Langkah-langkah Uji Validitas dengan Software SPSS

By With No comments:

Dalam artikel ini digunakan software SPSS 17, namun tutorial ini nanti bisa diterapkan juga pada software SPSS di bawah 17 maupun di atas 17, seperti SPSS 21, SPSS 20, SPSS 20, dan SPSS 16.

Meskipun menggunakan SPSS untuk menguji validitasnya, tetapi tabulasi data tetap dibuat di Ms. Excel karena memang lebih mudah dan efisien apabila tabulasi datanya dibuat di Excel.

Adapun Langkah-langkah Uji Validitas dengan software SPSS adalah sebagai berikut:

1. Dari tabulasi data yang sudah dibuat di Excel, copy-lah skor semua item, termasuk total skornya. Untuk ebih jelasnya lihat gambar berikut ini:


2. Paste-kan data tersebut di dalam lembar editor SPSS, sebagimana terlihat dalam gambar di bawah ini:


3. Setelah tabulasi data di-paste ke dalam lembar data editor SPSS, langkah selanjutnya klik tab “Variable View” yang terletak di pojok kiri bawah.


4. Pada kolom label ketikkan label (tanda) untuk masing-masing item termasuk skor total. Misalkan item nomor 1 (VAR00001) labelnya adalah “Item X ke 1” dan seterusnya sampai nomor terakhir.


5. Setelah label untuk masing-masing item diisi, selanjutnya klik tab “Data View” kemudian klik menu Analyze --> Correlate --> Bivariate.


Download Tutorial lengkapnya
di SINI

Langkah Uji Validitas Kuesioner (Angket) Menggunakan software Microsoft Office Excel 2013

By With 1 comment:
Pada artikel sebelumnya, kita sudah pernah membahas tentang uji validitas dan reliabilitas kuesioner. Nah, pada artikel ini kita akan membahas tentang langkah-langkah uji validitas kuesioner dengan menggunakan software Microsoft Office Excel 2013.

Mengapa menggunakan Microsoft Office Excel 2013, kok tidak menggunakan software khusus statistik saja seperti SPSS??
Jawabannya adalah karena memang Excel terdapat formula yang bisa digunakan untuk uji validitas. Nah, kalau ditanya lebih efektif mana antara Excel dengan SPSS?? Itu tergantung dari individu yang menggunakan.

Kalau kami sendiri, lebih nyaman menggunakan Excel. Namun, bagi yang penasaran dengan langkah-langkah uji validitas menggunakan SPSS, tidak perlu khawatir karena insya’Allah akan kami tampilkan dalam artikel selanjutnya.


1. Misalkan variabel yang hendak diuji validitasnya adalah variabel X1 (Motivasi Belajar), dengan 10 item instrumen angket, dan 10 orang responden (sampel penelitian). Sekedar contoh, kami hanya menggunakan sampel 10 orang, namun pada praktik riilnya sampel yang digunakan untuk uji coba kuesioner minimal adalah 30 responden.

2. Dari data yang diperoleh, kemudian dibuat tabulasi data skor jawaban angket / kuesioner sebagai berikut:

3. Rumus yang nanti digunakan adalah:
=CORREL(kolom no.item tiap soal, kolom jumlah total skor [tekan F4]) kemudian Enter.

4. Pada sel B14 ketikkan formula =CORREL(B5:B14,L5:L14 [kemudian tekan tombol F4 pada keyboard]). Sehingga apabila formula yang diketikkan benar akan menjadi =CORREL(B5:B14, $L$5:$L$14), setelah itu tekan ENTER. Copy formula tersebut dan paste di sel C14 – K14. Hasilnya adalah sebagai berikut:
 

5. Setelah itu, akan didapat nilai r hitung untuk masing-masing no. item pertanyaan variabel X1. Misalnya r hitung item soal no.1 adalah 0,014; no. 2 adalah -0,12 dan seterusnya.
Download Tutorial Lengkapnya
di SINI

Uji Prasyarat Analisis Jalur (Path Analysis)

By With 19 comments:
Uji Prasyarat dilakukan sebagai sebuah persyaratan yang harus dipenuhi sebelum suatu analisis diterapkan pada sebuah data. Sebagai contoh, uji asumsi klasik merupakan persyaratan untuk analisis regresi linear berganda.

Hal tersebut mengisyaratkan bahwa uji asumsi klasik yang terdiri dari uji normalitas, linearitas, multikolinearitas, autokorelasi, dan heteroskedastisitas adalah uji prasyarat untuk analisis regresi linear berganda.

Namun, artikel ini tidak akan membahas lebih dalam tentang uji prasyarat regresi ganda tersebut karena memang sudah banyak artikel di blog atau website lain yang membahas tentang hal tersebut. Artikel ini akan membahas tentang Uji Prasyarat untuk Analisis Jalur (Path Analysis).

Alasan pembuatan artikel ini adalah karena penulis pada waktu mengerjakan tesis merasa kesulitan mencari artikel yang membahas tentang uji prasyarat analisis jalur. Nah…harapannya dengan artikel ini, dapat membantu mahasiswa yang tengah mengerjakan skripsi atau tesis kuantitatif dan menggunakan analisis jalur.

Pembahasan ini dimulai dari pernyataan Imam Ghozali dan Fuad (2008) bahwa asumsi yang paling fundamental dalam analisis multivariate adalah normalitas. Analisis jalur pastinya termasuk dalam analisis multivariate karena pasti menggunakan lebih dari 1 variabel, bahkan minimal 3 variabel (1 variabel bebas, 1 intervening dan 1 terikat).

Apabila anda menggunakan bantuan software Lisrel untuk olah data, selain normalitas, uji prasyarat yang lain adalah multikolinearitas. Imam Ghozali dan Fuad (2008) asumsi yang seharusnya dipenuhi dalam Lisrel adalah normalitas dan multikolinearitas.

Namun, apabila varibel bebas anda hanya satu, maka uji multikolinearitas tersebut tidak perlu digunakan. Menurut Allison (2012: 60) multikolinearitas terjadi apabila “there are strong linear dependencies among the explanatory variables”.

Selain itu, prasyarat yang lain adalah uji linearitas, skala datanya harus interval, dan uji autokorelasi. Menurut Olobatuyi (2006) the assumptions for path analysis include: linearity, interval level of measurement, normality, and autocorrelation.

Namun, autokorelasi bisa diabaikan apabila data anda berupa data cross section bukan time series. Uji autokorelasi bisa diabaikan dalam penelitian yang menggunakan data cross-section (Stokes, 1997; Armstrong, 2001; Doane, Seward, Seward, 2008; Verbeek, 2008; dan Abrams, 2010).

Berdasarkan beberapa pendapat para ahli tersebut, maka kesimpulannya adalah bahwa Uji Prasyarat Analsis Jalur adalah sebagai berikut:
  1. Uji Normalitas 
  2. Uji Multikolinearitas (apabila menggunakan Lisrel dan apabila variabel bebasnya lebih dari satu) 
  3. Uji Linearitas 
  4. Uji Autokorelasi (bisa diabaikan apabila datanya cross section)

Referensi:
  1. Abrams, Jay B. 2010. Quantitative Business Valuation: A Mathematical Approach for Today's Professional: Second Edition. John Wiley & Sons, Inc. 
  2. Allison, Paul D. 2012. Logistic Regression Using SAS: Theory and Application, Second Edition. Cary, NC, USA: SAS Institute Inc. 
  3. Armstrong, J. Scott. 2001. Principles of Forecasting: A Handbook for Researcher and Practitioners. Springer Science & Business Media, Inc. 
  4. Doane, David P.; Seward, Lori; Seward, L. Welte. 2008. Applied Statistics in Business & Economics with Student CD. New York: McGraw-Hill 
  5. Imam Ghozali dan Fuad. 2008. Structural Equation Modeling. Semarang: Badan Penerbit Universitas Diponegoro. 
  6. Olobatuyi, Moses E. 2006. A User’s Guide to Path Analysis. Lanham, Maryland: University Press of America Inc. 
  7. Stokes, Houston H. 1997. Specifying and Diagnostically Testing Econometric Models: Second Edition. Greenwood Publishing Group, Inc. 
  8. Verbeek, Marno. 2008. A Guide to Modern Econometrics: Third Edition.  Chicester: John Wiley & Sons, Ltd.

Popular Posts