Analisis Soal Dengan SPSS (Statistical Program for Social Science)

    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 < 0,05, HO ditolak.

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).
Posting Komentar
close