RANCANGAN FAKTORIAL · Web viewLakukan uji lanjut, jika ada hipotesis penelitiannya pilih metode uji beda nyata terkecil (LSD) Jangan lupa bila ingin menampilkan hasil analisis deskriptifnya,

0

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:

Bambang Subali, M.S.

1

1. RANCANGAN FAKTORIAL DALAM PENELITIAN PENDIDIKANRancangan 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

Blok ke

Pembelajaran ulang Pembelajaran pemecahan soal

Pembejajaran berbasis komputer

Tanpa tes formatif

Dengan tes formatif

Tanpa tes formatif

Dengan tes formatif

Tanpa tes formatif

Dengan tes formatif

1 28.6 30.3 29.1 32.7 29.2 32.7

2 36.8 32.3 29.2 30.8 28.2 31.7

3 32.7 31.6 30.6 31.0 27.7 31.8

4 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.

2

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.

4

Pilih menu main effect kemudian masukkan kedua variabel ke dalam boks Model sehingga tampak tampilan sebagai berikut.

Pilih menu Interaction, blok kedua variabel dan masukkan ke dalam boks Model sehingga tampak tampilan sebagai berikut.

Type III

Type III

Type III

5

Pilih (klik) menu Continue sehingga muncul tampilan semula sebagai berikut.

Untuk menguji efek utama (main effect) dari masing-masing faktor, pilih menu Option sehingga muncul tampilan 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.

6

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

Nmcmmtd metode1 8 metode2 8 metode3 8mcmtes dgnfrmtf 12 tnpfrmtf 12

7

Descriptive Statistics

Dependent Variable: prestasi mcmmtd mcmtes Mean Std. Deviation Nmetode1 dgnfrmtf 31.2750 .86554 4

tnpfrmtf 32.6750 3.34801 4Total 31.9750 2.38432 8

metode2 dgnfrmtf 32.0750 1.43149 4tnpfrmtf 29.5000 .73485 4Total 30.7875 1.73324 8

metode3 dgnfrmtf 31.4000 1.40712 4tnpfrmtf 29.2750 1.92072 4Total 30.3375 1.92868 8

Total dgnfrmtf 31.5833 1.19912 12tnpfrmtf 30.4833 2.61528 12Total 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 Type I Sum of Squares df Mean Square F Sig.

Corrected Model 37.663(a) 5 7.533 2.236 .095

Intercept 23113.627 1 23113.627 6859.774 .000

mcmmtd 11.451 2 5.725 1.699 .211

mcmtes 7.260 1 7.260 2.155 .159

mcmmtd * mcmtes 18.952 2 9.476 2.812 .087

Error 60.650 18 3.369

Total 23211.940 24

Corrected Total 98.313 23a R Squared = .383 (Adjusted R Squared = .212)

Dari tabel sidik ragam atau tabel hasil analisis varians kita dapat melihat besarnya harga F hitung

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 Fhitung berturut-turut 2.155 dan 2.812 dan besarnya peluang kesalahan 15.9% dan 8.7%.

Estimated Marginal Means

8

1. mcmmtdEstimates


mcmmtd Mean Std. Error95% Confidence Interval

Lower Bound Upper Boundmetode1 31.975 .649 30.612 33.338metode2 30.787 .649 29.424 32.151metode3 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


(I) mcmmtd (J) mcmmtd

Mean Difference

(I-J) Std. Error Sig.(a)

95% Confidence Interval for Difference(a)

Lower Bound Upper Boundmetode1 metode2 1.188 .918 .212 -.741 3.116

metode3 1.637 .918 .091 -.291 3.566metode2 metode1 -1.188 .918 .212 -3.116 .741

metode3 .450 .918 .630 -1.478 2.378metode3 metode1 -1.637 .918 .091 -3.566 .291

metode2 -.450 .918 .630 -2.378 1.478Based on estimated marginal meansa Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).

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 df Mean Square F Sig.

Contrast 11.451 2 5.725 1.699 .211Error 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

9

Estimates

Dependent Variable: prestasi mcmtes Mean Std. Error 95% Confidence Interval Lower Bound Upper Bounddgnfrmtf 31.583 .530 30.470 32.697tnpfrmtf 30.483 .530 29.370 31.597



(I) mcmtes (J) mcmtes

Mean Difference

(I-J) Std. Error Sig.(a)

95% Confidence Interval for Difference(a)

Lower Bound Upper Bounddgnfrmtf tnpfrmtf 1.100 .749 .159 -.474 2.674tnpfrmtf dgnfrmti -1.100 .749 .159 -2.674 .474

Based on estimated marginal meansa 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


Sum of

Squares df Mean Square F Sig.Contrast 7.260 1 7.260 2.155 .159Error 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


mcmmtd mcmtes Mean Std. Error95% Confidence Interval

Lower Bound Upper Boundmetode1 dgnfrmtf 31.275 .918 29.347 33.203

tnpfrmtf 32.675 .918 30.747 34.603metode2 dgnfrmtf 32.075 .918 30.147 34.003

tnpfrmtf 29.500 .918 27.572 31.428metode3 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 interaksinya, maka meskipun kita meminta untuk uji lanjut dengan LSD, hasil yang keluar hanya

10

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 KOVARIANSAnalisis 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) Metode inkuiri (metode3)

pretes(X1i)

postes(Y1i)

pretes (X2i)

postes (Y2i)

pretes (X3i)

Postes (Y3i)

14 40 8 30 9 30

11 38 12 43 14 37

11 37 15 47 9 32

13 47 12 44 9 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.

Pilih (klik) menu Main effects dan masukkan kedua variabel (faktor perlakuan dan kovariatnya ke dalam boks Model, sehingga muncul tampilan semula sebagai berikut.

Type III

13

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.

Type III

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.

Univariate Analysis of Variance

15

Between-Subjects Factors

Nmcmmtd metode1 4 metode2 4 metode3 4


Dependent Variable: postes mcmmtd Mean Std. Deviation Nmetode1 40.5000 4.50925 4metode2 41.0000 7.52773 4metode3 32.7500 2.98608 4Total 38.0833 6.24439 12

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

SourceType I Sum of Squares df Mean Square F Sig.

Corrected Model 349.825(a) 3 116.608 11.795 .003Intercept 17404.083 1 17404.083 1760.388 .000mcmmtd 171.167 2 85.583 8.657 .010pretes 178.658 1 178.658 18.071 .003Error 79.092 8 9.887Total 17833.000 12Corrected 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 F hitung

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%.

Estimated Marginal Means

mcmmtd

16

Estimates


mcmmtd Mean Std. Error95% Confidence Interval

Lower Bound Upper Boundmetode1 38.929(a) 1.615 35.204 42.653metode2 40.371(a) 1.579 36.730 44.013metode3 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.



(I) mcmmtd (J) mcmmtd

Mean Difference

(I-J) Std. Error Sig.(a)95% Confidence Interval for

Difference(a)

Lower Bound Upper Boundmetode1

metode2 -1.443 2.234 .537 -6.595 3.710metode3 3.979 2.394 .135 -1.541 9.499

metode2

metode1 1.443 2.234 .537 -3.710 6.595metode3 5.422(*) 2.321 .048 .070 10.773

metode3

metode1 -3.979 2.394 .135 -9.499 1.541metode2 -5.422(*) 2.321 .048 -10.773 -.070

Based on estimated marginal means* The mean difference is significant at the .05 level.a Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).

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


Sum of

Squares Df Mean Square F Sig.Contrast 55.949 2 27.974 2.830 .118Error 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 atribut/level/taraf perlakuan maka atribut/level/taraf perlakuan pertama diberi kode 1 dan

17

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

Variabel dummy yang terbetuk

Tiga level/taraf/ atribut

Variabel dummy yang terbetuk

Empat level/taraf/ atribut Variabel dummy yang terbetuk

atribut/taraf/ level pertama diberi kode 1

atribut/taraf/ level kedua diberi kode 0

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

Dua variabel

atribut/taraf/ level 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

Tiga variabel

Karena eksperimennya hanya melibatkan tiga data maka pengkodean variabel dungu dalam seting data program SPSS adalah sebagai berikut.

Selanjutnya data dianalisis dengan diawali memilih menu analyse kemudian memilih menu regression, terus memilih linear, kemudian di ‘klik’ akan tampil tampailan sebagai berikut.

18

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)

ModelVariables Entered

Variables Removed Method

1 pretes, dummy2,

dummy1(a). Enter

a All requested variables entered.b Dependent Variable: postes

Model Summary

Model R R SquareAdjusted R

SquareStd. Error of the Estimate

1 .903(a) .816 .746 3.14428a Predictors: (Constant), pretes, dummy2, dummy1

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 Sum of

Squares Df Mean Square F Sig.1 Regression 349.825 3 116.608 11.795 .003(a) Residual 79.092 8 9.887 Total 428.917 11

a Predictors: (Constant), pretes, dummy2, dummy1b Dependent Variable: postes

Coefficients(a)

Model Unstandardized

CoefficientsStandardized Coefficients t Sig.

B Std. Error Beta

20

1 (Constant) 13.423 4.811 2.790 .024 dummy1 3.979 2.394 .314 1.662 .135 dummy2 5.422 2.321 .427 2.336 .048 pretes 1.886 .444 .699 4.251 .003

a Dependent Variable: postes

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 masing-masing 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 = 11.41666667Rata-rata observasi pretes siswa yang belajar dengan metode ceramah (∑X1i/ni) = 49/4 = 12.25Rata-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) = 38.929Dengan 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.

21

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.

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

22

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.

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.

23

Kode testi 1 2 3 4 5 6 7 8 9 10

A 1 0 1 0 0 1 0 0 1 1

B 1 1 1 1 0 1 0 1 1 1

C 1 0 1 1 1 1 1 0 1 1

D 0 1 0 1 0 0 1 0 1 0

E 1 1 1 1 1 1 0 1 1 0

F 0 1 1 1 1 1 1 1 1 1

G 1 1 1 1 0 1 1 0 1 0

H 1 1 1 1 0 1 1 0 1 1

I 0 1 0 1 0 1 0 1 1 0

J 1 1 1 1 0 1 1 1 1 1

K 0 1 1 1 1 1 0 0 1 1

L 0 1 1 1 1 1 1 1 1 0

Seting data dalam program SPSS adalah sebagai berikut.

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 rata-rata, dan sebagainya sehingga akan tampak tampilan sebagai berikut.

Pilih/klik menu Continue dan akan tampak tampilan seperti semula sebagai berikut.

Pemrograman sudah selesai, tinggal pilih/klik menu OK sehingga akan diperoleh hasil analisis reliabilitas sebagai berikut.

Reliability

Warnings

26

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

Case Processing Summary

N %Cases Valid 12 100.0 Excluded(a) 0 .0 Total 12 100.0

a Listwise deletion based on all variables in the procedure.

Reliability Statistics

Cronbach's Alpha

Cronbach's Alpha Based on Standardized Items

N of Items

.373 .456 9

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

Mean Std. Deviation Nitem1 .5833 .51493 12item2 .8333 .38925 12item3 .8333 .38925 12item4 .9167 .28868 12item5 .4167 .51493 12item6 .9167 .28868 12item7 .5833 .51493 12item8 .5000 .52223 12item10 .5833 .51493 12

Hasil di atas menunjukkan nilai rata-rata tiap item beserta simpangan bakumnya.

Inter-Item Correlation Matrix

item1 item2 item3 item4 item5 item6 item7 item8 item10item1 1.000 -.378 .529 -.255 -.314 .357 -.029 -.169 .314item2 -.378 1.000 -.200 .674 -.076 -.135 .076 .447 -.378item3 .529 -.200 1.000 -.135 .378 .674 .076 .000 .529item4 -.255 .674 -.135 1.000 .255 -.091 .357 .302 -.255

27

item5 -.314 -.076 .378 .255 1.000 .255 .029 .169 .029item6 .357 -.135 .674 -.091 .255 1.000 -.255 .302 .357item7 -.029 .076 .076 .357 .029 -.255 1.000 -.169 -.029item8 -.169 .447 .000 .302 .169 .302 -.169 1.000 -.169item10 .314 -.378 .529 -.255 .029 .357 -.029 -.169 1.000

The covariance matrix is calculated and used in the analysis.

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 item2 item3 item4 item5 item6 Item7 item8 item10item1 .265 -.076 .106 -.038 -.083 .053 -.008 -.045 .083item2 -.076 .152 -.030 .076 -.015 -.015 .015 .091 -.076item3 .106 -.030 .152 -.015 .076 .076 .015 .000 .106item4 -.038 .076 -.015 .083 .038 -.008 .053 .045 -.038item5 -.083 -.015 .076 .038 .265 .038 .008 .045 .008item6 .053 -.015 .076 -.008 .038 .083 -.038 .045 .053item7 -.008 .015 .015 .053 .008 -.038 .265 -.045 -.008item8 -.045 .091 .000 .045 .045 .045 -.045 .273 -.045item10 .083 -.076 .106 -.038 .008 .053 -.008 -.045 .265


Summary Item Statistics

Mean Minimum Maximum Range Maximum / Minimum

Variance N of Items

Item Means .685 .417 .917 .500 2.200 .036 9Item Variances .200 .083 .273 .189 3.273 .007 9Inter-Item Covariances .012 -.083 .106 .189 -1.273 .003 9Inter-Item Correlations .085 -.378 .674 1.052 -1.784 .088 9


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

Kemudian pilih/klik menu option sehingga keluar tampilan sebagai berikut.

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.

CorrelationsDescriptive Statistics

Mean Std. Deviation Nitem1 .5833 .51493 12item2 .8333 .38925 12item3 .8333 .38925 12item4 .9167 .28868 12item5 .4167 .51493 12item6 .9167 .28868 12item7 .5833 .51493 12item8 .5000 .52223 12item9 1.0000 .00000 12item10 .5833 .51493 12Total 7.1667 1.64225 12

Correlations

item1 item2 item3 item4 item5 item6 item7 item8 item9 item10 totalitem1

Pearson Correlation 1 -.378 .529 -.255 -.314 .357 -.029 -.169 .(a) .314 .305

Sig. (2-tailed) . .226 .077 .424 .320 .255 .930 .599 . .320 .336N 12 12 12 12 12 12 12 12 12 12 12

31

item2

Pearson Correlation -.378 1 -.200 .674(*

) -.076 -.135 .076 .447 .(a) -.378 .190

Sig. (2-tailed) .226 . .533 .016 .815 .676 .815 .145 . .226 .555N 12 12 12 12 12 12 12 12 12 12 12

item3

Pearson Correlation .529 -.200 1 -.135 .378 .674(*

) .076 .000 .(a) .529 .758(**)

Sig. (2-tailed) .077 .533 . .676 .226 .016 .815 1.000 . .077 .004N 12 12 12 12 12 12 12 12 12 12 12

item4

Pearson Correlation -.255 .674(*

) -.135 1 .255 -.091 .357 .302 .(a) -.255 .415

Sig. (2-tailed) .424 .016 .676 . .424 .779 .255 .341 . .424 .179N 12 12 12 12 12 12 12 12 12 12 12

item5

Pearson Correlation -.314 -.076 .378 .255 1 .255 .029 .169 .(a) .029 .448

Sig. (2-tailed) .320 .815 .226 .424 . .424 .930 .599 . .930 .144N 12 12 12 12 12 12 12 12 12 12 12

item6

Pearson Correlation .357 -.135 .674(*

) -.091 .255 1 -.255 .302 .(a) .357 .607(*)

Sig. (2-tailed) .255 .676 .016 .779 .424 . .424 .341 . .255 .036N 12 12 12 12 12 12 12 12 12 12 12

item7

Pearson Correlation -.029 .076 .076 .357 .029 -.255 1 -.169 .(a) -.029 .305

Sig. (2-tailed) .930 .815 .815 .255 .930 .424 . .599 . .930 .336N 12 12 12 12 12 12 12 12 12 12 12

item8

Pearson Correlation -.169 .447 .000 .302 .169 .302 -.169 1 .(a) -.169 .424

Sig. (2-tailed) .599 .145 1.000 .341 .599 .341 .599 . . .599 .170N 12 12 12 12 12 12 12 12 12 12 12

item9

Pearson Correlation .(a) .(a) .(a) .(a) .(a) .(a) .(a) .(a) .(a) .(a) .(a)

Sig. (2-tailed) . . . . . . . . . . .N 12 12 12 12 12 12 12 12 12 12 12

item10

Pearson Correlation .314 -.378 .529 -.255 .029 .357 -.029 -.169 .(a) 1 .412

Sig. (2-tailed) .320 .226 .077 .424 .930 .255 .930 .599 . . .183N 12 12 12 12 12 12 12 12 12 12 12

total

Pearson Correlation .305 .190 .758(*

*) .415 .448 .607(*) .305 .424 .(a) .412 1

Sig. (2-tailed) .336 .555 .004 .179 .144 .036 .336 .170 . .183 .N 12 12 12 12 12 12 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 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.

32

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.

Pilih/klik menu Number of factors, isikan angka 1 sehingga akan tampak tampilan seperti berikut.

Pilih/klik menu Continue dan akan tampak tampilan awal seperti berikut.

35

Pilih menu ratation dan akan tampak tampilan seperti berikut.

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 AnalysisWarnings

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.


Mean Std. Deviation Analysis Nitem1 .5833 .51493 12item2 .8333 .38925 12item3 .8333 .38925 12item4 .9167 .28868 12item5 .4167 .51493 12item6 .9167 .28868 12item7 .5833 .51493 12item8 .5000 .52223 12item9 1.0000 .00000 12item10 .5833 .51493 12

Correlation Matrix

item1 item2 item3 Item4 item5 item6 item7 item8 item9 item10Correlation item1 1.000 -.378 .529 -.255 -.314 .357 -.029 -.169 . .314 item2 -.378 1.000 -.200 .674 -.076 -.135 .076 .447 . -.378 item3 .529 -.200 1.000 -.135 .378 .674 .076 .000 . .529

37

item4 -.255 .674 -.135 1.000 .255 -.091 .357 .302 . -.255 item5 -.314 -.076 .378 .255 1.000 .255 .029 .169 . .029 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 item9 . . . . . . . . 1.000 . item10 .314 -.378 .529 -.255 .029 .357 -.029 -.169 . 1.000

Coba perhatikan data dan hasil analisisnya, apa yang terjadi?

subjek item1 item2 item3 item4 item5 item6 item7 item8 item9 item10 total

A 0 0 0 0 0 0 0 0 0 1 1B 0 0 0 0 0 0 0 0 0 1 1C 0 0 0 0 0 0 0 0 1 1 2D 0 0 0 0 0 0 0 0 1 1 2E 0 0 0 0 0 0 0 1 1 1 3F 0 0 0 0 0 0 1 1 1 1 4G 0 0 0 0 0 0 1 1 1 1 4H 0 0 0 0 0 1 1 1 1 1 5I 0 0 0 0 0 1 1 1 1 1 5J 0 0 0 0 1 1 1 1 1 1 6K 0 0 0 1 1 1 1 1 1 1 7L 0 0 1 1 1 1 1 1 1 1 8M 0 0 1 1 1 1 1 1 1 1 8N 0 1 1 1 1 1 1 1 1 1 9O 0 1 1 1 1 1 1 1 1 1 9

Correlations


Mean Std. Deviation Nitem1 .0000 .00000 15item2 .1333 .35187 15item3 .2667 .45774 15item4 .3333 .48795 15item5 .4000 .50709 15item6 .5333 .51640 15item7 .6667 .48795 15item8 .7333 .45774 15item9 .8667 .35187 15item10 1.0000 .00000 15total 4.9333 2.81493 15

Correlations

item1 item2 item3 item4 item5 Item6 item7 item8 item9 item10 totalitem1 Pearson

Correlation .(a) .(a) .(a) .(a) .(a) .(a) .(a) .(a) .(a) .(a) .(a)

Sig. (2-tailed) . . . . . . . . . . .N 15 15 15 15 15 15 15 15 15 15 15

38

item2 Pearson Correlation .(a) 1 .650(**) .555(*) .480 .367 .277 .237 .154 .(a) .587(*)

Sig. (2-tailed) . . .009 .032 .070 .179 .317 .396 .584 . .022N 15 15 15 15 15 15 15 15 15 15 15

item3 Pearson Correlation .(a) .650(**) 1 .853(**) .739(**) .564(*) .426 .364 .237 .(a) .791(**)

Sig. (2-tailed) . .009 . .000 .002 .029 .113 .183 .396 . .000N 15 15 15 15 15 15 15 15 15 15 15

item4 Pearson Correlation .(a) .555(*) .853(**) 1 .866(**) .661(**) .500 .426 .277 .(a) .849(**)

Sig. (2-tailed) . .032 .000 . .000 .007 .058 .113 .317 . .000N 15 15 15 15 15 15 15 15 15 15 15

item5 Pearson Correlation .(a) .480 .739(**) .866(**) 1 .764(**) .577(*) .492 .320 .(a) .871(**)

Sig. (2-tailed) . .070 .002 .000 . .001 .024 .062 .245 . .000N 15 15 15 15 15 15 15 15 15 15 15

item6 Pearson Correlation .(a) .367 .564(*) .661(**) .764(**) 1 .756(**) .645(**) .419 .(a) .862(**)

Sig. (2-tailed) . .179 .029 .007 .001 . .001 .009 .120 . .000N 15 15 15 15 15 15 15 15 15 15 15

item7 Pearson Correlation .(a) .277 .426 .500 .577(*) .756(**) 1 .853(**) .555(*) .(a) .815(**)

Sig. (2-tailed) . .317 .113 .058 .024 .001 . .000 .032 . .000N 15 15 15 15 15 15 15 15 15 15 15

item8 Pearson Correlation .(a) .237 .364 .426 .492 .645(**) .853(**) 1 .650(**) .(a) .761(**)

Sig. (2-tailed) . .396 .183 .113 .062 .009 .000 . .009 . .001N 15 15 15 15 15 15 15 15 15 15 15

item9 Pearson Correlation .(a) .154 .237 .277 .320 .419 .555(*) .650(**) 1 .(a) .567(*)

Sig. (2-tailed) . .584 .396 .317 .245 .120 .032 .009 . . .027N 15 15 15 15 15 15 15 15 15 15 15

item10 Pearson Correlation .(a) .(a) .(a) .(a) .(a) .(a) .(a) .(a) .(a) .(a) .(a)

Sig. (2-tailed) . . . . . . . . . . .N 15 15 15 15 15 15 15 15 15 15 15

total Pearson Correlation .(a) .587(*) .791(**) .849(**) .871(**) .862(**) .815(**) .761(**) .567(*) .(a) 1

Sig. (2-tailed) . .022 .000 .000 .000 .000 .000 .001 .027 . .N 15 15 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).a Cannot be computed because at least one of the variables is constant.

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

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.

39


Mean Std. Deviation Analysis Nitem1 .0000 .00000 15item2 .1333 .35187 15Item3 .2667 .45774 15Item4 .3333 .48795 15Item5 .4000 .50709 15Item6 .5333 .51640 15Item7 .6667 .48795 15Item8 .7333 .45774 15Item9 .8667 .35187 15Item10 1.0000 .00000 15

Correlation Matrix

item1 item2 Item3 Item4 item5 item6 item7 item8 item9 item10Correlation item1 1.000 . . . . . . . . . item2 . 1.000 .650 .555 .480 .367 .277 .237 .154 . item3 . .650 1.000 .853 .739 .564 .426 .364 .237 . item4 . .555 .853 1.000 .866 .661 .500 .426 .277 . item5 . .480 .739 .866 1.000 .764 .577 .492 .320 . item6 . .367 .564 .661 .764 1.000 .756 .645 .419 . item7 . .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

Perhatikan data berikut ini! Bagaimana setelah dianalisis?

subjek item1 item2 item3 item4 item5 item6 item7 item8 item9 item10 totalA 0 0 0 0 0 0 0 0 0 1 1B 0 0 0 0 0 0 0 0 0 1 1C 0 0 0 0 0 0 0 0 1 1 2

40

D 0 0 0 0 0 0 0 0 1 1 2E 0 0 0 0 0 0 0 1 1 1 3F 0 0 0 0 0 0 1 1 1 1 4G 0 0 0 0 0 0 1 1 1 1 4H 0 0 0 0 0 1 1 1 1 1 5I 0 0 0 0 0 1 1 1 1 1 5J 0 0 0 0 1 1 1 1 1 1 6K 0 0 0 1 1 1 1 1 1 1 7L 0 0 1 1 1 1 1 1 1 1 8M 0 0 1 1 1 1 1 1 1 1 8N 0 1 1 1 1 1 1 1 1 1 9O 1 1 1 1 1 1 1 1 1 0 9

Hasil analisis sebagai berikut

Correlations


Mean Std. Deviation Nitem1 .0667 .25820 15item2 .1333 .35187 15item3 .2667 .45774 15item4 .3333 .48795 15item5 .4000 .50709 15item6 .5333 .51640 15item7 .6667 .48795 15item8 .7333 .45774 15item9 .8667 .35187 15item10 .9333 .25820 15total 4.9333 2.81493 15

Correlations

item1 item2 item3 item4 item5 item6 item7 item8 item9 item10 Totalitem1 Pearson

Correlation 1 .681(**) .443 .378 .327 .250 .189 .161 .105 -1.000(**) .400

Sig. (2-tailed) . .005 .098 .165 .234 .369 .500 .566 .710 . .140 N 15 15 15 15 15 15 15 15 15 15 15item2 Pearson

Correlation .681(**) 1 .650(**) .555(*) .480 .367 .277 .237 .154 -.681(**) .587(*)

41

Sig. (2-tailed) .005 . .009 .032 .070 .179 .317 .396 .584 .005 .022 N 15 15 15 15 15 15 15 15 15 15 15item3 Pearson

Correlation .443 .650(**) 1 .853(**) .739(**) .564(*) .426 .364 .237 -.443 .791(**)

Sig. (2-tailed) .098 .009 . .000 .002 .029 .113 .183 .396 .098 .000 N 15 15 15 15 15 15 15 15 15 15 15item4 Pearson

Correlation .378 .555(*) .853(**) 1 .866(**) .661(**) .500 .426 .277 -.378 .849(**)

Sig. (2-tailed) .165 .032 .000 . .000 .007 .058 .113 .317 .165 .000 N 15 15 15 15 15 15 15 15 15 15 15item5 Pearson

Correlation .327 .480 .739(**) .866(**) 1 .764(**) .577(*) .492 .320 -.327 .871(**)

Sig. (2-tailed) .234 .070 .002 .000 . .001 .024 .062 .245 .234 .000 N 15 15 15 15 15 15 15 15 15 15 15item6 Pearson

Correlation .250 .367 .564(*) .661(**) .764(**) 1 .756(**) .645(**) .419 -.250 .862(**)

Sig. (2-tailed) .369 .179 .029 .007 .001 . .001 .009 .120 .369 .000 N 15 15 15 15 15 15 15 15 15 15 15item7 Pearson

Correlation .189 .277 .426 .500 .577(*) .756(**) 1 .853(**) .555(*) -.189 .815(**)

Sig. (2-tailed) .500 .317 .113 .058 .024 .001 . .000 .032 .500 .000 N 15 15 15 15 15 15 15 15 15 15 15item8 Pearson

Correlation .161 .237 .364 .426 .492 .645(**) .853(**) 1 .650(**) -.161 .761(**)

Sig. (2-tailed) .566 .396 .183 .113 .062 .009 .000 . .009 .566 .001 N 15 15 15 15 15 15 15 15 15 15 15item9 Pearson

Correlation .105 .154 .237 .277 .320 .419 .555(*) .650(**) 1 -.105 .567(*)

Sig. (2-tailed) .710 .584 .396 .317 .245 .120 .032 .009 . .710 .027 N 15 15 15 15 15 15 15 15 15 15 15item10 Pearson

Correlation -1.000(**) -.681(**) -.443 -.378 -.327 -.250 -.189 -.161 -.105 1 -.400

Sig. (2-tailed) . .005 .098 .165 .234 .369 .500 .566 .710 . .140 N 15 15 15 15 15 15 15 15 15 15 15total Pearson

Correlation .400 .587(*) .791(**) .849(**) .871(**) .862(**) .815(**) .761(**) .567(*) -.400 1

Sig. (2-tailed) .140 .022 .000 .000 .000 .000 .000 .001 .027 .140 . N 15 15 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).

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


Mean Std. Deviation Analysis Nitem1 .0667 .25820 15item2 .1333 .35187 15item3 .2667 .45774 15item4 .3333 .48795 15

42

item5 .4000 .50709 15item6 .5333 .51640 15item7 .6667 .48795 15item8 .7333 .45774 15item9 .8667 .35187 15item10 .9333 .25820 15

Correlation Matrix

item1 item2 item3 item4 item5 item6 item7 item8 item9 item10Correlation item1 1.000 .681 .443 .378 .327 .250 .189 .161 .105 -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 item10 -1.000 -.681 -.443 -.378 -.327 -.250 -.189 -.161 -.105 1.000

Communalities

Initial Extractionitem1 1.000 .358item2 1.000 .488item3 1.000 .670item4 1.000 .722item5 1.000 .723item6 1.000 .656item7 1.000 .553item8 1.000 .472item9 1.000 .252item10 1.000 .358

Extraction Method: Principal Component Analysis.

Total Variance Explained

ComponentInitial Eigenvalues Extraction Sums of Squared Loadings

Total % of Variance Cumulative % Total % of Variance Cumulative %1 5.251 52.514 52.514 5.251 52.514 52.5142 2.106 21.058 73.5723 1.110 11.104 84.6764 .520 5.198 89.8745 .361 3.611 93.485

43

6 .265 2.647 96.1327 .174 1.737 97.8698 .120 1.201 99.0699 .093 .931 100.00010 .000 .000 100.000


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)

Component

1item1 .598item2 .699item3 .819item4 .850item5 .850item6 .810item7 .744item8 .687item9 .502item10 -.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. Misalnya angket skala Likert yang terdiri dari 9 item pertanyaan (question) setelah diberikan pada responden memberikan hasil sebagai berikut.

Subjek q1 q2 q3 q4 q5 q6 q7 q8 q9 total

44

A 5 5 5 5 5 5 5 5 5 45B 4 4 4 4 4 4 4 4 4 36C 5 5 5 5 5 5 5 5 5 45D 4 4 4 4 4 4 4 4 4 36E 3 3 3 3 3 3 3 3 3 27F 2 2 2 2 2 2 2 2 2 18G 1 1 1 1 1 1 1 1 1 9H 1 1 1 1 1 1 1 1 1 9I 2 2 2 2 2 2 2 2 2 18J 2 2 2 2 2 2 2 2 2 18K 2 2 2 2 2 2 2 2 2 18L 2 2 2 2 2 2 2 2 2 18M 3 3 3 3 3 3 3 3 3 27N 5 5 5 5 5 5 5 5 5 45O 4 4 4 4 4 4 4 4 4 36P 5 5 5 5 5 5 5 5 5 45Q 4 4 4 4 4 4 4 4 4 36R 3 3 3 3 3 3 3 3 3 27S 5 5 5 5 5 5 5 5 5 45T 4 4 4 4 4 4 4 4 4 36

Bagaimana hasil analisisnya?

Correlations


Mean Std. Deviation Nq1 3.3000 1.38031 20q2 3.3000 1.38031 20q3 3.3000 1.38031 20q4 3.3000 1.38031 20q5 3.3000 1.38031 20q6 3.3000 1.38031 20q7 3.3000 1.38031 20q8 3.3000 1.38031 20q9 3.3000 1.38031 20jumlah 29.7000 12.42281 20

Correlations

q1 q2 q3 q4 q5 q6 q7 q8 q9 jumlahq1 Pearson

Correlation 11.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**) 1.000(**)

Sig. (2-tailed) . . . . . . . . . . N 20 20 20 20 20 20 20 20 20 20q2 Pearson

Correlation 1.000(**) 11.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**) 1.000(**)

Sig. (2-tailed) . . . . . . . . . . N 20 20 20 20 20 20 20 20 20 20q3 Pearson 1.000(**)1.000(**) 11.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**) 1.000(**)

45

Correlation Sig. (2-tailed) . . . . . . . . . . N 20 20 20 20 20 20 20 20 20 20q4 Pearson

Correlation 1.000(**)1.000(**)1.000(**) 11.000(**)1.000(**)1.000(**)1.000(**)1.000(**) 1.000(**)


Correlation 1.000(**)1.000(**)1.000(**)1.000(**) 11.000(**)1.000(**)1.000(**)1.000(**) 1.000(**)


Correlation 1.000(**)1.000(**)1.000(**)1.000(**)1.000(**) 11.000(**)1.000(**)1.000(**) 1.000(**)


Correlation 1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**) 11.000(**)1.000(**) 1.000(**)


Correlation 1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**) 11.000(**) 1.000(**)


Correlation 1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**) 1 1.000(**)

Sig. (2-tailed) . . . . . . . . . . N 20 20 20 20 20 20 20 20 20 20total Pearson

Correlation 1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**)1.000(**) 1

Sig. (2-tailed) . . . . . . . . . . N 20 20 20 20 20 20 20 20 20 20

** Correlation is significant at the 0.01 level (2-tailed).

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


Mean Std. Deviation Analysis Nq1 3.3000 1.38031 20q2 3.3000 1.38031 20q3 3.3000 1.38031 20q4 3.3000 1.38031 20q5 3.3000 1.38031 20q6 3.3000 1.38031 20

46

q7 3.3000 1.38031 20q8 3.3000 1.38031 20q9 3.3000 1.38031 20

Correlation Matrix

q1 q2 q3 q4 q5 q6 q7 q8 q9Correlation q1 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 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

Initial Extractionq1 1.000 1.000q2 1.000 1.000q3 1.000 1.000q4 1.000 1.000q5 1.000 1.000q6 1.000 1.000q7 1.000 1.000q8 1.000 1.000q9 1.000 1.000


Total Variance Explained

ComponentInitial Eigenvalues Extraction Sums of Squared Loadings

Total % of Variance Cumulative % Total % of Variance Cumulative %1 9.000 100.000 100.000 9.000 100.000 100.0002 .000 .000 100.0003 .000 .000 100.0004 .000 .000 100.0005 .000 .000 100.0006 .000 .000 100.0007 .000 .000 100.0008 .000 .000 100.000

47

9 .000 .000 100.000Extraction Method: Principal Component Analysis.

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)

Component

1q1 1.000q2 1.000q3 1.000q4 1.000q5 1.000q6 1.000q7 1.000q8 1.000q9 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).

Documents

RANCANGAN FAKTORIAL · Web viewLakukan uji lanjut, jika ada hipotesis penelitiannya pilih metode uji beda nyata terkecil (LSD) Jangan lupa bila ingin menampilkan hasil analisis deskriptifnya,