1
SURAT PERNYATAAN
Yang bertanda tangan di bawah ini:
Nama : Muzanip Alperi, S.Pd.M.Si.
NIP : 1979100620031002
Tempat Tugas : LPMP Bengkulu
Jabatan : Pengembang Teknologi Pembelajaran (PTP) Pertama
Dengan ini menyatakan bahwa buku dengan judul “ Statistik Pendidikan Lanjutan Dilengkapi dengan
Prosedur Penggunaan SPSS 16 dan Lisrel 8.8” sebagai buku Referensi Kuliah Statistik Pendidikan adalah
benar-benar karya sendiri dan belum pernah di terbitkan dalam jurnal/media lain.
Demikianlah surat pernyataan ini kami buat dengan sebenarnya.
Bengkulu, 6 Desember 2017
Yang menyatakan,
Muzanip Alperi, S.Pd., M.Si.
2
i
ii
978-602-6784-37-7
iii
KATA PENGANTAR
Berkat Allah Subhanahuwata’alah dan dengan adanya bantuan dari beberapa pihak, buku tentang
Statistik Pendidikan dapat diselesaikan sesuai dengan rencana yang telah ditentukan. Buku ini adalah buku
referensi yang dapat digunakan sebagai acuan bagi mahasiswa atau dosen dalam mempelajari dan
mengajar Statistik Pendidikan.
Kepada semua pihak yang telah memberikan bantuan moral maupun finansial dalam penyelesaian
buku ini, melalui kesempatan ini disampaikan ucapan terima kasih yang sedalam-dalamnya. Secara khusus,
ucapan terima kasih dan penghargaan yang setinggi-tingginya disampaikan kepada Prof. Wahyu Widada,
M.Pd dan Prof. Dr. Riyanto, M.Pd yang telah memberikan dukungan moral dan bimbingan bagi penyusunan
buku ini. Ucapan terima kasih juga disampaikan kepada Kepala Lembaga Penjaminan Mutu Pendidikan
(LPMP) dan Direktur Program Doktor Ilmu Pendidikan Fakultas Keguruan dan Ilmu Pendidikan (FKIP)
Universitas Bengkulu yang telah memberikan kesempatan kepada saya untuk menyusun buku referensi ini.
Akhirnya, kepada semua pihak yang terlibat yang turut membantu pelaksanaan penyusunan buku
ini, disampaikan ucapan terima kasih yang mendalam. Semoga buku ini bermanfaat bagi mahasiswa dan
para pembaca yang berminat mempelajari Statistika Pendidikan. Disadari sepenuhnya bahwa buku ini
masih belum lengkap dan banyak kekurangan. Untuk itu, melalui kesempatan ini kami mohon masukan
untuk perbaikan lebih lanjut. Atas saran dan sumbangan dari pembaca yang budiman, saya haturkan terima
kasih.
Bengkulu, 1 Juni 2017
Penyusun.
Muzanip Alperi, S.Pd., M.Si.
iv
DAFTAR ISI
BAB JUDUL HAL
Halaman Cover .............................................................................................. I
Kata Pengantar ............................................................................................... Ii
Daftar Pustaka ................................................................................................ Iii
Daftar Tabel, Gambar, Bagan..........................................................................
Iv
I TEKNIK SAMPLING................................................................................................ 1
I.1 Probability Sampling............................................................................................. 2
I.2 Non Probability Sampling..................................................................................... 3
I.3 Penetapan Sampel................................................................................................ 6
II Analisis Kasualitas Studi Eksperimen dan Non Eksperimen.................................. 8
II.1 Penelitian Eksperimen ......................................................................................... 8
II.2 Penelitian Noneksperimen .................................................................................. 12
II.3 Persamaan dan Perbedaan .................................................................................. 16
III Multiple Korelasi dan Korelasi Kanonik .............................................................. 17
III.1 Korelasi Ganda .................................................................................................... 17
III.2 Korelasi Kanonik .................................................................................................. 22
IV Analisis Varian (Anava) dan Manova.................................................................... 26
IV.1 Anava ................................................................................................................... 26
IV.2 Manova ................................................................................................................ 44
V Analisis Kovarian dan Manakova.......................................................................... 36
V.1 Anakova ............................................................................................................... 38
V.2 Manakova ............................................................................................................ 44
VI Regresi Linier........................................................................................................ 48
VI.1 Regresi Linier Sederhana ..................................................................................... 48
VI.2 Regresi Linier Ganda ........................................................................................... 49
VII Analisis Jalur ......................................................................................................... 73
VII.1 Analisis Jalur Biasa ............................................................................................... 73
VII.2 Konsep Trimming (Analisis Jalur Biasa) ................................................................ 81
VIII Struktur Equation Model ..................................................................................... 83
v
VIII.1 Pengantar SEM .................................................................................................... 83
VIII.2 Contoh Kasus dan Pembahasan SEM dengan Program Lisrel 8.8 ....................... 84
DAFTRA PUSTAKA .............................................................................................. 106
DAFTAR RIWAYAT HIDUP PENULIS ..................................................................... 107
6
DAFTAR GAMBAR, BAGAN DAN TABEL
JUDUL HAL
B 1.1 Jenis Teknik Sampling........................................................................................................
1
G 1.1 Snowball Sampling.............................................................................................................. 6
T 2.1 Karakteristik Penelitian Eksperimen................................................................................... 12
T 2.2 Karakteristik Penelitian Noneksperimen............................................................................. 15
T.2.3 Karakteristik Penelitian eksperimen dan Noneksperimen.................................................. 16
G 3.1 Korelasi Ganda.................................................................................................................... 17
G 3.2 Korelasi Ganda Tiga Variabel............................................................................................. 17
T 4.1 Ringkasan Anova................................................................................................................ 27
T 6.1 Data Hasil Penelitian........................................................................................................... 50
T 6.2 Ringkasan Persamaan Regresi............................................................................................. 70
1
BAB I
TEKNIK SAMPLING
Menurut J Supriyanto (1991:129) pengumpulan data dengan cara sensus akan memperoleh data
sebenarnya (parameter) namun membutuhkan biaya, waktu dan tenaga yang banyak. Karena kesulitan
tersebut pada prakteknya digunakan teknik sampel yang akan memberikan nilai taksiran. Teknik sampel inii
akan lebih praktis dari segi dana, waktu dan tenaga.
Menurut Ahmad Zambar Soleh (2005) dilema dalam penelitian, jika sampel sedikit orang
cenderung tidak percaya, tapi jika kebanyakan sampel akan sangat besar memakan waktu dan dana,
Sehingga perlu teknik sampling yang tepat. Margono (2004: 125) berpendapat dimaksud dengan teknik
sampling adalah cara untuk menentukan sampel yang jumlahnya sesuai dengan ukuran sampel yang akan
dijadikan sumber data sebenarnya, dengan memperhatikan sifat-sifat dan penyebaran populasi agar diperoleh
sampel yang representatif.
Jadi, Teknik samping adalah cara yang tepat dan akurat untuk menentukan sampel sebagai
perwakilan populasi. Tujuan agar data yang diperoleh dapat mewakili pupulasi yang sebenarnya.
Dampaknya adalah kepercayaan terhadap informasi meningkat dan dapat menekan waktu dan dana.
Menurut Cochran (1991:2) kegunaan dari penarikan sampel adalah : mengurangi biaya, kecepatan
lebih besar, cakupan lebih besar dan tingkat ketelitian lebih besar.
Bagan 1.1 Jenis Teknik Sampling
TEKNIK SAMPLING
PROBABILITY SAMPLING
NON PROBABILITY SAMPLING
1. Simple Random Sampling
2. Stratified Random Sampling
a. Proportionate Stratified
Random Sampling
b. Disproportionate Stratified
Random Sampling
3. Cluste Sampling (Area
Sampling)
1. Sampling Sistematis
2. Sampling Kuota
3. Sampling Aksidental
4. Sampling Purposive
5. Sampling Snowball
2
Teknik Sampling dibagi menjadi 2 sebagai berikut:
I.1 Probability Sampling
Menurut Zambar Soleh (2005) probability sampling adalah memberikan peluang
yang sama pada setiap populasi untuk jadi sampel. Teknik sampel ini meliputi:
a. Simple Random Sampling
Menurut Cochran (1991:21) sebuah metode untuk memilih n unit dari N sehingga
setiap elemen dari NCn sampel yang berbeda mempunyai kesempatan yang sama untuk
dipilih. Menurut Sugiono (2004) pengambilan sampel (n) anggota populasi (N)
dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi itu. Setiap
unit sampling sebagai unsur populasi yang terpencil memperoleh peluang yang sama
untuk menjadi sampel atau untuk mewakili populasi. Cara demikian dilakukan bila
anggota populasi dianggap homogen. Teknik ini dapat dipergunakan bilamana jumlah
unit sampling di dalam suatu populasi tidak terlalu besar. Misal, populasi terdiri dari 500
orang mahasiswa program S1 (unit sampling). Untuk memperoleh sampel sebanyak 150
orang dari populasi tersebut, digunakan teknik ini, baik dengan cara undian, ordinal,
maupun tabel bilangan random.
Semakin homogen (sama) populasi, sampel yang diambil semakin sedikit,
sebaliknya semakin heterogen (berbeda) untuk validitas sampel yang digunakan juga
akan semakin banyak perwakilannya. Sampel yang homogen, misalnya akan melakukan
penelitian tentang kandungan air laut disuatu tempat cukup mengambil sampel sedikit
saja. Populasi yang heterogen misalnya adalah tentang budaya nusantara, sampel yang
diambil juga harus banyak karena budaya yang ada di nusantara sangat banyak.
b. Stratified Random Sampling
Proportionate Stratified Random Sampling
Menurut Margono (2004: 126) bahwa stratified random sampling biasa
digunakan pada populasi yang mempunyai susunan bertingkat atau berlapis-lapis.
Teknik ini digunakan bila populasi mempunyai anggota/unsur yang tidak homogen. Dan
berstrata secara proporsional. Suatu organisasi yang mempunyai pegawai dari berbagai
latar belakang pendidikan, maka populasi pegawai itu berstrata (Sugiyono, 2001: 58).
Sebagai Contoh banyaknya pegawai yang lulus S3= 10, S2 = 20, S1 = 50, SMA
= 900, SMK = 500, SMP = 300, SD = 200. Jumlah sampel yang harus diambil meliputi
strata pendidikan tersebut yang diambil secara proporsional jumlah sampel. Misalnya
3
diambil 10% dari masing-masing tingkatan, sehingga sampel yang diambila adalah S3=
1, S2 = 2, S1 = 5, SMA = 90, SMK = 50, SMP = 30, dan SD = 20.
Disproportionate Stratified Random Sampling
Teknik ini digunakan untuk menentukan jumlah sampel bila populasinya
berstrata tetapi kurang proporsional. Adanya pertimbangan jumlah sampel pada populasi
tertentu jumlahnya sangat sedikit. Misalnya pegawai dari suatu Universitas tertentu
mempunyai mempunyai 2 orang lulusan S3, 5 orang lulusan S2, 100 orang lulusan S1,
500 orang lulusan SMA, 600 orang lulusan SMP; maka 2 orang lulusan S3 dan 5 orang
S2 itu diambil semuanya sebagai sampel. Karena dua kelompok itu terlalu kecil bila
dibandingkan denan kelompok S1, SMA, dan SMP.
Pertimbangan ini diambil dikarenakan jika populasinya sangat sedikit lalu
dikurangi lagi, ditakutkan sampel tersebut tidak mewakili gambaran sebenarnya
pupulasi. Sehingga populasi tersebut diambil semua.
c. Cluster Sampling (Area Sampling)
Teknik ini disebut juga cluster random sampling. Menurut Zambar Soleh (2005)
unit sampling yang didalamnya berisi unit-unit sampling yang lebih kecil. Sugiyono
(2001) memberikan contoh, di Indonesia terdapat 27 propinsi, dan sampelnya akan
menggunakan 10 propinsi, maka pengambilan 10 propinsi itu dilakukan secara random.
Tetapi perlu diingat, karena propinsi-propinsi di Indonesia itu berstrata maka
pengambilan sampelnya perlu menggunakan stratified random sampling.
Contoh lainnya bila penelitian dilakukan terhadap populai pelajar SMA di suatu
kota. Misalnya jumlah SMA di kota tersebut 40 Sekolah, sampel yang diambil sebanyak
15 sekolah. Perlu diingat bahwa kondisi mutu sekolah tersebut berstrata, maka
sampelnya perlu menggunakan stratified random sampling.
I.2 Nonprobability sampling
Menurut Zambar Soleh (2005) nonprobability sampling adalah teknik yang tidak
memberi peluang/kesempatan yang sama bagi setiap unsur atau anggota populasi untuk
dipilih menjadi sampel. Teknik sampel ini meliputi:
a. Sampling Sistematis
Sampling sistematis adalah teknik penentuan sampel berdasarkan urutan dari
anggota populasi yang telah diberi urutan tertentu / nomor urut. Misalnya anggota
4
populasi yang terdiri dari 100 orang. Dari semua anggota itu diberi nomor urut, yaitu
nomor 1 sampai dengan nomor 100. Pengambilan sampel dapat dilakukan dengan nomor
ganjil saja, genap saja, atau kelipatan dari bilangan tertentu, misalnya kelipatan dari
bilangan lima. Untuk itu maka yang diambil sebagai sampel adalah 5, 10, 15, 20 dan
seterusnya sampai 100.
b. Sampling Kuota
Sampling kuota adalah teknik untuk menentukan sampel dari populasi yang
mempunyai ciri-ciri tertentu sampai jumlah (kuota) yang diinginkan. Menurut Margono
(2004: 127) dalam teknik ini jumlah populasi tidak diperhitungkan akan tetapi
diklasifikasikan dalam beberapa kelompok. Sampel diambil dengan memberikan jatah
atau quorum tertentu terhadap kelompok. Pengumpulan data dilakukan langsung pada
unit sampling. Setelah jatah terpenuhi, pengumpulan data dihentikan. Sebagai contoh,
akan melakukan penelitian terhadap pegawai golongan II, dan penelitian dilakukan
secara kelompok. Setelah jumlah sampel ditentukan 100, dan jumlah anggota peneliti
berjumlah 5 orang, maka setiap anggota peneliti dapat memilih sampel secara bebas
sesuai dengan karakteristik yang ditentukan (golongan II) sebanyak 20 orang.
c. Sampling Aksidental
Sampling aksidental adalah teknik penentuan sampel berdasarkan kebetulan,
yaitu siapa saja yang secara kebetulan bertemu dengan peneliti dapat digunakan sebagai
sampel, bila dipandang orang yang kebetulan ditemui itu cocok sebagai sumber data
(Sugiyono, 2001: 60).
Menurut Margono (2004: 127) menyatakan bahwa dalam teknik ini
pengambilan sampel tidak ditetapkan lebih dahulu. Peneliti langsung mengumpulkan
data dari unit sampling yang ditemui. Misalnya penelitian tentang pendapat umum
mengenai pemilu dengan mempergunakan setiap warga negara yang telah dewasa
sebagai unit sampling. Peneliti mengumpulkan data langsung dari setiap orang dewasa
yang dijumpainya, sampai jumlah yang diharapkan terpenuhi.
Dalam pendidikan, misalnya kita mau meneliti tentang pendapat masyarakat
terkait penerapan 5 hari sekolah, maka peneliti meminta saja pendapat orang tua, guru,
atau siswa. Peneliti mengumpulkan data dan informasi dari pendapat masyarakat
pendidikan, sehingga terkumpul informasi yang dibutuhkan.
5
d. Sampling Purposive
Sampling purposive adalah teknik penentuan sampel dengan pertimbangan
tertentu. Menurut Margono (2004: 128), pemilihan sekelompok subjek dalam purposive
sampling, didasarkan atas ciri-ciri tertentu yang dipandang mempunyai sangkut paut
yang erat dengan ciri-ciri populasi yang sudah diketahui sebelumnya. Degan kata lain
unit sampel yang dihubungi disesuaikan dengan kriteria-kriteria tertentu yang diterapkan
berdasarkan tujuan penelitian. Misalnya akan melakukan penelitian tentang disiplin
pegawai, maka sampel yang dipilih adalah orang yang ahli dalam bidang kepegawaian
saja.
Misalnya akan dilakukan penelitian tentang kedisiplinan anak di suatu SMA,
maka sampel yang dipilih adalah wali kelas, kepala sekolah, wakil bidang kesiswaan,
guru Bimbingan Konseling, guru agama, guru Pendidikan Pancasila dan
Kewarganegaraan, serta komponen lain yang terkait dengan kedisiplinan di SMA
tersebut.
e. Sampling Jenuh
Sampling jenuh adalah teknik penentuan sampel bila semua anggota populasi
digunakan sebagai sampel. Hal ini sering dilakukan bila jumlah populasi relatif kecil,
kurang dari 30 orang. Istilah lain sampel jenuh adalah sensus, dimana semua anggota
populasi dijadikan sampel.
f. Snowball Sampling
Teknik penentuan sampel yang mula-mula jumlahnya kecil, kemudian sampel
ini disuruh memilih teman-temannya untuk dijadikan sampel (Zambar Sholeh: 2005).
Begitu seterusnya, sehingga jumlah sampel semakin banyak. Ibarat bola salju yang
menggelinding, makin lama semakin besar. Pada penelitian kualitatif banyak
menggunakan sampel purposive dan snowball.
6
Gambar 1.1 Snowball Sampling
I.3 Penetapan Sampel
Menurut Slovin dalam Zambar Soleh (2005) penentuan jumlah sampel (n)
berdasarkan banyaknya anggota populasi (N) dan tingkat kepercayaan (1-α) 100% saja,
dirumuskan sebagai berikut :
Dengan data diasumsikan berdistribusi normal atau hampir normal.
Menurut Sevilla (2007) untuk menggunakan rumus ini, tentukan terlebih
dahulu berapa batas toleransi kesalahan yang dinyatakan dengan persentase.
Semakin kecil toleransi kesalahan, semakin akurat sampel menggambarkan populasi.
Misalnya, penelitian dengan batas kesalahan 5% berarti memiliki tingkat akurasi
95%. Penelitian dengan batas kesalahan 3% memiliki tingkat akurasi 97%. Dengan
jumlah populasi yang sama, semakin kecil toleransi kesalahan, semakin besar jumlah
sampel yang dibutuhkan.
Contoh: Suatu SMA dengan jumlah siswa 1000, akan dilakukan penentuan
sampel penelitian. Berapa sampel yang dibutuhkan apabila batas toleransi kesalahan
5%.
Dengan menggunakan rumus Slovin:
n = N / ( 1 + N ) = 1000 / (1 + 1000 x 0,05²) = 285,71 » 286.
Dengan demikian, jumlah sampel yang dibutuhkan adalah 286 siswa.
7
Hal yang perlu diperhatikan bahwa, penentuan jumlah sampel dengan rumus
Slovin ini hanya dapat digunakan apabila jumlah populasinya diketahui.
8
BAB II
ANALISIS KASUALITAS DALAM STUDI EKSPRERIMENTAL DAN NON
EKSPRIMENTAL
Penelitian yang dilakukan dengan memperhatikan perlakuan yang dilakukan
dikatakan penelitian eksperimental dan non eksperimental. Penelitian eksperimental adalah
penelitian yang dilakukan secara langsung terhadap objek yang diteliti. Penelitian non
eksperimental adalah penelitian yang dilakukan secara tidak langsung dan lebih mengarah kepada
pengumpulan data.
II.1 Penelitian Eksperimen
Persoalan kausalitas (sebab akibat) sebenarnya adalah masalah probabilitas. Misalnya,
berapa probabilitas penurunan depresi seseorang setelah perlakukan diberikan. Namun masalah
kausalitas jarang dikaitkan dengan probabilitas. Apakah X mempengaruhi Y kita lihat dari inferensi
statistik dan jarang melibatkan inferensi kausal.
Tidak sedikit peneliti yang ingin mengetahui pengaruh dari satu variabel terhadap
variabel lainnya. Karena keingintahuannya tersebut maka dilakukan upaya-upaya ilmiah yang
antara lain dengan melakukan percobaan-percobaan atau eksperimen. Seseorang guru yang ingin
mengetahui pengaruh motivasi belajar terhadap hasil belajar siswa akan melakukan berbagai
tindakan memotivasi siswa di kelas agar terjadi peningkatan belajar yang berdampak pada hasil
belajar. Hasil belajar bukan hanya dipengaruhi oleh mitivasi, maka perlu juga mempertimbangkan
variabel lain.
Penelitian untuk meningkatkan hasil belajar siswa perlu dilakukan berkali-kali agar
pengaruh yang diberikan benar-benar berdampak perbaikan dalam proses pembelajaran yang
berimplikasi pada peningkatan hasil belajar.
Penelitian dengan menggunakan metode eksperimen yang sesungguhnya merupakan
kebiasaan ilmiah yang senantiasa dilakukan dalam ilmu-ilmu pendidikan dan eksakta. Hal ini
dilakukan karena dalam kawasan keilmuan tersebut lebih dimungkinkan pemanipulasian variabel-
variabel yang lain.
Dalam konteks di atas, jenis penelitian yang seyogianya digunakan pastinya juga harus
berbeda dengan penelitian yang tujuannya “sekedar” ingin mengetahui korelasi atau hubungan di
antara dua variabel. Jika tujuan utamanya adalah ingin mengetahui adanya sebab-akibat (cause –
9
effect) dalam suatu tatanan tertentu maka jenis penelitiannya adalah rancangan percobaan
(experimental design) atau rancangan “causal-comparative”. Dengan demikian jika seorang
peneliti ingin mengetahui sebesar apa atau adakah pengaruh yang ditimbulkan (effect) dari variabel
bebas terhadap variabel tergantung, maka mau tidak mau peneliti tersebut harus mengaplikasikan
rancangan percobaan atau “causal-comparative” dalam penelitiannya.
Penelitian eksperimen merupakan penelitian sistematis, logis, dan teliti di dalam
melakukan kontrol terhadap kondisi. Dalam melakukan eksperimen peneliti memanipulasikan suatu
stimulan, treatment atau kondisi-kondisi eksperimen, kemudian mengobservasi pengaruh yang
diakibatkan oleh adanya perlakuan atau manipulasi tersebut. Dalam penelitian eksperimen, kontrol
yang cermat terhadap kemungkinan masuknya pengaruh faktor lain sangat diperlukan, agar
mendapatkan faktor-faktor yang benar-benar murni dari faktor-faktor yang dimanipulasi tadi.
Penelitian eksperimen bertujuan :
1) Menguji hipotesis yang diajukan dalam penelitian.
2) Memprediksi kejadian atau peristiwa didalam latar eksperimen.
3) Menarik generalisasi hubungan antar variabel.
Penelitian eksperimen (eksperiment research) merupakan pendekatan penelitian
kuantitatif yang paling penuh, dalam arti memenuhi semua persyaratan untuk menguji hubungan
sebab-akibat (Nana Syaodih Sukmadinata, 2010:194). Dalam penelitian eksperimen
terdapat variabel bebas (independent variable) dan variabel terikat (dependent variable). Variabel
bebas biasanya merupakan variabel yang dimanipulasi secara sistematis. Dibidang pendidikan
diidentifikasi sebagai variabel bebas diantaranya termasuk metode mengajar, macam-macam
penguatan (reinforcement), frekuensi penguatan, sarana-prasarana pendidikan, lingkungan belajar,
materi belajar jumlah kelompok belajar, dan sebagainya. Sedangkan variabel terikat merupakan
variabel yang diukur sebagai akibat adanya manipulasi pada variabel bebas. Variabel terikat
tergantung dari variabel bebas. Yang sering dikelompokkan sabagai variabel terikat dibidang
pendidikan, misalnya hasil belajar siswa, kesiapan belajar siswa, kemandirian siswa dan sebagainya
(Sukardi, 2009:178-179).
Karakteristik penelitian eksperimen:
• Peneliti memanipulasi satu variabel bebas atau lebih,
• Mengendalikan variabel di luar variabel bebas,
• Melakukan observasi (pengukuran) terhadap satu atau lebih variabel terikat untuk
menemukan variasi yang muncul seiring dengan manipulasi variabel bebas tersebut.
Ciri pemelian non eksperimen:
10
• Peneliti tidak dapat memanipulasi variable;
• Sifat-sifat tertentu dari variabel-variabel yang digunakan tidak memungkinkan adanya
manipulasi.
Jenis Penelitian Eksperimen, yaitu :
a. Penelitian Pra-Eksperimen (Weak Eksperiment)
Penelitian pra eksperimen adalah penelitian eksperimen yang hanya mempergunakan
kelompok eksperimen saja, tanpa kelompok kontrol (pembanding) sampel subyek dipilih
seadanya tanpa mempergunakan randomisasi. Rancangan pra-eksperirnen yang sederhana ini
berguna untuk mendapatkan informasi awal terhadap pertanyaan pada penelitian. Model ini
sebaiknya hanya digunakan untuk penelitian latihan. Tidak digunakan untuk penelitian tesis,
disertasi atau penelitian-penelitian yang hasilnya digunakan untuk penentuan kebijakan,
pengembangan ilmu dan sejenisnya.
b. Penelitian Eksperimen Murni (True Eksperiment)
Dalam eksperimen murni (true eksperiment) pengujian variabel bebas dan variabel
terikat dilakukan terhadap sampel kelompok eksperimen dan kelompok kontrol. Subjek-subjek
yang diteliti dalam kedua kelompok tersebut diambil secara acak apabila subjek-subjek tersebut
memiliki karakteristik yang sama. Dalam pelaksanaan penelitian, kesamaan karakteristik subjek
tersebut memang dibuat sama atau disamakan. Penyamaannya dilakukan melalui pengujian,
umpamanya pengujian kecerdasan, bakat, kecakapan, ketahanan fisik (Nana Syaodih
Sukmadinata, 2010).
Tujuan dari eksperimen ini adalah untuk menyelidiki kemungkinan adanya hubungan
sebab akibat dengan cara mengenakan kepada satu atau lebih kelompok eksperimen satu atau
lebih kondisi perlakuan dan memperbandingkan hasilnya dengan satu atau lebih kelompok
kontrol yang tidak dikenai kondisi perlakuan. Contoh penelitian eksperimen murni adalah
Penelitian untuk menyelidiki efek program pencegahan penyalahgunaan obat terhadap sikap
murid-murid SLTP, dengan menggunakan kelompok eksperimen (yang diperkenalkan dengan
program itu), dan kelompok kontrol (yang tidak diperkenalkan dengan program itu), dan dengan
menggunakan rancangan pretest-posttest dimana hanya separuh dari murid-murid itu cara
random menerima pretest untuk menentukan seberapa besarnya perubahan sikap itu dapat
dikatakan oleh pretesting atau oleh program pendidikan (Sumadi Suryabrata, 2011).
c. Penelitian Eksperimen Semu (Quasy Eksperiment)
Bentuk desain eksperimen ini merupakan pengembangan dari eksperimen murni, yang
sulit dilaksanakan. Desain ini mempunyai kelompok kontrol tetapi tidak dapat berfungsi
sepenuhnya untuk mengontrol variabel-variabel luar yang mempengaruhi pelaksanaan
eksperimen. Eksperimen kuasi digunakan karena pada kenyataannya sulit mendapatkan
kelompok kontrol yang digunakan untuk penelitian (Sugiyono. 2013:114).
Tujuan penelitian ini adalah untuk memperoleh informasi yang merupakan perkiraaan
bagi informasi yang dapat diperoleh dengan eksperimen yang sebenarnya dalam keadaan yang
11
tidak memungkinkan untuk mengontrol dan atau memanipulasikan semua variabel yang
relevan. Contohnya: Penelitian untuk menyelidiki efek dua macam cara menghafal dalam
menghafal suatu daftar kata-kata asing pada empat buah SMU pada menempatan murid-murid
pada perlakuan secara random atau mengawasi waktu-waktu pelatihannya secara cermat.
d. Penelitian Eksperimen Subjek-Tunggal
Dalam penelitian eksperimen subjek-tunggal, subjek atau partisipannya bersifat
tunggal, bisa satu orang, dua orang atau lebih. Nama subjek tunggal juga diambil dari cara hasil
eksperimen disajikan dan dianalisis berdasarkan subjek secara individual. Pendekatan
eksperimen dalam subjek-tunggal adalah meneliti individu dalam kondisi tanpa perlakuan dan
kemudian dalam perlakuan dan akibatnya terhadap variabel akibat diukur dalam kedua kondisi
tersebut.
Penelitian eksperimental jika melakukan perlakuan terhadap variabel tertentu. Sebaliknya jika
tidak dilakukan perlakuan terhadap variabel maka tergolong penelitian non eksperimental. Lebih
rinci pada tabel di bawah ini.
Contoh penelitian eksperimental:
1. Meneliti pengaruh pemberian pekerjaan rumah (PR) dengan prestasi belajar. Contoh
penelitan ini bersifat eksperimental,karena penelitian dilakukan secara langsung terhadap
objek yang diteliti,dan mencakup sebab dan akibat.
2. meneliti tentang kemungkinan pemebrian pelajaran pengantar mekanika di smp kelas 3.
Contoh penelitan ini bersifat eksperimental,karena penelitian dilakukan secara langsung
terhadap objek yang diteliti,dan mencakup sebab dan akibat
3. Seorang pengusaha alat pelajaran ingin mengetahui pengaruh suatu jens alat terhadap
prestasi belajar siswa. Penelitian ini bersifat ekperimental karena dilakukan secara
langsung terhadap objek yang diteliti ,dan penilitian ini lebih mengarah kepada pengaruh
suatu alat terhadap prestasi belajar siswa
4. Penelitian mengenai pengaruh dua jenis metode belajar terhadap prestasi siswa sebagai
fungsi ukuran kelas (besar dan kecil) dan taraf kecerdasan siswa, dengan menempatkan
tenaga pengajar secara random berdasarkan intelegensi, model mengajar, dan ukuran
kelas tersebut.
12
Tabel 2.1 Karakteristik penelitian eksperimen
(True Experimental, Quasi Experimental, dan PreExperimental)
Karakteristik Penelitian TrueExperiment
al
Penelitian QuasiExperi
mental Penelitian PreExperimental
Hakikat
penelitian
Penelitian eksperimen yang
sesungguhnya
dengan validitas
internal (kualitas
pelaksanaaan rancangan
penelitian) tinggi
Pengembangan dari
penelitian true
experimental yang sulit
dilaksanakan.
Belum merupakan penelitian
eksperimen yang sesungguhnya.
Hasil eksperimen bukan
semata-mata dipengaruhi oleh
variabel bebas
Efektif untuk penelitian lebih
lanjut
Tujuan
Menyelidiki kemungkinan
saling hubungan sebab
akibat dengan cara
mengenakan perlakuan dan
membandingkan hasilnya
dengan grup kontrol yang
tidak diberi perlakuan.
Memperoleh informasi
yang merupakan
perkiraan, dengan cara
eksperimen yang tidak
memungkinkan untuk
mengontrol dan/atau
memanipulasikan semua
variabel yang relevan
Memperoleh informasi akibat dari
suatu perlakuan tanpa melakukan
perbandingan
Objek
penelitian
Kelompok eksperimen dan
kelompok kontrol
sama/setara
Kelompok eksperimen
dan kelompok kontrol
sama/setara
Hanya terdapat kelompok
eksperimen
Pengambilan
sampel
Sampel yang digunakan
untuk eksperimen maupun
sebagai kelompok kontrol
diambil secararandom dari
populasi tertentu.
Jika
menggunakanrandom tid
ak diperhatikan aspek
kesetaraan maupun grup
kontrol
Sampel tidak dipilih secara acak
(random)
Variabel
Terdapat variabel kontrol
Terdapat variabel kontrol
tetapi tidak digunakan
sepenuhnya untuk
mengontrol variabel luar
yang mempengaruhi
pelaksanaan eksperimen.
Tidak terdapat variabel kontrol
Mengontrol/
mengendalika
n
Dapat mengontrol semua
variabel luar yang
mempengaruhi jalannya
eksperimen
Tidak sepenuhnya dapat
mengontrol variabel luar
yang mempengaruhi
pelaksanaan eksperimen
Tidak dapat mengontrol variabel
luar yang berpengaruh
terhadappelaksanaan eksperime
II.2 Penelitian Non Eksperimen
Penelitian non-eksperimen merupakan penelitian yang observasinya dilakukan terhadap
sejumlah ciri (variabel) subjek penelitian menurut keadaan apa adanya, tanpa ada manipulasi
13
(intervensi) peneliti. Misalnya, penelitian mengenai kemunduran prestasi belajar siswa,
kemunduran rasa tanggung jawab.
Jenis Penelitian Non-Eksperimen, yaitu :
a. Penelitian Deskripsi
Penelitian deskripsi adalah metode penelitian yang menggambarkan dan menginterprestasi
objek dengan sesuai dengan apa adanya . Penelitian ini juga disebut sebagai non-eksperimen,
karena pada penelitian ini peneliti tidak melakukan kontrol dan memanipulasi variabel
penelitian. Dengan metode deskripsi, peneliti memungkinkan untuk melakukan hubungan antar
variabel, menguji hipotesis, mengembangkan generalisasi dan mengembangkan teori yang
memiliki validitas universal. Tujuan utama penelitian ini menggamabarkan secara sistematis
fakta dan karakteristik objek atau subjek yang diteliti secara tepat.
b. Penelitian Survey
Penelitian survey sebenarnya merupakan bagian dari jenis penelitian deskriptif. Penelitian
survey merupakan kegiatan penelitian yang mengumpulkan data pada saat tertentu dengan tiga
tujuan penting yaitu:
1) Mendeskripsikan keadaan alami yang hidup saat itu.
2) Mengidentifikasi secara terukur keadaan sekarang untuk dibandingkan.
3) Menetukan hubungan sesuatu yang hidup diantara kejadian spesifik.
Penelitian survey digunakan untuk mengumpulkan informasi berbentuk opini dari sejumlah
besar orang yang terhadap topik atau isu-isu tertentu.
c. Penelitian Tindakan (Action Research)
Penelitian tindakan adalah cara suatu kelompok atau seseorang dalam mengorganisasi
suatu kondisi sehingga mereka dapat mempelajari pengalaman mereka dan membuat
pengalaman mereka dapat diakses oleh orang lain.
Penelitian tindakan merupakan mengembangan penelitian terpakai atau apllied
research, dalam hal ini peneliti bersifat sebagai :
1) Pemeran aktif kegiatan pokok.
2) Agen perubahan atau agent of change,
3) Subjek atau objek yang diteliti memperoleh manfaat dari hasil tindakan yang diberikan
secara terencana oleh peneliti.
d. Penelitian Ex-postfacto
Penelitian ex-postfacto merupakan penelitian dimana variabel-variabel bebas telah terjadi
ketika peneliti mulai dengan pengamatan variabel terikat dalam suatu penelitian. Pada
14
penelitian ini, keterikatan antar variabel bebas dengan variabel bebas, maupun antar variabel
bebas dengan variabel terikat, sudah terjadi secara alami, dan peneliti dengan setting tersebut
ingin melacak kembali jika memungkinkan apa yang menjadi faktor penyebabnya (Sukardi,
2009: 157-210).
e. Penelitian korelasional
Penelitian korelasional adalah menelitian yang akan melihat hubungan antara variabel
atau beberapa variabel denga variabel lain. Variabel yang digunakan untuk memprediksi
disebut variabel prediktor atau variabel bebas, sedangkan variabel yang diprediksi disebut
variabel kriteria atau variabel terikat. Penelitian korelasional merupakan salah satu bagian
penelitian expostfacto karena biasanya peneliti tidak memanipulasi keadaan variabel yang ada
dan langsung mencari keberadaan hubungan dan tingkat hubungan variabel yang direfleksikan
dalam koefisien korelasi.
f. Penelitian kausal komparatif
Penelitian komparatif adalah penelitian diarahkan untuk menyelidiki hubungan sebab
akibat berdasarkan pengamatan terhadap akibat yang terjadi dan mencari faktor yang menjadi
penyebab melalui data yang dikumpulkan. Penelitian kausal-komparatif merupakan jenis
penelitian expostfacto, yaitu bahwa penelitian tersebut dilakukan setelah perbedaan-perbedaan
dalam variabel bebas itu terjadi karena perkembangan kejadian itu secara alami. Semua
kejadian yang dipersoalkan sudah berlangsung lewat, sehingga tidak memungkinkan untuk
dilakukan treatment sebagaimana dalam penelitian eksperimen (Nurul Zuriah,2007:56-57).
Contoh penelitian non eksperimental:
1. Meneliti banyaknya siswa yang droop out dari berbagai kelas dan tingkat sekolah. Contoh
penelitian ini bersifat non ekperimental karena dilakukan tanpa sebab ,dan hanya mengarah
terhadap pengumpulan data saja.
2. Meneliti tentang kelengkapan buku paket yang tersedia di sekolah dan hubungannya
dengan minat siswa terhadap mata pelajaran tertentu. Contoh penelitian ini bersifat non
eksperimental karena penelitian dilakukan secara tidak langsung terhadap objek
penelitian ,dilakukan tanpa seba dan hanya mengarah kepada pengumpulan data saja.
15
Tabel 2.2. Karakteristik penelitian non eksperimen
(Komparasional, Korelasional, dan Expost-Facto)
Karakteristik Penelitian Komparasional Penelitian
Korelasional Penelitian Expost-Facto
Hakikat
penelitian
Merupakan penelitian
alternatif jika penelitian
eksperimen tidak dapat
diterapkan karena alasan
etika, aturan, dan sebagainya
Penelitian yang
dilakukan jika
membutuhkan
informasi hubungan
antar variabel, dimana
variabel yang ingin
diteliti kompleks dan
tidak mungkin
melakukan kontrol atau
manipulasi variabel
Penelitian untuk
mengekspossuatu kejadian
setelah variabelbebas terjadi
Tujuan
Mencarikemungkinan
hubungan sebab-akibat
dengan
cara melakukanpengamatan
terhadap akibat yang
ada, danmencari kembali
faktor yang mungkin
menjadi penyebab melalui
data tertentu
Mengetahui derajat
hubungan antara suatu
variabel dengan
variabel-
variabellain tanpa
melihat hubungan sebab
akibat
Mengetahui dampak variabel
bebas kepada variabel terikat
tetapi data variabel bebas dan
terikat sudah tersedia
Variabel
Mengidentifikasi
hubungan sebab akibat antar
variabel
Dalam hubungan yang
kompleks membedakan
antara variabel bebas dan
terikat
Tidak mengidentifikasi
atau membedakan
antara variabel bebas
dan variabel terikat
Keterkaitan antar variabel bebas
dengan variabel bebas, maupun
variabel bebas dengan variabel
terikat sudah terjadi secara alami
Pengamatan/
pengukuran
Mengidentifikasi pengaruh
variabel yang satu terhadap
variabel lainnya dan mencari
kemungkinan variabel
penyebabnya
Menentukan derajat
hubungan antar variabel
yang diteliti dalam
bentuk koefisien
korelasi
Mengukur secara statistik
dampak variabel bebas yang
telah terjadi tehadap variabel
terikat
Temuan
Menekankan pada hubungan
dan prediksi variabel dengan
tidak terlalu berorientasi
pada hubungan sebab akibat
Mendapatkan derajat
asosiasi yang signifikan
Menetapkan hubungan dan
dampak variabel bebas tehadap
variabel terikat
16
II.3 Persamaan Dan Perbedaan Penelitian Eksperimen Dan Non Eksperimen
Perbedaan penelitian eksperimen dan non eksperimen adalah sebagaiman tercantum pada tabel
berikut ini:
Tabel 2.3. Karakteristik penelitian experimental dan non experimental
Karakteristik PenelitianExperimental Penelitian NonExperimental
Tujuan
• Meneliti pengaruh atau hubungan
sebab-akibat dari suatu perlakuan
tertentu terhadap gejala suatu
kelompok tertentu dibanding
kelompok lain dengan
menggunakan perlakuan yang
berbeda.
• Mengetahui pengaruh pemberian
suatu treatment atau perlakuan
terhadap subjek penelitian
• Mengetahui dampak, tingkatan hubungan
atau hubungan sebab akibat antara variabel
bebas dan variabel terikat dimana data
variabel bebas dan terikat sudah tersedia.
• Meneliti keadaan suatu ciri atau kelompok
tertentu tanpa adanya perlakuan.
Rancangan
penelitian
Disusun peneliti sebelum penelitian
berlangsung berdasarkan hipotesis
pengetahuan
Disusun peneliti sebelum penelitian
berlangsung berdasarkan hipotesis
pengetahuan
Objek penelitian
Terdapat kelompok eksperimen dan
kelompok kontrol yang harus
sama/setara
Tidak terdapat kelompok eksperimen dan
kelompok kontrol
Perlakuan/
treatment
Terdapat variabel bebas yang
dikondisikan sebagai bentuk
perlakuan
Tidak ada perlakuan pada variabel bebas
Variabel bebas sudah terjadi sebelum adanya
penelitian
Variabel diukur secara intensif
dalamsetting (lingkungan nyata)
Mengontrol/
mengendalikan
Semua variabel kecuali variabel
terikat
Tidak dapat mengontrol/mengendalikan
variabel
Pengamatan/
pengukuran
Terdapat pengamatan/pengukuran
terhadap variabel terikat sebagai efek
perlakuan pada variabel bebas
Terdapat pengamatan/pengukuran dampak,
tingkatan hubungan atau hubungan sebab
akibat antar variabel bebas tehadap variabel
terikat
Karakteristik Memanipulasi atau adanya treatment,
mengontrol variabel.
Apa adanya, tidak ada kontrol variabel.
Jenis penelitian Kuantitatif Kualitatif
Persamaan antara penelitian eksperimen dan penelitian non eksperimen adalah sama-sama
melakukan observasi dan meneliti suatu keadaan tertentu untuk mengetahui tentang peristiwa
tertentu.
o
17
BAB III
MULTIPEL KORELASI DAN KORELASI KANONIK
III.1 Korelasi ganda (multipple correlation)
Nilai korelasi ganda merupakan angka yang menunjukkan arah dan kuatnya hubungan
antara dua variabel atau lebih bersama-sama dengan variabel yang lain. Pemahaman
tentang korelasi ganda dapat dilihat melalui gambar berikut.
Gambar 3.1 Korelasi Ganda
R melambangkan korelasi ganda
Gambar 3.1. Korelasi Ganda Dua Variabel Independen dan Satu Dependen
X1 = Motivasi
X2 = Disiplin
Y = Prestasi Belajar
R = Korelasi Ganda
Gambar 3.2. Korelasi Ganda Tiga Variabel Independen Satu Dependen
X1 = Referensi
X2 = Disiplin
X3 = Motivasi
Y = Nilai Pengetahuan
r1
r2
r2
R
X1
X2
X3
Y
r1
r2
R
X1
X2
Y
18
Terlihat dari bagan di atas korelasi ganda R, bukan merupakan penjumlahan dari korelasi
sederhana yang ada pada setiap variabel r1, r2, r3. Jadi R berbeda dengan (r1 + r2 + r3). Korelasi
ganda merupakan hubungan secara bersama-sama antara X1, X2 dan Xn dengan Y.
Pada bagian ini dikemukakan rumus korelasi ganda (R) untuk dua variabel independen dan
satu dependen. Untuk variabel independen lebih dari dua, dapat dilihat pada Bab analisis Regresi
Ganda. Pada bagian itu persamaan-persamaan yang ada pada regresi ganda dapat dimanfaatkan
untuk menghitung korelasi ganda lebih dari dua variabel secara bersama-sama. Rumus korelasi
ganda dua variabel ditunjukkan pada rumus berikut :
Dimana :
Ry.x1x2 = korelasi ganda antara variabel X1 dan X2 secara bersama-sama
dengan variabel Y
ryx1 = korelasi Product Moment antara X1 dengan Y
ryx2 = korelasi Product Moment antara X2 dengan Y
rx1x2 = korelasi Product Moment antara X1 dengan X2
Jadi untuk dapat menghitung korelasi ganda, maka harus dihitung terlebih dahulu korelasi
sederhananya dulu melalui korelasi Product Moment dari Pearson.
Contoh Penggunaan Korelasi Ganda :
Misalnya pada suatu penelitian yang berjudul “Kepemimpinan dan Tata Ruang Kantor
dalam kaitannya dengan Kepuasan Kerja Pegawai di lembaga A”. Berdasarkan data yang terkumpul
untuk setiap variabel, dan setelah dihitung korelasi sederhananya ditemukan sebagai berikut :
1. Korelasi antara Kepemimpinan dengan Kepuasan Kerja Pegawai, r1 = 0,45;
2. Korelasi antara Tata Ruang Kantor dengan Kepuasan Kerja Pegawai, r2 = 0,48;
3. Korelasi antara Kepemimpinan dengan Tata Ruang Kantor, r3 = 0,22.
Dengan menggunakan rumus diatas, korelasi ganda antara Kepemimpinan dan Tata
Ruang Kantor secara bersama-sama dengan Kepuasan Kerja Pegawai dapat dihitung.
=
= 0,5959
19
Hasil perhitungan korelasi sederhana dan ganda dapat digambarkan sebagai berikut :
Dari perhitungan tersebut, ternyata besarnya korelasi ganda R harganya lebih besar dari
korelasi Individual ryx1 dan ryx2.
Pengujian signifikansi terhadap koefisien korelasi ganda dapat menggunakan rumus
berikut, yaitu dengan uji F.
Dimana :
R = koefisien korelasi ganda
k = jumlah variabel Independen
n = jumlah sampel
Berdasarkan angka yang telah ditemukan, dan bila n = 30, maka harga Fh, dapat dihitung
dengan rumus.
= 7,43
Harga tersebut selanjutnya dibandingkan dengan harga F tabel dengan dk pembilang = k
dan dk penyebut = (n – k – 1). Jadi dk pembilang = 2 dan dk penyebut = 10-2-1 = 7. Dengan taraf
kesalahan 5%, harga F tabel ditemukan = 4,74. Ternyata harga F hitung lebih besar dari F tabel
(7,43 > 4,74). Karena Fh > dari F tabel maka koefisien korelasi ganda yang ditemukan adalah
signifikan (dapat diberlakukan untuk populasi dimana sampel diambil).
20
Contoh Analisis Korelasi Multipel
Perhatikan Tabel Berikut Ini
Tabel 3.1 Nilai Tes, Disiplin, Dan Kinerja Dari 10 Guru
Keterangan:
Y = Kinerja (satuan)
X1 = nilai tes
X2 = Disiplin
Contoh soal:
Dengan menggunakan data Tabel di atas, tentukan koefisien determinasi bergandanya!
Penyelesaian:
Dari jawaban contoh soal sebelumnya, diperoleh:
Contoh Soal:
Dengan menggunakan data Tabel di atas, tentukan koefisien korelasi bergandanya!
Penyelesaian:
Dari jawaban contoh soal sebelumnya diperoleh koefisien determinasi berganda
Jadi,
Y 32 15 30 34 35 10 39 26 11 23
160 80 112 185 152 90 170 140 115 150
5.5 6 9.5 5 8 3 9 5 0.5 1.5
21
Dalam prakteknya, koefisien korelasi berganda tidak begitu penting artinya. Yang
lebih penting adalah koefisien determinasi berganda .
Contoh Soal:
Dengan menggunakan data Tabel di atas, tentukan korelasi berikut!
a. b. c.
Penyelesaian:
Dari jawaban contoh soal sebelumnya, diperoleh:
Contoh Soal:
Dengan menggunakan data Tabel di atas
a. Tentukan koefisien penentu parsialnya masing-masing!
b. Faktor manakah yang dominan mempengaruhi keluaran (Y)?
Penyelesaian:
Dari jawaban contoh soal sebelumnya diketahui:
a. – Koefisien penentu parsial dari terhadap , jika konstan.
22
– Koefisien penentu parsial dari terhadap , jika konstan.
– Koefisien penentu parsial dari terhadap , jika konstan.
b. Faktor dominan yang mempengaruhi keluaran (Y) adalah nilai tes ( , karena memiliki
koefisien penentu parsial tertinggi.
III.2. Korelasi Kanonik
Analisis korelasi kanonik pada dasarnya merupakan salah satu metode analisis
variabel/peubah ganda yang ditujukan untuk mengetahui keterkaitan antara dua kelompok peubah.
Besarnya keterkaitan ini diukur dengan nilai korelasi antara dua kelompok tersebut. Kalau ternyata
korelasi dua kelompok ini nyata serta secara teoritis ada hubungan fungsional antara keduanya,
maka melalui analisis regresi multivariate dapat dirumuskan model yang menghubungkan
keduanya. Dalam hal ini satu kelompok sebagai peubah prediktor (misalnya parameter ENSO
dan/atau Dipole Mode) dan lainnya sebagai peubah respon (misalnya curah hujan). Dari sini dapat
dilakukan prediksi satu kelompok peubah berdasar peubah pada kelompok lainnya.
Untuk merumuskan analisis korelasi kanonik, misalkan ada dua kelompok peubah :
Kelompok I : ada m peubah, yaitu x1, x2, …, xm (misalnya SOI, ASPL Nino 3, 4, 3.4)
Kelompok II : ada p peubah, yaitu y1, y2, …, yp (misalnya curah hujan pada beberapa lokasi)
Jika terdapat sejumlah n data pengamatan, maka matriks data adalah sebagai berikut :
npnnnmnn
pm
pm
pmnx
yyyxxx
yyyxxx
yyyxxx
YXZ
......
......
......
......
......
)(
2121
2222122221
1121111211
)(
Keterkaitan dua kelompok tersebut diwakili oleh korelasi antara satu peubah baru di
kelompok I, misal U (disebut peubah kanonik) dengan peubah baru di kelompok II, misal Z. Dalam
hal ini U merupakan kombinasi linear peubah-peubah x. Sedangkan Z adalah kombinasi linear
peubah-peubah y.
23
xa
x
x
x
aaaU T
m
m
.
...2
1
21 dan yb
y
y
y
abbZ T
p
p
.
...2
1
21
Oleh karena itu yang diinginkan adalah mencari vektor koefisien a dan b, sedemikian
sehingga sehingga korelasi keduanya U dengan Z maksimum. Nilai korelasi inilah yang
menunjukkan keeratan antara peubah-peubah kelompok I dengan peubah-peubah kelompok II.
Dalam hal ini U dan Z adalah peubah baru sebagai representasi masing-masing kelompok,
dan disebut peubah kanonik. Permasalahan berikutnya adalah mencari koefisien dalam kombinasi
linear tersebut.
Jika matriks koragam (covariance matrix) dari kelompok I adalah Sxx dan kelompok II
adalah Syy, maka korelasi antara U dengan Z adalah :
bSbaSa
bSaybxaCorrZUCorr
yy
T
xx
T
xy
T
TT
)((),(),(
Permasalahan di sini adalah memaksimumkan nilai korelasi tersebut, yaitu aTSxyb, dengan
kendala bahwa aTSxxa dan b
TSyyb adalah satu (ini dimaksudkan untuk mempermudah perhitungan
tanpa merubah makna).
Permasalahan ini pemaksimum ini dapat dirumuskan sebagai :
Memaksimumkan : aTSxyb
Dengan kendala : aTSxxa = b
TSyyb = 1
Melalui Pengganda Lagrange, maka fungsi yang dimaksimumkan adalah :
f(a,b)= aTSxyb - ( a
TSxxa –1) - (b
TSyyb – 1)
Melalui manipulasi matematika, diperoleh dua persamaan kanonik berikut :
011 bISSSS xyxxyxyy dan 011 aISSSS yxyyxyxx
Ini berarti bahwa akar dari akar ciri matriks xyxxyxyy SSSS 11 atau matriks yxyyxyxx SSSS 11
merupakan
korelasi dari dua kelompok tersebut (disebut korelasi kanonik). Vektor ciri yang bersesuaian
dengan akar ciri tersebut ada dua, yaitu vektor ciri a dari matriks yxyyxyxx SSSS 11 dan vektor ciri b
dari matriks xyxxyxyy SSSS 11 . Kedua vektor ciri tersebut sebagai vektor koefisien (disebut koefisien
kanonik atau sering disebut sebagai canonical weight) dari peubah kanonik. Dalam hal ini, kita
cukup mencari salah satu saja. Hal ini dikarenakan antara keduanya terdapat hubungan :
bSSa
xyxx
1
24
Analisis berikutnya adalah melakukan uji signifikansi terhadap nilai korelasi antara kedua
kelompok ini. Pengujian dimulai kalau kita hanya mengambil satu peubah kanonik saja, yaitu yang
pertama. Kalau hasil pengujian menunjukan bahwa korelasi adalah nyata, maka dilanjutkan kalau
mengambil dua peubah kanonik, dan begitu seterusnya, sampai dengan pengujian tidak nyata.
Statistik yang dipakai untuk pengujian adalah :
),min(
1'
2
)1(
ln)}1(2
1)1{(
pm
Mj
j
pmn
Λ disebut Lambda Wilk
Dalam hal ini :
M’=0 untuk menguji korelasi kanonik pertama
M’=1 untuk menguji korelasi kanonik kedua
Dst.
Statistik tersebut dibandingkan dengan nilai tabel χ2 pada derajat bebas (m-M’)x(p-M’).
Karena satuan peubah-peubah yang digunakan dalam penelitian ini berbeda, maka digunakan
matriks korelasi, R (yaitu Rxx, Rxy, Ryx, maupun Ryy).
Untuk keperluan interpretasi dalam analisis korelasi kanonik, dikenal beberapa besaran,
yaitu :
a. Canonical Loading
Canonical loading merefleksikan derajat suatu peubah direpresentasikan oleh peubah kanonik.
Canonical loading dihitung dengan rumus :
j
xx
j
Ux aRr dan j
yy
j
Zy bRr
j
Uxr merupakan canonical loading peubah asli x dengan peubah kanonik U ke j.
j
Zyr merupakan canonical loading peubah asli y dengan peubah kanonik Z ke j.
b. Proportion of Explained Variance
Besaran berikutnya adalah 2
)( yjR yaitu suatu besaran yang merepresentasikan proporsi
variance di dalam ruang y yang diterangkan oleh peubah kanonik ke j. Sedangkan proporsi variance
di dalam ruang x yang diterangkan oleh peubah kanonik ke j adalah 2
)( xjR . Kedua besaran tersebut
dirumuskan sebagai :
p
rrR
Zy
T
Zy
yj
22
2
)(
)(
25
m
rrR Ux
T
Uxxj
222
)(
)(
c. Cross-Loading
Cross-loading menyatakan hubungan antara peubah asli disatu kelompok dengan peubah
kanonik di kelompok lain. Nilai cross-loading diperoleh dengan mengalikan koefisien korelasi
dengan canonical loading-nya.
Cross-loading yi dengan peubah kanonik predictor ke j adalah :
(korelasi kanonik ke j)*(canonical loading peubah yi dengan Zj)
Cross-loading xi dengan peubah kanonik respon ke j adalah :
(korelasi kanonik ke j)*(canonical loading peubah xi dengan Uj)
26
BAB IV
ANALISIS VARIAN (ANAVA) DAN MULTIVARIAT ANALISIS VARIAN (MANOVA)
IV. 1. ANALISIS VARIAN (ANAVA)
Rancangan Analisis Varian Satu Jalur, disebut juga rancangan satu faktor, yaitu rancangan
yang menggunakan hanya satu variabel bebas atau variabel klasifikasi sampel, misalnya variabel
jenis kelamin atau variabel lokasi tempat tinggal, atau variabel klasifikasi lainnya, seperti metode
pembelajaran, media pembelajaran dan lain-lainnya. Jika dalam penelitian menggunakan metode
pembelajaran sebagai variabel bebas, maka metode pembelajaran diklasifikasi menjadi metode satu
(A1) metode dua (A2), metode tiga (A3) dan seterusnya sesuai dengan keperluan.
Dalam penelitian eksperimental, rancangan ini disebut Rancangan Rambang Lugas (Simple
Randomized Design). Jika menggunakan rancangan ini, maka ada beberapa syarat yang harus
dipenuhi, yaitu: (1) sampel-sampel langsung diambil dari populasi, bukan dari subpopulasi, (2)
pemilihan sampel dilakukan secara acak/rambang, (3) penentuan perlakuan dilakukan secara
rambang/acak, dan (4) yang memberi perlakuan dilakukan secara rambang/acak pula. Model
matematik yang digunakan dalam analisis, sering disebut rancangan analisis rancangan A, baik
untuk penelitian eksperimental maupun bukan eksperimental, adalah sebagai berikut. (1) Jika yang
terlibat dalam penelitian hanya dua sampel, digunakan uji-t untuk sampel independen (bebas). (2)
Jika yang dilibatkan dalam penelitian lebih dari dua sampel, digunakan uji-F (Analisis Varians) satu
jalur.
Langkah-langkah pengujian hipotesis dengan anava satu jalur
(1) Menghitung Jumlah Kuadrad Total (JKtot):
JKtot = ∑ Xtot2
(2) Menghitung Jumlah Kuadrad Antar Kelompok (JKantar):
JKantar =
N
X
n
X tot
A
A
22
(3) Menghitunng Jumlah Kuadrad Dalam Kelompok (JKdal):
JKdal = JKtot ─ JKantar
(4) Menghitung Mean Kuadrad (Rerata Jumlah Kuadrat atau RJK) antar Kelompok
(RJKantar):
N
X tot
2
27
RJKantar = 1a
JK antar a = jumlah kelompok
(5) Menghitung Rerata Jumlah Kuadrat dalam Kelompok (RJKdal)
RJKdal = aN
JK dal
N = jumlah seluruh sampel
(6) Menghitung harga Fhitung dengan rumus: dalam
antar
RJK
RJK
(7) Konsultasikan pada table F dengan db pembilang (a-1) dan db penyebut (N-a)
(8) Aturan keputusan : Jika F hitung lebih besar daripada F table pada ataraf
signifikansi tertentu (Misalnya: ts 5% atau 1%), maka Ha diterima dan H0 ditolak.
(9) Membuat kesimpulan, apakah terdapat perbedaan yang signifikan atau tidak
(10) Membuat Tabel Ringkasan Analisis Varians untuk Menguji Hipotesis k Sampel
Tabel 4.1. Tabel Ringkasan Analisis Varians untuk Menguji Hipotesis k Sampel
Sumber
Variasi
JK (SS) Db
(df)
RJK
(MS)
Fh Ftab Taraf sig
0.05 0.01
antar A
A
A
n
X2
a-1
1a
JK
dal
antar
RJK
RJK
….
Dalam
(error)
JKdal = JKtot ─ JKantar
N-a
aN
JKdal
-- --
Total
∑ Xtot2
N-1 -- -- --
Contoh Soal Anava dengan Analisis Menggunakan SPSS 16
Permasalahan:
Di suatu SMP di Kota Bengkulu kelas 7 terdiri dari 3 Lokal A, B, dan C. Pembagian kelas
ini berdasarkan kelengkapan fasilitas di kelas, kelas A paling bagus kelengkapan di kelas, kelas B
menengah, kelas C agak kurang. Pada pembelajaran Kimia diberlakukan 3 jenis metode
pembelajaran yaitu Latihan, Diskusi, dan Ceramah.
N
X tot
2
N
X tot
2
28
Berikut adalah hasil belajar (HB) yang diperoleh:
Metode
Kelas Latihan (L) Diskusi (D) Ceramah (Cr)
Kelas
A
87 83 95
84 88 83
74 76 83
71 69 75
68 92 88
74 85 81
Kelas B
69 79 71
91 71 91
82 85 67
79 70 70
95 92 92
76 86 80
Kelas C
68 87 83
79 90 76
83 81 82
72 94 95
85 87 70
76 91 67
a. Adakah perbedaan hasil belajar antara Kelas A,B, dan C?
b. Adakah perbedaan hasil belajar antara metode Latihan, Diskusi dan ceramah?
c. Adakah interaksi antara metode dengan kondisi kelas?
d. Adakah perbedaan antara AL, AD dan ACr
Adakah perbedaan antara BL, BD dan BCr
Adakah perbedaan antara CL, CD dan BCr
Adakah perbedaan antara LA, LB dan LC
Adakah perbedaan antara DA, DB dan DC
Adakah perbedaan antara CrA, CrB dan CrC
Jawaban: Akan digunakan Analisis dengan SPSS Anova 2 Jalur
Prasyarat:
1. Data berdistribusi normal
2. Data memiliki varian yang sama
3. Data berasal dari sampel independen
Akan dilakukan uji normalitas:
29
Tests of Normality
Kelas
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic Df Sig.
HB Kelas A .161 18 .200* .959 18 .584
Kelas B .174 18 .156 .916 18 .110
Kelas C .091 18 .200* .962 18 .645
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Tests of Normality
Metode
Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic df Sig.
HB Metode Latihan .124 18 .200* .956 18 .521
Metode Diskusi .179 18 .133 .912 18 .094
Metode Ceramah .125 18 .200* .937 18 .256
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Karena Data kurang dari 50 maka gunakan uji Shapiro-Wilk. Nilai signifikansi Shapiro-
Wilk baik untuk kelas maupun metode > 0,05. Artinya data berdistribusi normal. Sehingga
analisis 2 jalur dapat dilanjutkan
Hipotesis:
1. Ho’ : Ketiga kondisi kelas tersebut memiliki varian yang sama.
2. Ho’’ : Ketiga metode pembelajaran memiliki varian yang sama.
3. Ho’’’ : Kondisi kelas dan metode pembelajaran sama
4. Ho’’’’ : Interaksi antar sel sama
5. Hi’ : Ketiga kondisi kelas tersebut terdapat varian yang berbeda.
6. Hi’’ : Ketiga metode pembelajaran terdapat varian yang berbeda.
7. Hi’’’ : Kondisi kelas dan metode pembelajaran
8. Hi’’’’ : Interaksi antar Sel Berbeda
30
Kriteria pengambilan keputusan:
Jika nilai signifikansi > 0,05 maka Ho diterima
Jika nilai signifikansi < 0,05 maka Ho ditolak.
Tests of Between-Subjects Effects
Dependent Variable:HB
Source
Type III Sum of
Squares Df Mean Square F Sig.
Corrected Model 682.333a 8 85.292 1.224 .308
Intercept 353322.667 1 353322.667 5.068E3 .000
Kelas 11.111 2 5.556 .080 .924
Metode 244.333 2 122.167 1.752 .185
Kelas * Metode 426.889 4 106.722 1.531 .209
Error 3137.000 45 69.711
Total 357142.000 54
Corrected Total 3819.333 53
a. R Squared = .179 (Adjusted R Squared = .033)
Dari tabel diatas terlihat signifikansi kondisi kelas adalah 0,924 > 0,05 , dengan demikian
Ho’ diterima, artinya tidak ada perbedaan Hasil Belajar dengan kondisi kelas yang berbeda.
Nilai signifikansi untuk metode pembelajaran adalah 0,185 > 0,05, dengan demikian Ho’’
diterima, artinya tidak ada perbedaan Hasil Belajar dengan penerapan metode yang berbeda.
Nilai signifikansi interaksi Kelas * Metode adalah 0,209 > 0,05, dengan demikian Ho’’
diterima, artinya tidak ada perbedaan interaksi antarakondisi kelas dengan penerapan metode yang
berbeda terhadap Hasil Belajar.
Dengan hasil uji interaksi tidak ada perbedaan hasil belajar antara kondisi kelas* metode
mengajar, sudah dapat diprediksi bahwa interaksi antar sel juga tidak ada perbedaan. Namun untuk
lebih memantapkan akan dilihat analisis Tukey berikut ini:
31
Multiple Comparisons
HB
Tukey HSD
(I) Kelas (J) Kelas
Mean Difference
(I-J) Std. Error Sig.
95% Confidence Interval
Lower Bound Upper Bound
Kelas A Keas B .5556 2.78311 .978 -6.1896 7.3007
Kelas C -.5556 2.78311 .978 -7.3007 6.1896
Keas B Kelas A -.5556 2.78311 .978 -7.3007 6.1896
Kelas C -1.1111 2.78311 .916 -7.8563 5.6341
Kelas C Kelas A .5556 2.78311 .978 -6.1896 7.3007
Keas B 1.1111 2.78311 .916 -5.6341 7.8563
Based on observed means.
The error term is Mean Square(Error) = 69.711.
Dari tabel diatas terlihat semua nilai signifikansi > 0,05, dengan demikian Ho diterima,
yang artinya tidak ada perbedaan interaksi antar sel pada kelas yang berbeda.
Multiple Comparisons
HB
Tukey HSD
(I) Metode (J) Metode
Mean Difference
(I-J) Std. Error Sig.
95% Confidence Interval
Lower Bound Upper Bound
Metode Latihan Metode Diskusi -5.1667 2.78311 .163 -11.9118 1.5785
Metode Ceramah -2.0000 2.78311 .754 -8.7452 4.7452
Metode Diskusi Metode Latihan 5.1667 2.78311 .163 -1.5785 11.9118
Metode Ceramah 3.1667 2.78311 .496 -3.5785 9.9118
Metode Ceramah Metode Latihan 2.0000 2.78311 .754 -4.7452 8.7452
Metode Diskusi -3.1667 2.78311 .496 -9.9118 3.5785
Based on observed means.
The error term is Mean Square(Error) = 69.711.
Dari tabel diatas terlihat semua nilai signifikansi > 0,05, dengan demikian Ho diterima,
yang artinya tidak ada perbedaan interaksi antar sel pada metode yang berbeda.
IV. 2. MULTIVARIAT ANALISIS VARIAN (MANAVA)
Manova adalah teknik statistik yang dapat digunakan secara bersamaan mengeksplorasi
hubungan antara beberapa variabel kategoris independen (biasanya dirujuk sebagai pengobatan) dan
dua atau lebih variabel dependen metrik. Manova berguna ketika peneliti desain situasi
eksperimental (manipulasi beberapa variable pengobatan nonmetric) uji t hipotesis mengenai
varians dalam respon kelompok pada dua atau lebih variabel dependen metrik.
32
Manova adalah teknik statistik yang dapat digunakan secara simultan untuk mengeksplor
hubungan antara beberapa kategori variabel independen (biasanya berupa perlakuan) dan dua atau
lebih variabel dependen. Manova berguna ketika peneliti mendesain situasi eksperimental
(manipulasi beberapa variabel perlakuan nonmetrik) hipotesis uji t mengenai varian pada respon
kelompok dua tau lebih variabel.
Letak perbedaan Manova dan Anova hanya pada jumlah variabel terikatnya. Anova
menganalis hubungan antara beberapa kategori variabel bebas dengan satu variebel terikat,
sementara Manova menggabungkan dua atau lebih variabel terikat dalam analisis yang sama,
sehingga memungkinkan tes yang dilakukan semakin kuat. Hal ini dapat dilakukan dan dibenarkan
hanya apabila peneliti yakin adanya korelasi di antara variabel-variabel terikat tersebut. Manova
dapat digunakan dalam analisis data hasil penelitian apabila nilai respon atau variabel dependennya
berjumlah lebih besar atau sama dengan dua.
KASUS
1. Ada perbedaan nilai Pengetahuan dan Keterampilan antara mahasiswa yang memiliki
banyak referensi dan sedikit referensi di Prodi Matematika FKIP UNIB.
2. Ada perbedaan nilai Pengetahuan dan Keterampilan antara mahasiswa angkatan 1, 2, 3 Prodi
Matematika FKIP UNIB.
3. Ada Interaksi antara angkatan dan banyak referensi terhadap nilai pengetahuan dan keterampilan.
Referensi ANGKATAN Pengetahuan Keterampilan
1 1 7 6
1 1 6 5
1 1 6 6
1 1 7 6
1 1 7 5
1 1 7 6
1 1 7 7
1 1 7 6
2 1 7 6
2 1 6 5
2 1 6 6
2 1 6 6
2 1 7 6
2 1 6 7
2 1 6 7
2 1 6 7
1 2 7 7
1 2 7 7
1 2 8 7
33
1 2 7 7
1 2 7 7
1 2 7 7
1 2 7 7
1 2 7 7
2 2 7 7
2 2 8 8
2 2 9 9
2 2 8 9
2 2 9 9
2 2 9 8
2 2 8 8
2 2 8 9
1 3 9 8
1 3 9 8
1 3 8 9
1 3 9 9
1 3 8 9
1 3 9 8
1 3 8 8
1 3 8 9
2 3 8 8
2 3 8 8
2 3 9 9
2 3 8 9
2 3 9 9
2 3 9 8
2 3 8 8
2 3 8 9
Rumus Yang dipakai
Menggunakan Multivariat Analysis of Varian (Manova)
Dinanalisis menggunakan SPSS 16
Dilakukan dengan Multivariat analisis varian (Manova), menggunakan aplikasi SPSS 16 dengan
langkah sebagai berikut:
1. Masukkan data pada data view
2. Pemberian nama, label dan value pada variabel view
3. Klik analize General linier model Multivariat
4. Masukkan Y1 dan Y2 ke dependen variabel , lalu X1 dan X2 ke fixed factor.
5. Klik Post hoc, masukkan X2 ke post hoc test, lalu klik Tukey dan continue.
6. Klic OK dan diperoleh tabel out put sebgai berikut:
34
Multivariate Testsc
Effect Value F Hypothesis df Error df Sig.
Intercept Pillai's Trace .997 7.763E3a 2.000 43.000 .000
Wilks' Lambda .003 7.763E3a 2.000 43.000 .000
Hotelling's Trace 361.071 7.763E3a 2.000 43.000 .000
Roy's Largest Root 361.071 7.763E3a 2.000 43.000 .000
X1 Pillai's Trace .458 18.149a 2.000 43.000 .000
Wilks' Lambda .542 18.149a 2.000 43.000 .000
Hotelling's Trace .844 18.149a 2.000 43.000 .000
Roy's Largest Root .844 18.149a 2.000 43.000 .000
X2 Pillai's Trace .320 4.184 4.000 88.000 .004
Wilks' Lambda .681 4.545a 4.000 86.000 .002
Hotelling's Trace .466 4.893 4.000 84.000 .001
Roy's Largest Root .463 10.180b 2.000 44.000 .000
X1 * X2 Pillai's Trace .000 .a .000 .000 .
Wilks' Lambda 1.000 .a .000 43.500 .
Hotelling's Trace .000 .a .000 2.000 .
Roy's Largest Root .000 .000a 2.000 42.000 1.000
a. Exact statistic
b. The statistic is an upper bound on F that yields a lower bound on the significance level.
c. Design: Intercept + X1 + X2 + X1 * X2
Dari tabel Multivariate Testsc
1. Nilai Signifikansi Wilks’ Lamda untuk X1 sebesar 0,000 < 0,05, Ho ditolak, artinya Ada
perbedaan nilai Pengetahuan dan nilai keterampilan antara mahasiswa banyak referensi dan sedikit
referensi pada Prodi Matematika FKIP UNIB.
2. Nilai Signifikansi Wilks’ Lamda untuk X2 sebesar 0,002 < 0,05, Ho ditolak, artinya Ada
perbedaan nilai Pengetahuan dan nilai keterampilan antara mahasiswa angkatan 1,2 dan 3 pada
Prodi Matematika FKIP UNIB.
3. Nilai Signifikansi Wilks’ Lamda untuk X1*X2 sebesar 0,000 < 0,05, Ho ditolak, artinya ada
intraksi antara banyaknya referensi dan angkatan terhadap nilai pengetahuan dan keterampilan.
Jika pada Tabel (Tabel Manova) perbedaan banyak referensi dan angkatan mempengaruhi
nilai pengetahuan dan nilai keterampilan, serta interaksi antara banyak referensi dan angkatan
mempengaruhi nilai pengetahuan dan nilai keterampilan. Kondisi ini, tidak berbeda pula pada
pengujian secara univariat Tabel test between berikut :
35
Tests of Between-Subjects Effects
Source
Dependent
Variable
Type III Sum of
Squares df Mean Square F Sig.
Corrected Model Pengetahuan 35.604a 3 11.868 42.412 .000
Keterampilan 56.854b 3 18.951 56.294 .000
Intercept Pengetahuan 2686.914 1 2686.914 9.602E3 .000
Keterampilan 2607.502 1 2607.502 7.745E3 .000
X1 Pengetahuan 5.063 1 5.063 18.091 .000
Keterampilan 7.563 1 7.563 22.464 .000
X2 Pengetahuan 2.271 2 1.135 4.058 .024
Keterampilan 4.771 2 2.385 7.086 .002
X1 * X2 Pengetahuan .000 0 . . .
Keterampilan .000 0 . . .
Error Pengetahuan 12.312 44 .280
Keterampilan 14.812 44 .337
Total Pengetahuan 2778.000 48
Keterampilan 2712.000 48
Corrected Total Pengetahuan 47.917 47
Keterampilan 71.667 47
a. R Squared = .743 (Adjusted R Squared = .726)
b. R Squared = .793 (Adjusted R Squared = .779)
Jika kita perhatika bahwa:
1. Nilai Signifikansi X1 terhadap Y1 sebesar 0,000 dan X1 terhadap Y2 sebesar 0,000. Kedua
nilai signifikansi < 0,05, Ho ditolak, artinya Ada perbedaan nilai pengetahuan anatara
mahasiswa yang banyak referensi dengan yang sedikit referensi pada prodi Matematika
FKIP UNIB. Ada perbedaan juga nilai keterampilan antara mahasiswa angkatan 1, 2, dan 3
Prodi Matematika FKIP UNIB.
2. Nilai Signifikansi X2 terhadap Y1 sebesar 0,024 < 0.05 dan X2 terhadap Y2 sebesar 0,02
< 0,05. artinya Ada perbedaan nilai pengetahuan antara mahasiswa yang sedikit referensi
pada prodi Matematika FKIP UNIB. Ada perbedaan juga nilai keterampilan antara
mahasiswa angkatan 1,2 dan 3 Prodi Matematika FKIP UNIB.
3. Nilai Signifikansi X1*X2 terhadap Y1 0,000 < 0,05, Nilai Signifikansi X1*X2 terhadap
Y2 0,000 < 0,05 Ho ditolak, artinya ada intraksi antara banyak referensi dan angkatan
terhadap nilai pengetahuan dan keterampilan.
36
Tukey HSD
Dependent
Variable
(I)
Angkatan (J) Angkatan
Mean
Difference (I-J) Std. Error Sig.
95% Confidence Interval
Lower Bound Upper Bound
Pengetahuan Angkatan 1 Angkatan 2 -1.1875* .18703 .000 -1.6411 -.7339
ANgkatan 3 -1.9375* .18703 .000 -2.3911 -1.4839
Angkatan 2 Angkatan 1 1.1875* .18703 .000 .7339 1.6411
ANgkatan 3 -.7500* .18703 .001 -1.2036 -.2964
ANgkatan 3 Angkatan 1 1.9375* .18703 .000 1.4839 2.3911
Angkatan 2 .7500* .18703 .001 .2964 1.2036
Keterampilan Angkatan 1 Angkatan 2 -1.6250* .20514 .000 -2.1226 -1.1274
ANgkatan 3 -2.4375* .20514 .000 -2.9351 -1.9399
Angkatan 2 Angkatan 1 1.6250* .20514 .000 1.1274 2.1226
ANgkatan 3 -.8125* .20514 .001 -1.3101 -.3149
ANgkatan 3 Angkatan 1 2.4375* .20514 .000 1.9399 2.9351
Angkatan 2 .8125* .20514 .001 .3149 1.3101
Based on observed means.
The error term is Mean Square(Error) = .337.
*. The mean difference is significant at the .05 level.
1. Secara statistik terdapat perbedaan yang signifikan terhadap rata-rata nilai pengetahuan
antara Angkatan 1 dan angkatan 2 dan antara angkatan 1 dan angkatan 3 prodi Matematika
FKIP UNIB. Nilai signifakansi 0,000 < 0,05.
2. Secara statistik terdapat perbedaan yang signifikan terhadap rata-rata nilai pengetahuan
antara Angkatan 2 dan angkatan 1 dan antara angkatan 2 dan angkatan 3 prodi Matematika
FKIP UNIB. Nilai signifakansi masing-masing 0,000 < 0,05 dan 0,001< 0,005.
3. Secara statistik terdapat perbedaan yang signifikan terhadap rata-rata nilai pengetahuan
antara Angkatan 3 dan angkatan 1 dan antara angkatan 3 dan angkatan 2 prodi Matematika
FKIP UNIB. Nilai signifikansi masing-masing 0,000 < 0,05 dan 0,001< 0,005.
4. Secara statistik terdapat perbedaan yang signifikan terhadap rata-rata nilai keterampilan
antara Angkatan 1 dan angkatan 2 dan antara angkatan 1 dan angkatan 3 prodi Matematika
FKIP UNIB. Nilai signifakansi 0,000 < 0,05.
5. Secara statistik terdapat perbedaan yang signifikan terhadap rata-rata nilai keterampilan
antara Angkatan 2 dan angkatan 1 dan antara angkatan 2 dan angkatan 3 prodi Matematika
FKIP UNIB. Nilai signifakansi masing-masing 0,000 < 0,05 dan 0,001< 0,005.
6. Secara statistik terdapat perbedaan yang signifikan terhadap rata-rata nilai keterampilan
antara Angkatan 3 dan angkatan 1 dan antara angkatan 3 dan angkatan 2 prodi Matematika
FKIP UNIB. Nilai signifikansi masing-masing 0,000 < 0,05 dan 0,001< 0,005.
37
Kesimpulan:
1. Ada perbedaan nilai Pengetahuan dan nilai keterampilan antara mahasiswa banyak referensi dan
sedikit referensi pada Prodi Matematika FKIP UNIB (Nilai Signifikansi Wilks’ Lamda untuk X1
sebesar 0,000 < 0,05).
2. Ada perbedaan nilai Pengetahuan dan nilai keterampilan antara mahasiswa angkatan 1,2 dan 3 pada
Prodi Matematika FKIP UNIB (Nilai Signifikansi Wilks’ Lamda untuk X2 sebesar 0,002 <
0,05).
3. Ada intraksi antara banyaknya referensi dan angkatan terhadap nilai pengetahuan dan keterampilan.
(Nilai Signifikansi Wilks’ Lamda untuk X1*X2 sebesar 0,000 < 0,05)
38
BAB V
ANALISIS KOVARIAN (ANAKOVA) DAN MULTIVARIAT ANALISIS KOVARIAN
(MANAKOVA)
V.1. ANALISIS KOVARIAN (ANAKOVA)
Pengertian gamblangnya analisis kovarian (anakova) adalah penggabungkan antara uji
komparatif dan korelasional. Lantas apa bedanya anakova dengan dengan anova? Kalau anova
hanya menguji perbandingan saja akan tetapi kalau anakova kita menguji perbandingan sekaligus
hubungkan.
Contoh Soal
Misalkan Data Penelitian dengan Judul: “ Pengaruh model pembelajaran kontekstual media pembelajaran ,
dan jenis sekolah terhadap kemampuan pemahaman konsep matematika dengan mengontrol kovariat gaya
kognitif (Studi Eksperimen pada Siswa SMP)”
Keterangan Variabel
Y : Kemampuan Pemahaman Konsep Matematika
X : Gaya Kognitif
A : Model Pembelajaran Kontekstual dengan Bantuan Media
B : Jenis Sekolah
Model: Regresi
Y = aX + b
X = a’A +b’ B
Model Anakova:
A
B
X Y
A1 X Y
A2
A3
39
Data
NO A B X Y
1 1 1 176 67
2 1 1 78 73
3 1 1 87 68
4 1 1 67 80
5 1 1 56 62
6 1 1 132 56
7 1 1 123 63
8 1 1 121 78
9 1 1 86 79
10 1 1 123 72
11 1 1 87 56
12 1 1 65 64
13 1 1 72 55
14 1 1 169 60
15 1 1 77 71
16 1 1 88 68
17 1 1 87 82
18 1 1 120 79
19 1 1 125 50
20 1 1 124 55
21 1 1 89 61
22 1 1 93 79
23 1 1 187 69
24 1 1 190 48
25 1 1 167 66
26 1 1 186 78
27 1 1 135 84
28 1 1 143 74
29 1 1 145 62
30 1 1 176 59
31 1 1 76 66
32 1 1 72 67
33 1 1 87 79
34 1 1 79 82
35 1 1 168 71
36 1 1 134 62
37 1 1 152 69
38 1 1 129 57
39 1 1 146 59
40 1 1 128 77
41 1 1 123 72
42 1 1 56 72
X Y B1
B2
40
NO A B X Y
43 1 1 75 73
44 1 1 65 65
45 1 1 78 56
46 1 1 78 76
47 1 1 87 80
48 1 1 69 82
49 1 1 89 79
50 1 1 75 79
51 2 1 54 62
52 2 1 154 62
53 2 1 147 64
54 2 1 124 63
55 2 1 132 66
56 2 1 178 67
57 2 1 92 70
58 2 1 73 62
59 2 1 94 75
60 2 1 75 52
61 2 1 78 55
62 2 1 154 70
63 2 1 73 80
64 2 1 123 61
65 2 1 145 66
66 2 1 167 64
67 2 1 164 75
68 2 1 78 74
69 2 1 89 72
70 2 1 127 55
71 2 1 76 69
72 2 1 131 68
73 2 1 121 65
74 2 1 93 69
75 2 1 190 57
76 2 2 120 63
77 2 2 125 70
78 2 2 124 55
79 2 2 89 67
80 2 2 93 62
81 2 2 187 56
82 2 2 190 63
83 2 2 167 70
84 2 2 186 69
85 2 2 135 65
86 2 2 143 67
87 2 2 145 62
88 2 2 176 80
89 2 2 76 82
90 2 2 72 65
91 2 2 87 67
92 2 2 79 68
93 2 2 168 65
41
NO A B X Y
94 2 2 134 69
95 2 2 152 55
96 2 2 129 89
97 2 2 146 77
98 2 2 128 70
99 2 2 123 67
100 2 2 56 55
101 3 2 75 67
102 3 2 65 62
103 3 2 78 65
104 3 2 78 69
105 3 2 87 65
106 3 2 69 69
107 3 2 89 67
108 3 2 75 62
109 3 2 54 79
110 3 2 154 63
111 3 2 147 66
112 3 2 124 87
113 3 2 132 69
114 3 2 178 55
115 3 2 92 60
116 3 2 73 62
117 3 2 94 75
118 3 2 75 74
119 3 2 78 87
120 3 2 154 67
121 3 2 65 65
122 3 2 70 70
123 3 2 72 72
124 3 2 75 75
125 3 2 87 87
126 3 2 61 61
127 3 2 67 67
128 3 2 89 89
129 3 2 69 69
130 3 2 63 63
131 3 2 55 55
132 3 2 60 60
133 3 2 87 87
134 3 2 82 82
135 3 2 69 69
136 3 2 80 80
137 3 2 67 67
138 3 2 65 65
139 3 2 70 70
140 3 2 65 65
141 3 2 87 87
142 3 2 66 66
143 3 2 73 73
144 3 2 88 88
42
NO A B X Y
145 3 2 86 86
146 3 2 85 85
147 3 2 69 69
148 3 2 63 63
149 3 2 70 70
150 3 2 77 77
Jawaban dengan Menggunakan Aplikasi SPSS 16, hasil output olah data adalah sebagai
berikut:
Between-Subjects Factors
Value Label N
Model Pembelajaran 1 Model Pembelajaran dg Media 1 50
2 Model Pembelajaran dg Media 2 50
3 Model Pembelajaran dg Media 3 50
Jenis Sekolah 1 Negeri 75
2 Swasta 75
Tests of Between-Subjects Effects
Dependent Variable:Kemampuan Konsep Mtk
Source
Type I Sum of
Squares df Mean Square F Sig.
Corrected Model 704.838a 4 176.209 2.260 .065
Intercept 709190.640 1 709190.640 9.097E3 .000
X 405.237 1 405.237 5.198 .024
A 262.203 2 131.102 1.682 .190
B 37.397 1 37.397 .480 .490
A * B .000 0 . . .
Error 11304.522 145 77.962
Total 721200.000 150
Corrected Total 12009.360 149
a. R Squared = .059 (Adjusted R Squared = .033)
INTERPRETASI DATA SPSS
1. Dari tabel output SPSS diperoleh sig. Variabel X (Gaya Kognitif) sebesar 0,024% . Karena
nilai Sig. < 0,05 maka H0 ditolak. Hal ini berarti bahwa ada hubungan antara Gaya Kognitif
(X) dengan Kemampuan Pemahaman Konsep Matematika (Y) yang diperoleh oleh siswa.
Anakova sudah memenuhi syarat.
2. Dilakukan pengujian untuk mengetahui pengaruh perbedaan model pembelajaran terhadap
Kemampuan pemahaman konsep matematika yang diperoleh siswa. Pengujian ini dilakukan
dengan menghilangkan pengaruh Gaya Kognitif dari model. Dari hasil pengolahan terlihat
43
bahwa angka signifikansi untuk peubah model pembelajaran adalah 0,190. Karena nilainya
di atas 0,05 maka H0 diterima. Sehingga dapat disimpulkan bahwa tanpa gaya kognitif
(GK), pada tingkat kepercayaan 95% tidak ada pengaruh perbedaan model pembelajaran
terhadap kemampuan pemahaman konsep matematika yang diperoleh siswa.
3. Kemudian dilakukan pengujian untuk mengetahui pengaruh perbedaan jenis sekolah
terhadap Kemampuan pemahaman konsep matematika yang diperoleh siswa. Pengujian ini
dilakukan dengan menghilangkan pengaruh Gaya Kognitif dari model. Dari hasil
pengolahan terlihat bahwa angka signifikansi untuk peubah jenis sekolah adalah 0,490.
Karena nilainya di atas sedikit dari 0,05 maka H0 diterima. Sehingga dapat disimpulkan
bahwa tanpa gaya kognitif (GK), pada tingkat kepercayaan 95% tidak ada pengaruh
perbedaan jenis sekolah terhadap kemampuan pemahaman konsep matematika yang
diperoleh siswa.
4. Selanjutnya dilakukan pengujian untuk mengetahui pengaruh perbedaan model
pembelajaran dan jenis sekolah terhadap Kemampuan pemahaman konsep matematika yang
diperoleh siswa. Pengujian ini dilakukan dengan menghilangkan pengaruh Gaya Kognitif
dari model. Dari hasil pengolahan terlihat bahwa angka signifikansi untuk peubah model
pembelajaran dan jenis sekolah adalah 0. Karena nilainya < 0,05 maka H0 ditolak.
Sehingga dapat disimpulkan bahwa tanpa gaya kognitif (GK), pada tingkat kepercayaan
95% ada pengaruh perbedaan model pembelajaran dan jenis sekolah terhadap kemampuan
pemahaman konsep matematika yang diperoleh siswa.
Untuk mengetahui pengaruh gaya kognitif siswa, perbedaaan model pembelajaran dan
jenis sekolah terhadap kemampuan pemahaman konsep matematika yang diperoleh siswa secara
simultan dapat dilihat dari angka signifikansi pada bagian Corrected Model. Terlihat bahwa angka
signifikansinya adalah sebesar 0,065. Karena nilai signifikansi di atas 0,05 maka H0 diterima.
Sehingga pada tingkat kepercayaan 95% dapat disimpulkan bahwa secara simultan GK siswa,
model pembelajaran dan jenis sekolah tidak mempengaruhi secara signifikan kemampuan
pemahaman konsep matematika yang diperoleh siswa.
44
V.2. MULTIVARIAT ANALISIS KOVARIAN (MANAKOVA)
Multivariate Analysis of Covariance adalah analisis kovarian di mana setidaknya ada dua
variabel dependen yang diukur secara simultan untuk menguji apakah terdapat perbedaan perlakuan
terhadap sekelompok variabel dependen setelah disesuaikan dengan pengaruh variabel konkomitan .
Analisis multi kovarian digunakan untuk membandingkan dua data atau lebih yang
semuanya bersifat interval dari dua kelompok atau lebih, disertai pengendalian satu atau lebih data
yang juga semuanya bersifat interval. Analisis Kovariansi sangat membantu dalam menghasilkan
kesimpulan yang lebih akurat. Pada variabl dependen, terdapat satu atau lebih kuantitatif variabel
yang dikenal kovariat atau konkomitan variabel. Secara umum, kovariat merupakan variabel yang
secara teoritik berkorelasi dengan variabel terikat atau beberapa variabel yang menunjukkan
korelasi pada beberapa jenis subjek yang sama. Tujuan utama kovariat dilibatkan dalam penelitian
adalah untuk memperoleh presisi dengan menghilangkan variansi kesalahan. Selain itu,
pengikutsertaan kovariat juga bertujuan untuk menurunkan efek dari beberapa faktor yang tidak
dapat dikontrol oleh peneliti.
Contoh Kasus
Metode Balikan Kognitif Motorik Bakat Mekanik
1 1 71 74 60
1 1 85 86 60
1 1 88 89 80
1 1 80 85 70
1 1 77 76 50
1 1 69 69 50
1 1 72 73 30
1 1 87 89 60
1 1 92 94 60
1 1 77 79 70
1 1 66 68 10
1 1 80 81 50
1 1 84 85 70
1 1 78 79 90
1 1 85 85 70
1 2 71 71 99
1 2 85 86 70
1 2 71 73 80
1 2 67 67 50
1 2 86 88 80
1 2 77 79 70
1 2 75 76 50
1 2 80 82 70
1 2 77 76 80
1 2 68 69 90
45
Metode Balikan Kognitif Motorik Bakat Mekanik
1 2 65 66 40
1 2 58 58 40
1 2 66 69 60
1 2 67 62 80
1 2 90 82 90
2 1 74 76 60
2 1 63 64 60
2 1 54 54 80
2 1 80 82 90
2 1 69 71 80
2 1 70 69 30
2 1 66 67 20
2 1 75 76 70
2 1 67 69 80
2 1 70 73 90
2 1 60 62 80
2 1 55 57 50
2 1 60 60 10
2 1 61 63 60
2 1 50 52 30
2 2 64 65 70
2 2 56 58 90
2 2 70 72 80
2 2 69 71 90
2 2 72 74 30
2 2 73 76 70
2 2 60 60 20
2 2 57 70 90
2 2 70 72 80
2 2 58 60 40
2 2 83 80 70
2 2 77 78 60
2 2 57 59 60
2 2 63 66 60
2 2 70 65 60
Dilakukan dengan Multivariat analisis Kovarian (Manakova), menggunakan aplikasi
SPSS 16 dengan langkah sebagai berikut:
1. Masukkan data pada data view
2. Pemberian nama, label dan value pada variabel view
3. Klik analize General linier model Multivariat
4. Masukkan Y1 dan Y2 ke dependen variabel , lalu X1 dan X2 ke fixed factor.
5. Masukkan Z ke covariate
6. Klik Post hoc, masukkan X2 ke post hoc test, lalu klik Tukey dan continue.
7. Klic OK dan diperoleh tabel out put sebgai berikut:
46
Dengan menggunakan SPSS diperoleh:
Between-Subjects Factors
Value Label N
Metode 1 Demontrasi 30
2 Ceramah 30
Balikan 1 Balikan Segera 30
2 Balikan Ditunda 30
Multivariate Testsb
Effect Value F Hypothesis df Error df Sig.
Intercept Pillai's Trace .883 2.042E2a 2.000 54.000 .000
Wilks' Lambda .117 2.042E2a 2.000 54.000 .000
Hotelling's Trace 7.563 2.042E2a 2.000 54.000 .000
Roy's Largest Root 7.563 2.042E2a 2.000 54.000 .000
Z Pillai's Trace .168 5.444a 2.000 54.000 .007
Wilks' Lambda .832 5.444a 2.000 54.000 .007
Hotelling's Trace .202 5.444a 2.000 54.000 .007
Roy's Largest Root .202 5.444a 2.000 54.000 .007
X1 Pillai's Trace .325 12.971a 2.000 54.000 .000
Wilks' Lambda .675 12.971a 2.000 54.000 .000
Hotelling's Trace .480 12.971a 2.000 54.000 .000
Roy's Largest Root .480 12.971a 2.000 54.000 .000
X2 Pillai's Trace .074 2.165a 2.000 54.000 .125
Wilks' Lambda .926 2.165a 2.000 54.000 .125
Hotelling's Trace .080 2.165a 2.000 54.000 .125
Roy's Largest Root .080 2.165a 2.000 54.000 .125
X1 * X2 Pillai's Trace .135 4.209a 2.000 54.000 .020
Wilks' Lambda .865 4.209a 2.000 54.000 .020
Hotelling's Trace .156 4.209a 2.000 54.000 .020
Roy's Largest Root .156 4.209a 2.000 54.000 .020
a. Exact statistic
b. Design: Intercept + Z + X1 + X2 + X1 * X2
Dari tabel Multivariate Testsc
1. Nilai Signifikansi Wilks’ Lamda untuk X1 sebesar 0,000 < 0,05, Ho ditolak, artinya Ada
perbedaan nilai Kognitif dan nilai motorik antara mahasiswa yang diajarkan dengan metode
ceramah dan metode demontrasi pada Prodi Matematika FKIP UNIB.
2. Nilai Signifikansi Wilks’ Lamda untuk X2 sebesar 0,125 > 0,05, Ho diterima, artinya Tidak
ada perbedaan nilai Kognitif dan nilai motorik antara mahasiswa yang tugasnya diberikan baikan
segera dan tugas tidak diberikan balikan segera pada Prodi Matematika FKIP UNIB.
3. Nilai Signifikansi Wilks’ Lamda untuk X1*X2 sebesar 0,020 < 0,05, Ho ditolak, artinya ada
intraksi antara metode pembelajaran dan balikan yang diberikan terhadap Kognitif dan nilai
motorik.
47
Jika pada Tabel (Tabel Manova) perbedaan metode pembelajaran mempengaruhi nilai
Kognitif dan nilai motorik, perbedaan balikan terhadap tugas tidak mempengaruhi nilai Kognitif dan
nilai motorik, serta interaksi antara metode pembelajaran dan balikan mempengaruhi nilai Kognitif
dan nilai motorik.
48
BAB VI
REGRESI LINIER
Korelasi dan regresi keduanya mempunyai hubungan yang sangat erat. Setiap regresi
pasti ada korelasinya, tetapi korelasi belum tentu dilanjutkan dengan regresi. Korelasi yang
tidak dilanjutkan dengan regresi, adalah korelasi antara dua variabel yang tidak mempunyai
hubungan kasual/sebab akibat, atau hubungan fungsional. Untuk menetapkan kedua variabel
mempunyai hubungan kusal atau tidak, maka harus didasarkan pada teori atau konsep-konsep
tentang dua variabel tersebut.
Hubungan antara panas dengan tingkat muai panjang, dapat dikatakan sebagai
hubungan yang kausal, hubungan antara kepemimpinan dengan kepuasan kerja pegawai dapat
dikatakan hubungan yang fungsional, hubungan antara kupu-kupu yang datang dengan
banyaknya tamu di rumah bukan merupakan hubungan kausal maupun fungsional.
Kita gunakan analisis regresi bila kita ingin mengetahui bagaimana variabal
dependen/kriteria dapat diprediksikan melalui variabel independen atu variabel prediktor,
secara individual. Dampak dari penggunaan analisis regresi dapat digunakan untuk
memutuskan apakah naik dan menurunnya variabel dependen dapat dilakukan melalui
menaikan dan menurunkan keadaan variabel independen, atau meningkatkan keadaan variabel
dependen dapat dilakukan dengan meningkatkan variabel independen/dan sebaliknya.
VI.1. Regresi Linier Sederhana
Menurut Suprianto (1991:217) regresi linier sederhana bertujuan untuk
memperkirakan besarnay efek kuantitatif dari perubahan suatu kejadian terhadap kejadian
lain. Perubahan variabel terikat terhadap variabel bebas.
Regresi sederhana didasarkan pada hubungan fungsional ataupun kausal antara satu
variabel independen dengan satu variabel dependen. Persamaan umum regresi linier sederhana
adalah :
Dimana :
ý = subyek dalam variabel dependen yang diprediksikan
a = harga Y bila X = 0 (harga konstan)
b = angka arah atau koefisien regresi, yang menunjukkan angka peningkatan ataupun
penurunan variabel dependen yang didasarkan pada variabel independen.
Bila b (+) maka naik, dan bila (-) maka terjadi penurunan.
X = subyek pada variabel Independen yang mempunyai nilai tertentu
Y = a + bX
49
VI.2. Regresi Linier Berganda
Menurut Suprianto (1991:270) regresi linier berganda bertujuan untuk
memperkirakan nilai variabel Y terikat dari variabel lain yang mempengaruhinya.
Dengan demikian, akan ada hubungan antara variabel tidak bebas Y dengan beberapa
variabel lain yang bebas X1, X2, X3, ....Xn.
Menurut Sugiyono (2016:275) analisis regresi ganda digunakan oleh peneliti,
bila peneliti bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel
dependen (kriterium), bila dua atau lebih variabel independen sebagai prediktor
dimanipulasi (dinaik-turunkan nilainya). Jadi analisis regresi ganda akan dilakukan bila
jumlah variabel independennya minimal 2.
Persamaan regresi untuk dua prediktor adalah :
Y = a + b1X1 + b2X2
Persamaan regresi untuk tiga prediktor adalah :
Y = a + b1X1 + b2X2 + b3X3
Persamaan regresi untuk n prediktor adalah :
Y = a + b1X1 + b2X2 + b3X3 + ......+bnXn
Untuk bisa membuat ramalan melalui regresi, maka data setiap variabel harus
tersedia. Selanjutnya berdasarkan data itu peneliti harus dapat menemukan persamaan
regresi melalui perhitungan.
Contoh Kasus
Misalkan Anda melakukan penelitian eksperimen-semu dengan judul: “PENGARUH
KOMUNIKASI INTERPERSONAL, KOORDINASI DAN MOTIVASI KERJA,
TERHADAP PELAYANAN PUBLIK SERTA DAMPAKNYA TERHADAP KEPUASAN
KERJA KEPALA SEKOLAH SMP SE KOTA BENGKULU”
Berdasarkan latarbelakang masalah, dirumuskan permasalahan penelitian sebagai berikut:
1. Apakah komunikasi interpersonal berpengaruh terhadap pelayanan publik?
2. Apakah koordinasi berpengaruh terhadap pelayanan publik?
3. Apakah motivasi kerja berpengaruh terhadap pelayanan publik?
4. Apakah komunikasi interpersonal berpengaruh terhadap kepuasan kerja?
5. Apakah koordinasi berpengaruh terhadap kepuasan kerja?
50
6. Apakah motivasi kerja berpengaruh terhadap kepuasan kerja?
7. Apakah pelayanan public berpengaruh terhadap kepuasan kerja?
8. Apakah komunikasi interpersonal dan koordinasi berpengaruh secara simultan terhadap
pelayanan publik?
9. Apakah koordinasi dan motivasi kerja berpengaruh secara simultan terhadap pelayanan
publik?
10. Apakah komunikasi interpersonal dan motivasi kerja berpengaruh secara simultan terhadap
pelayanan publik?
11. Apakah komunikasi interpersonal, koordinasi, danmotivasi kerja berpengaruh secara
simultan terhadap pelayanan publik?
12. Apakah komunikasi interpersonal dankoordinasi berpengaruh secara simultan terhadap
kepuasan kerja?
13. Apakah koordinasi dan motivasi kerja berpengaruh secara simultan terhadap kepuasan
kerja?
14. Apakah komunikasi interpersonal dan motivasi kerja berpengaruh secara simultan terhadap
kepuasan kerja?
15. Apakah komunikasi interpersonal, koordinasi, dan motivasi kerja berpengaruh secara
simultan terhadap kepuasan kerja?
Perintah:
1. Jika variabel-veriabel penelitian di atas adalah X1: Komunikasi Interpersonal, X2:
Koordinasi, X3: Motivasi Kerja, Y: Pelayanan Publik, dan Z: Kepuasan Kerja, maka
susunlah Diagram Antar-Variabel berdasarkan rumusan di atas?
2. Rumuskan hipotesis penelitian dan hipotesis statistikanya?
3. Statistika Inferensial apakah yang sesuai untuk menganalisis data penelitian dengan judul di
atas?
4. Jika data hasil penelitian tertera sebagaimana Tabel 1, analisislah data tersebut dan ujilah
hipotesis statistika yang telah Anda susun? (Lihatlah Data Penelitian pada Tabel 6.1).
Tabel 6.1
DATA HASIL PENELITIAN
KODE
RESPONDEN X1 X2 X3 Y Z
1 26 38 55 60 64
2 46 45 45 50 55
3 47 46 60 62 72
4 25 30 35 40 50
51
KODE
RESPONDEN X1 X2 X3 Y Z
5 68 53 64 68 79
6 69 54 44 59 77
7 57 61 64 79 78
8 49 50 65 69 72
9 58 52 63 65 66
10 67 51 74 70 82
11 79 69 84 89 87
12 52 53 73 79 82
JAWAB (REGRESI GANDA)
15
10 1 4
8
12
2 7
X2 Y 5
9 13
14
3 6
11
1. PyX1
2. PyX2
3. PyX3
4. PzX1
5. PzX2
6. PZX3
7. PZY
8. PYX1X2
9. PYX2X3
10. PYX1X3
11. PYX1X2X3
12. PZX1X2
13. PZX2X3
14. PZX1X3
15. PZX1X2X3
X1
X2
X3
Z Y
52
1. Permasalahan : Apakah komunikasi interpersonal berpengaruh terhadap pelayanan
publik?
a. Diagram antar variabel berdasarkan rumusan masalah
b. Hipotesi penelitian dan hipotesis statistik
Hipotesis penelitian:
Ho diterima = Tidak Ada pengaruh komunikasi interpersonal terhadap
pelayanan publik
Ha diterima = Ada pengaruh komunikasi interpersonal terhadap pelayanan
publik
Hipotesis Statistik dipandang dari nilai signifikasnsi (sig.)
y,x1,x2... = 0, Signifikansi ≤0,05 : Ho diterima, tidak ada pengaruh
Ada y,x1,x2...≠ 0, Signifikansi > 0,05 : Ha diterima, ada pengaruh
c. Akan dianalisis dengan ANALISIS REGRESI Ganda dengan variabel:
Dependen ( Y) : Pelayanan Publik,
Independen (X1) : Komunikasi Interpersonal
d. Analisis menggunakan SPSS, dengan tabel coefisien sebagai berikut:
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 36.925 10.469 3.527 .005
Komunikasi .540 .187 .673 2.879 .016 1.000 1.000
a. Dependent Variable: Pelayanan Publik
BETA= 0,673 dan nilai signifikansi 0,016 <0,05 sehingga Ha diterima, yx1= 0,540 0,
terdapat pengaruh komunikasi terhadap pelayanan publik.
e. Model yang didapat adalah : Y = 36,925 +0,540 X1, Interpretasi : Nilai (constant)
menunjukan nilai sebesar 36,925 artinya jika nilai pengaruh komunikasi nol maka nilai
pelayanan publik (terikat) sebesar 36,925. Nilai koefisien komunikasi bernilai positif 0,540,
artinya setiap kenaikan 1(satu) nilai pada variabel komunikasi dalam hal ini meningkatkan
0,54 nilai variabel Y (pelayanan publik).
X1 Y
53
2. Permasalahan : Apakah koordinasi berpengaruh terhadap pelayanan publik?
a. Diagram antar variabel berdasarkan rumusan masalah
b. Hipotesi penelitian dan hipotesis statistik
Hipotesis penelitian:
Ho diterima = Tidak ada pengaruh koordinasi terhadap pelayanan publik
Ha diterima = Ada pengaruh koordinasi terhadap pelayanan publik
Hipotesis Statistik dipandang dari nilai signifikasnsi (sig.)
y,x1,x2... = 0, Signifikansi ≤0,05 : Ho diterima, tidak ada pengaruh
Ada y,x1,x2...≠ 0, Signifikansi > 0,05 : Ha diterima, ada pengaruh
c. Akan dianalisis dengan ANALISIS REGRESI Ganda dengan variabel:
Dependen ( Y) : Pelayanan Publik,
Independen (X2) : Koordinasi
d. Analisis menggunakan SPSS, dengan tabel coefisien sebagai berikut:
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) 7.424 10.082 .736 .478
Koordinasi 1.164 .197 .881 5.898 .000
a. Dependent Variable: Pelayanan Publik
BETA= 0,881 dan nilai signifikansi 0,000 <0,05 sehingga Ha diterima, yx2= 1,164 0,
terdapat pengaruh koordinasi terhadap pelayanan publik.
e. Model yang didapat adalah : Y = 7,424 +1,164 X2, Interpretasi : Nilai (constant)
menunjukan nilai sebesar 7,424 artinya jika nilai pengaruh koordinasi nol maka nilai
pelayanan publik (terikat) sebesar 7,424. Nilai koefisien koordinasi bernilai positif 1,164,
artinya setiap kenaikan 1(satu) nilai pada variabel koordinasi akan meningkatkan pelayanan
publik sebesar 1,164.
X2 Y
54
3. Permasalahan : Apakah Motivasi berpengaruh terhadap pelayanan publik?
a. Diagram antar variabel berdasarkan rumusan masalah
b. Hipotesi penelitian dan hipotesis statistik
Hipotesis penelitian:
Ho = Tidak ada pengaruh motivasi terhadap pelayanan publik
Ha = Ada pengaruh motivasi terhadap pelayanan publik
Hipotesis Statistik dipandang dari nilai signifikasnsi (sig.)
y,x1,x2... = 0, Signifikansi ≤0,05 : Ho diterima, tidak ada pengaruh
Ada y,x1,x2...≠ 0, Signifikansi > 0,05 : Ha diterima, ada pengaruh
c. Akan dianalisis dengan ANALISIS REGRESI Ganda dengan variabel:
Dependen ( Y) : Pelayanan Publik,
Independen (X3) : Motivasi
d. Analisis menggunakan SPSS, dengan tabel coefisien sebagai berikut:
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) 12.503 6.976 1.792 .103
MOTIVASI .881 .113 .927 7.829 .000
a. Dependent Variable: PELAYANAN PUBLIK
BETA= 0,927 dan nilai signifikansi 0,000 < 0,05 sehingga Ha diterima, yx3= 0,881 0,
terdapat pengaruh motivasi terhadap pelayanan publik.
e. Model yang didapat adalah : Y = 12,503 + 0,881 X3, Interpretasi : Nilai (constant)
menunjukan nilai sebesar 12,503 artinya jika nilai pengaruh motivasi nol maka nilai
pelayanan publik (terikat) sebesar 12,503. Nilai koefisien motivasi bernilai positif 0,881,
artinya setiap kenaikan 1(satu) nilai pada variabel motivasi akan meningkatkan pelayanan
publik sebesar 0,881.
X3 Y
55
4. Permasalahan : Apakah Komunikasi (X1) berpengaruh terhadap kepuasan kerja (Z)?
a. Diagram antar variabel berdasarkan rumusan masalah
b. Hipotesi penelitian dan hipotesis statistik
Hipotesis penelitian:
Ho = Tidak ada pengaruh komunikasi terhadap kepuasan kerja
Ha = Ada pengaruh komunikasi terhadap kepuasan kerja
Hipotesis Statistik dipandang dari nilai signifikasnsi (sig.)
y,x1,x2... = 0, Signifikansi ≤0,05 : Ho diterima, tidak ada pengaruh
Ada y,x1,x2...≠ 0, Signifikansi > 0,05 : Ha diterima, ada pengaruh
c. Akan dianalisis dengan ANALISIS REGRESI Ganda dengan variabel:
Dependen ( Z) : Kepuasan Kerja,
Independen (X1) : Komunikasi
d. Analisis menggunakan SPSS, dengan tabel coefisien sebagai berikut:
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) 42.577 7.221 5.896 .000
KOMUNIKASI .549 .129 .802 4.248 .002
a. Dependent Variable: KEPUASAN KERJA
BETA= 0,802 dan nilai signifikansi 0,002 < 0,05 sehingga Ha diterima, zx1= 0,549 0,
terdapat pengaruh komunikasi terhadap kepuasan kerja.
e. Model yang didapat adalah : Z = 42,557 + 0,549 X1, Interpretasi : Nilai (constant)
menunjukan nilai sebesar 42,559 artinya jika nilai pengaruh komunikasi nol maka nilai
kepuasan kerja (terikat) sebesar 42,559. Nilai koefisien komunikasi bernilai positif 0,549,
artinya setiap kenaikan 1(satu) nilai pada variabel komunikasi akan meningkatkan kepuasan
kerja sebesar 0,549.
X1 Z
56
5. . Permasalahan : Apakah Koordinasi (X2) berpengaruh terhadap kepuasan kerja (Z)?
a. Diagram antar variabel berdasarkan rumusan masalah
b. Hipotesi penelitian dan hipotesis statistik
Hipotesis penelitian:
Ho = Tidak ada pengaruh koordinasi terhadap kepuasan kerja
Ha = Ada pengaruh koordinasi terhadap kepuasan kerja
Hipotesis Statistik dipandang dari nilai signifikasnsi (sig.)
y,x1,x2... = 0, Signifikansi ≤0,05 : Ho diterima, tidak ada pengaruh
Ada y,x1,x2...≠ 0, Signifikansi > 0,05 : Ha diterima, ada pengaruh
c. Akan dianalisis dengan ANALISIS REGRESI Ganda dengan variabel:
Dependen ( Z) : Kepuasan Kerja,
Independen (X2) : Koordinasi
d. Analisis menggunakan SPSS, dengan tabel coefisien sebagai berikut:
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) 24.767 10.048 2.465 .033
KOORDINASI .942 .197 .834 4.786 .001
a. Dependent Variable: KEPUASAN KERJA
BETA= 0,834 dan nilai signifikansi 0,001 < 0,05 sehingga Ha diterima, zx2= 0,942 0,
terdapat pengaruh koordinasi terhadap kepuasan kerja.
e. Model yang didapat adalah : Z = 24,767 + 0,942 X2, Interpretasi : Nilai (constant)
menunjukan nilai sebesar 24,767 artinya jika nilai pengaruh koordinasi nol maka nilai
kepuasan kerja (terikat) sebesar 24,767. Nilai koefisien koordinasi bernilai positif 0,942,
artinya setiap kenaikan 1(satu) nilai pada variabel koordinasi akan meningkatkan kepuasan
kerja sebesar 0,942.
X2 Z
57
6. Permasalahan : Apakah Motivasi (X3) berpengaruh terhadap kepuasan kerja (Z)?
a. Diagram antar variabel berdasarkan rumusan masalah
b. Hipotesi penelitian dan hipotesis statistik
Hipotesis penelitian:
Ho = Tidak ada pengaruh motivasi terhadap kepuasan kerja
Ha = Ada pengaruh motivasi terhadap kepuasan kerja
Hipotesis Statistik dipandang dari nilai signifikasnsi (sig.)
y,x1,x2... = 0, Signifikansi ≤0,05 : Ho diterima, tidak ada pengaruh
Ada y,x1,x2...≠ 0, Signifikansi > 0,05 : Ha diterima, ada pengaruh
c. Akan dianalisis dengan ANALISIS REGRESI Ganda dengan variabel:
Dependen ( Z) : Kepuasan Kerja,
Independen (X3) : Motivasi
d. Analisis menggunakan SPSS, dengan tabel coefisien sebagai berikut:
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) 31.506 9.010 3.497 .006
MOTIVASI .669 .145 .824 4.602 .001
a. Dependent Variable: KEPUASAN KERJA
BETA= 0,824 dan nilai signifikansi 0,001 < 0,05 sehingga Ha diterima, zx3= 0,669 0,
terdapat pengaruh motivasi terhadap kepuasan kerja.
e. Model yang didapat adalah : Z = 31.506+ 0,669 X3, Interpretasi : Nilai (constant)
menunjukan nilai sebesar 31.506 artinya jika nilai pengaruh motivasi nol maka nilai
kepuasan kerja (terikat) sebesar 31.506. Nilai koefisien motivasi bernilai positif 0,669,
artinya setiap kenaikan 1(satu) nilai pada variabel motivasi akan meningkatkan kepuasan
kerja sebesar 0,669.
X3 Z
58
7. . Permasalahan :Apakah Pelayanan Publik (Y) berpengaruh terhadap kepuasan kerja (Z)?
a. Diagram antar variabel berdasarkan rumusan masalah
b. Hipotesi penelitian dan hipotesis statistik
Hipotesis penelitian:
Ho = Tidak ada pengaruh pelayanan publik terhadap kepuasan kerja
Ha = Ada pengaruh pelayanan publik terhadap kepuasan kerja
Hipotesis Statistik dipandang dari nilai signifikasnsi (sig.)
y,x1,x2... = 0, Signifikansi ≤0,05 : Ho diterima, tidak ada pengaruh
Ada y,x1,x2...≠ 0, Signifikansi > 0,05 : Ha diterima, ada pengaruh
c. Akan dianalisis dengan ANALISIS REGRESI Ganda dengan variabel:
Dependen ( Z) : Kepuasan Kerja,
Independen (Y) : Pelayanan Publik
d. Analisis menggunakan SPSS, dengan tabel coefisien sebagai berikut:
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) 21.849 8.193 2.667 .024
PELAYANAN PUBLIK .762 .122 .892 6.234 .000
a. Dependent Variable: KEPUASAN KERJA
BETA= 0,892 dan nilai signifikansi 0,000 < 0,05 sehingga Ha diterima, zy= 0,762 0,
terdapat pengaruh pelayanan publik terhadap kepuasan kerja.
e. Model yang didapat adalah : Z = 21.849 + 0,762 Y, Interpretasi : Nilai (constant)
menunjukan nilai sebesar 21.849 artinya jika nilai pengaruh pelayanan publik nol maka nilai
kepuasan kerja (terikat) sebesar 21.849. Nilai koefisien pelayanan publik bernilai positif
0,762, artinya setiap kenaikan 1(satu) nilai pada variabel pelayanan publik akan
meningkatkan kepuasan kerja sebesar 0,762.
Z Y
59
8. Permasalahan : Apakah komunikasi interpersonal dan koordinasi berpengaruh secara
simultan terhadap pelayanan publik?
a. Diagram antar variabel berdasarkan rumusan masalah
b. Hipotesi penelitian dan hipotesis statistik
Hipotesis penelitian:
Ho = Tidak ada pengaruh komunikasi interpersonal dan koordinasi secara
simultan terhadap pelayanan publik
Ha = Ada pengaruh komunikasi interpersonal dan koordinasi secara simultan
terhadap pelayanan publik
Hipotesis Statistik dipandang dari nilai signifikasnsi (sig.)
y,x1,x2... = 0, Signifikansi ≤0,05 : Ho diterima, tidak ada pengaruh
Ada y,x1,x2...≠ 0, Signifikansi > 0,05 : Ha diterima, ada pengaruh
c. Akan dianalisis dengan ANALISIS REGRESI Ganda dengan variabel:
Dependen ( Y) : Pelayanan Publik,
Independen 1 (X1) : Komunikasi Interpersonal
Independen 2 (X2) : Koordinasi
d. Analisis menggunakan SPSS, dengan tabel Anova dan coeffisien sebagai berikut: ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1595.812 2 797.906 21.510 .000a
Residual 333.854 9 37.095
Total 1929.667 11
a. Predictors: (Constant), KOORDINASI, KOMUNIKASI
b. Dependent Variable: PELAYANAN PUBLIK
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) -.029 10.429 -.003 .998
KOMUNIKASI -.383 .237 -.478 -1.617 .140
KOORDINASI 1.722 .391 1.303 4.409 .002
a. Dependent Variable: PELAYANAN PUBLIK
X1
Y
X2
60
Nilai signifikansi pada tabel ANOVA 0,000 <0,05 sehingga Ha diterima, yx1x2 0,
terdapat pengaruh komunikasi dan koordinasi terhadap pelayanan publik.
e. Model yang didapat adalah : Y = -0,029 -0,383 X1 + 1.722 X2, Interpretasi : Nilai
(constant) menunjukan nilai sebesar -0,029 artinya jika nilai pengaruh komunikasi dan
komunikasi nol maka nilai pelayanan publik (terikat) sebesar -0,029. Nilai koefisien
komunikasi bernilai negatif (-0,383), artinya setiap kenaikan 1(satu) nilai pada variabel
komunikasi akan menurunkan nilai pelayanan publik sebesar 0,0383. Nilai koefisien
koordinasi positif 1,722, artinya setiap kenaikan 1 (satu) nilai pada variabel koordinasi akan
menaikkan nilai pelayanan publik sebesar 1,722.
9. Permasalahan : Apakah koordinasi dan motivasi berpengaruh secara simultan terhadap
pelayanan publik?
a. Diagram antar variabel berdasarkan rumusan masalah
b. Hipotesi penelitian dan hipotesis statistik
Hipotesis penelitian:
Ho = Tidak ada pengaruh koordinasi dan motivasi secara simultan terhadap
pelayanan publik
Ha = Ada pengaruh koordinasi dan motivasi secara simultan terhadap pelayanan
publik
Hipotesis Statistik dipandang dari nilai signifikasnsi (sig.)
y,x1,x2... = 0, Signifikansi ≤0,05 : Ho diterima, tidak ada pengaruh
Ada y,x1,x2...≠ 0, Signifikansi > 0,05 : Ha diterima, ada pengaruh
c. Akan dianalisis dengan ANALISIS REGRESI Ganda dengan variabel:
Dependen ( Y) : Pelayanan Publik,
Independen 2 (X2) : Koordinasi
Independen 3 (X3) : Motivasi
X2
Y
X3
61
d. Analisis menggunakan SPSS, dengan tabel Anova dan coeffisien sebagai berikut:
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 1818.829 2 909.415 73.844 .000a
Residual 110.838 9 12.315
Total 1929.667 11
a. Predictors: (Constant), MOTIVASI, KOORDINASI
b. Dependent Variable: PELAYANAN PUBLIK
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) 2.377 5.481 .434 .675
KOORDINASI .568 .158 .430 3.603 .006
MOTIVASI .578 .113 .608 5.097 .001
a. Dependent Variable: PELAYANAN PUBLIK
Nilai signifikansi pada tabel ANOVA 0,000 <0,05 sehingga Ha diterima, yx2x3 0,
terdapat pengaruh koordinasi dan motivasi terhadap pelayanan publik.
e. Model yang didapat adalah : Y = 2,377 + 0,568 X2 + 0,578 X3, Interpretasi : Nilai
(constant) menunjukan nilai sebesar 2,377 artinya jika nilai pengaruh koordinasi dan
komunikasi nol maka nilai pelayanan publik (terikat) sebesar 2,377. Nilai koefisien
koordinasi bernilai positif 0,568, artinya setiap kenaikan 1(satu) nilai pada variabel
kooordinas akan meningkatkan nilai pelayanan publik sebesar 0,568. Nilai koefisien
motivasi positif 0,578, artinya setiap kenaikan 1 (satu) nilai pada variabel motivasi akan
menaikkan nilai pelayanan publik sebesar 0,578.
10. Permasalahan : Apakah komunikasi dan motivasi berpengaruh secara simultan terhadap
pelayanan publik?
a. Diagram antar variabel berdasarkan rumusan masalah
b. Hipotesi penelitian dan hipotesis statistik
Hipotesis penelitian:
Ho = Tidak ada pengaruh komunikasi dan motivasi secara simultan terhadap
pelayanan publik
X1
Y
X3
62
Ha = Ada pengaruh komunikasi dan motivasi secara simultan terhadap
pelayanan publik
Hipotesis Statistik dipandang dari nilai signifikasnsi (sig.)
y,x1,x2... = 0, Signifikansi ≤0,05 : Ho diterima, tidak ada pengaruh
Ada y,x1,x2...≠ 0, Signifikansi > 0,05 : Ha diterima, ada pengaruh
c. Akan dianalisis dengan ANALISIS REGRESI Ganda dengan variabel:
Dependen ( Y) : Pelayanan Publik,
Independen 1 (X1) : Komunikasi
Independen 3 (X3) : Motivasi
d. Analisis menggunakan SPSS, dengan tabel Anova dan coeffisien sebagai berikut:
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1691.747 2 845.873 31.998 .000a
Residual 237.920 9 26.436
Total 1929.667 11
a. Predictors: (Constant), KOMUNIKASI, MOTIVASI
b. Dependent Variable: PELAYANAN PUBLIK
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) 11.255 6.984 1.611 .142
MOTIVASI .785 .141 .825 5.560 .000
KOMUNIKASI .132 .119 .165 1.113 .294
a. Dependent Variable: PELAYANAN PUBLIK
Nilai signifikansi pada tabel ANOVA 0,000 <0,05 sehingga Ha diterima, yx1x3 0,
terdapat pengaruh komunikasi dan motivasi terhadap pelayanan publik.
e. Model yang didapat adalah : Y = 11,255 + 0,785 X3 + 0,132 X1, Interpretasi : Nilai
(constant) menunjukan nilai sebesar 11,255 artinya jika nilai pengaruh motivasi dan
komunikasi nol maka nilai pelayanan publik (terikat) sebesar 11,255. Nilai koefisien
komunikasi bernilai positif 0,132, artinya setiap kenaikan 1(satu) nilai pada variabel
komunikasi akan meningkatkan nilai pelayanan publik sebesar 0,132. Nilai koefisien
63
motivasi positif 0, 785, artinya setiap kenaikan 1 (satu) nilai pada variabel motivasi akan
menaikkan nilai pelayanan publik sebesar 0, 785.
11. Permasalahan : Apakah komunikasi dan monivasi berpengaruh secara simultan terhadap
pelayanan publik?
a. Diagram antar variabel berdasarkan rumusan masalah
b. Hipotesi penelitian dan hipotesis statistik
Hipotesis penelitian:
Ho = Tidak ada pengaruh komunikasi, koordinasi, dan motivasi secara
simultan terhadap pelayanan publik
Ha = Ada pengaruh komunikasi, koordinasi, dan motivasi secara simultan
terhadap pelayanan publik
Hipotesis Statistik dipandang dari nilai signifikasnsi (sig.)
y,x1,x2... = 0, Signifikansi ≤0,05 : Ho diterima, tidak ada pengaruh
Ada y,x1,x2...≠ 0, Signifikansi > 0,05 : Ha diterima, ada pengaruh
c. Akan dianalisis dengan ANALISIS REGRESI Ganda dengan variabel:
Dependen ( Y) : Pelayanan Publik,
Independen 1 (X1) : Komunikasi
Independen 2 (X2) : Koordinasi
Independen 3 (X3) : Motivasi
d. Analisis menggunakan SPSS, dengan tabel Anova dan coeffisien sebagai berikut:
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1876.586 3 625.529 94.276 .000a
Residual 53.080 8 6.635
Total 1929.667 11
a. Predictors: (Constant), KOORDINASI, MOTIVASI, KOMUNIKASI
b.Dependent Variable: PELAYANAN PUBLIK
X1
Y X2
X3
64
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) -3.144 4.437 -.709 .499
MOTIVASI .546 .084 .574 6.505 .000
KOMUNIKASI -.298 .101 -.372 -2.950 .018
KOORDINASI 1.035 .196 .783 5.278 .001
a. Dependent Variable: PELAYANAN PUBLIK
Nilai signifikansi pada tabel ANOVA 0,000 <0,05 sehingga Ha diterima, yx1x2x3 0,
terdapat pengaruh komunikasi, koordinasi, dan motivasi terhadap pelayanan publik.
e. Model yang didapat adalah : Y = -3,144 -0,298 X1 +1,035 X2+ 0,546 X3, Interpretasi :
Nilai (constant) menunjukan nilai sebesar -3,144 artinya jika nilai pengaruh motivasi,
koordinasi, dan komunikasi nol maka nilai pelayanan publik (terikat) sebesar -3,144. Nilai
koefisien komunikasi bernilai negatif (-0,298), artinya setiap kenaikan 1(satu) nilai pada
variabel komunikasi akan mengurangi nilai pelayanan publik sebesar 0,298. Nilai koefisien
koordinasi positif 1,035, artinya setiap kenaikan 1 (satu) nilai pada variabel koordinasi akan
menaikkan nilai pelayanan publik sebesar 1,035. Nilai koefisien motivasi positif 0,546,
artinya setiap kenaikan 1 (satu) nilai pada variabel koordinasi akan menaikkan nilai
pelayanan publik sebesar 0,546.
12. Permasalahan : Apakah komunikasi interpersonal dan koordinasi berpengaruh secara
simultan terhadap kepuasan kerja?
a. Diagram antar variabel berdasarkan rumusan masalah
b. Hipotesi penelitian dan hipotesis statistik
Hipotesis penelitian:
Ho = Tidak Ada pengaruh komunikasi interpersonal dan koordinasi secara
simultan terhadap kepuasan kerja
Ha = Ada pengaruh komunikasi interpersonal dan koordinasi secara simultan
terhadap kepuasan kerja
Hipotesis Statistik dipandang dari nilai signifikasnsi (sig.)
y,x1,x2... = 0, Signifikansi ≤0,05 : Ho diterima, tidak ada pengaruh
Ada y,x1,x2...≠ 0, Signifikansi > 0,05 : Ha diterima, ada pengaruh
X1
Z
X2
65
c. Akan dianalisis dengan ANALISIS REGRESI Ganda dengan variabel:
Dependen ( Z) : Kepuasan Kerja,
Independen 1 (X1) : Komunikasi Interpersonal
Independen 2 (X2) : Koordinasi
d. Analisis menggunakan SPSS, dengan tabel Anova dan coeffisien sebagai berikut:
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1007.409 2 503.705 11.317 .003a
Residual 400.591 9 44.510
Total 1408.000 11
a. Predictors: (Constant), KOORDINASI, KOMUNIKASI
b. Dependent Variable: KEPUASAN KERJA
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) 28.721 11.424 2.514 .033
KOMUNIKASI .203 .259 .297 .783 .454
KOORDINASI .646 .428 .572 1.509 .165
a. Dependent Variable: KEPUASAN KERJA
Nilai signifikansi pada tabel ANOVA 0,003 <0,05 sehingga Ha diterima, zx1x2 0,
terdapat pengaruh komunikasi dan koordinasi terhadap pelayanan publik.
e. Model yang didapat adalah : Z = 28.721 + 0,203 X1 + 0,646 X2, Interpretasi : Nilai
(constant) menunjukan nilai sebesar 28.721 artinya jika nilai pengaruh komunikasi dan
komunikasi nol maka nilai kepuasan kerja (terikat) sebesar 28.721. Nilai koefisien
komunikasi bernilai positif 0,203, artinya setiap kenaikan 1(satu) nilai pada variabel
komunikasi akan menaikkan nilai kepuasan kerja sebesar 0,203. Nilai koefisien koordinasi
positif 0,646, artinya setiap kenaikan 1 (satu) nilai pada variabel koordinasi akan menaikkan
nilai kepuasan kerja sebesar 0,646.
13. Permasalahan : Apakah koordinasi dan motivasi berpengaruh secara simultan terhadap
kepuasan kerja?
a. Diagram antar variabel berdasarkan rumusan masalah
X2
Z
X3
66
b. Hipotesi penelitian dan hipotesis statistik
Hipotesis penelitian:
Ho = Tidak ada pengaruh koordinasi dan motivasi secara simultan terhadap kepuasan kerja
Ha = Ada pengaruh koordinasi dan motivasi secara simultan terhadap kepuasan kerja
Hipotesis Statistik dipandang dari nilai signifikasnsi (sig.)
y,x1,x2... = 0, Signifikansi ≤0,05 : Ho diterima, tidak ada pengaruh
Ada y,x1,x2...≠ 0, Signifikansi > 0,05 : Ha diterima, ada pengaruh
c. Akan dianalisis dengan ANALISIS REGRESI Ganda dengan variabel:
Dependen ( Z) : Kepuasan Kerja,
Independen 2 (X2) : Koordinasi
Independen 3 (X3) : Motivasi
d. Analisis menggunakan SPSS, dengan tabel Anova dan coeffisien sebagai berikut:
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1111.531 2 555.766 16.872 .001a
Residual 296.469 9 32.941
Total 1408.000 11
a. Predictors: (Constant), MOTIVASI, KOORDINASI
b. Dependent Variable: KEPUASAN KERJA
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) 21.533 8.964 2.402 .040
KOORDINASI .559 .258 .496 2.170 .058
MOTIVASI .370 .185 .456 1.997 .077
a. Dependent Variable: KEPUASAN KERJA
Nilai signifikansi pada tabel ANOVA 0,001 <0,05 sehingga Ha diterima, zx2x3 0,
terdapat pengaruh koordinasi dan motivasi terhadap pelayanan publik.
e. Model yang didapat adalah : Y = 21,533 + 0,559 X2 + 0,370 X3, Interpretasi : Nilai
(constant) menunjukan nilai sebesar 21,533 artinya jika nilai pengaruh koordinasi dan
komunikasi nol maka nilai kepuasan kerja (terikat) sebesar 21,533. Nilai koefisien
koordinasi bernilai positif 0,559, artinya setiap kenaikan 1(satu) nilai pada variabel
kooordinasi akan meningkatkan nilai kepuasan kerja sebesar 0,559. Nilai koefisien motivasi
67
positif 0,370, artinya setiap kenaikan 1 (satu) nilai pada variabel motivasi akan menaikkan
nilai kepuasan kerja sebesar 0,37.
14. Permasalahan : Apakah komunikasi dan motivasi berpengaruh secara simultan terhadap
kepuasan kerja?
a. Diagram antar variabel berdasarkan rumusan masalah
b. Hipotesi penelitian dan hipotesis statistik
Hipotesis penelitian:
Ho = Tidak ada pengaruh komunikasi dan motivasi secara simultan terhadap
kepuasan kerja
Ha = Ada pengaruh komunikasi dan motivasi secara simultan terhadap kepuasan
kerja
Hipotesis Statistik dipandang dari nilai signifikasnsi (sig.)
y,x1,x2... = 0, Signifikansi ≤0,05 : Ho diterima, tidak ada pengaruh
Ada y,x1,x2...≠ 0, Signifikansi > 0,05 : Ha diterima, ada pengaruh
c. Akan dianalisis dengan ANALISIS REGRESI Ganda dengan variabel:
Dependen ( Z) : Kepuasan Kerja,
Independen 1 (X1) : Komunikasi
Independen 3 (X3) : Motivasi
d. Analisis menggunakan SPSS, dengan tabel Anova dan coeffisien sebagai berikut:
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1153.693 2 576.846 20.415 .000a
Residual 254.307 9 28.256
Total 1408.000 11
a. Predictors: (Constant), KOMUNIKASI, MOTIVASI
b.Dependent Variable: KEPUASAN KERJA
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) 28.445 7.221 3.939 .003
MOTIVASI .432 .146 .532 2.961 .016
KOMUNIKASI .325 .123 .475 2.642 .027
X1
Z
X3
68
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1153.693 2 576.846 20.415 .000a
Residual 254.307 9 28.256
Total 1408.000 11
a. Dependent Variable: KEPUASAN KERJA
Nilai signifikansi pada tabel ANOVA 0,000 <0,05 sehingga Ha diterima, zx1x3 0,
terdapat pengaruh komunikasi dan motivasi terhadap pelayanan publik.
e. Model yang didapat adalah : Z = 28.445 + 0,432 X3 + 0,325 X1, Interpretasi : Nilai
(constant) menunjukan nilai sebesar 28.445 artinya jika nilai pengaruh motivasi dan
komunikasi nol maka nilai kepuasan kerja (terikat) sebesar 28.445. Nilai koefisien motivasi
bernilai positif 0,432, artinya setiap kenaikan 1(satu) nilai pada variabel motivasi akan
meningkatkan nilai kepuasan kerja sebesar 0,432. Nilai koefisien komunikasi positif 0,325,
artinya setiap kenaikan 1 (satu) nilai pada variabel komunikasi akan menaikkan nilai
kepuasan kerja sebesar 0,325.
15. Permasalahan : Apakah komunikasi dan monivasi berpengaruh secara simultan terhadap
kepuasan kerja?
a. Diagram antar variabel berdasarkan rumusan masalah
b. Hipotesi penelitian dan hipotesis statistik
Hipotesis penelitian:
Ho = Tidak ada pengaruh komunikasi, koordinasi, dan motivasi secara
simultan terhadap Kepuasan Kerja
Ha = Ada pengaruh komunikasi, koordinasi, dan motivasi secara simultan
terhadap Kepuasan Kerja
Hipotesis Statistik dipandang dari nilai signifikasnsi (sig.)
y,x1,x2... = 0, Signifikansi ≤0,05 : Ho diterima, tidak ada pengaruh
Ada y,x1,x2...≠ 0, Signifikansi > 0,05 : Ha diterima, ada pengaruh
c. Akan dianalisis dengan ANALISIS REGRESI Ganda dengan variabel:
X1
Z X2
X3
69
Dependen ( Z) : Kepuasan Kerja,
Independen 1 (X1) : Komunikasi
Independen 2 (X2) : Koordinasi
Independen 3 (X3) : Motivasi
d. Analisis menggunakan SPSS, dengan tabel Anova dan coeffisien sebagai berikut: ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1157.255 3 385.752 12.307 .002a
Residual 250.745 8 31.343
Total 1408.000 11
a. Predictors: (Constant), KOORDINASI, MOTIVASI, KOMUNIKASI
b. Dependent Variable: KEPUASAN KERJA
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) 26.446 9.643 2.742 .025
MOTIVASI .399 .182 .491 2.187 .060
KOMUNIKASI .265 .220 .387 1.208 .262
KOORDINASI .144 .426 .127 .337 .745
a. Dependent Variable: KEPUASAN KERJA
Nilai signifikansi pada tabel ANOVA 0,002 <0,05 sehingga Ha diterima, zx1x2x3 0,
terdapat pengaruh komunikasi, koordinasi, dan motivasi terhadap Kepuasan Kerja.
e. Model yang didapat adalah : Y = 26,446 +0,265 X1 + 0,144 X2+ 0,399 X3, Interpretasi :
Nilai (constant) menunjukan nilai sebesar 26,446 artinya jika nilai pengaruh motivasi,
koordinasi, dan komunikasi nol maka nilai Kepuasan Kerja (terikat) sebesar 26,446. Nilai
koefisien komunikasi bernilai positif 0,265, artinya setiap kenaikan 1(satu) nilai pada
variabel komunikasi akan meningkatkan nilai Kepuasan Kerja sebesar 0,265. Nilai
koefisien koordinasi positif 0,144, artinya setiap kenaikan 1 (satu) nilai pada variabel
koordinasi akan menaikkan nilai Kepuasan Kerja sebesar 0,144. Nilai koefisien motivasi
positif 0,399, artinya setiap kenaikan 1 (satu) nilai pada variabel koordinasi akan menaikkan
nilai kepuasan Kerja sebesar 0,399.
70
Tabel Ringkasan Persamaan Regresi, Uji Hipotesis, dan Interpretasi
NO PERSAMAAN
REGRESI
UJI HIPOTESIS Interpretasi
1 Y = 36,925 +0,540X1
yx1 ≠ 0 Nilai (constant) menunjukan nilai sebesar 36,925 artinya
jika nilai pengaruh komunikasi nol maka nilai pelayanan
publik (terikat) sebesar 36,925. Nilai koefisien
komunikasi bernilai positif 0,540, artinya setiap
kenaikan 1(satu) nilai pada variabel komunikasi dalam
hal ini meningkatkan 0,54 nilai variabel Y (pelayanan
publik).
2 Y= 7,424 + 1,164X2
yx2 ≠ 0 Nilai (constant) menunjukan nilai sebesar 7,424 artinya
jika nilai pengaruh koordinasi nol maka nilai pelayanan
publik (terikat) sebesar 7,424. Nilai koefisien koordinasi
bernilai positif 1,164, artinya setiap kenaikan 1(satu)
nilai pada variabel koordinasi akan meningkatkan
pelayanan publik sebesar 1,164.
3 Y= 12,503 + 0,881X3 yx3 ≠ 0 Nilai (constant) menunjukan nilai sebesar 12,503 artinya
jika nilai pengaruh motivasi nol maka nilai pelayanan
publik (terikat) sebesar 12,503. Nilai koefisien motivasi
bernilai positif 0,881, artinya setiap kenaikan 1(satu)
nilai pada variabel motivasi akan meningkatkan
pelayanan publik sebesar 0,881
4 Z= 42,577 + 0,549X1 zx1 ≠ 0 Nilai (constant) menunjukan nilai sebesar 42,559 artinya
jika nilai pengaruh komunikasi nol maka nilai kepuasan
kerja (terikat) sebesar 42,559. Nilai koefisien
komunikasi bernilai positif 0,549, artinya setiap
kenaikan 1(satu) nilai pada variabel komunikasi akan
meningkatkan kepuasan kerja sebesar 0,549.
5 Z= 24,781 + 0,942X2 zx2 ≠ 0 Nilai (constant) menunjukan nilai sebesar 24,767 artinya
jika nilai pengaruh koordinasi nol maka nilai kepuasan
kerja (terikat) sebesar 24,767. Nilai koefisien koordinasi
bernilai positif 0,942, artinya setiap kenaikan 1(satu)
nilai pada variabel koordinasi akan meningkatkan
kepuasan kerja sebesar 0,942.
6 Z= 31,506 + 0,669X3 zx3 ≠ 0 Nilai (constant) menunjukan nilai sebesar 31.506 artinya
jika nilai pengaruh motivasi nol maka nilai kepuasan
kerja (terikat) sebesar 31.506. Nilai koefisien motivasi
bernilai positif 0,669, artinya setiap kenaikan 1(satu) nilai
pada variabel motivasi akan meningkatkan kepuasan kerja
sebesar 0,669.
7 Z= 21,849 + 0,762 Y zy ≠ 0 Nilai (constant) menunjukan nilai sebesar 21.849 artinya
jika nilai pengaruh pelayanan publik nol maka nilai
kepuasan kerja (terikat) sebesar 21.849. Nilai koefisien
pelayanan publik bernilai positif 0,762, artinya setiap
kenaikan 1(satu) nilai pada variabel pelayanan publik
71
akan meningkatkan kepuasan kerja sebesar 0,762.
8 Y= 0,029 – 0,383X1 +
1,722X2 x1x2 ≠0
Nilai (constant) menunjukan nilai sebesar -0,029 artinya
jika nilai pengaruh komunikasi dan komunikasi nol
maka nilai pelayanan publik (terikat) sebesar -0,029.
Nilai koefisien komunikasi bernilai negatif (-0,383),
artinya setiap kenaikan 1(satu) nilai pada variabel
komunikasi akan menurunkan nilai pelayanan publik
sebesar 0,0383. Nilai koefisien koordinasi positif 1,722,
artinya setiap kenaikan 1 (satu) nilai pada variabel
koordinasi akan menaikkan nilai pelayanan publik
sebesar 1,722
9 Y = 2,377 + 0,568 X2 +
0,578 X3 yx2x3 0
Nilai (constant) menunjukan nilai sebesar 2,377 artinya
jika nilai pengaruh koordinasi dan komunikasi nol maka
nilai pelayanan publik (terikat) sebesar 2,377. Nilai
koefisien koordinasi bernilai positif 0,568, artinya setiap
kenaikan 1(satu) nilai pada variabel kooordinas akan
meningkatkan nilai pelayanan publik sebesar 0,568.
Nilai koefisien motivasi positif 0,578, artinya setiap
kenaikan 1 (satu) nilai pada variabel motivasi akan
menaikkan nilai pelayanan publik sebesar 0,578.
10 Y = 11,255 + 0,785 X3
+ 0,132 X1 yx1x3 0
, Interpretasi : Nilai (constant) menunjukan nilai sebesar
11,255 artinya jika nilai pengaruh motivasi dan
komunikasi nol maka nilai pelayanan publik (terikat)
sebesar 11,255. Nilai koefisien komunikasi bernilai
positif 0,132, artinya setiap kenaikan 1(satu) nilai pada
variabel komunikasi akan meningkatkan nilai pelayanan
publik sebesar 0,132. Nilai koefisien motivasi positif 0,
785, artinya setiap kenaikan 1 (satu) nilai pada variabel
motivasi akan menaikkan nilai pelayanan publik sebesar
0, 785
11 Y = -3,144 -0,298 X1
+1,035 X2+ 0,546 X3 yx1x2x3 0
Nilai (constant) menunjukan nilai sebesar -3,144 artinya
jika nilai pengaruh motivasi, koordinasi, dan komunikasi
nol maka nilai pelayanan publik (terikat) sebesar -3,144.
Nilai koefisien komunikasi bernilai negatif (-0,298),
artinya setiap kenaikan 1(satu) nilai pada variabel
komunikasi akan mengurangi nilai pelayanan publik
sebesar 0,298. Nilai koefisien koordinasi positif 1,035,
artinya setiap kenaikan 1 (satu) nilai pada variabel
koordinasi akan menaikkan nilai pelayanan publik
sebesar 1,035. Nilai koefisien motivasi positif 0,546,
artinya setiap kenaikan 1 (satu) nilai pada variabel
koordinasi akan menaikkan nilai pelayanan publik
sebesar 0,546.
12 Z = 28.721 + 0,203 X1
+ 0,646 X2 zx1x2 0,
Nilai (constant) menunjukan nilai sebesar 28.721 artinya
jika nilai pengaruh komunikasi dan komunikasi nol
maka nilai kepuasan kerja (terikat) sebesar 28.721. Nilai
koefisien komunikasi bernilai positif 0,203, artinya
72
setiap kenaikan 1(satu) nilai pada variabel komunikasi
akan menaikkan nilai kepuasan kerja sebesar 0,203.
Nilai koefisien koordinasi positif 0,646, artinya setiap
kenaikan 1 (satu) nilai pada variabel koordinasi akan
menaikkan nilai kepuasan kerja sebesar 0,646.
13 Y = 21,533 + 0,559 X2
+ 0,370 X3
zx2x3 0 Nilai (constant) menunjukan nilai sebesar 21,533
artinya jika nilai pengaruh koordinasi dan komunikasi
nol maka nilai kepuasan kerja (terikat) sebesar 21,533.
Nilai koefisien koordinasi bernilai positif 0,559, artinya
setiap kenaikan 1(satu) nilai pada variabel kooordinasi
akan meningkatkan nilai kepuasan kerja sebesar 0,559.
Nilai koefisien motivasi positif 0,370, artinya setiap
kenaikan 1 (satu) nilai pada variabel motivasi akan
menaikkan nilai kepuasan kerja sebesar 0,37.
14 Z = 28.445 + 0,432 X3
+ 0,325 X1
zx1x3 0 Nilai (constant) menunjukan nilai sebesar 28.445 artinya
jika nilai pengaruh motivasi dan komunikasi nol maka
nilai kepuasan kerja (terikat) sebesar 28.445. Nilai
koefisien motivasi bernilai positif 0,432, artinya setiap
kenaikan 1(satu) nilai pada variabel motivasi akan
meningkatkan nilai kepuasan kerja sebesar 0,432. Nilai
koefisien komunikasi positif 0,325, artinya setiap
kenaikan 1 (satu) nilai pada variabel komunikasi akan
menaikkan nilai kepuasan kerja sebesar 0,325.
15 Z= 26,446 +
0,265X1+0,144X2
+0,399X3
zx1x2x3 0 Nilai (constant) menunjukan nilai sebesar 26,446
artinya jika nilai pengaruh motivasi, koordinasi, dan
komunikasi nol maka nilai Kepuasan Kerja (terikat)
sebesar 26,446. Nilai koefisien komunikasi bernilai
positif 0,265, artinya setiap kenaikan 1(satu) nilai pada
variabel komunikasi akan meningkatkan nilai Kepuasan
Kerja sebesar 0,265. Nilai koefisien koordinasi positif
0,144, artinya setiap kenaikan 1 (satu) nilai pada
variabel koordinasi akan menaikkan nilai Kepuasan
Kerja sebesar 0,144. Nilai koefisien motivasi positif
0,399, artinya setiap kenaikan 1 (satu) nilai pada
variabel koordinasi akan menaikkan nilai kepuasan
Kerja sebesar 0,399.
73
BAB VII
ANALISIS JALUR
VII. 1. Analisis Jalur Biasa
Menurus Sugiyono (2016:297) analisis jalur adalah pengembangan dari regresi, sehingga
analisis regresi dapat dikatakan sebagai bentuk khusus dari analisis jalur. Analisis regresi adalah
dasar sebelum mempelajari analisis jalur.
Analisis Jalur digunakan untuk mengetahui apakah data mendukung teori, yang secara a-
priori dihipotesiskan, yang mencakup kaitan structural antar variabel terukur.
Analisis Jalur atau yang lebih dikenal luas sebagai Path Analysis merupakan suatu
metode pendekomposisian korelasi kedalam bagian-bagian yang berbeda untuk menginterpretasikan
suatu pengaruh (effect).
Dalam analisis jalur yang distandarkan korelasi dapat dipecah kedalam komponen-
komponen struktural (kausal) dan nonstruktural (nonkausal) didasarkan teori yang dinyatakan
dalam diagram jalur. Total Efek Struktural dapat didekomposisi : Langsung dan Tidak
Langsung.
Misal diberikan Judul Penelitian:
PENGARUH KEMAMPUAN PENALARAN ADAPTIF, KEMAMPUAN BERPIKIR KRITIS,
KEMAMPUAN BERPIKIR KREATIF, DAN KEMAMPUAN PEMAHAMAN KONSEP
TERHADAP KEMAPUAN PEMECAHAN MASALAH
Misal:
X1: KEMAMPUAN PENALARAN ADAPTIF,
X2: KEMAMPUAN BERPIKIR KRITIS,
X3: KEMAMPUAN BERPIKIR KREATIF,
X4: KEMAMPUAN PEMAHAMAN KONSEP
Y: KEMAPUAN PEMECAHAN MASALAH
SOAL:
Berdasarkan judul di atas dan teori yang mendukung selesaikan soal berikut:
1. SUSUNLAH RUMUSAN MASALAH (pengaruh langsung dan tak langsung)?
2. Susunlah Kontalasi Penelitiannya?
3. Susunlah pasangan hipotesis statistikanya?
4. Analisislah data penelitian (Tabel 1) dengan menggunakan Path Analysis?
74
5. Simpulkan hasil analisis data Anda?
Tabel 7.1 Data Hasil Penelitian Analisis Jalur
X1 X2 X3 X4 Y
45 26 55 60 64
56 46 45 50 55
57 47 60 62 72
70 25 35 40 50
65 68 64 68 79
60 69 44 59 77
60 57 64 79 78
65 49 65 69 72
55 58 63 65 66
50 67 74 70 82
45 79 84 89 87
67 52 73 79 82
80 35 56 78 67
85 47 60 62 72
76 25 35 40 50
68 68 64 68 79
57 69 44 59 77
54 34 67 76 77
56 23 65 65 76
68 67 74 70 82
67 79 84 89 87
87 52 73 79 82
88 35 56 78 67
86 47 60 62 72
85 25 35 40 50
54 49 65 69 72
80 58 63 65 66
78 67 74 70 82
76 79 84 89 87
65 52 73 79 82
60 35 56 78 67
45 47 60 62 72
55 25 35 40 50
Jawaban:
1. Rumusan Masalah Pengaruh pengaruh langsung dan tak langsung:
a. Berapa besar pengaruh langsung X1 terhadap X4?
b. Berapa besar pengaruh langsung X2 terhadap X4?
c. Berapa Besar Pengaruh langsung X3 terhadap X4?
d. Berapa Besar Pengaruh langsung X4 terhadap Y?
75
e. Berapa besar pengaruh langsung X1 terhadap Y, berapa besar pengaruh tidak langsung X1 terhadap
Y melalui X4, dan berapa besar pengaruh total X1 ke Y?
f. Berapa besar pengaruh tidak langsung X2 terhadap Y melalui X4, dan berapa besar pengaruh total
X2 ke Y?
g. Berapa besar pengaruh langsung X3 terhadap Y, berapa besar pengaruh tidak langsung X3 terhadap
Y melalui X4, dan berapa besar pengaruh total X3 ke Y?
2. Konstalasi penelitian:
Pengaruh
Variabel
Pengaruh Kausal
Langsung
Tidak Langsung
Melalui X4 Total
X1 terhadap X4 -
X2 terhadap X4 -
X3 terhadap X4 -
X4 terhadap Y -
X1 terhadap Y
X2 terhadap Y
X3 terhadap Y
3. Pasangan Hipotesis Statistik a. Ho: =0 : Kemampuan penalaran adaptif tidak berpengaruh terhadap kemampuan pemahaman
konsep.
H1 : ≠ 0 : Kemampuan penalaran adaptif berpengaruh terhadap kemampuanpemahaman konsep.
b. Ho: =0 : Kemampuan berpikir kritis tidak berpengaruh terhadap kemampuan pemahaman konsep.
H1 : ≠ 0 : Kemampuan berpikir kritis berpengaruh terhadap kemampuan pemahaman konsep.
c. Ho: =0 : Kemampuan berpikir kreatif tidak berpengaruh terhadap kemampuan pemahaman konsep.
H1 : ≠ 0 : Kemampuan berpikir kreatif berpengaruh terhadap kemampuan pemahaman konsep.
d. Ho: =0 : Kemampuan penalaran adaptif, berpikir kreatif, dan berpikir kreatif secara simultan
tidak berpengaruh terhadap kemampuan pemahaman konsep.
X1
X2
X3
X4 Y
76
H1 : ≠ 0 : Kemampuan penalaran adaptif, berpikir kreatif, dan berpikir kreatif secara simultan
berpengaruh terhadap kemampuan pemahaman konsep.
e. Ho: =0 : Kemampuan penalaran adaptif tidak berpengaruh terhadap kemampuan pemecahan
masalah.
H1 : ≠ 0 : Kemampuan penalaran adaptif berpengaruh terhadap kemampuan pemecahan masalah.
f. Ho: =0 : Kemampuan pemahaman konsep tidak berpengaruh terhadap kemampuan pemecahan
masalah.
H1 : ≠ 0 : Kemampuan pemahaman konsep berpengaruh terhadap kemampuan pemecahan masalah.
g. Ho: =0 : Kemampuan berpikir kreatif tidak berpengaruh terhadap kemampuan pemecahan masalah.
H1 : ≠ 0 : Kemampuan berpikir kreatif berpengaruh terhadap kemampuan pemecahan masalah.
h. Ho: =0 : Kemampuan penalaran adaptif, berpikir kreatif, dan pemahaman konsep secara simultan
tidak berpengaruh terhadap kemampuan pemecahan masalah.
H1 : ≠ 0 : Kemampuan penalaran adaptif, berpikir kreatif, dan pemahaman konsep secara simultan
berpengaruh terhadap kemampuan pemecahan masalah.
4. Analisis data penelitian dengan menggunakan Path Analysis.
Dari 8 permasalahan yang akan dibahas, dapat dibagi dalam partisi berikut ini:
Sub struktur 1
Model yang diperoleh dari Sub Struktur 1 : X4 =
X1
X2
X3
X4
77
Sub Struktur 2
Model yang diperoleh dari Substruktur 2 : Y= + .
Hitungan Koefisien Jalur:
Substruktur 1:
Correlations
Pemahaman
Konsep Penalaran Adaptif Berpikir Kritis Berpikir Kreatif
Pearson Correlation Pemahaman Konsep 1.000 -.007 .567 .880
Penalaran Adaptif -.007 1.000 -.079 -.063
Berpikir Kritis .567 -.079 1.000 .649
Berpikir Kreatif .880 -.063 .649 1.000
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 4664.948 3 1554.983 33.708 .000a
Residual 1337.779 29 46.130
Total 6002.727 32
a. Predictors: (Constant), Berpikir Kreatif, Penalaran Adaptif, Berpikir Kritis
b. Dependent Variable: Pemahaman Konsep
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) 11.023 8.359 1.319 .198
Penalaran Adaptif .052 .093 .049 .557 .582
Berpikir Kritis -.004 .091 -.006 -.049 .961
Berpikir Kreatif .866 .113 .887 7.692 .000
a. Dependent Variable: Pemahaman Konsep
X1
X3
X4 Y
78
Model Summaryb
Model R
R
Square
Adjusted R
Square
Std. Error of
the Estimate
Change Statistics
Durbin-Watson
R Square
Change
F
Change df1 df2
Sig. F
Change
1 .882a .777 .754 6.79193 .777 33.708 3 29 .000 1.860
a. Predictors: (Constant), Berpikir Kreatif, Penalaran Adaptif, Berpikir Kritis
b. Dependent Variable: Pemahaman Konsep
Analisis
Tabel Anova menunjukkan signifikansi 0,000 < 0,05 , dengan demikian H0 ditolak ,artinya Kemampuan
penalaran adaptif, berpikir kreatif, dan berpikir kreatif secara simultan berpengaruh terhadap kemampuan
pemahaman konsep.
Berdasarkan koefisien Determinan Rsquare= 0,911 dan besarnya pengaruh = = 0,472.
Dari tabel Coefficiens:
Signifikansi penalaran adaptif terhadap pemahaman konsep 0,582 > 0,05, maka Ho diterima, artinya
penalaran adaptif tidak berpengaruh terhadap pemahaman konsep.
Signifikansi pemahaman berpikir kritis terhadap pemahaman konsep 0,961 > 0,05, maka Ho diterima,
artinya pemahaman berpikir kritis tidak berpengaruh terhadap pemahaman konsep.
Signifikansi pemahaman berpikir kreatif terhadap pemahaman konsep 0,000 < 0,05, maka Ho dittolak,
artinya pemahaman berpikir kreatif berpengaruh terhadap pemahaman konsep.
Antar Variabel Koefisien
Jalur
T F Hasil Uji R
square
Koefisien Variabel
X1 terhadap X4 0.049 0.557
33,708
Ho diterima
0,777 (0.472)2 = 0.223 X2 terhadap X4 -0.006 -0.049 Ho diterima
X3 terhadap X4 0.887 7.692 Ho ditolak
Sehingga bentuk persamaannya adalah X4 =
Hitungan Koefisien Jalur:
Substruktur 2:
Correlations
Pemecahan
Masalah Penalaran Adaptif Berpikir Kreatif
Pemahaman
Konsep
Pearson Correlation Pemecahan Masalah 1.000 -.103 .880 .836
Penalaran Adaptif -.103 1.000 -.063 -.007
Berpikir Kreatif .880 -.063 1.000 .880
Pemahaman Konsep .836 -.007 .880 1.000
79
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 3128.113 3 1042.704 37.451 .000a
Residual 807.402 29 27.841
Total 3935.515 32
a. Predictors: (Constant), Pemahaman Konsep, Penalaran Adaptif, Berpikir Kreatif
b.Dependent Variable: Pemecahan Masalah
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
T Sig. B Std. Error Beta
1 (Constant) 30.058 6.677 4.502 .000
Penalaran Adaptif -.053 .072 -.062 -.733 .470
Berpikir Kreatif .493 .141 .624 3.494 .002
Pemahaman Konsep .232 .144 .287 1.609 .118
a. Dependent Variable: Pemecahan Masalah
Model Summaryb
Model R
R
Square
Adjusted R
Square
Std. Error of
the Estimate
Change Statistics
Durbin-Watson
R Square
Change F Change df1 df2
Sig. F
Change
1 .892a .795 .774 5.27650 .795 37.451 3 29 .000 1.754
a. Predictors: (Constant), Pemahaman Konsep, Penalaran Adaptif, Berpikir Kreatif
b. Dependent Variable: Pemecahan Masalah
Tabel Anova menunjukkan signifikansi 0,000 < 0,05 , dengan demikian H0 ditolak ,artinya Kemampuan
penalaran adaptif, pemahaman konsep, dan berpikir kreatif secara simultan berpengaruh terhadap
kemampuan pemecahan masalah.
Berdasarkan koefisien Determinan Rsquare= 0,795 dan besarnya pengaruh = = 0,453.
Dari tabel Coefficiens:
Signifikansi penalaran adaptif terhadap pemecahan masalah 0,470> 0,05, maka Ho diterima, artinya
penalaran adaptif tidak berpengaruh terhadap pemecahan masalah.
Signifikansi berpikir kreatif terhadap pemecahan masalah 0,002 < 0,05, maka Ho ditolak, artinya
pemahaman berpikir kreatif berpengaruh terhadap pemahaman konsep.
Signifikansi pemahaman konsep terhadap pemecahan masalah 0,118 > 0,05, maka Ho diterima, artinya
pemahaman konsep berpengaruh terhadap pemecahan masalah.
80
Antar Variabel Koefisien
Jalur
T F Hasil Uji R
square
Koefisien Variabel
X1 terhadap Y -0.062 -0.733
37,451
Ho diterima
0,795 (0.453)2 = 0.205 X3 terhadap Y 0.624 3.494 Ho ditolak
X4 terhadap Y 0.287 1.609 Ho diterima
Sehingga bentuk persamaannya adalah Y= +0,453.
Koefisien Jalur secara keseluruhan dari model
Pengaruh Langsung, tidak langsung, dan total:
Pengaruh
Variabel
Pengaruh Kausal
Langsung Tidak Langsung
Melalui X4 Total
X1 terhadap X4 -
X2 terhadap X4 -0,006 - -0,006
X3 terhadap X4 0.887 - 0.887
X4 terhadap Y - 0.287
X1 terhadap Y = -0.04794
X2 terhadap Y = -0.00172
X3 terhadap Y 0.878569
Kesimpulan:
1) Pengaruh Langsung dan tidak langsung
a. Besar pengaruh langsung X1 terhadap X4 adalah
b. Besar pengaruh langsung X2 terhadap X4 adalah -0,006
c. Besar Pengaruh langsung X3 terhadap X4 adalah 0,887
d. Besar Pengaruh langsung X4 terhadap Y adalah 0,287
e. Besar pengaruh langsung X1 terhadap Y adalah -0,062, berapa besar pengaruh tidak langsung X1
terhadap Y melalui X4 adalah 0,014 , dan besar pengaruh total X1 ke Y adalah -0,04794
f. Besar pengaruh tidak langsung X2 terhadap Y melalui X4 adalah -0.00172 (sekaligus
pengaruh total).
g. Besar pengaruh langsung X3 terhadap Y adalah 0,624, besar pengaruh tidak langsung X3 terhadap Y
melalui X4 adalah 0.254569 , dan berapa besar pengaruh total X3 ke Y adalah 0,878569.
X1
X2
X3
X4 Y
81
2) Jawaban Hipotesis Ho dan H1
a. Kemampuan penalaran adaptif tidak berpengaruh terhadap kemampuan pemahaman konsep.
b. Kemampuan berpikir kritis tidak berpengaruh terhadap kemampuan pemahaman konsep.
c. Kemampuan berpikir kreatif berpengaruh terhadap kemampuan pemahaman konsep.
d. Kemampuan penalaran adaptif, berpikir kreatif, dan berpikir kreatif secara simultan berpengaruh terhadap
kemampuan pemahaman konsep.
e. Kemampuan penalaran adaptif tidak berpengaruh terhadap kemampuan pemecahan masalah.
f. Kemampuan pemahaman konsep berpengaruh terhadap kemampuan pemecahan masalah.
g. Kemampuan berpikir kreatif tidak berpengaruh terhadap kemampuan pemecahan masalah.
h. Kemampuan penalaran adaptif, berpikir kreatif, dan pemahaman konsep secara simultan berpengaruh
terhadap kemampuan pemecahan masalah.
VII. Konsep Trimming (Analisis Jalur Lanjutan)
Jika kita perhatikan konstalasi Penelitian sebagai berikut:
Selanjutnya dengan pertimbangan tabel berikut:
Antar Variabel Koefisien
Jalur
T F Hasil Uji R
square
Koefisien Variabel
X1 terhadap X4 0.049 0.557
33,708
Ho diterima
0,777 (0.472)2 = 0.223 X2 terhadap X4 -0.006 -0.049 Ho diterima
X3 terhadap X4 0.887 7.692 Ho ditolak
Dan tabel
Antar Variabel Koefisien
Jalur
T F Hasil Uji R
square
Koefisien Variabel
X1 terhadap Y -0.062 -0.733
37,451
Ho diterima
0,795 (0.453)2 = 0.205 X3 terhadap Y 0.624 3.494 Ho ditolak
X4 terhadap Y 0.287 1.609 Ho diterima
X1
X2
X3
X4 Y
82
Berdasarkan 2 tabel diatas variabel yang signifikan berpengaruh terhadap Y adalah variabel
X3, dengan demikian X1, X2, dan X4 dikeluarkan, sehingga model baru yang didapat adalah sebagai
berikut:
Persamaan Model: Y =
Model Summaryb
Model R
R
Square
Adjusted R
Square
Std. Error of
the Estimate
Change Statistics
Durbin-Watson
R Square
Change F Change df1 df2
Sig. F
Change
1 .880a .774 .767 5.35361 .774 106.312 1 31 .000 1.464
a. Predictors: (Constant), Berpikir Kreatif
b. Dependent Variable: Pemecahan Masalah
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 3047.019 1 3047.019 106.312 .000a
Residual 888.496 31 28.661
Total 3935.515 32
a. Predictors: (Constant), Berpikir Kreatif
b. Dependent Variable: Pemecahan Masalah
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) 29.775 4.211 7.070 .000
Berpikir Kreatif .696 .067 .880 10.311 .000
a. Dependent Variable: Pemecahan Masalah
Tabel Anova menunjukkan signifikansi 0,000 < 0,05 , dengan demikian H0 ditolak ,artinya Kemampuan
penalaran adaptif signifikan berpengaruh terhadap kemampuan pemecahan masalah.
Berdasarkan koefisien Determinan Rsquare= 0,774 dan besarnya pengaruh = = 0,47
Dari tabel Coefficiens: koefisien beta X3 = 0,880
Persamaan Model adalah Y =
X3 Y
83
BAB VIII
PENGENALAN STRUKTUR EQUATION MODEL (SEM)
DENGAN PROGRAM LISREL 8.8
VIII.1 Pengantar SEM
Structural Equation Modelling (SEM) adalah sebuah evolusi dari model persamaan
berganda yang dikembangkan dari prinsip ekonometri dan digabungkan dengan prinsip pengaturan
dari psikologi dan sosiologi, SEM telah muncul sebagai bagian integral dari penelitian manajerial
akademik.
SEM terdiri dari 2 bagian yaitu model variabel laten dan model pengukuran (Ghozali,
2008). Bagian pertama yaitu model variabel laten (latent variable model) mengadaptasi model
persamaan simultan pada ekonometri. Jika pada ekonometri semua variabelnya merupakan
beberapa variabel terukur/teramati (measured/observed variables), maka pada model ini beberapa
variabel merupakan variabel laten (latent variables yang tidak terukur secara langsung).
Sedangkan bagian kedua yang dikenal dengan model pengukuran (measurement model),
menggambarkan beberapa indikator atau beberapa variabel terukur sebagai efek atau refleksi dari
variabel latennya.
Kedua bagian model ini merupakan jawaban terhadap 2 permasalahan dasar pembuatan
kesimpulan ilmiah dalam ilmu sosial dan perilaku. Untuk permasalahan pertama yang berkaitan
dengan masalah pengukuran dapat dijawab dengan model pengukuran, sedangkan permasalahan
kedua yang berkaitan dengan hubungan kausal dapat dijawab menggunakan model variabel laten.
Berbeda dengan teknik analisis lain yang hanya bisa mengukur hubungan kausal searah
saja, SEM juga memungkinkan menganalisis hubungan dua arah yang sering kali muncul dalam
ilmu sosial dan perilaku. SEM termasuk keluarga multivariate statistics dependensi yang
memungkinkan dilakukannya analisis satu atau lebih variabel independen yang dilibatkan boleh
berbentuk variabel kontinu ataupun diskrit, dalam bentuk variabel latent atau teramati.
Dalam praktiknya, SEM merupakan gabungan dari dua metode statistika yang terpisah
yang melibatkan analisis faktor (factor analysis) yang dikembangkan dipsikologi dan psikometri
dan model persamaan simultan (simultaneous equation modelling) yang dikembangkan di
ekonometrika.
84
VII.2. Contoh Kasus SEM dengan Berbantuan Program Lisrel 8.8
Misal diberikuan Judul Penelitian:
PENGARUH TRANSPARANSI, AKUNTABILITAS, RESPONSIFITAS TERHADAP BUDAYA
AKADEMIK, DAN PRAKARSA LAYANAN AKADEMIK SEKOLAH DI KOTA BENGKULU
Misal Konstalasi Penelitian ini adalah:
Dengan Data sebagai Berikut
T1 T2 T3 A1 A2 A3 R1 R2 R3 BA1 BA2 BA3 P1 P2 P3
6 5 6 6 7 7 6 6 6 5 7 7 6 7 6
7 6 7 7 7 7 7 7 7 7 7 6 7 7 7
6 4 6 5 6 6 5 6 5 6 5 6 6 6 5
6 5 5 5 5 5 5 7 6 5 6 6 6 5 4
7 7 6 7 7 6 7 7 6 7 6 6 7 7 7
7 6 6 6 6 6 7 6 6 6 6 6 6 6 6
7 7 6 6 6 7 6 6 7 7 7 7 6 7 7
6 6 6 6 6 6 6 6 6 6 6 7 6 7 6
7 7 6 7 7 6 7 7 7 7 7 6 7 7 7
6 4 6 6 6 6 7 6 6 7 7 7 7 7 6
6 7 6 7 7 7 6 6 7 6 7 6 7 7 6
7 6 6 6 6 6 7 6 6 6 7 7 6 7 5
7 7 7 5 7 7 6 6 7 6 7 7 6 7 6
6 7 6 6 7 6 7 6 6 6 7 7 6 7 6
6 6 6 6 6 6 6 6 6 6 6 6 6 6 6
6 6 6 6 6 6 6 6 6 6 6 6 6 6 6
7 6 6 6 6 6 6 6 6 6 6 7 6 7 6
7 7 6 5 7 7 6 7 7 7 7 7 7 7 6
6 7 6 7 7 6 6 6 6 6 7 6 6 6 6
6 7 6 6 6 6 6 6 6 6 6 6 6 6 6
7 7 6 6 6 7 7 6 6 6 7 6 6 6 4
6 6 7 7 7 7 6 7 7 7 6 6 6 7 7
7 7 6 6 6 6 7 6 6 5 7 7 7 7 7
6 6 6 6 6 7 6 6 6 5 6 6 6 7 6
7 6 6 4 6 6 7 6 6 5 7 6 6 7 6
7 7 6 7 6 7 7 7 6 5 7 7 6 7 7
7 7 6 7 7 7 6 6 7 7 7 7 6 7 6
6 6 6 7 6 7 6 6 7 7 6 7 6 7 6
6 7 6 7 7 7 7 6 7 7 6 6 7 6 7
T
A
R
BA
P
85
T1 T2 T3 A1 A2 A3 R1 R2 R3 BA1 BA2 BA3 P1 P2 P3
6 6 5 6 5 6 6 6 6 6 6 6 6 6 5
6 7 7 6 6 6 6 6 7 7 6 6 6 6 6
7 7 7 7 7 7 6 7 7 6 7 7 7 7 7
7 6 6 6 6 6 6 6 7 6 7 7 7 7 5
6 6 6 6 5 6 6 6 6 6 6 6 6 6 6
7 7 6 7 7 7 6 6 6 7 7 7 6 7 6
6 7 6 6 6 7 7 7 7 7 7 7 7 6 6
7 7 5 6 7 7 7 7 7 7 7 7 6 7 5
6 7 6 7 6 7 6 7 6 6 7 6 6 7 6
7 6 6 7 7 7 7 6 6 7 7 6 7 6 6
6 7 6 6 6 6 6 6 6 6 6 7 6 6 6
7 6 7 7 7 7 7 7 6 7 7 7 6 7 6
7 7 6 7 7 7 6 7 7 7 7 7 7 7 6
6 6 6 6 6 6 6 6 6 6 6 6 6 6 6
6 7 6 7 6 6 6 7 6 6 7 6 6 7 7
6 6 6 7 6 6 6 7 6 6 7 6 6 7 7
6 6 5 5 5 6 5 5 5 4 6 5 6 6 5
6 7 6 6 5 5 6 5 6 6 6 7 6 6 6
7 6 7 7 7 7 7 7 7 7 7 7 7 7 7
7 6 3 6 7 6 7 6 6 7 7 7 6 7 7
7 7 7 7 7 7 7 7 7 7 7 7 7 7 7
6 6 6 6 6 6 6 6 6 6 6 6 6 6 6
7 7 7 7 7 7 7 7 7 7 7 7 7 7 7
7 7 6 6 6 7 6 6 6 6 7 7 7 6 7
6 6 6 6 6 6 6 5 5 4 7 6 6 6 6
7 7 6 7 7 7 7 7 7 7 7 7 6 7 7
7 7 6 6 6 6 7 7 6 6 6 6 6 7 6
6 6 6 5 6 7 6 7 6 6 6 7 6 6 6
6 7 6 7 6 7 7 7 6 6 7 7 6 6 6
7 7 6 6 7 7 6 7 7 6 7 7 7 7 6
6 7 6 6 7 7 7 7 6 7 7 7 6 7 7
6 6 6 7 7 6 6 6 6 6 6 7 6 7 6
7 7 7 7 6 7 6 7 6 6 7 7 6 7 7
7 6 5 6 6 6 6 6 6 6 6 7 6 7 7
6 6 6 4 6 6 6 5 6 6 6 7 6 7 5
6 6 6 6 6 7 6 7 6 6 7 7 6 6 6
7 6 6 6 7 6 7 6 7 6 7 7 7 6 6
7 6 6 7 6 7 7 7 7 6 7 7 7 6 6
7 7 6 6 7 7 6 6 7 6 6 6 6 7 6
6 6 6 6 6 6 7 6 6 6 6 6 6 6 6
3 6 4 6 5 5 4 5 6 6 7 7 7 7 6
7 6 6 6 6 6 3 7 6 6 7 7 6 6 5
7 6 7 7 7 6 7 7 6 6 7 7 6 7 6
6 7 6 7 7 6 6 6 7 6 6 6 6 7 7
6 5 5 5 5 5 5 5 7 6 6 5 5 5 6
7 6 6 6 6 6 6 6 6 6 7 7 7 6 6
6 6 6 6 7 6 7 6 7 6 7 7 7 6 6
6 6 6 6 6 6 6 6 6 6 6 7 6 6 6
6 6 6 6 6 6 6 6 6 6 6 6 6 6 6
6 6 6 7 7 7 6 7 7 7 7 7 7 6 6
6 6 6 6 6 6 6 6 6 6 6 6 6 6 5
86
T1 T2 T3 A1 A2 A3 R1 R2 R3 BA1 BA2 BA3 P1 P2 P3
7 7 6 6 7 7 6 7 6 7 7 7 7 6 6
6 7 6 6 6 7 6 6 6 6 7 7 6 6 6
7 6 5 7 6 6 6 6 6 6 6 7 6 6 6
6 7 6 6 7 7 6 6 6 6 7 7 6 6 6
6 6 6 6 6 6 6 6 6 6 6 6 6 6 6
6 6 6 6 6 7 7 7 6 6 6 7 7 6 7
7 7 7 7 6 7 7 7 7 7 7 7 7 7 7
6 7 7 6 6 7 6 7 6 6 6 6 7 7 5
6 7 6 7 6 6 6 6 7 7 7 7 7 6 6
7 7 7 7 7 7 6 7 6 7 7 7 7 7 6
7 6 5 6 6 6 6 6 6 6 6 5 7 6 5
7 7 7 7 7 7 7 7 7 7 7 7 7 7 7
6 6 6 7 6 7 7 6 6 6 7 7 6 7 7
6 7 6 6 6 6 6 6 6 6 7 6 7 7 7
6 7 6 6 6 6 6 6 6 6 7 6 7 7 7
6 6 6 6 6 6 6 6 6 6 7 6 7 7 7
7 6 6 7 7 7 7 7 7 7 7 6 6 7 6
7 7 7 6 7 7 7 7 7 7 7 7 7 6 7
7 7 6 6 6 7 6 6 7 6 6 6 6 7 7
7 7 6 6 7 7 6 7 7 6 6 6 6 6 7
7 6 6 6 6 7 6 6 6 6 6 5 6 6 6
7 7 6 6 6 7 6 7 6 6 6 6 6 7 6
6 6 5 5 6 6 6 6 6 6 6 6 7 6 6
6 6 5 6 6 6 6 6 6 6 6 6 7 6 7
6 6 6 6 6 6 6 6 6 6 6 6 6 7 6
7 6 6 6 6 7 6 6 6 6 6 5 6 6 5
7 7 6 5 6 6 6 6 6 7 6 6 6 7 7
6 7 6 6 7 7 6 6 6 6 7 6 7 7 6
6 6 6 7 6 6 7 6 6 6 6 6 6 6 7
5 6 6 6 6 6 6 6 6 6 6 7 6 6 7
7 7 7 6 6 7 6 7 7 7 6 7 7 7 6
6 7 6 7 6 7 7 7 7 7 7 7 7 7 7
7 7 5 5 6 7 7 7 7 6 7 7 7 7 7
7 6 6 7 6 6 7 6 6 7 7 7 6 7 6
6 6 6 5 6 5 5 5 6 6 6 5 6 6 6
6 6 6 6 6 6 6 6 6 6 6 6 6 6 6
5 6 5 5 7 6 6 7 6 7 6 6 6 6 6
6 7 6 6 6 6 6 6 6 6 6 6 6 6 6
6 7 6 6 6 6 6 6 6 6 7 7 6 7 7
6 6 6 6 6 6 6 6 6 6 6 6 6 6 6
6 6 6 6 6 6 6 6 6 6 6 6 6 6 6
6 6 5 6 6 6 6 6 6 6 6 5 6 6 6
6 7 6 6 6 6 6 6 5 6 5 5 6 7 7
6 7 6 7 6 7 7 6 7 7 6 7 6 7 6
5 5 6 5 6 5 5 5 6 5 6 6 6 6 5
7 7 7 7 7 7 7 7 7 7 7 7 7 7 7
6 6 6 5 6 6 6 6 6 6 6 6 6 7 6
6 6 6 6 6 7 6 6 7 6 6 6 6 6 6
4 4 5 5 4 5 6 6 6 6 6 6 6 5 5
5 6 6 6 6 7 6 5 6 6 7 6 7 6 6
6 5 6 6 5 5 5 6 5 5 6 6 6 6 5
87
T1 T2 T3 A1 A2 A3 R1 R2 R3 BA1 BA2 BA3 P1 P2 P3
6 6 5 6 6 5 6 6 6 6 6 6 6 6 6
6 6 6 6 6 6 6 6 6 6 6 6 5 6 6
6 6 6 5 6 6 6 6 6 6 6 6 6 6 6
5 6 5 5 6 6 6 6 6 6 6 6 6 6 7
6 7 6 6 7 7 6 6 6 6 6 6 6 6 6
7 6 6 7 7 7 7 7 7 6 7 7 7 7 7
5 7 6 5 4 7 5 5 7 7 7 6 6 6 6
7 6 6 7 7 6 6 7 6 6 7 7 6 7 6
7 4 5 3 6 7 7 6 6 7 6 7 7 7 7
6 6 6 5 5 6 6 5 6 6 6 6 7 7 6
6 5 5 3 5 5 6 5 5 6 7 5 6 6 5
6 6 6 6 5 6 6 6 6 6 6 6 6 6 7
6 6 6 5 5 5 6 5 6 6 6 6 6 5 6
7 7 6 7 4 6 6 6 6 6 6 6 7 6 7
7 6 5 7 6 5 5 6 6 6 6 5 6 6 6
7 7 6 7 7 7 6 7 6 7 7 7 7 7 7
6 6 6 5 5 6 5 7 6 6 6 5 6 6 6
6 6 6 6 5 6 6 6 6 6 7 7 7 7 7
6 6 6 5 6 6 6 5 6 6 6 6 5 7 6
6 6 6 3 6 5 6 5 6 6 6 6 6 6 6
4 3 5 6 6 6 5 5 6 6 6 5 6 6 6
4 3 5 5 6 5 5 6 6 6 6 6 6 6 5
4 3 5 6 5 6 5 6 6 6 6 5 5 6 6
4 3 5 6 6 6 5 6 6 6 6 6 6 6 6
6 6 6 5 5 6 6 5 6 6 6 4 5 6 5
6 6 6 7 7 6 6 6 6 6 6 6 6 7 7
6 6 6 6 6 6 6 6 6 6 6 6 7 7 6
5 5 5 4 5 6 5 5 5 5 6 4 5 5 5
6 6 6 5 5 6 6 6 6 6 7 6 6 6 6
5 5 4 5 5 6 5 5 6 6 6 5 5 6 6
5 4 4 3 6 6 5 5 6 6 6 5 5 6 5
6 6 5 5 5 6 6 5 6 5 6 5 5 5 5
6 6 5 5 6 6 6 5 6 6 6 6 6 6 6
7 7 6 7 7 7 7 7 7 7 7 7 7 7 7
7 6 6 6 7 7 6 7 7 6 6 7 7 7 7
6 6 5 5 5 6 6 5 6 6 6 5 5 5 5
7 6 7 5 7 7 6 6 7 7 6 4 6 7 5
Keterangan:
1. Transparasi (T): (Keterbukaan (T1), Transaparansi Kebijakan (T2), Pengawasan dan Audit
(T3))
2. Akuntabilitas (A): (A. Manajerial (A1), A. Program dan Outcome (A2), A. Proses (A3))
3. Responsititas (R): (Patuh Hukum (R1), Tanggujawab Sosial (R2), Sigap (R3))
4. Budaya Akademik (B): (Artifact (B1), Espaused Values (B2), Basic Assumptions (B3))
5. Prakarsa (P): (Iklim Kerja (P1), Struktur Prakarsa (P2), Motif Prakarsa (P3))
88
Jawaban
Pemisalan konstalasi awal adalah
Langkah-langkah dalam menemukan konstelasi dengan program Lisrel 8.8 adalah:
Prosedur Penggunaan Lisrel:
1. Masukkan data dalam program SPSS lalu simpan misalnya dengan nama Data Latihan.sav
2. Lalu buka program Lisrel, selanjutnya Klik File import data ambil data yang dari SPSS dengan
indeks .sav Lalu simpan dan beri nama file misalnya “Latihan 9” save pastikan data tampil
di layar
3. Lalu kelik file new klik Simplis projek OK file name ketik “Latihan SEM”lalu
save.
4. Set up title and coment tulis Title “Latihan SEM S3” coment “Analisis SEM S3” next
next
5. add/read variabel read from file pilih Prelis system klik browse Latihan SEM S3.psf open
OK
6. add laten GB OK GK OK SK OK KBK OK KBM OK next number of
observation, untuk kasus isi “30” (tergantung banyaknya data) OK
7. Klik setup F8
8. Letakkan kursor setelah relationship, lalu enter ketik :
KBM = GB GK SK KBK KBK = GB GK SK X12 - X13 = GB X11 = 1 * GB X22 = GK X21 = 1 * GK X32 = SK X31 = 1 * SK X42 - X44 = KBK X41 = 1 * KBK X52 - X54 = KBM X51 = 1 * KBM Options: ND=3
T
A
R
BA
P
89
9. Klik ikon “save” (gambar disket) klik ikon “run” (gambar orang lari) akan tampil konstelasi
Setelah dimasukkan data dalam program lisrel sesuai dengan langkah diatas akan muncul
konstalasi sebagai berikut:
Jawaban Permasalahan
1) Rumusan Masalah yang mungkin dari konstalasi masalah penelitian di atas?
a. Berapa besar pengaruh langsung T terhadap P?
b. Berapa besar pengaruh langsung A terhadap P?
c. Berapa Besar Pengaruh langsung R terhadap P?
d. Berapa besar pengaruh langsung T terhadap B, pengaruh tidak langsung T terhadap B melalui P,
dan pengaruh total dari T terhadap B?
e. Berapa besar pengaruh langsung A terhadap B, pengaruh tidak langsung A terhadap B melalui P,
dan pengaruh total dari A terhadap B?
f. Berapa besar pengaruh langsung R terhadap B, pengaruh tidak langsung R terhadap B melalui P,
dan pengaruh total dari R terhadap B?
g. Apakah model SEM sudah sesuai (fit) terhadap data sampel?
h. Bagaimana hubungan variabael laten (eksogen dan endogen) dengan indikatornya?
i. Bagaimana bentuk model persamaannya?
90
2) Susunan rumusan hipotesis penelitian.
a. variabel laten eksogen berpengaruh secara signifikan terhadap variabel laten endogen.
b. variabel laten eksogen berpengaruh secara signifikan terhadap variabel indikatornya.
c. variabel laten endogen berpengaruh secara signifikan terhadap variabel indikatornya.
3) Susunan rumusan pasangan hipotesis statistika berdasarkan konstalasi.
a. Ho diterima: thitung < ttabel : variabel laten eksogen tidak berpengaruh secara signifikan terhadap
variabel laten endogen.
Ho ditolak: thitung > ttabel : variabel laten eksogen berpengaruh secara signifikan terhadap variabel laten
endogen.
b. Ho diterima: thitung < ttabel : variabel laten eksogen tidak berpengaruh secara signifikan terhadap
variabel indikatornya.
Ho ditolak: thitung > ttabel : variabel laten eksogen berpengaruh secara signifikan terhadap variabel
indikatornya.
c. Ho diterima: thitung < ttabel : variabel laten endogen tidak berpengaruh secara signifikan terhadap
variabel indikatornya.
Ho ditolak: thitung > ttabel : variabel laten endogen berpengaruh secara signifikan terhadap
variabel indikatornya.
4) Statistika apa yang paling tepat untuk menjawab masalah penelitian yang di rumuskan:
Structural Equation Modeling dengan aplikasi Lisrel 8.8
5) Asumsi-asumsi apa saja yang harus diuji untuk dapat melanjutkan ke uji hipotesis statistika:
Asumsi teoretis:
Asumsi kausalitas yang tergantung pada terpenuhinya persyaratan berikut:
a. Model dispesifikasikan dengan benar.
b. Ada hubungan teramati dan dapat diukur (observed and measurable relationship) antara
variabel independen X dan variabel dependen Y (ada korelasi antara X dan Y).
c. Ada urutan temporal: variabel independen X secara temporal harus terjadi mendahului
variabel dependen Y.
d. Tidak ada hubungan palsu (nonspurious relationship) antara variabel independen X dan variabel
dependen Y (hubungan teramati, dapat diukur, dan temporal antara X dan Y tidak hilang
dengan pengendalian terhadap efek variabel-variabel lain).
Asumsi statistika:
a. Asumsi yang terkait dengan regresi ganda: asumsi normalitas, homoskedastisitas, dan
linieritas’
91
b. Besar hubungan antara dua variabel independen yang berkorelasi satu sama lain dan tak-
teranalisis direpresentasikan oleh koefisien korelasinya.
c. Pengukuran variabel endogen sekurang-kurangnya berskala interval.
d. Pengukuran variabel eksogen bersifat bebas-galat.
e. Arah hubungan kausal terspesifikasi dengan benar: apakah X menyebabkan Y (X →Y), Y
menyebabkan X (Y → X), atau terdapat hubungan resiprokal (X Y).
f. Bentuk distribusi diketahui: Bentuk distribusi probabilitas parameter
dispesifikasikan.
6) Berdasarkan Data Penelitian pada Tabel 1 (Data terlampir dalam file excel: UASS3), asumsi-asumsi
untuk dapat melanjutkan uji hipotesis adalah :
Uji Normalitas
Hipotesis
H0: Data berdistribusi normal
H1: Data tidak berdistribusi normal
Kriteria uji: H0 ditolak apabila p-value (sig) < 0,05
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
T1 ,278 168 ,000 ,748 168 ,000
T2 ,305 168 ,000 ,726 168 ,000
T3 ,380 168 ,000 ,728 168 ,000
A1 ,280 168 ,000 ,814 168 ,000
A2 ,281 168 ,000 ,799 168 ,000
A3 ,296 168 ,000 ,760 168 ,000
R1 ,318 168 ,000 ,757 168 ,000
R2 ,298 168 ,000 ,783 168 ,000
R3 ,401 168 ,000 ,681 168 ,000
B1 ,361 168 ,000 ,719 168 ,000
B2 ,352 168 ,000 ,676 168 ,000
B3 ,266 168 ,000 ,783 168 ,000
P1 ,361 168 ,000 ,725 168 ,000
P2 ,313 168 ,000 ,722 168 ,000
P3 ,282 168 ,000 ,802 168 ,000
a. Lilliefors Significance Correction
92
Berdasarkan tabel tersebut, data untuk semua peubah tidak berdistribusi normal. Ini terlihat dari nilai
sig semuanya bernilai sig = 0,000 < 0,05 yang artinya H0 ditolak. Baik pada uji kolmogorov-smirnov
maupun uji shapiro-wilk.
Uji Homoskedastisitas Varians
Hipotesis
H0: Data memiliki varians homogen
H1: Data tidak memiliki varians homogen
Kriteria uji: H0 ditolak apabila p-value (sig) < 0,05
1. Homogenitas T1, T2 dan T3 terhadap B1
Test of Homogeneity of Variances B1
Levene Statistic df1 df2 Sig.
11,308 2 159 ,000
Test of Homogeneity of Variances
B1
Levene Statistic df1 df2 Sig.
12,579 2 156 ,000
Test of Homogeneity of Variances
B1
Levene Statistic df1 df2 Sig.
,881 3 163 ,453
2. Homogenitas T1, T2 dan T3 terhadap B2 Test of Homogeneity of Variances
B2
Levene Statistic df1 df2 Sig.
1,157 2 159 ,317
Test of Homogeneity of Variances B2
Levene Statistic df1 df2 Sig.
,353 2 156 ,703
Test of Homogeneity of Variances B2
Levene Statistic df1 df2 Sig.
27,454 3 163 ,000
3. Homogenitas T1, T2 dan T3 terhadap B3 Test of Homogeneity of Variances
B3
Levene Statistic df1 df2 Sig.
1,202 2 159 ,303
Test of Homogeneity of Variances B3
Levene Statistic df1 df2 Sig.
3,040 2 156 ,051
93
Test of Homogeneity of Variances B3
Levene Statistic df1 df2 Sig.
2,089 3 163 ,104
4. Homogenitas A1, A2 dan A3 terhadap B1 Test of Homogeneity of Variances
B1
Levene Statistic df1 df2 Sig.
4,390 4 163 ,002
Test of Homogeneity of Variances
B1
Levene Statistic df1 df2 Sig.
6,425 3 164 ,000
Test of Homogeneity of Variances
B1
Levene Statistic df1 df2 Sig.
17,409 2 165 ,000
5. Homogenitas A1, A2 dan A3 terhadap B2
Test of Homogeneity of Variances
B2
Levene Statistic df1 df2 Sig.
5,131 4 163 ,001
Test of Homogeneity of Variances
B2
Levene Statistic df1 df2 Sig.
4,020 3 164 ,009
Test of Homogeneity of Variances B2
Levene Statistic df1 df2 Sig.
4,325 2 165 ,015
6. Homogenitas A1, A2 dan A3 terhadap B3 Test of Homogeneity of Variances
B3
Levene Statistic df1 df2 Sig.
3,289 4 163 ,013
Test of Homogeneity of Variances
B3
Levene Statistic df1 df2 Sig.
5,218 3 164 ,002
Test of Homogeneity of Variances
B3
Levene Statistic df1 df2 Sig.
,037 2 165 ,964
94
7. homogenitas R1, R2 dan R3 dengan B1 Test of Homogeneity of Variances
B1
Levene Statistic df1 df2 Sig.
11,961 2 163 ,000
Test of Homogeneity of Variances
B1
Levene Statistic df1 df2 Sig.
11,164 2 165 ,000
Test of Homogeneity of Variances
B1
Levene Statistic df1 df2 Sig.
14,709 2 165 ,000
8. homogenitas R1, R2 dan R3 dengan B2 Test of Homogeneity of Variances
B2
Levene Statistic df1 df2 Sig.
22,090 2 163 ,000
Test of Homogeneity of Variances
B2
Levene Statistic df1 df2 Sig.
4,297 2 165 ,015
Test of Homogeneity of Variances
B2
Levene Statistic df1 df2 Sig.
2,181 2 165 ,116
9. homogenitas R1, R2 dan R3 dengan B3 Test of Homogeneity of Variances
B3
Levene Statistic df1 df2 Sig.
2,932 2 163 ,056
Test of Homogeneity of Variances
B3
Levene Statistic df1 df2 Sig.
5,067 2 165 ,007
Test of Homogeneity of Variances
B3
Levene Statistic df1 df2 Sig.
,172 2 165 ,842
Uji linearitas
Hipotesis
H0: terdapat hubungan linear
H1: tidak terdapat linear
Kriteria uji: H0 ditolak apabila p-value (sig) < 0,05
95
1. linieritas T1, T2 dan T3 terhadap B1
ANOVA Table
Sum of Squares df Mean Square F Sig.
B1 *
T1
Between Groups
(Combined) 5,027 2 2,514 8,303 ,000
Linearity 4,419 1 4,419 14,597 ,000
Deviation from
Linearity ,608 1 ,608 2,010 ,158
Within Groups 48,133 159 ,303
Total 53,160 161
ANOVA Table
Sum of Squares df Mean Square F Sig.
B1 *
T2
Between Groups
(Combined) 8,045 2 4,023 13,938 ,000
Linearity 7,758 1 7,758 26,880 ,000
Deviation from Linearity ,288 1 ,288 ,997 ,320
Within Groups 45,024 156 ,289
Total 53,069 158
ANOVA Table
Sum of Squares df Mean Square F Sig.
B1 *
T3
Between Groups
(Combined) 8,627 4 2,157 7,422 ,000
Linearity 3,890 1 3,890 13,385 ,000
Deviation from Linearity 4,738 3 1,579 5,435 ,001
Within Groups 47,367 163 ,291
Total 55,994 167
2. linieritas T1, T2 dan T3 terhadap B2 ANOVA Table
Sum of Squares df Mean Square F Sig.
B2 *
T1
Between Groups
(Combined) 5,526 2 2,763 11,419 ,000
Linearity 5,045 1 5,045 20,850 ,000
Deviation from Linearity ,481 1 ,481 1,988 ,161
Within Groups 38,474 159 ,242
Total 44,000 161
ANOVA Table
Sum of Squares
df Mean Square F Sig.
B2 *
T2
Between Groups
(Combined) 4,753 2 2,377 9,619 ,000
Linearity 3,746 1 3,746 15,162 ,000
Deviation from Linearity 1,007 1 1,007 4,077 ,045
Within Groups 38,542 156 ,247
Total 43,296 158
96
ANOVA Table
Sum of
Squares
df Mean Square F Sig.
B2 *
T3
Between Groups
(Combined) 4,974 4 1,244 5,029 ,001
Linearity 2,745 1 2,745 11,102 ,001
Deviation from Linearity 2,229 3 ,743 3,005 ,032
Within Groups 40,306 163 ,247
Total 45,280 167
3. linieritas T1, T2 dan T3 terhadap B3 ANOVA Table
Sum of Squares df Mean Square F Sig.
B3 * T1
Between Groups
(Combined) 9,582 2 4,791 11,309 ,000
Linearity 9,473 1 9,473 22,359 ,000
Deviation from Linearity ,110 1 ,110 ,259 ,612
Within Groups 67,362 159 ,424
Total 76,944 161
ANOVA Table
Sum of Squares df Mean Square F Sig.
B3 * T2
Between Groups
(Combined) 7,233 2 3,616 8,535 ,000
Linearity 7,150 1 7,150 16,874 ,000
Deviation from Linearity ,083 1 ,083 ,195 ,659
Within Groups 66,101 156 ,424
Total 73,333 158
ANOVA Table
Sum of Squares df Mean Square F Sig.
B3 * T3
Between Groups
(Combined) 12,842 4 3,211 7,085 ,000
Linearity 8,074 1 8,074 17,817 ,000
Deviation from
Linearity 4,768 3 1,589 3,507 ,017
Within Groups 73,866 163 ,453
Total 86,708 167
4. linieraitas A1, A2 dan A3 dengan B1 ANOVA Table
Sum of Squares df Mean Square F Sig.
B1 * A1
Between Groups
(Combined) 10,853 4 2,713 9,798 ,000
Linearity 5,786 1 5,786 20,892 ,000
Deviation from Linearity 5,068 3 1,689 6,100 ,001
Within Groups 45,141 163 ,277
Total 55,994 167
97
ANOVA Table
Sum of Squares df Mean Square F Sig.
B1 * A2
Between Groups
(Combined) 13,105 3 4,368 16,703 ,000
Linearity 9,839 1 9,839 37,623 ,000
Deviation from Linearity 3,265 2 1,633 6,243 ,002
Within Groups 42,889 164 ,262
Total 55,994 167
ANOVA Table
Sum of Squares df Mean Square F Sig.
B1 * A3
Between Groups
(Combined) 9,992 2 4,996 17,919 ,000
Linearity 9,608 1 9,608 34,461 ,000
Deviation from Linearity ,384 1 ,384 1,377 ,242
Within Groups 46,002 165 ,279
Total 55,994 167
5. linieraitas A1, A2 dan A3 dengan B2 ANOVA Table
Sum of Squares df Mean Square F Sig.
B2 * A1
Between Groups
(Combined) 7,975 4 1,994 8,711 ,000
Linearity 5,786 1 5,786 25,280 ,000
Deviation from Linearity 2,189 3 ,730 3,188 ,025
Within Groups 37,305 163 ,229
Total 45,280 167
ANOVA Table
Sum of Squares df Mean Square F Sig.
B2 * A2
Between Groups
(Combined) 7,829 3 2,610 11,429 ,000
Linearity 6,065 1 6,065 26,558 ,000
Deviation from Linearity 1,765 2 ,882 3,864 ,023
Within Groups 37,450 164 ,228
Total 45,280 167
ANOVA Table
Sum of Squares df Mean Square F Sig.
B2 * A3
Between Groups
(Combined) 8,156 2 4,078 18,126 ,000
Linearity 7,509 1 7,509 33,376 ,000
Deviation from Linearity ,647 1 ,647 2,876 ,092
Within Groups 37,123 165 ,225
Total 45,280 167
6. linieraitas A1, A2 dan A3 dengan B3 ANOVA Table
Sum of Squares df Mean Square F Sig.
B3 * A1
Between Groups
(Combined) 16,121 4 4,030 9,306 ,000
Linearity 14,000 1 14,000 32,329 ,000
Deviation from Linearity 2,121 3 ,707 1,632 ,184
Within Groups 70,588 163 ,433
Total 86,708 167
98
ANOVA Table
Sum of Squares df Mean Square F Sig.
B3 * A2
Between Groups
(Combined) 16,541 3 5,514 12,887 ,000
Linearity 13,880 1 13,880 32,441 ,000
Deviation from Linearity 2,661 2 1,330 3,109 ,047
Within Groups 70,168 164 ,428
Total 86,708 167
ANOVA Table
Sum of Squares df Mean Square F Sig.
B3 * A3
Between Groups
(Combined) 12,233 2 6,117 13,551 ,000
Linearity 11,801 1 11,801 26,144 ,000
Deviation from Linearity ,432 1 ,432 ,958 ,329
Within Groups 74,475 165 ,451
Total 86,708 167
6. linieritas R1, R2 dan R3 dengan B1
ANOVA Table
Sum of Squares df Mean Square F Sig.
B1 * R1
Between Groups
(Combined) 8,836 4 2,209 7,635 ,000
Linearity 7,570 1 7,570 26,164 ,000
Deviation from Linearity 1,266 3 ,422 1,459 ,228
Within Groups 47,158 163 ,289
Total 55,994 167
ANOVA Table
Sum of Squares df Mean Square F Sig.
B1 * R2
Between Groups
(Combined) 9,878 2 4,939 17,671 ,000
Linearity 9,875 1 9,875 35,333 ,000
Deviation from Linearity ,003 1 ,003 ,009 ,923
Within Groups 46,116 165 ,279
Total 55,994 167
ANOVA Table
Sum of Squares df Mean Square F Sig.
B1 * R3
Between Groups
(Combined) 18,733 2 9,366 41,475 ,000
Linearity 18,183 1 18,183 80,517 ,000
Deviation from Linearity ,550 1 ,550 2,434 ,121
Within Groups 37,261 165 ,226
Total 55,994 167
99
8. linieritas R1, R2 dan R3 dengan B2 ANOVA Table
Sum of Squares df Mean Square F Sig.
B2 * R1
Between Groups
(Combined) 10,464 4 2,616 12,247 ,000
Linearity 5,875 1 5,875 27,504 ,000
Deviation from Linearity 4,589 3 1,530 7,161 ,000
Within Groups 34,816 163 ,214
Total 45,280 167
ANOVA Table
Sum of Squares df Mean Square F Sig.
B2 * R2
Between Groups
(Combined) 7,255 2 3,627 15,741 ,000
Linearity 6,260 1 6,260 27,164 ,000
Deviation from Linearity ,995 1 ,995 4,317 ,039
Within Groups 38,025 165 ,230
Total 45,280 167
ANOVA Table
Sum of Squares df Mean Square F Sig.
B2 * R3
Between Groups
(Combined) 5,158 2 2,579 10,606 ,000
Linearity 5,157 1 5,157 21,206 ,000
Deviation from Linearity ,002 1 ,002 ,006 ,937
Within Groups 40,122 165 ,243
Total 45,280 167
9. linieritas R1, R2 dan R3 dengan B3 ANOVA Table
Sum of Squares df Mean Square F Sig.
B3 * R1
Between Groups
(Combined) 24,537 4 6,134 16,083 ,000
Linearity 14,026 1 14,026 36,773 ,000
Deviation from Linearity 10,511 3 3,504 9,186 ,000
Within Groups 62,172 163 ,381
Total 86,708 167
ANOVA Table
Sum of Squares df Mean Square F Sig.
B3 * R2
Between Groups
(Combined) 20,203 2 10,102 25,063 ,000
Linearity 19,568 1 19,568 48,548 ,000
Deviation from Linearity ,636 1 ,636 1,577 ,211
Within Groups 66,505 165 ,403
Total 86,708 167
ANOVA Table
Sum of Squares df Mean Square F Sig.
B3 * R3
Between Groups
(Combined) 12,202 2 6,101 13,510 ,000
Linearity 10,641 1 10,641 23,565 ,000
Deviation from Linearity 1,560 1 1,560 3,455 ,065
Within Groups 74,507 165 ,452
Total 86,708 167
100
7) Lakukan uji statistika untuk menjawab rumusan masalah penelitian?
a. Besar pengaruh langsung T terhadap P adalah 0,37
b. Besar pengaruh langsung A terhadap P adalah 0,69
c. Besar Pengaruh langsung R terhadap P adalah 0,17
d. Besar pengaruh langsung T terhadap B adalah -0,33; pengaruh tidak langsung T terhadap B
melalui P adalah (0,01 * 0,67) = 0,0067; dan pengaruh total dari T terhadap B adalah -0,33 +
0,0067 = -0.3233
e. Besar pengaruh langsung A terhadap B adalah 0,8; pengaruh tidak langsung A terhadap B melalui
P adalah (-0,23 * 0,67)= -0,1541; dan pengaruh total dari A terhadap B adalah 0,8 -0,1541=
0.6459
f. Besar pengaruh langsung R terhadap B adalah 0,69; pengaruh tidak langsung R terhadap B
melalui P adalah (0,17 * 0,67)= 0,1139; dan pengaruh total dari R terhadap B adalah 0,69 +
0,1139 = 0,8039
g. Hubungan variabael laten (eksogen dan endogen) dengan indikatornya adalah sebagai berikut:
B1 = 1.000*B, Errorvar.= 0.216 , R² = 0.355 (0.0264) 8.186
B2 = 0.892*B, Errorvar.= 0.176 , R² = 0.349 (0.142) (0.0215) 6.264 8.217
101
B3 = 1.397*B, Errorvar.= 0.287 , R² = 0.448 (0.204) (0.0380) 6.859 7.555 P1 = 1.000*P, Errorvar.= 0.187 , R² = 0.399 (0.0243) 7.689 P2 = 1.088*P, Errorvar.= 0.184 , R² = 0.445 (0.158) (0.0251) 6.887 7.325 P3 = 1.108*P, Errorvar.= 0.313 , R² = 0.328 (0.181) (0.0386) 6.116 8.128
T1 = 1.000*T, Errorvar.= 0.253 , R² = 0.539 (0.0382) 6.619 T2 = 1.105*T, Errorvar.= 0.365 , R² = 0.497 (0.139) (0.0519) 7.938 7.030 T3 = 0.737*T, Errorvar.= 0.231 , R² = 0.410 (0.101) (0.0300) 7.297 7.683 A1 = 1.000*A, Errorvar.= 0.464 , R² = 0.385 (0.0555) 8.368 A2 = 0.876*A, Errorvar.= 0.255 , R² = 0.466 (0.119) (0.0321) 7.387 7.952 A3 = 0.816*A, Errorvar.= 0.192 , R² = 0.502 (0.107) (0.0249) 7.600 7.696 R1 = 1.000*R, Errorvar.= 0.280 , R² = 0.341 (0.0321) 8.740 R2 = 1.160*R, Errorvar.= 0.220 , R² = 0.471 (0.155) (0.0273) 7.492 8.028 R3 = 0.794*R, Errorvar.= 0.171 , R² = 0.348 (0.118) (0.0197) 6.715 8.713
102
Bentuk model persamaannya Structural Equations
B = 0.652*P - 0.212*T + 0.557*A - 0.208*R, Errorvar.= 0.00381, R² = 0.968 (0.379) (0.193) (0.301) (0.426) (0.0163) 1.722 -1.094 1.848 -0.488 0.234 P = 0.00603*T + 0.449*A + 0.156*R, Errorvar.= 0.0290 , R² = 0.767 (0.170) (0.232) (0.342) (0.0149)
0.0353 1.935 0.456 1.951
8) Deskripsi setiap hasil uji asumsi dan uji hipotesis stastistika di atas
T tabel =1,974
a. Ho diterima: thitung 1,72 < ttabel 1,97: artinya Prakarya tidak berpengaruh secara signifikan
terhadap Budaya akademik.
b. Ho diterima: thitung -1,094 < ttabel 1,97: artinya Transparansi tidak berpengaruh secara signifikan
terhadap Budaya akademik.
c. Ho diterima: thitung 1,848 < ttabel 1,97: artinya Akuntabilitas tidak berpengaruh secara signifikan
terhadap Budaya akademik.
d. Ho diterima: thitung -0,488 < ttabel 1,97: artinya Resposibiliti tidak berpengaruh secara signifikan
terhadap Budaya akademik.
e. Ho diterima: thitung 0,0353 < ttabel 1,97: artinya Transparansi tidak berpengaruh secara
signifikan terhadap Prakarya.
f. Ho diterima: thitung 1,935 < ttabel 1,97: artinya Akuntabilitas tidak berpengaruh secara signifikan
terhadap Prakarya.
g. Ho diterima: thitung 0,456 < ttabel 1,97: artinya Resposibilitas tidak berpengaruh secara
signifikan terhadap Prakarya.
h. Ha diterima, Ho ditolak: thitung > 1,97 : semua variabel laten eksogen berpengaruh secara
signifikan terhadap variabel indikatornya.
- Transparasi (T) mempengaruhi secara signifikan Keterbukaan (T1),
Transaparansi Kebijakan (T2), Pengawasan dan Audit (T3).
- Akuntabilitas (A) mempengaruhi secara signifikan Manajerial (A1),
Program dan Outcome (A2), Proses (A3).
- Responsititas (R) mempengaruhi secara signifikan Patuh Hukum (R1),
Tanggujawab Sosial (R2), Sigap (R3).
i. Ha diterima, Ho ditolak: thitung > 1,97 : semua variabel laten endogen berpengaruh secara
signifikan terhadap variabel indikatornya.
- Budaya Akademik (B) mempengaruhi secara signifikan Artifact (B1),
Espaused Values (B2), Basic Assumptions (B3).
103
- Prakarsa (P) mempengaruhi secara signifikan Iklim Kerja (P1), Struktur
Prakarsa (P2), Motif Prakarsa (P3).
9) Pengujian kesesuaian model SEM terhadap data sampel adalah sebagai berikut:
Goodness of Fit Statistics Degrees of Freedom = 80
Minimum Fit Function Chi-Square = 116.879 (P = 0.00452) Normal Theory Weighted Least Squares Chi-Square = 113.296 (P = 0.00849)
Estimated Non-centrality Parameter (NCP) = 33.296 90 Percent Confidence Interval for NCP = (9.075 ; 65.537)
Minimum Fit Function Value = 0.700
Population Discrepancy Function Value (F0) = 0.199 90 Percent Confidence Interval for F0 = (0.0543 ; 0.392)
Root Mean Square Error of Approximation (RMSEA) = 0.0499 90 Percent Confidence Interval for RMSEA = (0.0261 ; 0.0700)
P-Value for Test of Close Fit (RMSEA < 0.05) = 0.483
Expected Cross-Validation Index (ECVI) = 1.157 90 Percent Confidence Interval for ECVI = (1.012 ; 1.351)
ECVI for Saturated Model = 1.437 ECVI for Independence Model = 16.016
Chi-Square for Independence Model with 105 Degrees of Freedom = 2644.704
Independence AIC = 2674.704 Model AIC = 193.296
Saturated AIC = 240.000 Independence CAIC = 2736.563
Model CAIC = 358.254 Saturated CAIC = 734.876
Normed Fit Index (NFI) = 0.956
Non-Normed Fit Index (NNFI) = 0.981 Parsimony Normed Fit Index (PNFI) = 0.728
Comparative Fit Index (CFI) = 0.985 Incremental Fit Index (IFI) = 0.986
Relative Fit Index (RFI) = 0.942
Critical N (CN) = 161.504
Root Mean Square Residual (RMR) = 0.0194 Standardized RMR = 0.0452
Goodness of Fit Index (GFI) = 0.917 Adjusted Goodness of Fit Index (AGFI) = 0.876
Parsimony Goodness of Fit Index (PGFI) = 0.611
Absolute Fit
Measures
Keterangan Nilai
Model
Keterangan
Goodness of fit
index (GFI) Nilai GFI berkisar di antara 0 dan 1. Nilai GFI
menunjukkan model sudah cocok/fit terhadap data (good fit).
Untuk termasuk marginal fit.
0,917 Cocok/Fit
Adjusted
goodness of fit
index (AGFI)
Nilai AGFI berkisar di antara 0 dan 1. Nilai AGFI
menunjukkan kemampuan model yang baik dalam hal
mencocokkan/fit data (good fit). Untuk
termasuk marginal fit.
0,878 Marginal
Fit
Root mean
square residual
(RMR)
Nilai RMR menyatakan selisih antara matriks kovarian
estimasi model terhadap matriks kovarian sampel. Semakin
kecil nilai RMR (mendekati nol), maka model akan semakin
0,0194 Cocok/Fit
104
baik dalam mencocokkan/fit data. Nilai
menunjukkan model telah cocok/fit terhadap data (good fit).
Standardized
RMR (SRMR) Nilai SRMR menunjukkan kemampuan model yang
baik dalam hal mencocokkan/fit data (good fit), sedangkan
termasuk acceptable fit, namun
menunjukkan kemampuan model yang buruk
dalam mencocokkan/fit data (poor fit).
0,0452 Cocok/Fit
Root mean
square error of
approximation
(RMSEA)
Nilai RMSEA menunjukkan kemampuan model
yang baik dalam hal mencocokkan/fit data (good fit),
menunjukkan cukup baik.
(0.0261 ;
0.0700) Cocok/Fit
Expected Cross
Validation
Index (ECVI)
Nilai ECVI digunakan untuk membandingkan beberapa
model. Nilai ECVI yang mendekati 1 menunjukkan suatu
model yang lebih baik dalam hal mencocokkan data
dibandingkan model yang lain.
(1.012 ;
1.351) Cocok/Fit
Data menunjukkan Bahwa model telah Cocok
Jika dilihat dari Chi-Square = 116.879 (P = 0.00452) < 0,05
10) Lakukan diskusi berdasarkan hasil penelitian berdasarkan uji statistika?
- Dilihat dari bobot faktor yang diestimasikan semuanya signifikan
- Hasil uji kesesuaian model menunjukkan bahwa, nilai P hitung = 0,00452 < 0,05 artinya model
fit dengan data
11) Simpulan, saran dan implikasi berdasarkan hasil penelitian :
a. Besar pengaruh langsung T terhadap P adalah 0,37
b. Besar pengaruh langsung A terhadap P adalah 0,69
c. Besar Pengaruh langsung R terhadap P adalah 0,17
d. Besar pengaruh langsung T terhadap B adalah -0,33; pengaruh tidak langsung T terhadap B
melalui P adalah (0,01 * 0,67) = 0,0067; dan pengaruh total dari T terhadap B adalah -0,33 +
0,0067 = -0.3233
j. Besar pengaruh langsung A terhadap B adalah 0,8; pengaruh tidak langsung A terhadap
B melalui P adalah (-0,23 * 0,67)= -0,1541; dan pengaruh total dari A terhadap B
adalah 0,8 -0,1541= 0.6459.
k. Besar pengaruh langsung R terhadap B adalah 0,69; pengaruh tidak langsung R
terhadap B melalui P adalah (0,17 * 0,67)= 0,1139; dan pengaruh total dari R terhadap
B adalah 0,69 + 0,1139 = 0,8039
l. Ho diterima: thitung 1,72 < ttabel 1,97: artinya Prakarya tidak berpengaruh secara
signifikan terhadap Budaya akademik.
m. Ho diterima: thitung -1,094 < ttabel 1,97: artinya Transparansi tidak berpengaruh secara
signifikan terhadap Budaya akademik.
105
n. Ho diterima: thitung 1,848 < ttabel 1,97: artinya Akuntabilitas tidak berpengaruh secara
signifikan terhadap Budaya akademik.
o. Ho diterima: thitung -0,488 < ttabel 1,97: artinya Resposibiliti tidak berpengaruh secara
signifikan terhadap Budaya akademik.
p. Ho diterima: thitung 0,0353 < ttabel 1,97: artinya Transparansi tidak berpengaruh secara
signifikan terhadap Prakarya.
q. Ho diterima: thitung 1,935 < ttabel 1,97: artinya Akuntabilitas tidak berpengaruh secara
signifikan terhadap Prakarya.
r. Ho diterima: thitung 0,456 < ttabel 1,97: artinya Resposibilitas tidak berpengaruh secara
signifikan terhadap Prakarya.
s. Ha diterima, Ho ditolak: thitung > 1,97 : semua variabel laten eksogen berpengaruh
secara signifikan terhadap variabel indikatornya.
- Transparasi (T) mempengaruhi secara signifikan Keterbukaan (T1),
Transaparansi Kebijakan (T2), Pengawasan dan Audit (T3).
- Akuntabilitas (A) mempengaruhi secara signifikan Manajerial (A1),
Program dan Outcome (A2), Proses (A3).
t. Responsititas (R) mempengaruhi secara signifikan Patuh Hukum (R1), Tanggujawab
Sosial (R2), Sigap (R3).
106
DAFTAR PUSTAKA
Cochran, William G. 2005. Teknik Penarikan Sampel. Edisi ke 3. Diterjemahkan Rudiansyah.
Jakarta: UI Press.
Kusnendi.2005. Konsep dan Aplikasi Model Persamaan Struktural SEM dengan program Lisrel.
Bandung: Badan Penerbit UPI
Margono. 2004. Metodologi Penelitian Pendidikan. Jakarta:Rieneka Cipta
Mukayat D. Brotowidjojo. 2009. Metodologi penelitian dan penulisan karangan ilmiah.
Yogyakarta : Liberty.
Nana Syaodih Sukmadinata. Metode Penelitian Pendidikan. (Bandung : PT. Remaja Rosdakarya
Offset, 2010).hlm 194
Nurul Zuriah. 2007.Metodologi Penelitian Sosoal dan Pendidikan. Jakarta : PT. Bumi Aksara.
Riadi Edi. 2003. Aplikasi Lisrel. Yogyakarta: Penerbit Andi.
Sevilla, Consuelo G. et. al .2007. Research Methods. Rex Printing Company: Quezon City
Slovin, Husein Umar. 2000. Riset Pemasaran dan Perilaku Konsumen. Cetakan Ketiga, Jakarta :
PT. Gramedia Pustaka Utama.
Soleh,Ahmad Zambar.2005. Ilmu Statistik. Bandung: Rekayasa Sains
Sudijono. 2005. Pengantar Statistik Pendidikan. Jakarta: Raja Grafindo Persada.
Sugiyono. 2001. Metode Penelitian Bisnis: Bandung : Alfa Beta.
Sugiyono.2013. Metode penelitian pendidikan. Bandung : Alfa Beta.
Sugiyono. 2016. Statistika untuk Penelitian. Edisi 27. Bandung : Alfa Beta.
Sukardi. 2009. Metodologi Penelitian Pendidikan. Jakarta : PT. Bumi Aksara.
Sukmadinata, Nana Syaodih. 2010. Metode Penelitian Pendidikan. Bandung : PT Remaja
Rosdakarya
Sumadi Suryabrata. 2011. Metodologi Penelitian. Jakarta : Rajawali Pers
Suprianto J. 1991. Statistik Teori dan Aplikasi. Edisi kelima. Jakarta: UI Press
107
Riwayat Hidup Penulis
BIODATA
Nama : Muzanip Alperi, S.Pd., M.Si
Tempat Tanggal Lahir : Tapak Gedung, 6 Oktober 1979
Alamat korespondensi : Perumahan Griya Azzahrah Jl. Medan Baru No.54B RT.22 Kelurahan
Pemetang Gubernur Kota Bengkulu
HP : 0813676937379
E-mail : [email protected]
Riwayat Pendidikan
Tahun lulus Perguruan Tinggi Bidang Spesialisasi
S-1, 2002 Universitas Bengkulu Pendidikan Matematika
S-2, 2006 Institut Teknologi
Bandung
Matematika FMIPA
S-3 Universitas Bengkulu Teknologi Pendidikan
Matematika
Pengalaman Mengajar:
1. Instruktur Kurikulum dan Penjaminan Mutu di LPMP Bengkulu
2. Dosen Matematika Komputer pada Prodi Teknik Informatika FIK Universitas Dehasen
Bengkulu.
3. Tutor Matematika Universitas Terbuka UPBJJ Bengkulu
4. Guru Matematika Yayasan Al-Fida Bengkulu
Pengalaman Menulis
1. Bahan Ajar Digital Matematika SMP
2. Panduan Pembuatan Alat Peraga Matematika jenjang SMP
3. Biodata Tokoh Pendidikan Bengkulu HM. Syamlan, Lc
4. Matematika Diskrit Graf Kombinatorika, Bilangan Ramsey TripartitKombinasi Graf
Bintang dan Lingkaran Kecil
Bengkulu, Juni 2017
Penulis
Muzanip Alperi, S.Pd., M.Si
108