PANDUAN PRAKTIS MENGOPERASIKAN PROGRAM SPSS

97101

108

114

119123

128

136140

7080

90100 80

90100

110

INDRA JAYA

PANDUAN TERAMPIL MENGOPERASIKAN

S P S S Untuk Penerapan Pada Skripsi, Tesis dan Penelitian Lanjutan

1

Langkah-langkah seperti di atas

dapat anda lakukan untuk mengedit

2 tampilan histogram lainnya.

SELAMAT MENCOBA….

Editor : Fahrurrizal, M.Si

KATA PENGANTAR

Syukur Alhamdulillah, buku “Panduan TerampilMengoperasikan SPSS ini dapat terselesaikan, yangtidak lain hanya atas limpahan rahmat dan hidayahAllah SWT, upaya penulisan buku ini didorong olehkeinginan penulis untuk dapat memberikan sekelumitsumbangan bagi tegaknya aplikasi metodologipenelitian kuantitatif (Statistik) di IAIN-SU

Penggunaan metode yang tidak tepat akanmenghasilkan informasi yang juga tidak tepat,sehingga jika digunakan sebagai landasan pengambilankeputusan, maka keputusannya juga tidak tepat. Akanlebih fatal lagi bilamana informasi yang tidak tepattersebut dipakai sebagai landasan pembuatankebijakan, tentulah kebjakan yang dihasilkan dapatmembuat sesat orang banyak.

Aplikasi metode kuantitatif dapat dengan tepatbilamana dalam pemilihannya dilakukan dengan benar.Benar disini artinya, relevan dengan permasalahanyang akan diselesaikan dan sesuai dengankarakteristik data atau variabel yang tersedia.Untuk itu didalam suatu penelitian dibutuhkanperumusan permasalahan secara tegas dan identifikasi

2




SELAMAT MENCOBA….

jenis masalah serta penggunaan alat analisis secarabenar, sehingga mutlak dibutuhkan pengetahuantentang variabel, indikator, instrumen, data dansampel. Selanjutnya tentang metodologi penelitiankuantitatif (statistik) juga mutlak diperlukan,sebab kita dapat memilih metode yang tepat bilamanakita mengetahui metode-metode yang akan dipilihtersebut. Bilamana peneliti kurang mengetahuimetode-metode yang ada maka dalam menentukan metodekuantitatif yang akan digunakan dilakukan dengancara menebak, sehingga dapat benar dan dapat jugasalah yang peluangnya sama.

Buku ini disusun dengan harapan dapat membantupara pengguna metodologi kuantitatif (statistik)dengan menggunakan perangkat komputer pada programSPSS, sehingga yang tadinya hanya menebak, lambatlaun akan berganti ke memilih. Tentunya untuk dapatmelakukan kegiatan memilih secara sempurna masihdibutuhkan pemahaman yang sangat luas tentangberbagai metode kuantitatif (Statistik).

Ucapan terima kasih disampaikan kepada Rektordan Pembantu Rektor IAIN Sumatera Utara, yangterhormat Bapak Prof. Dr. H.M. Yasir Nasution, MA,Bapak Dr. H. Lahmudin Nasution, MA selaku PR I,Bapak Dr. H. Asmuni, MA, selaku PR II , Bapak Dr.Fahrudin Azmi, MA selaku PR III dan Bapak Drs. H.Irwan Nasution, M.Sc selaku Dekan pada FakultasTarbiyah, yang telah memberikan peluang dankesempatan bagi penulis untuk berkarya dalam rangkapenulisan buku panduan terampil mengoperasikan

3




SELAMAT MENCOBA….

Program SPSS untuk kepentingan penelitiankuantitatif.

Akhirnya kami mengucapkan terima kasih yangtidak ternilai harganya kepada seluruh para penggunabuku ini, kiranya ilmu yang sudah diperoleh dapatdiaplikasi untuk kebutuhan penelitian kuantitatif

Medan, Maret 2010

PENYUSUN

DAFTAR ISI

4




SELAMAT MENCOBA….

Halaman

KATA PENGANTAR…………..…………..………………………. i

DAFTAR ISI…………………..………..…………………………… iii

BAB I

SCALE VALIDITAS DAN RELIABILITAS ............. 30

A Memasukkan Data ke SPSS………………..……… 301 Membuka Lembar Kerja

Baru............................. 30

2 Memasukkan Data...............................................

31

3 Menamai Variabel dan Properti yang Dibutuhkan.................................................

33

B Langkah-Langkah Analisis…………………...…… 351 Validitas

Instrumen..............................................

35

2 Standar Pengguguran Setiap Butir....................... 39

3 Reliabilitas Instrumen..........................................

44

4 Memindahkkan Hasil Analisis SPSS ke Microsoft Word...............................

44

5




SELAMAT MENCOBA….

................C Hasil Akhir Analisis dalam Lembar

Kerja Microsoft Word...............................................

47

BAB II STATISTIK DESKRIPTIF………….……………….. 57A Memasukkan Data ke SPSS………………..……… 57

1 Membuka Lembar Kerja Baru…………….…… 572 Memasukkan Data……………………………… 583 Menamai Variabel dan Properti

yang dibutuhkan....................................................

58

B Pengukuran Gejala Pusat (Mean, Median, Modus, maksimum, minimum), Pengukuran Variansi Kelompok (Rentang Data, Standar Deviasi,Variansi)…………………… 60

C Grafik……………………………………………… 661 Histogram + With Normal Curve………………. 672 Membuka Lembar Kerja Editing Pada

Grafik 69

3 Editing untuk jumlah batang yang dikehendaki menurut aturan strurges………………………… 70

4 Menampilkan Data Kelompok (rentang kelas) pada grafik histogram……….…. 74

5 Menampilkan Garis-Garis Horizontal dan Partikal Pada 76

6




SELAMAT MENCOBA….

Grafik……….……6 Menampilkan Satuan frekuensi

tiap-tiap batang pada grafik………………..…… 78

7 Memilih Warna (Pewarnaan) pada Batang Histogram………………………… 79

8 Mengedit ukuran Font………………………..… 819 Menghilangkan Title…………………………… 8210

Membuat Bar Spacing Pada Koordinat (Y)…….. 84

D Tabel Distribusi Data Tunggal………………..…… 86

E Tabel Distribusi Data Kelompok…………………... 89

F Memindahkan Output Hasil Analisis .dari SPSS ke Microsoft Word………………...……

103

G Hasil Analisis SPSS dalam Microsoft Word…...…..

106

BAB III

UJI PERSYARATAN ANALISIS PADA REGRESI LINIER.………………………........ 112

A Uji Linieritas…………………………………..…… 112B Uji Normalitas……………………………………… 116

1 Uji Normalitas dengan Menggunakan Analisis Kolmogorov Smirnov Test..................................

116

2 Uji Normalitas dengan Menggunakan Grafik Q – Q Plot...............................

118

7




SELAMAT MENCOBA….

..................3 Membuat Garis Interpolasi pada

sebaran titik-titik Normal…….………………… 119

C Uji Homogenitas…………………………………… 123D Uji Independen Antar variabel

Bebas……………… 127

E Hasil Analisis SPSS pada Microsoft Word…………

132

BAB IV REGRESI LINIER ………………………...……..…… 135A Regresi Linier Sederhana………………………..… 135B Estimasi (Grafik Persamaan Garis)

Regresi Linier Sederhana…………………...……… 1381 Editing untuk mengetahui Sebaran

Titik yang Saling Berinteraksi………………….……. 140

2 Editing untuk mengetahui Ada Tidaknya Titik Outlayer...............................................................

144

3 Editing Untuk Tampilan Skala Vertikal dan Horizontal Pada Grafik.................................

146

4 Editing Untuk Mengetahui Nomor Urutan Data (Label) Pada Data Out

148

8




SELAMAT MENCOBA….

Layar……………..C Regresi Linier

Ganda.................................................

150

D Estimasi (Grafik Persamaan Garis) Regresi Linier Ganda…………………………….… 1521 Editing Dalam Pembuatan Skala Pada

Masing-masing Sumbu ordinat…………….…… 1592 Editing Memilih Model Simbol dan

Pewarnaan pada Bidang Diagonal......................... 164

a Editing Memilih Model Simbol dan Pewarnaan..................................................

164

b Editing Bidang Diagonal dan Pewarnaan..................................................

166

E Korelasi Parsial………………………………..…… 168F Hasil Analisis Dari SPSS Ke Microsoft

Word…….. 172

BAB V MEMBACA DAN INTERPRETASI DATA……...… 177A Validitas dan Reliabilitas……………..

……… 177

1 Validitas…………………………….…… 1772 Reliabilitas………………………………. 179

B Statistik Deskriptif…..…………………..…… 1801 Deskripsi Data…………………………… 180

9




SELAMAT MENCOBA….

2 Grafik Histogram…………………...…… 1823 Tabel Distribusi Data

Tunggal………...… 183

4 Tabel Distribusi DataKelompok……...… 185

C Uji Persyaratan Analisis……………………… 1861 Uji Linieritas………………………..…… 1862 Uji Normalitas…………………...…….… 1873 Uji Homogenitas………….…… 1904 Uji Independensi Antar variabel

Bebas…. 191

D Regresi……………………………………….. 1931 Regresi Linier

Sederhana………………... 193

2 Estimasi pada Regresi Linier Sederhana……………………………...… 198

3 Regresi Linier Ganda………………….… 1994 Estimasi pada Regresi

Linier Ganda…………………………..… 2045 Korelasi Parsial………………………..... 206

DAFTAR BACAAN.. …………………………………………….. 208

10




SELAMAT MENCOBA….

BAB I VALIDITAS DAN RELIABILITAS

A. Memasukan Data ke SPSS

1. Buka lembar kerja baru

Lembar kerja baru pada SPSS selalu dibuka

jika anda ingin melakukan analisis melalui program

SPSS. Membuka lembar kerja baru pada SPSS dapat

dilakukan dengan langkah-langkah sebagai berikut:

Klic dari menu utama file, pilih menu New, oleh

karena akan dibuat data yang baru, klic pada Data.

Sekarang SPSS siap membuat variabel baru yang kita

perlukan. Sebagaimana pada figure 1 di bawah ini.

11




SELAMAT MENCOBA….

Figure 1

2. Memasukkan Data

Memasukkan data ke dalam lembar kerja dapat

dilakukan dengan 2 cara: Pertama: dengan mengetik

langsung pada lembar kerja baru SPSS yang telah

tersedia, kemudian ketik gugusan data sesuai dengan

data yang kita inginkan. Kedua : dengan Menginport

data dari software lainnya seperti: Program Exel

atau dari lembar kerja SPSS yang sudah anda ketik

sebelumnya ke Lembar kerja baru SPSS. Umumnya para

pengguna program SPSS kurang meminati penggunaan

12




SELAMAT MENCOBA….

cara ini untuk melakukan input data kedalam lebar

kerja baru. Cara termudah untuk menginput data ke

dalam lembar kerja baru pada SPSS dapat dilakukan

dengan cara memindahkan yang telah di ketik

sebelumnya pada pada Program Exel ke layar kerja

baru pada SPSS, dengan cara mengcopy seluruh data

yang akan kita pindahkan kemudian meletakkan cursor

pada bagian layar pada lembar kerja baru SPSS,

selanjutnya klic Paste.

Sebagai Contoh:

Misalkan anda ingin menganalisis Validitas dan

Reliabilitas butir-butir instrumen penelitian yang

datanya sudah anda rekapitulasi sebelumnya, maka

anda dapat mengetik langsung data tersebut ke fail

baru SPSS yang sudah aktif atau dengan mengetiknya

terlebih dahulu di program Exel, selanjutnya

memindahkan data tersebut ke fail SPSS yang telah

tersedia. Sebagaimana tampak pada figure 2 dan 3

berikut:

13




SELAMAT MENCOBA….

Figure 2

Figure 3

3. Menamai Variabel dan Properti yang dibutuhkan

14




SELAMAT MENCOBA….

Langkah berikutnya adalah membuat nama untuk

tiap variabel baru, jenis data, lebel, ukuran

desimal dsb. Untuk kebutuhan ini, pindahkan kursor

anda ke bagian paling bawah kiri pada layar, klic

Variable View.

Sekarang tampilan pada layar anda sudah

berubah (lihat figure 4). Langkah selanjutnya

merubah nama yaitu pada kolom Name dengan cara

mengubah satu persatu nama-nama variabel yang

terdapat pada kolom nama dengan menggantikannya

dengan nama baru sesuai dengan nama yang anda

inginkan

contoh:

Pada Var00001 dirubah menjadi Butir001 dan

seterusnya sesuai dengan urutan, sebagaimana yang

anda lihat pada figure 4 di bawah ini.

15




SELAMAT MENCOBA….

Figure 4

Kemudian merubah kembali tampilan layar, klic

Data View pada sebelah kiri bagian paling bawah

pada tampilan layar. Maka anda akan mendapatkan

tampilan layar baru seperti pada figure 5 di bawah

ini.

16




SELAMAT MENCOBA….

Figure 5

Dari figure 5 ini, sekarang mari kita coba

melakukan langkah-langkah untuk menganalisis

Validitas dan Reliabilitas Instrumen. Kegunaan

analisis ini untuk mendapatkan butir-butir

instrumen Valid dan Reliable dari jawaban yang diisi

responden melalui instrumen yang sudah kita susun

sebelumnya. Sekarang mari kita ikuti Langkah-

langkah yang harus ditempuh:

B. Langkah-langkah Analisis

1. Validitas Instrumen

Klic Menu utama Analyze, pilih menu Scale,

pindahkan kursor ke Reliability Analysis, klic. Maka

anda akan mendapatkan kotak dialog Reliability Analysis.

Sebagaimana tampilan pada figure 6 di bawah ini.

17




SELAMAT MENCOBA….

Figure 6

Dari kotak doalog Reliability Analysis, pindahkan

seluruh data pada kotak sebelah kiri ke bagian

kotak sebelah kanan dengan cara memblock

keseluruhan data. Untuk hal ini, arahkan kursor

anda pada urutan butir001, klic, tahan klic dan

tarik ke bawah, sekarang anda dapat melihat sebuah

kotak kecil antara dua kotak besar yang sedang

aktif, hal ini menandakan seluruh butir-butir yang

terdapat pada kotak sebelah kiri siap untuk segera

18




SELAMAT MENCOBA….

dipindahkan ke bagian kotak sebelah kanan. Klic

pada bagian kotak kecil, maka data anda sekarang

sudah berpindah ke kotak sebelah kanan (lihat

figure 7). Selanjutnya Klic menu Statistics pada

kotak dialog Reliability Analysis. Lihat figure 8 pada

halaman selanjutnya.

19




SELAMAT MENCOBA….

Figure 7

20




SELAMAT MENCOBA….

Figure 8

Melalui tampilan figure 8. klic pada bagian-

bagian menu Scale if item deleted, Intraclass correlation

coefficient dan abaikan pada bagian lainnya. Klic

continue. Klic OK. Maka anda akan memperoleh output

21




SELAMAT MENCOBA….

dari data yang anda analisis. Sebagaimana tampilan

gambar di bawah ini.

22




SELAMAT MENCOBA….

Figure 9

Catatan: Jika anda menarik ke bawah batang pengontrol partikalyang ada di sebelah kanan maka anda akanmemperoleh tampilan sebagaimana Figure

Melalui tampilan hasil output Reliability di

atas, anda dituntut harus jeli dalam melihat

setiap hasil output pada bagian kolom Corrected Item-

Total Correlation, sebab pada bagian kolom tersebut

merupakan hasil analisis dari validitas setiap

butir Instrumen dari data yang anda analisis.

2. Standart Pengguguran Setiap Butir.

Biasanya seorang peneliti kuantitatif sudah

lebih dahulu menetapkan tingkat signifikansi

(nilai kepercayaan) dari penelitian yang ia

inginkan. Sebagai contoh, dalam hal ini kita ambil

saja tingkat signifikansi dari hasil penelitian

yang kita inginkan yakni sebesar 0,05 (95 %).

Berdasarkan nilai signifikansi sebesar 0,05

(95%) tersebut, kita dapat menetapkan standart

23




SELAMAT MENCOBA….

pengguguran setiap butir untuk memilih butir-butir

valid yang nantinya dapat digunakan sebagai

instrumen penelitian yang sebenarnya, sedangkan

butir yang tidak valid kita nyatakan gugur dan

butir ini tidak dapat dipakai sebagai alat ukur

dalam penelitian.

Kembali kepada nilai signifikansi yang kita

jadikan sebagai alat standart pengguguran butir

instrumen. Sekarang kita berpedoman kepada figure

10. lihat pada bagian.Intraclass Correlation Coefficient

Two-Way Mixed Effect Model (Consistency Definition):People Effect Random,Measure Effect Fixed Single Measure Intraclass Correlation = .2139*95.00% C.I.: Lower = .1393 Upper = .3397 F = 11.8831 DF = (29, 1131.0)Sig. = .0000 (Test Value = .0000)

Tanda bintang (*) menyatakan Ukuran Tunggal

Korelasi antar kelas pada tingkat nilai

kepercayaan 0,05 (95%), sedangkan tanda bintang

(**) untuk nilai kepercayaan sebesar 0,01 (99%).

Dalam kasus ini, kita sudah membangun kesepakatan

pada uraian sebelumnya yaitu menetapkan

24




SELAMAT MENCOBA….

pengguguran pada setiap butir instrumen valid pada

taraf nilai signifikansi sebesar < 0,05 (95%).

Dengan demikian kita dapat menentukan

standart pengguguran butir instrumen yaitu pada

nilai Lower = 0,1393. Jika output pada kolom

Corrected Item-Total Correlation lebih kecil dari nilai

Lower hasil analisis yang sudah ditetapkan di

atas, maka butir-butir yang tergolong pada

kategori di bawah nilai tersebut dinyatakan gugur

(Deleted) dan jika tidak maka dikategorikan Sahih

(Valid)

Jika dalam satu kali analisis (putaran 1)

memiliki butir yang tidak valid (dinyatakan

gugur), dengan cara sama sebagaimana langkah yang

dilakukan pada figure 5, maka anda disarankan

mengalisis instrumen untuk putaran kedua. Sebelum

anda menganalisis untuk putran kedua, harus

diperhatikan bahwa butir-butir yang sudah

dinyatakan gugur pada putaran 1, harus dikeluarkan

dengan cara memindahkan butir-butir yang

25




SELAMAT MENCOBA….

dinyatakan gugur tersebut ke kolom pada bagian

kiri kotak dialog.

Demikian seterusnya sampai anda tidak

menemukan lagi butir-butir yang dinyatakan gugur

(di bawah angka Lower) pada analisis tersebut.

Untuk memudahkan dalam memahami ketentuan ini,

mari kita perhatikan langkah selanjutnya.

26

Ingat LOWER Sebagai Standart Pengguguran Pada Butir yang Dinyatakan Tidak Signifikan!




SELAMAT MENCOBA….

Figure10

Pada figure 11 terlihat bahwa, terdapat tiga

butir yang dinyatakan memiliki koefisien di bawah

standart pengguguran (lower = 0,1393) butir-butir

yang gugur tersebut harus dikeluarkan antara lain:

butir 11, butir 23 dan butir 37. ikuti langkah-

langkah sebagaimana figure 5 sebelumnya dan anda

pasti menemukan tampilan layar seperti figure 12.

jika hal ini sudah anda lakukan maka anda kembali

27

Butir yang dinyatakan gugur pada putaran 1,

harus dikeluarka

n pada analisis putaran

berikutnya




SELAMAT MENCOBA….

mendapatkan hasil analisis yang dinamakan analisis

putaran 2, seperti analisis berikut ini.

Figure 12

28




SELAMAT MENCOBA….

Figure 11

Pada figure 13 terlihat bahwa nilai Lower pada

taraf signifikansi 0,05 (95%) sebesar 0,1702, dan

jika kita telusuri secara cermat nilai-nilai

koefisien yang terdapat pada kolom Corrected Item-

Total Correlation maka salah satu butir yang sudah

29




SELAMAT MENCOBA….

pasti dinyatakan gugur pada analisis putaran 2 ini

terlihat pada koefisien BUTIR001. sekarang coba

anda selidiki secara cermat untuk keseluruhan item

nilai-nilai koefisien tersebut, selanjutnya

lakukan analisis sebagaimana seperti yang kita

lakukan pada langkah-langkah sebelumnya.

Analisis yang anda peroleh dari putaran

ketiga……………?

30




SELAMAT MENCOBA….

Figure 12

Lihat Figure 14 di atas. Sekarang coba

sekali lagi anda selidiki secara akurat, cermat,

teliti, untuk keseluruhan item nilai-nilai

koefisien tersebut. Apakah masih terdapat butir-

butir koefisien yang nilainya di bawah standart

pengguguran (Lower 0,1776). Jika ada lanjutkan

analisis seperti yang anda lakukan pada langkah

sebelumnya, jika tidak, maka analisis anda

cukupkan sampai disini.

3. Reliabilitas Instrumen

Jika anda perhatikan seluruh hasil analisis

dari putaran 1 sampai putaran 3 yang terdapat pada

figure 10, figure 13 dan figure 14 di atas maka

anda mendapatkan hasil analisis Reliability Coefficients

(reliabilitas Instrumen) yaitu pada nilai Alpha

31




SELAMAT MENCOBA….

masing-masing: pada figure 10 ;Alpha = 0,9158,

pada figure 13; Alpha = 0,9268, dan pada figure

14; Alpha = 0,9284. maka nilai reliabilitas

instrumen yang dipakai untuk instrumen yang valid

tersebut adalah nilai koefisien Alpha dari

analisis yang terakhir, dimana tidak terdapat lagi

butir-butir yang dinyatakan gugur berdasarkan

analisis validitas. Maka koefisien reliabilitas

yang dimaksud sebesar 0,9284.

32

Ingat ! Nilai koefisien Alpha dari hasil terakhir pada analisis validitas dan reliabilitas merupakan

koefisien Reliabilitas dari instrumen Anda




SELAMAT MENCOBA….

4. Memindahkan Hasil Analisis SPSS ke Microsoft

Word

Untuk melihat hasil keseluruhan dari yang

anda analisis, maka seluruh output SPSS mengenai

analisis validitas dan reliabilitas ini dapat pula

anda pindahkan ke Microsoft Word dengan cara

sebagai berikut:

33




SELAMAT MENCOBA….

Figure 13

Pilih pada menu utama Edit, pilih menu Select

All, kemudian klic, maka keseluruhan analisis akan

ter-block sebagaimana terlihat pada figure 16

berikut ini.

34




SELAMAT MENCOBA….

Figure 14

Figure 15

35




SELAMAT MENCOBA….

Selanjutnya pilih pada menu utama Edit, pilih

menu Copy Objects, klic pada menu tersebut (lihat

figure 17). Maka computer akan menyimpan seluruh

hasil analisis yang selanjutnya siap untuk

ditampilkan ke dalam Microsoft Word. Gunakan Paste

untuk segera pemindahan hasil analisis ke Microsoft

Word, maka anda memperoleh hasil analisis sebagai

berikut:

C. Hasil Akhir Analisis dalam Lembar Kerja MicrosoftWord

RELIABILITY ANALYSIS - SCALE (A L P H A)Variabel : ………………………………………………………….Putaran : Putaran 1Item-total Statistics

Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item

36




SELAMAT MENCOBA….

Deleted Deleted Correlation Deleted

BUTIR001 134.6667 634.9885 .1709 .9170BUTIR002 133.1667 603.8678 .6683 .9112BUTIR003 133.3667 629.6195 .3099 .9152BUTIR004 133.3667 628.4471 .3032 .9154BUTIR005 133.7667 621.4264 .4381 .9140BUTIR006 133.8333 611.6609 .4992 .9132BUTIR007 133.5667 612.8057 .4126 .9144BUTIR008 133.2667 616.0644 .5291 .9130BUTIR009 133.5000 605.6379 .6751 .9113BUTIR010 134.3000 597.5966 .5950 .9118BUTIR011 134.5333 654.7402 -.1194 .9205BUTIR012 134.0667 620.5471 .4661 .9137BUTIR013 133.7000 600.5621 .6064 .9117BUTIR014 133.8000 591.6138 .7333 .9100BUTIR015 133.5667 600.4609 .6937 .9108BUTIR016 133.0000 623.4483 .5691 .9133

37




SELAMAT MENCOBA….

BUTIR017 133.5333 619.4989 .4196 .9141BUTIR018 133.5667 591.5644 .7737 .9096BUTIR019 133.9333 588.2023 .7215 .9099BUTIR020 133.7667 612.6678 .4196 .9143BUTIR021 133.0333 610.2402 .5982 .9122BUTIR022 133.3333 617.1954 .5267 .9131BUTIR023 134.7000 644.8379 .0161 .9194BUTIR024 133.7000 593.8724 .6887 .9105BUTIR025 134.4000 626.1793 .3215 .9152BUTIR026 133.8667 632.0506 .2558 .9158BUTIR027 133.5000 628.4655 .3409 .9149BUTIR028 133.6333 629.2057 .3115 .9152BUTIR029 133.6667 612.4368 .5807 .9124BUTIR030 134.2333 624.1161 .3538 .9149BUTIR031 133.7667 625.0816 .4102 .9143BUTIR032 133.7667 621.4264 .4381 .9140BUTIR033 133.9000 631.2655 .2486 .9160BUTIR034 133.8667 609.9816 .4971 .9132

38




SELAMAT MENCOBA….

BUTIR035 133.5333 621.8437 .3825 .9146BUTIR036 133.5333 599.0161 .7186 .9105BUTIR037 134.3333 642.7816 .0545 .9184BUTIR038 133.1667 618.2126 .5120 .9132BUTIR039 134.1667 624.8333 .3510 .9149BUTIR040 134.4333 623.8402 .3008 .9157

Intraclass Correlation CoefficientTwo-Way Mixed Effect Model (Consistency Definition):People Effect Random, Measure Effect Fixed Single MeasureIntraclass Correlation = .2139* 95.00% C.I.: Lower = .1393Upper = .3397 F = 11.8831 DF = (29, 1131.0) Sig. = .0000(Test Value = .0000)Average Measure Intraclass Correlation = .9158** 95.00% C.I.:Lower = .8662 Upper = .9537 F = 11.8831 DF = (29,1131.0) Sig. = .0000 (Test Value = .0000)*: Notice that the same estimator is used whether the

interaction effect is present or not.**:This estimate is computed if the interaction effect is

absent, otherwise ICC is not estimable.

Reliability Coefficients

N of Cases = 30.0 N of Items = 40 Alpha = .9158

RELIABILITY ANALYSIS - SCALE (A L P H A)Variabel : ………………………………………………………………Putaran : Putaran 2

39




SELAMAT MENCOBA….

Item-total StatisticsItem-total Statistics

Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted

BUTIR 001 126.6333 633.9644 .1633 .9284BUTIR 002 125.1333 603.0161 .6580 .9231BUTIR 003 125.3333 626.5057 .3388 .9263BUTIR 004 125.3333 626.0230 .3185 .9266BUTIR 005 125.7333 619.1678 .4513 .9253BUTIR 006 125.8000 608.9931 .5166 .9246BUTIR 007 125.5333 610.7402 .4199 .9259BUTIR 008 125.2333 616.1161 .5017 .9248BUTIR 009 125.4667 604.8092 .6639 .9231BUTIR 010 126.2667 594.4092 .6171 .9233BUTIR 012 126.0333 620.6540 .4370 .9254BUTIR 013 125.6667 597.7471 .6249 .9232BUTIR 014 125.7667 591.6333 .7123 .9221

40




SELAMAT MENCOBA….

BUTIR 015 125.5333 597.7057 .7137 .9224BUTIR 016 124.9667 621.4816 .5801 .9246BUTIR 017 125.5000 619.5690 .3946 .9259BUTIR 018 125.5333 589.9126 .7764 .9214BUTIR 019 125.9000 588.4379 .6990 .9222BUTIR 020 125.7333 607.7195 .4647 .9253BUTIR 021 125.0000 609.9310 .5781 .9240BUTIR 022 125.3000 617.8724 .4872 .9249BUTIR 024 125.6667 590.8506 .7102 .9221BUTIR 025 126.3667 624.1023 .3305 .9265BUTIR 026 125.8333 628.4195 .2927 .9267BUTIR 027 125.4667 627.2230 .3358 .9263BUTIR 028 125.6000 624.3862 .3706 .9260BUTIR 029 125.6333 609.9644 .5977 .9238BUTIR 030 126.2000 622.4414 .3564 .9262BUTIR 031 125.7333 624.5471 .3917 .9258BUTIR 032 125.7333 619.1678 .4513 .9253BUTIR 033 125.8667 628.5333 .2684 .9271

41




SELAMAT MENCOBA….

BUTIR 034 125.8333 607.9368 .5049 .9247BUTIR 035 125.5000 620.8103 .3750 .9261BUTIR 036 125.5000 598.6034 .7018 .9225BUTIR 038 125.1333 618.2575 .4838 .9250BUTIR 039 126.1333 623.1540 .3537 .9262BUTIR 040 126.4000 623.0759 .2905 .9273

Intraclass Correlation Coefficient

Two-Way Mixed Effect Model (Consistency Definition):People Effect Random, Measure Effect Fixed Single MeasureIntraclass Correlation = .2549* 95.00% C.I.: Lower = .1702Upper = .3916 F = 13.6592 DF = (29, 1044.0) Sig. = .0000(Test Value = 0000)Average Measure Intraclass Correlation = .9268**95.00% C.I.: Lower = .8835 Upper = .9597 F = 13.6592 DF= (29, 1044.0) Sig. = .0000 (Test Value = .0000 )

*: Notice that the same estimator is used whether theinteraction effect is present or not.

**: This estimate is computed if the interaction effect isabsent,otherwise ICC is not estimable.

Reliability Coefficients

N of Cases = 30.0 N of Items = 37 Alpha = .9268

RELIABILITY ANALYSIS - SCALE (A L P H A)

42




SELAMAT MENCOBA….

Variabel : …………………Putaran : Putaran 3Item-total Statistics

Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted

BUTIR 002 122.6000 590.2483 .6656 .9246BUTIR 003 122.8000 614.5793 .3276 .9280BUTIR 004 122.8000 613.6828 .3151 .9282BUTIR 005 123.2000 607.5448 .4363 .9271BUTIR 006 123.2667 597.0299 .5106 .9263BUTIR 007 123.0000 598.4828 .4182 .9276BUTIR 008 122.7000 602.9759 .5143 .9263BUTIR 009 122.9333 593.0299 .6546 .9248BUTIR 010 123.7333 582.6161 .6116 .9251BUTIR 012 123.5000 608.1897 .4367 .9270BUTIR 013 123.1333 584.9471 .6327 .9248BUTIR 014 123.2333 578.7368 .7224 .9237

43




SELAMAT MENCOBA….

BUTIR 015 123.0000 585.1034 .7194 .9240BUTIR 016 122.4333 609.2885 .5730 .9263BUTIR 017 122.9667 606.9299 .3973 .9275BUTIR 018 123.0000 578.0690 .7715 .9232BUTIR 019 123.3667 575.7575 .7061 .9238BUTIR 020 123.2000 595.1310 .4678 .9269BUTIR 021 122.4667 596.8782 .5898 .9255BUTIR 022 122.7667 605.4264 .4871 .9266BUTIR 024 123.1333 578.2575 .7160 .9237BUTIR 025 123.8333 610.9023 .3415 .9280BUTIR 026 123.3000 616.9759 .2729 .9286BUTIR 027 122.9333 615.1678 .3265 .9280BUTIR 028 123.0667 612.3402 .3620 .9277BUTIR 029 123.1000 598.0931 .5889 .9256BUTIR 030 123.6667 610.0920 .3540 .9279BUTIR 031 123.2000 611.2690 .4062 .9273BUTIR 032 123.2000 607.5448 .4363 .9271BUTIR 033 123.3333 614.4368 .2938 .9285

44




SELAMAT MENCOBA….

BUTIR 034 123.3000 596.4241 .4927 .9265BUTIR 035 122.9667 608.1023 .3785 .9277BUTIR 036 122.9667 586.6540 .6969 .9242BUTIR 038 122.6000 605.4897 .4895 .9266BUTIR 039 123.6000 610.1793 .3614 .9278BUTIR 040 123.8667 609.9816 .2985 .9289


Two-Way Mixed Effect Model (Consistency Definition):People Effect Random, Measure Effect Fixed Single MeasureIntraclass Correlation = .2647* 95.00% C.I.: Lower = .1776 Upper = .4036 F = 13.9577 DF = ( 29, 1015.0) Sig. = .0000 (Test Value = .0000)Average Measure Intraclass Correlation = .9284**95.00% C.I.: Lower = .8860 Upper = .9606 F = 13.9577 DF =(29, 1015.0) Sig. = .0000 (Test Value = .0000)

*: Notice that the same estimator is used whether theinteraction effect is present or not.

**:This estimate is computed if the interaction effect isabsent,otherwise ICC is not estimable.

Reliability CoefficientsN of Cases = 30.0 N of Items = 36 Alpha = .9284

45

Catatan:

Nilai Lower pada setiap hasil analisis merupakan angka standar pengguguran pada setiap kefisien butir yang terdapat pada kolom Corrected Item-Total CorrelationAnalisis Butir valid, terdapat pada analisis terakhir dengan ketentuan setiap kefisien butir yang terdapat kolom Corrected Item-Total Correlation seluruhnya berada di atas nilai Lower pada analisis tersebutKoefisien Reliabilitas instrumen pada analisis validitas butir terdapat pada koefisien Alpha (Alpha Cronbach) dari akhir analisis tersebutLakukan pengeditan, agar terlihat lebih mudah anda dan orang lain memahami hasil analisis. Kejujuran dalam melakukan pengeditan merupakan kunci sukses dalam penelitian yang anda lakukan.

SELAMAT MENGIKUTI PADA ANALISIS BERIKUTNYA




SELAMAT MENCOBA….

46

Catatan:

Nilai Lower pada setiap hasil analisis merupakan angka standar pengguguran pada setiap kefisien butir yang terdapat pada kolom Corrected Item-Total CorrelationAnalisis Butir valid, terdapat pada analisis terakhir dengan ketentuan setiap kefisien butir yang terdapat kolom Corrected Item-Total Correlation seluruhnya berada di atas nilai Lower pada analisis tersebutKoefisien Reliabilitas instrumen pada analisis validitas butir terdapat pada koefisien Alpha (Alpha Cronbach) dari akhir analisis tersebutLakukan pengeditan, agar terlihat lebih mudah anda dan orang lain memahami hasil analisis. Kejujuran dalam melakukan pengeditan merupakan kunci sukses dalam penelitian yang anda lakukan.

SELAMAT MENGIKUTI PADA ANALISIS BERIKUTNYA




SELAMAT MENCOBA….

BAB II

STATISITIK DESKRIPTIF

A. Memasukan Data ke SPSS

1. Membuka lembar kerja baru

Lembar kerja baru selalu dibuka jika ada

pemasukan variabel yang baru. Untuk kebutuhan

ini, Klic dari menu utama file, pilih menu

New, oleh karena akan dibuat data yang baru,

klic mous pada kolom Data. Sekarang SPSS siap

membuat variabel baru yang kita perlukan.

Sebagaimana terlihat pada figure 18 di bawah

ini.

47




SELAMAT MENCOBA….

Figure 16

2. Memasukkan Data

Pada bagian ini kita melakukan pemasukan

data secara manual dengan mengetik langsung

data-data tersebut ke dalam lembar kerja SPSS

yang telah tersedia.

48




SELAMAT MENCOBA….

Sebagai contoh: kita memasukkan data

hasil penjumlahan seluruh butir instrumen

penelitian yang telah kita buat sebelumnya.

Rangkuman dari hasil penjumlahan seluruh butir

instrumen tersebut, selanjutnya kita ketik ke

dalam lembar kerja yang telah tersedia dan

hasilnya dapat dilihat sebagaimana figure 19:

Figure 17

49




SELAMAT MENCOBA….

3. Menamai Variabel dan Properti yang

dibutuhkan

Langkah berikutnya adalah membuat nama untuk

tiap variabel baru, jenis data, lebel, ukuran

desimal dsb. Untuk kebutuhan ini lihat figure

20. Pindahkan kursor anda ke bagian paling

bawah kiri pada layar, klic Variable View.

Pada kolom Name : Rubah Var00001, Var00002,

Var00003 tersebut menjadi X1, X2, Y

Pada kolom Decimal: Rubah angka 2 menjadi 0

(Sesuai dengan berapa desimal yang kita

inginkan

50




SELAMAT MENCOBA….

Pada Kolom Label : Tuliskan nama Variabel

penelitian anda Sebagai Contoh: Tulis

“KOUNIKASI ANTAR PRIBADI (X1)” untuk Variabel

X1, Tulis “Motivasi Kerja (X2)” untuk Variabel

(X2) dan Tulis “ Kinerja Guru (Y) untuk

Variabel Y

Pada kolom Align : Anda dapat menempatkan

posisi data dalam tampilan layar (posisi kiri,

tengah, atau kanan).

Abaikan menu lainnya.

51




SELAMAT MENCOBA….

Figure 18Kemudian merubah kembali tampilan layar,

klic Data View pada sebelah kiri bagian

paling bawah pada tampilan layar. Sekarang

tampilan pada layar anda sudah berubah,

sebagaimana figure 21

52




SELAMAT MENCOBA….

Figure 19Sekarang mari kita coba melakukan langkah

demi langkah untuk menganalisis Pengukuran

Gejala Pusat (Mean, Median, Modus), Pengukuran

Variansi Kelompok (Rentang Data, Standar

Deviasi,Variansi), Grafik Histogram Data

53




SELAMAT MENCOBA….

Kelompok, Tabel Distribusi Data Tunggal,

Distribusi Data Kelompok,

B. Pengukuran Gejala Pusat (Mean, Median, Modus,

maksimum, minimum), Pengukuran Variansi

Kelompok (Rentang Data, Standar

Deviasi,Variansi)

Dari menu utama Analyze, klic menu Descriptive

Statistics, klic sub menu Frequencies, di monitor

anda akan tampil kotak dialog Frequencies,

hilangkan tanda ceklis pada Display frequency

tables, jika anda mendapatkan petunjuk

bertuliskan You have turned off all output……., maka

klic OK pada kotak dialog tersebut. selanjutnya

pindahkan seluruh variabel pada kotak dialog

sebelah kanan. Seperti figure 22 di bawah ini.

54




SELAMAT MENCOBA….

Figure 20

Selanjutnya dari kotak dialog Frequencies,

klic Statistics, anda akan mendapati sebuah kotak

dialog Frequencies: Statististics. Pada kotak dialog

ini klic beberapa bagian kotak yang diperlukan,

55




SELAMAT MENCOBA….

seperti Mean, Median, Mode, Std. deviation, Variance,

Range, Minimum, Maximum dan Sum. Selanjutnya

klic Continue, klic. OK. Sebagaimana dapat anda

lihat pada figure 23

Figure 21

56




SELAMAT MENCOBA….

Setelah langkah-langkah tesebut anda

lakukan, maka anda mendapat hasil output

analisis seperti tampilan pada figure 24

Figure 22Sekarang kita menampilkan menu di beberapa

bagian kolom yang kosong pada tabel tersebut.

Pada kolom pertama bagian atas, anda akan

57




SELAMAT MENCOBA….

mendapatkan kata Statistics, selanjutnya di atas

kolom kedua dan seterusnya, anda akan

mendapatkan kata Variabels. Langkah-langkah yang

harus dilakukan: pada menu utama klic Edit. Klic

Select, pilih menu All Pivot Tables, tampak pada

monitor bahwa tabel output dalam keadaan ter-

block. Selanjutnya dari menu utama Klic

kembali Edit, pilih menu SPSS Pivot Table

Object Klic Edit. Langkah-langkah tersebut

dapat anda ikuti melalui figure 25, figure 26

dan figure 27 di bawah ini.

58




SELAMAT MENCOBA….

Figure 23

59




SELAMAT MENCOBA….

Figure 24

Figure 25

60




SELAMAT MENCOBA….

Anda dapat juga secara langsung

menampilkan figure 27 dengan cara, melakukan

klic 2x pada daerah tabel output. Selanjutnya

untuk memperoleh tampilan tabel output secara

lengkap, dari menu utama Klic View, klic menu

Show All. Seperti pada figure 28 berikut ini

61




SELAMAT MENCOBA….

Figure 26

Setelah langkah tersebut anda lakukan,

maka anda memperoleh tampilan tabel secara

lengkap seperti pada fihure 29 berikut ini.

62




SELAMAT MENCOBA….

Figure 27Lakukan pengeditan sebagaimana langkah-

langkah sebelumnya jika setiap kali anda ingin

menampilkan menu-menu pada tabel secara

lengkap.

63




SELAMAT MENCOBA….

C. Grafik

Terdapat 3 jenis grafik yang dapat anda

tampilkan pada bagian analisis ini, yakni:

Bar Charts, Pie Charts dan Histogram + With Normal

Curve. Namun pada pembahasan ini kita hanya

mengupas masalah Histogram + With Normal Curve

saja.

1. Histogram + With Normal Curve

Untuk menampilkan Histogram + With Normal

Curve dapat anda lakukan dengan langkah-langkah

pada tampilan figure 22 sebelumnya. Klic menu

Chart, maka anda mendapatkan kotak dialog

Frequencies Chart. Klic Histograms, aktifkan kotak

64




SELAMAT MENCOBA….

pada With normal curve. Klic pada kotak tersebut

sebagaimana tampak pada figure 30 di bawah

ini, lalu klic. Continue. Klic OK. Maka anda

akan mendapatkan tampilan Output berupa grafik

histogram data tunggal sebagaimana terlihat

pada figure 31

65




SELAMAT MENCOBA….

Figure 28

66




SELAMAT MENCOBA….

Figure 29

Tampak di layar monitor anda berupa output

hasil analisis berupa tampilan grafik

histogram data tunggal. Pada grafik histogram

tesebut belum tampak jelas berapa sebenarnya

satuan-satuan frekuensi tiap-tiap batang

67




SELAMAT MENCOBA….

(kelas), berapa layaknya jumlah batang

histogram yang terbentuk menurut aturan

Sturges, yaitu dengan menggunakan pendekatan :

Banyaknya Kelas = 1 + 3,3 x log n

Untuk mendapatkan jumlah batang

sebagaimana anjuran pada aturan Sturges di

atas. Berikut ini akan dijabarkan langkah-

langkah yang akan dilakukan.

2. Membuaka Lembar Kerja Editing Pada Grafik

Sebelum anda melakukan editing untuk

memperoleh tampilan grafik yang dikehendaki,

terlebih dahulu anda harus membuka lembar

kerja pada tampilan layar monitor anda atau

68




SELAMAT MENCOBA….

dengan nama fail Chart - SPSS Chart Editor. Untuk

membuka fail Chart - SPSS Chart Editor ini

dilakukan dengan langkah-langkah sebagai

berikut:

Figure 30

69

Klic pada bagian ini 1 x




SELAMAT MENCOBA….

Buka lembar kerja hasil analisis dengan

nama fail SPSS Viewer, klik 1 x di bagian layar

monitor hingga anda mendapatkan grafik

tersebut dalam keadaan terblock, sebagaimana

tampak pada figure 30.

Dari menu utama Klik Edit, pilih menu SPSS

Chart Output, selanjutnta Klik Open, secara

otomatis anda mendapatkan tampilan layar

dengan nama fail Chart1- SPSS Chart Editor..

Sebagaimana dapat anda lihat pada tampilan

figure 33 di bawah ini

70




SELAMAT MENCOBA….

Figure 31Munculnya lembar kerja fail ini dimonitor

anda menandakan bahwa gambar atau gfrafik anda

siap untuk dilakukan pengeditan

3. Editing Untuk Jumlah Batang yang Di

Kehendaki Menurut Aturan Sturges

71




SELAMAT MENCOBA….

Untuk dapat menentukan banyaknya batang

sebagaimana yang dianjurkan Sturges di atas,

berikut ini akan dikemukan langkah-langkah

dalam melakukan editing jumlah batang yang

diinginkan.

Lakukan perhitungan terlebih dahulu pada

kertas kerja anda sebagimana dianjurkan oleh

langkah-langkah berikut ini.

1) Menghitung Jumlah Kelas interval

dengan rumus:

K = 1 + 3,3 x log n

2) Menghitung Rentang Data

Menghitung data terbesar dikurangi data

yang terkecil. Hasil dari masing-masing

72




SELAMAT MENCOBA….

rentang data ini sudah terpadat tampilan

figure 29 di atas

3) Menghitung Panjang Kelas (interval

kelas) = Rentang dibagi jumlah Klas

Sekarang anda diharuskan melakukan

perhitungan dengan mengikuti apa yang

disarankan oleh langkah di atas


K = 1 + 3,3 x log n = 1 + 3,3 x Log 49

= 1 + 3,3 x 1.69 = 6,5776 = 7

2) Menghitung Rentang Data (Range)

sudah terpadat pada saat anda menganalisis

Pengukuran Gejala Pusat. Jika anda

perhatikan pada bagian analisis data ini,

73




SELAMAT MENCOBA….

maka anda akan mendapatkan nilai Range

sebesar 34

3) Menghitung Panjang Kelas (interval kelas)

= Range dibagi jumlah Kelas 34 : 6,5776 =

5,169 maka interval kelas dalam hal ini

sebesar 5

Setelah anda memperoleh interval kelas

pada data tersebut, selanjutnya melakukan

editing pada grafik untuk memperoleh jumlah

bantang (kelas), yang diingikan yaitu dengan

mengikuti langkah-langkah seperti yang

diperlihatkan pada figure 34.

74




SELAMAT MENCOBA….

Figure 32

Klic 1x pada bagian data tunggal dari

tampilan grafik anda. Selanjutnya dari menu

utama klik Chart lalu pilih sub menu Axis.

75





SELAMAT MENCOBA….

Sekarang anda mendapatkan kotak dialog Exis

Selection dari kotak dialog ini anda ditawarkan

untuk memilih salah satu dari dua pilihan yang

disediakan, untuk yang pertama coba anda pilih

Interval, selanjutnya Klic OK. Secara otomatis

anda mendapatkan kotak dialog berikutnya

dengan nama Interval Exis. Dari kotak dialog

Interval Exis ini, pastikan pada kotak menu Title

Justification berada pada poisisi Center.

Selanjutnya Klik Grid Line dan Klik Custom,

secara otomatis mengaktifkan kotak Define…,

Klik pada kotak Define tersebut, sekarang anda

mendapatkan kotak dialog baru dengan nama

Interval Exis: Define…. Dari tampilan kotak dialog

76




SELAMAT MENCOBA….

Interval Exis: Define…. ini, ganti angka pada kolom

menu Interval widh dengan angka 5 (sesuai

dengan nilai interval kelas yang sudah anda

hitung sebelumnya/lihat kembali kertas kerja

dalam menghitung panjang kelas sebelumnya).

Pada bagian Range terdapat menu Data Minimum

dan Maxsimum sebesar 70 dan 104 {menunjukkan

bahwa data minimum dan maksimum pada pada

variabel Komunikasi Antar Pribadi (X1)} pada

kotak menu Displayed minimum ganti dengan angka

69.5 (untuk batas bawah) dan pada maximum

ganti dengan 104.5 (untuk batas atas) atau

penukaran angka-angka tersebut terkadang harus

disesuaikan dengan kebutuhan analisis.

77




SELAMAT MENCOBA….

Selanjutnya Klik Kontinue.Jika pada layar

monitor anda muncul perintah

Maka Klik Yes. Berarti anda menyutujui

atas perubahan jumlah batang histogram yang

akan ditampilkan pada output hasil analisis

berikutnya dari jumlah batang histogram

sebelumnya. Selanjutnya Klik OK pada pada

kotak dialog Interval Exis. Setelah anda

mengikuti langkah-langkah di atas, figure

berikut ini akan membimbing anda untuk melihat

kebenaran dari pekerjaan yang anda lakukan.

78




SELAMAT MENCOBA….

Figure 33Dari figure 35 di atas terlihat bahwa

skor masing-masing nilai tengah pada setiap

pembentukan batang histogram dan jumlah batang

yang terbentu sebayak 7 buah.

79




SELAMAT MENCOBA….

4. Menampilkan Data Kelompok (Rentang Kelas)

pada grafik histogram

Selanjutnya lihat kembali pada figure 35

di atas, untuk menampilkan data kelompok

(rentang kelas) pada grafik histogram. Ulangi

langkah-langkah sebagaimana figure 34, sampai

anda mendapatkan kotak diaolog Interval Axis,

selanjutnya Kilk Label… pada kotak dialog

tersebut, sekarang anda mendapatkan kotak

dialog baru dengan nama Interval Axis: Labels

sebagaimana figure 37 di bawah ini

80




SELAMAT MENCOBA….

Figure 34

Dari tampilan kotak dialog Interval Axis:

Lebels ini, pastikan anda memilih menu Range

hal ini dimaksudkan untuk pembentukan skor

data kelompok yang terdapat pada masing-masing

81




SELAMAT MENCOBA….

batang histogram. Selanjutnya pada menu

Orientation, anda dihadapkan oleh beberapa

pilihan menu dengan urutan Outomatic sampai

dengan Staggered. Pada Outomatic artinya posisi

(letak) data kelompok akan tersusun secara

outomatis menurut hasil yang diinginkan

computer anda.. Sekarang anda coba dengan

memilih menu Staggered. Abaikan menu lainnya,

selanjutnya Klik Countinue dan Klik OK.

Sekarang anda mendapatkan tampilan layar

baru berupa grafik Histogram distribusi data

kelompok sebagaimana figure 37 di bawah ini.

82




SELAMAT MENCOBA….

Figure 35

5. Menampilkan Garis-Garis Horizontal Pada

Grafik.

Garis-garis horizontal pada grafik

merupakan skala-skala frekuensi yang jaraknya

sama terhadap satu dengan lainnya. Untuk

menampilkan garis-garis horizontal pada grafik

83




SELAMAT MENCOBA….

dapat anda ikuti langkah-langkah pada figure

38 berikut ini. Klic 1 x pada Frequency,

setelah aktif ambil menu utama pada Chart lalu

klic Axis, anda akan mendapatkan kotak dialog

Scale Axis. Pastikan pada Title Justification anda

memilih menu Centre, lalu klic pada bagian-

bagian Grid, Ticks. Selanjutnya klic. OK.

Sekarang anda mendapatkan perubahan tampilan

grafik berupa penambahan garis horizontal dan

letak posisi frekuensi pada grafik anda.

Sebagaimana pada figure 39 berikutnya

84




SELAMAT MENCOBA….

Figure 36

85

Kl ic

1x

di si ni




SELAMAT MENCOBA….

Figure 37Dari figure 39 di atas terlihat bahwa

pembentukan garis-garis horizontal melalui

skala-skala frekuensi yang jaraknya sama satu

dengan lainnya dan letak Titel Frekuensi

berada pada posisi tengah..

86




SELAMAT MENCOBA….

6. Menampilkan Satuan frekuensi tiap-tiap

batang pada grafik.

Klic salah satu dari bagian batang

histogram (lihat figure 40). Kemudian dari

menu utama, klic Format dan pilih menu Bar Label

Style... lalu kilc. Anda akan mendapatkan kotak

dialog Bar Label Styles, sekarang anda

ditawarkan untuk memilih beberapa pilihan

sebagaimana terlihat pada kotak dialog

tersebut. Andaikan anda memilih klic Framed

atau Standard, Kemudian Klik Apply All,

selanjutnya Klic Clouse. Maka anda memperoleh

bentuk histogram yang sudah memiliki satuan

87




SELAMAT MENCOBA….

frekuensi pada tiap batang histogram.

Sebagaimana dapat anda lihat pada figure 41

berikutnya

Figure 38

88





SELAMAT MENCOBA….

Figure 397. Memilih Warna (Pewarnaan) pada Batang

Histogram

Pada bagian ini, anda dapat membuat

warna yang berbeda atas tampilan grafik pada

figure 41 di atas. Untuk menukar warna

tersebut dapat anda ikuti langkah-langkah

sebagaimana uraian berikut ini.

89




SELAMAT MENCOBA….

Perhatikan langkah-langkah yang

ditunjukkan oleh figure 42. Klic 1 x pada

bagian batang histogram. Kemudian dari menu

utama, klic Format dan pilih menu Color... lalu

kilc. Anda akan mendapatkan kotak dialog Colors.

Sekarang coba anda perhatikan pada kotak

dialog Colors, menu Fill sejajar dengan warna

merah dan menu Border sejajar dengan warna

hitam, itu artinya warna merah (Fill) merupakan

pewarnaan pada tiap-tiap batang histogram,

sedangkan warna hitam (Border) merupakan

pewarnaan garis antara batang dengan batang

histogram lainnya.

90




SELAMAT MENCOBA….

Figure 40

Jika anda menginginkan warna yang lain

misalnya: Klik Fill pilih Abu-Abu dan Klic Border

pilih putih, sebagimana tampilan pda figure di

bawah ini.

91





SELAMAT MENCOBA….

Maka anda akan mendapatkan warna abu-abu

pada tiap-tiap batang histogram dan garis

berwarna putih diantara batang dengan batang

histogram lainnya. Setelah anda selesai

mengikuti langkah-langkah di atas, lalu klic

Apply, klic Close dan klic dibagian salah satu

batang. Maka anda akan memperoleh bentuk

histogram dengan warna yang berbeda.

Sebagaimana dapat anda lihat pada figure 43 di

bawah ini.

92




SELAMAT MENCOBA….

Figure 41Lakukan langkah-langkah yang sama untuk

mendapatkan warna yang diinginkan dari dua

histogram berikutnya.

8. Mengedit ukuran Font

Untuk mengedit besar atau kecilnya ukuran

Font yang dikehendaki dapat anda ikuti

93




SELAMAT MENCOBA….

langkah-langkah sebagai berikut: Klic pada

bagian-bagian Title yang ingin anda

edit/kehendaki ukuran Font-nya. Sebagai contoh

pada kalimat Title KOMUNIKASI ANTAR PRIBADI

(X1). Selanjutnya dari menu utama, klic Format

dan pilih menu Text, anda akan mendapatkan

kotak dialog Text Styles. Terlihat pada kotak

dialog tersebut jenis Font yang dipakai adalah

Arial dengan ukuran Size sebesar 14. dari

kotak dialog Text Styles ini anda diberi

beberapa pilihan Size/ukuran dan jenis Font

yang anda kehendaki. Anda juga dapat mengedit

beberapa bagian lainnya seperti ukuran Font

pada Skala frekuensi, ukuran font pada kelas

94




SELAMAT MENCOBA….

interval dan pada bagian Title lainnya. Lihat

langkah-langkah pada figure 44 berikut ini.

Figure 429. Menghilangkan Title

95




SELAMAT MENCOBA….

Klic pada bagian Title yang ingin anda

hilangkan, sebagai contoh lihat pada figure

45. dari menu utama klic Chart, klic Title, maka

anda akan mendapatkan kotak dialog Titles.

Figure 43

96




SELAMAT MENCOBA….

Untuk menghilangkan (menghapus) title

tersebut dapat anda lakukan dengan menekan

tombol Delete atau Tab pada TUT pada tombol

koputer anda. Tetapi jika anda ingin mengganti

kalimat atau title dangan nama yang lain, maka

anda dapat mengetik kalimat yang anda inginkan

pada bagian kotak tersebut, selanjutknya Klik

OK. Pada pembahasan ini, mari kita coba untuk

menghilangkan Title tersebut yakni dengan cara

menekan Deleted atau menekan Tab sebagaimana

anjuran langkah-langkah di atas. Sekarang anda

kembali mendapatkan tampilan grafik histogram

yang baru tanpa menggunakan Title di atas

grafik histogram tersbut. Hal ini dimaksudkan

97




SELAMAT MENCOBA….

untuk memberikan kesan bahwa tidak terdapat

dua tampilan title dengan nama yang sama

sebagaimana pada figure 45 di atas. Sedangkan

hasil analisis berupa tampilan grafik tanpa

menggunakan Title di bagian atas dapat anda

lihat sebagaimana pada figure 46 berikut ini.

Figure 44

98




SELAMAT MENCOBA….

10. Membuat Bar Spacing Pada Koordinat (Y)

Bar Spacing merupakan suatu bentuk

editing untuk membuat jarak atau spasi antara

titik 0 dengan grafik pada ukuran tertentu

sesuai yang anda kehendaki. Jika anda lihat

pada figure 46 di atas, letak posisi angka

69,5 terlatak tepat diposisi titik 0. Untuk

menghindari terjadinya penyatuan letak posisi

tersebut, harus dilakukan editing. Langkah-

langkah untuk melakukan editing tersebut dapat

99




SELAMAT MENCOBA….

anda lakukan sebagaimana diperlihat oleh

tampilan figure 47 sebagai berikut: Dari

tampilan layar monitor Chart1- SPSS Chart Editor, ambil

dari menu utama Klik Chart, pilih menu Bar Spacing,

dilayar monitor anda sekarang tampil berupa kotak

dialog dengan nama Bar Spacing

100

Figure 45Pada kotak dialog Bar Spacing di layar

monitor anda tampak kotak menu Bar Margin

muncul dengan skala 0, ini artinya tidak

terdapat jarak (nol) antara garis vertikal

pada kordinat X dengan batang pada grafik.

Untuk melakukan pemisahan ini, anda dapat

101

mengganti angka 0 (nol) tersebut dengan angka

yang anda kehendaki. Sebagai latihan, sekarang

anda coba untuk mengganti angka 0 (nol)

tersebut dengan angka 10. selanjutnya Klik OK.

Sekarang anda sudah mendapatkan tampilan

histogram baru dengan posisi jarak antara

garis vertikal pada kordinat X dengan batang

grafik dengan skala yang sudah anda tentukan

sebelumnya. Sebagaimana tampak pada tampilan

figure 48 di bawah ini.

102

Figure 46D. Tabel Distribusi Frekuensi Data Tunggal

Untuk menampilkan Distribusi data

tunggal dapat anda lakukan melalui tampilan

Data Editor pada figure 22 sebelumnya. Bedanya

hanya terletak pada tanda ceklis yang terdapat

103

pada menu Display frequency tables (lihat

figure 49).

Figure 47Klic pada bagian kotak tersebut dan

abaikan menu lainnya. Selanjutnya Klic OK, di

layar monitor anda akan tampil output berupa

104

tabel distribusi frekuensi data tunggal

sebagaimana figure 50

Anda dapat menarik batang pengontrol di

sebelah kanan dari monitor dengan kursor pada

mous anda untuk melihat dua buah distribusi

data tunggal lainnya. sekarang coba anda

lakukan pengeditan terhadap tabel distribusi

data tunggal tersebut, untuk mendapatkan

tampilan tabel secara lengkap dapat anda ikuti

sebagaimana langkah-langkah yang ditunjukkan

untuk mendapatkan figure 29 sebelumnya dan

hasilnya dapat anda rujuk pada figure 51.

105

Figure 48

Figure 49E. Tabel Distribusi Frekuensi Data Kelompok

106

1. Menentukan Jumlah Kelas pada Tabel

Distribusi Frekuensi Data Kelompok

Untuk dapat menentukan banyaknya jumlah

kelas pada distribusi frekuensi data kelompok

sebagaimana anjuran pada aturan Sturges di

atas, berikut ini akan dikemukakan langkah-

langkah dalam melakukan editing jumlah kelas

yang dibentuk, dimana pengelompokannya harus

sama dengan banyaknya batang pada bagian

pembahasan grafik histogram frekuensi

sebelumnya.

Sekedar untuk mengingat berapa jumlah

kelas atau kelompok yang diinginkan oleh

107

aturan sturges tersebut, mari kita lihat

kembali hasil perhitungan berikut ini.

Sekarang anda diharuskan melakukan

perhitungan dengan mengikuti apa yang

disarankan oleh langkah-langakah perhitungan

sebelumnya


K = 1 + 3,3 x log n = 1 + 3,3 x Log 49

= 1 + 3,3 x 1.69 = 6,5776 = 7

2) Menghitung Rentang Data (Range)

sudah terdapat pada saat anda menganalisis

Pengukuran Gejala Pusat. Jika anda

perhatikan pada bagian analisis data ini,

108

maka anda akan mendapatkan nilai Range

sebesar 34

3) Menghitung Panjang Klas (interval

kelas) = Range dibagi jumlah Klas

34 : 6,5776 = 5,169 maka interval kelas

dalam hal ini sebesar 5

Dari hasil perhitungan di atas, anda

sekarang sudah mendapatkan gambaran tentang

banyaknya kelas pada distribusi frekuensi data

kelompok sebanyak 7 kelas dengan rentangan

sebesar 5. Namun demikian, anda dianjurkan

untuk merujuk pada skala tiap satuan pada

rentang masing-masing kelas. Untuk mengetahui

hal ini kita ambil satu contoh yang sudah kita

109

analisis sebelumnya, yakni: bagian grafik

histogram frekuensi data kelompok pada

variabel Komunikasi Antar Pribadi (X1) (lihat

figure 48)

Dari grafik tersebut terlihat rentang

skor pada masing-masing kelas jumlahnya sama

yakni 5 yang terdapat di 7 (tujuh) kelas yang

berbeda. Adapun rentang skor yang dimaksud

adalah sebagai berikut.

Pada kelas (kelompok) 1 69,5 - 74,5frekuensi 5 Pada kelas (kelompok) 2 74,5 - 79,5

frekuensi 9Pada kelas (kelompok) 3 79,5 - 84,5

frekuensi 12Pada kelas (kelompok) 4 84.5 - 89.5frekuensi 9

110

Pada kelas (kelompok) 5 89.5 - 94,5frekuensi 5Pada kelas (kelompok) 6 94.5 - 99,5

frekuensi 5Pada kelas (kelompok) 7 99,5 - 104,5

frekuensi 4Berdasarkan acuan pengelompokan data di

atas, kita dapat membuat tabel distribusi

frekuensi data kelompok yang sesuai dengan

skala-skala yang terdapat pada grafik

histogram frekuensi data kelompok

sebelumnya.

Setelah anda melakukan perhitungan

seperti yang telah dilakukan sebelumnya, maka

tampilkan kembali layar monitor SPSS data

editor anda seperti pada figure 21 sebelumnya,

111

agar anda lebih terbimbing dalam mengikuti

langkah-langkah pada bagian ini, layar monitor

SPSS data editor yang dimaksud sebagaimana

figure di bawah ini

Figure 50

2. Variabel Baru Untuk Pembentukan Data Kelompok

112

Membuat variabel-variabel baru untukpembentukan data kelompok, variable baru tersebutletaknya boleh di sebelah kiri atau sebelah kananvariabel yang sudah ada. Jika variabel barutersebut letaknya ingin diletakkan sebelah kiri,maka dilakukan dengan cara memblock keseluruhankolom data lihat figure 53. Selanjutnya dari menuutama klic Data, klic Insert Variable dan ulangihal tersebut sebanyak 3 variabel baru yangdibutuhkan dan hasilnya dapat anda lihatsebagaimana figure 54

Figure 51

113

Figure 52

Dari tampilan figure 54. Klic Variabel View,sebagaimana tampilan yang terlihat pada figure 55di bawah ini.

114

Figure 53

Langkah selanjutnya, lakukan pemberian namapada kolom Name dan label data kelompok pada kolomValue labels pada masing-masing variabelsebagaimana dapat anda lihat pada figure 56

115

Figure 54

Lihat figure 56 di atas, pada kolom Namekita mengganti Var00001 dengan nama pada data….X1,Var00002 diganti dengan nama data…X2 dan Var00003diganti dengan nama data….y. Demikian selanjutnyauntuk beberapa variabel lainnya.

3. Menentukan Rentang Kelas Pada Tabel DistribusiData Kelompok

Lihat kembali figure 56. Pada kolom ValuesKlic None pada kolom tersebut yakni kolom yangsejajar dengan data.....X1 maka anda mendapatkankotak dialog Value Labels. Selanjutnya arahkan dan

116

tempatkan kursor aktif anda ke arah kolom yangdisediakan kemudian klic daerah tersebut.selanjutnya untuk kolom menu Value tulis angka 1dan untuk kolom menu Value Label (rentang kelas)tulis 69,5 - 74,5 selanjutnya klic add,dengan cara yang sama, tulis angka 2 pada kolommenu Value dan 74,5 - 79,5 pada kolom menuValue Label lalu klic add. Demikian selanjutnyasampai dengan pembentukan kelas ke 7 denganrentang data kelompok 99.5 - 104.5, kemudianKlik Add. Selanjutnya klic OK. Sebagai gambarantentang langkah-langkah yang dilakukan dapatdilihat pada figure di bawah ini..

Untuk melakukan hal yang sama terhadappembentukan tabel distribusi frekuensi datakelompok pada variabel lainnya yakni pada variabel

117

X2 dan Y, tampilan figure di bawah ini diharapkanakan dapat membantu anda dalam membentuk ValueLabels berikutnya.

Figure di atas merupakan analisis dalampembentukan distribusi frekuensi data kelompokuntuk variabel X2.dan variabel Y. Untuk memudahkananda dalam pengelompokan ini, rujuk kembali hasilanalisis histogram frekuensi dari X2 dan variabel Y

118

yang sudah dilakukan pengeditan menjadi histogramdistribusi frekuensi data kelompok sebagaimanayang anda lakukan terhadap variabel X1 sebelumnya.

Setelah anda melakukan langkah-langkahsebagaimana diperlihatkan pada figure 56 di atas,selanjutnya kembalikan tampilan figure 56 tersebutpada bentuk tampilan semula sebagaimana tampilanpada figure 54 dengan cara klic Data View yangterdapat di sebelah kiri paling bawah pada layarmonitor anda. Selanjutnya hilangkan tampilan blockdengan meng-klik salah satu bagian dari monitoranda. Tampilan layar monitor yang dimaksud dapatanda lihat sebagaimana figure 57 di bawah ini.

119

Figure 55

Ikuti Langkah-langkah selanjutnya! Block kolom pada variabel x1, selanjutnya

dari menu utama klic Data, pilih sub menu SortCases…, anda akan mendapatkan kotak dialog SortCases. Pindahkan variabel KOMUNIKASI ANTAR PRIBADI(X1) ke kolom dialog sebelah kanan yang sudahdisediakan dan pastikan titik pada Sort Orderberada pada Ascending. Selanjutnya klic OK.

120

Langkah-langkah sebagaimana uraian di atasdapat anda lihat pada figure 58 berikut ini:

Figure 56

Hal ini dilakukan untuk memudahkan anda dalampengelompokan data, sebab data yang sudah diAscending secara otomatis sudah terurut dari skorterendah sampai skor tertinggi. Sebagaimana dapatanda lihat pada figure 59 di bawah ini.

121

Figure 57

Pada pembahasan ini, anda hanya dibimbing untuk membuattabel distribusi frekuensi data kelompok pada variabel X1 saja,sedangkan untuk variabel lainnya anda dianjurkan agar dapatmelakukan sendiri dengan mengikuti langkah-langkah sebagaimanuraian berikut ini .

Dalam pembuatan distribusi frekuensi datakelompok pada variabel Komunikasi Antar Pribadi(X1) yang dibutuhkan adalah data yang terdapatpada kolom variabel data….x1, sedangkan data padavariabel X1 (data yang sudah di Ascending)

122

dijadikan sebagai bahan rujukan atau sandarandalam membentuk data Kelompok tersebut.

Untuk lebih jelasnya pembahasan ini, cobasalin kembali di atas kertas kerja andapengelompokan data sebagai berikut:

69,5 - 74,5 frekuensi 5 74,5 - 79,5 frekuensi 979,5 - 84,5 frekuensi 1284.5 - 89.5 frekuensi 9 89.5 - 94,5 frekuensi 594.5 - 99,5 frekuensi 599,5 - 104,5 frekuensi 4

ataudengan cara melihat kembali urutan pengelompokan

data yang sudah anda buat pada Value Labels padafigure berikut:

123

Selanjutnya melakukan coding atau penetapanurutan kelas sesuai dengan pengelompokan yangsudah anda buat sebelumnya.

Sebagai contoh:Pada kelas pertama diberi tanda angka 1 yakni dataskor 69,5 - 74,5 Pada kelas kedua diberi tanda angka 2 yakni dataskor 74,5 - 79,5 Pada kelas ketiga diberi tanda angka 3 yakni dataskor 79,5 - 84,5 Pada kelas keempat diberi tanda angka 4 yakni dataskor 84.5 - 89.5 Pada kelas kelima diberi tanda angka 5 yakni dataskor 89.5 - 94,5 Pada kelas keenam diberi tanda angka 6 yakni dataskor 94.5 - 99,5 Pada kelas ketujuh diberi tanda angka 7 yakni dataskor 99,5 - 104,5

Berdasarkan patokan ini, anda dapat memulaimemasukkan data pada kolom data ….x1, langkah-langkah tersebut dapat anda lihat pada figure 60di bawah ini.

124

Figure 58

Jika anda menarik jalur pengontrol dengankursor pada mouse yang terdapat disebelah kananlayar SPSS maka akan terlihat angka 1 sampaidengan angka 7 yang sudah anda ketik masing-masingsebanyak jumlah frekuensi (lihat gfrafik histogramfrekuensi data kelompok sebelumnya)

Lakukan hal yang sama sesuai dengan langkah-langkah di atas untuk pembentukkan distribusi datakelompok pada dua variabel lainnya.

125

Untuk sekedar gambaran dari dua data kelompoklainnya yang sudah anda bentuk, figure 57 di bawahini memperlihatkan pengelompokan secara lengkapuntuk ketiga variabel dalam kasus ini denganmerujuk kepada tampilan analisis grafik histogramfrekuensi data kelompok dalam melakukan coding.

Figure 59

Jika anda perhatikan di layar monitor,variabel pada kolom data…x1 dan kolom data…x2

126

tidak lagi berurutan sebagaimana pembentukan awaldari data tersebut. Hal ini disebabkan olehpembentukan data yang sudah di Ascending padavariabel berikutnya. Maka secara otomatis variabelsebelumnya akan berubah dan kejadian ini tidakperlu anda khawatirkan.

Setelah keseluruhan variabel pembentukan datakelompok sudah ter-coding sebagaimana tampilan diatas. Langkah berikutnya melakukan analisisterhadap variabel tersebut.

Perhatikan langkah-langkah yang ditunjukkanoleh figure 58 berikut. Seperti biasa sebagaimanaanda menganalisis distribusi frekuensi datatunggal, maka lakukan hal tersebut untukmenganalisis distribusi frekuensi data kelompok.bedanya hanya terletak pada data yang dimasukkan,yakni data…x1, data…x2 dan data….y hasil daripengcodingan. Lihat tampilan di bawah ini.

127

Figure 60

Dari menu Utama Klik Analyze, pilih menuDescriptive Statistics, lalu klik pada bagian submenu Frequencies……, secara otomatis andamendapatkan kotak dialog Frequencies. Kemudianpindahkan variabel pengcodingan pada ruang kotakdi sebelah kanan. Abaikan menu lainnya dan klikOK.

Sekarang anda mendapatkan output hasilanalisis distribusi data kelompok sebagai tampilamfigure 63 di bawah ini.

128

Figure 61

Untuk menampilkan menu-menu pada kotak tabeldistribusi frekuensi data kelompok sebagaimanatampilam di atas, seperti pada kalimat Statisticsdan Komunikasi Antar Pribadi (X1) yang belumtampil dilayar monitor anda, dapat anda lakukandengan cara pengeditan sebagaimana langkah-langkahyang dijabarkan untuk mendapatkan figure 28sebelumnya.

129

Dari tampilan SPSS Viewer sebagaimana figure63 di atas, anda dapat memindahkan seluruh Outputhasil analisis SPSS ke Microsoft Word

F. Memindahkan Output Hasil Analisis dari SPSS keMicrosoft Word

Perhatikan langkah-langkah pada figure 63.Dari menu utama Klic Edit, klic Select All, makaseluruh output hasil analisis berada dalam posisiter-Block. Hal ini dapat anda lihat sebagaimanafigure 64

130

Figure 62

131

Figure 63

Perhatikan layar monitor anda, jika seluruhoutput hasil analisis berada dalam posisi ter-Block, maka ikuti langkah-langkah pada figure 65.Dari menu utama, klic Edit pilih menu Copy Objectsklic pada bagian tersebut. Maka seluruh Outputhasil analisis sudah dalam posisi ter copy.

132

Figure 64

Buka lembar kerja Microsoft Word, tempatkankursor anda pada lembar kerja tersebut danpastikan dalam posisi aktif, lalu Klic Paste (Ctrl+ V). Maka seluruh Output hasil analisis SPSS akantampil pada lembar kerja Microsoft Word anda.Hasilnya dapat anda lihat sebagaimana berikut ini:

Catatan : Bentuk tampilan sebagaimana hasil analisis dibawah ini sudah terlebih dahulu dilakukan pengeditandengan cara menghilangkan atau menuliskan kalimatyang dianggap layak dilakukan, agar pembaca hasilanalisis yang anda lakukan dapat lebih dimengertiatau dipahami oleh pembaca lainnya. Selanjutnya

133

pengeditan terhadap tampilam hasil analisis juga perludilakukan agar lebih kelihatan pekerjaan andamembuahkan hasil seindah dan serapih mungkin.

Oke selamat Mencoba

G. Hasil Analisis SPSS dalam Microsoft Word

Frequencies

134

KOMUNIKASI ANTAR PRIBADI (X1)

99,5 - 104,594,5 - 99,5

89,5 - 94,584,5 - 89,5

79,5 - 84,574,5 - 79,5

69,5 - 74,5

Freq

uenc

y

14

12

10

8

6

4

2

0

Std. Dev = 8,61 Mean = 85,3N = 49,00

455

9

12

9

5

Histogram

135

MOTIVASI KERJA (X2)

107,5 - 113,5101,5 - 107,5

95,5 - 101,589,5 - 95,5

83,5 - 89,577,5 - 83,5

71,5 - 77,5

Freq

uenc

y16

14

12

10

8

6

4

2

0

Std. Dev = 9,03 Mean = 87,5N = 49,00

21

77

1413

5

KINERJA GURU ( Y)

144,5 - 152,5136,5 - 144,5

128,5 - 136,5120,5 - 128,5

112,5 - 120,5104,5 - 112,5

96,5 - 104,5

Freq

uenc

y

14

12

10

8

6

4

2

0

Std. Dev = 13,65 Mean = 118,7N = 49,00

2

45

10

12

9

7

136

Frequency Table Categorycal


5 10.2 10.2 10.29 18.4 18.4 28.612 24.5 24.5 53.19 18.4 18.4 71.45 10.2 10.2 81.65 10.2 10.2 91.84 8.2 8.2 100.049 100.0 100.0

KOMUNIKASI ANTARPRIBADI (X1)

69.5 - 74.574.5 - 79.579.5 - 84.584.5 - 89.589.5 - 94.594.5 - 99.599.5 - 104.5Total

Valid

Frequency Percent Valid Percent CumulativePercent

Statistics

137

MOTIVASI KERJA (X2)

5 10.2 10.2 10.213 26.5 26.5 36.714 28.6 28.6 65.37 14.3 14.3 79.67 14.3 14.3 93.91 2.0 2.0 95.92 4.1 4.1 100.049 100.0 100.0

MOTIVASI KERJA (X2)

71.5 - 77.577.5 - 83.583.5 - 89.589.5 - 95.595.5 - 101.5101.5 - 107.5107.5 - 113.5Total

Valid


Statistics

KINIERJA (Y)

7 14.3 14.3 14.39 18.4 18.4 32.712 24.5 24.5 57.110 20.4 20.4 77.65 10.2 10.2 87.84 8.2 8.2 95.92 4.1 4.1 100.049 100.0 100.0

KINIERJA (Y)

96.5 - 104.5104.5 - 112.5112.5 - 120.5120.5 - 128.5128.5 - 136.5136.5 - 144.5144.5 - 152.5Total

Valid


Statistics

Frequency Table Numerical

138


1 2.0 2.0 2.01 2.0 2.0 4.11 2.0 2.0 6.11 2.0 2.0 8.21 2.0 2.0 10.21 2.0 2.0 12.22 4.1 4.1 16.32 4.1 4.1 20.44 8.2 8.2 28.61 2.0 2.0 30.64 8.2 8.2 38.82 4.1 4.1 42.93 6.1 6.1 49.02 4.1 4.1 53.13 6.1 6.1 59.21 2.0 2.0 61.22 4.1 4.1 65.33 6.1 6.1 71.41 2.0 2.0 73.52 4.1 4.1 77.61 2.0 2.0 79.61 2.0 2.0 81.62 4.1 4.1 85.72 4.1 4.1 89.81 2.0 2.0 91.82 4.1 4.1 95.92 4.1 4.1 100.049 100.0 100.0

KOMUNIKASIANTAR

PRIBADI (X1)70717273747677787980818283848587888990919394959697101104Total

Valid


Statistics

139

MOTIVASI KERJA (X2)

1 2.0 2.0 2.01 2.0 2.0 4.11 2.0 2.0 6.11 2.0 2.0 8.21 2.0 2.0 10.21 2.0 2.0 12.21 2.0 2.0 14.32 4.1 4.1 18.44 8.2 8.2 26.52 4.1 4.1 30.63 6.1 6.1 36.73 6.1 6.1 42.94 8.2 8.2 51.02 4.1 4.1 55.11 2.0 2.0 57.13 6.1 6.1 63.31 2.0 2.0 65.33 6.1 6.1 71.42 4.1 4.1 75.52 4.1 4.1 79.63 6.1 6.1 85.72 4.1 4.1 89.82 4.1 4.1 93.91 2.0 2.0 95.92 4.1 4.1 100.049 100.0 100.0

MOTIVASIKERJA (X2)

72737476777879808182838485868788899093949699100106111Total

Valid


Statistics

140

KINERJA GURU ( Y)

1 2.0 2.0 2.01 2.0 2.0 4.12 4.1 4.1 8.23 6.1 6.1 14.34 8.2 8.2 22.41 2.0 2.0 24.51 2.0 2.0 26.53 6.1 6.1 32.73 6.1 6.1 38.83 6.1 6.1 44.93 6.1 6.1 51.02 4.1 4.1 55.11 2.0 2.0 57.11 2.0 2.0 59.22 4.1 4.1 63.31 2.0 2.0 65.32 4.1 4.1 69.43 6.1 6.1 75.51 2.0 2.0 77.61 2.0 2.0 79.61 2.0 2.0 81.63 6.1 6.1 87.81 2.0 2.0 89.81 2.0 2.0 91.81 2.0 2.0 93.91 2.0 2.0 95.92 4.1 4.1 100.049 100.0 100.0

KINERJAGURU ( Y)

9799100101105106108112113114115116119121122123124126128133134136137138140141148Total

Valid


Statistics

141

BAB IIIUJI PERSYARATAN ANALISIS

PADA REGRESI LINIER

Uji persyaratan analisis yang harus terpenuhidalam analisis regresi linier sama halnya denganuji-uji persyaratan analisis yang dilakukan padaanalisis statistic Parametrik lainnya. Pengujianpersyaratan analisis yang sering dilakukan yakni UjiLinieritas yaitu suatu untuk melihat tingkatkelinieran antara dua buah sebaran data padavariabel X dan Y, Uji Normalitas yakni suatu ujiyang dilakukan terhadap variaabel Dependen (Y) untukmelihat tingkat kemencengan kurva apakah dalampembentukan distribusi data tersebut terhadapfrekuensinya mengikuti bentuk sebagaimana kuvaNormal, Uji homogenitas yakni suatu uji yangdilakukan untuk melihat tingkat kesamaan atauperbedaan pada sampel yang diwujudkan melaluirekomendasi data yang diberikan oleh sampel tersebuttentang permasalahan yang sedang diteliti. Uji

142

Independensi antar variabel bebas yakni suatu ujiuntuk melihat tingkat keberartian hubungan yangterjadi di antara variabel Independen (X)

A. Uji Linieritas

Uji linieritas dalam analisis regresi ganda

dilakukan untuk membuktikan apakah data yang

terdapat pada variabel independen (X) memiliki

sebaran linier terhadap data pada variabel

dependen (Y). Untuk kebutuhan ini dapat anda ikuti

langkah-langkah sebagai berikut:

Tampilkan data yang akan dianalisis,

sebagaimana langkah-langkah yang sudah dilakukan

pada pembahsan sebelumnya (lihat figure 67). Dari

menu utama, Klic Analyze, pilih menu Compare

Means, Klic menu Means…., anda akan mendapatkan

kotak dialog Means. Selanjutnya dari kotak dialog

means, pindahkan masing-masing variabel kekotak

dialog sebelah kanan sesuai dengan variabel

143

penelitian anda. Disini kita masih menggunakan

variabel-variabel yang sudah ada sebelumnya.

Letakkan Variabel Kinerja Guru (Y) pada kolom

Dependen List, sedangkan dua variabel lainnya di

letakkan pada kolom Independen List.

Figure 65

Selanjutnya Klic Option yang terdapat padakotak dialog Means untuk mendapatkan kotak dialog

144

Means: Options, sebagaimana figure 68. Klic Testfor Linierity, Klic Countue pada kotak diaoogMeans Option, abaikan menu lainnya selanjutnyaKlic OK pada kotak dialog Means.

Sekarang anda akan mendapatkan Output hasilanalisis Uji Linieritas masing-masing Antaravariabel Independen (X) dengan variabel Dependen(Y) segabaimana dapat anda lihat pada figure 69berikutnya

145

Figure 66

146

Figure 67

Output hasil analisis yang diberi tanda kotaksebagaimana figure 69 merupakan output hasilanalisis Uji linieritas antara variabel komunikasiantar pribadi (X1) terhadap Kenerja guru (Y),sedangkan untuk output hasil analisis Ujiliniertitas antara Variabel Motivasi Kerja (X2)

147

terhadap Kenerja guru (Y) dapat anda lihat denganmenarik batang pengontrol yang terdapat di sebelahkanan layar monitor anda dengan mous kearah bawahpada tampilan layar tersebut.

B. Uji Normalitas

Uji Normalitas dalam analisis regresi gandadilakukan untuk membuktikan apakah data yangterdapat pada variabel penelitian atau palingsedikit pada variabel Dependen (Y) membentuk kurvanormal atau dengan bentuk sebaran garis lurus.

Pengujian persyaratan analisis Normalitasdalam pembahasan ini dilakukan dengan dua cara.Pertama dengan mengunakan tabel Kolmogorov-SmirnovTest dan cara Kedua dilakukan dengan menampilamgrafik Q-Q Plot .

1. Uji Normalitas dengan Analisis Kolmogorov-Smirnov Test

148

Untuk kebutuhan ini dapat anda ikuti langkah-langkah sebagaimana tampilan yang terdapat padafigure 70 di bawah ini:

Figure 68

Dari menu utama, Klic Analyze, pilih menuNonparametrics Tests, Klic menu 1-Sample K-S…,anda akan mendapatkan kotak dialog One-SampleKolmogorov-Smirnov Tes, pindahkan variabel (Y)atau seluruh variabel ke kotak dialog sebelahkanan. Abaikan menu-menu lainnya. Klic OK. Anda

149

akan mendapatkan Output hasil analisis sebagaimanafigure 71 berikut ini.

Figure 69

Output hasil analisis yang diberi tandakotak sebagaimana figure 71 merupakan output hasilanalisis Uji Normalitas pada Variabel KomunikasiAntar Pribadi (X1), Motivasi Kerja (X2) dan Kenerjaguru (Y)

150

2. Uji Normalitas dengan Menggunakan Grafik Q – QPlot

Uji normalitas ini dapat juga anda lakukandengan menggunakan grafik Q-Q Plot. Untukmenampilkan grafik Q-Q Plot dapat anda lakukandengan langkah-langkah sebagai berikut:

151

Figure 70

Perhatikan dan ikuti langkah-langkah padafigure 72 di atas. Dari menu utama, Klic Graph,Klic Q – Q…., maka anda mendapatkan kotak dialogQ-Q Plots, pindahkan seluruh variabel ke kotakdialog sebelah kanan, abaikan menu lainnya,kemudian Klic OK. Anda akan mendapatkan Outputhasil analisis sebagaimana figure 73 berikut:

152

Figure 71

Dari figure 73, lakukan editing denganmemberikan garis-garis vertikal dan horizontalpada grafik tersebut, mengedit skala Size (Font)dengan ukuran yang dikendaki serta merubahpewarnaan. Untuk melakukan ini, mari kita ulangilangkah-langkah yang ditunjukkan pada BAB IVsebelumnya.

153

3. Membuat Garis Interpolasi pada sebaran titik-titik

langkah-langkah yang dilakukan sebagaiberikut: Klic 1 x pada gambar. Dari menu utama,Klic Edit, pilih menu SPSS Chart Object, klicOpen. Sekarang anda mendapatkan tampilan layarbaru yakni : SPSS Chart Editor, sebagaimanaterlihat pada figure 74, selanjutnya ikuti langkahyang terdapat pada figure 75 berikutnya.

Figure 72

154

Klic 1 x disini

Figure 73

Melalui tampilan pada figure 75, Klic salahsatu kotak-kotak kecil berwarna merah. Selanjutnyadari menu utama, Klic Format, klic Interpolation(lihat figure 76). Anda akan mendapatkan kotakdialog Line Interpolation, Klic menu Straightsecara otomatis mengaktifkan kotak paling kiribawah yakni Display Makers, selanjutnya Klic ApplyAll. Lalu Klic Clouse. Anda akan mendapatkantampilan grafik sebagaimana figure 77 berikutnya.

155

Klic 1 x dibagian satu kotak kecil

Figure 74

156

Figure 75

Dari figure 77 di atas, tampak bahwaterbentuknya garis penghubung dari satu titikketitik berikutnya hingga membentuk ssuatu garisyang cenderung mendekati garis linier denganposisi diagonal, garis yang dimaksud adalah GarisInterpolasi yaitu garis menunjukkan kenormalansuatu data. Kajjian lebih lanjut mengenai garis

157

ini akan dibahas pada BAB VII tentang Membaca danInterprestasi Data

Selanjutnya untuk membentuk garis-garisvertikal, garis horizontal, ukuran (Size) padafont serta pewarnaan yang diinginkan dapat andaikuti langkah-langkah pada BAB IV sebelumnya danhasilnya dapat anda lihat pada tampilan figure 78berikut ini.

158

Figure 76

Lakukan hal yang sama untuk mengedit dua buahgrafik berikutnya.

C. Uji Homogenitas

Uji Homogenitas atau disebut juga dengan UjiLevene (kesamaan) variansi dari seluruh group yangdiuji. Uji Homogenitas ini diperoleh dengan

159

menghitung seluruh absolute dari tiap-tiap caseterhadap rata-rata sel masing-masing dan kemudiandibuat analisis variaans satu jalur (One-WayAnava) pada perbedaan tersebut. Pada ujihomogenitas, pengujian dilakukan hanya padavariabel dependen (Y) saja. Namun demikian adajuga sebagian orang yang melakukan pengujianhomogenitas tersebut pada seluruh variabel yangditeliti, hal yang demikian kurang tepat, sebabposisi variabel Independen (X) pada suatupenelitian merupakan variabel-variabel yangmenyebabkan perubahan akan terjadinya variabel(Y).

Data pada variabel Y yang akan dianalisiskehomogenannya pada dasarnya diperoleh daripenjumlahan seluruh sebaran data Y sebelumnya,demikian juga untuk data X1 dan X2, karenaperolehan data berasal dari instrumen dalam bentukskala Likert dengan option 1, 2, 3, 4, dan 5,sedangkan jumlah butir pada kasus ini diperkirakansebanyak 35 butir soal, sehingga data yang akandianalisis kehomogenannya adalah data faktor daripenjumlahan atas penjumlahan Y tersebut.

160

Perhatikan pada figure 79 berikut: pada kolomY merupakan hasil dari penjumlahan tiap-tiap barismulai dari butir 1 sampai dengan butir 35,sedangkan variabel pada kolom f1 diperoleh denganrumus

f1i = yi : 35 (tergantung dari banyaknyabutir)

faktor = hasil pembulatan dari f1i

Figure 77

Dari tampilan SPSS data Editor ini anda dapatmelakukan analisis Homogenitas dengan langkah-langkah sebagaimana diperhatikan Figure oleh 80

161

dan 81 pada figure berikutnya . Dari menu utama,Klic Analyze, pilih menu Compare Means, Klic One-Way ANOVA. Anda akan memperoleh kotak dialog One-Way ANOVA. Tarik batang kursor kotak dialogtersebut dengan mous anda untuk memperolehvariabel yang akan anda analisis. Pindahkanvariabel KINERJA GURU (Y) pada kotak dialogDependen List dan fyfaktor pada kotak dialogFactor. Klic Option pada kotak dialog tersebut,anda akan memperoleh kotak dialog berikutnya yakniOne-Way ANOVA: Option. Dari kotak dialog ini, KlicHomogenit Of-Varians, abaikan menu lainnya. KlicContinue. Klic OK. Sekarang anda akan mendapatkanOutput hasil analisis sebagimana figure 82.

162

Figure 78

163

Figure 79

Figure 80

164

Tampak pada figure 82, analisis bertandakotak merupakan output hasil analisis TesHomogenitas.

Setelah anda menguji seluruh Uji analisisyang dibutuhkan, sebagaimana dalam pokok bahasanpada BAB V ini, maka langkah selanjutnya meng-copyseluruh Output hasil analisis untuk segeradipindahkan dari SPSS Viewer ke Microsof Word.Sekarang coba anda perhatikan langkah-langkahsebagimana tampilan pada figure 83 dan 84 berikutini

Dari menu utama Klic Edit, Klic Select All(figure 83). Anda akan mendapati hasil Outputdalam keadaan ter-block. Kemudian dari menu utamaKlic Edit, Klic Copy Object, maka Output hasilanalisis sudah dalam keadaan tercopy seluruhnya(figure 84)

165

Figure 83

166

Figure 81

Langkah berikutnya membuka lembar kerjaMicrosoft Word. setelah lembar kerja aktifMicrosoft Word pada layar monitor anda, lakukanpemindahkan Output hasil analisis SPSS kelembarkerja Microsoft Word dengan cara Klic Vaste (Ctrl+ V). sebagaimana dapat anda lihat pada figure 85di bawah ini.

167

Figure 85

Output hasil analisis dapat anda Edit untukkebutuhan jarak, spasi sesuai dengan ukuran kertasanda. Output hasil analisis yang sudah dieditdapat anda lihat pada halaman berikut.

168

Catatan: Lakukan terlebih dahulu pengeditan seperti yang dianjurkan pada akhir BAB sebelumnya

E. Hasil Analisis Dari SPSS Ke Microsoft Word

UJI LINIERITASKINERJA GURU ( Y) * KOMUNIKASI ANTAR PRIBADI (X1)

ANOVA Table

6305.359 26 242.514 2.026 .0482075.198 1 2075.198 17.337 .000

4230.161 25 169.206 1.414 .208

2633.417 22 119.7018938.776 48

Source

(Combined)LinearityDeviation fromLinearity

BetweenGroups

Within GroupsTotal

Dependent Variable *Independent Variable

KINERJA GURU ( Y) *KOMUNIKASI ANTAR PRIBADI (X1)

Sum ofSquares df Mean

Square F Sig.Statistics

KINERJA GURU ( Y) * MOTIVASI KERJA (X2)

ANOVA Table

7682.776 24 320.116 6.117 .0002415.952 1 2415.952 46.165 .000

5266.823 23 228.992 4.376 .000

1256.000 24 52.3338938.776 48

Source


BetweenGroups

Within GroupsTotal


KINERJA GURU ( Y) * MOTIVASI KERJA (X2)



169

UJI NORMALITASOne-Sample Kolmogorov-Smirnov Test

49 49 4985.31 87.51 118.678.61 9.03 13.65.106 .120 .129.106 .120 .129-.054 -.060 -.082.742 .838 .901.640 .484 .392

Statistics

NMeanStd. DeviationNormal Parameters

a,b

AbsolutePositiveNegative

Most ExtremeDifferences

Kolmogorov-Smirnov ZAsymp. Sig. (2-tailed)

KOMUNIKASIANTAR PRIBADI

(X1)MOTIVASI

KERJA (X2)KINERJA

GURU ( Y )

Variables

Test distribution is Normal.a. Calculated from data.b.

UJI NORMALITAS DENGAN Q - Q Plot Normal Q-Q Plot of KOMUNIKASI ANTAR PRIBADI (X1)

Observed Value

11010090807060

Expe

cted

Nor

mal

Valu

e 110

100

90

80

70

60

170

Normal Q-Q Plot of MOTIVASI KERJA (X2)

Observed Value

12011010090807060

Expe

cted

Nor

mal

Valu

e

110

100

90

80

70

60

Normal Q-Q Plot of KINERJA GURU ( Y)

Observed Value

1501401301201101009080

Expe

cted

Nor

mal

Valu

e

150

140

130

120

110

100

90

80

171

UJI HOMOGENITASOneway

Test of Homogeneity of Variances

KINERJA GURU (Y)

.036 1 47 .851

LeveneStatistic df1 df2 Sig.

BAB KORELASI

Analisis korelasi untuk menghitung Koefisienkorelasi. Koefisien korelasi merupakan angka yangmenunjukkan arah dan kuatnya hubungan antar dua

172

variabel atau lebih. Untuk menghitung koefisienkorelasi pada program SPSS dapat dilakukan denganlangkah-langkah sebagai berikut: perhatikan kembalitampilkan dilayar monitor anda SPSS data Editorsebagaimana figure 86 berikut:

Figure 86

A. Korelasi Biserial

173

Untuk melakukan analisis korelasi biserialdapat dilakukan dengan memperhatikan langkah-langkah yang terdapat pada figure 87 sebagaiberikut. Dari menu utama, Klic Analyze, pilih menuCorrelate, Klic Bivariate.., anda akan mendapatkankotak dialog Bivariate Correlation, pindahkankedua variabel bebas yakni: KOMUNIKASI ANTARPRIBADI (X1) DAN MOTIVASI KERJA (X2), abaikan menulainnya. Kemudian Klic OK. Anda akan mendapatkanOutput hasil analisis sebagaimana tampak padafigure 88

174

Figure 827

175

Figure 88

B. Korelasi ParsialKorelas Parsial digunakan untuk

menganalisa bila peneliti bermaksud mengetahuipengaruh atau mengetahui hubungan antaravariabel independen dan dependen, dimana salahsatu variabel independennya dibuattetap/dikendalikan. Jadi korelasi parsialmerupakan angka yang menunjukkan arah dankuatnya hubungan antara dua variabel atau lebihsetelah satu variabel yang diduga dapat

176

mempengaruhi hubungan variabel tersebutdikendalikan untuk dibuat tetap keberadaannya.

Analisis korelasi parsial dapat dilakukandengan Langkah langkah seperti yang terdapat padafigure 89 sebagai berikut:

Figure 89Ikuti langkah-langkah pada figure 89. Dari

menu utama Klic Analyze, arahkan kursor mous andakemenu Correlate….., arah kekanan dan KlicPartial…..., anda akan mendapatkan kotak dialog

177

Partial Correlations. Pindahkan variabel KinerjaGuru (Y) dan Komunikasi Antar Pribadi (X1) kekotak Variables: dan pindahkan variabel Motivasikerja (X2) ke kotak Controling For: (sebagaivariabel kontrol). Abaikan menu lainnya, kemdianKlic OK. Anda akan mendapatkan output hasilanalisis sebagaimana Figure 90 berikut ini.

Figure 90

178

Pada Figure 90 di atas menyatakan output hasianalisis korelasi parsial hubungan murni yangdilakukan antara variabel Kinerja Guru (Y) denganvariabel Komunikasi Antar Pribadi (X1) bilamanadilakukan pengontrolan terhadap variabel MotivasiKerja (X2)

Untuk korlasi parsial hubungan murni antaravariabel Kinerja Guru (Y) dengan variabel MotivasiKerja (X2) bilamana dilakukan pengontrolanterhadap variabel Komunikasi Antar Pribadi (X1)dapat anda lihat output hasil analisis sepertiterlihat pada langkah-langkah yang ditunjukkanpada figure 91 berikut ini.

179

Figure 91Dengan cara yang sama seperti langkah-langkah

pada Figure 89 sebelumnya, perbedaannya hanyaterletak pada penempatan variabel yang akandijadikan sebagai variabel kontrol.

Dari menu utama Klic Analyze, arahkan kursormous anda kemenu Correlate….., arah kekanan danKlic Partial…..., anda akan mendapatkan kotakdialog Partial Correlations. Pindahkan variabelKinerja Guru (Y) dan Motivasi kerja (X2) ke kotakVariables: dan pindahkan variabel Komunikasi AntarPribadi (X1) ke kotak Controling For: (sebagai

180

variabel kontrol). Abaikan menu lainnya, kemdianKlic OK.

Sekarang anda mendapatkan Output hasilanalisis seperti yang terlihat pada Figure 92berikut ini.

Figure 92

Perhatikan perbedaan antara Figure 90 danFigure 92 pada output hasil analisis, tampakperbedaan masing-masing analisis korelasi partialpada variable yang dikontrol.Setelah andamelakukan analisis korelasi biserial dan korelasiparsial, selanjutnya anda dapat mengcopy seluruh

181

Correlations

1.000 .274. .05749 49.274 1.000.057 .49 49

Statistics

Pearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)N

Variables


MOTIVASI KERJA (X2)


MOTIVASI KERJA(X2)

Variables2

Output hasil analisis dari SPSS Viewer keMicrosof Word. Sekarang coba anda perhatikankembali langkah-langkah seperti yang ditampilkanpada figure 83 dan 84 sebelumnya

Dari menu utama Klic Edit, Klic Select All .Anda akan mendapati hasil Output dalam keadaanter-block. Kemudian dari menu utama Klic Edit,Klic Copy Object, maka Output hasil analisis sudahdalam keadaan tercopy seluruhnya.

Langkah berikutnya membuka lembar kerjaMicrosoft Word. setelah lembar kerja MicrosoftWord aktif pada layar monitor anda, lakukanpemindahkan Output hasil analisis SPSS kelembarkerja Microsoft Word dengan cara Klic Vaste (Ctrl+ V)

Output hasil analisis dapat anda Edit untukkebutuhan jarak, spasi sesuai dengan ukuran kertasanda. Output hasil analisis dapat anda lihatsebagai berikut:

182

PARTIAL CORRELATION COEFFICIENTS

Controlling for.. X2

Y X1Y 1.0000 .4131 ( 0) ( 46) P= . P= .004X1 .4131 1.0000 ( 46) ( 0) P= .004 P= .

(Coefficient / (D.F.) / 2-tailed Significance)" . " is printed if a coefficient cannot be computed

PARTIAL CORRELATION COEFFICIENTS


Y X2Y 1.0000 .4602 ( 0) ( 46) p= . P= .001X2 .4602 1.0000 ( 46) ( 0) P= .001 P= .

183

(Coefficient / (D.F.) / 2-tailed Significance)" . " is printed if a coefficient cannot be computed

184

BAB IVI. REGRESI LINIER

Prosedur regresi linier digunakan untukmenguji hubungan antara sebuah variabel dependen(variabel respon) dengan satu atau beberapavariabel independen (variabel prediktor). Jikavariabel dependen dihubungkan dengan sebuahvariabel independen saja, maka regresi yangdihasilkan adalah regresi linier, dan jikavariabel independennya lebih dari satu maka yangdihasilkan adalah persamaan regresi linierberganda (Multiple linier regression)

A. Regresi Linier Sederhana

185

Untuk menganalisis Regresi Linier sederhanadengan program SPSS, dapat anda lakukan denganlangkah-langkah sebagai berikut:

Buka lembar kerja baru SPSS data Editor.Masukkan data yang akan anda analisis sebagaimanasudah dijelaskan pada BAB sebelumnya. Sebagaicontoh lihat pada figure 90 berikut ini, andadihadapkan dengan dua variabel independen dan satuvariabel dependen. Untuk variabel independen kitaberi nama variabel “ Komunikasi Antar Pribadi (X1)dan Motivasi Kerja (X2)” sedangkan untuk variabeldependen kita beri nanma variabel “Kinerja Guru(Y)”

Sekarang coba anda ikuti langkah-langkah yangterdapat pada figure 91 untuk mendapatkan Outputhasil analisis regresi sederhana yang andainginkan.

186

Fi

gure 83

187

Figure 84

Dari Menu utama, Klic Analyze, pilih menuRegression, berikutnya Klic Linier……. Anda akanmendapatkan kotak dialog dengan nama LinearRegression. Pindahkan variabel Komunikasi AntarPribadi (X1) Ke kotak independen (s) dan variabelKinerja Guru ( Y ) ke kotak Dependen. Selanjutnya ikuti langkah-langkah sebagaimanaFigure 92

188

Figure 85

Dari kotak dialog Linear Regression, KlicStatistics. Anda akan mendapatkan kotak dialogLinear Regression: Statistics. Dari kotak dialogini, Klic Estimates, Klic Model fit, Klic Rsquared change. Abaikan menu lainnya, KlicCountinue, selanjutnya Klic OK. Sekarang andamemperoleh Output hasil analisis sebagaimana padaFigure 93.

189

Figure 86Tampilan sebagaimana diperlihatkan oleh

figure 93 di atas merupakan output hasil analisiskoefisien regresi, uji persamaan garis regresi danuji koefisien persamaan garis regresi variabelKomunikasi Antar Pribadi (X1) terhadap variabelKinerja Guru (Y)

190

B. Estimasi (Grafik Persamaan Garis) Regresi Linier Sederhana

Estimsi (Grafik Persamaan Garis) regresiLinier Sederhana, dapat diperoleh melalui langkah-langkah sebagai berikut:

Figure 87

Perhatikan figure 94 di atas. Dari menuutama, Klic Analyze, pilih menu Regression,

191

selanjutnya Klic Curve Estimation...., sekaranganda memperoleh kotak dialog baru dengan namaCurve Estimation. Pindahkan variabel KomunikasiAntar Pribadi (X1) ke kotak Independen dan VariabelKinerja Guru ( Y ) ke kotak Dependen. Abaikan menulainnya. Kemudian Klic OK.

Sekarang anda mendapatkan output hasilanalisis berupa grafik estimasi atau grafikpersamaan garis regresi sederhana dari variabelKomunikasi Antara Pribadi (X1) terhadap VariabelKinierja Guru (Y). Grafik estimasi ini dapatmemberikan informasi tentang: a) sebaran titik-titik yang saling berinteraksi antara keduavariabel, b) titik-titik prediksi, yang letaknyatepat pada garis estimate yang menandakan besarnyakeeratan hubungan dari kedua variabel, c) adatidaknya titik-titik Out layar atau terjadinyatitik-titik penyimpangan di luar dari garisprediksi

Untuk mengetahui informasi lebih lanjutsebagaimana yang dikemukakan di atas, ikutilangkah-langkah berikut ini

192

1. Editing untuk mengetahui Sebaran Titik yangSaling Berinteraksi

Figure 88

Ikuti langkah-langkah Figure 95 di atas. DariMenu Utama, Klic Edit, pindahkan kursor ke menuSelect, Klic All Charts, sekarang tampilan padagrafik anda sudah dalam keadaan posisi ter- block

193

Figure 89Selanjutnya ikuti langkah-langkah pada Figure

96 di atas, Dari Menu utama, Klic Edit, pilih menuSPSS Chart Object, Klic Open. Sekarang andamendapatkan tampilan layar baru dengan nama SPSSChart Editor, sebagaimana figure 97 berikut.

194

Figure 90

Dilayar monitor anda sekarang sudah tampilberupa lembar kerja baru dengan nama SPSS ChartEditor. Dari tampilan layar lembar kerja baru inimenandakan bahwa tampilan grafik siap untukdilakukan editing selanjutnya yakni, menampilkansebaran titik-titik interpolasi antara keduavariabel yang dianalisis.

Langkah-langkah yang harus dilakukan dapatanda lihat sebagaimana tampilam pada figure 98 dibawah ini.

195

Figure 91

Sekarang ikuti langkah-langkah yangditunjukkan oleh figure 98 di atas. dari menuutama, klic Format, Klic Interpolation….., andaakan mendapatkan kotak dialog Line Interpolation,Klic pada kotak Straigt, pastikan kotak DisplayMarkers yang berada di kiri paling bawah padakotak dialog tersebut berada dalam pisisi Ceklis.Kemudian Klic Apply All. Sekarang anda sudahmendapatk tampilan grafik yang baru berupa titik-

196

titik (markers) pada grafik interpolasisebagaimana tampilan pada Figure 99 di bawah ini.

Figure 92

Perhatikan tampilan layar pada Figure 99 diatas. Titik-titik yang terdapat pada garis liniermerupkan titik-titik yang menyatakan persentase(%) keeratan hubungan yang terjadi antara variabelKomunikasi Antar Pribadi (X1) dengan variabel

197

Kinerja Guru (Y). Sedangkan sebaran titik-titiklainnya berjumlah sama dengan jumlah respondenpenelitian yang merupakan titik-titik Interpolasiyang terjadi melalui estimasi dari kedua variabelyang dianlaisis.

Disini anda perlu diketahui bahwa untuk satutitik interpolasi hanya diwakilkan oleh saturorang esponden.

2. Editing Untuk Mengetahui Ada TidaknyaTitik Outlayer

Ikuti langkah-langkah yang ditunjukkan olehFigure 99 dan 100 di bawah ini

Figure 93

198

Figure 94

Dari menu Utama, Klic Chart, klic Options.(Lihat Figure 100). Sekarang Anda memperoleh kotakdiaolog Overlay Scatterplot Options (lihat Figure101), klic kotak Fit Line dan Mean of Y ReferenceLine pada masing-masing Display for each pair. KlicPada kotak Fit Oftion yang sudah aktif. Sekaranganda mendapatkan kotak dialog Scatterplot Option:Fit Line. Pada bagian menu Fit Method, pastikan andaKlic kotak Linear Regression. Ceklis kotak Mean,kotak Individual, kotak Include constant in Equationdan Display R-Square in Legend. Klic Countue. Klic

199

Ok. Sekarang anda mendapatkan Output Hasil Analisissebagaimana tampilan pada Figure 100

Figure 95

Dari tampilan Figure 100 terlihat bahwa,terdapat 3 titik interpolasi (3 responden) yangberada pada posisi di luar garis prediksi, titik-titik yang di luar garis prediksi tersebutdinamakan titik Out Layar. Sering kali titik-titikout layar ini menjadi permasalahan dalampenelitian. Sebagian ahli statistik berpendapat,jika terdapat data out layar pada data penelitiananda maka data out layar tersebut harus dibuangkarena dapat mengurangi keabsahan hasil

200

penelitian. Sebagian ahli lain berpendapat, jikaterdapat data out layar pada data penelitian anda,maka data Out layar tersebut tidak harus dibuangkarena keabsahan penelitian tergantung dari dataoutentik yang kita peroleh di lapangan.

3. Editing Untuk Tampilan Skala Vertikal danHorizontal Pada Grafik

Untuk menampilkan Skala Vertikal dan SkalaHorizontal pada Grafik, dapat anda lakukansebagaimana langkah-langkah yang diperlihatkanfigure 101 di bawah ini. Dari menu Utama, KlicChart, Klic Axis..., anda akan mendapatkan kotakdialog Axis Slection.

201

Figure 96

Klic salah satu Scale, jika anda Klic pada Xscale, selanjutnya Klic OK, maka anda akanmendapatkan kotak dialog X Scale Axis. Pada TitleJustification pilih menu Centre lalu Klic. Klicseluruh kotak pada Ticks, Grid, pastikan seluruhbagian tersebut ter Ceklis. Selanjutnya Klic OK.

Lakukan hal yang sama seperti langkah-langkah di atas untuk menu Y Scale. Selanjutnyauntuk Axis Title Ketik Variabel “ Kinerja Guru(Y)” sebagaimana tampak pada Figure 102

202

Figure 97Setelah seluruh langkah ini anda lakukan,

maka anda mendapatkan tampilan grafik yangmemiliki skala vertikal dan skala horizontal,sebagaimana Figure 103 berikut ini.

203

Figure 984. Editing Untuk Mengetahui Nomor Urutan Data

(Label) Pada Data Out Layar

204

Figure 99Untuk mengetahui nomor urutan (label) pada

data yang mengalami out layar, anda dapatmengikuti langkah-langkah yang terdapat padaFigure 104. dari menu utama. Klic Chart. KlicOption. Anda akan mendapatkan kotak dialogOverlay Scatterplot Options. Klic Off pada kotakCase Labels dan pilih menu On. Kemudian Klic OK.Maka anda mendapatkan tampilan Output hasilanalisis berupa grafik estimasi secara lengkapdengan lebel atau data yang dimiliki tiap-tiapresponden penelitian anda, sebagaimana anda lihatpada Figure 105

205

Figure 100

Bagi para peneliti yang ingin menelusurilebih lanjut dari output hasil analisis yangmemiliki data out layer sebagaimana gambaran dataini, maka output hasil analisis dari data Outlayar ini dapat dijadikan sebagai bahan kajianlanjutan dalam melihat adanya penyimpangan darisubjek permasalahan yang sedang diteliti melaluikajian penelitian kualitatif.

Sebagai contoh dapat diambil daripermasalahan yang terdapat pada Figure 105 diatas, terdapat 3 titik out layer atau 3 objek

206

penelitian (responden) yakni responden ke 12, 15dan 31 yang apabila diteliti secara kuantitatifmemiliki penyimpangan kebiasaan yang dilakukanoleh komunitas lainnya dalam hal tingkatberkomunikasi yang dilakukan sesema rekan kerja(guru) terhadap kinerja yang ditampilkan.Permasalahan ini justru terletak pada tingginyakinerja yang ditampilkan oleh ke tiga respondentersebut terjadi bukan dikarenakan kebiasanberkomunikasi antar pribadi yang dilakukan, namunadanya unsur lain yang lebih dominan dalammembentuk kinerja sesorang (guru). Disinilahperan penelitian kualitatif untuk melihat lebihjauh permasalahan-permasalahan yang muncul ketikadihadapkan pada data out layar yang ditampilkanoleh data kuantitatif. Dengan kata lain harusdibuat penelitian lanjutan secara kualitatifdengan subjek penelitian yang sama melalui 3objek sebagai fokus penelitian.

207

Lakukan langkah-langkah yang sama untuk menghasilkan Output hasil Analisis

Regresi Linier Sederhana pada variabel X2 Terhadap Y

C. Regresi Linier Ganda

Langkah-langkah yang dilakukan untuk menghasilkanoutput hasil analisis regresi linier ganda, hampirsama dengan langkah-langkah yang dilakukan padaanalisis regresi linier sederhana. Hanya sajasedikit perbedaannya terletak pada input padavariabel X dimasukkan seluruhnya sekaligus padakolom Independen. Untuk memudahkan dalam memahamipengertian ini mari sama-sama kita ikuti langkahdemi langkah pada tiap-tiap figure 106 yangditampilkan di bawah ini.

208

Figure 101Dari Menu utama, Klic Analyze, pilih menu

Regression, berikutnya Klic Linier……. Anda akanmemperoleh kotak dialog dengan nama LinearRegression. Pindahkan variabel Komunikasi AntarPribadi (X1) dan Motivasi Kerjas (X2) Ke kotakindependen(s) sedangkan variabel Kinerja Guru (Y)ke kotak Dependen. Dari kotak dialog LinearRegression, Klic Statistics. Anda akanmendapatkan kotak diaolog Linear Regression:Statistics. Dari kotak dialog ini, Klic

209

Estimates, Klic Model fit, Klic R squared change.Abaikan menu lainnya, Klic Countiue, selanjutnyaKlic OK. Sekarang anda memperoleh Output hasilanalisis berupa Koefisien Korelasi, uji persamaangaris regresi dan uji koefisien persamaan garisregresi, sebagaimana Figure 107

Figure 102

D. Estimasi (Grafik Persamaan Garis) Regresi Linier Ganda

Estimsi (Grafik Persamaan Garis) regresiLinier Ganda, dapat diperoleh melalui langkah-langkah sebagai berikut:

210

Figure 103

Ikuti langkah-langkah figure 108. Dari menuutama. Klic Graphs. Pilih menu Interactive. KlicScatterplot..., anda akan mendapatkan kotak dialogCreate Scatterplot sebagaimana figure 109 berikutini.

211figure 109

Perhatikan dan ikuti langkah-langkah padaFigure 109. Pada tampilan pertama kotak dialogCreate Scatterplot, koordinat yang muncul dalambentuk (dua dimensi), ubahkoordinat dua dimensi tersebut kedalam bentuk(tiga dimensi), dengan cara meng-klic ada bagiantersebut.

Tempatkan variabel-variabel anda ke kotakdialog koordinat tersebut, Untuk variabel KinerjaGuru (Y) tempatkan pada sumbu Vertikal, KomunikasiAntar Pribadi (X1) pada sumbu Horizontal danMotivasi kerja (X2) pada sumbu diagonal.Selanjutnya dari menu Create Scatterplot Klic Fit.Sekarang anda dihadapkan untuk memilih beberapapilihan pada kotak None. Klic Rgression (lihatFigure 110)

212

Figure 110

Kemudian dari menu Create Scatterplot KlicTitles. Pada kolom Chart Title: Tulis JudulPenelitian Anda, selanjtnya pada Caption: TulisNama Peneliti (lihat Figure 111)

213

Figure 111

Kemudian dari menu Create Scatterplot. KlicOption. Pada kolom Chart Look Directory: andadihadapkan pada beberapa pilihan grafik berdimensitiga. Sebagai contoh pilih Clasic. (lihat Figure112)

214

Figure 112

Setelah anda melakukan langkah-langkahtersebut. Selanjutnya Klic OK. Anda akanmendapatkan Output hasil analisis Estimasi dariketiga variabel yang anda analisis sebagaimanaFigure 113 berikut ini

215

Figure 113

Selanjutnya melakukan editing terhadapgrafik, yang berguna untuk mengetahui letak(posisi) titik-titik ada bidang dimensi tiga

Membuka layar (tampilan editing) pada grafikScatterplot dapat dilakukan dengan langkah-langkahpada figure 114 sebagai berikut:

216

Dari menu utama, Klic Edit, pilih menuSelection, Klic All Chart. Anda akan mendapatkanposisi layar anda dalam keadaan Block sebagaimanaFigure 115 berikutnya.

Figure 114

217

Figure 115Selanjutnya ikuti langkah Figure 116. Dari

menu utama, Klic Edit, pilih menu SPSS InteractiveGraphic Object, Klic Open

218

Figure 116

Anda akan mendapatkan tampilan grafik yangsudah siap untuk dilakukan Editing, sebagaimanaFigure 117 berikut ini:

219

Figure 1171. Editing Dalam Pembuatan Skala Pada Masing-

masing Sumbu KordinatUntuk membuat skala pada masing-masing

koordinat dapat dilakukan dengan langkah-langkahsebagai berikut:

Ikuti langkah-langkah pada Figure 118.Dari menu utama, Klic Format, pilih menu Axis.Anda mulai dengan mengedit kordinat padavariabel X. Klic Scale Axis (Komunikasi AntarPribadi (X1))

220

Figure 118

Sekarang anda akan mendapatkan kotak dialogScala Axis – KOMUNIKASI ANTAR PRIBADI (X1)sebagaimana tampak pada Figure 119).

221

Figure 119

Aktifkan pada bagian kotak dialogAppearance. Sekarang anda mendapatkan kotakdialog baru dengan nama yang sama (lihat Figure120), di bawah ini.

222

Figure 120

Langkah berikutnya, klic kotak MonitorTicks, secara otomatis anda mengaktifkan submenu pada bagian tersebut, pada kotak Number ofMinor Ticks: ganti dengan angka 10. Pada submenu Weight Klic kotak Hairline Klic 1 pt. Padaseluruh kotak Color, pilih warna Hitam.Selanjutnya Klic Apply.

Langkah selanjutnya mengaktifkan menu GridLines pada menu utama dari kotak dialogtersebut. Sekarang anda akan mendapatkan kotakdialog baru dengan nama yang sama. (LihatFigure 121) berikut ini.

223

Figure 121

Klic Kotak Grid Line. Klic Display Evenly-spaced grid lines. Pada Number of Grid Lines:Ketik angka 10. Pada Color, pilih warna Hitam.Klic Apply, Klic OK Anda akan mendapat tampilansebagaimana Figure 122 berikut ini

Figure 122

224

Dengan cara yang sama, anda dapat melakukanEditing untuk membuat Skala pada variabel X2 danY dengan melakukan langkah-langkah mulai dariFigure 118 sampai dengan Figure 122 sebelumnya.Sekarang coba anda tampilkan Skala pada sumbulainnya untuk variabel X2 dan variabel Y, mulailahdari Figure 123 dan Figure 124.

Figure 123

225

Figure 124Setelah anda melakukan Editing untuk membuat

masing-masing Skala pada variabel X2 dan Y,sekarang coba anda lihat hasilnya, sebagaimanafigure 125 berikut:

226

Figure 1252. Editing Memilih Model Simbol dan Pewarnaan pada

Bidang Diagonal a. Editing Memilih Model Simbol dan Pewarnaan

Dalam memilih model pada simbol danpewarnaannya, dapat dilakukan dengan langkah-langkah sebagai berikut:

227

Figure 126Ikuti langkah-langkah pada figure 126 di

atas. Dari menu utama, Klic Format, arahkankursor mous anda ke menu Key, Klic Cloud. Andaakan mendapatkan kotak dialog Cloud sebagaimamanFigure 127

228

Figure 127

Klic pada kotak Menu Style: anda dapatmenggunakan pilihan simbol untuk menggantisimbol yang diinginkan, demikian pula denganfasilitas yang terdapat pada kolom Color Andajuga dapat merubah warna dari simbol tersebut.Selanjutnya klic Ok (lihat figure 128)

b. Editing Bidang Diagonal danPewarnaan

229

Figure 128

Figure 129

Ikuti langkah-langkah pada figure 129 diatas. Dari menu utama, Klic Format, arahkankursor mous anda ke menu Key, Klic menuRegression, anda akan mendapatkan kotak dialogsebagaimana figure 130 berikut ini:

230

Figure 130

Pada menu Style, Klic kotak Solid andaditawarkan beberapa pilihan menu tampilan dasarbidang diagonal pada grafik. Klic salah satudiantara tampilan yang anda inginkan. (lihatFigure 131)

231

Figure 131

Pada menu Background Klic No Color (lihatFigure 132). Sedangkan pada Menu Freground (lihatFigure 133) Klic warna Hitam . Abaikan menulainnya. Klic Apply. Klic OK.

Anda akan mendapatkan tampilan grafiksebagaimana Figure 47 berikut ini.

232

Figure 133Figure 132

Figure 134

Setelah anda melakukan seluruh analisis dariawal hingga akhir pada BAB ini, selanjutnyadiserahkan kepada anda untuk memindahkan seluruhoutput hasil analisis ke lembar kerja MicrosoftWord. Sekarang coba anda sesuaikan dengan analisisyang anda lakukan dengan output hasil analisisberikut ini.

233

F. Hasil Analisis Dari SPSS Ke Microsoft Word

RegressionModel Summary

.482a .232 .216 12.08 .232 14.210 1 47 .000

Model

1

R R Square Adjusted RSquare

Std. Error ofthe Estimate R Square

Change F Change df1 df2 Sig. F Change

Change Statistics

Statistics

Predictors: (Constant), KOMUNIKASI ANTAR PRIBADI (X1)a.

ANOVA b

2075.198 1 2075.198 14.210 .000a

6863.577 47 146.0348938.776 48

Source

RegressionResidualTotal

Model

1

Sum of Squares df Mean Square F Sig.Statistics


Dependent Variable: KINERJA GURU ( Y )b.

Coefficientsa

53.492 17.377 3.078 .003

.764 .203 .482 3.770 .000

Variables

(Constant)KOMUNIKASI ANTARPRIBADI (X1)

Model

1

B Std. ErrorUnstandardized Coefficients

BetaStandardized Coefficients

t Sig.

Statistics

Dependent Variable: KINERJA GURU ( Y )a.

234

Curve Fit


11010090807060

KINE

RJA

gURU

( Y

)

160

150

140

130

120

110

100

90

ObservedRsq = 0.2322

LinearRsq = 1.0000

454

25

13

424817

47

41393743

9

10

22

8

6

2711

21

36

292

35

31

2619

1

49

15

46

32

302038403418

16

33

14

2373

12

24

44285

4542513

4248174741393743910228627112136292353126191491546323020384034181633142373122444285

RegressionModel Summary

.520a .270 .255 11.78 .270 17.408 1 47 .000

Model

1




Change Statistics

Statistics

Predictors: (Constant), MOTIVASI KERJA (X2)a.

235

ANOVA b

2415.952 1 2415.952 17.408 .000a

6522.823 47 138.7838938.776 48

Source


Model

1


Predictors: (Constant), MOTIVASI KERJA (X2)a.


Coefficientsa

49.922 16.564 3.014 .004.786 .188 .520 4.172 .000

Variables

(Constant)MOTIVASI KERJA (X2)

Model

1



t Sig.

Statistics


Curve Fit

236

MOTIVASI KERJA (X2)

120110100908070

KINE

RJA

GURU

( Y

)160

150

140

130

120

110

100

90


LinearRsq = 1.0000

15

141312

2517

37

32

11

42922636

82

46

44

3919

31

35244326211049

4028

4833

18

301441

3834

16

237320

29

27

45

5

47151

413122517

37321142922636824644391931352443262110494028483318301441383416237320292745547

Regression

Model Summary

.628a .395 .368 10.84 .395 15.003 2 46 .000

Model

1




Change Statistics

Statistics

Predictors: (Constant), MOTIVASI KERJA (X2), KOMUNIKASI ANTAR PRIBADI (X1)a.

237

ANOVA b

3528.828 2 1764.414 15.003 .000a

5409.948 46 117.6088938.776 48

Source


Model

1




Coefficientsa

13.587 19.288 .704 .485

.582 .189 .367 3.076 .004

.634 .180 .419 3.516 .001

Variables

(Constant)KOMUNIKASI ANTARPRIBADI (X1)MOTIVASI KERJA (X2)

Model

1



t Sig.

Statistics


Interactive Graph

238

100

110

120

130

140

150

7080

90100 80

90100

110

KINERJA GURU ( Y ) = 13.59 + 0.58 * x1 + 0.63 * x2R-Square = 0.39

KONTRIBUSI KOMUNIKASI ANTAR PRIBADI DAN MOTIVASI KERJATERHADAP KINERJA GURU DI SMA NEGERI I INDRAPURA

Linear Regression

239

BAB VMEMBACA DAN MENGINTERPRETASIKAN DATA

A. Validitas dan Reliabilitas1. Validitas

Instrumen penelitian harus memenuhipersyaratan validitas dan reliabilitas. Instrumenyang Valid berarti instrumen tersebut dapatmengukur tentang apa yang diukur. Instrumen yangReliabel berarti instrumen tersebut bersifat ajeg,artinya ketika instrumen tersebut dipakaiberulang-ulang untuk melihat hal sama dalam kurunwaktu dan tempat yang berbeda maka hasilpengukurannya tetap sama.

Lihat penggalan analisis berikut ini.

RELIABILITY ANALYSIS - SCALE (A L P H A)Variabel : KOmunikasi antar Pribadi X1

Putaran : Putaran 1Item-total Statistics

Scale Scale Corrected

240

Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation DeletedBUTIR001 134.6667 634.9885 .1709 .9170BUTIR002 133.1667 603.8678 .6683 .9112BUTIR003 133.3667 629.6195 .3099 .9152BUTIR004 133.3667 628.4471 .3032 .9154BUTIR005 133.7667 621.4264 .4381 .9140BUTIR006 133.8333 611.6609 .4992 .9132BUTIR007 133.5667 612.8057 .4126 .9144BUTIR008 133.2667 616.0644 .5291 .9130

241

BUTIR009 133.5000 605.6379 .6751 .9113BUTIR010 134.3000 597.5966 .5950 . 9118BUTIR011 134.5333 654.7402 -.1194 .9205

RELIABILITY ANALYSIS - SCALE (A L P H A):merupakan salah satu teknik yang digunakan untukmenganalisis validitas dan reliabilitas. A Tekniknalisis skale Alhpa ini sering disebut juga denganTeknik analisis Alpha Cronbach. Variabel :komunikasi antar pribadi, merupakan nama variabeldari instrumen yang anda analisis. Putaran 1menunjukkan analisis pertama. Pada analisispertama ini apakah terdapat butir yang gugur(Deleted) diantara butir-butir valid. Untukmengetahui analisis item gugur dan item yangdianggap valid, dapat anda lihat pada kolomanalsis Corrected Item Total Correlation. Standarditolak atau diterimanya item-item tersebutsebagai item yang Valid dapat anda gunakan angkaLower pada taraf signifikansi 95 % sebagaimanaterdapat pada keterangan Intraclass CorrelationCoefficient analisis berikut ini.

242


Two-Way Mixed Effect Model (Consistency

Definition):

People Effect Random, Measure Effect FixedSingle Measure Intraclass Correlation = .2139*95.00% C.I.: Lower = .1393 Upper = .3397 F =11.8831 DF = (29, 1131.0) Sig. = .0000 (TestValue = .0000)Average Measure Intraclass Correlation = .9158**95.00% C.I.: Lower = .8662 Upper = .9537F = 11.8831 DF = (29, 1131.0) Sig. = .0000(Test Value = .0000)Average Measure Intraclass Correlation = .9158**95.00% C.I.: Lower = .8662 Upper = .9537F = 11.8831 DF = (29, 1131.0) Sig. = .0000(Test Value = .0000)

*: Notice that the same estimator is used whetherthe interaction effect is present or not.

**:This estimate is computed if the interactioneffect is absent, otherwise ICC is notestimable.

Reliability CoefficientsN of Cases = 30.0 N of Items = 40 Alpha = .9158

243

Berdasarkan keterangan Intraclass CorrelationCoefficient, untuk taraf signifikansi 95 %. nilaiLower = 0.1393. Dengan demikian, untuk setiap hasilanalisis pada kolom Corrected Item TotalCorrelation dinyatakan gugur jika hasil analisisberada di bawah taraf nilai Lower (pada putaran 1dinyatakan dengan angka 0,1393). Demikian puladengan putaran kedua, ketiga dan seterusnya,sampai seluruh hasil analisis pada kolomIntraclass Correlation Coefficient tidak memilikiangka di bawa nilai Lower pada tiap kali putarananalisis yang anda lakukan.. Lihat kembaliketerangan pada BAB II sebelumnya.

2. ReliabilitasBilamana tidak terdapat lagi item-item yang terdapat pada

kolom Intraclass Correlation Coefficient yang beradadi bawah nilai Lower.. maka nilai Reliability ditunjukkanmelalui hasil analisis nilai Alpha pada analisis putaran terakhirReliability Coefficient

244

*: Notice that the same estimator is usedwhether the interaction effect is present ornot.

**:This estimate is computed if the interactioneffect is absent,otherwise ICC is notestimable.

Reliability CoefficientsN of Cases = 30.0 N of Items = 36

Alpha = .9284

Jika dilihat kembali hasil analisis yang sudahanda lakukan pada BAB sebelumnya, maka diperolehitem-item yang gugur terdapat pada nomor item 1, 11,23, 37. sedangkan nomor Item lainnya dinyatakanValid (sahih) dengan nilai Reliabilitas sebesar0,9284. Artinya, jika anda melakukan penyebaranangket yang sama kepada responden berikutnya denganwaktu dan tempat yang berbeda, maka keajegkaninstrumen saudara berkisar 92,84 % terhada poulasiyang anda teliti.

Setelah anda mendapatkan item-item valid danReliabel dari hasil analisis uji coba instrumen,untuk selanjutnya instrumen tersebut dapat anda

245

jadikan sebagai instrumen penelitian dalam rangkamenemukan permasalahan yang anda teliti.

B. STATISITIK DESKRIPTIF

1. Deskripsi Data Statistics

49 49 490 0 0

85.31 87.51 118.6784.00 85.00 115.0079a 81a 1058.61 9.03 13.6574.05 81.55 186.2234 39 5170 72 97104 111 1484180 4288 5815

Statistics

ValidMissingN

MeanMedianModeStd. DeviationVarianceRangeMinimumMaximumSum

KOMUNIKASIANTAR

PRIBADI (X1)MOTIVASI

KERJA (X2)KINERJA

GURU ( Y)

Variables

Multiple modes exist. The smallest value is showna.

Figure 139Data tentang variabel Komunikasi Antar Pribadi

Guru diperoleh melalui kuesioner dalam bentuk skalalikert yang disebarkan kepada 49 responden. Angkettersebut terdiri dari 36 butir pertanyaan (empatbutir sudah dinyatakan gugur), butir pernyataan

246

dengan lima opsi, yaitu sering, selalu, jarang, dan tidakpernah. Data menyebar dari data skor terendah sebesar70; skor tertinggi sebesar 104 ; nilai rata-ratasebesar 85,31 ; nilai titik tengah 84.00; nilai yangsering muncul 79; serta simpangan baku sebesar 8,61.Data tersebut menunjukkan bahwa skor rata-rata dannilai titik tengah Komunikasi Antar Pribadi Gurutidak jauh berbeda. Dengan demikian dapatdiasumsikan bahwa sebaran data Komunikasi AntarPribadi Guru cenderung mendekati distribusi normal.Untuk memperoleh gambaran yang jelas tentangdistribusi skor Komunikasi Antar Pribadi Guru dapatdilihat pada perhitungan distribusi frekuensi datakelompok dan histogram berikut ini.

247


99,5 - 104,594,5 - 99,5

89,5 - 94,584,5 - 89,5

79,5 - 84,574,5 - 79,5

69,5 - 74,5

Freq

uenc

y

14

12

10

8

6

4

2

0

Std. Dev = 8,61 Mean = 85,3N = 49,00

455

9

12

9

5

DATA KELOMPOK (X1)

4 8.2 8.2 8.26 12.2 12.2 20.414 28.6 28.6 49.08 16.3 16.3 65.37 14.3 14.3 79.66 12.2 12.2 91.82 4.1 4.1 95.92 4.1 4.1 100.049 100.0 100.0

DATAKELOMPOK (X1)

69 - 7374 - 7879 - 8384 - 8889 - 9394 - 9899 - 103104 - 108Total

Valid


Statistics

Figure 140

2. Grafik Histogram

248

Figure 141

Tabel data kelompok dan histogram pada Figure 2dan 3 di atas, merupakan gambaran jawaban yangdiberikan responden setelah mengisi kuesionerpenelitian.

Berdasarkan tabel distribusi frekuensi datakelompok skor Komunikasi Antar Pribadi, maka dapatdibuat kategori dengan membagi kepada tiga

249

kelompok, yaitu kelompok tinggi, sedang, danrendah. Sutrisno Hadi (1998), mengemukakan bahwaskor distribusi frekuensi dapat dikelompokkandengan tiga kriteria:1. Tingkat atas : dari mean + 1 SD2. Tingkat sedang : dari mean – 1 SD

sampai mean + 1 SD3. Tingkat bawah : dari mean – 1 SD ke

bawah3. Tabel Distribusi Data Tunggal

250


1 2.0 2.0 2.01 2.0 2.0 4.11 2.0 2.0 6.11 2.0 2.0 8.21 2.0 2.0 10.21 2.0 2.0 12.22 4.1 4.1 16.32 4.1 4.1 20.44 8.2 8.2 28.61 2.0 2.0 30.64 8.2 8.2 38.82 4.1 4.1 42.93 6.1 6.1 49.02 4.1 4.1 53.13 6.1 6.1 59.21 2.0 2.0 61.22 4.1 4.1 65.33 6.1 6.1 71.41 2.0 2.0 73.52 4.1 4.1 77.61 2.0 2.0 79.61 2.0 2.0 81.62 4.1 4.1 85.72 4.1 4.1 89.81 2.0 2.0 91.82 4.1 4.1 95.92 4.1 4.1 100.049 100.0 100.0

KOMUNIKASIANTAR

PRIBADI (X1)70717273747677787980818283848587888990919394959697101104Total

Valid


Statistics

Figure 142

251

Klp

Tin

ggi

Klp

Sedan

gKlp

Rend

ah

Perhatikan Figure 4, berdasarkan klasifikasidi atas dapat dijelaskan sebagai berikut:

Jika 1 Standart Deviasi (SD) pada variabelKomunikasi Antar Pribadi sebesar 8,61 dan Meansebesar 85, maka perolehan skor Komunikasi AntarPribadi pada masing masing kelomok dapatdikategorikan sebagai berikut:

Kelompok tinggi (tingkat atas): Mean + 1 SD= 85 + 8,61 = 93,61, Skor 93,61 ke atasdinyatakan sebagai skor kelompok tinggi darijawaban responden tentang Komunikasi AntarPribadi. Maka responden yang memperoleh skor 93,61ke atas sebanyak 10 atau 20,40 % responden.Artinya sebanyak 10 atau 20,40% responden memilikitingkat Komunikasi Antar Pribadi yang Cukup baik.

Kelompok Sedang (tingkat menengah) : Mean –1 SD sampai Mean + 1 SD = 85 – 8,61 = 76,39sampai dengan 93,61. Responden yang memperolehskor di atas 76,39 sampai dengan skor di bawah93,61 dinyatakan sebagai skor kelompok sedang,Banyaknya responden yang berada pada kelompok iniberjumlah 34 atau 69,39 % responden. Artinya

252

sebanyak 34 atau 69,39% responden memiliki tingkatKomunikasi Antar Pribadi yang sedang.

Kelompok rendah (Tingkah bawah): Mean + 1SD = 85 - 8,61 = 76,39. Maka respoden yangmemperoleh skor di bawah skor 76,36 dinyatakansebagai kelompok rendah. Banyaknya responden yangberada pada kelompok ini berjumlah 5 atau 10,20 %responden memiliki tingkat Komunikasi AntarPribadi yang relative rendah.

Berdasarkan klasifikasi di atas dapatdisimpulkan bahwa, Komunikasi Antar Pribadi yangdimiliki responden dinyatakan berada pada kondisirelative sedang dan cukup baik.

4. Distribusi Data Kelompok

253

DATA KELOMPOK (X1)

4 8.2 8.2 8.26 12.2 12.2 20.414 28.6 28.6 49.08 16.3 16.3 65.37 14.3 14.3 79.66 12.2 12.2 91.82 4.1 4.1 95.92 4.1 4.1 100.049 100.0 100.0

DATAKELOMPOK (X1)

69 - 7374 - 7879 - 8384 - 8889 - 9394 - 9899 - 103104 - 108Total

Valid


Statistics

Figure 143

Distribusi frekuensi data kelompok (kategori)sebagaimana figure 5, merupakan bentukpenyederhanaan dari distribusi frekuensi datatunggal. Jika responden penelitian anda jumlahnyacukup besar dan tidak memungkinkan untukdilakukannya pendistribusian dengan menggunakandistribusi frekuensi data tunggal, maka anda dapatmenyederhanakannya dalam bentuk distribusifrekuensi data kelompok.

Walaupun distribusi frekuensi data kelompokkelihatannya lebih sederhana, mudah dibaca danpahami, namun terkadang distribusi frekuensi data

254

kelompok ini memiliki kelemahan yakni, adanyatingkat kesalahan (standar eror) yang lebih besardibandingkan dengan distribusi data kelopok,terutama berkenaan dengan pengkategorian datauntuk mendapatkan seperti kelompok tinggi, sedangdan rendah.

Misalkan pada kelas ke 2 dari distribusifrekuensi data kelompok yakni pada kelas 74 – 78,dan jika kita merujuk kepada distribusi datatunggal, maka terdapat 1 responden dari kelompoktersebut yang memiliki tingkat komunikasi antarpribadi yang tergolong rendah yakni responden yangmemiliki skor 74. sedangkan responden yangmemiliki skor 75, 76, 77, dan 78 berada padakelompok sedang.

C. UJI PERSYARATAN ANALISIS

1. Uji Linieritas

Uji lilieritas dilakukan untuk mengetahuikelinieran data antara variabel terikat denganvariabel bebas. Analisis uji kelinearan pada

255

penelitian ini menggunakan ANOVA (Analysis of Variances)dan uji signifikansi dengan menggunakan uji F padaprogram SPSS, dengan persyaratan sebagai berikut :HO.: Terdapat hubungan fungsional linier.H1 .: Tidak terdapat hubungan fungsional linear

Dasar dalam pengambilan keputusan sebagaiberikut :

Terima: H0 apabila nilai sig probabiliti > =0,05

Kinerja Guru ( Y) * Komunikasi Antar Pribadi (X1)ANOVA Table

6305.359 26 242.514 2.026 .0482075.198 1 2075.198 17.337 .000

4230.161 25 169.206 1.414 .208

2633.417 22 119.7018938.776 48

Source


BetweenGroups

Within GroupsTotal


KINERJA GURU ( Y) *KOMUNIKASI ANTAR PRIBADI (X1)



Figure 144

Anda dapat melakukan penolakan ataupenerimaan Ho berdasarkan nilai F atau nilai Sigpada Deviation from Linearity. Jika anda memakaipenerimaan atau penolakan Ho berdasarkan nilai F,maka anda harus mengkorfirmasikan nilai tersebut

256

kepada nilai Ftabel untuk dk = n – 1. denganketentuan, jika nilai Fhitung < Ftabel maka hipotesisHo diterima. Namun dalam analisis SPSS penerimaanatau penolakan Ho dapat anda lakukan berdasarkanniali Sig sebagaimana tertera pada Figure 6 diatas. Dapat dilihat bahwa nilai Sig dari hasilanalisis Deviation from Linearity sebesar 0,208.Sedangkan berdasarkan ketentuan dalam pengambilankeputusan penerimaan atau penolakan Ho apabilanilai Sig pada analisis > dari = 0,05, dengandemikian dapat disimpulkan bahwa variabel KinerjaGuru (Y) memiliki hubungan yang linier denganvariabel Komunikasi Antar Pribadi (X1).

2. Uji Normalitas

257

One-Sample Kolmogorov-Smirnov Test

49 49 4985.31 87.51 118.678.61 9.03 13.65.106 .120 .129.106 .120 .129-.054 -.060 -.082.742 .838 .901.640 .484 .392

Statistics

NMeanStd. DeviationNormal Parametersa,b

AbsolutePositiveNegative

Most ExtremeDifferences

Kolmogorov-Smirnov ZAsymp. Sig. (2-tailed)

KOMUNIKASIANTAR PRIBADI

(X1)MOTIVASI

KERJA (X2)KINERJA

GURU ( Y )

Variables

Test distribution is Normal.a. Calculated from data.b.

Figure 145

Dalam penggunaan Statistik Parametrik, datapenelitian yang akan dianalisis harus membentukdistribusi normal atau berasumsi normal, bila datatidak memiliki distribusi normal, maka teknikStatistik Parametrik tidak dapat digunakan untukalat analisis. Sebagai gantinya digunakan teknikStatistik lain yang tidak harus berasumsi bahwadata berdistribusi normal. Teknik analisis yangdemikian disebut dengan Statistik Non-Parametrik(hal ini akan dikaji dalam pembahasan berikutnya).

Analisis uji normalitas bertujuan untukmenguji asumsi bahwa distribusi data membentuk

258

distribusi normal. Artinya suatu data yangmembentuk distribusi normal bila jumlah data diatas dan di bawah rata-rata diasumsikan sama.Sebagai Ilustrasi dapat anda lihat pada figure dibawah ini

.

Di bawah Rata-rata diatas Rata-rata Rata-rata Figure 146

259

Pengujian normalitas ketiga data penelitiandilakukan dengan menggunakan uji Kolmogorov-Semirnovatau Uji K-S. Taraf signifikansi yang digunakansebagai dasar menolak atau menerima keputusannormal atau tidaknya suatu distribusi data adalahdengan membandingkan nilai Asymp Sig. (2-tailed)dengan nilai = 0,05. Hipotesis yang dibentukuntuk uji normalitas ini adalah sebagai berikut:

Ho = Data berdistribusi normalH1 = Data tidak berdistribusi normalSebagai dasar pengambilan keputusan:Terima : H0 jika nilai Asymp Sig. (2-tailed) >

0,05Berdasarkan nilai-nilai Asymp Sig. (2-tailed)

di atas dapat disimpulkan bahwa ketiga data padavariabel penelitian membentuk distribusi normalterhadap populasinya. Uji Normalitas dapat jugadiperlihatkan melalui Grafik Q-Q Plot sebagaimanafigure 147 berikut ini.

UJI NORMALITAS MELALUI Q - Q Plot

260

Normal Q-Q Plot of KOMUNIKASI ANTAR PRIBADI (X1)

Observed Value

11010090807060

Expe

cted

Nor

mal

Valu

e

110

100

90

80

70

60

Figure 147Dari Figure 147 terlihat bahwa, sebaran titik

Observed Value cenderung menelusuri garis diagonal,hal ini mengindikasikan bahwa data yang terbentukdiasumsikan membentuk sebaran kurva normal. Jikasebaran titik Observed Value membentuk bidang (daerah)terhadap garis diagonal, maka sebaran data padatitik-titik yang membentuk bidang (daerah)tersebut diyakini merupakan titik-titik yangmempengaruhi ketidaknormalan data. Namun untuk

261

Bidang (Deerah)

Bidang (Deerah)

data secara keseluruhan dalam permasalahan inidiasumsikan membentuk sebaran kurva normal

3. Uji Homogenitas

Test of Homogeneity of Variances

KINERJA GURU (Y)

.036 1 47 .851

LeveneStatistic df1 df2 Sig.

Figure 148

Uji homogenitas dilakukan untuk melihatkesamaan. Kesamaan yang dimaksudkan dalam hal iniadalah kesamaan responden tentang kinerja yangditampilkannya, karena responden yang ditelitiberasal dari latar belakang pendidikan, suku,budaya dan jenis kelamin yang berbeda, makadiyakini responden tersebut memiliki kinerja yangberbeda. Untuk itu perlu dilakukan uji kesamaanatau Homogenitas.

Untuk menguji Homogenitas (kesamaan) inidapat dibuat suatu ketentuan penolakan ataupenerimaan hipotesis sebagai berikut:

Ho = Responden memiliki kinerja yang sama

262

H1 = Responden tidak memiliki kinerja yang

sama

Sebagai dasar pengambilan keputusan:Terima : H0 jika nilai Sig. (2-tailed) > 0,05Dari hasil analisis terlihat bahwa nilai Sig

sebesar 0,851 oleh karenanya kita terima Ho danmenolak H1. Dapat dikatakan bahwa kinerja yangditampilkan oleh seluruh responden dalammelaksanakan tugas sebagai orang guru diasumsikansama

Nilai Levence Statistik sebesar 0,036 atausebesar 3,6 % merupakan tingkat kesamaan kinerjayang ditampilkan responden.

4. Uji Independensi Antar Variabel Bebas

Correlations

1.000 .274. .05749 49.274 1.000.057 .49 49

Statistics

Pearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)N

Variables


MOTIVASI KERJA (X2)


MOTIVASI KERJA(X2)

Variables2

Figure 149

263

Uji independen antar variabel merupakan salahsatu uji prasayarat dalam analisis Regresi Linier.Uji Independensi antar variabel dilakukan untukmelihat sampai sejauhmana tingkat signifikansihubungan antar variabel-variabel independen(bebas). Jika variabel-variabel independenmembentuk suatu hubungan yang signifikan makaanalisis Regresi Linier tidak dapat dilakukan.Untuk mengantisipasi hal ini kita membutuhkansejumlah kajian lebih lanjut tantang pokok bahasananalisis regresi, antara lain: regresi BinaryLogistic, Multinomial Logistik atau Regresi nonLinier, yang dalam kesematan ini belum dibahas

Untuk menguji Independensi antar variabeldapat dibuat suatu ketentuan penolakan ataupenerimaan hipotesis sebagai berikut:Ho = variabel-variabel Independen memiliki

hubungan yang signifikan H1 = variabel-variabel Independen tidak memiliki

hubungan yang signifikan.Sebagai dasar pengambilan keputusan:Tolak : H0 jika nilai Sig. (2-tailed) > 0,05

264

Dari hasil analisis terlihat bahwa nilai Sig.(2-tailed) sebesar 0,057 oleh karenanya kita tolakHo dan menerima H1. Dapat dikatakan bahwa variabel-variabel independen tidak memiliki hubungan yangsignifikan. Nilai sebesar 0,274 dalam hal inimenyatakan bahwa besarnya hubungan yang terjadiantara variabel Komunikasi Antar Pribadi denganMotivasi Kerja. Ingat!! Keberartian atauketidakberartian suatu hubungan antar variabelindependen dalam analisis ini dinyatakan dengannilai Sig. (2-tailed)

Setelah melakukan beberapa persyaratananalisis sebagaimana yang dianjurkan padapersyaratan analisis Regresi Linier. Maka berikutini kita akan membahas tentang menguji hipotesisdari penelitian yang kita lakukan yakni dengananalisis regresi sebagaimana pembahasanselanjutnya.

D. REGRESI

265

1. Regresi Linier SederhanaModel Summary

.482a .232 .216 12.08 .232 14.210 1 47 .000

Model

1




Change Statistics

Statistics


Figure 150

Dari Figure 150 terlihat nilai R sebesar0,482 menyatakan bahwa nilai hubungan yang terjadiantara variabel Prediktor (variabel bebas)Komunikasi Antar Pribadi (X1) dengan variabelterikat Kinerja Guru (Y). Nilai R Square sebesar0,232 atau 23,2 % menyatakan bahwa nilai kekuatanhubungan yang terjadi antara kedua variabeltersebut. Hasil analisis menunjukkan nilai Sig. FChange sebesar 0,000. Diterima atau ditolaknyasecara signifikan nilai hubungan maupun kekuatanhubungan yang terjadi dinyatakan dengan nilai Sig. FChange pada analisis tersebut.

Untuk membuat suatu keputusan dalammenggunaan analisis regresi linier ini dibutuhkanstandar penolakan atau penerimaan hipotesis.

266

Penolakan atau penerimaan hipotesis dilakukandengan ketentuan sebagai berikut:

Ho: Tidak terdapat hubungan yang signifikan antaraKomunikasi Antar Pribadi dengan Kinerja Guru.

H1 : Terdapat hubungan yang signifikan antaraKomunikasi Antar Pribadi dengan Kinerja Guru.

Penolakan atau Penerimaan Hipotesis dinyatakandengan ketentuan sebagai berikut:Tolak Ho jika : nilai Sig. F Change < 0,05 {Nilai

0,05 merupakan Standar signifikansi penerimaan atau penolakan α (Alpha) yang telah ditentukan sebelumnya}

Terima Ho jika : nilai Sig. F Change < 0,05.Berdasarkan ketentuan ini maka dapat dilihat

bahwa nilai Sig. F Change dari hasil analisis lebihkecil dari nilai standar sigifikansi penolakanatau penerimaan Alpha yang telah ditetapkansebelumnya yaitu sebesar 0,05.

267

Dapat diambil satu keputusan bahwa menolakpernyataan hipotesis Ho dan menerima pernyataanhipotesis H1. Dengan demikian dapat dikatakan:Terdapat hubungan yang signifikan antaraKomunikasi Antar Pribadi dengan Kinerja Guruditerima kebenarannya, dimana nilai hubungantersebut sebesar 0,482 dan kekuatan hubungan yangterjadi sebesar 0,232 atau 23,2 %.

Perlu dikatahui bahwasanya untuk nilai Sig. FChange < 0,05 dinyatakan sebagai hubungan yangsignifikan. Namun jika nilai standar penolakan Sig.F Change sampai dengan < 0,01 sebagaimana hasilanalisis di atas, maka hal ini menunjukkan bahwatingkat hubungan yang terjadi dinyatakan memilikihubungan sangat signifikan. Oleh karena itu,pembuktian pernyataan hipotesis yang terjadiadalah sebagai berikut:“Terdapat hubungan yang sangat signifikan antaraKomunikasi Antar Pribadi dengan Kinerja Guru”diterima kebenarannya dengan dengan tingkatsignifikansi sebesar 0,001

268

ANOVA b

2075.198 1 2075.198 14.210 .000a

6863.577 47 146.0348938.776 48

Source


Model

1




Figure 151

Analisis Variansi atau sering juga disebutdengan Uji F pada figure 151, dilakukan untukmelihat sampai dimana tingkat keberartian modelpersamaan regresi linier yang terbentuk dapatdijadikan sebagai alat prediksi untukmengidentifikasi gejala hubungan yang terjadi padapermasalahan yang sama dengan kurun waktu dantempat yang berbeda melalui persamaan:

Konstanta KoefisienPersamaan Regresi

Dapat atau tidaknya persamaan regresi linierdijadikan sebagai alat prediksi dalam melihatgejala hubungan yang terjadi pada permasalahan

269

Ŷ = a + b x

Coefficientsa

53.492 17.377 3.078 .003

.764 .203 .482 3.770 .000

Variables

(Constant)KOMUNIKASI ANTARPRIBADI (X1)

Model

1



t Sig.

Statistics


yang sama dengan kurun waktu dan tempat yangberbeda ditentukan dengan nilai Sig pada analisistersebut. Jika Nilai Sig pada analisis < 0,05(Standart α Alpha yang telah ditentukansebelumnya) maka dapat dikatakan bahwa modelpersamaan regresi linier yang terbentuk dapatdijadikan sebagai alat prediksi untuk melihatkebutuhan sebagaimana di atas.

Berdasarkan Figure 152 maka model persamaanRegresi Linier yang terbentuk adalah sebagaiberikut:

Figure 152

270

Ŷ = 53,492 +0,764 X1

Setelah model persamaan regresi linierterbentuk maka langkah selanjutnya melakukanpengujian terhadap koefisien dari model persamaanregresi, apakah koefisien pada model persamaanregresi dapat dipakai sebagai alat prediksi dalammelihat gelaja hubungan pada permasalahan yangsama dengan kurun waktu dan tempat yang berbeda.analisis yang dibutuhkan dalam hal ini dapat andalihat sebagaimana pada Figure 152.

Ketentuan dapat diterima atau ditolaknyakoefisien model persamaan regresi dijadikansebagai alat prediksi yaitu dengan melihatbesarnya nilai Sig pada analisis tersebut. JikaNilai Sig pada analisis < 0,05 (Standart α Alphayang telah ditentukan sebelumnya) maka dapatdikatakan koefisien model persamaan regresi linieryang terbentuk dapat dijadikan sebagai alatprediksi untuk melihat kebutuhan sebagaimana diatas.

Berdasarkan hasil analisis uji F dan Uji tsebagaimana terlihat melalui hasil analisis Figure151 dan Figure 152, maka dapat dikatakan Modelpersamaan regresi linier maupun koefisien dari

271

persamaan tersebut dapat dijadikan sebagai alatprediksi untuk melihat gejala hubungan yangterjadi pada permasalahan yang sama yakni hubunganantara Komunikasi antar pribadi dengan KinerjaGuru pada kurun waktu dan tempat (lokasi) yangberbeda. Model Persamaan Regresi Linier dapatdigunakan sebagai alat prdiksi

Berdasarkan persamaan regresi linier di atasdapat ditentukan kenaikan setiap satu-satuan nilaidari varibel Komunikasi Antar Pribadi dalammelihat gejala hubungan yang terjadi denganvariabel Kinerja Guru yang diperoleh responden.Artinya jika skor Komunikasi Antar Pribadidinaikkan satu satuan, maka akan mempengaruhi pulakenaikan skor pada Kinerja Guru sebesar 53,492 +0,764(1) = 54.256. Namun jika tidak terdapatkenaikan satu-satuan pada Komunikasi Antar Pribadiberarti Kinierja Guru akan konstan sebesar 53,492.

Jika kita merujuk kepada Figure 139,terlihat bahwa skor minimum yang diperoleh

272

Ŷ = 53,492 +0,764 X1

responden untuk variabel Komunikasi Antar Pribadisebesar 70, dan jika skor minimum ini dimasukkankedalam persamaan prediksi, maka skor prediksiminimum yang diperoleh untuk variabel kinierjaguru sebesar 53,492 + (0,764)(70) = 106.972.Padahal sebelumnya kita ketahui, skor minimum yangdiperoleh responden pada variabel Kinerja Guruhanya sebesar 97 dan sebenarnya dalam perolehanangka 97 ini, masih dipengaruhi oleh bias darifaktor variabel lain (diluar dari variabelKomunikasi Antar Pribadi) pada saat respondenmelakukan pengisian instrumen yang disebarkan.Sehingga nilai kemungkinan dari skor Kinerja Guruyang sebenarnya diperoleh oleh responden tanpaadanya bias dari faktor apapun sebesar nilaiKonstantanya yakni 53,492.

Untuk mengetahui sebaran titik-titik darikedua variabel yang saling berhubungan, dapat andalihat sebagaimana Figure 13 berikut ini

2. Estimasi Pada Regresi Linier Sederhana

Dari Figure 153 berikut ini, terlihat bahwa,Titik-ttik persekutuan hubungan antara variabel

273

Komunikasi Antar Pribadi dengan Kinerja Guru yangditampilkannya. Seluruh sebaran titik-titik darikiri bawah ke kanan atas menunjukkan terjadinyafenomena hubungan yang menerangkan bahwa semakinbaik Komunikasi Antar Pribadi yang ditampilkanoleh seorang Guru, maka semakin baik pula kinerjayang ditampilkan oleh seorang guru tersebut.


11010090807060

KINE

RJA

gURU

( Y

)

160

150

140

130

120

110

100

90


LinearRsq = 1.0000

454

25

13

424817

47

41393743

9

10

22

8

6

2711

21

36

292

35

31

2619

1

49

15

46

32

302038403418

16

33

14

2373

12

24

44285

4542513

4248174741393743910228627112136292353126191491546323020384034181633142373122444285

Figure 153

Kekuatan hubungan yang ditimbulkan olehkedua variabel tersebut sebesar 23,22 % dan halini dapat terlihat pada titik-titik estimasi yangterletak tepat pada garis diagonal

274

Bagi para peneliti yang ingin menyelusurilebih lanjut dari hasil penelitian kuantitatifyang dilakukannya, maka melalui grafik ini dapatdijadikan sebagai bahan kajian lanjutan dalammelihat adanya penyimpangan dari subjekpermasalahan yang sedang diteliti

Sebagai contoh pada perhatikan Figure 153,terdapat 3 objek (responden) yakni responden ke12, 15 dan 31 yang apabila diteliti secarakuantitatif memiliki penyimpangan kebiasaan yangdilakukan oleh komunitas lainnya dalam hal tingkatberkomunikasi yang dilakukan sesema rekan kerjanya(guru) terhadap kinerja yang ditampilkan.Permasalahan ini justru terletak pada baiknyakinerja yang ditampilkan oleh ke tiga respondentersebut terjadi bukan dikarenakan oleh kebiasanberkomunikasi antar pribadi yang dilakukan, namunadanya unsur lain yang lebih dominan dalammembentuk kinerjanya (guru).

Disinilah peran penelitian kualitatif untukmelihat lebih jauh permasalahan-permasalahan yangmuncul ketika dihadapkan pada data out layar yangditampilkan oleh data kuantitatif. Dengan kata

275

lain harus dibuat penelitian lanjutan secarakualitatif dengan subjek penelitian yang samamelalui 3 objek (responden) pada data Out layartersebut menjadi fokus penelitian kualitatif dalammelihat faktor penyebab utama tingginya Kinerjayang ditampil ketiga responden.

3. Regresi Linier GandaModel Summary

.628a .395 .368 10.84 .395 15.003 2 46 .000

Model

1

R RSquare

Adjusted RSquare


Change F Change df1 df2 Sig. FChange

Change StatisticsStatistics


Figure 154

Dari Figure 154 terlihat koefisien R secarabersama-sama sebesar 0,628 menyatakan bahwa nilaihubungan yang terjadi antara variabel Prediktor(variabel bebas) Komunikasi Antar Pribadi (X1) danMotivasi Kerja secara bersama-sama dengan variabelKinerja Guru (variabel terkat Y). Nilai R Squaresebesar 0,395 atau 39,5 % menyatakan bahwa nilaikekuatan hubungan. Diterima atau ditolaknya secara

276

signifikan nilai hubungan maupun kekuatan hubunganyang terjadi dinyatakan dengan nilai Sig. F Changepada analisis tersebut, (terlihat pada bagiansebelah kiri dari tabel) sebesar 0,000.

Penolakan atau penerimaan hipotesis dinyatakandengan ketentuan sebagai berikut:

Tolak Ho jika : nilai Sig. F Change < 0,05 {Nilai 0,05 merupakan Standar signifikansi penerimaan atau penolakan α (Alpha) yang telah ditentukan sebelumnya}

Terima Ho jika : nilai Sig. F Change < 0,05.Hipoteisis penelitian dirumuskan sebagai

berikut:Ho : Tidak terdapat hubungan yang signifikan antara

Komunikasi Antar Pribadi dan motivasi kerjasecara bersama-sama dengan Kinerja Guru.

H1 : Tidak terdapat hubungan yang signifikan antaraKomunikasi Antar Pribadi dan motivasi kerjasecara bersama-sama dengan Kinerja Guru.

Jika kita perhatikan pada kolom Sig. F Changemaka nilai yang diperoleh sebesar 0,000 sedangkan

277

nilai signifikansi penolakan atau penerimaanhipotesis yang ditetaplan sebelumnya adalah 0,05.Dari nilai tersebut dapat dilihat bahwa nilai Sig.F Change lebih kecil dari nilai standarsignifikansi penolakan yang ditetapkan. Sehiggakeputusan yang dapat diambil adalah menolakpernyataan Ho dan menerima pernyataan H1, dengandemikian dapat disimpulkan “terdapat hubungan yangsangat signifikan antara komunikasi antar pribadidan motvasi kerja secara bersama-sama dengankinerja guru” dapat diterima kebenarannya. dimananilai hubungan tersebut sebesar 0,628 dan kekuatanhubungan yang terjadi sebesar 0,395 atau 39,5 %.

ANOVA b

3528.828 2 1764.414 15.003 .000a5409.948 46 117.6088938.776 48

Source


Model

1


Square F Sig.

Statistics

Predictors: (Constant), MOTIVASI KERJA (X2), KOMUNIKASI ANTAR PRIBADI (X1)a. Dependent Variable: KINERJA GURU ( Y )b.

Figure 155Uji F pada figure 155, dilakukan untuk

melihat sampai dimana tingkat keberartian modelpersamaan regresi linier ganda yang terbentuk

278

dapat dijadikan sebagai alat prediksi untukmengidentifikasi gejala hubungan yang terjadi padapermasalahan yang sama dengan kurun waktu dantempat yang berbeda melalui persamaan:

Model Persamaan Regresi Linier

Konstanta Koefisien Persamaan Regresi

Dapat atau tidaknya persamaan regresi linierganda dijadikan sebagai alat prediksi dalammelihat gejala hubungan yang terjadi padapermasalahan yang sama dengan kurun waktu dantempat yang berbeda dapat ditentukan melaluibesarnya nilai Sig pada analisis tersebut. JikaNilai Sig pada analisis < 0,05 (Standart α Alphayang telah ditentukan sebelumnya) maka dapatdikatakan model persamaan regresi linier gandayang terbentuk dapat dijadikan sebagai alat

279

Ŷ = a + b1 X1 + b2 X2

prediksi untuk melihat kebutuhan sebagaimana diatas.

Berdasarkan analisis pada figure 155 di atastampak jelas bahwa nilai Sig pada analisistersebut jauh lebih kecil dari taraf signifikansialpha yang ditetapkan sebelumnya yakni sebesar0,05. maka dapat disimpulkan bahwa model persamaanregresi linier ganda yang terbentuk dapatdijadikan sebagai alat prediksi untuk melihatadanya gejala hubungan yang terjadi padapermasalahan yang sama dengan tempat dan waktuyang berbeda.

Untuk menguji setiap koefisien persamaanregresi yang terbentuk dari hasil Uji – t, dapatdilihat berdasarkan hasil analisis yangditampilkan pada figure 156 berikut ini:

Coefficientsa

13.587 19.288 .704 .485.582 .189 .367 3.076 .004.634 .180 .419 3.516 .001

Variables

(Constant)KOMUNIKASI ANTAR PRIBADI (X1)MOTIVASI KERJA (X2)

Model

1

B Std. Error

UnstandardizedCoefficients

Beta

StandardizedCoefficients t Sig.

Statistics


Figure156

280

Demikian pula dengan analisis Uji tsebagaimana figure 156 di atas. Dianalisis untukmelihat keberadaan masing-masing koefisien yangterbentuk pada model persamaan regresi ganda,apakah dapat dijadikan sebagai alat prediksi untukmelihat gejala hubungan yang terjadi dari masing-masing variabel bebas dengan variabel terikat padawaktu dan tempat yang berbeda.

Untuk kebutuhan analisis ini, kita hanyamembutuhkan nilai pada kolom Sig. jika nilai sigpada analisis tersebut menunjukkan harga < darinilai signifikansi yang telah ditetapkan yakni0,05, maka koefisien dari masing-masing variabeldapat dijadikan sebagai alat prediksi dalammelihat gejala hubungan yang terjadi.

Dari hasil analisis dapat kita lihat bahwa,koefisien pada variabel komunikasi antar pribadi(X1) sebesar 0,582 dan nilai Sig. sebesar 0,004.sedangkan koefisien pada variabel motivasi kerja(X2) sebesar 0,634 dan nilai sig. sebesar 0,001.dari nilai-nilai Sig. hasil analisis menunjukkanbahwa keduanya berada jauh dibawah nilaiSignifikansi yang telah ditetapkan (0,05) dengan

281

demikian koefisien masing-masing variabel yangterbentuk melalui hasil analisis uji-t dapatditerima keberadaannya sebagai alat prediksi untukmelihat gejala hubungan yang terjadi antaravariabel komunikasi antar pribadi dan motivasikerja secara bersama-sama dengan kinerja gurupada waktu dan tempat yang berbeda.

Model Persamaan

KonstantaNilai Sig.analisis 0,004 < 0,05 Nilai Sig.analisis

0,001 < 0,05 Koefisien Persamaan Regresi

Melalui model persamaan regresi ganda ini,juga dapat memprediksi besarnya kinerja yangditampilkan masing-masing guru.

Sebagai contoh: Jika kita merujuk pada figure139 tentang deskripsi data, maka skor rata-rata(Mean) untuk variabel komunikasi antar pribadi,

282

Ŷ = 13,587 + 0,582 X1 + 0,634 X2

motivasi kerja dan kinerja yang ditampilkanmasing-masing sebesar 85,31 ; 87,51 dan 118,67.dan sekarang kita ingin memprediksi rata-ratakinerja yang ditampilkan guru setelah dilaksanakankembali penelitian ulang pada perasalahan yangsama dalam waktu yang berbeda, dapat kita prediksirata-rata kinerja yang ditampilkan sebesar:

Ŷ = 13,587 + 0,582 (85,31) + 0,634(87,51)

Ŷ = 13,587 + 49.650 + 55.481Ŷ = 118.718Besarnya angka 118,718 menunjukkan kinerja

yang ditampilkan oleh responden tidak jauh berbedapada saat dilaksanakannya penelitian sebelumnyayakni sebesar 118,67

283

4. Estimasi Pada Regresi Linier ganda

100

110

120

130

140

150

7080

90100 80

90100

110

KONTRIBUSI KOMUNIKASI ANTAR PRIBADI DAN MOTIVASI KERJATERHADAP KINERJA GURU DI SMA NEGERI I INDRAPURA

KINERJA GURU ( Y ) = 13.59 + 0.58 * x1 + 0.63 * x2R-Square = 0.39

Figure 157Sesuai dengan kegunaannya, model persamaan

regresi ini dapat dijadikan sebagai alat prediksiuntuk mengidentifikasi gejala yang terjadi pada

284

variabel dependen yang dakibatkan oleh variabelindependen.

Jika kita mengambil data berdasarkan hasiljawaban responden tentang variabel komunikasiantar pribadi (X1) dan variabel motivasi kerja (X2)secara bersama-sama dalam melihat gejala hubunganyang terjadi dengan variabel kinerja guru (Y),maka melalui model persamaan regresi ini dapatpula diterangkan fenomena hubungan yang terjadipada setiap data yang diperoleh responden.Sebagaimana yang terlihat pada figure 157 yangmemperlihatkan hubungan antara variabel bebassecara bersama dengan variabel terikat, hinggaterbentuk bidang diagonal yang arahnya dari kiribawah menuju ke kanan atas. Adapun maksud darigambaran ini menerangkan bahwasanya semakin baikyang dilihat dari variabel komunikasi antarpribadi dan motivasi kerja yang dimiliki respondenmaka akan semakin baik pula kinerja yangditampilkan responden tersebut.

Dengan demikian, model persamaan regresi inimerupakan acuan atau patron untuk melihatperkembangan kinerja yang ditampilkan guru ketika

285

dilakukan penelitian yang sama pada waktu yangberbeda

Kajian selanjutnya, untuk mengetahui hubunganmurni masing-masing variabel independen denganvariabel dependen-nya. Maksud dari hubungan murnidisini adalah terjadinya suatu hubungan antarasatu variabel independen dengan variabel dependentidak dipengaruhi oleh faktor atau variabelindependen lainnya. Artinya: Berapa sebenarnyakoefisien hubungan secara murni yang terjadiantara variabel komunikasi antar pribadi denganvariabel kinerja guru ketika dilakukanpengontrolan terhadap variabel motivasi kerjademikan juga sebaliknya ketika terjadi hubunganantara variabel motivasi kerja dengan variabelkinerja guru, ketika dilakukan pengomtrolanterhadap variabel komunikasi antar pribadi. Untukmengetahui koefisien hubungan secara murnitersebut dibutuhkan satu analisis dengan teknikkorelasi parsial sebagaimana kajian berikut.

E. PARTIAL CORRELATION COEFFICIENTS

286


Y X1

Y 1.0000 .4131

( 0) ( 46)

P= . P= .004

X1 .4131 1.0000

( 46) ( 0) P= .004

P= .

(Coefficient / (D.F.) / 2-tailed Significance)" . " is printed if a coefficient cannot be computedFigure 157 Controlling for.. X1

Y X2

Y 1.0000 .4602

287

( 0) ( 46)

P= . P= .001

X2 .4602 1.0000

( 46) ( 0) P= .001

P= .

(Coefficient / (D.F.) / 2-tailed Significance)" . " is printed if a coefficient cannot be computedFigure 158

Korelasi parsial merupakan analisis untukmelihat seberapa besar hubungan secara murni yangterjadi antara satu variabel independent dengansatu variabel dependen tanpa adanya gangguanhubungan dari satu atau beberapa variabelindependen lainnya. Agar tidak terjadinya biasatau gangguan unsur lain yang diperkirakan dapatmempengaruhi besarnya hubungan secara murni yangterjadi dari variabel-variabel yang sedangdihitung, maka perlu dilakukan pengotrolanterhadap variabel lainnya.

288

Dari figure 157 Analisis hubungan secaramurni yang terjadi antara variabel komunikasiantar pribadi (X1) dengan kinerja guru (Y), tanpaadanya bias atau gangguan dari variabel lainnya,dalam hal ini dilakukan pengontrolan terhadapvariabel motivasi kerja (X2). Besarnya hubunganyang terjadi ditunjukkan dengan koefisien ry1 – 2

sebesar 0,413 dengan tingkat sig. Probabilatassebesar 0,004 dan hubungan ini dinyatakan memilikihubungan yang sangat signifikan karena nilai Sig.Probabilitas < 0,05 ; dan bahkan < 0,01

Demikian pula pada figure 158, menerangkananalisis hubungan murni yang terjadi antaravariabel motivasi kerja (X2) dengan kinerja guru(Y), tampa adanya bias atau gangguan dari variabellainnya, dalam hal ini dilakukan pengontrolanterhadap variabel komunikasi antar pribadi (X1).Besarnya hubungan yang terjadi ditunjukkan dengankoefisien ry2 – 1 sebesar 0,4602 dengan tingkatsig. Probabilatas sebesar 0,001 dan hubungan inidinyatakan memiliki hubungan yang sangatsignifikan karena tidak hanya dapatdikonfirmasikan pada nilai Sig. Probabilitas <

289

0,05 ; namun juga sampai pada nilai Sig.Probabilitas < 0,01

DAFTAR BACAAN

Anderson, NM. 1961. Skales and statistics parametric and nonparametrikc, Psychology, Skokie III Rand Mc Nally

Baker, B.D. Hardyck, CD ; and Petriovic, L.F 1966.Week measurement Vs. strong statistics ; An empical critique ofS.S stevensi procription on ststictics educational andpsychological measurement.

Boneau, C.A. 1960. The effects of violation of assumptionunderlying the test, Psychological Bulletin

Cooper. DR. and C.W. Emory. 1996. Business RisearchMethods. 5thed. Richart D. Irwin Inc. New York

Dixon, J. dkk. 1991. Pengantar Analisis Statistik. GajahMada University Press, Yogyakarta.

DRN. 1999. Lokakarya Riset dan Teknologi. PuspitekSerpong. Tangerang

Fred. N. Kerlinger, Elazar J. Pedhazur. (1973).Multiple regression in behavioral research, New YorkUniversity.

290

Games, PA and Lukas PA. 1966. Power of the analysis ofindependen groups on normal and normality, trasformed data,educational and psychological Measuremant

Guide. 1986. SPSS X TM Edition 2. Michigan Avenue, Chicago

Irianto, Abizar, dkk. 1999. Buku Panduan Penulisan Tesis.PPs UNP, Padang

Jhon Best.W. 1949. Risearch in Education. New Jersey:Allyn Bacon. Inc

Lindquist, EF .1953. Design and analisys of experiment inpsychological and education, Boston : HoughititonMifflin

Nana Sudjana. 2001. Penelitian dan Penilaian Pendidikan.Sinar Baru Algensindo, Bandung.

Pearson. 1946. Biometrika Tables for Statisticians, Vol. 1Cambridge University Press, New York.

Ronal. E. Walpole. 1997. Pengantar Statistik. Edisi ke 3.Gramedia Pustaka Utama, Jakarta.

Rossenberg Morris. 1968. The Logic Of Survey Analysis. NewYork-London: Basic Book, Inc Publishers

Santoso. S. 2002. Buku Latihan SPSS Statistik Multivariat. PT.Elex Media Komputindo Kelompok Gramedia,Jakarta

291

Sunaryo. 1984. 87 Masalah Pokok Dalam Regresi Berganda.Andi Offset, Yogyakarta

Tim Penelitian dan Pengembangan Wahana Komputer.Panduan Lengkap SPSS 6.0

292

RIWAYAT PENULIS

Indra Jaya, dilahirkan di Indrapura 21 Mei1970. Anak ke tujuh dari tujuh orang bersaudaradari pasangan Ali Achmad dan Latifah Hindun.Menamatkan pendidikan sampai jenjang SLTA diIndrapura kemudian melanjutkan pendidikan

293

(S1) Jurusan Matematika di Fakultas TarbiyahIAIN-SUTamat tahun 1995. Setalah lulus sarjanamengajarkan Matakuliah Matematika dibeberapa perguruan tinggi swasta di Medan.

Setelah 3 (tiga) tahun mendapat gelar Sarjana, melanjutkanPendidikan Pascasarjana (S2) dengan Konsentrasi ManajemenPendidikan Lingkungan dari Universitas Negeri Padang, lulus padatahun 2001. Tahun 2002 melanjutkan pendidikan Doktor (S3) diUniversitas Negeri Jakarta pad Program Studi PendidikanKependudukan dan Lingkungan Hidup (PKLH) tamat tahun 2009.Selama melanjutkan studi program Doktor, Penulis aktifmenyelenggarakan pelatihan Metodologi Penelitian dan analisis datakuantitatif dengan menggunakan program SPSS, LISREL dan AMOSkepada rekan Mahasiswa S2 dan S3 di Jakarta serta di beberapaperguruan tinggi seperti Universitas Jenderal Sudirman, Ibnu Chaldundan Universitas Negeri Gorontalo. Selain meyelenggarakan Pelatihan.Penulis juga aktif mengadakan penelitian baik pada tingkat regionalmaupun nasional, seperti: Evaluasi Efektivitas Kebijakan PemanfaatanDana BOS di Sumatera Utara (Penelitian Hibah Bersaing Nasional),Evaluasi Keamanan Laut Indonesia (Proyek Badan KoordinasiKeamanan Laut Indonesia). Bintek untuk daearah Regional II dan III(Departemen Pendidikan Nasional).Penulis juga aktif menulis Buku,diantaranya: Evaluasi Keamanan Laut Indonesia (2010), StatistikPenelitian untuk Pendidikan (2010) dan Trampil Mengoperasikan SPSS(2010).Saat ni penulis aktif mengajar di IAIN Sumatera Utara sebagai DosenStatistik

294

295

PANDUAN PRAKTIS MENGOPERASIKAN PROGRAM SPSS

Documents