Jenis Uji Statistik Parametrik

Uji statistik parametrik hanya dapat digunakan apabila persyaratan analisis atau asumsi analisis data yang akan diuji sudah terpenuhi/teruji. Seperti pada posting sebelumnya, persyaratan analisis statistik parametrik antara lain data terdistribusi normal dan homogen. Apabila distribusi data tidak normal maka uji statistik menggunakan uji statistik non parametrik.

Pada dasarnya uji statistik parametrik dan non parametrik dibedakan menjadi dua, uji komparasi dan uji asosiatif. Uji komparasi merupakan uji yang digunakan untuk mengetahui perbandingan atau perbedaan dari kelompok sampel. Sedangkan uji asosiatif merupakan uji untuk mengetahui ada dan tidaknya hubungan, estimasi, dll. Uji statistik hanyalah tool/alat untuk menghitung. Jadi, gunakan tool yang tepat untuk menguji data yang tepat.

Persyaratan Menentukan Teknik Analisis Statistik

Sebelum peneliti mulai melakukan analisis data, ada hal yang penting sekali untuk dipenuhi, tetapi sering dilupakan/diabaikan oleh peneliti. Hal penting itu adalah memperhatikan data yang akan diolah. Ini perlu dilakukan agar hasil dari penelitian lebih baik. Pemilihan teknik analisis data interval ditentukan oleh beberapa faktor, antara lain penyebaran datanya.

Penyebaran data adalah bagaimana data tersebut tersebar antara nilai paling tinggi dengan nilai paling rendah, serta variabilitas di dalamnya. Apabila data yang dianalisis berbentuk sebaran normal maka peneliti boleh menggunakan teknik statistik parametrik. Bila data yang diolah tidak menunjukkan sebaran normal maka peneliti harus menggunakan statistik non-parametrik. Sehingga pengujian normalitas sampel itu harus dilakukan. Itulah sebabnya untuk teknik-teknik tertentu, persyaratan normalitas data tersebut harus diperiksa terlebih dahulu untuk mengecek apakah data sudah memenuhi peryaratan yang dimaksud.

Selain persyaratan normalitas, juga diperlukan persyaratan homogenitas. Sampel-sampel yang berasal dari satu populasi dan diperkirakan sama, belum tentu keadaannya benar-benar sama. Apabila dua atau lebih sampel diperiksa dengan teknik tertentu dan menghasilkan hasil data yang homogen, maka dapat dikatakan bahwa sampel-sampel itu berasal dari populasi yang sama (keadaannya benar-benar sama).

Itulah syarat yang dibutuhkan sebelum menentukan teknik analisis data, harus diperhatikan dulu sebaran datanya, normal apa nggak.. Kalo normal pake teknik statistik parametrik, kalo gag normal pake aalisis statistik non-parametrik. Semoga tulisan ini bisa membantu anda....

Sumber: Arikunto, Suharsimi. 2006. Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta: Rineka Cipta.

Membuat F Tabel dengan SPSS

Tulisan sebelumnya telah menjelaskan langkah-langkah dalam membuat tabel t dengan menggunakan program SPSS. Pada tulisan ini, saya akan melanjutkan dengan menunjukkan langkah-langkah dalam membuat tabel F dengan SPSS. Tabel F merupakan tabel statistik untuk melihat hasil dari analisis statistik uji homogenitas (uji-F). Tabel F mempunyai dua degree of freedom (df) yaitu df1 (numerator) dan df2 (denominator). Program SPSS menyediakan fasilitas untuk membuat tabel F. Yang dibutuhkan adalah df1, df2, dan tingkat signifikansi.

Contoh:

Membuat tabel F dengan ketentuan tingkat signifikansi sebesar 5%, df1 = 2 dan df2 adalah 1 sampai 10

Membuat Tabel t dengan Program SPSS

Tabel t digunakan sebagai acuan untuk menentukan uji perbedaan antara dua sampel yaitu uji-t. Tabel t dapat digunakan berdasarkan nilai t hitung, df dari dua sampel, dan nilai signifikansi yang akan digunakan. Tabel t yang tersedia biasanya memiliki nilai df terbatas. Terkadang hasil perhitungan menghasilkan nilai df yang tidak ada dalam tabel. Selain untuk menghitung uji-t, program SPSS juga menyediakan fasilitas untuk membuat tabel t sendiri. Dengan program SPSS, kita dapat menentukan nilai df sesuai dengan yang dibutuhkan.

Contoh:

Membuat tabel t dengan ketentuan tingkat signifikansi sebesar 5%, derajat kebebasan / degree of freedom (df) dari 1 hingga 10.

Regresi Linear Sederhana

Berikut ini merupakan pengertian dari regresi:
Regresi digunakan untuk mengukur ada atau tidaknya korelasi antar variabel.
Regresi linear adalah regresi yang variabel bebasnya (variabel X) berpangkat paling tinggi satu.
Regresi linear sederhana adalah regresi linear yang hanya melibatkan dua variabel (variabel X dan Y).

Analisis regresi lebih akurat dalam melakukan analisis korelasi, karena pada analisis itu kesulitan dalam menunjukkan tingkat perubahan suatu variabel terhadap variabel lainnya (slop) dapat ditentukan. Dengan analisis regresi peramalan atau perkiraan nilai variabel terikat pada nilai variabel bebas lebih akurat pula.

Uji regresi merupakan salah satu uji yang digunakan untuk mengukur ada atau tidaknya korelasi antar variabel. Menurut Nazir (2011: 458) analisis regresi digunakan untuk mempelajari bagaimana eratnya hubungan antara satu variabel atau beberapa variabel independen dengan sebuah variabel dependen.  

Persamaan regresi linear dari variabel Y terhadap variabel X yaitu:

Y= a + bX                                           (Hasan, 2005: 250-251)

Berikut rumus untuk mencari nilai a dan b:

 Keterangan:

Y   : Variabel terikat (hasil belajar)

X   : Variabel bebas (model pembelajaran)

a    : Intersep (nilai Y, bila X=0)
b    : Koefisien regresi/slop (kemiringan garis regresi)

      n    : Jumlah data
 

---

Mencari Teknik Reliabilitas Instrumen yang Tepat

Reliabel: dapat dipercaya, dapat diandalkan

Menurut Arikunto (2006: 178), reliabilitas menunjuk pada satu pengertian bahwa sesuatu instrumen cukup dapat dipercaya untuk dapat digunakan sebagai alat pengumpul data karena instrumen tersebut sudah baik. Instrumen yang baik tidak dapat mengarahkan responden untuk memilih jawaban-jawaban tetentu. Bila datanya benar sesuai dengan kenyataan, maka berapa kali pun data diambil akan diperoleh hasil yang sama.

Istrumen yang reliabel mempunyai arti bahwa instrumen tersebut cukup baik sehingga mampu mengungkap data yang bisa dipercaya. Bila peneliti sudah mengerti maksud dari pengertian ini, maka menentukan teknik mencari reliabilitas instrumen ini tidaklah sulit.

Secara garis besar ada 2 jenis reliabilitas, yaitu reliabilitas external dan reliabilitas internal (arikunto, 2006:179). 2 Jenis reliabilitas ini menunjuk pada cara-cara menguji tingkat reliabilitas instrumen. Jika ukurannya berada di luar instrumen, dari hasil pengujian ini diperoleh reliabilitas external. Bila perhitungan dilakukan berdasarkan data dari instrumen tersebut, maka menghasilkan reliabilitas internal.

Jenis Data Menurut Skala Pengukuran

Skala Pengukuran merupakan peraturan penggunaan notasi bilangan dalam pengukuran. Menurut skala pengukuran data dibedakan menjadi 4 jenis, yaitu data nominal, data ordinal, data interval, dan data rasio.

1. Data Nominal

Data nominal adalah data yang diberikan pada objek atau kategori yang tidak menggambarkan kedudukan objek atau kategori tersebut terhadap objek atau kategori lainnya (Hasan, 2005:34). Data nominal biasanya digunakan sebagai kode.
Hanya mengelompokkan kategori berdasarkan kelompok tertentu. Ciri dari data ini yaitu (a) kategori data bersifat saling lepas ( satu obyek hanya masuk pada satu kelompok saja) dan (b) kategori data tidak disusun secara logis.

Contoh:

• Jenis kelamin: 1 untuk pria dan 0 untuk wanita.
• Opsi Jawaban benar salah: 0 jika jawaban salah, 1 jika jawaban benar


2. Data Ordinal

Data ordinal merupakan data yang penomoran objek atau kategorinya disusun menurut besarnya, dari tingkat terendah ke tingkat tertinggi atau sebaliknya, jarak/rentang data tidak harus sama. Ciri dari jenis data ini adalah kategori data dapat disusun berdasarkan urutan logis dan sesuai dengan besarnya karakteristik yang dimiliki. Selebihnya memiliki ciri yang sama dengan data nominal.

Contoh:
mengubah nilai angka ke nilai huruf:
86-100 medapat nilai A
71-85 mendapat nilai B
61-70 mendapat nilai C
46-60 mendapat nilai D
0-45 mendapat nilai E

Persyaratan Teknik Pengujian Reliabilitas Instrumen dengan Metode Belah Dua

Mencari nilai reliabilitas instrumen menggunakan berbagai teknik belah dua sangat digemari oleh peneliti. Di antara teknik-teknik mencari nilai reliabilitas instrumen, yang menggunakan metode belah dua dalam perhitungannya adalah menggunakan rumus Spearman-Brown (belah ganjil-genap atau awal-akhir), rumus Flanagan (belah dua ganjil-genap), dan rumus Rulon (belah awal-akhir). Kesalahan umum yang sering dilakukan oleh mahasiswa adalah penggunaan teknik pengujian reliabilitas instrumen belah dua tanpa mengingat atau mempertimbangkan persyaratan yang harus dipenuhi.

Paling tidak ada dua persyaratan utama yang harus dipenuhi untuk menggunakan teknik pengujian reliabilitas instrumen belah dua, yaitu:

1. Banyaknya butir pertanyaan atau butir soaldalam instrumen harus genap agar dapat dibelah.
2. Antara belahan pertama dengan belahan kedua harus seimbang.

Persyaratan pertama cukup mudah untuk dipenuhi. Yang membutuhkan pertimbangan lebih yaitu persyaratan kedua. Padahal peneliti biasanya sering hanya mempertimbangkan persyaratan yang pertama dan mengabaikan persyaratan yang kedua (mengganggap bahwa persyaratan yang kedua sudah terpenuhi). Kedua belahan data dikatakan seimbang apabila jumlah butir pertanyaan sama dan pertanyaan tersebut mengungkap aspek yang sama. Untuk memperoleh belahan yang seimbang, peneliti harus sudah merancang sejak instrumen tersebut disusun. Peneliti membuat pertanyaan dalam jumlah genap untuk setiap aspek atau faktor. Dengan demikian, letak butir dapat disebar sedemikian rupa sehingga ketika melakukan pembelahan, data sudah pasti memiliki butir pertanyaan yang seimbang aspeknya.

Itulah persyaratan yang harus terpenuhi sebelum kita melakukan pengujian reliabilitas istrumen menggunakan teknik belah dua. Jadi pikirkan terlebih dahulu langkah apa yang harus di ambil sebelum menentukan teknik pengujian reliabilitas instrumen.

Sumber: Arikunto, Suharsimi. 2006. Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta: Rineka Cipta.

Menghitung Nilai Reliabilitas Soal dengan SPSS

Hai kawan, untuk postingan kali ini saya akan mencontohkan cara menghitung reliabilitas internal dengan menggunakan SPSS. Untuk contoh ini menggunakan SPSS versi 16. Dengan SPSS kita bisa mencari validitas dengan metode belah dua (split-half), Alfa, Guttman, paralel, strict parallel. Tapi kebanyakan yang dipilih untuk digunakan adalah metode split-half dan alfa. Langsung ja yach...

Agar tidak membingungkan, saya berikan contoh data yang akan diolah, misalnya tersaji dalam tabel di bawah ini:

No.	Nama	Butir Soal
		1	2	3	4	5	6	7	8	9	10
1	A	1	0	1	0	1	1	1	1	1	1
2	B	0	0	1	0	1	0	0	1	1	1
3	C	0	1	0	0	0	1	0	1	0	1
4	D	1	1	0	0	1	1	0	0	1	0
5	E	1	1	1	1	1	1	0	0	0	0
6	F	1	0	1	0	1	0	1	0	0	0
7	G	1	1	1	1	1	1	1	0	0	0
8	H	0	1	0	1	1	1	1	1	1	1

Seperti pada mencari validitas data, angka 1 menunjukkan soal benar dan angka 0 menunjukkan soal salah.

Menghitung Validitas Butir Soal Dengan SPSS

Validasi butir soal dalam dilakukan dengan bantuan beberapa software. Salah satunya dengan software SPSS. Pada kesempatan kali ini akan saya tunjukkan langkah-langkah dalam menghitung validasi butir soal dengan program SPSS versi 16.