Bulan: Agustus 2020

Kategori
Jasa Olah Data

Cara Melakukan Independen t Test dengan Aplikasi Pengolah Data

Independen t test

Salah satu tujuan dari penelitian adalah untuk membandingkan rerata dua buah kelompok. Untuk mencapai tujuan ini, ada beberapa jenis analisis yang bisa digunakan. Analisis Independen t test merupakan satu di antara beberapa jenis analisis yang dilakukan.

Pengertian

Independen t test termasuk dalam jenis analisis komparatif. Maksudnya, analisis ini dilakukan untuk membandingkan rerata dua kelompok atau menguji perbedaan antara dua kelompok. Pada analisis ini, kelompok yang diuji tidak memiliki keterkaitan sama sekali. Karena itulah analisis ini disebut independen.

Asumsi-asumsi Pengujian

Uji Independen t test termasuk ke dalam uji parametrik. Oleh karena itu, apabila peneliti ingin menggunakan uji ini, maka data sampel yang digunakan harus memenuhi syarat kelayakan. Syarat-syarat agar sampel bisa diuji dengan analisis ini yaitu:

1. Kedua Sampel Tidak Berpasangan

Syarat utama agar bisa melakukan analisis ini adalah dua kelompok sampel yang akan digunakan tidak memiliki keterkaitan. Artinya dua kelompok sampel tadi berasal dari data yang berbeda, misalnya data nilai kelas A dan kelas B. Apabila diketahui kelompok sampel memiliki hubungan, maka uji ini tidak bisa digunakan lagi, gantinya peneliti bisa menggunakan uji paired t test

2. Jumlah Data Kurang Dari 30

Agar bisa melakukan uji ini, data dari masing-masing kelompok sampel tidak memiliki jumlah yang besar. Jumlah maksimal yang bisa ditolerir adalah 30 orang per masing-masing kelompok. Apabila lebih dari jumlah tersebut, sebaiknya peneliti menggunakan uji Z.

3. Data Berskala Numerik

Asumsi lain untuk menggunakan uji ini adalah jenis data yang digunakan harus berskala numerik yakni data interval atau rasio. Apabila data bersifat kategorik, maka analisis ini tidak bisa digunakan.

4. Distribusi Normal

Untuk bisa melakukan uji parametrik, dalam hal ini, data yang digunakan perlu berdistribusi normal. Apabila data tidak normal, maka peneliti perlu melakukan uji non-parametrik sebagai gantinya.

Langkah Melakukan Uji Pengujian dengan Aplikasi

Pelaksanaan uji independen t test bisa dilakukan melalui aplikasi. Hal ini dimaksudkan agar peneliti tidak merasa kesulitan dalam melakukan perhitungan. Umumnya, aplikasi pengolah data yang digunakan adalah SPSS. Untuk melakukan uji ini dengan SPSS, berikut langkah yang perlu dilakukan:

  • Memasukan data ke dalam aplikasi
  • Melakukan uji normalitas untuk mengetahui distribusi data sampel
  • Melakukan analisis melalui menu Analyze, kemudian compare means dan pilih independen samples t-test.
  • Mengambil kesimpulan. Jika hasil analisis telah diketahui, peneliti bisa mengambil kesimpulan berdasarkan nilai signifikansi.  Apabila nilai signifikansi kurang dari 0,05, maka H0 ditolak yang artinya terdapat perbedaan rerata antara dua kelompok. Namun, jika signifikansi lebih dari 0,05, maka H0 diterima yang artinya tidak ada perbedaan.

Sebagai seorang peneliti atau mahasiswa, uji independen t test merupakan hal yang perlu dipahami dengan baik. Dengan begitu, peneliti tidak akan merasa kesulitan ketika penelitian membutuhkan analisis ini.

Bagi peneliti yang tidak memiliki waktu melakukan analisis atau masih tidak memahami cara mengolah data, ada cara lain yang bisa dilakukan. Peneliti hanya perlu menghubungi kami, sebagai penyedia jasa pengolah data, lalu menerima hasil yang memuaskan.

Kategori
Jasa Olah Data

Tentang Skala Pengukuran Likert: Perhitungan, Kelemahan, dan Kelebihannya

skala pengukuran likert

Skala pengukuran likert merupakan salah satu dari skala pengukuran sikap. Sikap dan pendapat responden diukur menggunakan skala ini. Umumnya, skala ini muncul dalam kuesioner yang dibagikan kepada responden pada penelitian kuantitatif. Ini beberapa hal yang harus diketahui tentang skala ini:

1. Tingkat Persetujuan Skala Pengukuran Likert

Ada 5 tingkatan atau gradasi skala likert dalam kuesioner yang bisa digunakan untuk menyatakan sikap atau pendapat responden. Pernyataan sikap diwakili oleh pilihan setuju, setuju, ragu-ragu, tidak setuju dan sangat tidak setuju. Skala ini akan muncul pada pilihan ganda jawaban yang ada di kuesioner.

Untuk menyatakan pendapat, biasanya akan muncul gradasi sangat suka, suka, netral, tidak suka, dan sangat tidak suka. Setiap pertanyaan atau pernyataan yang muncul di dalam kuesioner akan diiringi dengan skala likert ini sebagai pilihan jawaban.

2. Perhitungan Skala Likert

Setiap unit gradasi memiliki skor, dimana semakin besar nilainya semakin baik sikap atau pendapat responden. Umumnya, skor dimulai dari 1 sampai 5. Perhitungan skala likert ini bisa menggunakan rumus indeks dimana perlu dihitung lebih dulu total skor, interval serta interpretasi persennya.

Contohnya, dari 100 responden didapatkan total skor 247 menggunakan rumus total responden dikali pilihan skor likert. Kemudian, menghitung dulu ujung atas dan ujung bawah yaitu :

Ujung atas (Y) ialah skor tertinggi x jumlah responden

Ujung bawah (X) ialah skor terendah x jumlah responden

Setelah itu, hitung intervalnya (I) dengan menggunakan rumus jumlah responden dibagi jumlah skor atau 100/5, hasilnya 20. Setelah itu, barulah dihitung persentase dengan menggunakan rumus indeks yaitu Total Skor dibagi Ujung Atas dikali 100%.

3. Kelebihan Skala Likert

Skala pengukuran likert dianggap yang paling mudah jika dibandingkan dengan skala pengukuran yang lain seperti Thurstone dan Gutman. Penggunaan gradasi sikap dianggap sangat mudah dalam mengukur pendapat dan sikap responden. Reliabilitas skala likert juga dianggap relatif tinggi dan bisa memuat beberapa alternatif respon.

Selain itu, penyusunan skala likert memungkinkan untuk peneliti memasukkan item yang hubungannya dengan sikap yang sedang diteliti belum jelas. Ini tidak bisa dilakukan pada skala pengukuran sikap yang lain seperti misalnya pada skala Thurstone. Terakhir, skala likert memuat keterangan yang lebih gamblang akan sikap responden terhadap isu yang dimuat dalam kuesioner.

4. Kelemahan Skala Likert

Skala likert tidak bisa digunakan untuk apakah satu individu lebih baik daripada individu yang lain. Sebabnya adalah karena skala likert menggunakan ukuran ordinal. Skor yang ada pada skala likert juga tidak bisa memberi gambaran yang jelas tentang respon dari responden.

Kesulitan menghitung data penelitian yang menggunakan skala pengukuran likert? Hubungi saja Patra Statistika untuk berkonsultasi mengenai metode penelitian dan pembuatan kuesioner dengan skala likert.

Kategori
Jasa Olah Data

Pengertian Skala Numerik Adalah Sebagai Berikut pada Pengolahan Data:

skala numerik adalah

Dalam penelitian, mahasiswa biasanya akan mendapatkan berbagai macam data. Data-data tersebut bisa dikelompokan kembali sesuai kebutuhan. Terdapat dua macam jenis kelompok data, dan skala numerik adalah salah satunya.

Klasifikasi Data

Untuk mendapatkan hasil analisis yang akurat, pemahaman mengenai klasifikasi data adalah hal yang wajib dikuasai. Kesalahan dalam pengelompokan data bisa mengakibatkan kekeliruan dalam pemilihan metode analisis. Data penelitian sendiri bisa dikelompokan menjadi dua yakni skala kategorik dan skala numerik.

1. Skala Kategorik

Sesuai namanya, skala kategorik adalah data yang telah digolongkan sesuai dengan sifat tertentu. Skala data ini bisanya ditemukan berupa kata-kata dan tidak memerlukan pengukuran.

Skala kategorik dibagi lagi menjadi dua macam yakni skala nominal dan ordinal. Perbedaan dari dua skala tersebut yakni ada dan tidaknya derajat atau tingkatan data.

Pada skala nominal tidak ditemui perbedaan tingkatan. Artinya data yang didapat bersifat setara. Contohnya adalah jenis kelamin.

Sedangkan skala ordinal mempunyai tingkatan yang membedakan satu data dengan yang lain. Contoh dari data ordinal adalah tingkat pendidikan.

2. Skala Numerik

Jika skala kategorik didasarkan pada penggolongan data, maka skala numerik adalah hasil data yang didapat melalui pengukuran. Berbeda dari skala kategorik yang berupa huruf, skala numerik ditampilkan dalam bentuk angka-angka absolut.

Sama seperti skala kategorik, skala numerik juga dibagi menjadi dua yaitu skala interval dan skala rasio. Sekilas dua jenis data ini memang terlihat sama. Akan tetapi, terdapat perbedaan pada skala rasio dan interval.

Skala interval tidak memiliki angka 0 mutlak. Artinya, ketika menggunakan skala interval angka di bawah 0 masih bisa dihitung. Contoh dari skala interval adalah suhu.

Sebaliknya, data rasio memiliki angka 0 mutlak. Artinya angka 0 adalah hasil pengukuran terendah yang bisa didapat. Contoh skala rasio adalah tinggi badan.

Pengolahan Data dengan Skala Numerik

Data diambil dan dikelompokan sesuai dengan jenis pengukurannya untuk mempermudah peneliti dalam melakukan analisis data. Data dengan skala numerik tentu memiliki metode analisis yang berbeda dengan data skala kategorik.

Untuk menganalisis data dengan skala numerik, metode analisis yang dipakai adalah uji parametrik. Meski demikian, apabila asumsi untuk menjalankan uji parametrik tidak terpenuhi sepenuhnya, peneliti dapat mengubah data numerik tersebut menjadi data kategorik.

Untuk mengubah data numerik menjadi kategorik, peneliti bisa menggunakan aplikasi pengolah data seperti SPSS. Begitu juga saat akan melakukan analisis. Penggunaan aplikasi pengolah data akan mempermudah peneliti dalam melakukan analisis, karena tidak perlu lagi menghitung angka-angka yang rumit.

Mengenal berbagai macam data, baik pada skala kategorik maupun skala numerik adalah hal yang harus dikuasai mahasiswa terutama yang hendak melakukan penelitian. Tanpa adanya pemahaman terhadap data, maka penelitian tidak akan berjalan lancar, dan hasil penelitian pun juga diragukan.

Namun, mahasiswa tidak perlu merasa takut atau khawatir jika masih belum memahami cara pengolahan data. Yang perlu dilakukan hanya satu, datang kepada kami sebagai penyedia jasa olah data. Dengan begitu, dijamin penelitian akan beres tanpa perlu bersusah payah.

Kategori
Jasa Olah Data

Cara Mengolah Data Kuesioner Skala Likert: Bagian Penting Pada Sebuah Penelitian

cara mengolah data kuesioner skala likert

Untuk mendapatkan data penelitian, biasanya peneliti menggunakan kuesioner sebagai instrumen. Agar lebih mudah melakukan pengolahan data dari kuesioner, peneliti umumnya menggunakan skala jawaban. Skala likert adalah salah satu jenis skala yang digunakan untuk mengukur sikap dan pendapat responden Lalu, bagaimana cara mengolah data kuesioner skala likert?

Pengertian Skala Likert

Sebelum membahas cara mengolah data kuesioner dengan skala likert, pertama-tama peneliti harus memahami lebih dalam mengenai skala likert. Secara umum skala likert digunakan untuk mengetahui dan menilai sikap atau persepsi responden terhadap suatu variabel.

Pada skala likert terdapat suatu jenjang untuk menyatakan sikap atas sebuah pendapat atau variabel yang diteliti. Untuk mendapat hasil yang akurat, tentunya isi pertanyaan harus bisa dinilai oleh responden.

Dalam penyusunan kuesioner dengan skala likert, ada beberapa hal yang harus diperhatikan yakni:

  • Tidak menggunakan pertanyaan atau pernyataan yang berisi pengetahuan. Skala likert adalah skala yang digunakan untuk menilai sikap atau persetujuan responden akan sebuah permasalahan. Sedangkan pertanyaan pengetahuan tidak bisa dijawab dengan model setuju atau tidak setuju.
  • Jawaban atas pertanyaan atau pernyataan harus bisa dijenjangkan. Jangan sampai responden bingung membedakan antara tidak setuju dan kurang setuju. Setiap pilihan jawaban harus memiliki jenjang yang bisa dinilai.
  • Satu pertanyaan tidak boleh menimbulkan jawaban yang ganda. Misalnya saja pernyataan berikut ini “Saya mencintai pekerjaan saya karena membuat saya punya banyak uang”

Pada pernyataan di atas terdapat dua isi yakni mencintai pekerjaan dan punya banyak uang. Apabila responden memiliki dua pendapat atas pernyataan tersebut, tentu responden akan kebingungan dalam menentukan jawaban.

Cara Mengolah Data Skala Likert

Penggunaan skala likert dalam kuesioner biasanya digunakan dalam penelitian deskriptif kuantitatif. Pengolahan data skala likert sendiri bisa dilakukan secara manual atau melalui aplikasi. Ketika menggunakan skala likert dalam kuesioner, analisis yang bisa dilakukan oleh peneliti yaitu:

1. Analisis Frekuensi atau Proporsi

Analisis frekuensi dilakukan untuk mengetahui jumlah atau proporsi dari jawaban responden. Seperti yang diketahui, skala likert hanya digunakan untuk mengetahui sikap dari responden, sehingga penggunaan skoring bukanlah pilihan yang tepat.

Dari hasil analisis frekuensi ini, nantinya peneliti akan mendapatkan hasil berupa persentase jawaban responden.

2. Analisis Mode atau analisi terbanyak

Selain analisis frekuensi, skala likert juga bisa diolah dan dianalisis untuk mengetahui jumlah pendapat terbanyak yang dikemukakan oleh responden.

Misalnya saja dari pernyataan “Hukuman bagi koruptor adalah hukuman mati” ditemukan jawaban setuju sebanyak 45%, netral 25% dan tidak setuju sebanyak 30%. Dari jawaban di atas, maka diketahui bahwa kebanyakan responden setuju dengan pernyataan tersebut.

Meskipun terlihat mudah, nyatanya pembuatan skala likert untuk kuesioner tidak sesederhana yang terlihat. Ada banyak pertimbangan agar jawaban yang diberikan responden merupakan perwakilan dari populasi.

Kabar baiknya, sekarang peneliti tidak perlu lagi bingung dengan cara mengolah data kuesioner skala likert. Mengapa demikian? Karena kami hadir untuk membantu peneliti dalam mengolah data. Segera hubungi kami jika peneliti ingin mendapatkan hasil olahan kuesioner skala likert yang tepat dan akurat!

Kategori
Jasa Olah Data

Mengenal Lebih Dalam Metode Penelitian Eksperimen Semu

metode penelitian eksperimen semu

Eksperimen adalah salah satu metode dalam penelitian untuk mengetahui hubungan sebab-akibat suatu variabel. Metode eksperimen sendiri terbagi lagi menjadi dua macam yakni  eksperimen sesungguhnya dan  eksperimen semu. Nah, kali ini metode penelitian eksperimen semu akan dibahas secara lebih mendalam. 

Pengertian Eksperimen Semu

Eksperimen semu atau eksperimen quasi adalah jenis penelitian eksperimen dimana peneliti tidak mampu mengontrol variabel yang diteliti. Pada dasarnya eksperimen kuasi merupakan pengembangan dari penelitian true experimental dimana pengontrolan variabel luar sulit dilakukan. 

Sama seperti penelitian eksperimen sesungguhnya, penelitian eksperimen semu juga bertujuan untuk menyelidiki hubungan sebab-akibat atau mencari tahu penyebab sebuah peristiwa. Hanya saja, pada eksperimen ini kelompok kontrol dan kelompok perlakuan tidak dipilih secara acak. 

Ciri-ciri Eksperimen Semu

Secara sekilas, pelaksanaan eksperimen semu serupa dengan eksperimen sesungguhnya. Namun, jika diamati lebih lanjut, ciri-ciri dan karakteristik masing-masing eksperimen memiliki perbedaan yang cukup terlihat. Ciri-ciri dari metode penelitian eksperimen semu diantaranya:

  • Memiliki beberapa metode dalam pelaksanaan atau pengujian objek. 
  • Metode-metode yang digunakan nantinya akan saling dibandingkan. 
  • Pemilihan kelompok kontrol dan kelompok perlakuan tidak dilakukan secara acak. 

Jenis Penelitian Eksperimen Semu atau Quasi

Ketika akan melaksanakan penelitian eksperimen semu, peneliti bisa memilih satu dari beberapa jenis rancangan penelitian. Masing-masing rancangan eksperimen semu memiliki kelebihan dan kekurangannya tersendiri. Beberapa rancangan penelitian eksperimen semu adalah sebagai berikut:

1. The Time Series Experiment

Salah satu rancangan eksperimen semu adalah time series experiment. Pada penelitian ini objek hanya terdiri dari kelompok perlakuan saja. Selain itu objek juga dipilih secara tidak acak. 

Penelitian dimulai dengan mengobservasi objek penelitian dan memberi pretest pada objek. Observasi ini dilakukan selama beberapa kali untuk melihat tingkat kestabilan objek penelitian. 

Ketika observasi selesai dilakukan, peneliti akan memberi perlakuan atau intervensi kepada kelompok objek. Selanjutnya objek kembali diobservasi selama beberapa kali dengan instrumen yang sama. Hal ini dilakukan untuk mengetahui adanya perubahan setelah diberi perlakuan. 

2. The Non-Equivalent Group Design

Pada rancangan ini objek penelitian dibagi menjadi dua yakni kelompok kontrol dan kelompok perlakuan. Pemilihan kedua kelompok ini tidak dilakukan secara acak. 

Penelitian diawali dengan pemberian pretest sebagai acuan untuk mengetahui perubahan objek. Setelah diberi perlakuan, objek akan kembali diberi posttest untuk melihat sejauh mana perubahan yang dihasilkan akibat intervensi atau perlakuan. 

3. The Equivalent Time Series Samples Design

Secara umum, rancangan ini memiliki kemiripan dengan time series. Hanya saja, pada rancangan ini, intervensi atau perlakuan dilakukan lebih dari sekali. Meskipun demikian, intervensi tidak terus menerus dilakukan. Ada beberapa periode dimana intervensi tidak dilakukan.

Bagi seorang peneliti, memahami cara kerja metode penelitian eksperimen semu adalah kewajiban. Hal ini dilakukan agar sewaktu-waktu peneliti tidak merasa kesulitan dalam melaksanakan metode penelitian ini. 

Selain metode, peneliti juga harus memahami cara mengolah data dari hasil eksperimen. Untuk hal ini, peneliti tidak harus ahli karena ada jasa pengolah data yang siap membantu. Peneliti hanya perlu menghubungi kami dan data hasil penelitian pun cepat terolah secara akurat. 

Kategori
Jasa Olah Data

Uji Wilcoxon, Cara Terbaik untuk Penelitian Nonparametik

Uji wilcoxon

Dalam sebuah penelitian, tak jarang ditemukan dua kelompok data yang berbeda, namun berhubungan. Nah, di situlah uji Wilcoxon digunakan, khususnya untuk penelitian yang bersifat nonparametrik. Untuk lebih memahami mengenai metode penelitian ini, simak penjelasan berikut:

Tentang Pengujian Wilcoxon

Uji Wilcoxon ini dilakukan untuk memperhitungkan dua kelompok data yang berbeda secara kaidah statistik. Tujuannya adalah untuk mengetahui di bagian mana saja perbedaan antara kedua kelompok data tersebut.

Metode pengujian ini pertama kali diperkenalkan pada tahun 1945 pada sebuah paper penelitian yang dibuat oleh Frank Wilcoxon. Ahli statistik asal Amerika ini mencoba membuat panduan dasar dalam penentuan hipotesis untuk data penelitian yang nonparametrik.

Tipe data yang bisa diteliti menggunakan pengujian Wilcoxon ini adalah data-data yang bisa diranking, namun tidak memiliki nilai ukur yang mutlak. Pengukuran dilakukan pada obyek yang sama, namun dengan perlakuan yang berbeda.

Misalnya saja, penelitian terhadap tingkat konsentrasi siswa di kelas A untuk mata pelajaran B. Contoh lainnya pengujian akan efek dari sebuah vaksin terhadap para pasien.

Jenis Pengujian Wilcoxon

Hanya terdapat dua jenis uji Wilcoxon ini, yakni the Wilcoxon Rank Sum test dan the Wilcoxon Signed Rank test. Kedua jenis tes inilah yang diajukan oleh Frank Wilcoxon langsung pada paper penelitiannya. Berikut penjelasan lengkapnya:

1. Pengujian Wilcoxon Rank Sum

Tipe pengujian ini digunakan untuk menguji hipotesis yang menyatakan bahwa dua kelompok data memiliki karakter yang sama. Untuk melakukan pengujian ini, asumsi dasar yang dibutuhkan adalah data berasal dari satu populasi yang sama. Pengukuran data diukur dengan menggunakan skala interval serta data dipilih secara independen dan random.

2. Pengujian Wilcoxon Signed Rank

Jenis pengujian Wilcoxon yang kedua yaitu signed rank. Asumsi yang digunakan pada pengujian ini yaitu adanya perbedaan pada dua kelompok data yang diuji. Seringkali, signed rank ini digunakan sebagai alternatif untuk T-test ketika data populasi bukan termasuk dalam distribusi normal.

Untuk pengujian Wilcoxon Signed Rank, terdapat syarat-syarat yang harus dipenuhi, antara lain:

  • Skala untuk variabel dependen haruslah ordinal atau bisa juga rasio. Hanya saja, distribusi data harus tidak normal. Untuk itu, harus dilakukan uji normalitas untuk menentukan apakah pengujian bisa dilakukan dengan signed rank atau tidak.
  • Terdapat 2 kategori berpasangan untuk variabel independen yang digunakan. Artinya, data berasal dari subyek individu atau populasi data yang sama.
  • Untuk kedua kelompok data berpasangan ini, bentuk sebaran datanya harus simetris.

Uji Wilcoxon ini biasanya dilakukan dengan tools statistik seperti SPSS. Meskipun sekilas terlihat mudah, namun prosesnya cukup membingungkan pada beberapa poin. Tapi tak perlu bingung, sebab Patra Statistika hadir sebagai solusi terbaik yang bisa membantu proses pengolahan data penelitian dari awal hingga selesai.

Kategori
Jasa Olah Data

Serba-serbi Tentang Uji Statistik Chi Square yang Wajib Diketahui

cara uji normalitas spss

Chi Square adalah salah satu jenis pengujian komparatif non parametris yang biasanya dilakukan jika terdapat dua variabel. Namun, skala data kedua variabel tersebut haruslah berupa nominal. Kemudian, untuk uji statistik chi square merupakan uji non parametrik yang banyak digunakan. Jika ingin menggunakannya, diharapkan mengetahui 4 hal penting berikut ini, yaitu:

1. Kegunaan

Uji chi square digunakan untuk melihat apakah ada kaitannya antara dua variabel atau yang bisa disebut dengan independency test. Kemudian, uji chi square juga digunakan untuk mengetahui homogenitas antar sub-kelompok atau homogeneity test. Selain itu, uji chi square juga digunakan sebagai bentuk distribusi atau goodness of fit.

2. Karakteristik

Adapun hal lainnya yang wajib diketahui dalam uji statistic yang satu ini adalah karakteristiknya. Uji statistik Chi Square memiliki karakteristik nilai chi-square yang selalu positif atau tidak pernah negatif. Hal ini karena adanya selisih frekuensi pengamatan dan juga frekuensi harapan dikuadratkan.

Kemudian, ada beberapa keluarga chi-square, yaitu distribusi chi-square dengan DK=1,2,3, dan lain sebagainya. Karena nilai chi-square selalu positif maka bentuk distribusinya yaitu menjulur positif pula. Jadi, semakin meningkatnya jumlah derajat bebas, maka semakin mendekati pula ke distribusi normal.

3. Rumus Chi-Square

Uji statistik chi square ternyata memiliki dua rumus. Jika pada tabel kontingensi 2 x 2, maka rumus yang paling cocok dipakai yaitu Continuity Correction. Sedangkan jika pada tabel kontingensi 2 x 2 tetapi tidak memenuhi persyaratan uji Chi-Square, maka rumus yang dipakai yaitu Fisher Exact Test.

Kemudian, jika di tabel kontingensi lebih dari 2 x 2 atau 2 x 3 maka rumus yang paling pas dipakai yaitu Pearson Chi-Square. Namun, pada dasarnya Chi-square memiliki rumus dasar yaitu sebagai berikut:

Hal tersebut berarti X2 adalah nilai chi-kuadrat. Sedangkan untuk fe adalah frekuensi yang diharapkan. Kemudian, untuk fo adalah frekuensi yang diperoleh ataupun yang diamati.

4. Langkah-Langkah Pengujian

Adapun langkah-langkah pengujiannya yaitu tulislah dahulu hipotesis Ha dan Ho. Ho : x = 0 yang artinya tidak terdapat hubungan yang signifikan antar kedua variabel. Kemudian untuk Ha : x ≠ 0 artinya yaitu adanya hubungan yang signifikan antar kedua variabel. Langkah selanjutnya yaitu membuat tabel kontingensi berbentuk 2×4 (2 baris dan 4 kolom).

Tiap kotak kotak disebut dengan sel dan setiap sebuah kolom isilah dengan sebuah subvariabel. Kemudian, untuk setiap buah baris isilah sebuah subvariabel pula. Langkah berikutnya yaitu mencari nilai frekuensi yang diharapkan (fe) dan isikan nilai fe ke dalam tabel kontingensi.

Hitung nilai Chi-Square dengan rumus dasar dan tentukan kriteria pengujiannya. Selanjutnya, tentukan pula nilai X2 tabel dan bandingkan X2 hitung dengan X2 tabel. Dengan begitu, peneliti mengetahui kesimpulan dari uji chi square apakah ada hubungan antar kedua variabel dan seberapa besar signifikansinya.

Itulah ulasan mengenai uji statistik Chi Square yang wajib diketahui. Jika mengalami kebingungan saat ingin menggunakan uji statistic yang satu ini, hubungi saja kami. Kami adalah jasa olah data dan bimbingan skripsi, tesis, maupun disertasi yang terbaik dan juga terpercaya.

Kategori
Jasa Olah Data

Apa Itu Uji Validitas dan Reliabilitas? Begini Penjelasannya

Uji validitas dan reliabilitas

Uji validitas dan reliabilitas merupakan langkah yang perlu dilakukan untuk mengukur sejauh mana sebuah penelitian dapat dipertanggungjawabkan. Kedua uji ini dapat dilakukan dengan program SPSS. Untuk lebih jelasnya, berikut uraiannya.

Uji Validitas

Melakukan uji validitas bertujuan untuk melihat seberapa tepat variabel yang digunakan dalam penelitian.  Suatu penelitian dapat dikatakan valid apabila mampu memberikan hasil atas apa yang benar-benar ingin diukur. Dengan kata lain, hasil dari penelitian yang valid akan menjawab apa yang dipertanyakan dalam penelitian itu sendiri.

Uji validitas terbagi 2, yaitu validitas item dan validitas faktor. Validitas item dilihat dari korelasi skor item dengan skor total item. Sementara validitas faktor merupakan korelasi antara skor faktor dengan skor total faktor. Yang kedua ini dilakukan jika terdapat lebih dari satu faktor.

Untuk melakukan uji validitas menggunakan SPSS, totalkan terlebih dulu skor dari masing-masing variabel. Kemudian masuk ke menu Analyze, Correlate, lalu Bivariate. Isi Variables dengan seluruh item variabel. Jangan lupa tandai Pearson, Two-tailed, dan Flag significant correlations. Lalu klik OK.

Uji Reliabilitas

Reliabilitas dapat diartikan sebagai keandalan atau ketepatan pengukuran. Uji reliabilitas dilakukan untuk melihat sejauh mana konsistensi hasil suatu penelitian ketika dilakukan secara berulang-ulang. Semakin tinggi tingkat reliabilitasnya, maka penelitian tersebut semakin bisa diandalkan.

Indikator dari reliabilitas adalah nilai alpha cronbach’s. Umumnya, sebuah instrumen penelitian dikatakan reliabel ketika mencapai angka minimal 0,70. Untuk dapat mengetahui tingkat reliabilitas, maka digunakan rumus: reliabilitas = (jumlah item/jumlah item-1) (1- jumlah varians/varians total).

Dalam SPSS, uji reliabilitas dapat dilakukan pada menu Analyze, masuk ke Scale, dan pilih Reliability Analysis. Masukkan seluruh item dan pilih model Alpha, kemudian klik OK. Maka hasilnya akan langsung terlihat.

Hubungan Validitas dan Reliabilitas

Kedua hal ini tidak selalu berbanding lurus tetapi saling melengkapi. Suatu penelitian yang reliabel belum tentu valid. Tetapi penelitian yang valid seringkali juga reliabel. Karena itu, uji validitas dan reliabilitas perlu dilakukan secara keseluruhan, tidak bisa hanya salah satunya.

Sebelumnya, data kuesioner yang dikumpulkan dan digunakan untuk diuji hasilnya harus terlebih dulu valid. Salah satu cara mengeceknya adalah dengan memastikan tidak ada pertanyaan yang membingungkan dan memunculkan persepsi berbeda bagi responden. Misalnya dengan menghindari adanya kunci negatif dalam pertanyaan.

Masalah sering muncul karena peneliti tidak terbiasa dengan data dan rumus-rumus yang tampak rumit. Begitu juga dengan cara input data dan urutan langkah yang harus dijalankan dari banyaknya pilihan dalam program. Nah, oleh sebab itu, menggunakan jasa konsultan penelitian dapat menjadi solusi di tengah kebingungan dan ketika  dikejar deadline.

Jasa konsultan penelitian ini bisa didapatkan di Patra Statistika, yang merupakan jasa konsultan terpercaya dengan tim yang berpengalaman di bidangnya. Melakukan uji validitas dan reliabilitas tidak lagi menjadi momok bagi peneliti, terutama yang masih pemula. Percayakan pada patrastatistika.com dan dapatkan hasil penelitian yang memuaskan. 

Kategori
Jasa Olah Data

Cara Mengolah Data Kuesioner Skala Likert dengan SPSS yang Akan Mempermudah Pekerjaan

cara mengolah data kuesioner skala likert dengan spss

Salah satu teknik untuk mengumpulkan data agar kemudian bisa melakukan sebuah analisis terhadapnya adalah dengan kuesioner. Salah satu aplikasi pengolah data kuesioner yang biasa digunakan oleh mahasiswa adalah SPSS. Mungkin di luar sana masih belum banyak yang tau seperti apa cara mengolah data kuesioner skala likert dengan SPSS. Yuk cari tahu di sini!

1. Langkah Setting Variable

Langka pertama yang perlu dilakukan untuk mengolah data dari kuesioner adalah menginput semua data yang ada di dalamnya. Beberapa data yang perlu diinput mulai dari identitas responden hingga variabel lainnya.

Baris awal lebih baik jika digunakan untuk menggolongkan identitas responden yang disetting dengan data tipe string untuk pemetaan frekuensi. Sedangkan baris berikutnya bisa diisi dengan jawaban responden yang disimbolkan dengan Q.

2. Langkah Input Data

Setelah variable telah disetting dengan benar, langkah berikutnya yang perlu dilakukan adalah memasukkan data dengan Data View. Data yang digunakan adalah data yang sudah diperoleh dari hasil kuesioner yang dibagikan.

Semua data pada berbagai jawaban responden biasanya sudah dipindahkan ke dalam variable angka agar bisa diproses. Misalnya pada jawaban tidak setuju, bisa disimbolkan dengan angka satu begitu seterusnya. Semua angka dan huruf yang ada pada tabel data ini perlu dimasukkan dengan manual dalam artian diketik sendiri.

3. Langkah Pemetaan Responden

Ketika semua data sudah diinput ke dalam tabel, maka langkah selanjutnya adalah melakukan analisis terhadap data tersebut. Analisa pertama yang dilakukan adalah dengan memetakan responden berdasarkan setiap karakteristik yang ada. Caranya adalah dengan mengklik Menu Utama Analyze lalu pilih Descriptive Statistics lalu Frequencies.

Setelah itu akan muncul jendela Frequencies, klik tanda panah di samping kotak lalu  akan muncul kotak dialog yang berisi variabel pertanyaan. Tinggal klik OK saja tidak perlu melakukan editing terhadap formatnya karena lebih baik menggunakan setting bawaan saja.

4. Langkah Meng-compute Variable

Pemetaan jawaban responden sudah dilakukan, maka langkah selanjutnya yaitu uji kualitas data. Tetapi sebelum melakukan uji kualitas, perlu dilakukan penjumlahan dulu terhadap konstruk dari setiap variabel yang ada. Langkahnya adalah dengan memilih Transform pada Menu Utama kemudian pilih Compute Variable.

Akan muncul kotak dialog lalu pada target variable ketik saja X1 dan pilih Type & Label dan masukkan variabel yang diinginkan dan klik Continue. Kembali ke dialog Compute Variable kemudian jumlahkan Q1 sampai dengan Q6 dalam kotak Numeric Xpression. Setelah selesai, cukup klik tanda panah di samping, klik tanda “+” lalu pilih OK.

Nah setelah semua langkah tersebut selesai, kemudian hanya perlu melakukan pengolahan sesuai dengan yang diinginkan. Jadi cukup sekian tutorial bagaimana cara mengolah data kuesioner skala likert dengan SPSS yang bisa diberikan. Kalau bingung, bisa menghubungi Patra Statistika dan lakukan konsultasi banyak hal terkait data di sana.

Kategori
Jasa Olah Data

Pahami Cara Mudah Analisis SEM dengan AMOS di Sini:

analisis sem dengan amos

Saat ini banyak kalangan menghindari melakukan penelitian yang menggunakan pendekatan Model Persamaan Struktural (SEM). Banyak orang beralasan model satu ini memiliki prosedur yang sangat kompleks dalam analisisnya karena memang banyak variabel di dalamnya. Sebenarnya ada beberapa langkah mudah salah satunya dengan analisis SEM dengan AMOS. Ini caranya:

1. Menyiapkan Data

Langkah pertama dalam setiap kali melakukan analisis adalah menyiapkan data yang akan dianalisis nantinya. Data yang bisa dipakai dalam AMOS sendiri bisa dari data Microsoft Excel, SPSS, dan lain sebagainya. Formatnya pun bisa beragam tetapi kebanyakan orang lebih suka menggunakan SPSS dengan format .sav nya.

2. Membuka Program AMOS

Berikutnya, perangkat yang akan digunakan harus memiliki program AMOS di dalamnya agar tidak perlu melakukan instalasi lagi. Buka program AMOS dalam kasus ini AMOS yang digunakan adalah AMOS Graphics.

3. Membuat Hubungan AMOS dan SPSS

Setelah membuka program AMOS, program ini perlu dihubungkan dulu dengan SPSS sebagai aplikasi penyaji data. Hal ini karena model yang akan digunakan berada di AMOS sedangkan datanya ada dalam aplikasi SPSS. Caranya adalah dengan mengklik Data Files pada aplikasi AMOS. Kemudian tekan File Name lalu pilih nama file yang berisi data mentah dari SPSS tersebut.

4. Menggambar Model

Langkah selanjutnya adalah menggambar model yang diinginkan sesuai dengan konsep yang sudah disiapkan sebelumnya. Jika ingin cepat, gambar model saja dengan membuat lingkaran dalam kanvas kemudian pilih berapa banyak indikator yang ada. Setelah itu klik File –Data File – File Name – lalu pilih folder data tadi. Variable akan muncul di menu View – Variable in Dataset.

5. Memilih Keluaran Analisis

Untuk memilih keluaran analisis yang sesuai dengan kebutuhan, cukup klik saja View – Analysis Properties – Output saja. Ini bertujuan untuk memerintahkan aplikasi AMOS melakukan analisis dan memberi output yang diinginkan terhadap data tadi.

6. Melakukan Analisis

Model yang diinginkan sudah siap untuk dianalisis sekarang tinggal langkah bagaimana menganalisis dengan mudah. Cukup klik Analyze – Calculate Estimates atau bisa juga memilih icon piano yang ada di aplikasi.

7. Menampilkan Gambar Analisis

Akan ada icon yang menunjukkan tanda panah ke atas dengan titik-titik kecil di atasnya. Pilih icon tersebut untuk menampilkan hasil di gambar model. Setelah itu klik juga STD. Estimate agar angka standarisasi dari hasil analisis juga muncul di model tadi.

8. Menampilkan Tabel Hasil Analisis

Semua langkah dalam analisis SEM dengan AMOS sudah selesai dilakukan dan kini hanya perlu mengecek tabel hasil analisis. Tabel ini bisa ditampilkan dengan mengklik langsung F10 di keyboard atau pilih View – Text Output. Tinggal sesuaikan saja informasi yang ingin ditampilkan dengan memilih opsi yang ada di box dialog tersebut.

Setelah semuanya selesai, output yang dihasilkan kini tinggal dibaca saja tanpa perlu melakukan hal lain. Jika masih bingung dalam melakukan analisis SEM dengan AMOS, bisa segera konsultasi pada Patra Statistika dan semua masalah bisa selesai. Kini tidak perlu kebingungan karena semua masalah pengolahan data bisa dibantu dengan mudah.