Cara Melaksanakan Uji Statistik Deskriptif Dengan Software Spss

Cara Melakukan Uji Statistik Deskriptif dengan Software SPSS | Dalam sebuah penelitian deskripsi data itu penting untuk menawarkan citra data yang anda teliti. Disamping itu, dengan adanya deskripsi data ini, para pembaca akan lebih gampang untuk mengetahui paparan data dalam sebuah penelitian secara lebih terperinci dan jelas.

Software SPSS yakni aktivitas canggih yang salah satu fiturnya bisa membantu untuk melaksanakan Statistik Deskriptif terhadap data penelitian. Bagi anda yang belum mempuyai software ini sanggup Download Software SPSS Semua Versi Lengkap. Fungsi dari Statistik Deskriptif yakni menawarkan citra atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness (kemencengan distribusi).

Untuk mempermudah pemahaman kita dalam melaksanakan statistik deskriptif dengan sofwere SPSS, berikut kami uraikan langkah-langkah uji statistik deskriptif disertai dengan gambar panduan. Data yang akan saya dalam uji ini yakni data Hasil Belajar 20 siswa dalam mata pelajaran PPKn. Lihat hasil mencar ilmu siswa yang dimaksud pada tabel di bawah ini.

[Download Data Excel Input-Ouput SPSS]

Langkah-Langkah Uji Statistik Deskriptif dengan SPSS

1. Langkah pertama yakni persiapkan data yang akan di analisis (agar lebih gampang silahkan anda download terlebih dahulu rujukan data nilai PPKn di atas).
2. Buka aktivitas SPSS, selanjutnya klik Variable View, dibagian pojok kiri bawah. Kemudian pada bab Name tuliskan Nilai, pada bab Decimals ubah menjadi angka 0, pada bab Label ketikkan Nilai PPKn dan pada bab Measure pilih Scale, abaikan pilihan lainnnya dan biarkan tetap default. Lihat gambar di bawah ini.

3. Klik Data View (dibagian pojok kiri bawah) dan masukkan Data Nilai PPKn ke-20 orang siswa di atas. Bisa dilakukan dengan cara copy data nilai dari file excel tersebut kemudian pastekan ke SPSS. Tampak di layar sebagai berikut.

4. Selanjutnya dari sajian utama SPSS, pilih Analyze, kemudian pilih sub sajian Descriptive Statistic, kemudian pilih Descriptives...

5. Nah, kini sudah tampil kotak obrolan baru dengan nama "Descriptives". Kemudian isikan kotak variable(s) dengan variabel Nilai PPKn [Nilai].

6. Langkah selanjutnya, untuk melaksanakan analisis statistik deskriptif apa saja yang ingin dipilih, maka klik Options... maka muncul kotak obrolan "Descriptives: Options" selanjutnya anda tinggal menawarkan tanda ceklist (V) untuk statisitik deskriptif yang ingin digunakan atau ditampilkan di output SPSS. Misal saya berikan tanda centang pada Mean, Std. Deviation, Variance, Maximum, Minimum, Sum, Range, Kurtosis dan Skewness. Maka akan tampak sebagaimana tampilan di bawah ini.

7. Setelah itu, pilih Continue dan OK untuk mengakhiri perintah. Selanjutnya akan muncul tampilan Output SPSS Statistik Deskriptif untuk Nilai PPKn.

Interpretasi Tabel Output Uji Statistik Deskriptif SPSS

Tampilan tabel Output SPSS di atas memperlihatkan jumlah responden (N) ada 20, dari 20 responden ini nilai siswa terkecil (Minimum) yakni 63, dan nilai siswa terbesar (Maximum) yakni 95. Nilai Range merupakan selisih nilai minimum dan maximum yakni sebesar 32 dan nilai Sum merupakan penjumlahan dari nilai PPKn ke-20 siswa (responden) yaitu sebesar 1623. Rata-rata nilai dari 20 responden atau Mean sebesar 81,15 dengan Standar Deviasi sebesar 7,673.

Skewness dan Kurtosis merupakan ukuran untuk melihat apakah data Nilai PPKn didistribusikan secara normal atau tidak. Skewness mengukur kemencengan dari data sementara Kurtosis mengukur puncak dari distribusi data. Data dikatakan berdistribusi normal kalau memiliki nilai Skewness dan Kurtosis mendekati nol. Hasil tampilan output SPSS menawarkan nilai Skewness dan Kurtosis masing-masing yaitu -0,074 dan 0,356, sehingga sanggup disimpulkan bahwa data Nilai PPKn berdistribusi secara normal.

Nah bagaimana berdasarkan anda?, cukup gampang bukan… demikian cara melaksanakan statistik deskriptif dengan software SPSS, selamat mecoba dan semoga berhasil. Lihat juga panduan cara melaksanakan Uji Validitas Product Momen dengan SPSS

[Kata Kunci Pencarian: Cara Melakukan Statistik Deskriptif dengan Software SPSS, langkah-langkah melaksanakan Statistik Deskriptif dengan Program SPSS, Tutorial bergambar Melakukan Statistik Deskriptif dengan SPSS][Img: Gambar Program SPSS versi 21]

Read More

Cara Uji Relasi Parsial Dengan Spss Serta Interpretasi Lengkap

Cara Uji Korelasi Parsial dengan SPSS Serta Interpretasi Lengkap | Secara umum uji hubungan bertujuan untuk mengetahui keeratan hubungan antar variabel yang diteliti (yakni hubungan antara variabel X dengan variabel Y). Korelasi atau hubungan yang terbentuk antar variabel ini sanggup bersifat hubungan postif ataupun hubungan negatif. Hal ini sanggup dilihat menurut nilai koefisein hubungan dari hasil analisis apakah bernilai plus (+) atau minus (-). Jika plus (+) maka hubungan yang terbentuk antar variabel bersifat positif. Sementara kalau koefisein hubungan bernilai minus (-) maka artinya hubungan yang terbentuk antar variabel tersebut ialah hubungan negatif. Hubungan positif bermakna bahwa kalau variabel X mengalami peningkatan maka variabel Y juga akan mengalami peningkatan. Sementara hubungan negatif bermakna bahwa kalau variabel X mengalami penurunan maka variabel Y akan mengalami peningkatan.

Uji hubungan sanggup dilakukan dengan beberapa teknik atau metode analisis statistik tergantung dari skala data dari masing-masing variabel yang digunakan dalam penelitian. Misalnya: uji hubungan koefisien cramer lambda digunakan untuk data berskala nominal. Sementara uji hubungan kendall dan rank spearman cocok digunakan untuk data berskala ordinal. Sedangkan untuk data berskala rasio atau interval memakai uji hubungan pearson

Uji hubungan parsial disebut juga dengan analisis hubungan pearson dengan variabel kontrol atau variabel pengendali yang diasumsikan nilainya tetap atau konstan. Penggunaan variabel kontrol dalam analisis korelasi bertujuan untuk mengetahui apakah hubungan yang sudah terbentuk antara variabel X dengan variabel Y dipengaruhi oleh variabel kontrol tersebut atau tidak.

Derajad Keearatan Hubungan dalam Uji Korelasi

Dalam bukunya [V. Wiratna Sujarweni. 2014. SPSS untuk Penelitian. Yogyakarta: Pustaka Baru Press. Hal-127] menjelaskan bahwa keeratan hubungan atau koefisien hubungan antar variabel sanggup dikelompokkan sebagai berikut:

1. Nilai koefisien hubungan 0,00 hingga 0,20 berarti hubungan sangat lemah.
2. Nilai koefisien hubungan 0,21 hingga 0,40 berarti hubungan lemah.
3. Nilai koefisien hubungan 0,41 hingga 0,70 berarti hubungan kuat.
4. Nilai koefisien hubungan 0,71 hingga 0,90 berarti hubungan sangat kuat.
5. Nilai koefisien hubungan 0,91 hingga 0,99 berarti hubungan berpengaruh sekali.
6. Nilai koefisien hubungan 1,00 berarti hubungan sempurna.

Persyaratan Uji Korelasi Parsial untuk Analisis Data

Asumsi dasar atau persyaratan yang harus terpenuhi saat kita memakai uji hubungan parsial untuk menganalisis data penelitian ialah sebagai berikut:

1. Masing-masing variabel penelitian memakai data berskala rasio atau interval.
2. Karena uji hubungan parsial merupakan bab dari statistik parametrik maka data penelitian harus berdistribusi normal.

Contoh Soal Uji Korelasi Parsial dalam Penelitian

Seorang dosen ingin mengetahui apakah ada hubungan antara IQ (Intelligence Quotient) dengan nilai IPK (Indeks Prestasi Kumulatif) mahasiswa dengan Motivasi Berprestasi sebagai variabel Kontrol. Guna keperluan penelitian ini maka dosen tersebut mengumpulkan data-data yang diharapkan memakai kuesioner untuk 12 orang sampel atau responden penelitian. Adapun tabulasi data penelitian yang dimaksud sanggup anda lihat pada tabel berikut ini.

[Download Data excel, Input-Output SPSS]

Langkah-Langkah Cara Uji Korelasi Parsial dengan SPSS

Tahapan-tahapan analisis data dalam uji hubungan parsial ini dimulai dari memasukkan atau menginput data penelitian ke kegiatan SPSS, selanjutnya melaksanakan uji normalitas data terlebih dahulu, gres kemudian melaksanakan analisis data dengan uji hubungan parsial.

1. Langkah pertama buka lembar kerja gres SPSS, kemudian klik Variable View, selanjutnya anda cukup mengisi pada kolom Name, Decimals, Label, dan Measure, sementara untuk pilihan yang lain biarkan tetap default. Tampak di layar SPSS sebagaimana gambar bawah ini.

2. Jika sudah, langkah berikutnya klik Data View, kemudian masukkan data IQ, IPK dan Motivasi ke-12 orang responden tersebut sesuai dengan judul kolom yang ada di layar SPSS.

*Melakukan Uji Normalitas Data Penelitian dengan SPSS

Karena persyaratan atau perkiraan dasar yang harus terpenuhi dalam penggunaan uji hubungan parsial ini ialah data berdistribusi normal, maka terlebih dahulu kita akan melaksanakan uji normalitas untuk variabel IQ, IPK dan Motivasi. Adapun caranya sebagai berikut ini.

1. Dari hidangan utama SPSS klik hidangan Analyze >> Descriptive Statistics >> Explore…

2. Maka muncul kotak obrolan “Explore” selanjutnya masukkan semua variabel penelitian ke kotak Dependent List: kemudian pada bab “Display” pilih Both, setelah itu klik Plots…

3. Maka muncul kotak obrolan “Explore Plots” kemudian beri tanda ceklist (v) pada Normality plots with tests, selanjutnya klik Continue, kemudian klik Ok

4. Maka akan mucul output SPSS, kita cukup perhatikan pada tabel output “Tests of Normality” tampak dilayar menyerupai gambar di bawah ini.

*Pembahasan Uji Normalitas untuk Uji Korelasi Parsial dengan SPSS

Untuk mengetahui apakah variabel IQ, IPK dan Motivasi yang digunakan dalam penelitian berdistribusi normal atau tidak, maka terlebih dahulu kita harus mengetahui teori wacana dasar pengambilan keputusan untuk uji normalitas. Adapun dasar pengambilan keputusan dalam uji normalitas ialah sebagai berikut.

1. Jika nilai Signifikansi (Sig.) < 0,05, maka variabel tidak berdistribusi normal.
2. Jika nilai Signifikansi (Sig.) > 0,05, maka variabel berdistribusi normal.

Berdasarkan tabel output SPSS “Tests of Normality” di atas, diketahui bahwa nilai Sig. dalam uji normalitas Shapiro-Wilk ialah sebagai berikut.

1. Nilai IQ Sig. ialah sebesar 0,932
2. Nilai IPK Sig. ialah sebesar 0,152
3. Nilai Motivasi Sig. ialah sebesar 0,066

Karena nilai signifikansi (Sig.) untuk semua variabel penelitian di atas > 0,05 maka sanggup disimpulkan variabel IQ, IPK dan Motivasi ialah berdistribusi normal. Dengan demikian, perkiraan dasar atau persyaratan dalam uji hubungan parsial sudah terpenuhi.

Catatan: metode Shapiro-Wilk digunakan untuk sampel < 50. Sementara metode Kolmogorov-Smirnov digunakan untuk sampel > 50.

*Melakukan Uji Korelasi Parsial dengan SPSS

1. Selanjutnya kita akan melaksanakan Uji Korelasi Parsial dengan SPSS, caranya klik hidangan Analyze >> Correlate >> Partial… Tampak dilayar.

2. Muncul kotak obrolan “Partial Correlations” Selanjutnya, masukkan variabel IQ dan IPK ke kotak Variables: kemudian masukkan variabel Motivasi ke kotak Controlling for, pada bab “Test of Significance” pilih Two-tailed dan beri tanda ceklist (v) untuk Display actual significance level, kemudian klik Options…

3. Muncul kotak diloag “Partial Correlations: Options”, kemudian pada bab “Statistics” berikan tanda ceklist (v) untuk Means and standard deviations dan Zero-order correlations. Selanjutnya pada bab “Missing Values” aktifkan pilihan Exclude cases pairwise, kemudian klik Continue

4. Kemudian klik Ok untuk mengakhiri perintah. Maka muncul Output SPSS dengan judul “Partial Corr” selanjutnya tinggal interpretasikan saja tabel output tersebut.

Interpretasi Output Uji Korelasi Parsial dengan SPSS

Tabel Output “Descriptive Statistics”

Tabel output SPSS di atas, menawarkan info kepada kita wacana ringkasan nilai statistik deskriptif atau citra data untuk ketiga variabel (IQ, IPK dan Motivasi) meliputi Mean atau nilai rata-rata, Std. Deviation (Standar Deviasi), dan N atau jumlah sampel yang digunakan dalam penelitian ini.

Tabel Output “Correlations”

Tabel output SPSS ini menawarkan info mengenai hubungan yang terbentuk antar variabel sebelum dan sehabis dimasukkannya variabel kontrol dalam analisis korelasi. Untuk memaknai tabel output Correlations di atas, maka ada 3 tahapan yang harus kita lalui, yaitu: (1) Menentukan rumusan hipotesis penelitian. (2) Melihat teori wacana dasar pengambilan keputusan dalam uji hubungan parsial. (3) Manafsirkan hasil analisis dan menciptakan kesimpulan.

*Rumusan Hipotesis Penelitian dalam Uji Korelasi Parsial

1. H0: Hubungan antara IQ dengan IPK dengan Motivasi sebagai variabel kontrol tidak signifikan.
2. Ha: Hubungan antara IQ dengan IPK dengan Motivasi sebagai variabel kontrol signifikan.

*Dasar Pengambilan Keputusan dalam Uji Korelasi Parsial Sig. (2-tailed)

1. Jika nilai Significance (2-tailed) > 0,05, maka H0 diterima dan Ha ditolak.
2. Jika nilai Significance (2-tailed) < 0,05, maka H0 ditolak dan Ha diterima.

*Pembahasan Output Uji Korelasi Parsial dengan SPSS

Tabel output pertama “-none-a” memperlihatkan nilai hubungan atau hubungan antara variabel IQ dengan IPK sebelum dimasukkannya variabel kontrol (Motivasi) dalam analisis. Dari output di atas diketahui nilai koefisien hubungan (Correlations) sebesar 0,832 (positif) dan nilai Significance (2-tailed) ialah 0,001 < 0,05, maka sanggup disimpulkan bahwa ada hubungan yang positif dan signifikan antara IQ dengan IPK mahasiswa tanpa adanya variabel kontrol (Motivasi). Sementara nilai Correlations sebesar 0,832 ini masuk dalam kategori hubungan sangat kuat.

Tabel output kedua “Motivasi” menujukkan nilai hubungan atau hubungan antara variabel IQ dengan IPK setelah memasukkan Motivasi sebagai variabel kontrol dalam analisis. Dari tabel output di atas terlihat bahwa terjadi penurunan nilai koefisien hubungan (Correlations) menjadi 0,626 (bernilai positif dan kategori hubungan kuat) dengan nilai Significance (2-tailed) sebesar 0,039 < 0,05, maka H0 ditolak dan Ha diterima yang berarti bahwa hubungan antara IQ dengan IPK dengan Motivasi sebagai variabel kontrol ialah signifikan (nyata).

*Kesimpulan Penelitian

Berdasarkan pembahasan dalam uji hubungan parsial di atas diketahui bahwa kehadiran variabel motivasi berprestasi sebagai variabel kontrol akan menawarkan dampak terhadap hubungan antara variabel IQ dengan variabel IPK. Dengan demikian maka sanggup disimpulkan bahwa variabel IQ (Intelligence Quotient) bukanlah satu-satunya variabel yang memilih nilai IPK mahasiswa, alasannya ialah ada variabel lain juga yang bekerjasama dengan nilai IPK yaitu variabel Motivasi berprestasi.

Catatan: selain mengacu pada nilai Significance (2-tailed) dari output SPSS, pengambilan keputusan dalam uji hubungan parsial ini sanggup pula menurut pada perbandingan nilai nilai koefisien hubungan (Correlations) atau r hitung dengan nilai r table pearson product moment. Pembahasan lebih detail wacana hal ini saya rangkum dalam bentuk video panduan SPSS, silahkan anda saksikan videonya melalui link di bawah ini.

VIDEO: Tutorial Uji Korelasi Parsial dengan SPSS + Interpretasi

Sekian pembahasan kita mengenai cara melaksanakan analisis data penelitian dengan uji hubungan parsial memakai kegiatan SPSS beserta interpretasinya. Bagi anda merasa terbantu dengan panduan ini, silahkan dibagikan ke media umum supaya panduan ini sanggup bermanfaat bagi banyak orang. Terimakasih, semoga sukses untuk penelitian anda. Salam dari saya Sahid Raharjo

[Kata Kunci Pencarian: Cara Uji Korelasi Parsial dengan SPSS Serta Interpretasi Lengkap, Langkah-langkah Analisis Korelasi Parsial (Partial Correlations) memakai Program SPSS, Tutorial Uji Korelasi Parsial dengan SPSS dilengkapi Penjelasan]

Read More

Cara Uji One Sample T Test Dengan Spss Dan Interpretasi Lengkap

Cara Uji One Sample t Test dengan SPSS dan Interpretasi Lengkap | Dalam konteks penelitian uji one sample t test atau uji satu sampel umumnya digunakan untuk membandingkan rata-rata sampel yang diteliti dengan rata-rata populasi yang sudah ada. Selain itu, uji one sample t test sanggup juga digunakan untuk menguji hipotesis dalam statistik deskripsif bila data penelitian berskala interval atau rasio.

Uji one sample t test merupakan cuilan dari statistik parametrik. Oleh lantaran itu, perkiraan dasar yang harus terpenuhi yaitu data penelitian berdistribusi normal.

Contoh Soal Uji One Sample t Test

Seorang peneliti menciptakan dugaan yang menyatakan bahwa “nilai rata-rata hasil berguru siswa yang aktif di OSIS yaitu sama dengan 75”. Untuk menandakan hal tersebut, peneliti menentukan secara random atau acak 12 orang siswa yang aktif di OSIS. Adapun nilai rata-rata hasil berguru ke 12 orang siswa tersebut yaitu sebagai berikut.

[Download Data] [data merupakan nilai rata-rata raport siswa pada ujian tengah semester (UTS)]

Langkah-langkah Uji One Sample t Test dengan SPSS

1. Buka aktivitas SPSS, kemudian klik Variable View, selanjutnya isikan nama variabel dan ketentuan lainnya sebagaimana anutan di bawah ini.
Name: tulis Hasil
Type: pilih Numeric
Width: pilih 8
Decimals: pilih 2
Label: tulis Hasil Belajar
Values: pilih None
Missing: pilih None
Columns: pilih 8
Align: pilih Right
Measure: Pilih Scale
Role: Pilih Input
Tampak dilayar sebagaimana gambar berikut

2. Selanjutnya, klik Data View kemudian masukkan data nilai rata-rata hasil berguru ke 12 orang siswa di atas ke kolom Hasil

3. Langkah pertama kita akan melaksanakan Uji Normalitas terlebih dahulu, caranya klik Analyze – Descriptive Statistics – Explore…

4. Muncul kotak obrolan “Explore” kemudian masukkan variabel Hasil Belajar [Hasil] ke kotak Dependent List, kemudian klik Plots…

5. Mucul kotak obrolan “Explore: Plots”, kemudian berikan tanda centang (v) pada Normality Plot with tests, kemudian klik Continue dan OK

6. Perhatikan pada output “Test of Normality”

Keputusan Uji Normalitas: menurut output di atas diperoleh nilai Shapiro-Wilk Sig sebesar 0,368 > 0,05 sehingga sanggup disimpulkan bahwa data hasil berguru siswa yang aktif di OSIS berdistribusi Normal. Dengan demikian perkiraan normalitas dalam uji one sample t test sudah terpenuhi.

7. Selanjutnya kita akan melaksanakan Uji One Sample t Test. Caranya klik sajian Analyze – Compare Means – One-Sample T Test…

8. Maka muncul kota obrolan “One-Sample T Test”, selanjutnya masukkan variabel Hasil Belajar [Hasil] ke kotak Test Variable(s), pada cuilan Test Value ketikan 75 [sebab peneliti ingin membandingkan nilai rata-rata hasil berguru siswa dengan nilai 75]

9. Terkahir klik Ok. Maka akan muncul output T-Test

Interpretasi Output SPSS “Uji One Sample t Test”

Output Pertama [One-Sample Statistics]

Tabel One-Sample Statistics di atas menawarkan nilai statistik deskriptif, yaitu N=12 artinya jumlah sampel yang digunakan yaitu 12 orang siswa. Mean= 78,1083 artinya nilai rata-rata hitung yaitu 78,1083. Std. Deviation atau simpangan baku yaitu sebesar 3,55463 dan Std. Error Mean yaitu sebesar 1,02613.

Output Kedua [One-Sample Test]

Berdasarkan tabel One-Sample Test di atas diketahui nilai t (t hitung) yaitu sebesar 3,029. Nilai df (degree of freedom) atau derajad kebebasan yaitu sebesar 11. Nilai Sig. (2-tailed) atau nilai signifikansi dengan uji dua sisi yaitu sebesar 0,011.

Rumusan Hipotesis Penelitian dalam Uji One Sample t Test
H0= Nilai rata-rata hasil berguru siswa yang aktif di OSIS sama dengan nilai 75.
Ha= Nilai rata-rata hasil berguru siswa yang aktif di OSIS tidak sama dengan nilai 75.

Dasar Pengambilan Keputusan Uji One Sample T Test

1. Jika nilai Sig. (2-tailed) < 0,05, maka H0 ditolak.
2. Jika nilai Sig. (2-tailed) > 0,05, maka H0 diterima.

Kesimpulan Uji One Sample T Test dengan SPSS

Berdasarkan output tabel “One-Sample Test” di atas ketahui nilai Sig. (2-tailed) yaitu sebesar 0,011 < 0,05, maka sesuai dengan dasar pengambilan keputusan di atas sanggup disimpulkan bahwa H0 ditolak dan Ha diterima. Dengan demikian, sanggup diartikan bahwa nilai rata-rata hasil bejalar siswa yang aktif di OSIS tidak sama dengan nilai 75.

Pengambilan Keputusan dengan Membandingkan Nilai t

1. Jika nilai t hitung > t tabel, maka H0 ditolak.
2. Jika nilai t hitung < t tabel, maka H0 diterima.

Berdasarkan output tabel “One-Sample Test” di atas ketahui nilai t hitung sebesar 3,029. Rumus mencari t tabel (uji dua sisi; df) = (0,025; 11) kemudian lihat pada distribusi nilai t tabel statistik, maka ketemu nilai t tabel sebesar 2,201.

[Download distribusi nilai tabel]

Karena nilai t hitung sebesar 3,029 > t tabel 2,201, maka H0 ditolak dan Ha diterima. Sehingga sanggup disimpulkan bahwa nilai rata-rata hasil bejalar siswa yang aktif di OSIS tidak sama dengan nilai 75.

Kesimpulan Uji One Sample t Test dengan Kurva

Berdasarkan kurva di atas, maka sanggup disimpulkan bahwa maka H0 ditolak dan Ha diterima. Sehingga berarti bahwa nilai rata-rata hasil bejalar siswa yang aktif di OSIS tidak sama dengan nilai 75.

Catatan: menciptakan kesimpulan dengan kurva akan sangat efektif dan terang saat t hitung bernilai negatif (-)

Ok. Sekian dulu pembahasan mengenai cara uji one sample t test dengan SPSS dan interpretasinya. Semoga bermanfaat dan selamat mencoba. Terimakasih.

VIDEO: Uji One Sample t Test dengan SPSS + Interpretasi

[Kata Kunci Pencarian: Cara Uji One Sample t Test dengan SPSS dan Interpretasi Lengkap, Cara Uji t untuk Satu Sampel dengan SPSS, Tutorial Langkah-langkah Uji One Sample T Test memakai SPSS, Panduan Uji Satu Sampel dengan t Test Menggunakan Program SPSS]

Read More

Bimbingan Menjawab Soal Uji Two Way Anova Dengan Spss Lengkap

Bimbingan Menjawab Soal Uji Two Way Anova dengan SPSS Lengkap | Penggunaan uji anova dalam analisis data penelitian intinya bertujuan untuk mengetahui apakah ada perbedaan yang signifikan (perbedaan yang bermakna) pada nilai rata-rata dari beberapa kelompok data. Uji analisis anova atau sering disebut dengan istilah uji F ini, secara umum dibedakan menjadi 2 (dua) macam, yakni uji anova satu faktor (one way anova) dan uji anova dua faktor (two way anova). Perbedaan antara kedua analisis tersebut, yakni terletak pada jumlah faktor atau variabel bebas yang digunakan dalam sebuah penelitian. Jika analisis pada uji one way anova hanya teridiri dari 1 faktor saja, maka dalam uji two way anova analisis bisa digunakan untuk mengukur 2 faktor sekaligus. Oleh karenanya, uji two way anova disebut juga dengan nama uji faktorial. Sementara itu, selain sanggup diigunakan untuk mengetahui perbedaan antara beberapa kelompok data (variable faktor), uji two way anova sanggup juga mempunyai kegunaan untuk mendeteksi apakah terdapat interaksi antar-faktor dalam memilih variabel terikat (dependen).

PERSYARATAN DASAR UJI TWO WAY ANOVA

Setidaknya terdapat 4 persyaratan atau mekanisme yang harus terpenuhi sebelum kita sanggup melaksanakan uji two way anova guna menganalisis data penelitian atau menguji hipotesis. Adapun 4 persyaratan ini yaitu sebagai berikut.

1. Nilai Standardized Residual haruslah berdistribusi normal. Inilah syarat pertama yang harus terpenuhi sebelum kita melaksanakan uji two way anova. Oleh alasannya itu, kita perlu melaksanakan uji normalitas standardized residual terlebih dahulu untuk mendeteksi apakah nilai tersebut normal atau tidak. Jika ternyata sesudah pengujian dilakukan menawarkan hasil tidak normal. Maka kita harus melupakan uji two way anova, dan beralih ke statistik non parametrik | Panduan: Praktik Uji Normalitas Standardized Residual dalam Two Way Anova SPSS
2. Populasi-populasi dari varian data yaitu sama atau homogen. Cara mendeteksinya yaitu dengan melaksanakan uji homogenitas. Catatan: uji homogenitas sanggup dilakukan sekaligus pada dikala kita melaksanakan uji two way anova ini.
3. Sampel yang digunakan tidak bekerjasama satu sama lain. Maksudnya masing-masing populasi saling independen di dalam kelompoknya.
4. Persyaratan yang terakhir yaitu berkaitan dengan jenis data yang dipakai. Dimana untuk data variabel dependen (variabel terikat) harus berskala interval atau rasio. Sementara untuk data variabel independen (variabel bebas/faktor) yaitu berskala kategorial.

CONTOH SOAL UJI TWO WAY ANOVA

Seorang peneliti ingin mengetahui apakah terdapat berbedaan hasil mencar ilmu siswa Sekolah Menengah Pertama menurut jenjang pendidikan terakhir orang renta dan jenis kelamin siswa tersebut. Faktor jenjang pendidikan terakhir orang renta terdiri dari 3 (tiga) taraf, yaitu SMP, SLTA, dan Perguruan Tinggi (PT). Sementara faktor jenis kelamin terdiri dari 2 (dua) taraf, yakni Laki-laki dan Perempuan. Adapun data yang dikumpulkan oleh peneliti sebagaimana tabel dibawah ini.

HIPOTEISIS YANG DIAJUKAN DALAM UJI TWO WAY ANOVA

Penelitian ini dilakukan dengan memakai taraf signifikansi 5%. Adapun hipotesis yang hendak di uji oleh peneliti yaitu sebagai berikut.

1. Ada perbedaan hasil mencar ilmu matematika siswa menurut jenjang pendidikan terakhir orang tua.
2. Ada perbedaan hasil mencar ilmu matematika siswa menurut jenis kelamin siswa.
3. Ada interaksi jenjang pendidikan terakhir orang renta dengan jenis kelamin siswa dalam memilih hasil mencar ilmu matematika siswa.

PERSIAPAN DATA SEBELUM MELAKUKAN UJI TWO WAY ANOVA

Untuk mepermudah kita dalam melaksanakan analisis data memakai metode uji two way anova dengan SPSS, maka sebaiknya kita menciptakan pengkodean data terlebih dalulu untuk variabel faktor, yakni data jenjang pendidikan terakhir orang renta dan data jenis kelamin siswa. Pengkodean data untuk jenjang pendidikan terakhir orang renta dengan ketentuan: arahan 1 untuk SMP, arahan 2 untuk SLTA dan arahan 3 untuk PT. Hasil pengkodean data tersebut sanggup dilihat pada tebel dibawah ini.

Selanjutnya pengkodeaan data untuk data jenis kelamin siswa dengan ketentuan: arahan 1 untuk Laki-laki dan arahan 2 untuk Perempuan. Hasilnya sebagai berikut.

[Untuk latihan anda bisa mendownload semua data excel dan data.sav SPSS yang sudah saya susun | Download Data]

LANGKAH-LANGKAH UJI TWO WAY ANOVA DENGAN SPSS

Seperti biasa, langkah-langkah uji two way anova dengan SPSS ini dilakukan dalam 3 tahapan, yakni penginputan data, analisis data dan ouput SPSS. Baik, pribadi saja kita mulai tahap penginputan (memasukkan) data dalam kegiatan SPSS versi 21.

1. Pertama, buka kegiatan SPSS, kemudian klik Variable View, pada bab ini kita akan mengisi nama-nama variabel penelitian serta kelengkapan yang dibutuhkan:
Pertama yaitu variabel “Hasil Belajar Matematika”, maka isikan dengan ketentuan:
Name: tulis Hasil
Type: pilih Numeric
Width: pilih 8
Decimals: pilih 0
Label: ketikkan Hasil Belajar Matematika
Value: pilih None
Missing: pilih None
Columns: pilih 8
Align: pilih Right
Measure: pilih Scale
Role: pilih Input

Kedua yaitu variabel “Jenjang Pendidikan Terakhir Orang Tua”, maka isikan dengan ketentuan:
Name: ketikkan Pendidikan
Type, Width, Decimals samakan pilihan sebagaimana variabel pertama
Label: ketikkan Jenjang Pendidikan Terakhir Orang Tua
Value: klik pada bab none, maka akan muncul kotak obrolan “Value Labels” untuk kotak Value ketikkan 1, kemudian pada kotak Label isikan SMP, kemudian klik Add. Selanjutnya ketikkan 2 untuk kotak Value dan kotak Label isikan SLTA, kemudian klik Add. Berikutnya, ketikkan 3 untuk kotak Value dan kotak Label isikan PT, kemudian klik Add dan Ok. Jika sudah benar maka akan tampak menyerupai gambar dibawah ini

Missing: pilih None
Columns: pilih 8
Align: pilih Right
Measure: pilih Nominal
Role: pilih Input

Ketiga yaitu variabel “Jenis Kelamin”, maka isikan dengan ketentuan:
Name: ketikkan Kelamin
Type, Width, Decimals samakan pilihannya menyerupai variabel pertama dan kedua
Label: ketikkan Jenis Kelamin
Value: klik pada bab none, maka akan muncul kotak obrolan “Value Labels” untuk kotak Value ketikkan 1, kemudian pada kotak Label isikan Laki-laki, kemudian klik Add. Selanjutnya, ketikkan 2 untuk kotak Value dan kotak Label isikan Perempuan, kemudian klik Add dan Ok. Maka tampilannya tampak sebagaimana gambar berikut.

Missing: pilih None
Columns: pilih 8
Align: pilih Right
Measure: pilih Nominal
Role: pilih Input
Lihat tampilan “Variabel View” secara keseluruhan

2. Jika anda sudah benar-benar yakin, maka langkah berikutnya yaitu klik Data View, kemudian masukkan data penelitian yang sudah kita kodekan di atas sesuai masing-masing variabel. Lihat gambar penginputan data

3. Selanjutnya kita akan masuk pada tahap analisis data caranya dari sajian SPSS klik Analyze – General Linier Model – Univariate…

4. Dengan demikian maka akan muncul kotak obrolan “Univariate”, selanjutnya klik variabel Hasil Belajar Matematika, kemudian masukkan ke kotak Dependent Variable. Klik variabel Jenjang Pendidikan dan Jenis Kelamin ke kotak Fixed Factor(s), kemudian klik Options

5. Setelah klik Options, maka akan muncul kotak obrolan “Univariate: Options” masukkan variabel Pendidikan, Kelamin dan Pendidikan*Kelamin ke kolom Display Means for, kemudian pada kolom “Display” beri tanda centang (V) untuk Descriptives statistics dan Homogeneity tests, kemudian klik Continue

6. Terakhir klik Ok untuk menampilan Output SPSS.

INTERPRETASI OUTPUT UJI TWO WAY ANOVA DALAM SPSS

Supaya kita sanggup memahami dengan baik makna dari masing-masing output Univariate Analysis of Variance tersebut, maka klarifikasi dari output ini akan saya bagi untuk masing-masing output SPSS.

Output Pertama “Between-Subjects Factors”

Dalam output di atas kita disuguhkan wacana hasil dari subjek-subjek yang kita teliti. Subjek-subjek yang kita teliti dimasukkan dalam analisis data sesuai dengan faktor yang berbeda antar masing-masing variabel.

Output Kedua “Descriptive statistics”

Bagian output ini menampilkan ringkasan statistik deskriptif dari data yang dianalisis. Statistik deskriptif tersebut meliputi nilai mean, standar deviasi dan N atau jumlah masing-masing data.

Output Ketiga “Levene's Test of Equality of Error Variances”

Output Levene's ini digunakan untuk mengetahui apakah masing-masing varian dari variabel terikat (dependent) yaitu sama atau homogen. Adapun dasar pengambilan keputusan dalam uji homogenitas yaitu sebagai berikut.

1. Jika nilai Signifikansi (Sig.) lebih besar dari > 0,05, maka itu artinya varian variabel hasil mencar ilmu matematika yaitu sama atau homogen.
2. Jika nilai Signifikansi (Sig.) lebih kecil dari < 0,05, maka itu artinya varian variabel hasil mencar ilmu matematika yaitu tidak sama atau heterogen.

Berdasarkan output di atas diketahui bahwa nilai Signifikansi (Sig.) yaitu sebesar 0,748 > 0,05, sehingga sanggup disimpulkan bahwa varian variabel hasil mencar ilmu matematika yaitu sama atau homogen. Karena varian tersebut bersifat homogen maka itu artinya persyaratan dalam uji two way anova sudah terpenuhi.

Output Keempat “Tests of Between-Subjects Effects”

Tests of Between-Subjects Effects yaitu output untuk uji hipotesis penelitian ini. Kolom pertama menawarkan faktor apa saja yang yang ada dalam penelitian ini, kolom kedua menawarkan jumlah kuadrat (JK), kolom ketiga menujukkan derajat kebebasan (df), kolom keempat menawarkan rata-rata kuadrat (KT), kolom kelima menawarkan F hitung, dan kolom keenam menawarkan nilai signifikansi (Sig.).

DASAR PENGAMBILAN KEPUTUSAN DALAM UJI TWO WAY ANOVA

1. Jika nilai signifikansi (Sig.) < 0,05, maka ada perbedaan hasil mencar ilmu matematika siswa menurut variabel faktor.
2. Jika nilai signifikansi (Sig.) > 0,05, maka tidak ada perbedaan hasil mencar ilmu matematika siswa menurut variabel faktor.

PENGUJIAN HIPOTESIS DALAM UJI TWO WAY ANOVA SPSS

1. Melakukan pengujian hipotesis pertama, menurut output yang saya berikan warna merah, diperoleh nilai Sig. sebesar 0,000 < 0,05, sehingga hipotesis yang menyatakan bahwa “ada perbedaan hasil mencar ilmu matematika siswa menurut jenjang pendidikan terakhir orang tua” sanggup diterima.
2. Melakukan pengujian hipotesis kedua, menurut output yang saya beri warna biru, diperoleh nilai Sig. sebesar 0,685 > 0,05, sehingga hipotesis yang menyatakan bahwa “ada perbedaan hasil mencar ilmu matematika siswa menurut jenis kelamin siswa” ditolak.
3. Melakukan pengujian hipotesis ketiga, menurut output yang saya berikan warna hijau, diperoleh nilai Sig. sebesar 0,490 > 0,05, maka hipotesis yang menyatakan bahwa “ada interaksi jenjang pendidikan terakhir orang renta dengan jenis kelamin siswa dalam memilih hasil mencar ilmu matematika siswa” ditolak.

Output Kelima “Estimated Marginal Means”

Output bab kelima ini menjelaskan wacana perbedaan nilai rata-rata hasil mencar ilmu matematika menurut jenjang pendidikan terakhir orang renta dan jenis kelamin siswa secara desktiptif.

Demikianlah Bimbingan Menjawab Soal Uji Two Way Anova dengan SPSS yang bisa saya bagikan kepada kawan-kawan semua. Untuk pengembangannya kawan-kawan bisa berlatih sendiri ya. Terimakasih telah berkenan membaca artikel di atas supaya sanggup bermanfaat bagi kita semua.

Kajian Utama: VIDEO Bimbingan Praktis Cara Uji Two Way Anova dengan SPSS lengkap

[Search: Bimbingan Menjawab Soal Uji Two Way Anova dengan SPSS Lengkap, Cara melaksanakan Uji Analisis Two Way Anova dalam SPSS, Panduan Uji Two Way Anova SPSS, Langkah-langkah Uji Anova Dua Faktor dengan SPSS]

Read More