Uji Kruskal Wallis H dengan SPSS Versi 26

Uji Kruskal Wallis adalah uji statistik yang dipergunakan untuk menguji banyak sampel (K sampel) yang tidak saling berkorelasi atau berhubungan pada statistik non parametrik. Uji ini sudah tersedia menunya di SPSS sehingga memudahkan pengguna untuk mengaplikasikan metode tersebut. Lantas seperti apa sebenarnya Uji Kruskal Wallis tersebut? Mari kita bahas bersama.


Daftar Isi

  1. Uji Beda K Sampel Tidak Berkorelasi
  2. Apa Itu Statistik Non Parametrik
  3. Jenis-jenis Uji Beda K Sampel Tidak Berkorelasi
  4. Uji Kruskal Wallis
  5. Simulasi Uji Kruskal Wallis


Uji Beda K Sampel Tidak Berkorelasi
Peneliti sering kali menemui kasus di mana harus mencari perbedaan di antara banyak sampel (lebih dari 2). Dalam kasus 2 sampel atau 2 grup, akan lebih mudah diidentifikasi apakah terdapat perbedaan atau tidak. Tetapi ketika berhadapan dengan 3 atau lebih (K sampel) maka diperlukan metode lain yang mampu untuk menjawab pertanyaan itu. Kasus itu akan lebih rumit, jika di antara banyak sampel tersebut tidak berkorelasi atau tidak berhubungan. Akan tetapi banyak metode telah dirancang oleh para ahli untuk menangani kasus tersebut. Artikel tentang Uji Beda K Sampel tidak berkorelasi selengkapnya silahkan simak di sini.


Apa itu Statistik Non Parametrik

Secara garis besar, maka statistik dikategorikan menjadi dua kelompok besar yaitu parametrik dan non parametrik. Tidak ada yang dinyatakan lebih baik atau lebih unggu dibandingkan kedua kategori tersebut. Parametrik akan dikenakan pada data yang memenuhi beberapa prasyarat, misalnya normal atau homogen. Lebih rinci tentang statistik parametrik silahkan visit ke sini.

Akan tetapi ternyata banyak sekali kasus di mana asumsi untuk paramtrik tidak dapat dipenuhi oleh suatu distribusi data sehingga harus menggunakan statistik non parametrik. Non parametrik juga mempunyai banyak keunggulan karena dapat dikenakan pada jumlah sampel yang kecil dan juga tidak mempunyai banyak syarat dan bahkan bisa dikenakan pada berbagai bentuk data. Artikel tentang statistik non parametrik secara rinci ada di sini.  


Jenis-jenis Uji Beda K Sampel Tidak Berkorelasi Non Parametrik

Ada banyak metode untuk mencari perbedaan antara banyak sampel yang tidak berkorelasi dengan statistik non parametrik. Ada perluasan median test, ada uji Kruskal Wallis (KW) dan ada juga Uji Jonckheere-Terspat. Semunya mempunyai keunggulan tersendiri dan dalam artikel ini kita akan membahas tentang Uji Kruskal Wallis. Untuk uji beda k sampel tidak berkorelasi yang lain silahkan klik di sini.


Uji Kruskal Wallis

Krukal Wallis sebenarnya adalah nama dari dua orang ahli yaitu William Henry Kruskal dan W. Allen Wallis. William Henry Kruskal lahir di New York pada 10 Oktober 1919 dan meninggal pada 21 April 2005. Beliau berdarah Yahudi dan ahli matematika serta statistik yang mempunyai banyak sekali karya yang ditinggalkan.

William Allen Wallis lahir di Philadelphia pada 5 November 1912 dan wafat pada 12 Oktober 1998. Beliau adalah ahli ekonomi dan statistik yang pernah menjadi penasehat 4 presiden Amerika Serikat yaitu Dwight Eisenhower, Richard Nixon, Gerald Ford, and Ronald Reagan. Suatu prestasi yang jarang dimiliki oleh orang lain.

Kedunya bekerja sama dan merancang suatu metode statistik yang sering disebut dengan Kruskal Wallis, 

Persamaan Kruskal Wallis
Dengan

KW = adalah tetapan Kruskal Wallis

k     =  jumlah sampel atau grup

nj    = jumlah kasus dalam sampel

N    = jumlah kasus dalam sampel gabungan (jumlah semua nj)

Rj    = rata-rata rangking dalam sampel atau grup

R    = (N +1)/2 = rata-rata ranking dalam sampel gabungan (grand mean)

Kita dapat menghitung secara manual tetapi kita juga bisa menggunakan alat bantu berupa software SPSS Versi 26 seperti di bawah.


Simulasi Uji Kruskal Wallis dengan SPSS Versi 26

Untuk melakukan simulasi Kruskal Wallis dengan SPSS Versi 26 silahkan download data dalam SPSS di Google Drive berikut. Pastikan akun Gmail Anda aktif agar dapat mendownload file dalam SPSS Versi 26 tersebut. Data adalah fiktif saja, yaitu respon terhadap 3 kelompok wisatawan tentang penerapan protokol kesehatan wisata di Pulau Bali pada New Normal. Ketiga kelompok tersebut adalah wisatawan dari Indonesia (Jakarta), Malaysia (Kualalumpur) dan Thailand (Bangkok). Sekali lagi, ini adalah data fiktif bukan data sebenarnya.

Peneliti ingin melihat apakah terdapat perbedaan respon wisatawan dari ketiga negara tersebut. Diharapkan tidak terdapat perbedaan yang berarti protokol kesehatan yang diterapkan telah sesuai dengan konsep wisata pada New Normal akibat pandemi Covid-19. 

Menu Uji Beda K Sampel Tidak Berkorelasi Non Paramtrik pada SPSS Versi 26
Pilih Analyze, pilih Nonparametric Tests, pilih Legacy Dialogs dan klik pada K Independent Samples seperti pada gambar di atas. Maka kita akan masuk ke sub menu sebagai berikut:

Memasukkan Variabel atau Data
Masukkan Variabel Respon ke dalam Test Variabel List. Sedangkan kategori masuk ke Grouping Variable. Berikan tanda centang pad Kruskal-Wallis H pada Test Type seperti pada gambar di atas. Setelah itu kita harus mendefinisikan kategori dengan mengklik pada Define Range seperti pada gambar di atas.

Memberikan kategori pada Grup
Masukkan 1 pada minimum dan 3 pada maksimum. Setelah itu klik Continue lalu Klik OK sehingga akan keluar output sebagai berikut:

Output Rank pada Uji Kruskal Wallis
Output Rank di atas adalah rata-rata ranking yang disusun secara otomatis oleh program. Kita juga dapat melakukan secara manual jika memungkinkan atau jumlah sampel relatif kecil. Sebanyak 20 responden dari Kualalumpur mempunyai rata-rata ranking sebesar 40,65. Dari Jakarta sebanyak 28 responden dengan rata-rata rangking 35,66 dan ada 23 responden dari Bangkok dengan rata-rata ranking 32,37. 

Untuk memberikan justifikasi apakah terdapat perbedaan atau tidak, kita hitung nilai KW atau jika dengan SPSS memberikan hasil sebagai berikut:

Output Uji Kruskal Wallis H dengan SPSS Versi 26
Tampak bahwa nilai KW adalah sebesar 1,780. Kita dapat mengkonsultasikan nilai ini dengan nilai KW pada tabel untuk sampel besar. Jika menggunakan SPSS Versi 26 maka kita bisa melihat nilai signifikansi yaitu sebesar 0,411 > 0,05 yang berarti tidak terdapat perbedaan yang signifikan di antara respon pada ketiga kelompok penelitian. Hasil ini menunjukkan bahwa protokol kesehatan yang diterapkan di Pulau Bali pada new normal telah sesuai dengan harapan dari wisatawan dari 3 negara yang menjadi subjek dalam penelitian ini.

Share:

Uji Beda K Sampel Tidak Berkorelasi pada Statistik Non Parametrik

Banyak peneliti yang bertemu dengan banyak grup (lebih dari dua grup) dan tidak saling berkorelasi. Misalnya ketika peneliti ingin melihat preferensi wisatawan dari berbagai negara ketika berkunjung ke Bali pasca Covid-19 (ini hanya contoh saja). Beberapa metode telah dikembangkan untuk mengatasi permasalahan ini. Berikut akan kita bahas bersama tentang metode-metode tersebut.

Gambar Simulasi Uji Beda

Daftar Isi

  1. Apakah itu uji beda K sampel tidak berkorelasi?
  2. Perluasan Median Test
  3. Uji Kruskal-Wallis
  4. Uji Jonckheere-Terpstra
  5. Kesimpulan

Apakah itu uji beda K sampel tidak berkorelasi
Berbagai kasus mengharuskan peneliti mencari perbedaan di antara banyak sampel (K sampel atau lebih dari dua) tetapi tidak berkorelasi. Misalnya ketika peneliti ingin melihat preferensi berbagai ahli hukum tentang UU ITE, misalnya dari kelompok Pengajar hukum, praktisi hukum dan mahasiswa hukum. Ada 3 kelompok, di mana ketiga kelompok tersebut tidak bisa dikaitkan secara langsung karena merupakan subjek yang berbeda. Jumlah pada masing-masing kelompok (sampel) juga berbeda.

Kasus ini sangat berbeda dengan suatu sampel yang diberikan tiga (atau lebih) perlakuan yang berbeda. Karena jika seperti ini maka berarti ketika kelompok sampel tersebut berkorelasi atau dapat dikontrol dengan 'dirinya sendiri' yang diberikan treatment yang berbeda. Berikut adalah beberapa metode statistik yang dapat dikenakan dalam kasus ini yang sudah tersedia menunya di SPSS. 


Perluasan Median Test
Sesuai dengan namanya, sebenarnya uji ini adalah Median Test pada dua sampel yang tidak berkorelasi, tetapi diperluas penggunaannya pada sampel lebih dari dua (K sampel). Jadi konsep yang digunakan juga sama yaitu dengan menggunakan nilai Median. Masing-masing grup dipisahkan menjadi dua bagian yaitu di atas median dan di bawah median. Dari hasil ini bisa kita lihat apakah sampel-sampel tersebut mempunyai perbedaan atau tidak.



Uji Kruskal Wallis
Metode yang kedua adalah Uji Kruskal-Wallis atau yang juga sering disebut dengan One Way Analysis of variance by rank. Sesuai dengan namanya maka metode ini berdasarkan rangking dari masing-masing grup. Setelah dirangking lalu dijumlahkan rangkingnya dan dicari nilai rata-rata dari rangking tersebut. Nilai rata-rata rangking inilah yang dijadikan dasar untuk menentukan apakah terdapat perbedaan atau tidak di antara grup dalam penelitian.

Untuk langkah selengkapnya, silahkan simak di Simulasi Uji Kruskal-Wallis dengan SPSS Versi 26.


Uji Jonckheere-Terpstra
Uji ini jarang dipergunakan tetapi sebenarnya juga powerfull untuk uji beda seperti ini. Uji Ini menghasilnya nilai yang sering disebut dengan J-T, jadi ada Rata-rata J-T atau Standard deviasi J-T. Justifikasi uji ini menggunakan nilai signifikansi di mana < 0,05 berarti terdapat perbedaan yang signifikan.

Simulasi Uji Jonckheere-Terpstra dengan SPSS Versi 26 selengkapnya silahkan simak di sini.  


Kesimpulan
Tidak ada uji yang dianggap paling benar dalam kasus ini. Semua tergantung dari kondisi dan juga justifikasi peneliti. Bisa juga uji atau metode yang lain dipergunakan sebagai perkuatan dari suatu uji agar tidak menimbulkan perdebatan di para peneliti yang lain.

Share:

Install Aplikasi NEO BANK dan Raih Keuntungannya!!!

Apakah Aplikasi Neo Bank itu? Aplikasi Neo Bank adalah aplikasi yang dikeluarkan oleh Bank Neo Commerce (dulu Bank Yudha Bakti) yang memberikan banyak keuntungan bagi penggunanya. Apa saja keuntungannya? Banyak sekali, dari kemudahan transaksi, kemudahan buka rekening, bunga harian dan masih banyak lagi.


Daftar Isi:

  1. Apa itu Neo Bank
  2. Apa itu Aplikasi Neo Bank
  3. Apa keuntungan install aplikasi Neo Bank
  4. Bagaimana cara install Aplikasi Neo Bank
  5. Apakah Aplikasi Neo Bank Aman?

Apakah itu Neo Bank

Neo Bank sebenarnya adalah Bank Neo Commerce (BNC), sebuah bank yang telah terdaftar resmi di Indonesia, bahkan sudah listing di Bursa Efek Indonesia dengan kode BBYB. Dulunya bernama Bank Yudha Bhakti dan sekarang berganti nama karena visinya yaitu menjadi bank digital yang berani dan menguntungkan. Jadi Neo Bank adalah bank seperti bank-bank biasa yang kita kenal, hanya mempunyai visi yang lebih ke depan dalam mengaplikasikan transaksi yang lebih modern di era digital ini. 


Apa itu Aplikasi Neo Bank

Aplikasi Neo Bank adalah aplikasi yang dikeluarkan oleh BNC untuk keperluan kemudahan transaksi yang lebih menguntungkan. Aplikasi ini sudah tersedia baik di Android maupun di I phone. Dengan aplikasi ini, kita bisa melakukan transaksi apa saja seperti aplikasi perbankan yang lain. Tetapi aplikasi ini jauh lebih melangkah ke depan, karena juga mencakup E-Wallet, dan juga ada bunga bagi dana yang di depositkan. Berbeda dengan E Wallet lainnya, yang deposit sudah kena biaya, dan dana itu tetap saja alias tidak berbunga. Coba saja!!!


Apa Keuntungan Install Aplikasi Neo Bank

Banyak sekali keuntungan install aplikasi Neo Bank. Seperti yang telah disebutkan di atas, keuntungan-keuntungan itu adalah sebagai berikut:

  1. Kemudahan dalam bertransaksi. Dengan aplikasi ini, kita sangat mudah melakukan semua transaksi keuangan perbankan, seperti transfer antar bank, deposit ke E Wallet, bahkan membuka rekening baru atau pun deposito
  2. Bunga yang tinggi. Bunga yang ditawarkan relatif tinggi dibandingkan bank lain, bisa mencapai 7% per tahun dan yang lebih hebat lagi, dibayarkan secara harian. Iya bunga dibayarkan per hari, masuk ke rekening kita
  3. Bisa berfungsi sebagai E Wallet. Aplikasi ini, selain aplikasi perbankan, juga merupakan aplikasi E Wallet yang saat ini sangat populer dalam dunia digital perbankan
  4. Dana di E Wallet mendapatkan bunga. Ini yang mungkin sangat jarang kita temui di aplikasi E Wallet yang lain. 
  5. Dana experience jutaan rupiah. Anda mendapatkan simulasi deposito sebesar Rp. 10 juta rupiah. Ini hanya simulasi, tetapi bunganya benar-benar nyata dan bisa dicairkan. Makanya disebut experience. Jumlah ini bisa bertambah jika Anda melakukan challenge atau benar-benar melakukan deposito.
  6. Masih banyak lagi....


Bagaimana Cara Install Aplikasi Neo Bank

Sangat mudah. Silahkan visit ke sini. Atau link di manapun yang muncul dari website ini. Pastikan Anda menggunakan HP yang akan diinstall aplikasi Neo Bank. Sekali lagi gunakan HP yang akan diinstall aplikasi Neo Bank. Setelah klik di situ maka akan masuk ke situs sebagai berikut:

Aplikasi Neo Bank
Masukkan nomor HP Anda lalu klik kirim OTP. Jangan khawatir, Neo Bank sudah terdaftar resmi di OJK jadi data Anda akan aman. Setelah nomor OTP masuk ketikkan 6 digit tersebut ke dalam baris yang sudah disedikan seperti pada gambar di atas. Lalu klik AMBIL. Maka Anda akan diarahkan ke Play Store untuk melakukan install aplikasi Neo Bank.

Apakah sudah selesai? Belum. Setelah Anda selesai melakukan install, segera lakukan buka rekening. Apakah harus mengirimkan dana? Tidak. Ini untuk mengklaim semua keuntungan yang ada di aplikasi ini. Bukan rekening dengan memasukkkan nama lengkap, beserta data diri ke aplikasi tersebut, termasuk dengan foto diri dengan KTP Anda. Sekali lagi, jangan khawatir karena data Anda akan aman karena Neo Bank sudah terdaftar di OJK dan juga merupakan bank resmi yang ada di Indonesia.

Setelah Anda berhasil membuka rekening (tanpa menyetorkan dana) masuk kembali atau login dengan pengenalan wajah Anda. Jadi aman karena orang yang login harus Anda sendiri dengan wajah Anda. Tetapi ini optional, artinya Anda juga bisa menggunakan password atau pola garis jika Anda menghendaki. Setelah Anda login, maka experience sebesar Rp. 10 juta segera bisa Anda klaim dan masih banyak lagi paket-paket yang menguntungkan.



Apakah Aplikasi Neo Bank Aman?

Pertanyaan ini sangat wajar. Bank Neo Commerce adalah bank umum seperti bank-bank yang ada di Indonesia. Jika Anda membuka rekening baru pasti akan ada foto atau verifikasi wajah Anda. Kelebihan dari BNC adalah bahwa membuka rekening bisa dilakukan secara online tanpa harus ke cabang. Juga membuka deposito atau transaksi lain bisa dilakukan secara online. BNC juga sudah di awasi oleh OJK dan sudah listing di Bursa Efek Indonesia dengan kode BBYB karena dulu memang bernama Bank Yudha Bhakti.

So. Buruan install ya...... Klik di sini untuk install. Pastikan Anda menggunakan HP yang akan diinstall aplikasi Neo Bank.

Share:

Tutorial Menggambar Path Diagram dengan AMOS Versi 18

Di artikel sebelumnya kita telah berkenalan dengan icon yang ada pada Program AMOS serta fungsi atau kegunaan dari masing-masing icon tersebut. Kali ini kita akan mencoba menggunakan icon tersebut untuk menggambar path diagram. Path diagram dalam AMOS sangat penting karena running program akan berdasarkan path diagram tersebut. Ini berbeda dengan LISREL, di mana pengguna hanya mengetikkan persamaan-persamaan yang dianalisis, lalu program yang akan mengkonversinya ke dalam bentuk gambar atau path diagram. Dengan AMOS, maka penggunalah yang menggambarkan path diagram, lalu program yang akan mengkonversi ke dalam persamaan termasuk running analisisnya.

Sebagai langkah awal, kita masuk ke program AMOS, pilih menu View di atas lalu klik pada Interface Properties seperti pada gambar di bawah:

Menu Interface Properties
Maka kita akan masuk ke pengaturan halaman, lalu klik pada paper size untuk mengubah ukuran kertas dan menggantinya dengan yang kita inginkan. Di tab ini kita juga bisa mengganti tampilan dari portrait menjadi landscape. Kali ini kita menggunakan landscape kertas A4 dan menggunakan satuan centimeter. Kita dapat mengubah setting ini dengan menu di bagian atas sesuai dengan keinginan kita.

Menu Interface Properties
Kita menggunakan margin seperti tampak pada gambar di atas. Lalu klik Apply dan kita akan kembali ke layar utama, tetapi sudah menjadi landscape sesuai keinginan kita. Untuk penggambaran path diagram kita menggunakan icon berbentuk ellips yang bernama draw unobserverd variables.

Icon untuk variabel unobserved
Klik pada gambar ellips di atas, lalu arahkan kursor ke tengah lembar kerja
Mengarahkan kursor ke tengah lembar kerja
Setelah itu arahkan kursor ke lembar kerja di mana kita ingin meletakkan variabel tersebut, lalu klik seperti pada gambar di atas. Maka akan muncul gambar ellips yang akan dibaca sebagai variabel unobserved oleh program.

Gambar Ellips adalah Variabel Unobserved

Lalu klik pada icon draw a latent variable or add indicator to a latent variable. 
Icon untuk indikator
Setelah klik arahkan kursor ke tengah gambar ellips lalu klik di situ maka akan muncul 1 indikator. 
Memunculkan indikator
Jika ada 4 indikator, maka klik lah sebanyak 4 kali sehingga akan muncul 4 indikator seperti pada gambar di bawah:

Variabel dengan 4 indikator
Setelah itu kita harus memberikan nama kepada SEMUA gambar yang ada di path diagram. Jika ada yang belum diberi nama maka program tidak bisa menjalankan perhitungan. Pemberian nama variabel unobserved bisa kita berikan langsung dengan doble klik pada gambar yang dimaksud. Tetapi untuk variabel observed kita harus memasukkan sama dan identik dengan sumber data yang dipergunakan. Untuk contoh ini, kita menggunakan data ini. Silahkan di download. Lalu diletakkan di folder tertentu yang nantinya akan kita hubungkan dengan path diagram. Itu file dalam excel. Klik icon select data file di bagian kiri layar, seperti gambar di bawah ini:

Icon select data files
Maka kita akan masuk ke sub menu lagi sebagai berikut:

Sub menu File Name
Klik pada File Name sehingga kita akan diarahkan ke Explorer atau library di mana kita mencari file yang menjadi sumber data penelitian.

Mencari File sumber data
Setelah ketemu, klik Open maka model akan terhubung dengan sumber data. Pada file exel, baris 1 akan dibaca sebagai nama variabel atau nama indikator. Ini sudah otomatis, sehingga harus hati-hati dalam memberikan nama variabel di sumber data. AMOS juga bisa mengambil data dari SPSS atau spreadsheet yang lain. AMOS sendiri tidak mempunyai tabulasi data sendiri seperti SPSS atau LISREL jadi harus menggunakan source yang lain. Ini mirip dengan SmartPLS.

Setelah klik OK, kita tinggal menghubungkan dengan menggunakan icon List variables in data set. 

Memberi nama variabel di path diagram
Maka akan muncul jendela atau box yang merupakan nama indikator yang diambil dari baris pertama sumber data excel, seperti pada gambar di bawah ini:

Memasukkan Indikator ke dalam gambar
Kita dapat memasukkan indikator ke dalam kotak dengan menuliskannya secara langsung (dobel klik pada kotak) atau klik and drag dari list variables in data set. Jika kita menuliskannya harus identik baik huruf besar maupun huruf kecil. Setelah itu beri nama juga pada variabel unobserved (gambar ellips) dan juga error yang ada.

Icon analysis propertis
NP1 sampai dengan NP4 adalah indikator dari sumber data, jadi harus identik. Jika ditulis Np1 maka program tidak bisa jalan. Sedangkan NP serta e1 sampai dengan e4 bisa kita tulis manual dengan dobel klik pada gambar yang dituju. Setelah itu klik pada analysis properties untuk menentukan jenis analisis yang akan kita gunakan juga output yang akan kita keluarkan.

Menu Analysis Properties

Untuk Estimation gunakan Maximum Likelihood. Lalu klik pada output dan berikan tanda centang pada item yang akan kita lihat outputnya.

Sub Menu Output
Setelah selesai, klik tanda silang di atas kanan, lalu kita running dengan menggunakan icon calculate estimates seperti pada gambar di bawah:

Menu Calculate Estimates

Program akan menjalankan perhitungan dan setelah selesai, kita tinggal melihat hasilnya dengan mengklik icon view the output diagram seperti pada gambar di bawah:
Hasil running Program AMOS
Itu adalah output unstandardized, dan jika menginginkan yang standardized, dapat mengklik pada menu di kiri di sebelah kanan kolom icon. Maka gambar akan otomatis berubah menjadi standardized. Sedangkan jika ingin melihat hasil dalam bentuk tabulasi maka tinggal klik icon view text di bawah icon anaylysis properties.

Untuk interpretasi, tentunya akan kita bahas di artikel berikut.

Share:

Korelasi pada Statistik Parametrik

Korelasi adalah hubungan dan telah kita bahas secara rinci di sini. Korelasi berbeda dengan regresi dan perbedaannya telah kita uraikan di sini. Kali ini kita akan membahas tentang korelasi pada statistik parametrik. Korelasi pada parametrik ini digunakan pada data yang memenuhi asumsi normalitas, sedangkan jika tidak maka menggunakan korelasi non parametrik. Dalam artikel ini ada 3 kajian yaitu korelasi product moment, korelasi ganda dan korelasi parsial. Mari kita bahas satu persatu. Adapun contoh data yang dipergunakan dapat Anda download di G Drive. Pastikan Anda menggunakan akun G mail Anda untuk melakukan download.

1. Korelasi Product Moment

Teknik korelasi ini digunakan untuk mencari hubungan atau korelasi antara dua variabel yang keduanya berskala interval atau rasio. Korelasi ini juga sering disebut dengan korelasi Pearson sesuai dengan ahli yang menemukannya yaitu Karl Pearson. Korelasi ini juga sering dipergunakan untuk uji validitas. Pilih Analyze, lalu pilih correlation lalu klik pada Bivariate seperti pada gambar di bawah ini:

Menu Korelasi Product Moment pada SPSS Versi 23
Maka akan diarahkan ke menu seperti pada gambar di bawah ini:

Menu Korelasi
Masukkan variabel X1, X2, X3 dan Y ke dalam box Variables lalu klik OK sehingga akan keluar output sebagai berikut:

Output Korelasi
Pada baris paling atas, maka korelasi antara X1 dengan X1 adalah 1. Korelasi antara X1 dengan X2 adalah 0,767; antara X1 dengan X3 sebesar 0,789; antara X1 dengan Y sebesar 0,818. Kita dapat melihat bahwa pada baris kedua juga sama antara X2 dengan variabel yang lain. Jumlah sampel adalah N yaitu 125 sampel. Signifikansi dapat kita bandingkan dengan R Tabel tetapi bisa juga kita lihat signifikansinya di atas 0,05 atau di bawah 0,05 jika menggunakan taraf 95%.

2. Korelasi Ganda

Korelasi ganda (multiple correlation) adalah angka yang menunjukkan kuatnya hubungan atau korelasi antara dua atau lebih variabel secara simultan dengan satu buah variabel yang lain. Dalam contoh ini kita bisa menghitung korelasi ganda antara X1 dan X2 dengan Y, atau antara X1 dan X3 dengan Y, atau bisa juga antara X1, X2 dan X3 dengan Y. Bisa dua atau lebih variabel dengan satu variabel yang lain. Penting dicatat bahwa korelasi antara X1 dan X2 dengan Y BUKAN merupakan jumlah korelasi dari X1 dengan Y dan X2 dengan Y.

Untuk menghitung korelasi ganda, dalam contoh kita ambil 3 variabel yaitu X1, X2 dan X3 dengan Y kita gunakan menu regresi sebagai berikut:

Menu regresi untuk mencari korelasi ganda
Pilih Analyze, pilih Regression lalu klik pada Linear seperti pada gambar di atas. Maka akan diarahkan ke menu regresi. Masukkan Variabel Y ke box Dependent dan variabel yang lain ke Box Independents. Lalu klik Statistics pada bagian kanan atas:

Memasukkan Variabel
Maka kita akan masuk ke sub menu statistics. Berikan tanda centang seperti pada gambar di bawah ini:

Sub Menu Statistics
Setelah itu klik Continue lalu klik OK sehingga akan keluar output sebagai berikut:

Output Korelasi Ganda
Nilai R sebesar 0,891 adalah korelasi ganda antara X1, X2 dan X3 secara serempak dengan Y. Nilainya bukan penjumlahan dari korelasi antara masing-masing variabel X1, X2 dan X3 dengan Y, tetapi nilainya memang lebih tinggi dibandingkan nilai korelasi masing-masing. R Square merupakan kuadrat dari R yang juga sering disebut dengan koefisien determinasi yang lebih banyak dibahas di regresi.  


3. Korelasi Parsial

Korelasi parsial adalah untuk mengetahui korelasi antara dua atau lebih variabel dengan satu variabel tetapi dikontrol oleh variabel lain. Dalam contoh ini, kita bisa menghitung korelasi parsial antara X1 dengan Y dikontrol oleh dua variabel yang lain yaitu X2 dan X3. Variabe kontrol bisa lebih dari dua demikian juga variabel yang akan dihitung korelasi parsialnya juga bisa lebih dari satu. Korelasi parsial juga digunakan sebagai dasar untuk perhitungan gangguan multikolinearitas pada analisis regresi linear berganda.

Dalam contoh ini kita akan menghitung korelasi parsial antara X1 dengan Y dikontrol oleh X2 dan X3. Pilih Analyze, pilih Correlation, lalu klik pada Partial seperti pada gambar di bawah:

Menu Korelasi Parsial
Maka kita akan masuk ke Menu Korelasi parsial. Masukkan variabel X1 dan Y ke dalam box Variables dan variabel X2 dan X3 ke dalam box Controlling for seperti pada gambar di bawah:

Memasukkan variabel
Setelah itu klik OK sehingga akan keluar output sebagai berikut:
Korelasi parsial X1 dengan Y dikontrol X2 dan X3

Nilai korelasi antara X1 dengan Y dengan dikontrol oleh X2 dan X3 adalah sebesar 0,364. Jika kita ingin mencari korelasi parsial X2 dengan Y dikontrol oleh X1 dan X3 maka diperoleh hasil sebesar:
Korelasi parsial X2 dengan Y dikontrol X1 dan X3
Tampak bahwa nilai korelasi parsial antara X2 dengan Y dikontrol X1 dan X3 adalah sebesar 0,384. Kita juga dapat mencari korelasi parsial antara X3 dengan Y dikontrol X1 dan X2 yaitu sebesar:
Korelasi X3 dengan Y dikontrol X1 dan X2
Ketiga nilai korelasi parsial di atas, sebenarnya bisa dihitung secara langsung dengan menu Regression, tanda centang pada part and collinearity diagnostic seperti yang telah dilakukan di atas.
Korelasi parsial pada analisis regresi

Hasil di atas sama persis dengan korelasi parsial yang telah dihitung sebelumnya. Nilai ini dapat dipergunakan untuk menguji gangguan multikolinearitas pada analisis regresi berganda. Tentu kita juga dapat menghitung korelasi parsial antara X1 dan X2 dengan Y dikontrol oleh variabl X3. Demikian juga dengan alternatif yang lain. Silahkan Anda hitung sendiri jika diperlukan.

Share:

Uji Tanda (Sign Test) pada Dua Sampel Berhubungan dengan SPSS Versi 26

Uji Tanda (sign test) adalah uji beda antara dua sampel yang berhubungan (berkorelasi) berdasarkan arah perbedaan antara dua pengukuran, bukan pada pengukuran kuantitatif data itu sendiri. Uji ini dipergunakan memang untuk data yang tidak memungkinkan pengukuran kuantitatf tetapi masih memungkinkan untuk menentukan setiap pasang observasi, mana yang lebih besar, mana yang lebih kecil.


Daftar Isi

  1. Pendahuluan
  2. Data yang dipergunakan
  3. Metode analisis dengan SPSS Versi 26
  4. Uji yang lain


Pendahuluan

Uji beda dua sampel berpasangan (paired test) sering dipergunakan dalam suatu sampel yang diberikan treatment tertentu lalu dibandingkan antara sebelum dan sesudah. Atau bisa juga bukan perlakuan tetapi karena adanya suatu peristiwa atau kondisi tertentu. Salah satu metode uji beda ini yang non parametrik adalah uji tanda atau sign test. Dasar pemikiran dari metode ini adalah dengan melihat arah perbedaan antara dua sampel yang akan diuji, misalnya lebih besar, lebih kecil atau sama dengan. 

Sebagai ilustrasi, misalnya seorang guru yang membandingkan suatu metode pembelajaran lalu mengukur hasil metode pembelajaran tersebut. Seorang siswa akan mempunyai nilai atau skor sebelum dan sesudah. Hipotesis yang diharapkan adalah bahwa periode atau skor setelah diberikan metode pembelajaran lebih tinggi dibandingkan skor sebelum diberikan suatu metode pembelajaran tersebut.

Atau contoh lain, misalnya tentang stock split. Pemecahan saham diharapkan membuat suatu saham menjadi lebih likuid karena harganya murah. Maka dilakukan uji beda antara sebelum dan sesudah adanya kebijakan pemecahan saham. Pengukuran dilakukan terhadap volume perdagangan atau jumlah lembar saham yang diperjualbelikan oleh perusahaan yang melakukan stock split.


Data yang dipergunakan

Dalam artikel ini, data yang dipergunakan adalah data yang sama dengan yang dipergunakan dalam artikel uji Wilcoxon. Data bisa Anda peroleh di Google Drive dengan akun Gmail. Ada dua sampel yaitu sebelum dan sesudah yang akan kita uji apakah terdapat perbedaan atau tidak. Kedua sampel tidak normal sehingga kita gunakan uji beda non parametrik.


Metode analisis dengan SPSS Versi 26

Langkah pertama adalah masuk ke menu uji tanda. Pilih Analyze, Nonparametric Tests, piih Legacy Dialogs lalu klik pada 2 Related Samples sebagai berikut:

Menu Uji Tanda (Sign Test) dengan SPSS Versi 26

Setelah di klik maka akan masuk ke menu uji tanda yaitu sebagai berikut:

Memasukkan Sampel Penelitian
Masukkan data sampel sebelum dan sesudah seperti pada gambar di atas. Lalu berikan tanda centang (tickmark) pada Test Type lalu klik OK. Penggunaan Wilcoxon, McNemar dan Marginal Homogeneity kita bahas di artikel yang lain. Maka akan keluar output sebagai berikut:

Output Uji Tanda dengan SPSS Versi 26

Pada Frequencies tampak bahwa negative differences sebanyak N = 15. Dari superscript (a) maka kita melihat bahwa artinya Sesudah < Sebelum. Nilai sesudah yang lebih rendah dari pada sebelum ada sebanyak 15 kasus atau sampel (N). Sedangkan yang positive differences dengan superscript (b) sebanyak N = 12. Jumlah sampel sesudah > sebelum ada 12 kasus. Sedangkan yang sama (ties) ada 8 sampel.

Sedangkan Test Statistics memberikan nilai Signifikansi sebesar 0,700 > 0,05 yang berarti tidak terdapat perbedaan yang signifikan antara data sebelum dengan data sesudah. Ini konsisten dengan hasil pengujian dengan Wilcoxon. Apakah hasilnya selalu konsisten? Belum tentu. Konsep dasar uji tanda dengan Wilcoxon berbeda sehingga bisa memberikan hasil yang berbeda pula. Uji tanda menggunakan tanda, sedangkan uji Wilcoxon menggunakan rangking.

Pengujian tanpa alat bantu SPSS bisa dilakukan dengan menggunakan Tabel Uji Tanda yang dipisahkan menjadi sampel besar dan sampel kecil. Tabel tersebut bisa diperoleh di buku statistik yang Anda punyai.

Uji yang lain

Uji beda untuk dua sampel yang berkorelasi non parametrik ada beberapa macam dengan konsep yang berbeda-beda. Artikel ini menggunakan uji tanda yang menggunakan perbedaan tanda lebih besar atau lebih kecil. Konsep Wilcoxon berbeda, meskipun masih mirip yaitu menggunakan rangking. Kedua data diubah menjadi data rangking, baru rangking tersebut yang diuji apakah terdapat perbedaan atau tidak. 

Masih ada konsep yang lain, yaitu Uji McNemar yang menggunakan konsep dasar Cross Tabulation atau tabulasi silang yang sering dikenal pada Chi Square. Juga masih ada lagi uji beda dua sampel berkorelasi non parametrik yaitu Marginal Homogeneity.

Share:

Analisis Regresi Linear Sederhana dengan Simplis Lisrel

Di artikel terdahulu kita telah membandingkan hasil atau output regresi linear sederhana antara SPSS dengan AMOS. Hasilnya adalah identik. Perbedaan yang terjadi semata-mata karena perbedaan angka di belakang koma saja dan kurang lebih interpretasi hasilnya adalah sama. Kali ini kita akan mencoba dengan data yang sama tetapi menggunakan Software LISREL. Ya Lisrel sangat familier dalam analisis Structural Equation Modeling. Bahkan ada yang menyebut sebagai software yang paling powerfull. Dan memang, AMOS pun menggunakan notasi yang dikembangkan oleh Lisrel dalam softwarenya.

Baik kita langsung saja. Untuk data, bisa Anda download di sini dengan akun google Anda atau ini ada di Google Drive. Itu juga data yang sama yang dipergunakan untuk melakukan regresi linear sederhana dengan AMOS dan SPSS. Setelah Anda download, silahkan gunakan Simplis untuk mengakses data dalam SPSS tersebut:

Tabulasi Data dalam Simplis

Agar terlihat lebih sederhana, settinglah angka di belakang koma menjadi 0 atau tidak ada karena secara default akan keluar 3 angka di belakang koma yang akan terlihat menjadi lebih ruwet. Setelah itu set lah data ke dalam continuous agar bisa di analisis secara parametrik. Setelah itu pilih Statistics, lalu klik pada Regressions seperti pada gambar di bawah:

Menu Regresi pada Simplis

Maka kita akan diarahkan ke menu regresi. Masukkan X1 sebagai X variables dan Y sebagai Y variables. Untuk regresi berganda, Anda bisa memasukkan banyak variabel bebas.

Memasukkan Variabel Bebas dan Terikat

Setelah Anda memasukkan variabel X dan Y, karena ini hanya contoh, langsung saja klik Run sehingga akan keluar output sebagai berikut:

Estimated Equations

         Y = 0.272*X1 + Error, R² = 0.496

           (0.0195)                      

            13.948                      

  Error Variance = 5.574

  Total Sample Size =    200


Pada baris pertama output tertulis Estimated Equations dan di bawahnya memuat persamaan yang diestimasi dengan Simplis. Tampak bahwa nilai koefisien adalah sebesar 0,272 yang sama persis dengan output baik dengan SPSS maupun dengan AMOS. Kemudian nilai R square adalah sebesar 0,496 yang juga identik.

Output di bawahnya lagi adalah Standar error yaitu sebesar 0,0195 sedangkan di SPSS nilainya adalah sebesar 0,020. Ini sebenarnya adalah identik karena Simplis di set 4 angka di belakang koma. Sedangkan T hitung adalah sebesar 13,948 yang juga sama dan identik dengan output dengan SPSS.

Error Variance, jika kita ingin lebih detaik adalah sebesar 5,574 di mana AMOS mengeluarkan output sebesar 5,55.Nah ini juga identik, karena ada perbedaan setting output angka di belakang koma.

Jadi dapat kita simpulkan bahwa output yang dihasilkan memang sama. Tidak ada perbedaan, selama kita menggunakan alat bantu atau software tersebut dengan benar.

Share:

Uji Validitas

Uji validitas adalah uji untuk menentukan apakah rangkaian kuesioner yang dipergunakan mampu mengukur apa yang ingin diukur. Ilustrasinya adalah bahwa timbangan valid untuk mengukur berat badan, tetapi tidak valid untuk mengukur tinggi badan. Demikian juga, meteran valid untuk mengukur panjang suatu benda, tetapi tidak valid untuk mengukur suhu suatu benda. Sepertinya sangat sepele, tetapi ini sering memusingkan banyak mahasiswa. Dalam artikel ini kita akan membahas tentang uji validitas saja, tidak terkait langsung dengan bahasan tentang uji reliabilitas, meskipun keduanya adalah dua uji yang harus dilakukan pada suatu rangkaian kuesioner.


Daftar Isi

  1. Pendahuluan
  2. Apa yang terjadi jika kuesioner tidak valid
  3. Metode pengujian validitas
  4. Validitas dan Reliabilitas


Pendahuluan

Dalam suatu penelitian (terutama kuantitatif) maka kita akan berhadapan dengan variabel. Variabel adalah sesuatu yang abstrak, berbeda dengan benda seperti mobil, meja, rumah dan lain-lain. Misalnya variabel motivasi kerja. Kita akan sulit untuk mengukur motivasi kerja seorang karyawan karena tidak ada alat ukur yang secara langsung menentukan seberapa motivasi kerja karyawan tersebut. Berbeda dengan meja, kita bisa dengan langsung mengukur tinggi, atau berat meja tersebut. Konsep kecepatan pun bisa kita ukur secara langsung. Tetapi motivasi kerja tidak demikian.

Kita harus mempunyai suatu set alat ukur yang mampu mengukur motivasi kerja (atau variabel yang lain). Di sinilah kita akan mencoba menyusun berbagai pertanyaan yang akan diberikan kepada karyawan (subjek penelitian) agar kita dapat mengukur tinggi rendahnya motivasi kerja karyawan tersebut. Kita tidak bisa secara sembarangan menentukan item atau indikator yang dijadikan pertanyaan. Harus ada teori yang lengkap atau dasar pertimbangan yang logis.

Sebagai ilustrasi, kita akan mengukur sosial ekonomi seseorang (ini hanya contoh saja, mohon jangan fokus ke contohnya). Maka kita bisa menggunakan pertanyaan berapa gajinya, berapa luas rumahnya, berapa banyak mobilnya (atau silahkan yang lain). Tetapi mungkin kurang cocok jika kita menggunakan pertanyaan tentang berapa jumlah anaknya. Ini hanya contoh saja.

Atau mungkin kita ingin mengukur tingkat kegantengan seseorang. Mungkin kita bisa menggunakan indikator apakah ceweknya cantik atau tidak, apakah sering main sinetron, atau kah seberapa sering menjadi bintang iklan, atau seberapa jumlah like yang diperoleh ketika memposting selfie di Instagram atau sosial media yang lain. Mungkin akan terjadi perdebatan, banyak kok, orang yang tidak ganteng tetapi main sinetron terus. Ini masuk akal. Atau banyak kok orang yang jelek tetapi sering mendapatkan tawaran iklan. Nah, di sinilah tinjauan teori sangat penting agar indikator yang dipergunakan tidak salah. Kalau indikator yang dipergunakan salah, maka kuesioner tersebut tidak valid atau tidak mampu mengukur apa yang ingin diukur. Ujungnya adalah hasil penelitian kita akan bias.

Mudah-mudahan sudah jelas. Lalu ada pertanyaan, lho, ganteng atau tidaknya kan bisa dilihat secara langsung, misalnya hidung mancung, kulit wajah mulus atau yang lain. Nah, memang benar. Jika kita membahas lebih lanjut, maka di Partial Least Square, kita akan mengenal indikator reflektif dan indikator formatif. Apa itu? Bayangkan indikator reflektif adalah akibat dari konsep yang kita bentuk atau kita ukur, misalnya wajah ganteng. Maka akibat ganteng adalah disukai mertua, sering main sinetron atau sering main iklan. Arah anak panah adalah dari konstruk menuju kepada indikatornya. Sedangkan indikator formatif adalah ciri-ciri atau yang menjadi penyebab dari konstruk, misalnya hidung mancung, kulit mulus, dagu lancip dan lain-lain. Indikator reflektif akan saling berkorelasi, sedangkan indikator formatif tidak berkorelasi satu sama lain. Coba bayangkan saja :)


Apa yang terjadi jika kuesioner tidak valid

Tentunya mudah kita jawab yaitu bahwa kuesioner tersebut tidak mampu mengukur apa yang ingin diukur. Hasil pengukuran dengan kuesioner tersebut bias, sehingga tidak layak dipergunakan sebagai sumber data. Banyak sekali yang tidak sadar melakukan hal ini dalam penelitiannya. Menggunakan rangkaian kuesioner yang sudah valid, lalu dipergunakan dan ketika diuji tidak valid lalu menjadi bingung.

Coba bayangkan, sebuah timbangan yang sangat valid dipergunakan untuk mengukur berat badan seseorang, apakah valid dipergunakan untuk menimbang bumbu dalam sebuah resep. Tentunya tidak. Ini juga yang sering kejadian dalam penelitian. Ketika ada kuesioner sudah valid dipergunakan untuk mengukur motivasi manajer pada suatu penelitian, belum tentu valid dipergunakan untuk mengukur motivasi kerja staf. MANAJER dan STAF tentunya mempunyai karakteristik yang berbeda, harapan yang berbeda dan juga standar hidup yang berbeda. Jadi rangkaian kuesioner yang sudah valid pun perlu diuji lagi ketika ada peneliti yang menggunakan dalam konsep penelitian yang berbeda.

Lalu bagaimana menyusun rangkaian kuesioner yang tepat? Selalu gunakan teori yang ada. Jangan asal comot dari contoh kuesioner, tetapi tinjaulah terlebih dahulu apakah dasar teorinya sesuai dengan rancangan penelitian yang ada. Setelah itu uji validitas dan jika ada item yang tidak valid, bisa dikeluarkan dari model penelitian, lalu coba diuji lagi. Demikian seterusnya sampai tersisa item yang semuanya valid. Banyak peneliti yang menggunakan dua atau tiga indikator saja, sehingga ketika tidak valid jadi bingung karena jika dikeluarkan menjadi habis indikatornya. So..gunakan indikator yang cukup banyak sehingga kita bisa mengeliminir indikator yang tidak valid. Bagaimana jika terlanjur menggunakan indikator sedikit, ya tidak ada kata terlanjur, silahkan dikoreksi lagi. Waktunya tidak cukup kak....lha....artikel ini tentang uji validitas bukan artikel untuk konsultasi atau bimbingan seperti itu.


Metode pengujian validitas

Ada banyak uji validitas dan hampir semua telah dibahas di blog ini. Silahkan klik di navigasi di atas dan pilihlah metode yang diinginkan.

Navigasi Uji Validitas

Metode yang sering dipergunakan adalah dengan Korelasi Pearson. Anda dapat melakukan uji dengan Pearson menggunakan SPSS atau pun dengan Excel. Dengan metode Pearson, maka sebuah indikator akan diukur dua kali, yaitu sebagai korelasi dan satunya sebagai jumah dari total indikator yang ada. Oleh karena itu, ada metode untuk mengurangi efek spurious overlap tersebut dengan Item to total correlation. Bisa dilakukan dengan SPSS bisa juga dengan Excel. Dengan metode ini, maka hasilnya akan lebih rendah karena mengurangi efek pengukuran dua kali tersebut.

Analisis faktor juga bisa dipergunakan sebagai uji validitas. Penggunaan dengan Excel masih agak kesulitan sehingga disarankan dengan SPSS saja. Uji validitas dalam Structural Equation Modeling bisa menggunakan loading factor atau jika indikator formatif bisa menggunakan T hitung.


Validitas dan Reliabilitas

Validitas sangat sering disandingkan dengan kata reliabilitas. Keduanya memang uji yang sering dipergunakan pada rangkaian kuesioner. Akan tetapi keduanya adalah hal yang berbeda dan tidak berkaitan secara langsung. Maksudnya, kuesioner yang sudah valid tidak serta merta pasti reliabel. Banyak kasus, rangkaian kuesioner yang sudah valid, ketika diuji ternyata tidak reliabel. Ini wajar saja, tidak usah bingung dan bertanya-tanya bisa terjadi. Silahkan dimodifikasi agar reliabel, misalnya mengeluarkan indikator yang menjadikan tidak reliabel. Setelah itu jangan lupa diuji lagi validitasnya, karena rangkaian kuesioner yang reliabel pun belum tentu valid. Jadi bolak-balik ya, jangan bosan.

Rangkaian kuesioner harus valid dan reliabel, tidak bisa salah satu saja ya. Dan setelah valid dan reliabel, juga jangan bingung kenapa hipotesis tidak diterima. Ini hal yang berbeda dan tidak ada keterkaitan secara langsung, dalam arti kuesioner yang valid pasti hipotesisnya diterima. Tidak ada ketentuan demikian.

Share:

Artikel Terbaru

Translate

Instagram

Instagram
Gabung Instagram Kami

Artikel Terbaru

Aplikasi Neo Bank Apakah Aman?

Apakah pernah ada yang tertipu oleh Aplikasi Neo Bank? Apakah ada yang pernah dirugikan jutaan rupiah karena menginstall Aplikasi Neo Bank? ...

Artikel Populer Seminggu Terakhir

Komentar Terbaru

`

Ingin menghubungi kami untuk kerja sama?

Nama

Email *

Pesan *