UJI VALIDITAS DAN RELIABILITAS

Presentasi berjudul: "UJI VALIDITAS DAN RELIABILITAS"— Transcript presentasi:

1 UJI VALIDITAS DAN RELIABILITAS
KONSEP DASAR PENGOLAHAN DAN ANALISA DATA

2 DIMULAI DENGAN PEMBUATAN ANGKET
INGAT TERLEBIH DAHULU BAHWA ANGKET MESTI VALID DAN REALIBEL APA ITU UJI VALIDITA DAN REABILITAS??

3 BILA DILAKUKAN UJI VALIDITAS DAN RELIABEL ?
SUATU KUSIONER DIKATAKAN VALID JIKA PERTANYAAN PADA KUSIONER MAMPU MENGUNGKAPKAN APA YANG AKAN DI UNGKAPKAN SEDANGKAN KUSIONER DIKATAKAN RELIABEL (HANDAL) JIKA DAPAT MENUNJUKKAN KEMANTAPAN, KEAJENGAN ATAU STABILITAS HASIL PENGAMATAN BILA DIPERGUNAKAN ATAU DI UKUR PADA WAKTU-WAKTU BERIKUTNYA DENGAN KONDISI SESUATU YANG DI UKUR TIDAK BERUBAH BILA DILAKUKAN UJI VALIDITAS DAN RELIABEL ?

4 DATA terbagi atas DATA KUALITATIF dan DATA KUANTITATIF
Data yang dinyatakan dalam bentuk bukan angka. Contoh : jenis pekerjaan, status marital, tingkat kepuasan kerja DATA KUANTITATIF : Data yang dinyatakan dalam bentuk angka Contoh : lama bekerja, jumlah gaji, usia, hasil ulangan DATA KUALITATIF KUANTITATIF JENIS DATA NOMINAL ORDINAL INTERVAL RASIO

5 CIRI : posisi data setara
DATA NOMINAL : Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi. CIRI : posisi data setara tidak bisa dilakukan operasi matematika (+, -, x, :) CONTOH : jenis kelamin, jenis pekerjaan DATA ORDINAL : Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau klasifikasi, tetapi di antara data tersebut terdapat hubungan CIRI : posisi data tidak setara tidak bisa dilakukan operasi matematika (+, -, x, :) CONTOH : kepuasan kerja, motivasi

6 DATA INTERVAL : Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik skala sudah diketahui. CIRI : Tidak ada kategorisasi bisa dilakukan operasi matematika CONTOH : temperatur yang diukur berdasarkan 0C dan 0F, sistem kalender DATA RASIO : Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik skala sudah diketahui dan mempunyai titik 0 absolut. CIRI : tidak ada kategorisasi bisa dilakukan operasi matematika CONTOH : gaji, skor ujian, jumlah buku

7 PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi
2. Pengolahan Data PROSEDUR PENGOLAHAN DATA : PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang membahas parameter-parameter populasi; jenis data interval atau rasio; distribusi data normal atau mendekati normal. Statistik NONPARAMETRIK : inferensi statistik tidak membahas parameter-parameter populasi; jenis data nominal atau ordinal; distribusi data tidak diketahui atau tidak normal .

8 JUMLAH VARIABEL : berdasarkan jumlah variabel dibagi menjadi
Analisis UNIVARIAT : hanya ada 1 pengukuran (variabel) untuk n sampel atau beberapa variabel tetapi masing-masing variabel dianalisis sendiri-sendiri. Contoh : korelasi motivasi dengan pencapaian akademik. Analisis MULTIVARIAT : dua atau lebih pengukuran (variabel) untuk n sampel di mana analisis antar variabel dilakukan bersamaan. Contoh : pengaruh motivasi terhadap pencapaian akademik yang dipengaruhi oleh faktor latar belakang pendidikan orang tua, faktor sosial ekonomi, faktor sekolah

9 2. Pengolahan Data MULAI Jenis Data ? Statistik Non Parametrik
NOMINAL INTERVAL Statistik Parametrik ORDINAL RASIO Jumlah Variabel ? Analisis Univariat SATU DUA / LEBIH Analisis Multivariat

10 3. PENYAJIAN DATA 4. MEMBUAT TABEL 5. MEMBUAT GRAFIK 6. DISTRIBUSI FREKUENSI 7. UKURAN PEMUSATAN 8. UKURAN LETAK 9. UKURAN PENYEBARAN

11 melalui nilai rata-rata
10. Normalitas, Hipotesis, Pengujian Distribusi Normal : kurva berbentuk bel, simetris, simetris terhadap sumbu yang melalui nilai rata-rata Kurtosis = keruncingan Skewness = kemiringan +3s  +2s  -s   +s  +2s  +3s 68% 95% 99% Lakukan uji normalitas Rasio Skewness & Kurtosis berada –2 sampai +2 Rasio = Jika tidak berdistribusi normal, lakukan uji melalui non parametrik (Wilcoxon, Mann-White, Tau Kendall) nilai Standard error

12 Uji Validitas Mengukur apa yg seharusnya diukur
Sejauh mana ketepatan dan kecermatan suatu instrumen pengukuran dalam melakukan fungsi Ukurnya Agar data yg diperoleh bisa relevan/sesuai dengan tujuan diadakannya pengukuran tsb

13 Contoh : Dalam mengukur motivasi Tentunya seorang peneliti yg membuat instrumen motivasi ini berharap agar instrumen penelitiannya bisa berfungsi dgn benar untuk mengukur motivasi syaratnya instrumen itu harus memiliki validitas yg tinggi

14 Memakai korelasi product momen: korelasi antar item dengan skor total dalam satu variabel
Validitas tinggi Azwar > 0.3 (koefisien validitas ini sudah dianggap memuaskan) Dalam output SPSS dilihat pada kolom corrected itemtotal corelation

15 Reliabilitas Sejauh mana hasil pengukuran dapat dipercaya. Sejauh mana hasil pengukuran dapat dipercaya bila dilakukan pengukuran pada waktu yg berbeda pada kelompok subjek yg sama diperoleh hasil yg relatif sama. >>>> asalkan aspek yg diukur dalam diri subjek memang belum berubah

16 Tinggi/rendahnya reliabilitas secara empirik
ditunjukkan oleh suatu angka yang disebut nilai koefisien reliabilitas Reliabilitas yg tinggi ditunjukkan dgn nilai 1.00, reliabilitas yg dianggap sudah cukup memuaskan atau tinggi adalah > 0.70 Ada beberapa teknik yg dipakai untuk menghitung reliabilitas diantaranya: alpha croncbach, splith half. Dalam SPSS kita sering memakai alpha croncbach

17 Misalkan kita ingin menguji validitas variabel motivasi
Bagaimana dengan penggunaan rumus ini (product moment) Misalkan kita ingin menguji validitas variabel motivasi Perhatikan data berikut

18 LAKUKAN UJI VALIDITAS TERHADAP DATA VARIABEL MOTIVASI DI ATAS

19 KALAU MENGGUNAKAN EXCELL KITA DAPAT LANSUNG MELAKUKAN SEBAGAI BERIKUT
PADA KOLOM TERAKHIR BUAT JUMLAH PADA KOLOM PALING BAWAH HITUNG DENGAN =CORREL(B4:B13, U4:U13) DAN LAKUKAN UNTUK SETIAP KOLOM

20 PERHATIKAN PERHITUNGANNYA

21 V : VALIT TV : TIDAK VALID

22 UJI RELIABILITAS INSTRUMEN PENELITIAN DENGAN CRONBACH ALPHA (MANUAL)
Rumus untuk menghitung koefisien reliabilitas instrument dengan menggunakan Cronbach Alpha adalah sebagai berikut:

23

24

25

26

27

28 KEMBALI KE UJI VALIDITAS DAN RELIABILITAS
MARI KITA BAHAS CONTOH BERIKUT

29 UJI VALIDITAS DAN RELIABILITAS
PENGUJIAN INSTRUMEN UJI VALIDITAS DAN RELIABILITAS Soal : Akan dilakukan penelitian pengaruh kepemimpinan dan motivasi kerja terhadap prestasi kerja Sebelum dilakukan penelitian masing-masing instrumen diuji cobakan dulu untuk mendapat instrumen yang valid dan reliable. Uji coba istrumen hanya sekali saja dilakukan kepada 20 responden.

30 Hasil tabulasi data untuk Variabel Kepemimpinan sebagai berikut:

31 A. Validitas dan Reliabilitas Instrumen kepemimpinan (X1)
Langkah 1 : Masukkan data hasil uji coba ke dalam data editor SPSS Langkah 2 : Klik [Analyze] [Scale] [Reliablity Analysis] Langkah 4 : Masukkan semua skor item (butir) kuesioner ke dalam kolom Items:, Pilih Model [Splithalf], klik kotak pada List item Labels Langkah 5 : klik opsi [Statistics] lalu pada Descriptive for klik [item] [Scale] [Scale if item deleted] pada opsi Intern Item klik kotak [Correlations] pada Summaries klik kotak [Correlation] lanjutkan [Continue] dan akhiri [OK] COBA SENDIRI DIRUMAH SEBAGAI TUGAS NO 1.B

32

33

34

35

36

37 B. Validitas dan Reliabilitas Motivasi Kerja (X2)
Hasil tabulasi data untuk Variabel Motivasi Kerja sebagai berikut:

38

39 Validitas dan Reliabilitas Prestasi Kerja (Y)
Hasil tabulasi data untuk Variabel Prestasi Kerja sebagai berikut:

40 TUGAS 1 UNTUK DATA DI ATAS (BOLEH JUGA BUAT DATA SENDIRI), LAKUKAN UJI VALIDITAS DENGAN MENGGUNAKAN RUMUS (SECARA MANUAL) DAN LENGKAPI DENGAN HASIL PERHITUNGAN DENGAN SPSS JUGA LAKUKAN UJI RELIABILITAS SECARA MANUAL DAN LENGKAPI DENGAN HASIL PERHITUNGAN DENGAN SPSS YANG PENTING MEMBERIKAN BERI ANALISA/PENAFSIRAN DARI HASIL PERHITUNGAN

41 Validitas tes Validitas isi (content Valdidity)
Apakah alat ukur tes telah memenuhi validitas isi Validitas Kriteria (Criterion Related Validity) diperoleh dengan membandingkan skor pengukuran dengan suatu kriteria yang telah ada Validitas Konsepsi (Construct Valididy) apakah alat ukur sudah sesuai dengan konsep yang ada

42 Beberapa pendekatan untuk mencari koefisien Reliabilitas
Ukur Ulang Ukur Setara Sekali Ukur Pendapat lain Uji-uji ulang Koefisien Reliabilitas Stabilitas Uji-uji setara  Koefisien reliabilitas kesetaraan Uji pilih paruh  Rumus Spearman-Brown, Rulon Uji Konsistensi Butir  Rumus KR, Alpha Cronbach

43 Contoh perhitungan dengan SPSS koefisien Reliabilitas
gaya kepemimpinan (untuk uji ulang) tentang gaya kepemimpinan

44 Kita ingin melihat apakah konsisten responden dalam
menjawab kusioner, lalu dilakukan uji ulang, diperoleh data berikut

45 Contoh perhitungan dengan SPSS koefisien Reliabilitas
gaya kepemimpinan Uji ulang Kita akan periksan konsistensi Reliabilitas terhadap 2 x tes yang dilakukan

46 Lakukan seperti menghitung koefisien korelasi bivariate
Diperoleh hasil sebagai berikut

47 Diperoleh r = 0.900 (sangat tinggi)
Dan sig = 0.00 < 0.01 Artinya hasil test I dan II sangat stabil

48 Selanjutnya uji setara
Dilakukan dua test untuk mengukur kesetaraan, dua perangkat test disiapkan terhadap objek yang sama. Kita akan menentukan tingkat reliabilitasnya Misalkan setelah dilakukan test untuk gaya kepemimpinan diperoleh data sebagai berikut

49 Berapakah tingkat Reliabilitasnya ??? Lakukan seperti langkah Yang tadi

50 Diperoleh hasil sebagai berikut
Silakan beri komentar /penjelasan terhadap hasil di atas

51 Tugas satu no 2 Buat data sebarang sebanyak 40 datum, lakukan uji Validitas dan reliabilitas Silakan buat uji sebanyak mungkin cara yang anda ketahui

52 UJI NORMALITAS Suatu distribusi (sebaran) dikatakan simetrik bila distribusi tersebut dapat dilipat sepanjang suatu sumbu tegak sehingga kedua belahannya saling menutupi. Suatu distribusi yg tdk setangkup terhadap sumbu tegaknya dikatakan menjulur.

53 Menjulur positif, bila menjulur ke sebelah kanan, ekor kanan lebih panjang dari ekor kiri. (lihat Walpole hal 57. Gambar 3.8 a) Menjulur negatif, bila menjulur ke sebelah kiri, ekor kiri lebih panjang dari ekor kanan.(lihat Walpole hal 57.Gambar 3.8 b)

54 Bagi dist.yg setangkup, nilai tengah & median terletak pd posisi yg sama.
Bila menjulur +, nilai2 besar di ekor kanan tdk terlalu banyak dipengaruhi nilai2 kecil ekor kiri, sehingga nilai tengah lebih besar dari mediannya. Bila menjulur -, nilai2 kecil di ekor kiri akan membuat nilai tengah lebih kecil dari median.

55 Koefisien kemenjuluran Pearson
Didefinisikan : Untuk sebaran yg setangkup sempurna, nilai tengah dan mediannya identik, sehingga nilainya nol.

56 Alat uji Normalitas yang lain
Dengan melihat nilai Mean, Median dan Modus Melihat dan

57 3. SPSS, Kolmogorov-Smirnov dan Shapiro-Wilk
(Analy ze  Descriptives  Explore (silakan dicoba sekarang) Selanjutnya: · Pilih y sebagai dependent list · Pilih x sebagai factor list, apabila ada lebih dari 1 kelompok data · Klik tombol Plots · Pilih Normality test with plots, seperti tampak pada gambar di bawah ini. · Klik Continue, lalu klik OK

58 Bila sig > , maka data berdistribusi normal
Diperoleh hasil sebagai berikut Bila sig > , maka data berdistribusi normal

59 4. Menggunakan 1-Sample K-S
Lakukan sekarang data yang tadi

60 Bila sig > , maka data berdistribusi normal
Diperoleh hasil sebagai berikut Bila sig > , maka data berdistribusi normal

61 Tugas satu no 4 Buat data sebarang sebanyak 40 datum, lakukan uji normalitas seperti di atas. Lakukan juga dengan uji chi-kuadrat, uji lilliefors,

62 UJI HOMOGENITAS 1. Menggunakan ANOVA
Analyze  Compare Mean  One-Way-Anova Misalkankan kita punya sekumpulan data berikut

63 Silakan coba sekarang H0 : Data homogen
terhadap variabel jenis kelamin Silakan coba sekarang Diperoleh hasil sebagai berikut

64 Apakah data berdistribusi normal
Kalau lupa dengan Anova dan Manova Kita bahas pada kesempatan lain

65 2. Dengan menu Explore (SPSS)
Silakan coba data yang tadi Diperoleh hasil sebagai berikut

66 Dikatakan homogen jika sig > 

67 Data Stem-and-Leaf Plot for
JK= Laki-Laki Frequency Stem & Leaf Stem width: Each leaf: case(s) Data Stem-and-Leaf Plot for JK= Perempuan Frequency Stem & Leaf 2.00 Extremes (>=66) Stem width: Each leaf: case(s) Perhatikan data di atas, maka jelas homogenitasnya seperti tabel di ats

68 Tugas satu no 5 Buat data sebarang sebanyak 40 datum, lakukan uji Homogenitas seperti di atas. Lakukan juga uji homogenitas dengan uji lain yang anda ketahui

69 3. Menggugnakan menu General linear model univariat Option, pilih Homogenity test Silakan coba data yang tadi

70 Uji linearitas Harap dipelajari sebelum kita bahas regresi linear
Dengan menu analyze  compare mean  mean Dengan menu Graphs  interactive  Scatteerplot Satt Harap dipelajari sebelum kita bahas regresi linear