Uji Reliabilitas

Reliabilitas adalah alat untuk mengukur keterulanagn suatu kuisioner  dalam menjalankan tugasnya. kuisioner dikatakan reliabel jika alat tersebut memberikan hasil ukuran yang sama. sebagai misal variabel atau indikator pelayanan yang diukur dengan 5 indikator pel1, pel2, pel3, pel4, dan pel5 yang masing masing merupakan pertanyaan yang mengukur tingkat kepuasan dalam pelayanan. jawaban responden terhadap pertanyaan ini dapat dikatakan reliabel jika masing masing pertanyaan dijawab secara konsisten atau tidak bleh acak oleh karena masinh-masing pertanyaan hendak mengukur hal yang sama yaitu pelayanan. jika jawaban responden terhadap kelima pertanyaan ini acak maka dapatdikatakan bahwa tidak reliabel. 

pengukuran reliabilitas dapat dilakukan dengan dua cara yaitu :

  1. pengukuran ulang : disini seorang akan diberikan pertayaan yang sama pada wktu yang berbeda, dan kemudian dilihat apakah orang tersebut konsisten dalam menjawab pertanyaan.
  2. pengukuran sekali : disini pengukuranya hanya dilakukan sekali dan kemudian hasilnya dibandingkan dengan pertanyaan lain atau mengukur korelasi antar jawaban pertanyaan. SPSS memberikan fasilitas untuk mengukur reliabilitas dengan uji statistik Croncbach alpha. suatu indikator dikatakan reliabel jika nilai Cronbach alpha > 0.70 (Nunnally, 1994).

Referesnsi :
Ghozali. Imam. 2011. aplikasi analisis multivariate dengan program SPSS19. Semarang : Badan Penerbit Universitas Diponegoro.   

Related Posts:

Analisis of Variance (ANOVA)

Analisis of variance merupakan metode untuk menguji hubungan antara satu variabel dependen (skala metrik) dengan satu atau lebih variabel independen (Ghozali, 2011). hubungan anatar satu varaabel independen dengan satu variabel dependen disebut ANOVA satu arah, dan apabila dua atau tiga variabel independen sering disebut ANOVA dua arah dan ANOVA tiga arah.

ANOVA digunakan untuk mengetahui pengaruh utama dan pengaruh interaksi dari variabel indepnden kategorik terhadap variabel dependen metrik. pengaruh utama atau main effect adalah pengaruh langsung variabel independen terhadap variabel dependen. sedangkan pengaruh interkasi adalah pengaruh bersama antara duavariabel independen terhadap variabel dependen, misalnya kita ingin mengetahui pengaruh jenis kelami yang berinteraksi dengan cara pengobatan yang diberikan untuk rasa depreesi pasien. 

Asumsi Analisis of Variance 
untuk dapat mengunakan uji statistik ANOVA, ada beberapa asumsi yang harus dipenuhi diantaranya yaitu :

  • variansi sama / homogeneity of variance : varabel dependen harus memiliki varians yang sama dalam setiap kategori variabel independen.
  • multivariat normality : untuk uji signifikasi, maka variabel harus mengikuti distribusi normal multivariat. setiap variabel dependen terdistribusi secara normal di setiap kategori variabel independen. 

Related Posts:

Purposif Sampling

purposive sampling adalah pengambilan sampel secara sengaja sesuai dengan persyaratan sampel yang diperlukan. Dalam bahasa sederhana purposive sampling itu dapat dikatakan sebagai secara sengaja mengambil sampel tertentu (jika orang maka berarti orang-orang tertentu) sesuai persyaratan (sifat-sifat, karakteristik, ciri, kriteria) sampel (sampel yang mencerminkan populasinya). 
jadi kejar terus di manapun sampel berada !


Seringkali banyak batasan yang menghalangi peneliti mengambil sampel secara random (acak). Sehingga kalau menggunakan random sampling (sampel acak), akan menyulitkan peneliti. Dengan menggunakan purposive sampling, diharapkan kriteria sampel yang diperoleh benar-benar sesuai dengan penelitian yang akan dilakukan. 


Berapa banyak sampel purposive diambil? Rumusnya sederhana: sebanyak yang dianggap cukup memadai untuk memperoleh data penelitian yang mencerminkan (representatif) keadaan populasi. Maksudnya, data dari sampel purposive tersebut dianggap sudah bisa menggambarkan (menjawab) apa yang menjadi tujuan dan permasalahan penelitian. Tentu tidak bagus kalu cuma satu dua orang. Sebanyak mungkin jauh lebih baik. Angka pasti? Tidak ada. Perhatikan perkiraananggota populasi” yang ada di “area” (contoh: tempat atau pemukiman pemulung,ataupun pusat perkumpulan  atau lembaga tunagrahita) ada berapa banyak, lalu ambillah sebanyak mungkin.

contoh :
Ambil contoh jika anda akan meneliti kasus tawuran pelajar. Sudah diketahui umum bahwa yang suka tawuran itu hanya dari beberapa sekolah tertentu saja (antar sekolah tertentu). Jadi, secara sengaja (purposive) Anda lakukan perburuan (hunting) sampel murid yang suka tawuran ke sekolah-sekolah tertentu. Itu saja tidak perlu semua sekolah dimasuki, atau disampel. Di sekolah itupun mungkin Anda harus cukup lama berakrab-akrab dulu dengan murid-murid sebelum mendapatkan sampel para petawur itu. Jangan begitu datang langsung “to the point” mencari dan mewawancarai petawur. Bisa terjebak, salah “tangkap,” dan mendapatkan informasi yang bias.

sumber : bahan Kuliah

Related Posts:

memriksa data Outlier menggunakan Standarisasi

Outlier merupakan suatu nilai dari pada sekumpulan data yang lain atau berbeda dibandingkan biasanya serta tidak menggambarkan karakteristik data tersebut. Dalam statistik, outlier merupakan titik pengamatan yang jauh dari pengamatan lain. Sebuah outlier mungkin karena variabilitas dalam pengukuran atau mungkin menunjukkan kesalahan eksperimental. yang terakhir kadang-kadang dikeluarkan dari kumpulan data. Outlier dapat terjadi secara kebetulan dalam distribusi apapun, tetapi mereka sering menunjukkan salah satu dari kesalahan pengukuran atau bahwa populasi memiliki distribusi berat ekor.

Standarisasi Data deteksi data dengan standarisasi pada prinsipnya mengubah niali data menjadi bentuk Z, dengan :
untuk lebih jelasnya langsung saja pada Studi kasus :kasus berikut akan menjelaskan pengujian apakah sebuah data atau variabel mengandung data Otlier, serta bagaimana cara penanganan data Otlier tersebut. datanya seperti berikut :


langkah-langkah analisis :
  1. Buka program SPSS. 
  2. Plih variabel view pada pojok kiri bawah lembar kerja SPSS, kemudian tuliskan nama variabel. Padakasus ini nama variabelnya adalah usia, berat dan income. 
  3. Setelah itu pilih data view kemudian masukan data. 
  4. Dari menu analyze SPSS, pilih descriptive Statistics, lalu pilih descriptive. Tampil dilayar tampilan descriptive.
  5. Kemudian masukan semua variabel ke dalam kotak Variable(s), setelah itu cetang Save standaridized value at variable, kemudian klik OK. 
  6. Output SPSS.

   Interpertasi :

pada output diatas, perhatikan kolom mean (nilai rata-rata) dan standardeviasi untuk setiap variabel.rata-rata usia sebesar 33.06, rata-rata berat sebesar 58.86, dan rata-rata income sebesar 6.6933. standar deviasi untuk usia sebesar 5.27, standar deviasi berat sebesar 7.59, dan standar deviasi income sebesar 123.72.

hasil nilai standarisasi


Sebuah data dikatakan outlier, apabila nilai Z yang didapat lebih besar dari angka +2,5 atau lebih kecil dari angka -2,5 (-2,5 ≤ Z ≤ +2,5). jika mengacu pada batasan 2.5 maka :
  • Pada variabel usia, tidak ada data yang mempunyai nilai Z melebihi +2.5 atau kurang dari -2.5, maka tidak terdapat data otlier.
  • Pada variabel berat, tidak ada data yang mempunyai nilai Z melebihi +2.5 atau kurang dari -2.5, maka tidak terdapat data otlier.
  • Pada variabel income, pada kasus 8, terlihat angka z adalah 2.68. Hal ini berarti income koko adalah data otlier karena diatas +2,5. Yang jika dilihat pada income sebesar 1000 maka nilai income tersebut  dianggap berbeda dari income rata-rata konsumen yang hanya Rp 669.330. tanda + berarti income diatas rata-rata, dan tanda - berarti income dibawah rata-rata. 


Sumber : bahan kuliah

Related Posts:

Skala Pengukuran Data Dalam Ruang Lingkup Statistika

Skala pengukuran data dalam ruang lingkup statistika antara lain data nominal, ordinal, interval, dan rasio. untuk gampang dalam mengingat, dapat disingkat dengan nama "NOIR".

Skala Nominal
skala ini merupakan skala yang paling lemah diantara keempat sakal pengukuran. sesuai dengan nama atau sebutannya, skala nominal membedakan benda atau peristiwa yang satu dengan yang lainya berdasarkan nama.
contoh : nomor induk kepegawaian atau kariawan. nomor yang digunkan hanyalah sebagai identitas untuk membedakan antra pegawai yang satu dengan pegawai yang lain dan tidak untuk memberikan nilai terhadap mereka.

Skala Ordinal  
pengukuran ordinal memungkinkan segala sesuatu utuk disusun bedasarkan peringkatnya masing-masing. contoh : kualitas barang. kualitas barang biasanya dikategorikan dengan angka 1 untuk barang yanag sangat bagus, 2 biasa saja, dan 3 tidak bagus pemberian angka tersebut dimaksudkan untuk memberikan peringkat kualitas barang. jarak antara kualitas yang satu dengan kualitas yang lain belu tentu sama.

Skala Interval 
Merupakan skala yang membedakan kategori dengan selang atau jarak tertentu dengan jarak antar kategorinya sama. Skala interval tidak memiliki nilai nol mutlak
contoh : membagi tinggi badan sampel ke dalam 4 interval yaitu:140-149, 150-159, 160-169, dan 170-179.

Skala Rasio 
Merupakan penggabungan dari ketiga sifat skala sebelumnya. Skala rasio memiliki nilai nol mutlak dan datanya dapat dikalikan atau dibagi. Akan tetapi, jarak antar kategorinya tidak sama karena bukan dibuat dalam rentang interval. contoh : tinggi badan sampel terdiri dari 143, 145, 153, 156, 175, 168, 173, 164, 165, 152.


sumber : bahan kuliah , dan wikipedia.

Related Posts:

Analisis Regresi Linear Berganda Dengan Aplikasi SPSS

Analisis regresi pada dasarnya adalah suatu metode statistik yang digunakan untuk mengetahui ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen (variabel penjelas/variabel bebas), dengan tujuan untuk mengestimasi atau memprediksi rata-rata nialai variabel dependen berdasarkan nilai variabel independen (Gujarat, 2003).
model umum dari regresi sebagi berikut : y = β0 + βixi + ε
keteranagan :
y   = vaiabel dependen
xi  = vriabel independen
ε   = komponen random error
β0 = yang merupakan y  intercept
βi  = parameter yang merupakan slop dari garis

koefisien determinasi
koefisien determinasi menjelaskan tetang seberapa jauh kemampuan model mampu menjelaskan variasi variabel dependen. niali koefisien determinasi yaitu mulai dari 0 sampai 1. bila nialai R square mendekati 0 menunjukan bahwa kemampuan model untuk menjelaskan variasi variabel dependen terbatas, dan apabila nilai R square mendekati nilai 1 enujukan bahwa variebel indpenden menjelaskan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. berikut ini, akan dicari model dan variabel apa sajakah yang mempengaruhi penanaman modal asing. datanya seperti berikut:


langkak - langkah analisis :
  1. buka program SPSS.
  2. kemudian pada pojok kiri bawah lembar kerja SPSS, pilih data view lalu tuliskan nama variabel, pada kasus ini nama varaiabenya : PMA, G, CPI, EX, dan ER. 
  3. pilih data view pada pojok kiri bawah SPSS, lalu masukan data sesuai dengan variabel. 
  4. dari menu utama SPSS, pilih menu analyze kemudian submenu Regresion, lalu pilih linear.
  5. sehingga akan tampak di layar windows Lineaar Regresiaon.
  6. pada kotak dependent isikan variabel PMA.
  7. pada kotak independent isikan variabel G,CPI, EX, dan ER.
  8. pada pada kotak method pilih Enter.
  9. kamudian kilk OK, sehingga hasil output SPSS akan muncul. 
Koefisien Determinasi 


  dari tampilan output summary besarnya adjusted R square adalah 0.529, hali ini berrati 52.9% variasi PMA dapat dijelaskan oleh variabel indpendent dan yang lainya dijelaskan oleh variabel yang tidak dimasukan dalam model. standar error of the estimate (SEE) sbesar 1647.78. semakin kecil nilai SEE mak semakin bagus model regresi dalam memprediksi variabel dependen.

Uji Oferall (Uji Statistik F)


  dari tabel ANOVA didapat niali Fhitung sebesar 8.299 dan dengan probabilitas (sig) 0.000. karena probabilitas lebih kecil dari 0.05, maka model regresi dapat digunakan untuk memprediksi PMA, atau bisa dikatakan bahwa variabel G, CPI, EX, dan ER secara bersama-sama berpengaruh terhadap  variabel PMA.

 Uji Parsial (Uji Statistik t)



dari keempat variabel yang dimasukan kedalam model regresi, hanya variabel CPI saja yang tidak signifikan hal ini dapat dilihat dari probabilitas signifikansi untuk CPI sebesar 0.62 lebih besar dari 0.05. sedangkan variabel G, EX, dan ER probabilitas signifikansinya lebih kecil dari 0.05. dari sini dapat disimpulkan bahwa variabel PMA \dipengaruhi oleh variabel G, EX, dan ER dengan model regresinya : PMA =  9189.203 - 0.144 G + 0.059 EX - 1.101 ER.·   konstanta  sebesar 9189.203 menyatakan bahwa jika variabel independent dianggap konstan, maka rata-rata penanaman modal asing sebesar 9189.202 milaiar Rp. koefisien regresi G (Pengeluaran Investasi Pemerintah) sebesar -0.144 menyatakan bahwa setiap penambahan pengeluaran investasi pemerintag sebesar 1 miliyar akan mengurangi penanaman modal sebesar 0.144. koefisen regresi EX (ekspor migas dan non migas) sebesar 0.059 menytakan bahwa setiap penambahan  EX (ekspor migas dan non migas) sebesar 1000 dolar maka akan meningkatkan PMA ( penanaman modal asing) sebesar 0.059. koefisien ER ( nilai tukar rupiah terhadap dolar) sebesar -0.101 menyatakan bahwa setiap penambahan ER 1 IDR/US$ akan mnurunkan PMA sebesar -1.101.


  

sumber : bahan kuliah

Related Posts: