Академический Документы
Профессиональный Документы
Культура Документы
PENGANTAR
Alhamdulillah buku jilid III tentang analisis statistika menggunakan program SPSS
berupa analisis varians multi-arah/multi jalur untuk analisis data rancangan eksperimen murni
dengan rancangan faktorial, analisis kovarians untuk rancangan eksperimen yang menggunakan
pretes sebagai kovariate seperti rancangan eksperimen murni dalam bentuk randomized control
grup pretest-posttest design atau rancangan pembandingan grup-grup yang tidak ekuivalen, juga
analisis reliabilitas instrumen dan analisis reliabilitas item/butir instrumen sudah dapat disusun,
boleh jadi masih banyak salah ketik, mohon masukan dari para pembaca.
Diharapkan buku ini dapat membantu para mahasiswa untuk menyusun desain penelitan
beserta pemilihan teknik analisis serta cara menganalisis data yang sudah diperoleh, sehingga
dapat meningkatkan mutu karya ilmiah mahasiswa baik untuk penyusunan laporan praktikum
maupun untuk penyusunan skripsi.
Yogyakarta, Desember 2005
Penysun:
1
1. RANCANGAN FAKTORIAL DALAM PENELITIAN PENDIDIKAN
Rancangan faktorial atau rancangan berfaktor merupakan salah satu rancangan
eksperimen faktor ganda atau faktor perlakuannya lebih dari satu faktor yang memiliki ciri
bahwa faktor-faktor yang dikombinasikan secara teoretik harus berinteraksi. Jika interaksinya
bersifat positif, maka akibat adanya kombinasi faktor-faktor perlakuan akan memberikan
respons yang secara signifikan lebih tinggi atau lebih besar jika dibandingkan respons yang
terjadi kalau masing-masing faktor bekerja sendiri-sendiri/terpisah. Sebaliknya, jika interkasinya
negatif maka akan terjadi hambatan oleh salah satu faktor atau faktor-faktor tersebut saling
menghambat, akibatnya respons yang terjadi secara signifikan akan lebih rendah/lebih kecil
dibanding kalau masing-masing faktor bekerja sendiri-sendiri/terpisah.
Kalau misalnya prestasi siswa dalam proses pembelajaran menggunakan metode terpilih
saja atau menggunakan media tertentu saja, maka hasilnya secara signifikan akan lebih rendah
jika dibandingkan dengan kombinasi antara metode terpilih dengan media terpilih pula, jika
pemakaian media memang cocok dengan metode yang bersangkutan.
Contoh: Suatu penelitian ingin mengetahui pengaruh kombinasi macam metode (dengan
kategori/atribut berupa pembelajaran langsung, pembelajaran pemecahan soal, dan pembelajaran
berbasis komputer) dan macam tes selama program remediasi (dengan kategori/atribut tanpa tes
formatif dan dengan tes formatif) untuk mengatasi kegagalan akademik siswa semester 1 kelas
X SMA. Setelah diperoleh siswa yang benar-benar gagal hanya karena faktor akademik dibagi
secara acak menjadi 6 grup untuk diundi dengan 6 kombinasi perlakuan. Hasil postes sebagai
prestasi akhir program remediasi untuk masing-masing grup sebagai berikut.
Tabel 1. Prestasi postes siswa peserta program remediasi berdasar macam metode remediasi dan
macam tes yang dijalani selama remediasi untuk materi pokok YY
Pembelajaran ulang
Blok
ke
Tanpa tes
formatif
Dengan tes
formatif
Pembelajaran pemecahan
soal
Tanpa tes
Dengan tes
formatif
formatif
Pembejajaran berbasis
komputer
Tanpa tes
Dengan tes
formatif
formatif
28.6
30.3
29.1
32.7
29.2
32.7
36.8
32.3
29.2
30.8
28.2
31.7
32.7
31.6
30.6
31.0
27.7
31.8
32.6
30.9
29.1
33.8
32.0
29.4
Sajian data untuk analisis varians multi-arah dengan program SPSS adalah sebagai berikut.
Gambar 1. Seting data SPSS data prestasi postes siswa peserta program remediasi berdasar
macam metode remediasi dan macam tes yang dijalani selama remediasi untuk
materi pokok YY
Untuk menganalisis data di atas, maka pilih menu Analyze, kemudian memilih menu
General linear model, dilanjutkan pilih/klik menu Univariate, akan muncul tampilan sebagai
berikut.
3
Selanjutnya masukkan variable hasil panenan (prestasi) ke dalam variabel tergayut (Dependent
variable), masukkan variabel macam pupuk (mcmmtd) dan waktu pemupukan (tekniktes)
sebagai faktor perlakuan. Karena atribut dari masing-masing faktor perlakuan yang dipilih
bukan dari populasi perlakuan melainkan bersifat pasti (fixed) maka masuukan ke dalam boks
Fixed faktor(s) dan hasilnya sebagai berikut.
Selanjutnya pilih/klik menu Model, dan akan keluar tampilan sebagai berikut.
Karena variabel macam metode dan teknik tes merupakan faktor yang pasti (fixed) (artinya hasil
penelitian tidak dapat digeneralisasi untuk macam metode lain yang tidak dicoba, juga dalam hal
teknik pengetesan tidak ada pola lain yang sama dengan teknik yang dipilih) maka harus
memilih tipe III. Oleh karena itu tidak perlu mengganti menu Type, dan analisis selanjutnya
memilih menu Custom (klik menu Custom), sehingga tampak tampilan sebagai berikut.
Type III
Pilih menu main effect kemudian masukkan kedua variabel ke dalam boks Model sehingga
tampak tampilan sebagai berikut.
Type III
Pilih menu Interaction, blok kedua variabel dan masukkan ke dalam boks Model sehingga
tampak tampilan sebagai berikut.
Type III
Pilih (klik) menu Continue sehingga muncul tampilan semula sebagai berikut.
Masukkan variable yang akan ditampilkan nilai rata-ratanya (Display Means) dengan cara
mengeblok dan memasukkan ke dalam bok Display Mean for. Lakukan uji lanjut, jika ada
hipotesis penelitiannya pilih metode uji beda nyata terkecil (LSD) Jangan lupa bila ingin
menampilkan hasil analisis deskriptifnya, maka klik bok di depan menu Descriptive statistics,
sehingga diperoleh tampilan sebagai berikut.
Bila sudah selesai memilih, klik menu Continue sehingga kembali ke tampilan awal seperti
berikut.
Pemrograman sudah selesai, selanjutnya klik menu OK dan akan diperoleh hasil analisis sebagai
berikut.
Univariate Analysis of Variance
Between-Subjects Factors
N
mcmmtd
mcmtes
metode1
metode2
metode3
dgnfrmtf
12
tnpfrmtf
12
7
Descriptive Statistics
Dependent Variable: prestasi
mcmmtd
metode1
metode2
metode3
Total
mcmtes
dgnfrmtf
Mean
31.2750
Std. Deviation
.86554
tnpfrmtf
32.6750
3.34801
Total
31.9750
2.38432
dgnfrmtf
32.0750
1.43149
tnpfrmtf
29.5000
.73485
Total
30.7875
1.73324
dgnfrmtf
31.4000
1.40712
tnpfrmtf
29.2750
1.92072
Total
30.3375
1.92868
dgnfrmtf
31.5833
1.19912
12
tnpfrmtf
30.4833
2.61528
12
Total
31.0333
2.06748
24
Dari data hasil analisis statistika deskriptif kita dapat melihat rata-rata prestasi program
remediasi akibat pengaruh macam metode remediasi yang berbeda (akibat pemberian metode3
yaitu pembelajaran berbasis komputer, metode2 yaitu pembelajaran latihan pemecahan soal, dan
metode1 yaitu pembelajaran langsung), juga prestasi akibat macam tes yang diberikan yakni
tnpfrmtf (tanpa tes formatif) dan dgnfrmtf (dengan disertai tes formatif).
Tests of Between-Subjects Effects
Dependent Variable: prestasi
Source
Corrected Model
df
Mean Square
Sig.
37.663(a)
7.533
2.236
.095
Intercept
23113.627
23113.627
6859.774
.000
mcmmtd
11.451
5.725
1.699
.211
mcmtes
7.260
7.260
2.155
.159
mcmmtd * mcmtes
18.952
9.476
2.812
.087
Error
60.650
18
3.369
Total
23211.940
24
Corrected Total
98.313
a R Squared = .383 (Adjusted R Squared = .212)
23
Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung
akibat pengaruh macam metode sebesar 1,6999 dengan peluang kesalahan 21.1% sehingga tidak
signifikan karena jauh diatas kesalahan 5%. Demikian pula pengaruh waktu pemupukan serta
pengaruh interaksi macam metode dan macam tes juga tidak signifikan dengan F hitung berturutturut 2.155 dan 2.812 dan besarnya peluang kesalahan 15.9% dan 8.7%.
8
Estimated Marginal Means
1. mcmmtd
Estimates
Dependent Variable: prestasi
95% Confidence Interval
mcmmtd
metode1
Mean
31.975
Std. Error
.649
Lower Bound
30.612
Upper Bound
33.338
metode2
30.787
.649
29.424
32.151
metode3
30.338
.649
28.974
31.701
Dari tabel estimasi populasi kita dapat melihat besarnya nilai rata-rata prestasi program
remediasi akibat pengaruh macam metode beserta simpangan bakunya serta kisaran batas bawah
dan batas atasnya pada taraf kesalahan 5%.
Pairwise Comparisons
Dependent Variable: prestasi
(I) mcmmtd
metode1
(J) mcmmtd
metode2
metode3
metode2
metode1
metode3
metode3
metode1
metode2
Mean
Difference (IJ)
1.188
1.637
Std. Error
.918
.918
Sig.(a)
.212
.091
Lower Bound
-.741
-.291
Upper Bound
3.116
3.566
-1.188
.450
-1.637
-.450
.918
.918
.918
.918
.212
.630
.091
.630
-3.116
-1.478
-3.566
-2.378
.741
2.378
.291
1.478
Dari tabel pembandingan antar kategori/atribut macam metode melalui uji jarak nyata terkecil
(LSD) kita lihat tidak ada yang menunjukkan selisih nilai rata-rata prestasi (I-J) yang signifikan.
Univariate Tests
Dependent Variable: prestasi
Sum of Squares
Contrast
11.451
df
Mean Square
2
5.725
F
1.699
Sig.
.211
Error
60.650
18
3.369
The F tests the effect of mcmmtd. This test is based on the linearly independent pairwise comparisons among the
estimated marginal means.
Hasil uji univariat yang hanya menguji efek utama faktor macam metode tanpa memperhatikan
faktor macam tes tidak menunjukkan perbedaan prestasi yang signifikan karena taraf
kesalahannya sebesar 21.1% jauh di atas batas taraf kesalahan 5%.
2. mcmtes
Estimates
Dependent Variable: prestasi
mcmtes
Mean
Std. Error
dgnfrmtf
31.583
.530
Lower Bound
30.470
Upper Bound
32.697
tnpfrmtf
30.483
.530
29.370
31.597
Pairwise Comparisons
Dependent Variable: prestasi
95% Confidence Interval for
Difference(a)
Mean
Difference (I(I) mcmtes
(J) mcmtes
J)
Std. Error
Sig.(a)
Lower Bound
Upper Bound
dgnfrmtf
tnpfrmtf
1.100
.749
.159
-.474
2.674
tnpfrmtf
dgnfrmti
-1.100
.749
.159
-2.674
.474
Based on estimated marginal means
a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).
Komputer tetap melakukan uji lanjut perbedaan prestasi akibat factor macam tes, meskipun
secara teoretik jika variable bebasnya hanya terdiri dari dua kategori/atribut atau dua taraf/levl
tidak perlu melakukan uji lanjut. Hasil analisis perbedaan prestasi sebagai akibat pengaruh
macam tes melalui uji beda nyata terkecil (LSD) tidak berbeda secara signifikan.
Univariate Tests
Dependent Variable: prestasi
Contrast
Sum of
Squares
7.260
df
1
Mean Square
7.260
F
2.155
Sig.
.159
Error
60.650
18
3.369
The F tests the effect of mcmtes. This test is based on the linearly independent pairwise comparisons among the
estimated marginal means.
Hasil uji univariat yang hanya menguji efek utama faktor macam metode tanpa memperhatikan
faktor macam tes tidak menunjukkan perbedaan prestasi yang signifikan karena taraf
kesalahannya sebesar 15.9% jauh di atas batas taraf kesalahan 5%.
3. mcmmtd * mcmtes
Dependent Variable: prestasi
95% Confidence Interval
mcmmtd
metode1
metode2
metode3
mcmtes
dgnfrmtf
Mean
31.275
Std. Error
.918
Lower Bound
29.347
Upper Bound
33.203
tnpfrmtf
32.675
.918
30.747
34.603
dgnfrmtf
32.075
.918
30.147
34.003
tnpfrmtf
29.500
.918
27.572
31.428
dgnfrmtf
31.400
.918
29.472
33.328
tnpfrmtf
29.275
.918
27.347
31.203
Karena program SPSS hanya menganalisis efek utama dari faktor-faktor perlakuan tetapi bukan
10
interaksinya, maka meskipun kita meminta untuk uji lanjut dengan LSD, hasil yang keluar hanya
menunjukkan nilai rata-rata, simpangan baku beserta batas bawah dan batas atas nilai rata-rata
pada tingkat populasi sebagaimana tersaji pada tabel di bawah ini. Oleh karena itu, jika efek
interaksi signifikan maka harus diadakan uji lanjut dengan perhitungan secara manual. Dalam
hal ini yang harus dicari adalah signifikansi perbedaan antara prestasi tanpa tes formatif dan
prestasi yang disertai tes formatif waktu pemupukan pada tiap atribut/mkategori macam metode
yang diberikan, dan sebaliknya harus diuji pula signifikansi perbedaan antar macam metode
pada tiap atribut/kategori macam tes.
2. ANALISIS KOVARIANS
Analisis kovarians dipakai untuk mengolah data eksperimen murni dalam bidang
pendidikan yang dirancang dengan Randomized subject: Contol-group pretest-postes
design, atau untuk rancangan eksperimen kuasi/semu melalui rancangan pembandingan
grup yang tidak ekuivalen dimana ada pengukuran pretes yang kita dudukkan sebagai variabel
peragam/kovariat/kovariabel. Akibat adanya faktor peragam/kovariat/kovariabel, maka efek
treatmen (perlakuan) harus dibebaskan dari pengaruh faktor peragam.
Misalnya suatu penelitian untuk menguji ada tidaknya kelebihan motode pemecahan
masalah, metode inkuiri jika dibandingkan dengan metode ceramah dengan rancangan
pembandingan grup-grup yang tidak ekuivalen sesuai dengan kondisi lapangan yang tidak dapat
membentuk grup acak berdasar subjek.
Tabel 2. Hasil pretes dan postes pada penelitian pada tiga macam metodepembelajaran untuk
materi pokok genetika SMA kelas XII.
Metode ceramah (metode1)
Metode pemecahan
masalah (metode2)
pretes
postes
(X2i)
(Y2i)
pretes
(X1i)
postes
(Y1i)
14
40
30
30
11
38
12
43
14
37
11
37
15
47
32
13
47
12
44
32
Sajian data untuk analisis varians multi-arah dengan program SPSS adalah sebagai berikut.
11
Gambar 2. Hasil pretes dan postes pada penelitian pada tiga macam metodepembelajaran untuk
materi pokok genetika SMA kelas XII.
Untuk menganalisis data di atas, maka pilih menu Analyze, kemudian memilih menu
General linear model, dilanjutkan memilih menu Univariate. Jika di-klik/di-enter akan
muncul tampilan sebagai berikut.
Selanjutnya masukkan variabel postes ke dalam variabel tergayut (boks Dependent variable),
masukkan variabel macam metode (mcmmtd) sebagai faktor perlakuan dan variabel pretes
sebagai faktor kovariat/kovariabel/variabel peragam penyebab sumber variasi yang harus
diperhitungkan ke dalam boks Covariate(s). Hasilnya sebagai berikut.
12
Selanjutnya memilih model, sehingga klik menu model, dan akan keluar tampilan sebagai
berikut.
Karena variabel macam metode merupakan faktor yang pasti (fixed) (artinya hasil penelitian
tidak dapat digeneralisasi untuk macam pupuk lain yang tidak dicoba) maka harus memilih tipe
III. Oleh karena itu tidak perlu mengganti menu Type, dan analisis selanjutnya pilih/klik menu
Custom karena bukan analisis faktorial yang kita pilih, sehingga tampak tampilan sebagai
berikut.
Type III
Pilih (klik) menu Main effects dan masukkan kedua variabel (faktor perlakuan dan kovariatnya
ke dalam boks Model, sehingga muncul tampilan semula sebagai berikut.
13
Type III
Pilih (klik) menu Continue sehingga muncul tampilan semula sebagai berikut.
Untuk menguji efek utama (main effect) dari faktor perlakuan, pilih menu Option sehingga
muncul tampilan sebagai berikut.
14
Masukkan variabel macam metode untuk ditampilkan nilai rata-ratanya (Display Means) ke
dalam bok Display Mean for. Pilih menu uji jarak terkecil (LSD) jika peneliti memiliki hipotesis
penelitiannya. Jangan lupa bila ingin menampilkan hasil analisis deskriptifnya, maka klik bok di
depan menu Descriptive statistics, sehingga diperoleh tampilan sebagai berikut.
Bila sudah selesai memilih, klik menu Continue sehingga kembali ke tampilan awal seperti
berikut.
Pemrograman sudah selesai, selanjutnya klik menu OK dan akan diperoleh hasil analisis sebagai
berikut.
15
Between-Subjects Factors
N
mcmmtd
metode1
metode2
metode3
Descriptive Statistics
Dependent Variable: postes
mcmmtd
metode1
Mean
40.5000
Std. Deviation
4.50925
metode2
41.0000
7.52773
metode3
32.7500
2.98608
Total
38.0833
6.24439
12
4
4
Dari data hasil analisis statistika deskriptif kita dapat melihat nilai rata-rata postes akibat
pemberian macam metode yang berbeda dengan mengabaikan pengaruh faktor pretes sebagai
peragamnya, yakni prestasi siswa yang belajar dengan metode ceramah 40.5 cm, yang belajar
dengan metode pemecahan masalah 41.0 cm, dan yang belajar dengan metode inkuiri 32.75 cm.
Adapun rata-rata umum dari postes yang dicapai seluruh siswa 38.0833
Tests of Between-Subjects Effects
Dependent Variable: postes
Source
Corrected Model
Type I Sum
of Squares
349.825(a)
df
3
Mean Square
116.608
F
11.795
Sig.
.003
Intercept
17404.083
17404.083
1760.388
.000
mcmmtd
171.167
85.583
8.657
.010
pretes
178.658
178.658
18.071
.003
9.887
Error
79.092
Total
17833.000
12
Corrected Total
428.917
11
a R Squared = .816 (Adjusted R Squared = .746)
Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga Fhitung
akibat pengaruh macam metode sebesar 8.657 dengan peluang kesalahan 1% sehingga
signifikan di bawah taraf kesalahan 5%. Demikian pula pengaruh faktor pretes sebagai variabel
peragam sangat signifikan karena dengan Fhitung sebesar 18.071 dan besar peluang kesalahan
hanya 0.3% jauh lebih kecil dari batas kesalahan 1%.
16
mcmmtd
Estimates
Dependent Variable: postes
95% Confidence Interval
mcmmtd
metode1
Mean
38.929(a)
Std. Error
1.615
Lower Bound
35.204
Upper Bound
42.653
metode2
40.371(a)
1.579
36.730
44.013
metode3
34.950(a)
1.655
31.133
38.767
a Covariates appearing in the model are evaluated at the following values: pretes = 11.4167.
Setelah pengaruh faktor peragam dihilangkan maka diperoleh nilai rata-rata postes terkorekasi
(adjusted mean) siswa yang belajar dengan metode ceramah 38.929, yang belajar dengan
metode pemecahan masalah 40.371, dan yang belajar dengan metode inkuiri 34.95.
Pairwise Comparisons
Dependent Variable: postes
Mean
Difference (IJ)
(J) mcmmtd
metode1
metode2
metode3
-1.443
3.979
2.234
2.394
.537
.135
Lower Bound
-6.595
-1.541
Upper Bound
3.710
9.499
metode2
metode1
1.443
2.234
.537
-3.710
6.595
metode3
5.422(*)
-3.979
-5.422(*)
2.321
2.394
2.321
.048
.135
.048
.070
-9.499
-10.773
10.773
1.541
-.070
metode3
metode1
metode2
Std. Error
Sig.(a)
(I) mcmmtd
Dari hasil analisis lanjut menggunakan uji beda nyata terkecil menunjukkan ada perbedaan hasil
postes antara siswa yang belajar melalui metode pemecahan masalah dan metode inkuiri dengan
selisih 5.422.
Univariate Tests
Dependent Variable: postes
Contrast
Sum of
Squares
55.949
Df
2
Mean Square
27.974
F
2.830
Sig.
.118
Error
79.092
8
9.887
The F tests the effect of mcmmtd. This test is based on the linearly independent pairwise comparisons among the
estimated marginal means.
Namun demikian, uji dengan tes univariat melalui uji kontras untuk membandingkan hasil
postes yang sudah terkoreksi menunjukkan hasil yang tidak signifikan, yakni dengan Fhitung
sebesar 2.83 dan besar peluang 11.8% jauh di atas batas kesalahan 5%.
Untuk mencari model regresi hubungan antara macam metode sebagai variabel
bebas/predictor dan pretes sebagai variabel peragam/kovariat dengan postes sebagai variabel
respons, maka digunakan uji regresi. Namun demikian, variabel macam metode harus diubah
menjadi variable dungu (dummy variable) dengan menggunakan kode. Jika hanya ada dua
17
atribut/level/taraf perlakuan maka atribut/level/taraf perlakuan pertama diberi kode 1 dan
atribut/level/taraf perlakuan kedua diberi kode 0 sehingga terbentuk satu variable dungu. Jika
ada tiga atribut/level/taraf perlakuan maka atribut/level/taraf perlakuan pertama diberi kode 1
dan 0, untuk atribut/level/taraf perlakuan kedua diberi kode 0 dan 1, dan atribut/level/taraf
perlakuan ketiga diberi kode 0 dan 0 sehingga terbentuk dua variable dungu. Jika ada empat
atribut/level/taraf perlakuan maka atribut/level/taraf perlakuan pertama diberi kode 1 kemudian
1 lagi dan 0, untuk atribut/level/taraf perlakuan kedua diberi kode 0 kemudian 1 dan 0,
atribut/level/taraf perlakuan ketiga diberi kode 0 kemudian 0 lagi dan selanjutnya 1, dan
atribut/level/taraf perlakuan keempat diberi kode 0 kemudin 0 dan sekali lagi 0 sehingga
terbentuk tiga variable dungu. Perhatikan tabel di bawah ini.
Dua atribut/taraf/
level
atribut/taraf/
level pertama
diberi kode 1
atribut/taraf/
level kedua
diberi kode 0
Variabel
Tiga level/taraf/
dummy
atribut
yang
terbetuk
Satu
variabel
atribut/taraf/level
pertama diberi kode
1 dan 0
atribut/taraf/level
kedua diberi kode 0
dan 1
atribut/taraf/level
ketiga diberi kode 0
dan 0
Variabel
Empat level/taraf/ atribut
dummy
yang
terbetuk
Dua
atribut/taraf/ level
variabel
pertama diberi kode 1,1, dan 0
atribut/taraf/ level
kedua diberi kode 0, 1, dan 0
atribut/taraf/ level
ketiga diberi kode 0, 0, dan 1
atribut/taraf/ level
keempat diberi kode 0, 0, dan
0
Variabel
dummy
yang
terbetuk
Tiga
variabel
Karena eksperimennya hanya melibatkan tiga data maka pengkodean variabel dungu dalam
seting data program SPSS adalah sebagai berikut.
18
Selanjutnya data dianalisis dengan diawali memilih menu analyse kemudian memilih menu
regression, terus memilih linear, kemudian di klik akan tampil tampailan sebagai berikut.
Masukkan variabel respons postes ke dalam boks Dependent variable, masukkan variabel
dummy 1, dummy 2, dan pretes ke dalam boks Independent variable.
Bila sudah, pilih/klik menu Continue sehingga akan keluar tampilan sebagai berikut.
19
Pemrograman sudah selesai dan pilih/klik menu OK dan akan keluar out put sebagai berikut.
Regression
Variables Entered/Removed(b)
Variables
Variables
Entered
Removed
pretes,
dummy2,
.
dummy1(a)
a All requested variables entered.
b Dependent Variable: postes
Model
1
Method
Enter
Model Summary
Adjusted R
Std. Error of
R
R Square
Square
the Estimate
.903(a)
.816
.746
3.14428
a Predictors: (Constant), pretes, dummy2, dummy1
Model
1
Setelah seluruh variabel bebas dimasukkan, diperoleh koefisien regresi sebesar 0.81 atau 81%
menunjukkan hubungan variabel bebas (factor perlakuan dan peragam) dengan variabel
responsnya dapat diterangkan oleh model yang diperoleh.
ANOVA(b)
Model
1
Regression
Residual
Total
Sum of
Squares
349.825
79.092
Df
3
Mean Square
116.608
9.887
428.917
11
a Predictors: (Constant), pretes, dummy2, dummy1
b Dependent Variable: postes
F
11.795
Sig.
.003(a)
20
Coefficients(a)
Unstandardized
Coefficients
Model
1
B
13.423
Std. Error
4.811
dummy1
3.979
2.394
dummy2
5.422
2.321
pretes
1.886
.444
(Constant)
Standardized
Coefficients
Sig.
Beta
2.790
.024
.314
1.662
.135
.427
2.336
.048
.699
4.251
.003
Garis regresi yang diperoleh adalah Yi = 13.423 + 3.979 d1 + 5.422 d2 + 1.886 Xi dapat dipakai
untuk menjelaskan hubungan regresi antara variabel prediktor (macam metode) dan variable
responsnya (postes) dengan Fhitung sebesar 17.95 dengan peluang kesalahan sebesar 0.3% jauh di
bawah batas 1%, jadi sangat signifikan. Dengan garis regresi tersebut berarti pada atribut
pertama (pembelajaran dengan metode ceramah) hubungan antara variabel peragam pretes (Xi)
dan postes (Yi) dapat diterangkan oleh persamaan regresi:
Yi = 13.423 + 3.979(1) + 5.422(0) + 1.886 Xi = 17.402 + 1.886 Xi
pada atribut kedua (dengan metode pemecahan masalah) hubungan antara variabel peragam
pretes (Xi) dan postes (Yi) dapat diterangkan oleh persamaan regresi:
Yi = 13.423 + 3.979(0) + 5.422(1) + 1.886 Xi = 18.845 + 1.886 Xi.
dan pada atribut pertama (dengan metode inkuiri) hubungan antara variable peragam pretes (Xi)
dan postes (Yi) dapat diterangkan oleh persamaan regresi:
Yi = 13.423 + 3.979(0) + 5.422(0) + 1.886 Xi = 13.423 + 1.886 Xi.
Besarnya koefisien regresi b1 yang dipakai untuk memperhitungkan pengaruh atau kontribusi
faktor atau variabel peragam adalah 1.886 artinya nilai rata-rata postes terkoreksi pada masingmasing atribut adalah sebesar nilai rata-rata postes observasi dikurangi dengan nilai koefisien
regresi b1 dikalikan dengan selisih nilai rata-rata pretes pada atribut yang bersangkutan
dikurangi dengan rata-rata pretes untuk seluruh perlakuan. Besarnya rata-rata postes terkoreksi
pada siswa yang belajar dengan metode ceramah diperoleh dengan cara sebagai berikut.
Rata-rata observasi pretes total (Xi/n) = 137/12 = 11.41666667
Rata-rata observasi pretes siswa yang belajar dengan metode ceramah (X1i/ni) = 49/4 =
12.25
Rata-rata observasi postes siswa yang belajar dengan metode ceramah (Y1i/ni) = 162/4
= 40.5
Rata-rata terkoreksi postes dari siswa yang belajar dengan metode ceramah
(Y1iterkoreksi/ni) = Y1i/ni b1(X1i/ni - Xi/n) = 40.5 1.886(12.25 11.41666667)
= 38.929
21
Dengan langkah yang sama nilai rata-rata terkoreksi postes siswa yang belajar dengan
metode pemecahan masalah juga nilai rata-rata terkoreksi postes siswa yang belajar
dengan metode inkuiri akan dapat diperoleh.
UJI RELIABILITAS INSTRUMEN DAN ITEM INSTRUMEN
Kualitas suatu instrumen menentukan data yang terhimpun. Ada dua persyaratan untuk
memenuhi kualitas instrumen yang baik, pertama harus valid/sahih atau mengukur apa yang
diukur, dan kedua reliabel/andal atau mengukur dengan hasil yang tetap jika dilakukan
pengukuran yang diulang-ulang. Instrumen yang baik harus memiliki bukti kesahihan dan
keandalan, hasilnya dapat dibandingkan, dan ekonomis. Kesahihan dapat dikategorikan menjadi
tiga macam, yaitu kesahihan isi, konstrak, dan kriteria. Kesahihan isi dilihat dari bahan yang
diujikan, kesahihan konstrak dilihat dari dimensi yang diukur, dan kesahihan kriteria dilihat dari
daya prediksinya.
Instrumen kognitif berupa tes prestasi harus memiliki kesahihan isi atau sering disebut
pula kesahihan kurikuler, yang dapat diketahui dari kisi-kisi instrumen, yaitu matriks yang berisi
bahan yang diujikan dan tingkat berpikir yang terlibat dalam pengerjaan ujian itu.
Kesahihan konstrak diperoleh dari hasil analisis faktor, yaitu jumlah faktor yang diukur
suatu ujian. Bukti kesahihan konstrak yang diukur adalah satu, atau dengan kata lain, dimensi
alat ukur adalah satu. Apabila yang diukur adalah kemampuan matematika, maka yang diukur
adalah kemampuan matematika saja, tidak ada unsur lain yang diukur, misalnya tulisan atau
bahasa. Demikian pula jika yang diukur kemampuan kosakata, maka yang diukur hanya
kemampuan itu, bukan kemampuan kalimat atau yang lain. Dalam hal ini, kalimat tidak
boleh membantu memaknai kosakata. Jika yang diukur ranah kognitif juga hanya aspek
kognitif, bukan yang lainnya.
Kesahihan kriteria merupakan koefisien yang menunjukkan seberapa jauh skor hasil
ujian dapat digunakan untuk memprediksi keberhasilan siswa pada masa datang. Jika hasil ujian
SMP dijadikan alat seleksi untuk menerima siswa di SMA maka item instrumen yang digunakan
dalam ujian SMP harus dapat dapat dipergunakan untuk meramalkan keberhasilannya belajar di
SMA. Koefisien prediktif ditunjukkan oleh koefisien korelasi antara hasil ujian SMP dan hasil
ujian akhir di SMA. Semakin besar koefien tersebut, semakin tinggi kesahihan prediktif
instrumen ujian SMP tersebut.
Keandalan suatu instrumen memberikan informasi tentang besarnya kesalahan
pengukuran. Keandalan suatu instrumen dapat dikegorikan menjadi tiga macam, yaitu
konsistensi internal, stabilitas, dan ekuivalen. Indeks konsistensi internal diperoleh dari data
hasil pengukuran dalam satu kali ujian. Indeks stabilitas merupakan tingkat kestabilan hasil
pengukuran yang dilakukan paling tidak dua kali untuk orang yang sama dalam waktu berbeda,
dengan asumsi tidak ada efek tes. Keandalan ekuivalen diperoleh dari korelasi hasil penskoran
dua instrumen berbeda dalam mengukur hal yang sama. Selain itu, jika satu lembar ujian dinilai
oleh lebih dari satu orang, korelasi hasil penskoran itu merupakan keandalan antarpenilai.
22
Besarnya indeks keandalan digunakan untuk menghitung kesalahan pengukuran.
Semakin andal suatu instrumen, semakin kecil kesalahan pengukuran. Kesalahan pengukuran
tersebut ada dua macam, yaitu acak dan sistematik. Kesalahan acak berarti kesalahan karena
kondisi yang diukur dan yang mengukur bervariasi dan pemilihan bahan yang diujikan tidak
tepat, sedangkan kesalahan sistematik terjadi karena instrumennya atau cara penskorannya yang
cenderung murah atau mahal untuk semua peserta ujian.
Sejalan dengan karakteristik penilaian berbasis kompetensi yang menggunakan acuan
kriteria, maka analisis kualitas instrumen juga dalam konteks untuk memenuhi standar kualitas
instrumen acuan kriteria. Beberapa formula dalam analisis kualitas instrumen untuk acuan
kriteria dan acuan norma ada yang sama, namun penafsirannya berbeda.
Analisis item tes acuan kriteria bertujuan mengetahui kemampuan seseorang menurut
kriteria tertentu. Jika penilaian yang dimaksud adalah penilaian formatif, maka penilaian acuan
kriteria diterapkan untuk mengetahui seberapa jauh kemampuan yang ditargetkan dapat dikuasai
oleh siswa. Dengan demikian syarat pertama yang harus dipenuhi adalah item tes yang
digunakan harus mencerminkan indikator kemampuan yang ditargetkan. Selain itu, karena
pembelajaran yang diselenggarakan untuk mengubah kondisi dari tidak kompetens menjadi
kompetens, maka target pembelajaran dan target penilaian adalah kemampuan yang tidak dapat
dikuasai siswa sebelum proses pembelajaran dan kemampuan yang berhasil dikuasai siswa
setelah proses pembelajaran.
Tingkat pencapaian suatu kompetensi dasar adalah proporsi jumlah peserta didik yang
mampu mendemonstrasikan dengan benar setiap indikator kompetensi dasar yang terkait, yaitu
perbandingan antara jumlah peserta didik yang mampu mendemosntrasikan dengan benar dan
jumlah peserta didik seluruhnya. Jika semua peserta didik berhasil menguasai suatu indikator
kompetensi dasar, maka P = 1 dan item instrumen tersebut dinyatakan dapat mengukur
keberhasilan peserta didik yang dicapai dalam proses pembelajaran, demikian pula jika P = O
maka item instrumen tersebut tidak dapat untuk mengukur keberhasilan peserta didik yang
dicapai dalam proses pembelajaran.
Karakteristik utama item instrumen tes acuan kriteria tercermin dari besarnya indeks
sensitivitas yang menunjukkan keefektifan proses pembelajaran. Hal itu dapat diketahui jika
dilakukan tes awal, sebelum pembelajaran, dan tes setelah pembelajaran . Indeks senitivitas
item tes memiliki interval 1 sampai dengan 1. Besarnya indeks sentivitas yang baik adalah
positif dan besar. Indeks sentivitas dapat dihitung dengan cara: jumlah peserta didik yang
menjawab benar setelah mengikuti proses pembelajaran dikurangi jumlah peserta didik yang
menjawab benar sebelum mengikuti proses pembelajaran dibagi jumlah seluruh peserta tes.
Jika tidak ada tes awal, indeks sentivitas dapat dilihat dari besarnya tingkat pencapaian
berdasarkan hasil tes akhir. Jika tingkat pencapaian suatu butir kecil (banyak peserta tes yang
gagal), maka proses pembelajaran tidak efektif. Namun demikian, harus diperhatikan pula
kualitas item tes tersebut secara kualitatif. Jika hasil analisis secara kualitatif menunjukkan baik
dari segi materi, konstruksi, maupun bahasa, butir tes sudah memenihu syarat, dapat diartikan
bahwa rendahnya indeks sensitivitas menunjukkan tidak efektifnya proses pembelajaran.
23
Keandalan suatu tes secara internal dihitung berdasar indeks Cronbach alpha.
Misalnya hasil tes 12 siswa yang terdiri dari 10 item tes adalah sebagai berikut.
Tabel 3. Hasil tes dari 12 testi yang mengerjakan 10 item tes prestasi untuk materi pokok YY.
Kode testi
10
Untuk menganaalisis reliabilitas instrumen pilih menu Scale kemudian pilih/klik menu
Reliability analysis sehingga tampak tampilan sebagai berikut.
24
Masukkan seluruh variabel yakni item 1 sampai item 10 ke dalam bok Items, pilih pula menu list
item labels untuk memperoleh label/keterangan item yang dianalisis sehingga tampak tampilan
sebagai berikut.
Pilih menu statistic untuk memperoleh informasi yang diinginkan, sehingga akan tampak
tmpilan sebagai berikut.
25
Pilih menu yang diinginkan seperti deskripsi item, korelasi dan kovariansi antar item, nilai ratarata, dan sebagainya sehingga akan tampak tampilan sebagai berikut.
Pilih/klik menu Continue dan akan tampak tampilan seperti semula sebagai berikut.
26
Pemrograman sudah selesai, tinggal pilih/klik menu OK sehingga akan diperoleh hasil analisis
reliabilitas sebagai berikut.
Reliability
Warnings
The covariance matrix is calculated and used in the analysis.
Each of the following component variables has zero variance and is removed from the
scale: item9
Valid
Excluded(a)
12
%
100.0
.0
Total
12
100.0
a Listwise deletion based on all variables in the procedure.
Reliability Statistics
Cronbach's
Alpha
.373
N of Items
.456
Hasil analisis menunjukkan bahwa berdasar hasil kerja 12 testi koefisien alpha dari Cronbach
hanya 0.375, padahal batas standar yang ditetapkan sebesar 0.456, jadi instrument yang diujikan
tidak reliable. Selain itu, item nomor 9 secara otomatis tisak teranalisis karena seluruh testi
berhasil mengerjakan item tersebut, dengan demikian item tersebut tidak dapat membedakan
antara siswa yang mampu mengerjakan dan siswa yang gaal. Dengan kenyataan ini
menunjukkan bahwa tujuan analisis reliabilitas juga mengarah kepada persyaratan acuan norma,
karena item tes yang dapat dikerjakan oleh seluruh testi secara otomatis dinyatakan sebagai item
yang tidak memenuhi syarat.
Item Statistics
item1
Mean
.5833
Std. Deviation
.51493
item2
.8333
.38925
12
item3
.8333
.38925
12
item4
.9167
.28868
12
item5
.4167
.51493
12
item6
.9167
.28868
12
item7
.5833
.51493
12
item8
.5000
.52223
12
item10
.5833
.51493
12
12
Hasil di atas menunjukkan nilai rata-rata tiap item beserta simpangan bakumnya.
27
Inter-Item Correlation Matrix
item1
item1
1.000
item2
-.378
item3
.529
item4
-.255
item5
-.314
item6
.357
item7
-.029
item8
-.169
item10
.314
item2
.674
-.076
-.135
.076
.447
-.378
-.378
1.000
-.200
item3
.529
-.200
1.000
-.135
.378
.674
.076
.000
.529
item4
-.255
.674
-.135
1.000
.255
-.091
.357
.302
-.255
item5
.029
.169
.029
-.314
-.076
.378
.255
1.000
.255
item6
.357
-.135
.674
-.091
.255
1.000
-.255
.302
.357
item7
-.029
.076
.076
.357
.029
-.255
1.000
-.169
-.029
item8
-.169
.447
.000
.302
.169
.302
-.169
1.000
-.169
.314
-.378
.529
-.255
.029
The covariance matrix is calculated and used in the analysis.
.357
-.029
-.169
1.000
item10
Korelasi antar item disajikan pada tabel Inter-Item Correlation Matrixs, sedangkan kovariansi
antar item disajikan pada tabel Inter-Item Covariance Matrixs. Harga covarians antar item
dipakai untuk perhitungan analisis statistika dalam perolehan koefisien korelasi.
Inter-Item Covariance Matrix
item1
item1
.265
item2
-.076
item3
.106
item4
-.038
item5
-.083
item6
.053
Item7
-.008
item8
-.045
item10
.083
item2
item3
-.076
.152
.106
-.030
-.030
.076
-.015
-.015
.015
.091
-.076
.152
-.015
.076
.076
.015
.000
item4
-.038
.106
.076
-.015
.083
.038
-.008
.053
.045
-.038
item5
item6
-.083
-.015
.076
.038
.265
.038
.008
.045
.008
.053
-.015
.076
-.008
.038
.083
-.038
.045
.053
item7
-.008
.015
.015
.053
.008
-.038
.265
-.045
-.008
item8
-.045
.091
.000
.045
.045
.045
-.045
.273
-.045
.083
-.076
.106
-.038
.008
The covariance matrix is calculated and used in the analysis.
.053
-.008
-.045
.265
item10
Minimum Maximum
Range
Maximum /
Minimum
Variance
N of Items
Item Means
.685
.417
.917
.500
2.200
.036
Item Variances
.200
.083
.273
.189
3.273
.007
Inter-Item Covariances
.012
-.083
.106
.189
-1.273
.003
Inter-Item Correlations
.085
-.378
.674
1.052
-1.784
.088
Untuk menguji reliabilitas item, dianalisis dengan uji korelasi dengan mengkorelasikan antara
skor setiap item dengan skor total item yang bersagkutan. Tampilan data dalam SPSS adalah
sebagai berikut.
28
Selanjutnya data dianalisis dengan memilih menu Correlate kemudian pilih/klik menu Bivariate
dan akan keluar tampilan sebagai berikut.
Selanjutnya masukkan seluruh item beserta skor totalnya ke dalam boks Variables untuk
dianalisis, sehingga keluar tampilan sebagai berikut.
29
Untuk memperoleh nilai rata-rata tiap item beserta simpangan baku pilih/klik menu Means and
standar deviations.
30
Kemudian pilih/klik menu Continue dan akan kembali ketampilan awal sebagai berikut.
Pemrograman telah selesai, pilih/klik menu OK dan akan diperoleh hasil sebagaio berikut.
Correlations
Descriptive Statistics
item1
item2
Mean
.5833
.8333
Std. Deviation
.51493
.38925
item3
.8333
.38925
12
item4
.9167
.28868
12
item5
.4167
.51493
12
item6
.9167
.28868
12
item7
.5833
.51493
12
item8
.5000
.52223
12
item9
1.0000
.00000
12
.5833
.51493
12
7.1667
1.64225
12
item10
Total
N
12
12
31
Correlations
item1
item1
Pearson
Correlation
Sig. (2-tailed)
N
item2
Pearson
Correlation
Sig. (2-tailed)
N
item3
Pearson
Correlation
Sig. (2-tailed)
N
item4
Pearson
Correlation
Sig. (2-tailed)
N
item5
Pearson
Correlation
Sig. (2-tailed)
N
item6
Pearson
Correlation
Sig. (2-tailed)
N
item7
Pearson
Correlation
Sig. (2-tailed)
N
item8
Pearson
Correlation
Sig. (2-tailed)
N
item9
Pearson
Correlation
Sig. (2-tailed)
N
item1
0
Pearson
Correlation
Sig. (2-tailed)
N
total
item2
item4
item5
item6
item7
item8
item9
item10
.(a)
.314
.305
-.378
.529
-.255
-.314
.357
-.029
-.169
total
.226
.077
.424
.320
.255
.930
.599
.320
.336
12
12
12
12
12
12
12
12
12
12
-.378
-.200
-.076
-.135
.076
.447
.(a)
-.378
.190
.226
.533
12
.
674(*)
.016
.815
.676
.815
.145
.226
.555
12
12
12
12
12
12
12
12
12
12
.529
-.200
-.135
.378
.076
.000
.(a)
.529
.758(**)
.077
.533
.676
.226
12
.
674(*)
.016
.815
1.000
.077
.004
12
12
12
12
12
12
12
12
12
12
-.135
.255
-.091
.357
.302
.(a)
-.255
.415
.424
12
.
674(*)
.016
.676
.424
.779
.255
.341
.424
.179
12
12
12
12
12
12
12
12
12
12
12
-.314
-.076
.378
.255
.255
.029
.169
.(a)
.029
.448
.320
.815
.226
.424
.424
.930
.599
.930
.144
12
12
12
12
12
12
12
12
12
12
.357
-.135
-.091
.255
-.255
.302
.(a)
.357
.607(*)
.255
.676
12
.
674(*)
.016
.779
.424
.424
.341
.255
.036
12
12
12
12
12
12
12
12
12
12
12
-.029
.076
.076
.357
.029
-.255
-.169
.(a)
-.029
.305
.930
.815
.815
.255
.930
.424
.599
.930
.336
12
12
12
12
12
12
12
12
12
12
12
-.169
.447
.000
.302
.169
.302
-.169
.(a)
-.169
.424
.599
.145
1.000
.341
.599
.341
.599
.599
.170
12
12
12
12
12
12
12
12
12
12
12
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
-.255
12
12
12
12
12
12
12
12
12
12
12
.314
-.378
.529
-.255
.029
.357
-.029
-.169
.(a)
.412
.320
.226
.077
.424
.930
.255
.930
.599
.183
12
.
758(**
)
.004
12
12
12
12
12
12
12
12
.415
.448
.
607(*)
.305
.424
.(a)
.412
.179
.144
.036
.336
.170
.183
12
12
12
12
12
12
12
12
Pearson
Correlation
.305
.190
Sig. (2-tailed)
.336
.555
item3
12
12
12
12
12
* Correlation is significant at the 0.05 level (2-tailed).
** Correlation is significant at the 0.01 level (2-tailed).
a Cannot be computed because at least one of the variables is constant.
Dari tabel matriks korelasi di atas kita dapat memperoleh korelasi antar item dan korelasi antara
setiap item dengan skor total untuk mengetahui reliabilitas masing-masing item. Taraf
signifikansinya untuk pengujian dua ekor juga sudah tersedia sehingga kita langsung tahu item
mana yang andal/reliabel dan yang tidak. Ternyata hanya item nomor 3 dan 6 yang memenuhi
32
persyaratan keandalan atau reliabilitas item, item nomor 9 bahkan tidak dianalisis karena semua
testi dapat mengerjakan. Jadi jika seluruh testi tidak dapat mengerjakan suatu item maka item
yang bersangkutan secara otomatis tidak akan dianlisis reliabilitasnya.
Cara yang kedua yaitu dengan melakukan analisis reliabilitas item menggunakan analisis
faktor. Berbeda dengan pemakaian analisis inferensial, analisis faktor menggunakan prinsip
reduksi. Dengan demikian item mana yang memenuhi persyaratan dan yang tidak, kita lihat
berdasarkan kesamaan nilai komponen utama (principle component) yang kita peroleh. Semakin
jauh selisih nilai KU dengan item-item lainnya maka item tersebut semakin tidak andal. Data
dalam SPSS akan tampak seperti berikut.
jLangkah selanjutnya pilih menu Analyze, terus menu Data reduction, kemudian pilih/klik
menuauh Factor dan akan tampak tampilan seperti berikut.
Masukkan seluruh item ke dalam boks Variables sehingga akan tampak tampilan seperti berikut.
33
Untuk memperoleh informasi deskriptifnya pilih menu Descriptives dan akan tampak tampilan
seperti berikut.
Bila sudah dipilih menu misalnya deskripsi dari analisis univariatnya, koefisien korelasinya dan
sebagainya yang kita akan inginkan akan tampak tampilan seperti berikut.
Bila telah selesai pilih/kil menu Contonue dan akan kembali ke tampilan semula seperti berikut.
34
Selanjutnya pilih menu extraction dan akan tampak tampilan seperti berikut.
berikut.
Pilih/klik menu Continue dan akan tampak tampilan awal seperti berikut.
35
Pilih/klik menu Varimax untuk memperoleh hasil analisis berrdasar variasi maksimumnya, dan
akan tampak tampilan seperti berikut.
Pilih/klik menu Continue dan akan kembali ke tampilan awal seperti berikut.
36
Pemrograman telah selesai dan pilih/klik menu OK dan akan diperoleh hasil analisis faktor
dengan metode reduksi sebagai berikut.
Factor Analysis
Warnings
There are fewer than two cases, at least one of the variables has zero variance, there is
only one variable in the analysis, or correlation coefficients could not be computed for all
pairs of variables. No further statistics will be computed.
Lagi-lagi ada penjelasan bahwa karena item nomor 9 nilai vaiansnya 0 maka analisis lanjut tidak
dilakukan. Hal ini karena analisis faktor didasarkan pada analisis korelasi. Oleh karena itu item
nomor 9 harus didrop sebelum analisis dilakukan, karena item nomor 9 otomatis harus
dinyatakan tidak andal.
Descriptive Statistics
item1
Mean
.5833
Std. Deviation
.51493
Analysis N
12
item2
.8333
.38925
12
item3
.8333
.38925
12
item4
.9167
.28868
12
item5
.4167
.51493
12
item6
.9167
.28868
12
item7
.5833
.51493
12
item8
.5000
.52223
12
item9
1.0000
.00000
12
item10
.5833
.51493
12
Correlation Matrix
37
Correlation
item1
item1
1.000
item2
-.378
item2
-.378
1.000
item3
.529
-.200
item4
-.255
.674
-.135
item5
-.314
-.076
.378
item6
.357
-.135
item7
-.029
.076
item8
-.169
.447
item9
item10
item3
.529
Item4
-.255
item5
-.314
item6
.357
item7
-.029
item8
-.169
item9
.
item10
.314
-.200
.674
-.076
-.135
.076
.447
-.378
1.000
-.135
.378
.674
.076
.000
.529
1.000
.255
-.091
.357
.302
-.255
.255
1.000
.255
.029
.169
.029
.674
-.091
.255
1.000
-.255
.302
.357
.076
.357
.029
-.255
1.000
-.169
-.029
.000
.302
.169
.302
-.169
1.000
-.169
1.000
.314
-.378
.529
-.255
.029
.357
-.029
-.169
1.000
item1
item2
item3
item4
item5
item6
item7
item8
item9
item10
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
Correlations
Descriptive Statistics
item1
item2
Mean
.0000
.1333
Std. Deviation
.00000
.35187
item3
.2667
.45774
15
item4
.3333
.48795
15
item5
.4000
.50709
15
item6
.5333
.51640
15
item7
.6667
.48795
15
item8
.7333
.45774
15
item9
.8667
.35187
15
item10
1.0000
.00000
15
total
4.9333
2.81493
15
15
15
Correlations
total
1
1
2
2
3
4
4
5
5
6
7
8
8
9
9
38
item1
Pearson
Correlation
Sig. (2-tailed)
N
item2
Pearson
Correlation
Sig. (2-tailed)
N
item3
Pearson
Correlation
Sig. (2-tailed)
N
item4
Pearson
Correlation
Sig. (2-tailed)
N
item5
Pearson
Correlation
Sig. (2-tailed)
N
item6
Pearson
Correlation
Sig. (2-tailed)
N
item7
Pearson
Correlation
Sig. (2-tailed)
N
item8
Pearson
Correlation
Sig. (2-tailed)
N
item9
Pearson
Correlation
Sig. (2-tailed)
N
item10
Pearson
Correlation
Sig. (2-tailed)
N
total
Pearson
Correlation
Sig. (2-tailed)
N
item1
item2
item3
item4
item5
Item6
item7
item8
item9
item10
total
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
15
15
15
15
15
15
15
15
15
15
15
.(a)
.480
.367
.277
.237
.154
.(a)
.587(*)
.650(**) .555(*)
.009
.032
.070
.179
.317
.396
.584
.022
15
15
15
15
15
15
15
15
15
15
15
.(a)
.650(**)
.426
.364
.237
.(a)
.791(**)
.009
.000
.002
.029
.113
.183
.396
.000
15
15
15
15
15
15
15
15
15
15
15
.500
.426
.277
.(a)
.849(**)
.(a)
.555(*) .853(**)
.866(**) .661(**)
.032
.000
.000
.007
.058
.113
.317
.000
15
15
15
15
15
15
15
15
15
15
15
.(a)
.480
.492
.320
.(a)
.871(**)
.070
.002
.000
.001
.024
.062
.245
.000
15
15
15
15
15
15
15
15
15
15
15
.(a)
.367
.419
.(a)
.862(**)
.179
.029
.007
.001
.001
.009
.120
.000
15
15
15
15
15
15
15
15
15
15
15
.(a)
.277
.426
.500
.(a)
.815(**)
.739(**) .866(**)
.764(**) .577(*)
.577(*) .756(**)
.756(**) .645(**)
.853(**) .555(*)
.317
.113
.058
.024
.001
.000
.032
.000
15
15
15
15
15
15
15
15
15
15
15
.(a)
.237
.364
.426
.492
.650(**)
.(a)
.761(**)
.645(**) .853(**)
.396
.183
.113
.062
.009
.000
.009
.001
15
15
15
15
15
15
15
15
15
15
15
.(a)
.154
.237
.277
.320
.419
.(a)
.567(*)
.555(*) .650(**)
.584
.396
.317
.245
.120
.032
.009
.027
15
15
15
15
15
15
15
15
15
15
15
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
.(a)
15
15
15
15
15
15
15
15
15
15
15
.(a)
.(a)
.
.000
.000
.000
.000
15
15
15
15
15
15
** Correlation is significant at the 0.01 level (2-tailed).
* Correlation is significant at the 0.05 level (2-tailed).
a Cannot be computed because at least one of the variables is constant.
.000
.001
.027
15
15
15
15
15
Dari hasil analisis korelasi skor item dengan skor total di atas, item 3, 4, 5, 6, dan 7
menunjukkan reliabilitas secara sangat signifikan (pada taraf kesalahan 1%), item 2 dan 9
memenuhi reliabilitas secara signifikan dengan taraf kesalahan 5%, sedangkan hasil analisis
dengan analisis factor tidak dapat diketahui hasilnya karena item 1 dan 10 memiliki varians
sebesar 0.
Factor Analysis
39
Warnings
There are fewer than two cases, at least one of the variables has zero variance, there is
only one variable in the analysis, or correlation coefficients could not be computed for all
pairs of variables. No further statistics will be computed.
Descriptive Statistics
item1
item2
Mean
.0000
.1333
Std. Deviation
.00000
.35187
Analysis N
15
15
Item3
.2667
.45774
15
Item4
.3333
.48795
15
Item5
.4000
.50709
15
Item6
.5333
.51640
15
Item7
.6667
.48795
15
Item8
.7333
.45774
15
Item9
.8667
.35187
15
Item10
1.0000
.00000
15
Correlation Matrix
Correlation
item1
item1
1.000
item2
.
Item3
.
item2
1.000
.650
item3
.650
item4
.555
item5
item6
item7
Item4
.
item5
.
item6
.
item7
.
item8
.
item9
.
.555
.480
.367
.277
.237
.154
1.000
.853
.739
.564
.426
.364
.237
.853
1.000
.866
.661
.500
.426
.277
.480
.739
.866
1.000
.764
.577
.492
.320
.367
.564
.661
.764
1.000
.756
.645
.419
.277
.426
.500
.577
.756
1.000
.853
.555
item8
.237
.364
.426
.492
.645
.853
1.000
.650
item9
.154
.237
.277
.320
.419
.555
.650
1.000
item10
1.000
item10
.
40
subjek
A
B
C
D
E
F
G
H
I
J
K
L
M
N
item1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
item2
0
0
0
0
0
0
0
0
0
0
0
0
0
1
item3
0
0
0
0
0
0
0
0
0
0
0
1
1
1
item4
0
0
0
0
0
0
0
0
0
0
1
1
1
1
item5
0
0
0
0
0
0
0
0
0
1
1
1
1
1
item6
0
0
0
0
0
0
0
1
1
1
1
1
1
1
item7
0
0
0
0
0
1
1
1
1
1
1
1
1
1
item8
0
0
0
0
1
1
1
1
1
1
1
1
1
1
item9
0
0
1
1
1
1
1
1
1
1
1
1
1
1
item10
1
1
1
1
1
1
1
1
1
1
1
1
1
1
total
1
1
2
2
3
4
4
5
5
6
7
8
8
9
9
item1
item2
Mean
.0667
.1333
Std. Deviation
.25820
.35187
item3
.2667
.45774
15
item4
.3333
.48795
15
item5
.4000
.50709
15
item6
.5333
.51640
15
item7
.6667
.48795
15
item8
.7333
.45774
15
item9
.8667
.35187
15
.9333
.25820
15
4.9333
2.81493
15
item10
total
N
15
15
Correlations
item1
Pearson
item1
1
item2
.681(**)
item3
.443
item4
.378
item5
.327
item6
.250
item7
.189
item8
.161
item9
.105
item10
-1.000(**)
Total
.400
41
Correlation
item2
item3
Sig. (2-tailed)
.005
.098
.165
.234
.369
.500
.566
.710
.140
15
15
15
15
15
15
15
15
15
15
15
.480
.367
.277
.237
.154
-.681(**)
.587(*)
Pearson
.681(**)
Correlation
Sig. (2-tailed)
.005
N
15
Pearson
Correlation
Sig. (2-tailed)
N
item4
Pearson
Correlation
Sig. (2-tailed)
N
item5
Pearson
Correlation
Sig. (2-tailed)
N
item6
Pearson
Correlation
Sig. (2-tailed)
N
item7
Pearson
Correlation
Sig. (2-tailed)
N
item8
Pearson
Correlation
Sig. (2-tailed)
N
item9
Pearson
Correlation
Sig. (2-tailed)
N
.650(**) .555(*)
.009
.032
.070
.179
.317
.396
.584
.005
.022
15
15
15
15
15
15
15
15
15
15
.443
.650(**)
.426
.364
.237
-.443
.791(**)
.098
.009
.000
.002
.029
.113
.183
.396
.098
.000
15
15
15
15
15
15
15
15
15
15
15
.500
.426
.277
-.378
.849(**)
.378
.555(*) .853(**)
.866(**) .661(**)
.165
.032
.000
.000
.007
.058
.113
.317
.165
.000
15
15
15
15
15
15
15
15
15
15
15
.327
.480
.492
.320
-.327
.871(**)
.234
.070
.002
.000
.001
.024
.062
.245
.234
.000
15
15
15
15
15
15
15
15
15
15
15
.250
.367
.419
-.250
.862(**)
.369
.179
.029
.007
.001
.001
.009
.120
.369
.000
15
15
15
15
15
15
15
15
15
15
15
.189
.277
.426
.500
-.189
.815(**)
.500
.317
.113
.058
.024
.001
.000
.032
.500
.000
15
15
15
15
15
15
15
15
15
15
15
.161
.237
.364
.426
.492
.650(**)
-.161
.761(**)
.566
.396
.183
.113
.062
.009
.000
.009
.566
.001
15
15
15
15
15
15
15
15
15
15
15
.105
.154
.237
.277
.320
.419
-.105
.567(*)
.710
.584
.396
.317
.245
.120
.032
.009
.710
.027
15
15
15
15
15
15
15
15
15
15
15
-.400
.739(**) .866(**)
.764(**) .577(*)
.577(*) .756(**)
.756(**) .645(**)
.645(**) .853(**)
.853(**) .555(*)
.555(*) .650(**)
item10
Pearson
-1.000(**) -.681(**) -.443
-.378
-.327
-.250
-.189
-.161
-.105
Correlation
Sig. (2-tailed)
.
.005
.098
.165
.234
.369
.500
.566
.710
N
15
15
15
15
15
15
15
15
15
total
Pearson
.400
.587(*) .791(**) .849(**) .871(**) .862(**) .815(**) .761(**) .567(*)
Correlation
Sig. (2-tailed)
.140
.022
.000
.000
.000
.000
.000
.001
.027
N
15
15
15
15
15
15
15
15
15
** Correlation is significant at the 0.01 level (2-tailed).
* Correlation is significant at the 0.05 level (2-tailed).
.140
15
15
-.400
.140
15
15
Dari hasil analisis korelasi skor item dengan skor total di atas, item 3, 4, 5, 6, dan 7
menunjukkan reliabilitas secara sangat signifikan (pada taraf kesalahan 1%), item 2 dan 9
memenuhi reliabilitas secara signifikan dengan taraf kesalahan 5%.
Factor Analysis
Descriptive Statistics
42
item1
item2
Mean
.0667
.1333
Std. Deviation
.25820
.35187
Analysis N
15
15
item3
.2667
.45774
15
item4
.3333
.48795
15
item5
.4000
.50709
15
item6
.5333
.51640
15
item7
.6667
.48795
15
item8
.7333
.45774
15
item9
.8667
.35187
15
item10
.9333
.25820
15
Correlation Matrix
Correlation item1
item1
1.000
item2
.681
item3
.443
item4
.378
item5
.327
item6
.250
item7
.189
item8
.161
item9
.105
item10
-1.000
item2
.681
1.000
.650
.555
.480
.367
.277
.237
.154
-.681
item3
.443
.650
1.000
.853
.739
.564
.426
.364
.237
-.443
item4
.378
.555
.853
1.000
.866
.661
.500
.426
.277
-.378
item5
.327
.480
.739
.866
1.000
.764
.577
.492
.320
-.327
item6
.250
.367
.564
.661
.764
1.000
.756
.645
.419
-.250
item7
.189
.277
.426
.500
.577
.756
1.000
.853
.555
-.189
item8
.161
.237
.364
.426
.492
.645
.853
1.000
.650
-.161
item9
.105
.154
.237
.277
.320
.419
.555
.650
1.000
-.105
-.443
-.378
-.327
-.250
-.189
-.161
-.105
1.000
Communalities
item1
item2
Initial
1.000
1.000
Extraction
.358
.488
item3
1.000
.670
item4
1.000
.722
item5
1.000
.723
item6
1.000
.656
item7
1.000
.553
item8
1.000
.472
item9
1.000
.252
item10
1.000
.358
Extraction Method: Principal Component Analysis.
Total
% of Variance
Cumulative %
% of Variance
Cumulative %
43
1
2
5.251
2.106
52.514
21.058
52.514
73.572
1.110
11.104
84.676
.520
5.198
89.874
.361
3.611
93.485
.265
2.647
96.132
.174
1.737
97.869
.120
1.201
99.069
.093
.931
100.000
10
.000
.000
Extraction Method: Principal Component Analysis.
5.251
52.514
52.514
100.000
Dari hasil analisis factor dapat diketahui bahwa keragaman jawaban dapat diterangkan oleh
item-item dalam instrumen hanya sebesar 52.514% (% of variance 52.514) selebihnya tidak
dapat dijelaskan oleh item-item dalam instrumen tersebut.
Component Matrix(a)
Componen
t
1
item1
item2
.598
.699
item3
.819
item4
.850
item5
.850
item6
.810
item7
.744
item8
.687
item9
.502
item10
-.598
Extraction Method: Principal Component Analysis.
a 1 components extracted.
Rotated Component Matrix(a)
a Only one component was extracted. The solution cannot be rotated.
Dari hasil analisis factor terhadap data di atas, item 3, 4, 5, 6, yang paling homogen, konsisten,
kemudian diikuti dengan item 7, kemudian item 2 dan 9, disusul oleh item 1, dan terakhir item
10 dengan nioai KU yang negatif. Jadi dapat disimpulkan bahwa yang memiliki reliabilitas item
terbaik adalah item 3, 4, 5, dan 6,
Menilik hasil-hasil di atas tampak bahwa perhitungan reliabilitas item tidak dapat lepas
dari perhitungan ukuran pemusatan (nilai rata-rata) dan ukuran penyimpangan (varians),
sehingga tetap mengacu pada acuan norma. Oleh karena itu, jika dikaitkan dengan pengukuran
yang mengacu pada acuan kriteria, hasil perhitungan reliabilitas baik untuk suatu intrumen
secara utuh maupun untuk setiap itemnya tidak dapat dipakai. Dengan demikian, kualitas
instrument untuk intrumen yang mengacu pada acuan criteria lebih kepada bagaimana teknik
mengkonstruksinya baik untuk memenuhi persyaratan materi, konstruksi, maupun bahasa.
Untuk menganalisis angket misalnya angket dengan skala Likert prosedurnya juga sama.
44
Misalnya angket skala Likert yang terdiri dari 9 item pertanyaan (question) setelah diberikan
pada responden memberikan hasil sebagai berikut.
Subjek
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
q1
5
4
5
4
3
2
1
1
2
2
2
2
3
5
4
q2
5
4
5
4
3
2
1
1
2
2
2
2
3
5
4
q3
5
4
5
4
3
2
1
1
2
2
2
2
3
5
4
q4
5
4
5
4
3
2
1
1
2
2
2
2
3
5
4
q5
5
4
5
4
3
2
1
1
2
2
2
2
3
5
4
q6
5
4
5
4
3
2
1
1
2
2
2
2
3
5
4
q7
5
4
5
4
3
2
1
1
2
2
2
2
3
5
4
q8
5
4
5
4
3
2
1
1
2
2
2
2
3
5
4
q9
5
4
5
4
3
2
1
1
2
2
2
2
3
5
4
total
45
36
45
36
27
18
9
9
18
18
18
18
27
45
36
P
Q
R
S
T
5
4
3
5
4
5
4
3
5
4
5
4
3
5
4
5
4
3
5
4
5
4
3
5
4
5
4
3
5
4
5
4
3
5
4
5
4
3
5
4
5
4
3
5
4
45
36
27
45
36
q8
q9
jumlah
q1
q2
Mean
3.3000
3.3000
Std. Deviation
1.38031
1.38031
q3
3.3000
1.38031
20
q4
3.3000
1.38031
20
q5
3.3000
1.38031
20
q6
3.3000
1.38031
20
q7
3.3000
1.38031
20
q8
3.3000
1.38031
20
q9
3.3000
1.38031
20
29.7000
12.42281
20
jumlah
N
20
20
Correlations
q1
q1
Pearson
Correlation
Sig. (2-tailed)
N
q2
q3
q4
q5
q6
q7
11.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**) 1.000(**)
.
20
20
20
20
20
20
20
20
20
20
45
q2
Pearson
Correlation
Sig. (2-tailed)
N
q3
Pearson
Correlation
Sig. (2-tailed)
N
q4
Pearson
Correlation
Sig. (2-tailed)
N
q5
Pearson
Correlation
Sig. (2-tailed)
N
q6
Pearson
Correlation
Sig. (2-tailed)
N
q7
Pearson
Correlation
Sig. (2-tailed)
N
q8
Pearson
Correlation
Sig. (2-tailed)
N
q9
Pearson
Correlation
Sig. (2-tailed)
N
total
Pearson
Correlation
Sig. (2-tailed)
1.000(**)
11.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**) 1.000(**)
20
20
20
20
20
20
20
20
20
20
1.000(**)1.000(**)
11.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**) 1.000(**)
20
20
20
20
20
20
20
20
20
20
1.000(**)1.000(**)1.000(**)
11.000(**)1.000(**)1.000(**)1.000(**)1.000(**) 1.000(**)
20
20
20
20
20
20
20
20
20
20
1.000(**)1.000(**)1.000(**)1.000(**)
11.000(**)1.000(**)1.000(**)1.000(**) 1.000(**)
20
20
20
20
20
20
20
20
20
20
1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)
11.000(**)1.000(**)1.000(**) 1.000(**)
20
20
20
20
20
20
20
20
20
20
1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)
11.000(**)1.000(**) 1.000(**)
20
20
20
20
20
20
20
20
20
20
1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)
11.000(**) 1.000(**)
20
20
20
20
20
20
20
20
20
20
1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)
1 1.000(**)
20
20
20
20
20
20
20
20
20
20
1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)
20
20
20
** Correlation is significant at the 0.01 level (2-tailed).
20
20
20
20
20
20
20
Dari hasil analisis korelasi skor item dengan skor total di atas, seluruh item memiliki reliabilitas
item yang sangat signifikan. Mengapa karena setiap responden konsisten dengan pilihannya.
Yang menjwab/memilih sangat setuju, untuk seluruh item dia nyatakan sangat setuju (skor 5),
demikian pula jika ia netral, maka seluruh item juga ia jawab dengan pilihan netral (skor 3)
Factor Analysis
Descriptive Statistics
q1
q2
Mean
3.3000
3.3000
Std. Deviation
1.38031
1.38031
Analysis N
20
20
46
q3
3.3000
1.38031
20
q4
3.3000
1.38031
20
q5
3.3000
1.38031
20
q6
3.3000
1.38031
20
q7
3.3000
1.38031
20
q8
3.3000
1.38031
20
q9
3.3000
1.38031
20
Correlation Matrix
Correlation
q1
q1
1.000
q2
1.000
q3
1.000
q4
1.000
q5
1.000
q6
1.000
q7
1.000
q8
1.000
q9
1.000
q2
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
q3
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
q4
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
q5
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
q6
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
q7
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
q8
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
q9
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
Communalities
q1
q2
Initial
1.000
1.000
Extraction
1.000
1.000
q3
1.000
1.000
q4
1.000
1.000
q5
1.000
1.000
q6
1.000
1.000
q7
1.000
1.000
q8
1.000
1.000
q9
1.000
1.000
Extraction Method: Principal Component Analysis.
Total
9.000
.000
% of Variance
100.000
.000
Cumulative %
100.000
100.000
.000
.000
100.000
.000
.000
100.000
Total
9.000
% of Variance
100.000
Cumulative %
100.000
47
5
.000
.000
100.000
.000
.000
100.000
.000
.000
100.000
.000
.000
100.000
.000
.000
Extraction Method: Principal Component Analysis.
100.000
Dari hasil analisis factor dapat diketahui bahwa seluruh keragaman jawaban (100%) dapat
diterangkan oleh item-item instrument yang ada (% of variance 100).
Component Matrix(a)
Componen
t
q1
q2
1
1.000
1.000
q3
1.000
q4
1.000
q5
1.000
q6
1.000
q7
1.000
q8
1.000
q9
1.000
Extraction Method: Principal Component Analysis.
a 1 components extracted.
Rotated Component Matrix(a)
a Only one component was extracted. The solution cannot be rotated.
Dari besarnya KU untuk tiap butir juga semuanya memiliki nilai 1.000, sehingga seluruh item
memenuhi persyaratan reliabilitas. Mengapa? Karena setiap responden konsisten dengan
pilihannya. Yang menjawab/memilih sangat setuju, untuk seluruh item dia nyatakan sangat
setuju (skor 5), demikian pula jika ia netral, maka seluruh item juga ia jawab dengan pilihan
netral (skor 3).