SPSS merupakan sebuah program pengolah data yang sudah
sangat dikenal di dalarn dunia pendidikan. Penggunaannya
sangat mudah untuk dipahami para guru di sekolah. Semua data diketik di dalam
format SPSS yang sudah disediakan. Setelah selesai, kemudian tinggal memilih statistik yang akan digunakan pada
menu STATISTIC/ANALYZE. Misalnya uji
validitas butir atau reliabilitas tes, diklik pada menu ANLYZE kemudian pilih
CORELATE, pilih BIVARIAT, untuk uji reliabilitas pilih RELIABILITY. Di samping
itu, program ini dapat digunakan untuk analisis data kuantitatif secara umum,
misalnya untuk uji normalitas, homogenitas, dan linearitas data.
Agar mudah pengoperasiannya dalam menggunakan program ini,
sebaiknya para guru membaca terlebih dahulu manual/buku pedoman
pengoperasiannya secara saksama. Berikut ini disajikan salah satu contoh
penggunaan program SPSS yang digunakan untuk menguji uji normalitas,
homogenitas, dan linearitas data, serta uji kesesuaian antara butir soal dan
kisi-kisinya (analisis faktor). Program SPSS selama ini sudah diproduksi
beberapa versi, diantaranya versi 11, 12, maupun versi 13. Untuk lebih jelasnya perhatikan contoh
pengetikan data dan analisisnya berikut ini.
|
Motivasi Belajar
(X)
|
Prestasibelajar
(Y)
|
Jenis Kelamin
|
|
60
61
75
70
60
80
70
60
79
69
|
65
68
85
76
65
89
74
62
81
75
|
1
2
1
2
1
2
1
2
1
2
|
Setelah program SPSS dibuka, data di
atas di masukkan ke dalam format SPSS. Caranya sangat mudah yaitu seperti
berikut.
1. Klik
"Variable View" (letaknya di sebelah kiri bawah).
2. Ketik
X pada kolom "Name".
3. Klik
pada kolom "Label" kemudian ketik Motivasi Belajar.
4. Ketik
Y pada kolom "Name" (di bawah X).
5. Klik
pada kolom "Label" kemudian ketik Prestasi Belajar.
6. Ketik
JK pada kolom "Name" (di bawah Y)
7. Klik
pada kolom "Label" kemudian ketik Jenis Kelamin.
8. Klik
pada kolom "Scale" kemudian klik pada "Nominal".
9. Klik
"Data View" (letaknya di sebelah kin bawah), kemudian masukkanlah data
di atas (diketik) sesuai dengan kolomnya.
1. Menentukan Analisis Deskriptif
a. Cara pertama
Analyze
Descriptive statistics
Frequencies
§
Semua variable dimasukkan kedalam kotak ”Variables”
§
Clik : ”statistics”
§
Klik : mean, media, mod, sum
Std deviation, variance, range, minimu, maximum,
S.E mean.
Skewnes, curtosis
§
Klik: ”Continue”
§
Klik: ”Ok”
Hasil:
Ststistic
|
|
Motivasi Belajar
|
Prestasi Belajar
|
Jenis Kelamin
|
|
N
Valid
Missing
Mean
Std. Error of Mean
Median
Mode
Std. Deviation
Variance
Skewness
Std. error of skewness Kurtosis
Std. error of kurtosis
Range
Minimum
Maximum
Sum
Percentiles 25
50
75
|
10
0
68.4000
2.499978
69.5000
60.00
7.9499
62.48889
.243
.687
-1.512
1.334
20.00
60.00
80.00
684.00
60.0000
69.5000
76.0000
|
10
0
74.000
2.87131
74.5000
65.00
9.07989
82.44444
.307
,687
-1.037
1.334
27.00
62.00
89.00
740.00
65.0000
74.5000
82.0000
|
10
0
1.5000
.16667
1.5000
1.00
.52705
.27778
.000
.687
-2.571
1.334
1.00
1.00
2.00
15.00
1.0000
1.5000
2.0000
|
Motivasi Belajar
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative
Percent
|
|
Valid 60.00
61.00
69.00
70.00
75.00
79.00
80.00
|
3
1
1
2
1
1
1
|
30.0
10.0
10.0
20.0
10.0
10.0
10.0
|
30.0
10.0
10.0
20.0
10.0
10.0
10.0
|
30.0
40.0
50.0
70.0
80.0
90.0
100.0
|
Total 10 100.0 100.0
Prestasi Belajar
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative
Percent
|
|
Valid 62.00
65.00
68.00
74.00
75.00
76.00
81.00
85.00
89.00
|
1
2
1
1
1
1
1
1
1
|
10.0
20.0
10.0
20.0
10.0
10.0
10.0
10.0
10.0
|
10.0
20.0
10.0
20.0
10.0
10.0
10.0
10.0
10.0
|
10.0
30.0
40.0
50.0
60.0
70.0
80.0
90.0
100.0
|
Total 10 100.0 100.0
Jenis Kelamin
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative
Percent
|
|
Valid 1.00
2.00
|
5
5
|
50.0
50.0
|
50.0
50.0
|
50.0
100.0
|
Total 10 100.0 100.0
b. Cara kedua
Analyze
Descriptive
statistics
Descriptives
- Semua variable dimasukkan ke dalam kotak
"Variables"
- Klik: "Options"
- Klik: - mean,
sum
- std deviation,
variance, range, minimum, maximum, S.E. mean
- kurtosis,
skewness
- Ascending means
- Klik:
"Continue"
- Klik:
"OK"
Descriptive Statistic
|
|
N
Statistic
|
Range
Statistic
|
Minimum
Statistic
|
Maximum
Statistic
|
Sum
Statistic
|
|
Motivasi belajar
Prestasi belajar
Jenis Kelamain
Valid N (listwise)
|
10
10
10
10
|
20.00
27.00
1.00
|
60.0
62.0
1.00
|
80.00
89.00
2.00
|
684.00
740.00
15.00
|
Descriptive Statistic
|
|
Mean
|
Std.
Statistic
|
Variance
Statistic
|
|
|
Statistic
|
Std. error
|
|||
|
Motivasi belajar
Prestasi belajar
Jenis Kelamain
Valid N (listwise)
|
68.4000
74.0000
1.5000
10
|
2.4998
2.8713
.1667
|
7.90499
9.07989
.52705
|
62.489
82.444
.278
|
Descriptive Statistic
|
|
Skewness
|
Kurtosis
|
||
|
Statistic
|
Std. error
|
Statistic
|
Std. error
|
|
|
Motivasi belajar
Prestasi belajar
Jenis Kelamain
Valid N (listwise)
|
.243
.307
.000
10
|
.687
.687
.687
.587
|
-1.512
-1.037
-2.571
|
1.334
1.334
1.334
|
2. Uji Persyaratan Analisis
a. Contoh Uji Normalitas
Analyze
Descriptive
statistics
Explore
- Variabel X dan Y
dimasukkan ke dalarn kotak "Dependent List:"
- Klik kotak
"Plot" kemudian klik pada "Normality plots with tests".
- Klik
"Continue"
- Klik
"OK"
Rumusan hipotesis.
H0 : sample
berasal dari populasi berdistribusi normal.
H1 : sample
tidak berasal dad populasi berdistribusi normal.
Kaidah penetapan:
- Jika
signifikan > 0,05, sampel berasal dari populasi berdistribusi normal.
- Jika
signifikan < 0,05, sampel tidak berasal dari populasi berdistribusi normal.
b. Uji Homogenitas
Analyze
Descriptive
statistics
Explore
- Variabel
X dan Y dimasukkan ke dalam kotak "Dependent List."
- Variabel
jenis kelamin dimasukkan ke dalam kotak ":Factor List:"
- Klik
kotak "Plot" kemudian klik pada "Normality plots with
tests" dan "Untransformed"
- Klik
"Continue"
- Klik
"OK"
Rumusan hipotesis:
HO: variansi
pada setiap kelompok sama (homogen).
HI : variansi pada setiap kelompok
tidak sama (tidak homogen)..
Kaidah penetapan:
- Jika
signi$kan > 0,05, variansi setiap sampel sama (homogen).
c. Contoh Uji Linearitas
Analyze
Compare
Means
Means
- Variabel
X dimasukkan ke dalam kotak "Dependent List:"
- Variabel
Y dimasukkan ke dalam kotak "Independent List:"
- Klik
kotak "Option" kemudian klik pada "Anova table and eta" dan
"Test for linearity"
- Klik
"Continue"
- Klik
"OK"
Rumusan hipotesis:
H0: Linearitas
tidak dipenuhi.
H1: Linieeritas
dipenuhi.
Kaidah penetapan:
- Jika
signifikan > 0,05, linearitas tidak dipenuhi.
- Jika
signifikan < 0,05, linearitas dipenuhi.
- Jika
signifikan < 0,05, variansi setiap sampel tidak sama (tidak homogen).
3. Contoh Uji
Perbedaan dengan t-tes
Analyze
Compare
Means
Independent-Sample
T Test
- Variabel
Y dimasukkan ke kotak "Test Variables"
- Variabel
jenis kelamin dimasukkan ke kotak "Grouping variable"
- Klik
"Define Groups" kemudian ketik 1 pada Group 1 dan ketik 2 pada Group
2. -Klik "Continue"
- Klik
"OK"
Rumusan hipotesis:
H0 : tidak
terdapat perbedaan antara variable X dan variable Y...
H1 : terdapat
perbedaan antara variable X dan variable Y ...
Kaidah penetapan:
- Jika
signifikan > 0,05, HO diterima.
- Jika
signifikan < 0,05, HO ditolak.
4. Contoh Uji Perbedaan/Pengaruh
dengan ANOVA
Analyze
Compare means
One-way
ANOVA
- Variabel
Y (pada eksperimen dan control) dimasukkan ke dalarn "Dependent
List:"
- Variabel
jenis kelamin dimasukkan ke dalam "Factor:"
- Klik
"Options" kemudian klik "Homogeneity of variance test".
- Klik
"Continue"
- Klik
"OK"
Rumusan hipotesis:
H0: tidak terdapat
perbedaan/pengaruh antara variable X dan variable Y
H1: terdapat
perbedaanlpengaruh antara variable X dan variable Y
Kaidah penetapan:
- Jika signifikan
> 0,05, HO diterima.
- Jika signif kan
5. Contoh Uji Hubungan dengan Korelasi
Analyze
Correlate
Bivariate
- Variabel X dan Y
dimasukkan ke dalam kotak "Variables"
- Klik
"Pearson" "Two-Tailed"
- Klik
"Options" kemudian klik "means and standard deviations"
- Klik
"Continue"
- Klik
"OK"
Rumusan hipotesis:
H0 : tidak terdapat
hubungan antara variable X dan variable Y.
H1 : terdapat
hubungan antara variable X dan variable Y.
Kaidah penetapan:
- Jika
signifikan > 0,05, HO diterima.
- Jika
signifikan < 0,05, HO ditolak.
6. Contoh Uji Hubungan dengan
Regresi Linear
Analyze
Regression
Linear
- Variabel
Y dimasukkan ke kotak "Dependent"
- Variabel
X dimasukkan ke kotak "Independents"
- Klik
"Statistics" kemudian klik "estimates", "model
fit", dan
- klik
"Continue".
- Klik
"OK"
Rumusan hipotesis:
HO :
tidak terdapat hubungan antara variable X dan variable Y.
H1 :
terdapat hubungan antara variable X dan variable Y.
Kaidah penetapan:
- Jika
signifikan > 0,05, HO diterima.
- Jika
signifikan < 0,05, HO ditolak.
7. Uji Kesesuaian antara Butir Soal
dan Kisi-kisinya (Uji Konstruk dengan Analisis Faktor)
a. Analisis Faktor
Eksploratori
Kegiatan memvalidasi konstruk
dilaksanakan setelah tes digunakan/diuji coba. Analisis faktor terdiri dari dua
yaitu analisis faktor eksploratori dan konfirmatori. Analisis faktor
konfirmatori menekankan pada estimasi parameter dan tes hipotesis, sedangkan
analisis faktor eksploratori menekankan pada beberapa faktor yang menjelaskan
hubungan antar-indikator dan estimasi muatan faktor.
Untuk menguji validitas kesesuaian antara butir soal dan
kisi-kisi konstruknya digunakan analisis faktor. Konsep validitas berhubungan
dengan: (1) ketepatan, (2) kebermaknaan, dan (.3) kegunaan suatu skor tes
(Gable, 1986: 71). Macam-macam validitas adalah validitas: (1) konten yang meliputi:
definisi konsep dan definisi operasional; (2) konstruk, dan (3) kriterion-related
(Gable, 1986: 72-77). Terdapat empat teknik untuk menganalisis konstruk, yaitu
dengan: (I) korelasi antarvariabel, (2) analisis multitrait multimethod, (3)
analisis faktor, dan (4) prosedur known-groups (Gable, 1986. 77).
Analisis faktor dikembangkan oleh Charles Spearman tahun
1904 di USA (Harman, 1976: 3). Analisis faktor adalah suatu nama generik yang
diberikan pada suatu kelas metode statistik multivariat yang tujuan utamanya
adalah Untuk mendefinisikan struktur dalam matriks data (Hair et. al, 1998:
90). Tujuan utama analisis faktorr adaalah untuk menguji secara empirik huburngan
antar butir soal dan untuk menentukan kelompok soal yang saling menentukan
sebagai suatu faktor/konstruk yang diukur melalui instrumen (Gable, 1986: 85).
Jadi tujuan utamanya dapat disimpulkan menjadi 3, yaitu untuk menentukan: (1)
faktor umum yang diperlukan terhadap jumlah patern korelasi antar semua
pasangan tes dalam satu set tes; (2) faktor umum sesungguhnya (asli) yang
menghitung untuk tes interkorelasi; (3) proporsi varian untuk suatu variabel
observasi yang dihubungkan dengan varian faktor umum (Crocker and Algina, 1986:
305-306) atau sebagai pengenalan struktur melalui peringkasan data atau
reduksi/pengurangan data (Hair et al., 1998: 95).
Adapun manfaat analisis faktor adalah: (1) memberitahu
kita tes-tes dan ukuran-ukuran yang saling dapat serasi atau sama tujuannya
dan sejauhmana kesamaannya, (2) membantu menemukan dan mengidentifikasi kebutuhan-
kebutuhan atau sifat-sifat fundamental yang melandasi tes dan pengukuran
(Kerlinger, 1993: 1000).
Langkah atau prosedur penggunaan analisis factor
eksploratori selalu memproses melalui 4 tahap, yaitu: (1) perhitungan korelasi
matriks untuk semua variabel, (2) ekstraksi faktor untuk menentukan jumlah
faktor, (3) rotasi, untuk membuat faktor lebih bermakna, dan (4) perhitungan skor
setiap faktor untuk setiap case.
Cara pengoperasional dalarn program SPSS adalah seperti
berikut.
Pilih menu STATISTIC atau ANALYZE
DATA REDUCTION
FACTOR
Pada boks dialog variabel yang akan dianalisis dimasukkan
ke kotak VARIABLES. Klik pada kotak DESCRIPTIVE (misal: klik "initial
solution" pada kolom statistics dan "KMO and Bartlett's test of
sphericity" pada kolom correlation Matrix), EXTRACTION, ROTATION, SCORES,
atau OPTION. Hasil print outnya terdiri dari beberapa tabel dan sebuah grafik
"scree plot".
Berikut ini dijelaskan beberapa hasil print out analisis
faktor eksploratori dan penafsirannya.
(1)
Statistik Deskriptif
Dalam tabel statistik deskriptif berisi informasi yang
bersifat deskriptif seperti mean dan standard deviasi setiap variabel. Jika besarnya
mean variabel sangat dekat/ekstrim pada skala jawaban dan standar deviasinya
rendah, maka korelasi antarvariabel akan rendah dan berakibat rendah pula pada
hasil analisis faktor Gabel,1986:91).
(2)
Bartlett test of sphericity
Tes ini digunakan untuk mengetes hipotesis yang korelasi
matriknya merupakan suatu matriks identitas, yaitu semua diagonal adalah 1 dan
semua yang tidak diagonal (off-diagonal) adalah 0. Hasil tes menunjukkan bahwa
sample data berasal dari suatu populasi normal multivariat atau tidak. Jadi bila nilai tes statistik
dari sphericity luas/tinggi dan level signifikannya kecil, maka dapat dikatakan
bahwa matriks korelasi populasi adalah signifikan (Norusis, 1993:50).
(3)
Pengukuran Sampling Kaiser Meyer Olkin (KMO)
KMO merupakan suatu indeks perbandingan besarnya
koefisien korelasi observed dan besarnya koefisien korelasi parsial. Jika
jumlah kuadrat korelasi parsial pada semua pasangan variabel adalah kecil bila
dibandingkan dengan jumlah kuadrat koefisien korelasinya, maka besar KMO
mendekati 1. Jika besar KMO kecil atau rendah maka hasil analisis faktornya
adalah tidak baik.
Kaiser (1974) dalam Norusis (1993: 52) mengklasifikasi
tentang besarnya KMO adalah bila besarnya 0,90 bagus sekali (marvelous), 0,80 bermanfaat
(meritorious), 0,70 sedang/cukup (middling), 0,60 sedikit cukup (mediocre),
0,50 gawat/menyedihkan (miserable), dan di bawah 0,50 tidak dapat diterima
(unacceptable).
(4) Matriks Korelasi antarbutir
Korelasi antarbutir menunjukkan adanya beberapa butir
yang saling berhubungan secara wajar. Jika korelasi antarvariabel adalah kecil,
maka variabel-variabel itu berhubungan dengan faktor-faktor secara umum (share
common factors) (Norusis, 1993:50).
(5) Matriks Korelasi Anti-image
Matrik ini berisi korelasi anti-image, maksudnya
adalah koefisien korelasi parsial yang negatif. Jika proporsi untuk koefisien
yang banyak adalah tinggi, maka kita dipersilakan untuk mempertimbangkan
kembali tepat atau tidak menggunakan analilsis faktor.
(6) Ekstraksi Faktor
Ekstraksi merupakan hubungan antara faktor-faktor dan
variabel individu. Tujuan utama ekstraksi faktor adalah untuk menentukan jumlah
faktor. Beberapa jumlah faktor yang diperlukan untuk merepresen data. Hal ini
sangat membantu dalam menguji persentase total varian (eigenvalues) untuk
masing-masing faktor. Total varian merupakan jumlah varian masing-masing
variabel. Di samping itu, untuk menentukan jumlah faktor dapat dilihat pada
"scree test" atau "scree plot" Dari tes atau plot itu dapat
diketahui jumlah faktor yang ditunjukkan dengan beberapa garis yang panjang dan
curam serta diikuti dengan jumlah garis yang pendek-pendek.
(7) Residuals
Keterangan residu terdapat di bawah matrik koefisien
korelasi estimate. Jika residu lebih besar dari 0,05 adalah residunya luas.
Artinya model tidak fit dengan data dan data perlu diperbaiki (Norusis,
1993:59).
(8)
Rotasi
Rotasi analisis faktor adalah membantu lebih mudah untuk
menginterpretasikan data. Tujuan rotasi adalah untuk menentukan suatu struktur
sederhana. Artinya di setiap faktor tidak dikehendaki adanya nilai nol pada
faktor loding untuk setiap variabel. Rotasi tidak berpengaruh pada fitnya
faktor. Rotasi mendistribusikan kembali penjelasan varian untuk faktor
individu.
Adapun metode rotasi dapat digunakan sesuai dengan
tujuan, yaitu orthogonal seperti: varimax, equamax, quartimax, atau oblique
seperti direct oblimin.
Thurstone dalam Kerlinger (1993: 1019-1020) memberikan
panduan dalam melakukan rotasi, yaltu menetapkan 5 prinsip atau struktur
sederhana yang berlaku untuk rotasi yang tegak Iurus (ortogonal atau sudut 90
derajat) maupun yang tidak/miring (jika sudut yang dibentuk oleh dua sumbu
merupakan sudut lancip/ tumpul). Prinsip-prinsip struktur sederhana yang
dimaksud adalah: (1) setiap larik dari matriks faktor harus setidak-tidaknya
memiliki satu muatan yang mendekati nol: (2) untuk setiap kolom pada matriks
faktor harus terdapat setidak-tidaknya variabel bermuatan nol atau mendekati nol
yang sama banyaknya dengan banyaknya faktor; (3) untuk setiap pasangan faktor
(kolom) harus terdapat sejumlah variabel yang mempunyai muatan pada satu faktor
(kolom) tetapi tidak bermuatan pada faktor lainnya; (4) kalau ada empat faktor
atau lebih, sebagian besar dari variabel-variabel itu harus memiliki muatan
yang dapat diabaikan (mendekati nol) pada sebarang pasangan faktor; (5) untuk
setiap pasangan faktor (kolom) pada matriks faktor itu harus ada hanya kolom
sekaligus. Kriteria ini menghendaki sebanyak mungkin variabel "murni"
yakni setiap variabel memuat sedikit mungkin faktor dan nor yang sebanyak
mungkin dalam matriks faktor yang dirotasi (Kerlinger, 1933: 1021).
