresi antara variabel bebas insentif (x1). mendekati 2. akan dianalisis data untuk menguji hipotesis: Terdapat hubungan antara kemampuan verbal (x1) dan kemampuan numerik (x2) dengan kemampuan memprogram komputer. iklim kerja. X1 5 8 7 X2 6 8 8 Y 7 9 8 . hub.

. data dalam form SPSS akan tampak sebagai berikut.6 9 6 8 7 8 9 5 4 7 6 7 6 6 5 6 8 8 8 7 5 8 7 6 7 6 7 8 7 8 7 7 5 9 8 9 7 7 8 8 8 7 7 8 8 8 8 7 8 7 9 Setelah dimasukkan ke form SPSS.

.2. Analisis Data Menu ANAVA pada SPSS terletak di General Linear Model. dengan langkah.langkah seperti berikut. Analyze General Linear Model Univariate Menu akan tampak seperti bagan di bawah ini.

Apabila menu tersebut sudah dipilih. maka akan tampak kotak dialog. Pindahkan y ke dependent variabel dan x1 serta x2 ke independent variabels seperti bagan berikut. .

Selanjutnya dipilih menu. .menu yang lain untuk melengkapi analisis yang diperlukan. jika diperlukan output yang lain. Misalnya. maka pilih menu Statistics sehingga muncul menu dialog seperti di bawah ini.

1000 1.Berikan tanda centang (v) pada kotak di depan nama output yang dipilih.000 X1 .6500 1.8000 . maka selanjutnya pilih OK. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut. Deviation 7. Jika semua menu yang diperlukan sudah dipilih. sehingga muncul hasil analisis. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis. Descriptive Statistics Mean Y X1 X2 Std. Berikutnya. standar deviasi. Correlations Pearson Y Y 1. pada contoh di atas dipilih R Squared Change.633 X2 . Setelah itu.0712 N 20 20 20 Tabel di atas menunjukkan harga rata-rata (mean).734 . dan banyak data. Misalnya.3870 7. Hasil berikutnya adalah koefisien korelasi antarvariabel seperti tampak pada tabel di bawah ini. pilih menu Continue.6959 6. Part and partial correlations dan seterusnya. Descriptive.

989 Total 9. Beta Zero-order Partial Part Error 3.816 . Model Summary Model R R Square Adjusted Std.816 dengan signifikansi 0. Berikutnya adalah koefisien korelasi ganda dan pengujian signifikansi koefisien korelasi ganda seperti tampak pada dua tabel di bawah ini.058 X2 .633 .197 . . seperti tampak pada tabel di bawah ini.729 . X2.211 1 Regressio n Residual 1.758 .885.00.619 .001 . 20 20 20 Hasil.494 . Error R Square of the Estimate 1 . Hasil lain yang diperoleh adalah persamaan garis regresi.411 .200 a Predictors: (Constant). Correlations d Coefficients B Std. Koefisien tersebut signifikan karena setelah diuji dengan F-test diperoleh harga F sebesar 30.492 .000 20 20 20 1. X2.117 Hasil di atas menunjukkan koefisien korelasi ganda R sebesar 0.734 .633 .000 . (1-tailed) N X1 X2 Y X1 X2 Y X1 X2 .800 .784 . X1 b Dependent Variable: Y df 2 17 19 Mean Square 3.202 1. Coefficients Unstandardize d Coefficients Model Standardize t Sig.885 .594 5.000 .199 .202 .Correlation Sig.385 .605 F Sig.000 .734 .632 5.000 .253 .001 . X1 ANOVA Model Sum of Squares 7. .000 1 (Constant ) X1 .383 .505 4.000 . 30.075 a Dependent Variable: Y .197 20 20 20 .3421 a Predictors: (Constant).000 .

5. Jadi persamaan garis regresinya adalah Y=0. 7.411. 7. YA1B1 5 7 4 6 3 5 YA1B2 6 7 8 5 6 7 YA2B1 7 8 9 8 8 6 YA2B2 8 9 8 9 8 7 YA3B1 7 7 8 6 6 5 YA3B2 6 5 6 6 7 4 . B. 6. dan hipermedia. 7.411X2+3. Kelompok dikenali dari variabel bebas (x). multi media. 8. Terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. 8. akan dianalisis data untuk menguji hipotesis: 1. 8. 7. 7. Semua koefisen tersebut signifikan karena masing. 9. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. 7 6. Jenis Media Audio-Video (A1) Kepribadian Ekstrovert (B1) Introvert (B2) Multimedia (A2) Hipermedia (A3) 5. Pada siswa yang berkepribadian introvert. 4. 8. 7. 5. Sebagai contoh. 4. 6 7. multi media.00. Data hasil penelitian adalah sebagi berikut. Entry Data Entry data untuk ANAVA dilakukan untuk variabel terikat (y) secara bersambung untuk semua kelompok.masing sgnifikansinya 0. 7 Apabila dibuat dalam bentuk tabel kerja. 8. maka tabel di atas akan tampak seperti di bawah ini. Terdapat pengaruh interaksi antara jenis media pembelajaran dan kepribadian siswa terhadap hasil belajar Bahasa Inggris. 6. dan hipermedia. 9. 6. 4. 6. Korelasi parsial untuk X1 dan X2 besarnya masing-masing 0. 6. 3.253X1+0. 6.Hasil analisis menunjukkan harga konstanta besarnya 3. 8.199. 5. 5. 3. 6. harga koefisien X1 besarnya 0. dan hipermedia. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio -video. 2. 8. 7 6. 7 8.199. 9. Pada siswa yang berkepribadian ekstrovert. ANALISIS VARIAN (ANAVA) 1.729 dan 0.253 dan harga koefisien X2 besarnya 0.800. multi media. 8 7.

Analyze General Linear Model Univariate Menu akan tampak seperti bagan di bawah ini. dengan langkah. data dalam form SPSS akan tampak sebagai berikut. Analisis Data Menu ANAVA pada SPSS terletak di General Linear Model.7 8 7 6 7 7 Setelah dimasukkan ke form SPSS. .langkah seperti berikut. 2.

maka akan tampak kotak dialog. .Apabila menu tersebut sudah dipilih. Pindahkan y ke dependent variabel dan x ke fixed faktor(s). seperti bagan berikut.

menu yang lain untuk melengkapi analisis yang diperlukan. . maka pilih menu Post Hoc… sehingga muncul menu dialog seperti di bawah ini. Misalnya.Selanjutnya dipilih menu. jika diperlukan uji lanjut.

Berikan tanda centang (v) pada kotak di depan nama uji lanjut yang dipilih.346 . Tests of Between-Subjects Effects Dependent Variable: Y Source Type III df Mean F Sum of Square Squares Corrected 33. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut. pada contoh di atas dipilih uji Tukey dan Uji Scheffe. Misalnya.266 Model Intercept 1853.000 .055 .278 Total 1933. sehingga muncul hasil analisis. maka selanjutnya pilih OK.167 .214 9.000 42 Sig.913 A*B 8.001 .643 5 6.729 5.000 36 1.024 3. Berikutnya.000 .048 2 4.357 1 1853. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis. pilih menu Continue.149 Error 46.357 1450.429 2 12. . Jika semua menu yang diperlukan sudah dipilih.559 B 1. Setelah itu.453 A 24.167 1 1.

871 .88 -2.31 -.59 Upper Bound -.62 .50 . c. seperti tampak di bawah ini.05 level.643 41 Total a R Squared = .43 .43 .41 Based on observed means.71.43 ..871 .003 ..001 .005 95% Confidence Interval Lower Bound -2.05. Error -1.21 1.43 . misalnya a=0.46 -.882 . * The mean difference is significant at the .000 lebih kecil daripada a = 0.83 2.62 . Perbedaan tersebut ditunjukkan oleh bilangan signifikansi .43 .88 2.43 .001 . Bandingkan a dengan signifikansi yang diperoleh (sig).71 -. maka H0 diterima.46 -.50 -1. yakni Uji Tukey dan Uji Scheffe.43 ..) yang dipilih. a.21 -1. Susun hipotesis Ho : µ1 = µ2 = µ3 H1 : µ1 ≠ µ2 = µ3 atau µ1= µ2 ≠ µ3 atau µ1 ≠ µ2 ≠ µ3 b. Jadi kesimpulannya. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video.26 .001 .67 .21 -1.31 . Dengan demikian H0 ditolak dan H1 diterima. Tetapkan signifikansi.342) Hasil analisis menunjukkan bahwa harga F untuk A besarnya 9. Multiple Comparisons Dependent Variable: Y Mean Difference (I-J) Tukey HSD (I) A (J) A 1 2 3 1 3 1 2 2 3 1 3 1 2 2 3 Scheffe 1 2 3 Std.43 Sig.71 1.43 .882 .003 .50 .000. Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut.43 . maka untuk Uji Tukey tampak bahwa sel 1 dan sel 2 berbeda secara signifikan dengan koefisien -1.43 . Ternyata hasil analisis menunjukkan bahwa sig.21 1. multi media.71 1.005 . Untuk melihat sel mana yang berbeda harus dilihat hasil uji lanjut (Post Hoc.71 -.Corrected 79.422 (Adjusted R Squared = .76 2.83 -2.54 1.559 dengan signifikansi 0.05.67 . dan hipermedia. sebaliknya bila a ≥ sig. Apabila a < sig. .81 -1. maka H1 diterima.59 1.81 2.54 -2..43 .50 . d.41 -.001 .26 -. Jika diperhatikan hasil di atas. . besarnya 0.76 -1.

No A1 A2 X Y X Y 1 114 2.91 5 96 1. data dalam form SPSS akan tampak sebagai berikut. yang tidak ada dalam ANAVA. Entry Data Entry data untuk ANAKOVA sama halnya dengan ANAVA. yakni variabel terikat (y) dimasukkan secara bersambung. . C.05.42 4 92 2. Data hasil penelitian adalah sebagi berikut. Hanya saja.77 6 118 3. yakni 0. akan dianalisis data untuk menguji hipotesis: Setelah dikendalikan oleh kovariabel motivasi belajar. terdapat perbedaan hasil belajar antara siswa yang diajar dengan strategi pembelajaran kontruktivis dan siswa yang diajar dengan strategi pembelajaran tutorial. dalam ANAKOVA ada kovariabel yang merupakan variabel numerik.74 112 2.45 108 3. 1.81 2 94 1.05 120 1.36 122 2.92 106 2. dan kelompok dikenali dari variabel bebas (x).yang diperoleh (sig.) sebesar 0. ANAKOVA ANAKOVA dengan SPSS mengikuti langkah.45 3 106 2.27 Setelah dimasukkan ke form SPSS.langkah yang hampir sama dengan ANAVA.001 yang jauh lebih kecil daripada taraf signifikansi yang ditetapkan. Dengan cara yang sama dapat dilihat perbedaan antara sel-sel yang lain. Sebagai contoh.

Analyze General Linear Model Univariate Menu akan tampak seperti bagan di bawah ini. Analisis Data Menu ANAKOVA pada SPSS terletak di General Linear Model.2. . dengan langkah-langkah seperti berikut.

Selanjutnya dipilih OK. sehingga muncul hasil analisis. seperti bagan berikut. dan z ke covariate(s). Pindahkan y ke dependent variabel.Apabila menu tersebut sudah dipilih. Tests of Between-Subjects Effects Dependent Variable: hasil belajar . maka akan tampak kotak dialog. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut. x ke fixed faktor(s).

j = 1. misalnya a=0. dalam ANAVA varian yang dibandingkan berasal dari satu variabel terikat. besarnya 0.x (estimasi efek + x ij .345 (Adjusted R Squared = .305 Total 70. Susun hipotesis Ho : µ1 = µ2 H1 : µ1 ≠ µ2 f.285 df Mean Square F Sig.726 10 Total a R Squared = . Ternyata hasil analisis menunjukkan bahwa sig.106 . Tetapkan signifikansi.. Model MANOVA untuk membandingkan vektor mean sebanyak g adalah sebagai berikut: Xij = µ + τi + eij.642E-02 Z 6. maka H1 diterima.Source Type III Sum of Squares 1.936E-02 X . varian yang dibandingkan berasal dari lebih dari satu variabel terikat. …. D.184 . ANALISIS VARIAN M ULTIVARIAT (MANOVA) Analisis varian multivariat merupakan terjemahan dari multivariate analisis of variance (MANOVA).302.372 Error 2.250 .302 lebih besar daripada a = 0.646 .302 Hasil analisis menunjukkan bahwa harga F untuk x besarnya 1.630 . setela h dikendalikan oleh kovariabel motivasi belajar.g. sedangkan pada MANOVA. seperti berikut. Corrected 2 .441 8 . Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut. 2. g. Bandingkan a dengan signifikansi yang diperoleh (sig). xij (observasi) = x (rata-rata + xi . 3.643 Model Intercept 7. MANOVA merupakan uji beda varian. tidak terdapat perbedaan hasil belajar antara siswa yang diajar dengan strategi pembelajaran kontruktivis dan siswa yang diajar dengan strategi pembelajaran tutorial. maka H0 diterima.x i (residu eij) .936E-02 1 6. Dengan demikian H0 diterima.372 1 .218 .…. 2. sebaliknya bila a ≥ sig. Jadi kesimpulannya. 3.227 1. Vektor observasi dapat dikomposisi ulang sesuai model.ni dan I = 1.738 11 Corrected 3.05.218 (sama dengan hasil hitungan manual)..642E-02 1 7.181) 2. Sama halnya dengan ANAVA. e.05. dengan signifikansi 0. Apabila a < sig. Bedanya.

Koefisien Λ* disebut koefisien lambda dari Wilks.perlakuan τi) sampel keseluruhan µ) Analog dengan ANAVA. 2(Σni-g-1) Fp. Σni-p-1 . dari nilai B dan W dihitung koefisien Λ* dengan menggunakan rumus: W Λ* = B +W Hipotesis nol H0 : τ1 = τ2 = τ3 = … = τg = 0 ditolak apabila nilai Λ* terlalu kecil. Σni-g     F2(g-1). hipotesis nol yang diuji dapat dirumuskan sebagai berikut. Sumber Variasi Matrik Jumlah Kuadrat dan Perkalian Silang g Treatmen B= ∑ n (x i =1 Residu (Eror) g W= i i − x)( xi − x) ' ni ∑∑ ( x i =1 j =1 g Total (Rata-rata terkoreksi) B+W = Derajat Kebebasan ij g–1 − xi )( x ij − xi ) ' g ∑n i =1 −g i g ni ∑n ∑∑ ( xij − x )( xij − x) ' i =1 i =1 j =1 i −1 Selanjutnya. Banyak Variabel p=1 Banyak Kelompok g≥ 2 p=2 g≥ 2 p≥ 1 g=2 Sampling Distribusi Harga Ftabel  ∑ ni − g  1 − Λ*      g − 1  Λ*      ∑ ni − g − 1  1 − Λ*     Λ* g − 1    ∑ ni − p − 1  1 − Λ*       Λ*  p    Fg-1. seperti pada tabel berikut. Distribusi Λ* yang lebih teliti untuk pengujian H0 dapat dijabarkan. yang populuer dengan sebutan koefisien Wilks lambda. H0: τ1 = τ2 = τ3 = … = τg = 0 Tabel MANOVA untuk membandingkan vektor mean adalah sebagai berikut.

data dalam form SPSS akan tampak sebagai berikut. yakni variabel terikat (y) dimasukkan secara bersambung. . dan siswa yang diajar dengan strategi pembelajaran algoheuristik (A3). dan kelompok dikenali dari variabel bebas (x). dalam MANOVA terdapat lebih dari satu variabel terikat (y1 . siswa yang diajar dengan strategi pembelajaran algoritmik (A2). yn ). ….p≥ 1  ∑ ni − p − 2  1 − Λ*     Λ* p   g=3     F2p. 2(Σni-p-2) MANOVA dengan SPSS mengikuti langkah-langkah yang hampir sama dengan ANAVA maupun ANAKOVA. akan dianalisis data untuk menguji hipotesis: Terdapat perbedaan hasil belajar teori (y1) dan praktik pemrograman (y2) antara siswa yang diajar dengan strategi pembelajaran heuristik (A1). y2. A1 No A2 A3 Y1 Y2 Y1 Y2 Y1 Y2 1 9 3 0 4 3 8 2 6 2 2 0 1 9 3 9 7 2 7 Setelah dimasukkan ke form SPSS. Hanya saja. Entry Data Entry data untuk MANOVA sama halnya dengan ANAVA. Data hasil penelitian adalah sebagi berikut. Sebagai contoh. 1.

dengan langkah-langkah seperti berikut. . Analyze General Linear Model Multiivariate Menu akan tampak seperti bagan di bawah ini. Analisis Data Menu MANOVA pada SPSS terletak di General Linear Model.2.

132 Tests the null hypothesis that the error variance of the dependent variable is equal across groups. Uji Homogenitas Matriks Varian/Covarian .125 dengan signifikansi 0. sehingga muncul hasil analisis. Artinya. a. Y1 1. Selanjutnya dipilih kotak option dan dipilih Test of Homogenity. seperti bagan berikut. maka baik untuk Y1 maupun Y2 harga F tidak signifikan karena signifikansi keduanya lebih besar dari 0. Interpretasi Hasil Analisis Interpretasi hasil dilakukan mengikuti mekanisme sebagai berikut. sehingga MANOVA bisa dilanjutkan. baik Y1 ma upun Y2 memiliki varian yang homogen.250 dengan signifikansi 0. Levene's Test of Equa lity of Error Variances F df1 df2 Sig.132. maka akan tampak kotak dialog. a Design: Intercept+X Hasil uji Levene menunjukkan bahwa untuk Y1 harga F=1.Apabila menu tersebut sudah dipilih.125 2 5 .05.05. seperti tampak pada bagan berikut ini. Pindahkan y1 dan y2 ke dependent variabel dan x ke fixed faktor(s). Uji Homogenitas Varian Uji homogenitas varian dilihat dari hasil uji Levene.363 dan untuk Y2 harga F=3. Bila ditetapkan taraf signifikansi 0. 3.250 2 5 . selanjutnya pilih continue dan OK. b.363 Y2 3.

000 2.016 . Uji homogenitas matriks varian/covarian dilihat dari hasil uji Box. Apabila ditetapkan taraf signifikansi penelitian 0. Wilk Lambda.MANOVA mempersyaratkan bahwa matriks varian/covarian dari variabel dependen sama. Hasil analisis untuk contoh di atas adalah sebagai berikut.000 10.466 df1 3 df2 2880 Sig.000 Sig.679 2.706. .000 .058 32. maka harga Box’s M yang diperoleh tidak signifikan karena signifikansi yang diperoleh 0.003 .706 lebih besar dari 0.000 . Hotelling Trace. dan siswa yang diajar dengan strategi pembelajaran algo-heuristik.000 4.006 9. Dalam kondisi ini analisis MANOVA tidak dapat dilanjutkan. sehingga analisis MANOVA dapat dilanjutkan. Roy’s Largest Root. Box's Test of Equality of Covariance Matrices Box's M 3.038 8.679 2.456 4. . siswa yang diajar dengan strategi pembelajaran algoritmik.003 16.003 .000 . c.000 8.679 32.054 F .000 6. Multivariate Tests Effect Intercept X Pillai's Trace Wilks' Lambda Hotelling's Trace Roy's Largest Root Pillai's Trace Wilks' Lambda Hotelling's Trace Value F Hypothesis Error df df 2.941 7.388 8.000 4.679 16. Dalam contoh ini dibedakan hasil belajar teori dan praktik pemrograman untuk siswa yang diajar dengan strategi pembela jaran heuristik. Hasil uji Box’s M dengan SPSS tampak pada bagan berikut ini. Dengan demikian hipotesis nol diterima.054 dengan signifikansi 0.942 . Uji MANOVA digunakan untuk menguji apakah terdapat perbedaan beberapa variabel terikat antara bebrapa kelompok yang berbeda.003 1.340 32.340 32. Apabila harga Box’s M signifikan maka hipotesis nol yang menyatakan bahwa matriks varian/covarian dari variabel dependen sama ditolak.541 .000 . Berarti matriks varian/covarian dari variabel dependen sama.000 4.000 4.706 Tests the null hypothesis that the observed covariance matrices of the dependent variables are equal across groups. Keputusan diambil dengan analisis Pillae Trace. Uji MANOVA Setelah kedua uji persyaratan hipotesis dipenuhi dilanjutkan dengan uji hipotesis MANOVA.000 4. a Design: Intercept+X Ternyata harga Box’s M=3.003 .05.05.199 4.

000 7 a R Squared = .191 2.000 88. Roy’s Largest Root.000 216.500 5.05.000 . Jadi.714 168.004 .000 .000 24. yang tidak signifikan pada taraf signifikansi 0. Wilk Lambda.064 .000 39.667 (Adjusted R Squared = . Hotelling Trace. Wilk Lambda.004.886 (Adjusted R Squared = .714 168.heuristik (A3).000 24.800 5. Artinya.500 .000 2 1 1 2 2 5 5 8 8 7 24.500 dengan signifikansi 0.064 Y2 72. Hotelling Trace.841) b R Squared = .004 Root a Exact statistic b The statistic is an upper bound on F that yields a lower bound on the significance level.076 20. dan siswa yang diajar dengan strategi pembelajaran algo .004 Y2 Y1 Y2 Y1 Y2 Y1 Y2 Y1 Y2 Y1 48. tests of between-subjects effects.05.000 2. tidak terdapat perbedaan hasil balajar praktik pemrograman yang diakibatkan oleh perbedaan strategi pembelajaran. Y1 Type III Sum of Squares 78. c Design: Intercept+X Hasil analisis menunjukkan bahwa harga F untuk Pillae Trace.857 35. Roy’s Largest Root semuanya signifikan. siswa yang diajar dengan strategi pembelajaran algoritmik (A2).000 51.000 5. Tests of Between-Subjects Effects Source Dependent Variable Corrected Model Intercept X Error Total Corrected Total df Mean Square F Sig.064.000 103. Artinya.Roy's Largest 8. terdapat perbedaan hasil belajar teori (y1) dan praktik pemrograman (y2) antara siswa yang diajar dengan strategi pembelajaran heuristik (A1). hubungan antara strategi pembelajaran (x) dengan hasil belajar praktik pemrograman (y2) meberikan harga F sebesar 5.000 103. Di lain pihak.533) .00 dengan signifikansi 0. Selanjutnya. yang tercantum pada hasil di bawah ini menunjukkan bahwa hubungan antara strategi pembelajaran (x) dengan hasil belajar teori (y1) memberikan harga F sebesar 19.000 10.000 19.000 272.000 4.000 19.002 .000 78. harga F untuk Pillae Trace. Hal ini menunjukkan bahwa terdapat perbedaan hasil belajar teori yang diak ibatkan oleh perbedaan strategi pembelajaran.000 2 39.x memiliki signifikansi yang lebih kecil dari 0.001 .000 48.

Singaraja: Unit Penerbitan IKIP Negeri Singaraja.DAFTAR PUSTAKA Candiasa. Statistik Multivariat Disertai Aplikasi dengan SPSS. 2004 . Singaraja: Unit Penerbitan IKIP Negeri Singaraja. I Made. 2003 Candiasa. I Made. Analisis Butir Disertai Aplikasi dengan SPSS.