UJI VALIDITAS KUISIONER

Transkripsi

1 UJI VALIDITAS KUISIONER Validitas adalah ketepatan atau kecermatan suatu instrumen dalam mengukur apa yang ingin dukur. Dalam pengujian instrumen pengumpulan data, validitas bisa dibedakan menjadi validitas faktor dan validitas item. Validitas faktor diukur bila item yang disusun menggunakan lebih dari satu faktor (antara faktor satu dengan yang lain ada kesamaan). Pengukuran validitas faktor ini dengan cara mengkorelasikan antara skor faktor (penjumlahan item dalam satu faktor) dengan skor total faktor (total keseluruhan faktor), sedangkan pengukuran validitas item dengan cara mengkorelasikan antara skor item dengan skor total item. Pada pembahasan ini akan dibahas untuk metode pengujian validitas item. Validitas item ditunjukkan dengan adanya korelasi atau dukungan terhadap item total (skor total), perhitungan dilakukan dengan cara mengkorelasikan antara skor item dengan skor total item. Bila kita menggunakan lebih dari satu faktor berarti pengujian validitas item dengan cara mengkorelasikan antara skor item dengan skor faktor, kemudian dilanjutkan mengkorelasikan antara skor item dengan skor total faktor (penjumlahan dari beberapa faktor). Dari hasil perhitungan korelasi akan didapat suatu koefisien korelasi yang digunakan untuk mengukur tingkat validitas suatu item dan untuk menentukan apakah suatu item layak digunakan atau tidak. Dalam penentuan layak atau tidaknya suatu item yang akan digunakan, biasanya dilakukan uji signifikansi koefisien korelasi pada taraf signifikansi 0,05, artinya suatu item dianggap valid jika berkorelasi signifikan terhadap skor total. Atau jika melakukan penilaian langsung terhadap koefisien korelasi, bisa digunakan batas nilai minimal korelasi 0,30. Menurut Azwar (9) semua item yang mencapai koefisien korelasi minimal 0,30 daya pembedanya dianggap memuaskan. Tetapi Azwar mengatakan bahwa bila jumlah item belum mencukupi kita bisa menurunkan sedikit batas kriteria 0,30 menjadi 0,25 tetapi menurunkan batas kriteria di bawah 0,20 sangat tidak disarankan. Untuk pembahasan ini dilakukan uji signifikansi koefisien korelasi dengan kriteria menggunakan r kritis pada taraf signifikansi 0,05 (signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian) Pada program SPSS teknik pengujian yang sering digunakan para peneliti untuk uji validitas adalah menggunakan korelasi Bivariate Pearson (Produk Momen Pearson) dan Corrected Item-Total Correlation. Masing-masing teknik perhitungan korelasi akan dibahas sebagai berikut: 1. Bivariate Pearson (Korelasi Produk Momen Pearson) Analisis ini dengan cara mengkorelasikan masing-masing skor item dengan skor total. Skor total adalah penjumlahan dari keseluruhan item. Item-item pertanyaan yang berkorelasi signifikan dengan skor total menunjukkan item-item tersebut mampu memberikan dukungan dalam mengungkap apa yang ingin diungkap. Pengujian menggunakan uji dua sisi dengan taraf signifikansi 0,05. Kriteria pengujian adalah sebagai berikut: - Jika r hitung r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-item pertanyaan berkorelasi signifikan terhadap skor total (dinyatakan valid). - Jika r hitung < r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-item pertanyaan tidak berkorelasi signifikan terhadap skor total (dinyatakan tidak valid). Contoh Kasus: Seorang mahasiswa bernama Andi melakukan penelitian dengan menggunakan skala untuk mengetahui atau mengungkap prestasi belajar seseorang. Andi membuat 10 butir pertanyaan dengan menggunakan skala Likert, yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju dan 4 = Sangat Setuju. Setelah membagikan skala kepada 12 responden didapatlah tabulasi data-data sebagai berikut: Tabel 1. Tabulasi Data (Data Fiktif) Subj Skor Item Skor ek Total

2 Langkah-langkah dengan program SPSS Ø Masuk program SPSS Ø Klik variable view pada SPSS data editor Ø Pada kolom Name ketik item1 sampai item10, kemudian terakhir ketikkan skortot (skor total didapat dari penjumlahan item1 sampai item10) Ø Pada kolom Decimals angka ganti menjadi 0 untuk seluruh item Ø Untuk kolom-kolom lainnya boleh dihiraukan (isian default) Ø Buka data view pada SPSS data editor Ø Ketikkan data sesuai dengan variabelnya, untuk skortot ketikkan total skornya. Ø Klik Analyze - Correlate - Bivariate Ø Klik semua variabel dan masukkan ke kotak variables Ø Klik OK. Hasil output yang diperoleh dapat diringkas sebagai berikut: Tabel. Hasil Analisis Bivariate Pearson Dari hasil analisis didapat nilai korelasi antara skor item dengan skor total. Nilai ini kemudian kita bandingkan dengan nilai r tabel, r tabel dicari pada signifikansi 0,05 dengan uji 2 sisi dan jumlah data (n) = 12, maka didapat r tabel sebesar 0,576 (lihat pada lampiran tabel r). Berdasarkan hasil analisis di dapat nilai korelasi untuk item 1, 9 dan 10 nilai kurang dari 0,576. Karena koefisien korelasi pada item 1, 9 dan 10 nilainya kurang dari 0,576 maka dapat disimpulkan bahwa item-item tersebut tidak berkorelasi signifikan dengan skor total (dinyatakan tidak valid) sehingga harus dikeluarkan atau diperbaiki. Sedangkan pada item-item lainnya nilainya lebih dari 0,576 dan dapat disimpulkan bahwa butir instrumen tersebut valid. 2. Corrected Item-Total Correlation Analisis ini dengan cara mengkorelasikan masing-masing skor item dengan skor total dan melakukan koreksi terhadap nilai koefisien korelasi yang overestimasi. Hal ini dikarenakan agar tidak terjadi koefisien item total yang overestimasi (estimasi nilai yang lebih tinggi dari yang sebenarnya). Atau dengan cara lain, analisis ini menghitung korelasi tiap item dengan skor total (teknik bivariate pearson), tetapi skor total disini tidak termasuk skor item yang akan dihitung. Sebagai contoh pada kasus di atas kita akan menghitung item 1 dengan skor total, berarti skor total didapat dari penjumlahan skor item 2 sampai item 10. Perhitungan teknik ini cocok digunakan pada skala yang menggunakan item pertanyaan yang sedikit, karena pada item yang jumlahnya banyak penggunaan korelasi bivariate (tanpa koreksi) efek overestimasi yang dihasilkan tidak terlalu besar.

3 Menurut Azwar (7) agar kita memperoleh informasi yang lebih akurat mengenai korelasi antara item dengan tes diperlukan suatu rumusan koreksi terhadap efek spurious overlap. Pengujian menggunakan uji dua sisi dengan taraf signifikansi 0,05. Kriteria pengujian adalah sebagai berikut: - Jika r hitung r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-item pertanyaan berkorelasi signifikan terhadap skor total (dinyatakan valid). - Jika r hitung < r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-item pertanyaan tidak berkorelasi signifikan terhadap skor total (dinyatakan tidak valid). Sebagai contoh kasus kita menggunakan contoh kasus dan data-data pada analisis produk momen di atas. Langkah-langkah pada program SPSS Ø Masuk program SPSS Ø Klik variable view pada SPSS data editor Ø Pada kolom Name ketik item1 sampai item 10 Ø Pada kolom Decimals angka ganti menjadi 0 untuk seluruh item Ø Untuk kolom-kolom lainnya boleh dihiraukan (isian default) Ø Buka data view pada SPSS data editor Ø Ketikkan data sesuai dengan variabelnya, Ø Klik Analyze - Scale Reliability Analysis Ø Klik semua variabel dan masukkan ke kotak items Ø Klik Statistics, pada Descriptives for klik scale if item deleted Ø Klik continue, kemudian klik OK, hasil output yang didapat adalah sebagai berikut: Item-total Statistics Tabel. Hasil Analisis Validitas Item dengan Teknik Corrected Item-Total Correlation R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A) Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted ITEM ITEM ITEM ITEM ITEM ITEM ITEM ITEM ITEM ITEM Reliability Coefficients N of Cases = 12.0 N of Items = 10 Alpha =.8384 Dari output di atas bisa dilihat pada Corrected Item Total Correlation, inilah nilai korelasi yang didapat. Nilai ini kemudian kita bandingkan dengan nilai r tabel, r tabel dicari pada signifikansi 0,05 dengan uji 2 sisi dan jumlah data (n) = 12, maka didapat r tabel sebesar 0,576 (lihat pada lampiran tabel r). Dari hasil analisis dapat dilihat bahwa untuk item 1, 5, 9 dan 10 nilai kurang dari 0,576. Karena koefisien korelasi pada item 1, 5, 9 dan 10 nilainya kurang dari 0,576 maka dapat disimpulkan bahwa butir instrumen tersebut tidak valid. Sedangkan pada item-item lainnya nilainya lebih dari 0,576 dan dapat disimpulkan bahwa butir instrumen tersebut valid. Sebagai catatan: analisis korelasi pada contoh kasus di atas hanya dilakukan satu kali, untuk mendapatkan hasil validitas yang lebih memuaskan maka bisa dilakukan analisis kembali sampai 2 atau 3 kali, sebagai contoh pada kasus di atas setelah di dapat 6 item yang valid, maka dilakukan analisis korelasi lagi untuk menguji 6 item tersebut, jika masih ada item yang tidak signifikan maka digugurkan, kemudian dianalisis lagi sampai didapat tidak ada yang gugur lagi.

4 UJI RELIABILITAS KUISIONER Uji reliabilitas digunakan untuk mengetahui konsistensi alat ukur, apakah alat pengukur yang digunakan dapat diandalkan dan tetap konsisten jika pengukuran tersebut diulang. Ada beberapa metode pengujian reliabilitas diantaranya metode tes ulang, formula belah dua dari Spearman-Brown, formula Rulon, formula Flanagan, Cronbach s Alpha, metode formula KR-20, KR-21, dan metode Anova Hoyt. Dalam program SPSS akan dibahas untuk uji yang sering digunakan penelitian mahasiswa adalah dengan menggunakan metode Alpha (Cronbach s). Metode alpha sangat cocok digunakan pada skor berbentuk skala (misal 1-4, 1-5) atau skor rentangan (misal 0-20, 0-50). Metode alpha dapat juga digunakan pada skor dikotomi (0 dan 1) dan akan menghasilkan perhitungan yang setara dengan menggunakan metode KR-20 dan Anova Hoyt. Uji signifikansi dilakukan pada taraf signifikansi 0,05, artinya instrumen dapat dikatakan reliabel bila nilai alpha lebih besar dari r kritis product moment. Atau kita bisa menggunakan batasan tertentu seperti 0,6. Menurut Sekaran (2), reliabilitas kurang dari 0,6 adalah kurang baik, sedangkan 0,7 dapat diterima dan di atas 0,8 adalah baik. Pada contoh kasus di atas setelah diuji validitasnya maka item-item yang gugur dibuang dan item yang tidak gugur dimasukkan kedalam uji reliabilitas. Jadi yang akan dihitung ada 6 item, karena 4 item telah digugurkan. Langkah-langkah pada program SPSS Ø Pada contoh kasus di atas kita telah menginput data item 1 sampai 10 Ø Klik Analyze - Scale - Reliability Analysis Ø Klik item yang tidak gugur dan masukkan ke kotak items. Jika item-item sudah berada dikotak items maka klik item yang gugur dan keluarkan dengan klik simbol arah Ø Klik Statistics, pada Descriptives for klik scale if item deleted Ø Klik Continue Ø Klik OK, hasil output yang didapat adalah sebagai berikut: Tabel 4. Hasil Analisis Reliabilitas dengan Teknik Alpha Item-total Statistics R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A) Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted ITEM ITEM ITEM ITEM ITEM ITEM Reliability Coefficients N of Cases = 12.0 N of Items = 6 Alpha =.8970 Dari hasil analisis di atas di dapat nilai Alpha sebesar 0,8970. Sedangkan nilai r kritis (uji 2 sisi) pada signifikansi 0,05 dengan jumlah data (n) = 12, di dapat sebesar 0,576 (lihat pada lampiran tabel r). Karena nilainya lebih dari 0,576, maka dapat disimpulkan bahwa butir-butir instrumen penelitian tersebut reliabel.

5 UJI LINIERITAS Uji linearitas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan yang linear atau tidak secara signifikan. Uji ini biasanya digunakan sebagai prasyarat dalam analisis korelasi atau regresi linear.pengujian pada SPSS dengan menggunakan Test for Linearity dengan pada taraf signifikansi 0,05. Dua variabel dikatakan mempunyai hubungan yang linear bila signifikansi (Linearity) kurang dari 0,05. Contoh kasus: Seorang mahasiswa bernama Joko melakukan penelitian untuk mengetahui hubungan antara kecemasan dengan optimisme pada remaja. Data-data skor total yang di dapat ditabulasikan sebagai berikut: Tabel. Tabulasi Data (Data Fiktif) Subjek Kecemasan Optimisme Langkah-langkah pada program SPSS Ø Masuk program SPSS Ø Klik variable view pada SPSS data editor Ø Pada kolom Name ketik x, untuk kolom Name baris kedua ketik y Ø Pada kolom Decimals angka ganti menjadi 0 untuk variabel x dan y Ø Untuk kolom Label ketik Kecemasan, untuk kolom Label pada baris kedua ketik Optimisme. Ø Kolom lainnya boleh dihiraukan (isian default) Ø Buka data view pada SPSS data editor Ø Terlihat kolom x dan y, x adalah variabel kecemasan dan y adalah variabel optimisme, ketikkan data sesuai dengan variabelnya. Ø Klik Analyze - Compare Means - Means Ø Klik variabel Optimisme dan masukkan ke kotak Dependent List, kemudian klik variabel Kecemasan dan masukkan ke Independent List. Ø Klik Options, pada Statistics for First Layer klik Test for Linearity, kemudian klik Continue Ø Klik OK, Dari output di atas dapat diketahui bahwa nilai signifikansi pada Linearity sebesar 0,006. Karena signifikansi kurang dari 0,05 maka dapat disimpulkan bahwa antara variabel kecemasan dan optimisme terdapat hubungan yang linear. UJI NORMALITAS

6 Uji normalitas digunakan untuk mengetahui apakah populasi data berdistribusi normal atau tidak. Uji ini biasanya digunakan untuk mengukur data berskala ordinal, interval, ataupun rasio. Jika analisis menggunakan metode parametrik, maka persyaratan normalitas harus terpenuhi yaitu data berasal dari distribusi yang normal. Jika data tidak berdistribusi normal, atau jumlah sampel sedikit dan jenis data adalah nominal atau ordinal maka metode yang digunakan adalah statistik non parametrik. Dalam pembahasan ini akan digunakan uji One Sample Kolmogorov-Smirnov dengan menggunakan taraf signifikansi 0,05. Data dinyatakan berdistribusi normal jika signifikansi lebih besar dari 5% atau 0,05. Contoh Kasus: Seorang mahasiswa bernama Bambang melakukan penelitian tentang faktor-faktor yang mempengaruhi harga saham pada perusahaan di BEJ. Data-data yang di dapat berupa data rasio dan ditabulasikan sebagai berikut: Tabel 5. Tabulasi Data (Data Fiktif) Tahu n Harga Saham (Rp) PER (%) ROI (%) Bambang dalam penelitiannya ingin mengetahui bagaimana hubungan antara rasio keuangan PER dan ROI terhadap harga saham. Dengan ini Bambang menganalisis dengan bantuan program SPSS dengan alat analisis regresi linear berganda. Sebelum dilakukan analisis tersebut dilakukan uji normalitas untuk mengetahui sebaran data. Sebagai catatan: bila menggunakan analisis regresi linear, uji normalitas bisa dilakukan dengan melihat nilai residualnya, apakah residual berasal dari distribusi normal ataukah tidak. Langkah-langkah pada program SPSS

7 Ø Masuk program SPSS Ø Klik variable view pada SPSS data editor Ø Pada kolom Name ketik y, kolom Name pada baris kedua ketik x1, dan pada kolom Name baris ketiga ketik x2. Ø Pada kolom Label, untuk kolom pada baris pertama ketik Harga Saham, untuk kolom pada baris kedua ketik PER, dan terakhir ketik ROI. Ø Untuk kolom-kolom lainnya boleh dihiraukan (isian default) Ø Buka data view pada SPSS data editor, maka didapat kolom variabel y, x1, dan x2 Ø Ketikkan data sesuai dengan variabelnya Ø Klik Analyze - Deskriptive Statistics - Explore Ø Klik variabel Harga saham, PER, dan ROI dan masukkan ke kotak Dependent List Ø Klik Plots Ø Klik Normality plots with tests, kemudian klik Continue Ø Klik OK, maka hasil output yang didapat pada kolom Test of Normality adalah sebagai berikut: Tabel. Hasil Uji Normalitas dengan Kolomogorov-Smirnov Dari hasil di atas kita lihat pada kolom Kolmogorov-Smirnov dan dapat diketahui bahwa nilai signifikansi untuk harga saham sebesar 0,05; untuk PER sebesar 0,; dan untuk ROI sebesar 0,. Karena signifikansi untuk seluruh variabel lebih besar dari 0,05 maka dapat disimpulkan bahwa data pada variabel harga saham, PER, dan ROI berdistribusi normal. Angka Statistic menunjukkan semakin kecil nilainya maka distribusi data semakin normal. df = jumlah data. ONE WAY ANOVA Uji ini digunakan untuk mengetahui ada atau tidaknya perbedaan rata-rata untuk lebih dari dua kelompok sampel yang tidak berhubungan. Jika ada perbedaan, rata-rata manakah yang lebih tinggi. Data yang digunakan biasanya berskala interval atau rasio. Contoh kasus: Menggunakan contoh kasus pada uji independent sample t test ditambah satu kelompok data yaitu kelas C. Seorang mahasiswa dalam penelitiannya ingin mengetahui apakah ada perbedaan nilai ujian antara kelas A, kelas B, dan kelas C pada fakultas Psikologi suatu universitas. Penelitian dengan menggunakan sampel sebanyak 20 responden yang diambil dari kelas A, kelas B. Dalam uji ini jumlah kelompok responden yang diambil tidak harus sama, misalnya kelas A sebanyak 7 orang, kelas B sebanyak 7 orang, dan kelas C sebanyak 6. Data-data yang didapat sebagai berikut: Tabel 39. Tabulasi Data (Data Fikti) No Nilai Ujian Kelas 1 32 Kelas A 2 35 Kelas A 3 41 Kelas A 4 39 Kelas A 5 45 Kelas A 6 43 Kelas A 7 42 Kelas A 8 35 Kelas B 9 36 Kelas B Kelas B Kelas B Kelas B

8 13 27 Kelas B Kelas B Kelas C Kelas C Kelas C Kelas C Kelas C Kelas C

9 Langkah-langkah uji dengan program SPSS Ø Masuk program SPSS Ø Klik variable view pada SPSS data editor Ø Pada kolom Name ketik nilaiujn, dan kolom Name pada baris kedua ketik kelas. Ø Pada kolom Decimals, ubah nilai menjadi 0 untuk semua variabel. Ø Pada kolom Label, untuk kolom pada baris pertama ketik Nilai Ujian, untuk kolom pada baris kedua ketik Kelas. Ø Pada kolom Values, untuk kolom pada baris pertama biarkan kosong (None). Untuk kolom pada baris kedua klik pada kotak kecil, pada value ketik 1, pada Value Label ketik kelas A, lalu klik Add. Langkah selanjutnya pada Value ketik 2, pada Value Label ketik kelas B, lalu klik Add. Selanjutnya pada Value ketik 3, pada Value Label ketik kelas C, lalu klik Add. Kemudian klik OK. Ø Untuk kolom-kolom lainnya boleh dihiraukan (isian default) Ø Buka data view pada SPSS data editor, maka didapat kolom variabel nilaiujn dan kelas. Ø Ketikkan data sesuai dengan variabelnya (pada variabel kelas ketik dengan angka 1, 2 dan 3 (1 menunjukkan kelas A, 2 menunjukkan kelas B, dan 3 menunjukkan kelas C) Ø Klik Analyze - Compare Means - One Way ANOVA Ø Klik variabel Nilai Ujian dan masukkan ke kotak Dependent List, kemudian klik variabel Kelas dan masukkan ke kotak Factor, kemudian klik Options, klik Descriptive dan Homogeneity of variance, lalu klik Continue. Ø Klik OK, maka hasil output yang didapat adalah sebagai berikut: Tabel. Hasil Uji One Way ANOVA Keterangan: Tabel Descriptives di atas telah dirubah kedalam bentuk baris (double klik pada output Descriptives, kemudian pada menu bar klik pivot, kemudian klik Transpose Rows and Columns) Sebelum dilakukan uji ANOVA maka dilakukan uji kesamaan varian (homogenitas) dengan Levene Test, uji ini digunakan untuk mengetahui apakah varian ketiga kelompok kelas sama. Data yang memenuhi syarat adalah jika varian sama atau subjek berasal dari kelompok yang homogen. Langkah-langkah uji homogenitas sebagai berikut: 1. Menentukan Hipotesis Ho : Ketiga varian adalah sama (varian kelompok kelas A, B dan C sama) Ha : Ketiga varian adalah berbeda (varian kelompok kelas A, B dan C sama) 2. Kriteria Pengujian (berdasar probabilitas / signifikansi) Ho diterima jika P value > 0,05 Ho ditolak jika P value < 0,05 3. Membandingkan probabilitas Nilai P value (0,395 > 0,05) maka Ho diterima. (lihat output pada test of homogeneity of variance)

10 4. Kesimpulan Oleh karena nilai probabilitas (signifikansi) adalah 0,395 lebih besar dari 0,05 maka Ho diterima, jadi dapat disimpulkan bahwa ketiga varian sama (varian kelompok kelas A, B dan C sama). Angka Levene Statistic menunjukkan semakin kecil nilainya maka semakin besar homogenitasnya. df1 = jumlah kelompok data-1 atau 3-1 = 2, sedangkan df2 = jumlah data jumlah kelompok data atau 20-3 = 17. Langkah-langkah uji ANOVA sebagai berikut: 1. Menentukan Hipotesis Ho : Tidak ada perbedaan antara rata-rata nilai ujian kelas A, kelas B dan kelas C Ha : Ada perbedaan antara rata-rata nilai ujian kelas A, kelas B dan kelas C 2. Menentukan tingkat signifikansi Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah dalam mengambil keputusan untuk menolak hipotesis yang benar sebanyak-banyaknya 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian) 3. Menentukan F hitung Dari tabel di atas didapat nilai F hitung adalah 14, Menentukan F tabel Dengan menggunakan tingkat keyakinan 95%, a = 5%, df 1 (jumlah variabel 1) = 2, dan df 2 (n-3) atau 20-3 = 17, hasil diperoleh untuk F tabel sebesar 3,592 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik =finv(0.05,2,17) lalu enter. 5. Kriteria pengujian - Ho diterima bila F hitung F tabel - Ho ditolak bila F hitung > F tabel 6. Membandingkan F hitung dengan F tabel. Nilai F hitung > F tabel (14,029 > 3,592), maka Ho ditolak. 7. Kesimpulan Karena F hitung > F tabel (14,029 > 3,592), maka Ho ditolak, jadi dapat disimpulkan bahwa ada perbedaan antara rata-rata nilai ujian kelas A, kelas B dan kelas C. Pada tabel Descriptives terlihat rata-rata (mean) untuk kelas A adalah 39,57, untuk kelas B adalah 30,57 dan kelas C adalah 40,83, artinya bahwa rata-rata nilai ujian kelas C paling tinggi, kemudian kelas A dan kelas B. ANALISIS KORELASI SEDERHANA Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi. Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua variabel. Dalam SPSS ada tiga metode korelasi sederhana (bivariate correlation) diantaranya Pearson Correlation, Kendall s tau-b, dan Spearman Correlation. Pearson Correlationdigunakan untuk data berskala interval atau rasio, sedangkan Kendall s taub,dan Spearman Correlation lebih cocok untuk data berskala ordinal. Pada bab ini akan dibahas analisis korelasi sederhana dengan metode Pearson atau sering disebut Product Moment Pearson. Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat, sebaliknya nilai mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai positif menunjukkan hubungan searah (X naik maka Y naik) dan nilai negatif menunjukkan hubungan terbalik (X naik maka Y turun). Menurut Sugiyono (7) pedoman untuk memberikan interpretasi koefisien korelasi sebagai berikut: 0,00-0, = sangat rendah 0,20-0,399 = rendah 0,40-0,599 = sedang 0,60-0,799 = kuat 0,80-1,000 = sangat kuat Contoh kasus: Seorang mahasiswa bernama Andi melakukan penelitian dengan menggunakan alat ukur skala. Andi ingin mengetahui apakah ada hubungan antara kecerdasan dengan prestasi belajar pada siswa SMU Negeri 1 Yogyakarta, dengan ini Andi membuat 2 variabel yaitu kecerdasan dan prestasi belajar. Tiap-tiap variabel dibuat beberapa butir pertanyaan dengan menggunakan skala Likert, yaitu angka 1 = Sangat tidak setuju, 2 = Tidak setuju, 3 = Setuju dan 4 = Sangat Setuju. Setelah membagikan skala kepada 12 responden didapatlah skor total item-item yaitu sebagai berikut:

11 Tabel. Tabulasi Data (Data Fiktif) Subj ek Kecerdasan Prestasi Belajar Langkah-langkah pada program SPSS Ø Masuk program SPSS Ø Klik variable view pada SPSS data editor Ø Pada kolom Name ketik x, kolom Name pada baris kedua ketik y. Ø Pada kolom Decimals ganti menjadi 0 untuk variabel x dan y Ø Pada kolom Label, untuk kolom pada baris pertama ketik Kecerdasan, untuk kolom pada baris kedua ketik Prestasi Belajar. Ø Untuk kolom-kolom lainnya boleh dihiraukan (isian default) Ø Buka data view pada SPSS data editor, maka didapat kolom variabel x dan y. Ø Ketikkan data sesuai dengan variabelnya Ø Klik Analyze - Correlate - Bivariate Ø Klik variabel Kecerdasan dan masukkan ke kotak Variables, kemudian klik variabel Prestasi Belajar dan masukkan ke kotak yang sama (Variables). Ø Klik OK, maka hasil output yang didapat adalah sebagai berikut: Tabel. Hasil Analisis Korelasi Bivariate Pearson Dari hasil analisis korelasi sederhana (r) didapat korelasi antara kecerdasan dengan prestasi belajar (r) adalah 0,766. Hal ini menunjukkan bahwa terjadi hubungan yang kuat antara kecerdasan dengan prestasi belajar. Sedangkan arah hubungan adalah positif karena nilai r positif, berarti semakin tinggi kecerdasan maka semakin meningkatkan prestasi belajar. - Uji Signifikansi Koefisien Korelasi Sederhana (Uji t) Uji signifikansi koefisien korelasi digunakan untuk menguji apakah hubungan yang terjadi itu berlaku untuk populasi (dapat digeneralisasi). Misalnya dari kasus di atas populasinya adalah siswa SMU Negeri 1 Yogyakarta dan sampel yang diambil dari kasus di atas adalah 12 siswa SMU Negeri 1 Yogyakarta, jadi apakah hubungan yang terjadi atau kesimpulan yang diambil dapat berlaku untuk populasi yaitu seluruh siswa SMU Negeri 1 Yogyakarta.

12 Langkah-langkah pengujian sebagai berikut: 1. Menentukan Hipotesis Ho : Tidak ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar Ha : Ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar 2. Menentukan tingkat signifikansi Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%. (uji dilakukan 2 sisi karena untuk mengetahui ada atau tidaknya hubungan yang signifikan, jika 1 sisi digunakan untuk mengetahui hubungan lebih kecil atau lebih besar). Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah dalam mengambil keputusan untuk menolak hipotesa yang benar sebanyak-banyaknya 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian) 3. Kriteria Pengujian Ho diterima jika Signifikansi > 0,05 Ho ditolak jika Signifikansi < 0,05 4. Membandingkan signifikansi Nilai signifikansi 0,004 < 0,05, maka Ho ditolak. 5. Kesimpulan Oleh karena nilai Signifikansi (0,004 < 0,05) maka Ho ditolak, artinya bahwa ada hubungan secara signifikan antara kecerdasan dengan prestasi belajar. Karena koefisien korelasi nilainya positif, maka berarti kecerdasan berhubungan positif dan signifikan terhadap pretasi belajar. Jadi dalam kasus ini dapat disimpulkan bahwa kecerdasan berhubungan positif terhadap prestasi belajar pada siswa SMU Negeri 1 Yogyakarta.

13 ANALISIS REGRESI LINIER SEDERHANA Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel independen (X) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.. Data yang digunakan biasanya berskala interval atau rasio. Rumus regresi linear sederhana sebagi berikut: Y = a + bx Keterangan: Y = Variabel dependen (nilai yang diprediksikan) X = Variabel independen a = Konstanta (nilai Y apabila X = 0) b = Koefisien regresi (nilai peningkatan ataupun penurunan) Contoh kasus: Seorang mahasiswa bernama Hermawan ingin meneliti tentang pengaruh biaya promosi terhadap volume penjualan pada perusahaan jual beli motor. Dengan ini di dapat variabel dependen (Y) adalah volume penjualan dan variabel independen (X) adalah biaya promosi. Dengan ini Hermawan menganalisis dengan bantuan program SPSS dengan alat analisis regresi linear sederhana. Data-data yang di dapat ditabulasikan sebagai berikut: Tabel. Tabulasi Data Penelitian (Data Fiktif) No Biaya Promosi Volume Penjualan 1 12,000 56, ,500 62, ,750 60, ,600 61, ,850 65, , 66, ,750 65, ,800 68, ,450 70, ,900 65, 11 18,250 68, ,480 64, 13 17,500 65, ,560 69, ,000 68, ,450 70, ,650 72, ,400 70, ,900 73, ,500 75,642 Langkah-langkah pada program SPSS Ø Masuk program SPSS Ø Klik variable view pada SPSS data editor Ø Pada kolom Name ketik y, kolom Name pada baris kedua ketik x. Ø Pada kolom Label, untuk kolom pada baris pertama ketik Volume Penjualan, untuk kolom pada baris kedua ketik Biaya Promosi. Ø Untuk kolom-kolom lainnya boleh dihiraukan (isian default) Ø Buka data view pada SPSS data editor, maka didapat kolom variabel y dan x. Ø Ketikkan data sesuai dengan variabelnya Ø Klik Analyze - Regression - Linear Ø Klik variabel Volume Penjualan dan masukkan ke kotak Dependent, kemudian klik variabel Biaya Promosi dan masukkan ke kotak Independent. Ø Klik Statistics, klik Casewise diagnostics, klik All cases. Klik Continue Ø Klik OK, maka hasil output yang didapat pada kolom Coefficients dan Casewise Diagnostics adalah sebagai berikut:

14 Tabel. Hasil Analisis Regresi Linear Sederhana Persamaan regresinya sebagai berikut: Y = a + bx Y = ,7 + 0,691X Angka-angka ini dapat diartikan sebagai berikut: - Konstanta sebesar ,7; artinya jika biaya promosi (X) nilainya adalah 0, maka volume penjulan (Y ) nilainya negatif yaitu sebesar ,7. - Koefisien regresi variabel harga (X) sebesar 0,691; artinya jika harga mengalami kenaikan Rp.1, maka volume penjualan (Y ) akan mengalami peningkatan sebesar Rp.0,691. Koefisien bernilai positif artinya terjadi hubungan positif antara harga dengan volume penjualan, semakin naik harga maka semakin meningkatkan volume penjualan. Nilai volume penjualan yang diprediksi (Y ) dapat dilihat pada tabel Casewise Diagnostics (kolom Predicted Value). Sedangkan Residual (unstandardized residual) adalah selisih antara Volume Penjualan dengan Predicted Value, dan Std. Residual (standardized residual) adalah nilai residual yang telah terstandarisasi (nilai semakin mendekati 0 maka model regresi semakin baik dalam melakukan prediksi, sebaliknya semakin menjauhi 0 atau lebih dari 1 atau -1 maka semakin tidak baik model regresi dalam melakukan prediksi). - Uji Koefisien Regresi Sederhana (Uji t) Uji ini digunakan untuk mengetahui apakah variabel independen (X) berpengaruh secara signifikan terhadap variabel dependen (Y). Signifikan berarti pengaruh yang terjadi dapat berlaku untuk populasi (dapat digeneralisasikan). Dari hasil analisis regresi di atas dapat diketahui nilai t hitung seperti pada tabel 2. Langkah-langkah pengujian sebagai berikut: 1. Menentukan Hipotesis Ho : Ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan Ha : Tidak ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan 2. Menentukan tingkat signifikansi

15 Tingkat signifikansi menggunakan a = 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian) 3. Menentukan t hitung Berdasarkan tabel diperoleh t hitung sebesar 10, Menentukan t tabel Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-k-1 atau = 17 (n adalah jumlah kasus dan k adalah jumlah variabel independen). Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel sebesar 2,110 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05,17) lalu enter. 5. Kriteria Pengujian Ho diterima jika t tabel < t hitung < t tabel Ho ditolak jika -thitung < -t tabel atau t hitung > t tabel 6. Membandingkan t hitung dengan t tabel Nilai t hitung > t tabel (10,983 > 2,110) maka Ho ditolak. 7. Kesimpulan Oleh karena nilai t hitung > t tabel (10,983 > 2,110) maka Ho ditolak, artinya bahwa ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan. Jadi dalam kasus ini dapat disimpulkan bahwa biaya promosi berpengaruh terhadap volume penjualan pada perusahaan jual beli motor.