oleh: Hutomo Atman Maulana, S.Pd. M.Si Pelatihan Pengolahan Data Hasil Penelitian Mahasiswa Jurusan Tadris Matematika Semester VI (SPSS) Padang, 20 – 21 Juli 2017 oleh: Hutomo Atman Maulana, S.Pd. M.Si hutomomaulana@gmail.com hutomoedu.xyz

ANOVA Dua Arah Memeriksa efek dari : Contoh: Dua faktor pada variabel dependen Contoh: Apakah terdapat pengaruh faktor A dan faktor B terhadap variabel dependen ? Apakah terdapat pengaruh Model pembelajaran dan jenis kelamin terhadap Hasil belajar Siswa ?

Interaksi antar level yang berbeda pada dua faktor tersebut Contoh : Apakah terdapat interaksi antara 2 faktor yaitu faktor A dan faktor B terhadap variabel dependen ? Apakah terdapat interaksi antara Model pembelajaran dan jenis kelamin terhadap Hasil belajar Siswa ?

ANOVA Dua Arah Asumsi Normalitas Populasi berdistribusi normal Homogenitas Variansi Populasi mempunyai kesamaan variansi Independensi Error Random sampel yang Independen

Contoh Sebuah pabrik mempekerjakan karyawan dalam 4 shift (satu shift terdiri atas sekelompok pekerja yang berlainan). Manajer pabrik tersebut ingin mengetahui apakah ada perbedaan produktifitas yang nyata di antara 4 kelompok kerja yang ada selama ini. Selama ini setiap kelompok kerja terdiri atas wanita semua atau pria semua. Dan setelah kelompok pria bekerja dua hari berturut-turut, ganti kelompok wanita (tetap terbagi menjadi 4 kelompok) yang bekerja. Demikian seterusnya, dua hari untuk pria dan sehari untuk wanita.

Data

Hipotesis Faktor Shift : H0 : Tidak ada pengaruh faktor Shift terhadap produktifitas H1 : Ada pengaruh faktor Shift terhadap produktifitas Faktor Gender : H0 : Tidak ada pengaruh faktor Gender terhadap produktifitas H1 : Ada pengaruh faktor Gender terhadap produktifitas

Interaksi antara faktor Shift dan Faktor Gender : H0 : Tidak ada interaksi antara faktor Shift dan Gender terhadap produktifitas H1 : Ada interaksi antara faktor Shift dan Gender terhadap produktifitas

Hasil output SPSS Nilai-p untuk faktor Shift mendekati 0 <  = 0,05 (Ho ditolak) sehingga terdapat pengaruh faktor Shift terhadap produktifitas Nilai-p untuk faktor Gender adalah 0,019 <  = 0,05 (Ho ditolak) sehingga terdapat pengaruh faktor Gender terhadap produktifitas

Nilai-p untuk interaksi antara faktor Shift dan Gender adalah 0,598 > 0,05 sehingga H0 diterima yaitu berarti tidak terdapat interaksi antara faktor Shift dan Gender terhadap produktifitas

Analisis Pasca Anova : Shift Terdapat beda nyata antara Shift II dengan Shift IV dan Shift II dengan Shift I Terdapat beda nyata antara Shift IV dengan Shift II dan Shift IV dengan Shift I Dst

Analisis Pasca Anova : Gender Terdapat perbedaan nyata antara produktifitas pria dan produktifitas wanita

Analisis Butir Soal Analisis butir soal tes merupakan cara untuk mengetahui kualitas soal yang diujikan secara statistik. Analisis butir soal tes memiliki empat kriteria, yaitu 1. Validitas 2. Reliabilitas 3. Tingkat Kesukaran 4. Daya Pembeda

Pertama sekali, siapkan data dengan mengkoreksi lembar jawaban siswa yang telah diujikan dengan memberikan skor "1" untuk jawaban benar dan skor "0" untuk jawaban salah, <dapat dibuat dalam aplikasi M.Excel> seperti contoh berikut ini No Nama Siswa S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S14 S15 S16 S17 S18 S19 S20 Jumlah 1 X1 9 2 X2 6 3 X3 4 X4 10 5 X5 14 X6 7 X7 8 X8 X9 X10

A. Uji Validitas Analyze --> Correlate --> Bivariate Kotak “Variables” diisi Soal1 Soal2 Soal3 Soal4 Soal5 Soal6 Soal7 Soal8 Soal9 Soal10 Soal11 Soal12 Soal13 Soal 14…. Soal 20 Jumlah Klik Pearson, Klik Two-tailed, Klik Flag significant correlation Klik OK Analisis : Item soal dikatakan valid jika nilai r hitung > dari nilai r tabelnya.

Secara umum langkah-langkah yang dilakukan dalam pengujian validitas butir adalah sebagai berikut: Menghitung korelasi setiap butir (item) dengan skor total (corrected item-total correlation). Membandingkan nilai korelasi dengan tabel r dengan tingkat signifikansi α dan derajat bebas N-2. Pengambilan keputusan Jika r hasil > r tabel, item tersebut valid Jika r hasil < r tabel atau r bernilai negatif, maka item tersebut tidak valid Dalam penerapan SPSS, butir-butir yang tidak valid dikeluarkan dari proses dan pengujian diulang untuk butir-butir yang valid saja.

Penentuan kategori dari validitas instrument yang mengacu pada pengklasifikasian validitas yang dikemukakan oleh Guilford (1956, h.145) adalah sebagai berikut: 0,80 - 1,00: validitas sangat tinggi (sangat baik) 0,60 - 0,80: validitas tinggi (baik) 0,40 - 0,60: validitas sedang (cukup) 0,20 - 0,40: validitas rendah (kurang) 0,00 - 0,20: validitas sangat rendah (jelek) rxy 0,00 : tidak valid

B. Uji Reliabilitas Untuk menghitung reliabilitas tes Analyze --> Scale --> Reliability Analysis ... Kotak “Item” diisi Soal1 Soal2 Soal3 Soal4 Soal5 Soal6 Soal7 Soal8 Soal9 Soal10 Soal11 Soal12 Soal13 Soal 14 …Soal 20 Pada kolom model, klik Alpha, klik “List item labels”, Klik Statistics, Klik Item, Klik Continue Klik OK

Analisis: Berdasarkan nilai Cronbach's Alpha pada tabel Reliability Statistics diperoleh suatu nilai X dimana nilai ini ditafsirkan dengan kriteria Reliabilitas Kategori 0,800 - 1,000 Sangat tinggi 0,600 - 0,799 Tinggi 0,400 - 0,500 Cukup 0,200 - 0,399 Rendah 0- 0,200 Sangat rendah

C. Tingkat Kesukaran Analyze --> Descriptive Statistics --> Frequencies Kotak “Variables” diisi Soal1 Soal2 Soal3 Soal4 Soal5 Soal6 Soal7 Soal8 Soal9 Soal10 Soal11 Soal12 Soal13 Soal 14 Soal 15 Klik Statistics, Klik Mean, Klik Continue Klik OK

Analisis : dari hasil yangditunjukkan nilai MEAN pada tabel statistcs ditafsirkan pada rentang tingkat kesukaran, yaitu 0,00 - 0,20 = Sukar 0,21 - 0,70 = Sedang 0,71 - 1,00 = Mudah

D. Daya Pembeda Untuk menentukan daya pembeda, maka nilai perhitungan yang digunakan adalah rhitung pada SPSS yang dibandingkan dengan kriteria : 0.40 – 1.00 = Soal Baik 0.30 – 0.39 = Soal diterima dan diperbaiki 0.20 – 0.29 = Soal Diperbaiki 0.00 – 0.19 = Soal ditolak R hitung dapat dilihat dari nilai pearson correlation pada uji validitas

Regresi Linier Berganda

Asumsi Analisis Regresi Linier 1. Data Y berskala minimal interval Data X berskala minimal nominal (jika data X berskala nominal / ordinal harus menggunakan bantuan variabel dummy) 2. Existensi untuk setiap nilai dari variabel x yang tetap, y adalah variabel random dengan distribusi probabilitas tertentu yang mempunyai mean dan varians.

Asumsi Analisis Regresi Linier 3. Nilai y secara statistik saling bebas 4. Linieritas, nilai rata-rata y adalah sebuah fungsi garis lurus dari x 5. Homoscedasticity. Varians dari y adalah sama pada beberapa x 6. Distribusi normal pada beberapa nilai tertentu x, y mempunyai distribusi normal

Regresi Linier Berganda Model regresi linier berganda melibatkan lebih dari satu variabel bebas. Modelnya : Dimana Y = variabel terikat Xi = variabel bebas ( i = 1, 2, 3, …, k) 0 = intersep i = koefisien regresi ( i = 1, 2, 3, …, k) Model penduganya adalah

Regresi Linier Berganda Misalkan model regresi dengan kasus 2 peubah bebas X1 dan X2 maka modelnya : Sehingga setiap pengamatan Akan memenuhi persamaan

Contoh