NOTE. Ini adalah tulisan jadoel ketika masih mahasiswa.

Mohon maaf jika ada kata yang kurang sopan didalamnya. Atas permintaan rekan2, maka tulisan ini saya upload dengan kondisi apa adanya

Babak I Reliabilitas dan Seleksi item
Sajian Data Sajikan datamu seperti pada contoh dibawah ini. Zetira Zamrowi Zuratno Kolom Baris Item 1 1 1 1 Item2 2 2 3 Item3 4 3 4 Item4 4 4 4 Item5 2 3 4

: memuat item-item : memuat nama subyek (nama ini bisa ditulis dengan kode, 1,2,3... dst)

Menganalisis Tekan analyze, kemudian pilih scale, dan tekan reliability analyze.

1. Masukkan item yang hendak dianalisis dengan menekan item, kemudian klik tanda panah 2. Tekan Statistics.

2

3. Setelah muncul menu option, pilih menu yang hendak diinginkan. Untuk analisis reliabilitas biasa yang dibutuhkan cuma dengan menekan scale dan scale if item deleted.

4. tekan continue, kemudian tekan OK, pada menu sebelumnya. 5. tunggu display keluar....prosessor 486 tunggu 30 detik, pentium 2 tunggu 5 detik

ITEM BAIK DAN BURUK
• • Item yang memiliki daya diskriminasi buruk adalah item yang tidak mampu membedakan antara subyek yang kemampuannya tinggi dan subyek yang kemampuannya rendah Item yang baik adalah yang berkorelasi positif dan kuat dengan skor total, sedangkan yang buruk ya sebaliknya, negatif, atau korelasi postif tetapi lemah. Ada ahli bilang bahwa korelasi yang kuat itu di atas 0,3, ada yang bilang bandingkan dengan tabel dulu, ada yang bilang juga dilihat melalui output SPSS. Ada juga yang mengaku bahwa dirinya ahli bilang baik-buruknya item tergantung pada rumput yang bergoyang. Saya mulai dulu dengan menjelaskan kenapa item itu ada yang baik dan ada yang buruk. Coba lihat pada tabel dibawah ini:

Subyek Darmo Goni Bona Joko Reti Daya Diskrim. Ket.

Item1 1 1 2 1 4 0,2825 Buruk

Item2 2 1 2 4 3 ,6578 Baik

Item3 1 1 2 4 4 ,9236 Baik

Item4 1 2 2 4 4 ,9923 Baik

Item5 2 4 2 4 3 ,2414 Buruk

Total 7 9 10 17 18

Ranking Rendah Rendah Sedang Tinggi Tinggi

Wahyu Widhiarso | 2001 | wahyupsy@gmail.com

SPSS Untuk Psikologi

3

• •

Lihat Item 1. Item ini memiliki daya diskriminasi yang buruk. Masak, Si Joko yang memiliki kemampuan tinggi, kok bisa! terukur dengan skor minim (1). Lihat pula Item 4. Item ini juga sama saja, tak jauh beda. Masak Si Goni yang memiliki kemampuan rendah, eh bisa-bisanya terukur dengan skor tinggi (4).

Permakluman
Istilah daya diskriminasi (indeks daya diskriminasi) item sebenarnya untuk Tes Prestasi, yaitu untuk membedakan orang yang pintar dan bodoh. Istilah ini sebenarnya kurang tepat jika diterapkan pada skala psikologis. Cari istilah sendiri ya? Tanya dosen…kalau sudah hubungi saya. Sementara ini pakai istilah korelasi item-total saja.

KESIMPULAN
Item 1 dan 4 ini pasti penglihatannya sudah kabur. Gak bisa dipercaya sebagai item. Tak mampu mendeteksi realita dengan benar. Atau malah mereka sedang bergurau? Jadi item 1 dan 4 tidak konsisten. Ia tak mampu membedakan mana yang tinggi dan mana rendah. Item seharusnya mampu membuat subyek: “Yang tinggi ya njawabnya tinggi terus, yang rendah ya njawabnya rendah terus”. Ini yang dinamakan item yang konsisten. Lihat grafik dibawah ini.
“Iki jenenge item sing ceniningan” kata Huda (‘96). “Bener Hud, Kuwi item sing ora sopan” lanjut Dicky (’95). “Sing jelas item iki ngajak bacok’an” seru Miko (‘97)
TOTAL
20 18 16

TOTAL
30

20
14 12 10 8 6 4 ,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 Observed Linear

Ini posisi subyek yang celelek’an. Jika subyek ini dihapus maka reliabilitas kita meningkat.

10

Observed 0 ,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 Linear

Untuk menampilkan tabel ini anda bisa, membaca tentang bab mengolah tabel. Pada bab akhir tulisan ini

ITEM2

ITEM1

Lihat bagaimana Grafik item 2 (bagus) hampir mendekati garis linear. Item 2 (buruk) malah menjauhi garis linear.
“Kamu pernah bilang bahwa sebenarnya bukan cuma item yang bisa celelek’an, ada juga subyek yang celelek’an, jelaskan itu Je!” tanya Gogon (97). Oke Gon! kalau anda melihat daftar skor yang memuat nilai Darmo, Goni, Joko, Bona, Lusi dan Rety, kowe bisa lihat Gon, mereka yang celelek’an itu adalah Goni dan Joko. Si Goni bisa-bisanya ia menjawab dengan poin penuh (skor=4) di item ke 5. Nah dengan menghilangkan subyek ini (tidak memasukkan dalam analisis) reliabilitas dan skor korelasi item-totalnya bisa sangat meningkat. Semula r = 0,6 bisa menjadi 0,8

Wahyu Widhiarso | 2001 | wahyupsy@gmail.com

SPSS Untuk Psikologi

mereka-mereka yang di bawah 0.1222 27.7009 N of Items = 10 TAFSIRAN ANGKA Cara Pertama 1 2 3 Lihat pada kolom Corrected Item-Total Correlation.7009 harus kita relakan untuk dibuang. Mereka-mereka yang nilainya di atas 0.8646) jika dibuang maka reliabilitas kita akan turun menjadi 0. jika dibuang maka reliabilitasnya akan turun.4 MEMBACA ANGKA PADA SPSS R E L I A B I L I T Y A N A L Y S I S S C A L E N of Variables 10 (A L P H A) Statistics for SCALE Mean 28.0 Alpha = . Cara Ketiga (recommended) Lihat dulu reliabilitas kita berapa? Ternyata 0.6000 25.7037 .1667 18.7112 Reliability Coefficients N of Cases = 10.3000 26.6556 Corrected ItemTotal Correlation -.6209 .7137 . Lihat pada kolom Corrected Item-Total Correlation.3196 harus dirumahkan. Wahyu Widhiarso | 2001 | wahyupsy@gmail.5000 25.6134 .9000 Scale Variance if Item Deleted 25.5728.5895 .7942 .5000 25.9766 Item-total Statistics Scale Mean if Item Deleted ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 ITEM6 ITEM7 ITEM8 ITEM9 ITEM10 27. Ide seperti ini dapat dilihat pada buku manual SPS Sutrisno Hadi. pada taraf signifikansinya 0.7667 .7009.1028 Alpha if Item Deleted .7672 .9000 Variance 24.6717 .2111 23. item yang nilai Corrected Item-Total Correlationnya dibawah 0.4000 17.6636 .0556 18.9000 26. dimana korelasi item totalnya cukup tinggi 0.3173 .7667 Std Dev 4.01 ternyata r tabel adalah 3. Cara Kedua Lihat pada tabel korelasi (r) product momment.6081 .196.6667 21. Gagasan seperti ini ada di buku Saifuddin Azwar.7000 26. Ini adalah produk pemikiran Pak Heru.com SPSS Untuk Psikologi .5000 25.0000 25.4556 16. Asumsinya adalah item yang baik.1178 . Lihat item 6 (aitem paling bagus.1402 -.5728 .3 adalah item yang buruk.6940 .8646 .3889 16.1556 23.5066 .2000 25. Lalu lihat pada kolom alpha if item deleted. Karena jumlah item kita adalah 10 (n=10) maka lihat pada baris n=10.

Korelasi ini berdasarkan hitungan product momment yang telah dikoreksi dari efek atenuasi. tetapi yang dipakai perbandingan bukan reliabilitas..699 (gugur) -. variance berhubungan paralel dengan reliabilitas. (2-tailed) Pearson Correlation ITEM5 Sig. (2-tailed) Pearson Correlation ITEM2 Sig. Output SPSS adalah korelasi product momment yang telah dikoreksi dari efek itu. Mereka yang di bawah 24.6940 Wahyu Widhiarso | 2001 | wahyupsy@gmail.. (2-tailed) Pearson Correlation ITEM3 Sig. tetapi variance. skor total juga ikutikutan tinggi. “Analisis aitem untuk seleksi butir aitem menggunakan teknik konsistensi internal.7037 0.001 (sahih) . Sebab dalam rumus reliabilitas alpha.yet) Sama dengan cara pak heru di atas. (2-tailed) Pearson Correlation ITEM4 Sig. Oleh karena itu jika anda membaca skripsi anda akan mendapatkan kalimat seperti ini. Nah inilah yang membuat korelasinya jadi meningkat. di dalamnya ada komponen dari item 1 (skor item = 1).293 . Coba lihat tabel dibawah ini….5 Cara Keempat (not recommended.7667 harus masuk kotak.1402 -0. Koreksi ini ada rumusnya….6717 0. TAMBAHAN Koreksi Spurious Overlap S udah diungkapkan di atas kalau yang dipakai sebagai patokan dalam menyeleksi item adalah korelasi antara skor item dan skor total. yaitu menguji korelasi antara skor aitem dengan skor total. Variance kita adalah 24.7667.com SPSS Untuk Psikologi . (2-tailed) -.412 (gugur) .Pada skor Si Darmo (skor total = 7).867 . Ini cuma intuisi saya sendiri. Korelasi Product Moment ini kemudian dikoreksi dengan menggunekan korelasi part whole untuk menghindari terjadinya taksiran yang terlalu tinggi” Koreksi inilah yang dinamakan koreksi dari efek atenuasi tadi.862 ..140 . 4 Semakin tinggi variance semakin tinggi alpha-nya. Subyek Darmo Goni Bona Item1 1 1 2 Item2 2 1 2 Item3 1 1 2 Item4 1 2 2 Item5 2 4 2 Total 7 9 10 Korelasi Product Momment Pearson Correlation ITEM1 Sig.001 (sahih) .3173 0. lihat kolom scale variance if item deleted.Bacalah buku tentang Psikometri.841 . karena semakin tinggi skor item 1.. Teknik untuk seleksi butir aitem menggunakan teknik korelasi Product Moment dari Pearson dengan koefisien korelasi rxy.002 (sahih) Corrected Item-Total Correlation -0.

2778 32.0000 Item-total Statistics Scale Mean if Item Deleted VAR00001 23.6944 28.2439*) Alpha if Item Deleted .3126 .1111 30. itulah yang tertulis pada koefisien korelasi item total bergerak antara .1111 VAR00006 23.5000 32.. Jadi misalnya anda membuat laporan.5181 .6307 ... Dan rentang koefisien korelasi anda..2439*) . Output yang keluar menunjukkan reliabilitas skala anda..6 Bisa dilihat di tabel perbandingan ini. Jangan masukkan item-item yang sebelumnya teridentifikasi item yang ceniningan (buruk).5780 .. Hasil Uji reliabilitas Sebelum Seleksi Item R E L I A B I L I T Y Statistics for Mean SCALE 26.6319 .4470 . kembalikan item itu pada kotak di sebelah kiri dengan menekan panah.5443 . Reliabilitas Setelah Seleksi Item S etelah anda menghitung reliabilitas skala dan mendapatkan mana-mana item yang gugur.2222 VAR00005 23.5982 .1441 S C A L E N of Variables 10 (A L P H A) Corrected ItemTotal Correlation -.7500 Scale Variance if Item Deleted 37..3611 30.8889 VAR00008 23. ternyata item yang buruk korelasinya meningkat.1562*) .(misalnya antara 0.7778 32.com SPSS Untuk Psikologi .sampai. atau cukup klik dua kali.3361 . sedangkan item yang baik korelasinya menurun.5689 .5556 VAR00010 23. Keluarkan dari kotak samping kanan.6319 N of Items = 10 Wahyu Widhiarso | 2001 | wahyupsy@gmail..1111 VAR00003 22. ia akan pindah kiri sendiri..4163 .389 sampai 0. maka anda harus menghitung lagi reliabilitas skala setelah terbebas dari item-item yang gugur.4444 VAR00002 23.689).6255 Keterangan *) = item yang gugur A N A L Y S I S Variance 37.5730 .3611 33.8889 VAR00004 23.6717 .3881 .0940*) .0 Alpha = .5902 ..8611 31.5556 VAR00007 23. beginilah contohnya.2778 29.5556 Reliability Coefficients N of Cases = 9.2778 Std Dev 6.6667 VAR00009 23.

489.6560 N of Items = 6 Keterangan: Reliabilitas skala adalah 0. 2 diganti 3.0000 16. Wahyu Widhiarso | 2001 | wahyupsy@gmail.6667 VAR00008 13.8889 VAR00006 13. Yang seharusnya item ini favorable.4677 . enakan ketika menghapus item. misalnya 0.6225 menjadi 0.35 saja.7 Hasil Uji reliabilitas Setelah Seleksi Item R E L I A B I L I T Y Statistics for SCALE Mean 15.5184 . semakin sedikit item yang dipakai semakin menurun harga korelasinya.6347.1439..1439 sampai 0.. yang semula bernilai 0. Nah setelah anda perbaiki. Oleh karena kita menggunakan validitas isi (rasionalisasi pertanyaan pada item pada blue print) maka kita tidak memiliki angka validitas.. dan 1 diganti 4.koefisien validitas baru ada jika menggunakan validitas kriteria.7500 12. Dan ini memang konsekuensi dari pengurangan item.8889 VAR00003 12.345. kita akan mendapatkan nilai yang tak terlalu kecil. tetapi pergerakan korelasi item total menjadi kecil.4283 .2245 .3361 menjadi 0.5949 .7778 A N A L Y S I S Variance 20.6120 .2962 .0 Alpha = .com SPSS Untuk Psikologi . Yang semula -0. reliabilitas skor kita meningkat dari 0. Biar nanti jika dihitung lagi. Koefisien Korelasi item-total = Koefisien Validitas ? Pada beberapa buku atau beberapa skripsi.4617 .6347. misalnya yang nilai 4 diganti 1. maka anda akan mendapatkan kebalikan dari korelasi yang tadi.4444 Reliability Coefficients N of Cases = 9.5216 6 (A L P H A) Item-total Statistics Scale Mean if Item Deleted VAR00002 12.489 akan menjadi 0. memakai korelasi item-total diatas 0.8611 14.0000 15.4444 S C A L E N of Std Dev Variables 4. Misalnya item 8.5467 .1 tadi.3333 VAR00007 13. Korelasi Item-total: Korelasinya kuat tetapi kok negatif ? Ada beberapa kasus dimana kita mendapatkan korelasi item-total memiliki nilai yang negatif tetapi kuat. Koefisien korelasi item-total bergerak dari 0.5848 Di sini kita dapatkan bahwa ada perubahan. ada yang mengatakan bahwa koefisien korelasi itemtotal (r) adalah koefisien validitas.489 atau -0. tapi anda nilai dengan unfavorable.1439 Alpha if Item Deleted .6667 VAR00005 12. Saran saya. Jangan percaya pada mereka.3611 15.7778 Corrected ItemTotal Correlation . Hal ini terjadi bisa karena anda mungkin kebalik dalam memberi penilaian. 3 diganti 2.6347 Scale Variance if Item Deleted 17. misalnya -0.5848 .

275 35------------40 0. yaitu kolom 1 ekor (one tailed). • Saya akan memberikan contoh-contoh dari satu data skripsi milik Handoko (97). “Sing jelas item’e banyak. Lihatlah di bawah sana (tabel ke-2). dari 0. Versi Statistik: Versi statistik berorientasi pada tujuan agar kita mendapatkan item yang baik dan skala yang reliabel.21.257 60 ------.35 0. dan subyek’e juga banyak. Nah. maka kita harus menyesuaikan pada tabel. pertanyaan ini pasti muncul. Oke! buka lagi mata anda. penurunan r pada tiap satuan df sangat kecil.com SPSS Untuk Psikologi .. melihat angka-angka yang ada di sana.211 0. badan anda menggigil karena tak bisa menjawab. skala kepemimpinan (45 item) yang disajikan pada 59 subyek. ngunu wae dipikir” kata seorang teman Sebelumnya saya mengajak anda untuk memahami pola yang ada pada tebel r. a. dan korelasi item total tergantung pada tabel. maka yang gugur cuma 2 item..195 0.. selisihnya hampir 1.. Kalau mata anda sudah sepet. bayangkan bahwa anda sekarang melihat sepotong apel merah yang ranum dan siap dimakan. Lihat angka di sana.900 sampai 0..8 Jumlah Item dan Jumlah Subyek yang ideal Ketika kita hendak membuat skala.9 30 --------------. Saya hanya memperlihatkan pada item 1 sampai 10 saja. Dari sana terlihat bahwa yang sangat mempengaruhia reliabilitas dan koefisien korelasi adalah banyaknya subyek. versi metodologi dan versi statistik. Ambil satu kolom. jantung anda bergetar keras. Lihat tabel korelasi (R) pada buku statistik. Oleh karena itu inilah yang membuat bagi sebagian orang memakai angka ini sebagai pegangan jumlah item atau jumlah subyek kita.275 0. Lihat pergerakan angka pada kolom di sana jarak antara df2 dan df3 sangat besar sekali.296 Akhirnya kita dapatkan bahwa : • Dibawah df 60 penurunan r tiap satuan angka df sangat besar. oleh karena patokan baik buruknya item tergantung korelasi item-total. sekarang bandingkan dengan jarak antara df30 dan df35 jaraknya cuma 0. Dalam pandangan statistik.805.3 0.pejamkan lagi mata anda dan bayangkan bahwa anda nanti akan ditanya macam-macam saat ujian skripsi.. meski itemnya 10 tetapi karena jumlah subyeknya besar.70 0. 2 ------------------------------------.kalau mata anda masih sepet dengan angka-angka itu. pejamkan mata anda. tetapi ketika sampai pada df diatas 60. Wahyu Widhiarso | 2001 | wahyupsy@gmail. Dari sini kita dapatkan bahwa angka 60 adalah angka batas. “Ora usa kakean penjelasan! Piro jumlah subyek’e?” “60 subyek sudah memasuki daerah aman versi statistik”. Lihat juga di sana (tabel 4) itemnya 45 tetapi jumlah subyeknya cuma 10 maka item yang gugur 7.Berapa jumlah item yang harsu kita buat? Berapa subyek yang harus kita cari? Ada dua versi untuk menjawab pertanyaan ini.805 0.

6602 .6736 .7164 .7966 103.9807 ITEM6 160.tidak ditampilkan Reliability Coefficients N of Cases = 59.1186 .1368 ITEM8 160.3729 Scale Variance if Item Deleted 17.0000 ITEM4 34.9328 18.4346 Alpha if Item Deleted .6869 .7627 99.7000 ITEM10 35.3121 .6610 .3951 .4589 .6595 .7954 ITEM5 160.4631 .9 Hasil Hitungan 45 item 59 subyek Keterangan: yang diberi cetak tebal adalah item yang gugur Scale Scale Mean Variance if Item if Item Deleted Deleted ITEM1 159.2616 N of Items = 10 Alpha if Item Deleted .4068 36.0239 .2881 35.1111 7.5932 34.1017 34.0625 15.5763 35.4240 .9000 ITEM9 34.3507 .8019 17.7200 .1081 -.8305 35.4802 .7000 ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 ITEM6 ITEM7 ITEM8 ITEM9 ITEM10 Reliability Coefficients N of Cases = 59.4032 Wahyu Widhiarso | 2001 | wahyupsy@gmail.2712 .6593 .4127 .7376 .6675 .5378 .6891 -.9082 ITEM11 dst….7455 N of Items = 10 Hasil Hitungan 10 item 10 subyek Scale Mean if Item Deleted ITEM1 33.0 Alpha = .2146 .5248 .4000 Reliability Coefficients N of Cases = 10.5132 .5581 .7157 .7499 .8000 ITEM6 35.7703 ITEM7 159.3089 .7606 .0000 .5634 ITEM10 160.5401 .3455 .3729 34.7013 .8222 9.2000 ITEM8 34.6000 ITEM3 34.9661 99.6757 Corrected ItemTotal Correlation .4868 15.4444 8.5097 .4553 17.7224 .0000 ITEM7 34.2571 .4602 Scale Variance if Item Deleted 7.1344 18.0 Alpha = .9831 101.5482 Corrected ItemTotal Correlation .5294 .6780 98.3778 Corrected ItemTotal Correlation .4915 99.0 Alpha = .3444 7.com SPSS Untuk Psikologi .6949 96.7448 .6765 .3588 .5559 Alpha if Item Deleted .8101 ITEM4 160.2373 99.4611 ITEM9 160.3051 34.0199 .9053 ITEM3 159.6603 .8475 35.7639 15.3161 .7627 96.4868 15.3086 .2889 7.1198 .1818 .8000 ITEM2 35.7510 ITEM2 161.6645 .2203 98.7333 8.3541 .1000 ITEM5 34.6222 7.6556 7.6539 N of Items = 45 Hasil Hitungan 10 item 59 subyek Scale Mean if Item Deleted 34.3956 .6582 .0584 18.3560 .2111 9.

Wahyu Widhiarso | 2001 | wahyupsy@gmail. Ada yang bisa melakukan uji skala dengan 60 subyek.2667 ITEM10 162. . Jangan mengacau pembaca tulisanku..1116 .6929 .1655 . jumlahnya ya diatas 100 untuk tes hipotesisnya dan 60 untuk uji coba skala.0111 ITEM6 161..Great Lie. ada juga yang bilang ¼ dari populasi.6823 . dan uji hipotesis dengan 60 subyek juga.0 Alpha = .2333 ITEM11…dst tidak ditampilkan Reliability Coefficients N of Cases = 10.0376 .5444 ITEM8 161. Nafan (‘97) : Mungkin itu ada di buku Bumi Manusia..6565 . Dodo : Tentu saja untuk subyek yang populasinya sedikit (terbatas) jumlah itu bisa diterima. saya lupa bukunya.6780 .6000 110.6918 . Ada ahli yang nulis bahwa rata-rata orang hanya mampu menjawab dengan baik di bawah 30 item. Kalau nggak salah di bukunya Pak Azwar..3889 ITEM3 160. Ada satu tulisan.com SPSS Untuk Psikologi ..2686 . sekarang mereka akan kuajak ke babakan II tentang t-test.1072 -.6833 .8000 108..6881 N of Items = 45 Sebenarnya penjelasan ini ada kelemahannya.2222 ITEM5 161. terima kasih. Pokoknya di sana disebutkan bahwa sampel yang representatif untuk menghitung keandalan skala adalah di lebih kurang 100 orang.7000 108..10 Hasil Hitungan 45 item 10 subyek Scale Scale Mean Variance if Item if Item Deleted Deleted ITEM1 160.8444 ITEM9 161.5444 ITEM4 161. Karena bisa jadi item yang cuma 10 subyek saja malahan bisa meningkatkan reliabilitas karena 10 subyek itu tidak satupun yang celelek’an. Untuk uji hipotesis dan analisis faktor 100-300 orang.5000 107.6868 Corrected ItemTotal Correlation .4333 ITEM7 161. Misalnya dalam populasi perawat seperti dalam skripsi Gogon.. Kalau seperti siswa sekolah atau mahasiswa.6952 ..7000 107. Nah sekarang mengenai jumlah subyek. Thad (’97) : Bukan Pan!.3166 ..5746 .0000 108. There are great lies in this world.Lie.9000 106. Bukan Buku itu.6852 .0695 Alpha if Item Deleted .9000 111.6802 . . Tapi kalau dalam pengalaman skripsi rekan-rekan yang sudah lulus. Bukan. ada di buku Psikologi Imajinasinya Sartre.. karangan Pramoedya Ananta Toer.3444 ITEM2 162.1000 98. Versi Metodologi Versi metodologi penelitian mengatakan bahwa jumlah item yang bagus adalah yang tidak sampai membuat subyek menjadi klenger. dan kelelahan karena kebanyakan membaca item-item yang malah membuat subyek tidak menjawab dengan benar.2014 -.And damn statistics Benyamin Disraeli Ayolah Ben.0582 .3000 108.

2. Dalam eksperimen. 2. Jenis Uji Statistik Parametrik Jenis Data 2 Sampel Independen 2 Sampel Berhubungan 2< Sampel 2 Sampel Independen 2 Sampel Berhubungan 2< Sampel Independen 2< Sampel Berhubungan Jenis Statistik Independent sample t-test Paired sample t-test Anava Mann Whitney U test Wilcoxon Sign Rank test Anava ranking Friedman 2. dsb. Sampel Berhubungan (between treatment) Sampel berkorelasi adalah sampel yang didapatkan dari data yang berasal dari subyek yang sama. anda ingin mencari perbedaan antara skor pre-test antara kelompok kontrol dan kelompok eksperimen. Contoh: 1. Anda ingin mencari perbedaan antara kecenderungan depresi pada laki-laki dan perempuan. Sampel Independen (between subjects) Sampel independen adalah sampel yang didapatkan dari data yang berasal dari subyek yang berbeda. Banyaknya kematian adalah statistik. Misalnya: 1.com SPSS Untuk Psikologi . desa-kota. Misalkan perbandingan antara laki-laki perempuan. Non Parametrik Sampel Independen dan Sampel Berhubungan A. SMA-S1. Satu kematian adalah tragedi.11 BAB II UJI Hipotesis Komparatif No. B. Anda ingin mencari perbedaan kinerja pegawai dari yang sebelum diberi kenaikan gaji. 1. Joseph Stalin Wahyu Widhiarso | 2001 | wahyupsy@gmail. Dalam eksperimen anda ingin membandingkan skor pre-test dan post-test kelompok eksperimen.

antara 0 sampai 10 anda dapat menekan cut point dan menulis angka tengahnya yaitu 5. dan dibawah 5 Option Jika anda menginginkan taraf sig. yaitu 1 dan 2. misalkan anda punya variabel yang lain. 4. tidak ada format analisis yang mengijinkan bahwa subyek yang sama berada dalam satu kolom. Tekan Menu analyze. anda dapat menekan tombol option. Dalam SPSS. Sajikan data anda seperti pada contoh di samping ini Ini yang dinamakan variabel dummy. Display out akan muncul. Letakkan dengan menyusun ke bawah Tidak harus berurutan ya tidak apa-apa. Lalu tulis kode anda. misalnya. Contoh: wanita Tidak urut tidak apa-apa pria 2. Tulis berapa % sig. Pada menu grup. Tekan continue. cerdas Grup 3. bisa juga langsung dimasukkan. Melainkan data kontinum. bukan data kategorik 1 dan 2.12 Mengolah t-tes Sample Independen 1. yang anda inginkan Perlu diingat. Grup 1 adalah pria dan grup 2 adalah wanita. Jika tidak hanya variabel cerdas saja yang hendak dianalisis. jadi yang dibedakan adalah yang diatas 5. Masukkan variabel yang hendak dianalsisis. Wahyu Widhiarso | 2001 | wahyupsy@gmail. nggak ada yang melarang jika kode 1 dan 2 tidak berurutan seperti contoh yang saya berikan. compare means. kemudian OK. Misalkan hipotesis kita adalah ada perbedaan antara Kecerdasan pria dan wanita.maka Masukkan a dan b. Masukkan kode data Specified Value Jika data yang dibandingkan.com SPSS Untuk Psikologi . misalnya asertifitas. Lalu muncul menu seperti di samping ini. selain 95%. t-test independent samples. Jika anda memakai kode a dan b. tekan define grup. Lalu muncul display seperti di samping ini.

Group Statistics Std.00 N 10 10 Mean 25.998 .265 18 17. Kita lihat. jika data tidak homogen.94810 kecerdasan grup 1. wanitalah yang lebih cerdas. Langkah II Jika data anda homogen. Error Difference 95% Confidence InteLower of the Difference Upper Langkah I Baca dulu Levene’s test untuk uji homogenitas (perbedaan varians).054 .com SPSS Untuk Psikologi .00 2.23086 -1.01).56914 Aturan Uji Homogen Sig: p< 0.05.05. Langkah II : Terlihat bahwa nilai t hitung= -3. mereka kelihatan cerdas (Henry Delacroix ) Wahyu Widhiarso | 2001 | wahyupsy@gmail. 5% b. Sig: p< 0.34743 -7. Disana tampak bahwa F=0. Penjelasan Kasus di Atas Langkah I : Karena data kita homogen. sedangkan ketika wanita diam. Deviation 3.01 ada perbedaan pada taraf sig.819) karena p diatas 0. siapa yang memiliki rerata (mean) yang tinggi.265.05 (data homogen) Aturan Uji t a.265 -3.05 ada perbedaan pada taraf sig.819 -3.9000 Std.56916 -4.004 -4. t-test for Equality t Means df Sig.4000 1.05 tidak ada beda Levene's Test for F Equality of Varian Sig. p<0. maka dapat dikatakan bahwa tidak ada perbedaan varians pada data kecerdasan pria dan wanita. Sig: p< 0. Di sana tampak bahwa nilai t kita -3.99815 Pria kelihatan bodohnya ketika mereka diam.004 . Bogel: Je! Kamu jangan bilang ada perbedaan yang siginifikan saja.05 (data tidak homogen) Sig: p>0.265.54 (p=0.4000 1. 1% c.34743 -7. (2-tailed) Mean Difference Std.5000 29. dari kasus ini. artinya ada perbedaan kecerdasan antara pria dan wanita. Dapat dikatakan bahwa ada perbedaan kecerdasan antara pria dan wanita. Sig: p>0. baca lajur kanan (equal variance not assumed).23084 -1. (p<0.95743 . Error Mean . maka yang kita lihat adalah lajur equal variance assumed (data diasumsikan homogen). df=18.02765 2. maka baca lajur kiri (equal variance assumed) .13 Membaca Angka t-tes Independen Sample Independent Samples Test kecerdasan Equal variances Equal variances assumed not assumed . Katakan juga siapa yang lebih cerdas?” OK.

Pada kasus kita. yaitu uji perbedaan varians pada data kita.23. jika tidak. Selisih Mean. Adalah uji homogenitas. Adalah selisih standar deviasi dua data kita. (2-tailed) Mean Difference Std.99815 = 1.56916)-----------------. Lihat tabel dibawah ini. (-1. Error Difference 95% Confidence Interval of the Difference Nilai t Anda.02765 .004 .400. toleransi ini menggunakan taraf kepercayaan 95%.14 Levene Tes Homogenitas. 3.05.(-7. Dari Sig. Independent Samples Test kecerdasan Equal variances Equal variances assumed not assumed . jangan mengharap ada beda signifikan. Jadi dengan menggunakan taraf kepercayaan 95 %.265 -3.90.(-4.2.004 -4.57 sampai 7.819 -3.23086 -1.com SPSS Untuk Psikologi . Seperti kita ketahui dari data ini. Jika data homogen. Visualisasi t-tes 95 % Confidence Interval of the difference.56916 -4. t df Sig. Jika tak bisa mengalahkan t tabel (lebih besar dari t tabel). rentang selisih kecerdasan pria dan wanita dari 1.4000 1. Eror Difference.265 18 17.50 kecerdasan wanita= 29. Perempuan lebih cerdas daripada pria Std.4) -----------------.56914 Levene's Test for Equality of Variances t-test for Equality of Means F Sig.4000 1. Selisihnya adalah 4. Mean Difference. baca lajur kiri.34743. bahwa rerata kecerdasan pria= 25.998 .34743 Lower Upper -7.054 .34743 -7.23084) upper mean difference lower Nomor-nomor yang besar pastilah mengandung kesalahan Wentworth Dillon Wahyu Widhiarso | 2001 | wahyupsy@gmail. baca lajur kanan. Adalah selisih dua mean data kita. -nya terlihat bahwa ia lebih besar dari t tabel (p<0.23084 -1. Adalah rentang nilai perbedaan yang ditoleransi. Aturannya seperti yang tertulis pada tabel sebelumya.

secara statistik memang kepenak memakai satu ekor.15 Filosofi t-tes distribusi Kecerdasan pria distribusi kecerdasan wanita 19 mean 25. Misalnya korelasi.com SPSS Untuk Psikologi . Wahyu Widhiarso | 2001 | wahyupsy@gmail.nilai t kritis pada df 15...5 27 29 mean 29. Jika kurang berarti ada perbedaan. Prinsip ini digunakan pada analisis yang lain juga. karena secara teoritik harus benar-benar dapat dipertanggung-jawabkan dan membutuhkan landasan teori yang kuat.482. karena lebih murah. satu ekor nilainya 0. jika lebih berarti tidak ada perbedaan < 5% (ada beda) < 1% (sangat ada beda) > 5% (tidak ada beda) Tambahan Pada menu option Anda dapat memilih berapa taraf signifikansi yang anda inginkan 1 Ekor melawan 2 Ekor Kalau pakai satu ekor. sebab harga satu ekor lebih murah dari pada dua ekor. 0. toleransi yang dipakai akan lebih rendah. Coba lihat di tabel.412 yang dua ekor lebih tinggi.9 37 Perpotongan antara dua data ini masih dalam batas toleransi (95% or 99%) ataukah tidak. tetapi secara metodologi lebih mahal.

004 .11 12. maka hipotesis alternatif ditolak. alias tidak ada perbedaan. Not corrected for ties. Sig.485 . Jika Sig > 0.853 .000 171. Wahyu Widhiarso | 2001 | wahyupsy@gmail.138 .96) or (1%.16 Membaca Display Mann Whitney U Test Mann Whitney U test adalah t-test versi non parametrik. Jadi nggak usah pakai uji normalitas Dua sample yang dibandingkan adalah independen. Tetapi jika di atas 20. maka dapat digunakan pendekatan dengan kurve normal Z.50 183.50 171. Asymtotic Significance Tingkat signifikansi yang berbasis pada distribusi asimtot dari tes.58) dialah yang nilainya memiliki perbedaan.009 a a. yaitu tes non parametrik lainnya. jadi dalam tulisan ini saya hanya membahas tes ini saja. Ranks PRE_TES GRUP 1 2 Total 1 2 Total 1 2 Total N 14 14 28 14 14 28 14 14 28 Mean Rank 15. Jika data anda berbentuk interval maka dalam pengoperasiannya data anda harus dikonversikan dulu ke data ordinal (ranking).000 -1.00 • Mann Whitney U Jika nilai U tidak bisa lebih kecil dari U tabel.05 (tidak signifikan).05 maka ada perbedaan POS_TES GAIN Wilcoxon W Wilcoxon rank sum W statistic. Grouping Variable: GRUP Penjelasan Kasus Di sini berlaku bahwa barangsiapa yang memiliki nilai Z diatas nilai kritis (5%. Dari kasus di atas yang memiliki perbedaan hanyalah skor gain. Karakter Tes: • • • Bebas asumsi normal. Tes ini yang paling kuat diantara teman-temannya.00 259.365 .500 183. Z anda harus >1. W adalah total jumlah ranking yang dinamakan pertama dalam kolompok. Data berbentuk ordinal. (2-tailed) Exact Sig.500 -.58 Mann-Whitney U Wilcoxon W Z Asymp. Z=1. [2*(1-tailed Sig.96 Untuk sig 1% Z anda harus >2.89 13.000 -2. (yang anda beri kode 1) Test Statisticsb PRE_TES 78.)] POS_TES 66.00 235. di bawah. Dapat dilihat di display.376 a Z Score Deviasi dalam distribusi normal Untuk sig 5%. Data anda sedikit (<20).907 . kalau <0.00 147. Jadi Ho ditolak. Z=2.000 147.21 16.50 18. Tapi jika pakai SPSS data anda akan dikonversikan sendiri olehnya.150 a GAIN 42. b.50 Sum of Ranks 222. tes ini yang sering dipakai jika mereka tidak memakai t-tes. maka data anda distribusinya buruk (poorly distributed). Di psikologi.79 10. Ketolak atau tidak bisa dilihat pada sig.com SPSS Untuk Psikologi .

Apakah koinku dapat dikatakan seimbang. p>0. Kurve normal punya 6 Standar Deviasi (sd).maksud’e koinku gak penceng?. Bukan Fitness Tes. Masing-masing sd luasnya seperti ini. bagaimana kalau kita langsung meneliti populasi secara langsung. Sd Distribusi Kurve Normal Data Hasil Kategori % Frek. sisi B keluar sebanyak 65 kali. tapi Goodness Of Fit Tes. Misalnya Hubungan Antara Independensi Anak yang Jarang Mandi di Fakultas Psikologi UGM Dengan Kreativitas. Cara yang biasa dipakai untuk menghitung masalah ini adalah Chi Square. ngetes normalitas segala? Pertama.35 14% 14 12 3 36 ..eh kasus ini. Kedua tes dinamakan masuk dalam kategori Goodness Of Fit Tes. kau lihat tabel t-tes misalnya.17 Uji Normalitas Uji distribusi normal adalah uji untuk mengukur apakah data kita memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial). Dengan kata lain.com SPSS Untuk Psikologi .05 : Ada Beda B =65 Kalau hasilnya tidak ada perbedaan.20 34% 34 20 Ada Beda 1 21 . p>0. Apakah harus di tes normal segala. Sig.30 34% 34 38 2 31 . Kita Lihat dulu Data teoritik kurve Normal. Kedua. kita bisa berasumsi bahwa sampel kita bener-bener mewakili populasi.05 : Tidak Ada Beda Sig.40 2% 2 10 Wahyu Widhiarso | 2001 | wahyupsy@gmail. Artinya. dan Sony ’93. Populasinya khan cuma tiga.10 2% 2 5 Beda -2 11 . Terus. Januar: Mengapa kita harus. Macam Data Data Teoritik Data Observasi Kemunculan Sisi Koin A = 50 B = 50 A = 35 Total 100 100 Uji Chi Square Sig. Mbuh! Chi-Square Filosofi mengapa Chi-Square kok bisa dikatakan Goodness Of Fit Tes.15 14% 14 15 Sig. Aku. maka yang kita pakai adalah KolmogorovSmirnov. adalah begini: Aku punya uang seratus rupiah. maka dapat dikatakan bahwa koin kita setimbang. kamu. Sehingga hasil penelitian kita bisa digeneralisasikan pada populasi. pembuatannya itu mengacu pada tebel normalitas. Tes-tes parametrik itu dibangun dari distribusi normal.. p<0. apakah datamu itu dari populasi yang berdistribusi normal. Dalam kaus. Tapi karena tes ini memiliki kelemahan. Frek. uji apakah data empirik yang kamu dapatkan dari lapangan itu sesuai dengan distribusi teoritik tertentu. Aplikasi Chi-Square pada Uji Normalitas. Januar: Makanan lagi ini? Ayo Jelaskan apa yang kau maksud dengan fitness tes ini. distribusi normal. sisi A keluar sebanyak 35 kali.05 : Tidak Ada -3 1 . Tak lempar seratus kali. p<0.05 : -1 16 .

567 .A Frekuensi empirik Distribusi kumulatif (empirik)……. Deviation Absolute Positive Negative Positive Pengurangan yang menghasilkan angka negatif terbesar a. Hanya satu yang diambil 12 yaitu yang selisihnya terbesar.05) Jika Z anda di bawah 1..com SPSS Untuk Psikologi .117 -. dan biasanya mereka menulis Z=0. Ini contoh-contohan uji normalitas data. D = 0. Data 2 3 5 7 Total frekuensi 5 2 3 5 15 Frekuensi kumulatif 5 7 10 15 Frekuensi Kumulatif Frekuensi kumulatif adalah penjumlahan frekuensi per-baris hingga ke bawah Lihat tabel dibawah ini.164 . Kalau t-tes khan t. b.05). Uji KS outputnya adalah D. bukan distribusi eksponen.567 (p>0. Kalau korelasi khan r.b Most Extreme Differences Kolmogorov-Smirnov Z Asymp.. Dalam kasus ini D= 0. Hasil ini lalu dibandingkan dengan tabel D. yang diuji itu distribusi normal. yang terbesarlah yang dimasukkan sebagai absolut. D itu didapatkan dari Frekuensi teoririk Distribusi kumulatif (teoritik)……. (2-tailed) Mean Std. Calculated from data. Sig.905 Negative Pengurangan yang menghasilkan angka negatif terbesar N Normal Parameters a.97 maka dapat dikatakan tidak ada perbedaan antara distribusi teoritik dan distribusi empirik. Jadi yang dibandingkan adalah frekuensi kumulatif distribusi teoritik dengan frekuensi kumulatif distribusi empirik.164 Jika D anda lebih kecil dari tabel. Deviasi Distribusi Normal Dari sini dapat dikatakan bahwa data anda berdistribusi normal.37895 .B A-B 1 1 1/12 1 1/12 0 2 2 3/12 3 4/12 -1/12 Sebaran Normal 3 4 5 3 3 2 6/12 9/12 11/12 2 6/12 0 3 9/12 0 1 10/12 1/12 distribusi kumulatif teoritik 6 1 12/12 2 12/12 0 Total 12 dikurangi distribusi kumulatif empirik.data anda NORMAL ! Wahyu Widhiarso | 2001 | wahyupsy@gmail. Test Distribution is Normal artinya. kalau KS berdasakan frekuensi kumulatif. maka data anda NORMAL. Cara Membaca Angka One-Sample Kolmogorov-Smirnov Test VAR00001 12 3. atau poisson Absolut (D) Dari perbandingan antara negatif dan positif.164 (p>0. Ada 6 pembagian. or Beberapa orang ada yang menjadikan acuan signifikansi adalah Z. Tapi tidak semua yang diambil.164 .0833 1.18 Kolomogorov -Smirnov Chi Square membandingkan distribusi teoritik dan distribusi empirik (observasi) berdasarkan kategorikategori. Test distribution is Normal.

3. Masukkan variabel yang hendak di uji pada kotak Dependen.19 Menampilkan Uji Kolmogorov-Smirnov Cara Pertama Pilih distribusi normal Cara Kedua 1. Tekan tombol Plots. Beri tanda pada Normality Plot With Test Wahyu Widhiarso | 2001 | wahyupsy@gmail.com SPSS Untuk Psikologi . Pilih Descriptive Statistics Explore 2. 4.

Soalnya ada tambahan Koreksi Liliefor segala. Bayangkan jika data anda berjumlah 5. 2.00 131.2500 .98505 . 4. Gibbons. Sig.00 13.-nya 0. 14 dan 15.16550 makna hidup Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std.110 .526 Tests of Normality Kolmogorov-Smirnov depresi makna hidup Statistic . sedangkan anda harus membuat 6 kategori sd.77137 depresi Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std.388 10. 1971) 3. Adalah perbedaan antara distribusi teoritik dan distribusi empirik. maka harga tes ini jadi mahal. CS tidak bisa untuk sampel kecil.1287 9. seperti yang saya jelaskan sebelumnya.001 . Cs tidak bisa digunakan bukan? Oleh karena data Chi Square adalah bersifat kategorik.5732 8.791 6. KS tidak memerlukannya. Berkatalah hanya pada apa yang anda ketahui saja Anonim . Misalkan kategori 11-15. sementara KS bisa.266 . . dan disamakan dengan angka di atasnya yaitu 12.com SPSS Untuk Psikologi .639 Perhatian Karena ada koreksi Liliefor.0000 -.05 Normal tetapi jika dihitung dengan cara kedua sig. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis .177 a.834 .982 df 82 82 Sig.015 p <0. Peluang tidak normal. Apa Itu Koreksi Liliefor? Tuhan belum mengijinkan aku untuk menjawabnya. KS lebih fleksibel dibanding CS. Jika dihitung dengan cara pertama sig.273 p > 0.937 .2176 107. sedangkan CS. Maka ada data yang terbuang maknanya.1080 9. karena dibagi secara seimbang.-nya 0.088 df 82 82 a Shapiro-Wilk Statistic . Contoh : Data Depresi milik Hendro.526 1.00 56. sd nya sama.0384 11.13.20 Output Kolmogorov Smirnov Cara Kedua Descriptives Std. Dan anda membuat angka 11 untung.8556 105. (info lebih lengkap baca buku Non Parametrik Statistical Inference. Wahyu Widhiarso | 2001 | wahyupsy@gmail. CS memerlukan data yang terkelompokkan. lebih besar di sini. Lilliefors Significance Correction Keunggulan Kolmogorov Smirnov (KS) dibanding (Chi Square) 1.266 . Jadi enakan pakai cara pertama saja.357 105.015 . KS dapat mengestimasi variasi sd. . karena ia dibulatkan ke atas.00 9. padahal kurang satu no dia masuk kategori 16-20.199 .310 Arti Statistic Adalah nilai D.00 29.5366 Lower Bound Upper Bound 103.6233 106. Error .0000 111.00 29. Anda membuat angka 15 marah-marah. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis Lower Bound Upper Bound Statistic 9.55403 75.0000 48.05 Tak Normal Mengapa ? Cara pertama adalah uji Kolmogorov-Smirnov Plus. Ia merasa rugi karena dibulatkan ke bawah. Sig.

Langsung saja... lalu non parametric test.. Masukkan variabel penelitian yang telah disusun ke arah bawah.. Kalau penelitian anda adalah eksperimen. Susunan data sama seperti penyajian t-tes sampel independen. yakni menggunakan variabel dummy.” Misalkan data kita sudah tersaji seperti ini. Tekan analyze. lalu 2 independet sample. ayo ceritakan Je! Nanti tak kasih permen.... “Kamu. sesuai dengan kelompoknya.itu data dianalisis. Penjelasan Tes Jika ingin menampilkan keterangan masing-masing test. Non Parametrik.dan memasukkan variabel cerdas.. Wahyu Widhiarso | 2001 | wahyupsy@gmail.. maka akan tampli.. keterangan seperti ini. 3. ya sama saja. Dengan menekan Analyze. Pilih test yang ingin kau gunakan. kemudian klik kanan. Caranya sama saja dengan yang diatas.21 Cara Menguji Distribusi Normal Sampel t-Tes. 4.com SPSS Untuk Psikologi . Uji perbedaan Sampel Indenpenden Versi Non Parametrik 1.. bilang bahwa syarat menguji t-tes adalah data kita harus berdistribusi normal.. One Sample K-S (Kolmogorov Smirnov).... 2. Anda dapat mengarahkan kursor pada jenis tes.

. hingga katakanlah 100 sampel. akan muncul : SQRT (?).. Wahyu Widhiarso | 2001 | wahyupsy@gmail.. SQRT (square root) adalah akar kuadrat. Anda juga bisa membuat rumus dengan cara sendiri.. Lihat Bab Outliers 4. Tekan Menu Transform 2. Gunakan statistik non parametrik.96 (sig. Macam-macam rumus yang tersedia di SPSS Pada contoh ini. tanda tanya ini ada ganti dengan variabel yang hendak di transformasikan.. Untuk Kurtosis juga lho. Klik tanda panah. Lalu muncul seperti yang ini. Kita transformasikan data kita dalam bentuk yang lain (remedies for non normal).rumusnya sama.Relakan. Ada banyak cara mentransformasikan. Klik OK jika sudah selesai. tambah jumlah sampel penelitian. Dua nilai ini harus diperhatikan. (1995) 2. 1%) dan 1. Transformasi Data 1. Nilai Kritis (Z) = Skewness / √ (6/N). di atasnya untuk memilih fungsi ini.com SPSS Untuk Psikologi . 5. Klik kanan pada lambang itu. Kemudian pilih Compute. Jika data terlihat sebarannya normal. Untuk mengerti arti lambang2 di sana.di sini adalah variabell anda yg hendak ditransformasi. arcsin. tetapi cara yang sering dipakai adalah transformasi dalam bentuk akar kuadrat. 4. Skewness berkaitan dengan lebar kurve. 3. Lihat buku “Multivariate Data Analysis” karangan Hair dkk.58 (sig.. Jika tidak bisa juga. Z tidak boleh lebih dari 2. Kemudian jadi...22 Apa yang harus dilakukan jika sebaran data tidak normal 1. dan log 10. help akan muncul Tambahan tentang Normalitas (Bagi yang ingin mendalami saja) Satu istilah yang ngetrend dalam Kurve Normal adalah Skewness dan Kurtosis. Jika tidak bisa. sedangkan kurtosis dengan tinggi kurve. tapi kalau nilai kurtosisnya besar (alias salah satu kategori terlalu tinggi) ya nggak normal. data anda memang ‘gak normal. buang subyek yang teridentifikasi sebagai outliers.SQRT (harmoni) Rumus Buatan Sendiri 3.. Ulangi Uji Normalitas sekali lagi pada data anda. Nama Baru Nama baru bagi variabel yang ditransformasikan Pilih variabel yang hendak ditransformasikan Ketika fungsi sudah dipilih. Jika cara 1 tidak bisa. 5%). Numexpr. Semoga menjadi normal.

Beberapa buku statistik merekomendasikan dengan melihat diagram scatter. untuk menguji syarat linear inilah yang dibahas di sini. maka data anda bekorelasi secara linier.23 Uji Linearitas Uji Korelasi product moment memerlukan tiga syarat. Yaitu dengan melihat hubungan dua variabel pada diagram scatter. data bersifat interval/rasio. Jadi kalau anda menggunakan uji linearitas. yang dikenal adalah pemaknaan melalui mata (visual). Tetapi bertambah tinggi stress mu maka kinerjamu menurun. Misalnya hubungan antara stress dan kinerja. Kalau pada diagram itu terlihat membentuk linier yang bisa ditarik. sama saja hasilnya ketik anda menggunakan uji regresi. Nah. 2. 3. Iki lho gambare.com SPSS Untuk Psikologi . Kemudian Pilih Lineartity Test dan Eta and Eta Square.. dan hubungan antar variabel yang hendak di komparasikan linear. distribusinya normal... Uji SPSS menggunakan regresi biasa.. Kuadratik Linear Kubik Kuartik Menampilkan Uji Linearitas 1. Analyze Compare Means Means Masukkan data anda pada kotak menu variabel independen dan variabel dependen Tekan Option. Pada awalnya semakin tinggi stress tingkat stress semakin tinggi kinerjamu. Je! Apakah ada data yang tidak linear? Ada. Ini adalah hubungan kuadratik. Wahyu Widhiarso | 2001 | wahyupsy@gmail. Sebenarnya dalam statistik uji linearitas pemaknaan melalui angak-angka tidak seberapa dikenal.

Ini adalah total dari Linearity dan deviation from linearity. sehingga uji korelasi pearson bisa langsung dilanjutkan Deviation from Linearity Menunjukkan seberapa jauh simpangan hubungan variabel anda.05) hubungan variabel penelitian anda linear. Jika sig (p<0.667 Total 601. masukan langsung juga nggak apa-apa Keterangan Pilih Option Kemudian beri tanda pada anova table dan test of linearity Tampilan Uji Linearitas ANOVA Table Sum of Squares Tingkat Kecerewetan Between (Combined) 377. Alias murni linear.05) berarti simpangan terhadap linearitas itu tidak signifikan.503 Within Groups 223. Coba lihat pada sum of square -nya. Soalnya ada juga data yang nggak murni linear.409 18 10. ia bermuka dua: linear dan kuadratik.912 * Frekuensi Ngemil Groups Linearity 191.426 37 F 1.001 .com SPSS Untuk Psikologi .162 .05). Jika simpangan itu sig = (p>0.579 Mean df Square 19 19.6 15 . Kalau variabel independennya dua buah.83 Sig.648 Linearity Adalah hubungan linear pada data anda. Combined Ini adalah kombinasi antara linearity dan selain linearity (deviation from linearity). Berarti data anda Wahyu Widhiarso | 2001 | wahyupsy@gmail.361 18 12.409 Deviation from Linearity 186. Terlihat bahwa kombinasinya tidak signifikan (p>0.24 Keterangan Masukkan variabel penelitian anda. .890 1 191.

com SPSS Untuk Psikologi . Variabel dependen.523 depresi * makna hidup R Adalah nilai korelasi pearson (hubungan kedua variabel anda) R Square (r ) Adalah sumbangan Efektif variabel independen thd.151 Eta .25 Measures of Association R -.389 R Squared .723 Eta Squared . 2 Wahyu Widhiarso | 2001 | wahyupsy@gmail.

000 . Dapat dikatakan bahwa.05).. sedangkan dari regresi linier = 44% • Terserah anda pilih teknik apa. Linearity dan deviatonnya sama-sama signifikan (p<0.569 172.91 95. Linear dan Kuadratik 30 20 10 0 0 2 4 6 8 10 12 Sum Square Root • SQRT yang paling besar adalah SQRT-nya deviation dibanding dengan linearity.062 Sig. Linier Murni 12 Combined Deviation from linearity ternyata signifikan. Efektif didapatkan dari regresi non linier = 42 %. Uji Asumsi: Kalau untuk uji asumsi data seperti ini tidak apa-apa.864 .099 9.05) df 7 1 6 10 17 F 25. (p>0.580 Kesimpulan: Korelasi yang terjadi adlh korelasi linear.818 4.26 Penglihatan Melalui Scatter dan Angka 1.000 .811 100.000 .603 Signifikansi Data anda linear sekaligus quadratik.83 8. 8 10 12 14 16 18 20 22 0 Skala Patah Hati ANOVA Table Sum of Squares 103.4 1.com SPSS Untuk Psikologi . Yang penting data anda linier. Deviasi from linearity ( p>0. Sumb.428 Kedewasaaan * Skala Patah Hati Between Groups (Combined) Linearity Deviation from Linearity Within Groups Total 2.000 .635 .611 Mean Square 14.830 100.003 . • Karena SQRT-nya deviation lebih besar maka sumbangan efektif kuadratik lebih besar daripada sumbangan efektif linier • Setelah saya hitung. .094 Sig. 10 8 6 4 Kedewasaaan 2 Sum Of Square Terlihat di sini Sum of Square linearity lebih besar daripada deviation from linearity.395 57.05). .000 Within Groups Total Wahyu Widhiarso | 2001 | wahyupsy@gmail. Keresahan Eksistensial Kecerdasan ANOVA Table Sum of Squares 125. Korelasi Product Momment sudah bisa digunakan.818 68. tapi kalau dianalisis dengan non linier boleh saja. Maka dari sini kelihatan bahwa korelasinya lebih mencerminkan model linier daripada model yang lain (p<0. Data anda linier.809 5.918 57. kombinasinya mencerminkan bentuk linier.050 134.800 109.05) Kecerdasan * Keresahan Eksistensial Between Groups (Combined) Linearity Deviation from Linearity df 15 1 14 15 30 F 13.968 Mean Square 8.003 3.

470 28.. Pada awalnya terjadi korelasi linier positif.937 2.2 3. Bukan seperti kamu.900 6.900 56. untuk mencari bagaimana hubungannya dengan variabel B. . Ia makin cinta pada kita. Mereka tak mengatakan bahwa korelasinya harus linear murni. Soalnya ada penjelasan lain.091 . aku melihat yang digunakan acuan adalah linearity.. Deviation from linearity-nya yang dilihat.0 6. Baru kita uji linearitasnya sekali lagi.953 Signifikan Data anda tidak linier. Terkadang jika kita memberikan perhatian pada si dia.581 87. F 6. besar sekali bukan? • Karena SQRT-nya deviation lebih besar maka sumbangan efektif kuadratik lebih besar daripada sumbangan efektif linier 0 2 4 6 8 10 12 14 16 Uji Asumsi: Kalau untuk uji asumsi data seperti ini tidak bisa dikatakan linier. Weje : Dengan melihat linearity saja. Lha gimana? Karena linearity-nya signifikan. tetapi sekaligus kuadratik Dodo Weje : Bagaimana jika kita mendapati yang seperti ini? : Yang penting adalah linearity-nya. Gunakan korelasi non-linier 4 Frekuensi Patah Hati ANOVA Table Sum of Squares 59.! Dodo Weje Weje Dodo Wahyu Widhiarso | 2001 | wahyupsy@gmail. ya kita jadikan 10.000 Kedewasaaan * Frekuensi Patah Hati Between Groups (Combined) Linearity Deviation from Linearity df 10 1 9 30 40 Within Groups Total Linearity atau Deviation From Linearity Thathad : Lho bukankah dari beberapa skripsi..com SPSS Untuk Psikologi . sebab deviation from linearity data anda signifikan (p<0.gak usah dilihat deviasinya. pasti product momment-nya ya signifikan. warnanya merah dan putih.. Misalnya nilai variabel A si Nurpita 100. Di situ Pak Tris mengatakan bahwa salah satu variabel kita transformasikan (kuadratkan. atau diapakan yang lain.951 Mean Square 5.274 . Khan Wagu? Hubungan data ini linear. yang lebih rumit. Sementara pakai asumsi ini saja. kita sama saja membatasi diri dengan hanya menggunakan korelasi yang sudah signifikan dalam hitungan korelasi product momment. Para ahli statistik mengatakan bahwa syarat uji korelasi pearson adalah datanya berkorelasi linear. Pokoknya satu buletin isinya tentang uji asumsi semua. ya sudah. Misalnya cinta. Maka cintanya berkurang.27 3. Korelasi Product Momment tidak bisa digunakan.6 Sig. Tetapi makin kita beri perhatian. : Dida! Sadari. Edisinya saya lupa.. Jadi kalau linearity sudah terpenuhi.370 2.) dulu. Jadi dapat disimpulkan bahwa product momment hanya untuk hubungan yang sudah signifikan saja.000 .Tidak semua hal itu berhubungan linier.05). Lha bosen ! : Cowok Gampang bosenan. Kuadratik Murni 11 10 9 8 7 Kedewasaaan 6 5 Sum Square Root • SQRT yang paling besar adalah SQRT-nya deviation dibanding dengan linearity. Lihat bedanya. : Bagaimana kalau datanya benar-benar tidak linear? : Bacalah satu buletin psikologi.

QUADRATI Regression Residuals F = Mean Square 216. RESAH Listwise Deletion of Missing Data Multiple R . RESAH Listwise Deletion of Missing Data Multiple R .82058 29 566.43710 Adjusted R Square . LINEAR Regression Residuals F = Mean Square 424.46501 Analysis of Variance: DF Sum of Squares 2 433. Anova Table Menampilkan Regresi sesuai dengan model yang dikehendaki Anova Table Pilih model yang anda harapkan untuk di uji Dependent variable. Mirip Uji Normalitas bukan? Kalau ini yang diharapkan adalah linier. data anda samasama signifikan 21..21704 Signif F = Method.65451 R Square . F Dari sini dapat disimpulkan bahwa data anda berkorelasi secara linier dan kuadratik R Square Terlihat bahwa dengan menggunakan model linier dan quadratik ..82058 19.. Sedangkan pada GFI uji Normalitas adalah sebaran Normal: 1.66113 R Square .0001 Signif.39689 Standard Error 4.0003 10.93632 .46038 28 558.73352 Dependent variable.40868 Standard Error 4.87112 Wahyu Widhiarso | 2001 | wahyupsy@gmail.73019 19.85684 Signif F = Method. Menu Analyze Regression Curve Estimation 2.54679 . atau kuadratik.28 Curve Estimation Sebenarnya untuk mengidentifikasi linearity di SPSS itu yang paling baik adalah melalui Curve Estimation.42117 Analysis of Variance: DF Sum of Squares 1 424.com SPSS Untuk Psikologi . Ini adalah uji termasuk ketepatan (Goodness Of Fit) untuk menguji ketepatan data anda dengan satu distribusi yang diharapkan.42839 Adjusted R Square . Klik Anova tabel dan Pilih Model yang hendak anda uji..

80 itulah regresi. itulah residu. Predictors: (Constant). Pilih ekor yang kamu kehendaki. Tidak ada kata prediktor dalam korelasi. cuma hubungan saja.000a 140 120 a. Kesetiaan b. 2. Dependen **. kalau nilai regresinya lebih tinggi daripada residunya.05) dapat dikatakan bahwa ada hubungan (positif) antara kecantikan dan kesetiaan Correlations SKALA KECANTIKAN KESETIAAN 1 . (2-tailed) N Option Menampilkan nilai Cross Product.837 14076.163 8369. Kalau tidak ada arah.308 F 39.542 Sig. Sama juga dengan 60 tabel scater-nya. 31 31 SKALA KECANTIKAN Pearson Correlation Sig. pilih dua ekor Output r = 0. ANOVAb Sum of Squares 5706. . dimana di dalam regresi ada kata ‘prediktor”. Correlation is significant at the 0. coba lihat paparan visual di bawah ini. sedang yang masuk dalam garis titik-titik mengarah miring. Dependent Variable: Kecemburuan 100 yang termasuk dalam wilayah bulatan.com SPSS Untuk Psikologi . Dari tabel Anareg di atas kelihatan. Kalau mengarah. Penjelasan tentang R2 Korelasi tidak menjelaskan sebab akibat.655** 1 . Dialah R2. 1. serta mean dan standard deviasi. Di dalam regresi ada kata regresi dan residu. Option ini berguna ketika anda nanti hendak menghitung sumbangan tiap aspek Var.655 (p<0. (2-tailed) N KESETIAAN Pearson Correlation Sig. Nah. . Apakah R2 itu? Mengapa r2 bisa menjelaskan sumbangan efektif? Kalau dari definisi sih dikatakan bahwa : R square adalah ukuran seberapa jauh variabilitas dalam variabel dependen yang dapat diprediksi oleh variabel independen.163 144.000 31 31 . Tapi kita bisa melangkah sedikit ke model pengaruh dengan menggunakan sumbangan efektif. Satu ekor atau dua ekor. Saya mencoba menjelaskannya melalui regresi.000 160 Residu Model 1 df 1 58 59 Regression Residual Total Mean Square 5706. Tidak dapat menguji pengaruh. misal di hipotesis mengatakan “Ada hubungan negatif atau positif”.655** . Hanya regresi yang bisa. Independen thd Var.000 .29 Korelasi PRODUCT MOMMENT 1. Tekan Menu Analyze Correlate Bivariate Test Of Sign. Karena regresinya besar maka F-nya signifikan Kecemburuan S 60 80 100 120 140 Kesetiaan Wahyu Widhiarso | 2001 | wahyupsy@gmail. Lebih banyak di garis regresi dari pada di 40 dalam lingkaran residu.01 level (2-tailed). maka pilih 1 ekor.

Predictors: (Constant). yang masuk dalam garis.395 Std. Kesetiaan 0 0 Penjelasan Tabel Dari tabel ini dapat diketahui.30 Dari pemahaman ini saya mengajak anda melihat rumus ini. Terlihat bahwa R square sesuai dengan definisi yang di atas tadi. Error of the Estimate 12.405 40% a. Predictors: (Constant). sekitar 40% subyek.637a .163 .000 R2 = Regresi Total .01281 0 Model 1 R R Square .837 14076. = 40% a. kecemburuan mereka tidak ada hubungannya dengan kesetiaan 0 S 0 40 60 80 100 120 140 Wahyu Widhiarso | 2001 | wahyupsy@gmail. Dependent Variable: Kecemburuan 0 14076 Model Summary Adjusted R Square .com SPSS Untuk Psikologi . Kesetiaan b. Sedangkan 60% subyek lainnya. Model 1 df 1 58 59 Regression Residual Total R2 =0. Subyek inilah yang kecemburuan mereka berkaitan dengan kesetiaan. ANOVA Sum of Squares 5706.405 = 5706.163 8369.

0 Tingkat Kecerewetan Tingkat Kecerewetan Gambar A Gambar B Outliers pada Distribusi Normal Outliers pada Korelasi Cara di atas adalah cara mengidentifikasi outliers dengan cara meraba-raba saja.5 15.5 25.0 22.31 Outliers Outliers adalah nama bagi subyek. Misalnya dengan melihat nilai-nilai yang ekstrim. Secara statistik ini bisa dihilangkan. subyek yang unik. Dev = 4. A. Tetapi hanya 5 subyek yang paling atas dan paling bawah saja yang ditampilkan.5 1 1 6 5 5 4 Std. 16 15 14 13 12 11 10 9 8 7 5 4 3 2 1 0 7. Yaitu mereka yang memiliki Ekstrem value Wahyu Widhiarso | 2001 | wahyupsy@gmail. Ini nih contoh visual bagi yang namanya outliers. kemudian tekan kotak Outliers Pada display akan muncul subyek-subyek yang Teridentifikasi sebagai outliers. Tekan Menu Analyze Descriptive Explore Input Variabel Masukkan variabel yang hendak di identifikasi pada kolom ini Tekan Tekan kotak Statistics.0 12.5 20. Yang unik-unik ini kadang bisa mengacaukan. Outliers : Nilai Ekstrim 1.com SPSS Untuk Psikologi . Ada juga cara yang lebih praktis.0 N = 36.0 17. Nilainya jauh dari rata-rata kebanyakan orang lain.14 Mean = 12.00 14 80 Outliers Yang diberi tanda bulat ini 70 adalah yang subyek beridentitas sebagai outliers 60 Frekuensi Ngemil 6 50 40 0 10 20 30 10.

Nilai Cook’s >1 adalah subyek outliers 2. pada kotak kolom. Terserah anda lha ! 3. Makin jauh jarak dari pusat garis korelasi. Cook’s Distance : ukuran pengaruh subyek pada model. pilih insert variable. kemudian beri nomor secara urut Petunjuk 1. Kalau aku sih. Klik kanan. Pada gambar B di atas. makin jelek dia bukan? Untuk jumlah sampel 30 (N=30). Ini nih cara mengidentifikasikannya.. Aturan yang saya rekomendasikan adalah Mahal Distance kemudian Cook’s distance Wahyu Widhiarso | 2001 | wahyupsy@gmail.. Tekan kotak Save. Beri satu kolom tambahan pada data anda. Cook’s atau Leverage tekan continue kemudian OK Dependent Masukkan Nomor di sini Independent Masukkan variabel yang dianalisis Save Tekan save.32 B. Sebelum menganalisis.bukan aku. Ouliers : Jauh Dari Garis Korelasi Outliers pada acara ini adalah mereka yang jauh dari garis korelasi. Leverage Distance : nilai yang mendekati 1 saja yang di del. sedangkan N=100. Tekan analyze regression masukkan nomor pada kotak dependent dan variabel yang diuji korelasinya pada kotak independent 2.. nilai di atas 11 perlu dipertimbangkan untuk di del. Ini contohnya.. Pilih kotak Mahalobis. ada satu subyek outliers. lalu pilih menu yang ada Keterangan 1.yaitu nomor subyek. Ukuran ini Barnet dan Lewis (1978) yang bilang lho.com SPSS Untuk Psikologi . nilai di atas 15 yang di del.. 2 subyek yang nilainya yang paling besar dan ekstrem yang aku del.. Mahal’s Distance : ukuran jarak nilai subyek dari garis yang dikehendaki.

Distance Cook's Distance Centered Leverage Value a.094 .50 .com SPSS Untuk Psikologi .927 11.320 10.315 . Jika Ia dihapus. Deleted Residual Mahal.322 1.701 a Mean 19. Coba lihat ternyata ada nilai Mahal’s dan Cook’s yang sangat besar ! Nilai Mahal’s nya ada yang di atas 11 ! Kita lihat subyek berapa yang memiliki nilai itu….797 .00 . Dependent Variable: nomor Minimum 13.115 N 38 38 38 38 38 38 38 38 38 38 38 38 80 Identifikasi Ternyata yang memiliki nilai Mahal’s dan Cook’s distance paling tinggi adalah subyek nomor 35.016 1.377 23.052 1. Predicted Value Standard Error of Predicted Value Adjusted Predicted Value Residual Std. Deviation 3.345 25. Residual Deleted Residual Stud.239 1.037 10.03 21.000 1.000 .20 -1.60 .631 -18.535 74.04 1.212 4.079 1.000 .000 Maximum 24. maka nilai korelasi kita bisa meningkat. Insya Allah 12 11 70 36 37 38 28 60 14 5 1 13 Frekuensi Ngemil 50 16 21 15 17 20 18 19 3023 3122 3226 25 2927 24 33 34 4 9 10 3 6 82 7 35 10 20 30 40 0 Tingkat Kecerewetan Wahyu Widhiarso | 2001 | wahyupsy@gmail.608 -1.96 1.119 16.672 . Residual Stud.794 -39.973 1.68 -1.802 17.90 .947 .41 4.997 3.33 Ini adalah contoh outputnya.Kembalilah pada Windows SPSS yang memuat daftar nomor subyek dan nilai subyek… Residuals Statistics Predicted Value Std.19 -2.507 9.091 1.41 -17.011 .000 2.053 Std.696 .

Kalau pengen cari ya.26611 -1. lha gimana nilai Z nya kok melebihi 3. Masukkan data yang hendak diidentifikasi pada kotak variables Membuat Nilai Z Tekan kotak ini agar tiap variabel ada nilai Z-nya. Lalu muncul output seperti ini.1979. Identifikasi Outliers Ini dia. Lalu kembalilah pada Windows SPSS utama.. Seperti bagan di kanan ini.34 C. lagi-lagi subyek 35 sebagai outliers. Descriptive Statistics Zscore: Skala score: Skala Ngerump KecemburuanV N 38 38 Minimum -1. Tekan OK. Mataku Bisa Burem gara-gara Statistik!” (kata seorang teman) Ulangi cara di atas. Coba tekan menu analyze descriptive 2..46802 Maximum 3. Z nya 3.. “Jika dataku banyak.urutkan z score melalui menu Data Sort Case lalu urutkan data anda berdasarkan Z score variabel yang ingin diketahui outliernya Wahyu Widhiarso | 2001 | wahyupsy@gmail.0000000 Std. Ini Outliers juga 1.00000000 1. Deviatio 1.51660 Mean .00000000 Ini nih ternyata ada Outliers pada data kita..19792 2. Masak aku mecicili satu persatu tiap kotak kecil di SPSS untuk mencari nilai Z diatas 3. Mana ada nilai Z di atas 3. Soalnya Keluarnya nilai Z nanti pada Windows Utama. Subyek ini pasti ngerumpinya parah sekali.com SPSS Untuk Psikologi .0000000 .Menu Analyze Descriptive masukkan nilai Z ke kotak Variables Kotak Save Standard Value gak usah dihidupkan.

Sign up to vote on this title
UsefulNot useful