Page 1
CHI SQUARE DAN UJI PERSYARATAN ANALISIS
MAKALAH
untuk memenuhi tugas matakuliah
Statistika
yang dibina oleh Bapak Dr. Eddy Sutadji, M.Pd.
Oleh :
WAHYU DIANA
140551807568
UNIVERSITAS NEGERI MALANG
PROGRAM PASCASARJANA
PROGRAM STUDI PENDIDIKAN KEJURUAN
Page 3
BAB I
PENDAHULUAN
A. Latar Belakang
Dalam kasus dimana variabel yang dihubungkan bersifat
numerik, maka analisis menggunakan korelasi merupakan salah
satu pilihan. Namun, jika kedua variabel yang dihubungkan
bersifat kategorik, maka penggunaan analisis korelasi tidak
bisa lagi digunakan karena angka pada suatu kategori hanya
berupa kode bukan nilai yang sebenamya sehingga operasi
aritmatika tidak sah untuk kasus data kategorik. Alasan
yang lain mengapa analisis korelasi tidak bisa digunakan
pada data kategorik karena salah satu tipe variabel
kategorik adalah nominal yang tidak bisa diurutkan
kategorinya. Pemberian urutan yang berbeda jelas akan
memberikan nilai korelasi yang berbeda pula sehingga dua
orang yang menghitung nilai korelasi besar kemungkinan
memberikan hasil yang tidak sama. Untuk itulah maka
analisis chi-square yang akan digunakan untuk mencari
apakah ada hubungan (asosiasi) dan perbedaan (komparasi)
antar variabel-variabel kategorik tersebut.
Beberapa formula statistika disusun berdasarkan
asumsi-asumsi tertentu. Formula tersebut dapat
menggambarkan sebuah fenomena ketika asumsi-asumsi
tersebut terpenuhi. Oleh karena itu, jika kita memakai
formula tersebut maka data yang diharapkan sesuai dengan
asumsi sebuah formula penelitian. Berkaitan dengan hal
tersebut makalah ini dapat dijadikan referensi untuk
2
Page 4
meningkatkan pemahaman chi square (kai kuadrat) dan uji
prasyarat analisis yang baik dan benar di dalam sebuah
penelitian.
B. Topik Bahasan
1. Chi square untuk uji hipotesis deskriptif satu sampel.
2. Chi square untuk uji hipotesis komparatif dua sampel
independen.
3. Chi square untuk uji hipotesis komparatif k sampel
independen.
4. Uji persyaratan analisis yang meliputi uji normalitas,
uji homogenitas, uji linieritas, uji heterokedasitas,
uji multikolinieritas, uji autokorelasi.
C. Tujuan Penulisan Makalah
1. Dapat memahami chi square untuk uji hipotesis
deskriptif satu sampel.
2. Dapat memahami chi square untuk uji hipotesis
komparatif dua sampel independen.
3. Dapat memahami chi square untuk uji hipotesis
komparatif k sampel independen.
4. Dapat memahami uji persyaratan analisis yang meliputi
uji normalitas, uji homogenitas, uji linieritas, uji
heterokedasitas, uji multikolinieritas., uji
autokorelasi.
3
Page 5
BAB II
PEMBAHASAN
A. Chi Square
4
Page 6
Sebuah metode statistika nonparametrik yang
paling terkenal dan banyak digunakan ialah uji kai
kuadrat. Uji ini tidak dibatasi oleh asumsi-asumsi
ketat tentang jenis populasi maupun parameter
populasi, yang dibutuhkan hanya derajat bebas. Uji kai
kuadrat menggunakan teknik goodness of fit, yaitu
dapat digunakan untuk menguji apakah terdapat
perbedaan yang nyata antara banyak yang diamati yang
masuk dalam masing-masing kategori dengan banyak yang
diharapkan berdasarkan hipotesis nol. (Suciptawati,
2010). Chi square test atau tes kai kuadrat tergolong
ke dalam jenis statistik nonparametrik sehingga chi
square test tidak memerlukan syarat data berdistribusi
normal (Sufren dan Natanael, 2013).
Karakteristik Chi‐Square:
- Nilai Chi Square selalu positif karena merupkan
hasil pengkuadratan.
- Terdapat beberapa kelompok distribusi Chi Square,
yaitu distribusi Chi square dengan dk=1, 2, 3, dst.
- Datanya berbentuk diskrit atau nominal
Chi Kuadrat dapat digunakan untuk menguji
hipotesis deskriptif satu sampel atau satu variabel,
yang terdiri atas dua kategori atau lebih. selain itu
dapat digunakan untuk menguji hipotesis komparatif 2
sampel atau 2 variabel serta untuk menguji hipotesis
asosiatif yang berskala nominal.
1. Chi square untuk uji hipotesis deskriptif satu
sampel
5
Page 7
Menurut Sugiyono (2013), Chi square satu sampel
adalah teknik statistik yang digunakan untuk menguji
hipotesis deskriptif bila dalam populasi terdiri
atas dua atau lebih klas, data berbentuk nominal dan
sampelnya besar. Yang dimaksud hipotesis deskriptif
dapat merupakan estimasi/dugaan terhadap ada
tidaknya perbedaan frekuensi antara kategori satu
dan kategori lain dalam sebuah sampel tentang
sesuatu hal.
Rumus :
Dimana:
x2 = Chi square
f́ = Frekuensi yang diobservasi
fh = Frekuensi yang diharapkanContoh untuk 3 kategori klas:
Suatu SMK x di Kota A ingin membuka jurusan baru,
sehingga ingin mengetahui jurusan apa yang banyak
diminati. Untuk itu dilakukan survey ke beberapa
sekolah yang memiliki jurusan-jurusan tata busana,
tata boga, kecantikan. Menurut survey, diketahui
dari 375 siswa sebanyak 85 siswa memilih jurusan
tata boga, 116 memilih jurusan tata busana, dan 174
siswa memilih kecantikan.
Berdasarkan hal tersebut, maka :
Perhitungan Manual:
6
Page 8
1) Judul penelitian dapat dirimuskan sebagai berikut:
Kecenderungan siswa dalam memilih jurusan SMK.
2) Variabel penelitiannya jurusan SMK.
3) Sampel : Jumlah sampel 375 siswa terdiri atas 3
jurusan. 85 siswa memilih jurusan tata boga, 116
memilih jurusan tata busana, dan 174 siswa memilih
kecantikan
4) Tempat penelitian: Beberapa SMK di Kota A
5) Data hasil penelitian: terdapat pada tabel berikut
Tabel : Frekuensi yang disurvey dan yang
diharapkan pemilih jurusan SMK
Jurusan
Tata Boga
Tata
Busana
Kecantika
n
85
116
174
125
125
125
-40
-9
49
1600
81
2401
12,8
0,65
19,21
Jumlah 375 375 0 4482 32,66
6) Hipotesis:
H0 : Jumlah siswa yang memilih 3 jurusan tidak
berbeda (peluang 3 jurusan untuk dipilih siswa
adalah sama)
Ha : Jumlah siswa yang memilih 3 jurusan berbeda
(peluang 3 jurusan untuk dipilih siswa adalah
tidak sama)
7) Kriteria pengujian hipotesis
7
Page 9
Bila Nilai Chi square hitung lebih kecil dari
nilai Chi square tabel, maka H0 diterima dan bila
lebih besar atau sama dengan nilai tabel, maka Ha
diterima.
8) Pengujian hipotesis
Berdasarkan hasil perhitungan seperti yang
ditunjukkan pada Tabel, maka dapat diketahui bahwa
Chi square hitung = 32,66. Dalam hal ini dk = N-1
= 3-1 = 2. Berdasarkan dk 2 dan probabilitas 5%,
maka diperoleh chi square tabel = 5,99. Chi
square hitung lebih besar dari chi square tabel
(32,66 > 5,99). Dengan demikian H0 ditolak dan Ha
diterima.
9) Kesimpulan
Jumlah siswa yang memilih 3 jurusan SMK berbeda,
dan berdasarkan data jurusan kecantikan paling
banyak diminati siswa.
10)Saran untuk SMK x
Jurusan yang dibuka adalah kecantikan, karena
paling banyak diminati siswa.
Perhitungan SPSS:
1) Buka Variabel View → Pada Nama isi Jurusan
8
Page 10
2) Klik Values → isi values label
3) Buka Data view → Masukkan data
4) Klik Analyze → non parametric tests → chi square
9
Page 11
5) Masukkan jurusan pada test variable list
6) Klik exact → klik monte carlo → isi number of
samples → continue
10
Page 12
7) Klik options → descriptive → continue
8) Klik OK
11
Page 13
9) Hasil SPSS
Test Statistics
jurusan
Chi-Square 20.520a
Df 2
Asymp. Sig. .000
Monte Carlo Sig.
Sig. .000b
99% Confidence Interval
Lower Bound .000
Upper Bound .012
a. 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is 65.3.
b. Based on 375 sampled tables with starting seed 926214481.
Berdasarkan hasil perhitungan seperti yang
ditunjukkan pada Tabel, maka dapat diketahui bahwa
Chi square hitung = 20,52. Df = 2. Berdasarkan dk
2 dan probabilitas 5%, maka diperoleh chi square
tabel = 5,99. Chi square hitung lebih besar dari
12
Page 14
chi square tabel (20,52 > 5,99). Dengan demikian
H0 ditolak dan Ha diterima.
Ha : Jumlah siswa yang memilih 3 jurusan berbeda
2. Chi square untuk uji hipotesis komparatif dua
sampel independen
Menguji komparatif dua sampel independen berarti
menguji signifikansi perbedaan nilai dua sampel yang
tidak berpasangan. Sampel independen biasanya
digunakan dalam penelitian yang menggunakan
pendekatan penelitian survey, sedangkan sampel
berpasangan banyak digunakan dalam penelitian
eksperimen. Chi square digunakan untuk menguji
hipotesis komparatif dua sampel bila datanya
berbentuk nominal dan sampelnya besar. Cara
perhitungan dapat menggunakan rumus yang telah ada
atau dapat menggunakan tabel kontingensi 2x2 (2
baris x 2 kolom) (Sugiyono, 2013).
Untuk menguji hipotesis ini, hitung jumlah individu
dari tiap kelompok yang termasuk ke dalam berbagai
kategori dan bandingkan jumlah individu dari satu
kelompok dalam berbagai kategori dengan kelompok
lainnya.
Tabel Kontingensi :
Sampel Frekuensi pada: Jumlah
SampelObyek I Obyek II
Sampel A A B A+BSampel B C D C+D
13
Page 15
Jumlah A+C B+D NN = jumlah sampel
Rumus :
Contoh :
Penelitian dilakukan untuk mengetahui adakah
hubungan antara jenis sekolah (SMA/SMK) dengan minat
lulusan untuk melanjutan studi ke perguruan tinggi
atau bekerja.. Jenis sekolah dikelompokkan menjadi
dua yaitu SMA dan SMK. Sampel pertama sebanyak 80
orang, sampel kedua sebanyak 70 orang. Berdasarkan
angket yang diberikan kepada sampel lulusan SMA,
maka dari 80 orang tersebut yang memilih melanjutkan
studi ke perguruan tinggi sebanyak 60 orang, dan
yang memilih bekerja sebanyak 20 orang. Selanjutnya
dari kelompok sampel lulusan SMK memilih melanjutkan
studi ke perguruan tinggi sebanyak 20 orang, dan
yang memilih bekerja sebanyak 50 orang
Berdasarkan hal tersebut, maka :
1) Judul penelitian dapat dirimuskan sebagai berikut:
Kecenderungan lulusan dalam memilih untuk
melanjutan studi ke perguruan tinggi atau bekerja.
2) Variabel penelitiannya :
1) Variabel Independen : Jenis sekolah
2) Variabel dependen : Minat lulusan
14
Page 16
3) Rumusan Masalah:
Adakah perbedaan jenis sekolah dengan minat
lulusan untuk melanjutan studi ke perguruan tinggi
atau bekerja.
4) Sampel : Terdiri dari dua kelompok sampel
independen yaitu kelompok lulusan SMA dengn jumlah
80 orang dan kelompok lulusan SMK dengn jumlah 70
orang.
5) Hipotesis:
H0 : Tidak terdapat perbedaan jenis sekolah
dengan minat lulusan
Ha : Terdapat perbedaan jenis sekolah dengan
minat lulusan
6) Kriteria pengujian hipotesis
Dengan dk = 1 dan probabilitas 5%. H0 diterima
bila nilai Chi square hitung lebih kecil dari
nilai Chi square tabel dan bila lebih besar atau
sama dengan nilai tabel, maka Ha diterima.
7) Penyajian data
Data hasil penelitian disusun ke dalam tabel:
Tabel : Frekuensi minat lulusan
Sampel Minat lulusan Jumlah
SampelMelanjutka
n studi
Bekerja
Lulusan SMA 60 20 80Lulusan SMK 20 50 70
Jumlah 80 70 150
15
Page 17
8) Perhitungan
Berdasarkan tabel tersebut dan menggunakan rumus
chi square 2 sampel independen, dapat dihitung:
(x )2=150(¿60.50−20.20∨
−12150)²
(60+20) (20+50) (60+20 )(20+50)
¿150 (¿3000−400∨−75)²
(80) (70) (80 )(70)
¿150 (2600−75)²5600.5600
¿150.637562531360000
¿ 95634375031360000
= 30,50
Dengan dk = 1 dan probabilitas 5%, maka diperoleh
chi square tabel = 3,84. Ternyata nilai Chi
square hitung = 35,86 > Chi square tabel 3,84.
Dengan demikian H0 ditolak dan Ha diterima.
9) Kesimpulan
Jadi Terdapat perbedaan jenis sekolah dengan minat
lulusan, dimana lulusan SMA lebih cenderung
memilih melanjutkan studi ke perguruan tinggi dan
lulusan SMK cenderung memilih bekerja.
16
Page 18
Perhitungan SPSS:
1) Buka Variable View → Isi nama dengan Minat dan
Jenis sekolah
2) Isi Value labels minat
17
Page 19
3) Isi value labels jenis sekolah
4) Buka Data view → Masukkan data
5) Klik anlyze → descriptive statistic → crosstabs
18
Page 20
6) Pindahkan Minat ke row dan jenis sekolah ke column
7) Klik statistics → centang chi square → continue
8) Klik OK
19
Page 21
Hasil Perhitungan SPSSChi-Square Tests
Value df
Asymp.Sig. (2-sided)
ExactSig.(2-
sided)Exact Sig.(1-sided)
Pearson Chi-Square
32.334a 1 .000
Continuity Correctionb 30.496 1 .000
Likelihood Ratio 33.546 1 .000
Fisher's Exact Test
.000 .000
Linear-by-LinearAssociation
32.119 1 .000
N of Valid Casesb150
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 32.67.
b. Computed only for a 2x2 tableDengan df = 1 dan probabilitas 5%, maka diperoleh
chi square tabel = 3,84. Ternyata nilai Chi
square hitung = 32,334 > Chi square tabel 3,84.
Dengan demikian H0 ditolak dan Ha diterima.
20
Page 22
10)Kesimpulan
Jadi Terdapat perbedaan jenis sekolah dengan minat
lulusan, dimana lulusan SMA lebih cenderung
memilih melanjutkan studi ke perguruan tinggi dan
lulusan SMK cenderung memilih bekerja.
3. Chi square untuk uji hipotesis komparatif k
sampel independen
Chi square k sampel digunakan untuk menguji
hipotesis komparatif lebih dari dua sampel, atau
untuk memeriksa apakah sampel-sampel yang diambil
secara acak variabelnya berasal dari populasi yang
homogen bila datanya berbentuk diskrit atau nominal.
Dalam uji ini hipotesis nol adalah frekuensi atau
proporsi k sampel berasal dari populasi yang sama
atau populasi yang identik (Suciptawati, 2010).
Rumus :
Dimana:
x2 = Chi square
f́ = Frekuensi yang diobservasifh = Frekuensi yang diharapkanContoh :
Penelitian dilakukan untuk mengetahui ada tidaknya
perbedaan jenis asal sekolah antar mahasiswa lima
prodi di fakultas teknik, yaitu Pendidikan Teknik
Elektro, Pendidikan Teknik Informatika, Pendidikan
Teknik Mesin, Pendidikan Tata Boga, Pendidikan Tata
21
Page 23
Rias. Jenis asal sekolah dibagi menjadi 2 yaitu SMA
dan SMK. Berdasarkan 115 anggota sampel mahasiswa
prodi Pendidikan Teknik Elektro, 80 orang berasal
dari SMA dan 35 orang berasal dari SMK. Dari 160
anggota sampel mahasiswa prodi Pendidikan Teknik
Informatika, 100 orang berasal dari SMA dan 60 orang
berasal dari SMK. Dari 130 anggota sampel mahasiswa
prodi Pendidikan Teknik Mesin , 80 orang berasal
dari SMA dan 50 orang berasal dari SMK. Dari 95
anggota sampel mahasiswa prodi Pendidikan Tata Boga,
65 orang berasal dari SMA dan 30 orang berasal dari
SMK. Dari 80 anggota sampel mahasiswa prodi
Pendidikan Tata Rias , 45 orang berasal dari SMA dan
35 orang berasal dari SMK.
Berdasarkan hal tersebut, maka :
1) Judul penelitian dapat dirimuskan sebagai berikut:
Perbedaan jenis asal sekolah mahasiswa lima prodi
di fakultas teknik
2) Variabel penelitiannya : Jenis asal sekolah
3) Rumusan Masalah: Adakah perbedaan yang signifikan
jenis asal sekolah mahasiswa lima prodi di
fakultas teknik
4) Sampel :
Terdiri dari 5 kelompok sampel, yaitu:
Sampel mahasiswa prodi Pendidikan Teknik Elektro
berjumlah 115 orang.
Sampel mahasiswa prodi Pendidikan Teknik
Informatika berjumlah 160 orang.
22
Page 24
Sampel mahasiswa prodi Pendidikan Teknik Mesin
berjumlah 130 orang.
Sampel mahasiswa prodi Pendidikan Tata Boga
berjumlah 95 orang.
Sampel mahasiswa prodi Pendidikan Tata Rias
berjumlah 80 orang.
5) Hipotesis:
H0 : Tidak terdapat perbedaan yang signifikan
antara jenis asal sekolah mahasiswa lima prodi
di fakultas teknik
Ha : Terdapat perbedaan yang signifikan jenis
asal sekolah mahasiswa lima prodi di fakultas
teknik
6) Kriteria pengujian hipotesis
Bila Nilai Chi square hitung lebih kecil dari
nilai tabel, maka H0 diterima dan bila lebih besar
atau sama dengan nilai tabel, maka Ha diterima.
7) Penyajian data:
Hitung frekuensi harapan dari kelima kelompok
sampel tersebut dalam setiap aspek. Hitung berapa
persen dari sampel keseluruhan lulusan SMA dan
SMK. Jumlah seluruh sampel dari 5 prodi adalah
115+160+135+95+80 = 585
Persentase lulusan SMA p1 :
p1 ¿ 80+100+80+65+45580
¿370580 x 100%
23
Page 25
= 63,79%
Frekuensi harapan untuk lulusan SMA adalah sebagai
berikut:
-Pendidikan Teknik Elektro = 115 x 63,79%
= 73,36
- Pendidikan Teknik Informatika = 160 x 63,79%
= 102,06
-Pendidikan Teknik Mesin = 130 x 63,79% =
82,93
-Pendidikan Tata Boga = 95 x 63,79% =
60,6
-Pendidikan Tata Rias = 80 x 63,79% =
51,03
Persentase lulusan SMK p2 :
P2 ¿ 35+60+50+30+35580 ¿ 210
580x 100% = 36,21%
Frekuensi harapan untuk lulusan SMA adalah sebagai
berikut:
Pendidikan Teknik Elektro = 115 x 36,21% =
41,65
Pendidikan Teknik Informatika = 160 x 36,21% =
57,94
Pendidikan Teknik Mesin = 130 x 36,21% =
47,07
Pendidikan Tata Boga = 95 x 36,21% =
34,39
Pendidikan Tata Rias = 80 x 36,21%
= 28,97
24
Page 26
Nilai-nilai tersebut kemudian dimasukkan ke
dalam tabel:
Tabel : Perbandingan Jenis asal sekolah mahasiswa
5 prodi di Fakultas Teknik
Prodi Jenisasalsekolah
P. Teknik Elektro
SMASMK
8035
73,3641,65
6,64-6,67
44,0944,49
0.61,07
P. Teknik Informatika
SMASMK
10060
102,0657,94
-2,062,06
4,248,74
0.040,15
P. Teknik Mesin
SMASMK
8050
82,9347,07
-2,932,93
8,588,58
0,10,18
Pendidikan Tata Boga
SMASMK
6530
60,634,39
4,4-4,39
19,3619,27
0,320,56
Pendidikan Tata Rias
SMASMK
4535
51,0328,97
- 6,036,03
36,3636,36
0,711,26
Jumlah 580 580 4,99
8) Pengujian hipotesis
Berdasarkan hasil perhitungan seperti yang
ditunjukkan pada Tabel, maka dapat diketahui bahwa
Chi square hitung = 4,99. Dalam hal ini dk = N-1
5-1 = 4. Berdasarkan dk 4 dan probabilitas 5%,
maka diperoleh chi square tabel = 9,488. Chi
square hitung lebih kecil dari chi square tabel
25
Page 27
(4,99 < 9,488). Dengan demikian H0 diterima dan
Ha ditolak.
9) Kesimpulan
Tidak terdapat perbedaan yang signifikan antara
jenis asal sekolah mahasiswa lima prodi di
fakultas teknik
Perhitungan SPSS:
1) Buka Variable view → isi nama dengan jenis sekolah
dan prodi
2) Isi value labels jenis sekolah→ klik OK
26
Page 28
3) Isi Value labels Prodi → Klik OK
4) Klik Analyze → non parametris test → K independent
samples
5) Pindahkan jenis sekolah ke test variable list dan
prodi ke grouping variable → Isi
27
Page 29
6) Klik Define range
7) Klik exact → isi number of sample
8) Klik Options → klik descriptive → Klik OK
28
Page 30
Test Statisticsb,c
Jenissekolah
Chi-Square .000
Df 4
Asymp. Sig. 1.000
Exact Sig. 1.000a
Point Probability 1.000a
a. Exact results are provided instead of Monte Carlo for this test.
b. Kruskal Wallis Test
c. Grouping Variable: Prodi
Berdasarkan hasil perhitungan seperti yang
ditunjukkan pada Tabel, maka dapat diketahui bahwa
Chi square hitung = 0,00. Df = 4. Berdasarkan df 4
dan probabilitas 5%, maka diperoleh chi square
tabel = 9,488. Chi square hitung lebih kecil dari
chi square tabel (0,00 < 9,488). Dengan demikian
H0 diterima dan Ha ditolak.
10)Kesimpulan
29
Page 31
Tidak terdapat perbedaan yang signifikan antara
jenis asal sekolah mahasiswa lima prodi di
fakultas teknik
B. Uji persyaratan analisis
Menurut Gunawan (2013), Uji persyaratan analisis
diperlukan guna mengetahui apakah analisis data untuk
pengujian hipotesis dapat dilanjutkan atau tidak.
Beberapa teknik analisis data menuntut uji persyaratan
analisis, antara lain:
1. Uji normalitas
Uji normalitas data dimaksudkan untuk memperlihatkan
bahwa data sampel berasal dari populasi yang
berdistribusi normal.
Contoh soal:
Sebuah penelitian dilakukan untuk mengetahui
pengaruh motivasi, dukungan, dan kelengkapan sarana
praktek terhadap nilai praktek merias wajah cikatri.
Penelitian ini dilakukan dengan cara menyebar angket
pada siswa jurusan Kecantikan sebanyak 30 siswa dan
hasil dari angket tersebut dibandingkan dengan nilai
praktek siswa.
Langkah pengujian normalitas data menggunakan
program SPSS yaitu:
1) Buka variable view → isi
30
Page 32
2) Isi value labels
31
Page 33
3) Buka Data view → masukkan data
4) Klik analyze → non parametrik test → 1 sampel K.S
32
Page 34
5) Pindahkan variabel ke sebelah kanan → klik OK
6) Hasil
Pengambilan keputusan:
Nilai probabilitas < 0,05 = data tidak normal
Nilai probabilitas > 0,05 = data normal
33
Page 35
Motivasi : 0,137 > 0,05 = data normal
Dukungan orang tua : 0,060 > 0,05 = data normal
Kelengkapan sarana : 0,148 > 0,05 = data normal
Nilai praktek : 0,143 > 0,05 = data normal
2. Uji homogenitas
Uji homogenitas dimaksudkan untuk memperlihatkan
bahwa dua atau lebih kelompok data sampel berasal
dari populasi yang memiliki variasi yang sama.
Langkah pengujian homogenitas data menggunakan
program SPSS yaitu:
1) Buka variable view → isi
2) Isi value labels
34
Page 36
3) Buka Data view → masukkan data
35
Page 37
4) Klik analyze → compare means → one way ANOVA
5) Pindahkan variabel ke sebelah kanan
36
Page 38
6) Klik options → klik homogeneity of variance test →
continue → OK
7) Hasil
Pengambilan keputusan:
Nilai probabilitas < 0,05 = data tidak homogen
Nilai probabilitas > 0,05 = data homogen
Motivasi : 0,429 > 0,05 = data homogen
Dukungan orang tua : 0,981 > 0,05 = data homogen
Kelengkapan sarana: 0,314 > 0,05 = data homogen
Tidak ada perbedaan antara motivasi, kelengkapan
sarana dan dukungan orang tua .
3. Uji linieritas
Uji linieritas dilakukan dengan mencari persamaan
garis regresi variabel bebas x terhadap variabel
terikat y.
37
Page 39
Langkah pengujian linieritas data menggunakan
program SPSS yaitu:
1) Buka variable view → isi
2) Isi value labels
38
Page 40
3) Buka Data view → masukkan data
39
Page 41
4) Klik analyze → compare means → means
5) Pindahkan variabel ke sebelah kanan
6) Klik options → test of linierity → continue → OK
40
Page 42
7) Hasil
Pengambilan keputusan:
Nilai probabilitas > 0,05 = data tidak linier
Nilai probabilitas < 0,05 = data linier
Nilai Sig. Linearity 0,00 < 0,05 = data linier
4. Uji heterokedasitas
Uji Heterokedasitas adalah untuk melihat apakah
kesalahan (error) pada data memiliki varian yang
sama atau tidak. Pendeteksian konstan atau tidaknya
varian error konstan dapat dilakukan dengan
menggambar grafik antara ŷ dengan residu (y - ŷ).
Apabila garis yang membatasi sebaran titik-titik
relatif paralel maka varian error dikatakan konstan.
Langkah pengujian heterokedasitas data menggunakan
program SPSS yaitu:
41
Page 43
1) Buka variable view → isi
2) Isi value labels
42
Page 44
3) Buka Data view → masukkan data
43
Page 45
4) Klik analyze → regression → linier
5) Pindahkan variabel ke sebelah kanan
44
Page 46
6) Klik plots → isi Y dengan SRESID dan X dengan
ZPRED
7) Hasil
Pada grafik tampak titik-titik menyebar diatas dan
di bawah sumbu Y dan tidak terjadi pola tertentu.
Dengan demikina dapat disimpulkan bahwa tidak
terjadi heterokedasitas.
5. Uji multikolinieritas
Uji multikolinieritas dimaksudkan untuk mengetahui
ada tidaknya hubungan (korelasi) yang signifikan
antar variabel bebas. Jika terdapat hubungan yang
45
Page 47
cukup tinggi (signifikan), berarti ada aspek yang
sama diukur pada variabel bebas. Hal ini tidak layak
digunakan untuk menentukan kontribusi secara
bersama-sama variabel bebas terhadap variabel
terikat.
Langkah pengujian multikolinieritas data menggunakan
program SPSS yaitu:
1) Buka variable view → isi
2) Isi value labels
46
Page 48
3) Buka Data view → masukkan data
4) Klik analyze → regression → linier
47
Page 49
5) Pindahkan variabel ke sebelah kanan
6) Klik Statistics → colinierity diagnostic
7) Hasil
48
Page 50
Nilai VIF disekitar angka 1 atau memiliki toleran
mendekati angka 1, dengan demikian dapat dikatakan
tidak terdapat masalah multikolinieritas.
6. Uji Autokorelasi
Uji autokorelasi bertujuan untuk mencari tahu apakah
kesalahan (error) suatu data pada periode tertentu
berkorelasi dengan periode lain. Model regresi ganda
yang baik adalah tidak mengalami autokorelasi. Cara
untuk mengetahui apakah mengalami atau tidak
mengalami autokorelasi adalah dengan mengecek nilai
Durbin-Watson (DW). Syarat tidak terjadi
autokorelasi adalah 1 < DW < 3.
Langkah pengujian autokorelasi data menggunakan
program SPSS yaitu:
1) Buka variable view → isi
2) Isi value labels
49
Page 51
3) Buka Data view → masukkan data
50
Page 52
4) Klik analyze → regression → linier
5) Pindahkan variabel ke sebelah kanan
51
Page 53
6) Klik statistics → durbin Watson → continue → OK
7) Hasil
Ternyata koefisien Durbin Watson besarnya 1,472.
Dengan demikian dapat disimpulkan bahwa regresi
antara motivasi, kelengkapan sarana, dukungan
orang tua terhadap nilai praktek.
52
Page 55
BAB III
PENUTUP
A. Kesimpulan
Chi square dapat dihitung menggunakan data kategori.
Datanya berbentuk diskrit atau nominal. Hasil dari chi
kuadrat selalu positif karena hasilnya selalu dikuadratkan.
Hasil chi kuadrat hitung jika lebih kecil dari chi kuadrat
tabel maka hasilnya adalah tidak terjadi perbedaan yang
signifikan. Tetapi jika hasilnya lebih besar dari chi
kuadrat tabel maka terjadi perbedaan yang signifikan.
Sehingga dapat disimpulkan semakin besar hasil dari chi
kuadrat hitung terhadap chi kuadrat tabel maka semakin
signifikan perbedaannya.
Uji persyaratan analisis meliputi uji normalitas,
homogenitas, linieritas, heterokedasitas, multikolinieritas
dan autokorelasi. Uji tersebut sangat penting untuk
dilakukan, karena dalam statistik inferensial agar
kesimpulan analisis data berlaku pada populasi, maka
sebaran data harus memenuhi beberapa kriteria tersebut.
54
Page 56
DAFTAR RUJUKAN
Gunawan, Muhammad Ali. 2013. Statistik Untuk Penelitian Pendidikan. Yogyakarta: Parama Publishing
Suciptawati, Ni luh Putu. 2010. Metode Statistika Nonparametrik. Denpasar: Udayana University Press
Sufren dan Natanael, Yonathan. 2013. Mahir Menggunakan SPSSSecara Otodidak. Jakarta: PT. Elex Media Komputindo
Sugiyono. 2013. Statistik Nonparametris Untuk Penelitian. Bandung: CV. Alfabeta
55