Showing posts with label Komputer. Show all posts
Showing posts with label Komputer. Show all posts

Wednesday, April 1, 2020

,

Uji Homogenitas Levene Test Melalui SPSS

Uji homogenitas atau homogeneity of variance adalah pengujian yang dilakukan untuk mengetahui apakah data penelitian dari dua buah distribusi data atau lebih memiliki variansi-variansi yang sama atau tidak. "Homogeneity of variance shows the variances in each population would be the same" (Jackson, 2009: 234). Hal ini jelas bahwa tujuan uji homogenitas ini adalah untuk menunjukkan bahwa sampel yang diambil berasal dari populasi dengan variansi yang sama.
Uji homogenitas ini merupakan salah satu dari asumsi formula uji hipotesis menggunakan t-test, ANOVA, ataupun ANCOVA. "One of the assumptions of the t-test is that the population variances from the two groups we are comparing are equal" (Fraenkel & Wallen, 2009: A12). The assumptions for the randomized one-way ANOVA are similar to those for the t test for independent groups: The variances among the populations being compared are homogeneous" (Jackson, 2009: 272).

Dengan kata lain, sebelum menggunakan t-test, ANOVA, maupun ANCOVA kita harus memenuhi asumsi ini dengan memastikan bahwa variansi populasi dari dua grup yang kita pilih sebagai sampel adalah sama. Asumsi ini akan terpenuhi jika output tabel SPSS pada kolom Sig menunjukkan lebih dari 0.05 (Fraenkel & Wallen, 2009: A14). Nah, teman-teman masih ingat urutan untuk Analisis Data Penelitian Quasi-Eksperimen kan?

Salah satu teknik untuk asumsi ini adalah dengan Levene's Test (Fraenkel & Wallen, 2009: A12). Ada beberapa cara untuk uji homogenitas lavene test melalui SPSS. Baik, berikut langkah-langkahnya:

1. Siapkan Data

Untuk memudahkan teman-teman menginput data di SPSS, siapkan data terlebih dahulu dengan membat table di Ms. Excel. Selain data nilai, buat juga tabel untuk kode group, 1 untuk experimental group dan 2 untuk control group.

2. Input Data

Cara input data untuk uji homegenitas ini sama seperti input data untuk Uji Normalitas Kolmogrov-Smirnov Melalui SPSS yang telah dibahas di artikel sebelumnya.
  • Buka program SPSS, klik variable view
  • Ketikkan nama-nama variable di kolom name. Ada 3 variable: Pre_testPost_test, dan Class. Untuk kolom measure, pada variable pre_test dan post_test ubah menjadi scale. Dan untuk Class ubah measure menjadi Nominal.
  • Karena kita akan memasukkan data pre_test dan post_test dari kedua grup secara bersamaan, maka untuk variable Class, klik titik 3 pada kolom value.
  • Tambahkan 2 class, experimental class dan control class dengan cara: Mengetikkan kode kelas di kolom value dan nama kelas di kolom Label. > Klik add. Ulangi untuk menambahkan kelas control. > klik add >  OK.

  • Klik data view di pojok kiri bawah. Copy-paste data yang telah dibuat di Ms. Excel.

3. Cara Analisis

Cara ke-1

  • Klik analyze >  Descriptive Statistics > Explore
  • Masukkan variable pre_test dan post_test ke kolom Dependent List dan class ke Factor
  • Klik Plots > Power Estimation > Continue OK
  • Berikut adalah outpunya. Nilai Sig. yang dilihat adalah nilai Based on Mean.
Pre-test = 0.306 > 0.05
Post-test = 0.611 > 0.05
Asumsi homogenitas telah terpenuhi.

Cara ke-2

  • Klik Analyze > Compare Means > One-Way ANOVA

  • Klik Options > Beri centang pada Homogeneity of variance test 

  • Berikut outputnya. Hasil nilai Sig dari cara ke-2 ini sama dengan cara ke-1 namun dengan tabel yang lebih simpel.
Pre-test = 0.306 > 0.05
Post-test = 0.611 > 0.05
Asumsi homogenitas telah terpenuhi.

Cara ke-3

  • Klik Analyze > General Linier Model > Univariate
  • Masukkan Variabel Post_test ke Dependent Variable, Class ke Fixed Factor(s) dan Pre_test ke Covariate. 
  • Klik Options  > beri centang Homogeneity tests > Continue > OK
  • Berikut outputnya.  Hasil nilai Sig. adalah 0.762 > 0.05. Asumsi homogenitas terpenuhi.
Teman-teman bisa memilih satu dari ketiga cara yang telah saya paparkan di atas ya...
Mudahkan? Silahkan dicoba :)
Ada pertanyaan? Tulis di kolom komentar yaa..


Referensi:
Jackson Sherri L. 2009. Research Methods and Statistics: A Critical Thinking Approach,
            Third Edition. Belmont, USA: Wadsworth.
Fraenkel, Jack R. and Wallen, Norman E. (2009). How to Design and Evaluate Research in Education. 7th Edition. New York: McGraw-Hill Companies, Inc.


Ditulis oleh Endang Wahyuni
Continue reading Uji Homogenitas Levene Test Melalui SPSS

Tuesday, March 31, 2020

,

Uji Normalitas Kolmogorov Smirnov Melalui SPSS


Setelah uji validity dan reliability dari instrument penelitian, dan setelah melakukan analisis descriptive statistics  untuk memberi gambaran data penelitian, maka peneliti harus melakukan uji normalitas dari data yang diperoleh.

Uji normality atau normalitas merupakan salah satu bagian dari asumsi formula untuk uji hipotesis seperti t-test, ANOVA, dan ANCOVA. Uji normalitas ini umumnya berada diurutan pertama sebagai asumsi yang harus dipenuhi terlebih dahulu sebelum menguji asumsi-asumsi yang lain, seperti homogeneity variance, homogeneity of regression (slope), dan linier relationship between covariate and dependent variable. Nah, teman-teman masih ingat urutan untuk Analisis Data Penelitian Quasi-Eksperimen kan?

Perlu diingat bahwa untuk uji hipotesis analisis regresi, data penelitian yang diperoleh harus diuji kenormalan distribusinya terlebih dahulu. Sehingga tujuan uji hipotesis ini adalah untuk mengetahui apakah data penelitian yang kita peroleh berdistribusi normal atau tidak. Uji normalitas ini bukan hanya asumsi dari formula ANCOVA dengan desain penelitian quasi-eksperimen. Namun, penelitian true-experiment juga harus melakukan uji normalitas sebelum menguji hipotesis menggunakan t-test.

Untuk memenuhi asumsi normalitas ini, agar teman-teman bisa lanjut menggunakan formula uji hipotesis yang sesuai dengan desain penelitian, ANCOVA misalnya, data dari setiap instrument harus berdistribusi normal dengan syarat nilai Sig > α 0.05.

Ada dua teknik untuk uji normalitas ini, yaitu Shapiro Wilk da Kolmogrov Smirnov. Perbedaan dari keduanya adalah sebegai berikut:
  • Shapiro Wilk digunakan untuk mengetahui sebaran data acak suatu sampel kecil dengan sampel tidak lebih dari 50 sampel (N<50).
  • Kolmogorov Smirnov, uji normalitas ini menghasilkan performa yng baik untuk ukuran data 20-1000, sehingga pada umunya uji normalitas ini digunakan untuk ukuran data diatas 50 sampel (20≤N≤1000).

Baik, langsung saja kita bahas langkah-langkahnya di SPSS.

1. Siapkan Data

Untuk memudahkan teman-teman menginput data di SPSS, siapkan data terlebih dahulu dengan membat table di Ms. Excel. Selain data nilai, buat juga tabel untuk kode group, 1 untuk experimental group dan 2 untuk control group.

2. Langkah-langkah di SPSS

  • Buka program SPSS, klik variable view
  • Ketikkan nama-nama variable di kolom name. Ada 3 variable: Pre_test, Post_test, dan Class. Untuk kolom measure, pada variable pre_test dan post_test ubah menjadi scale. Dan untuk Class ubah measure menjadi Nominal.
  • Karena kita akan memasukkan data pre_test dan post_test dari kedua grup secara bersamaan, maka untuk variable Class, klik titik 3 pada kolom value.
  • Tambahkan 2 class, experimental class dan control class dengan cara: Mengetikkan kode kelas di kolom value dan nama kelas di kolom Label. > Klik add. Ulangi untuk menambahkan kelas control. > klik add >  OK.

  • Klik data view di pojok kiri bawah. Copy-paste data yang telah dibuat di Ms. Excel.
Note:
30 data pertama (1-30) adalah data experimental class
-   30 data terakhir (31-60) adalah data control class
Sehingga data berurutan, data pre_test experimental dijadikan satu dengan data control, begitupun juga dengan data post_test. Sehingga kode untuk 30 sampel pertama adalah angka 1 (experimental class) dan kode untuk 30 sampel terakhir adalah angka 2 (control class).

  • Klik analyze  > descriptive statistics > explore
  • Pindahkan variable pre-t_test dan post_test ke kolom dependent list dan variabe class ke factor list.
  • Klik plots > beri centang Normality plots with tests > continue > OK

3. Mengintepretasi Data

  • Nah berikut ini adalah output dari uji normalitas. 


Bisa dilihat bahwa hasil sign dari pretest experimental class 0.200 (Sig. > α), pre_test control class 0.149 (Sig. > α), post-test experimental class 0.200 (Sig. > α), dan post-test control class 0.200 (Sig. > α). Sehingga dapat disimpulkan bahwa masing-masing data baik data di experimental class maupun di contol class berdistribusi normal. Untuk itu, asumsi uji normalitas telah terpenuhi. 

NOTE: jika ditemukan data tidak berdistribusi normal, maka asumsi uji normalitas tidak terpenuhi. Sehingga analisis data yang dilakukan tidak lagi menggunakan t-test, ANOVA, maupun ANCOVA, namun harus menggunakan non- parametric analysis.

Gampang kan teman-teman? Silahkan dicoba :)
Ada pertanyaan? Silahkan tulis di kolom komentar :)


Baca Juga
Uji Linieritas Hubungan Kovariat dengan Variabel Dependen


Ditulis oleh Endang Wahyuni





Continue reading Uji Normalitas Kolmogorov Smirnov Melalui SPSS
,

Analisis Descriptive Statistics Melalui SPSS

Descriptive Statistics atau Statistik Deskriptif merupakan salah satu tool yang ada dalam SPSS yang digunakan untuk memberikan hasil, gambaran, dan analisis data yang dimiliki peneliti. "Descriptive statistics are numerical measures that describe a distribution by providing information on the central tendency of the distribution, the width of the distribution, and the distribution’s shape." (Jackson, 2009: 109). Dalam tool descriptive statistics ini, teman-teman bisa menentukan poin-poin apa saja yang ingin dicari untuk menggambarkan data penelitian, seperti mean, sum, std.deviation, min, max, variance, range dan lain sebagainya.

Penelitian experiment jenis apapun, baik true-experiment ataupun quasi-experiment akan selalu melakukan analisis descriptive statistics terlebih dahulu sebelum melakukan analisis data lainnya. Masih ingat urutannya kan? Coba baca Analisis Data Penelitian Quasi-Eksperimen lagi deh hehe :). Namun, perlu diingat bahwa descriptive statistics ini hanya untuk memberikan gambaran hasil penelitian, bukan untuk mencari hubungan antara variable ataupun menguji hipotesis. 

Baik, berikut ini adalah langkah-langkah melakukan analisis descriptive statistics

1. Siapkan Data

Untuk memudahkan anda menginput data di SPSS untuk analisis descriptive statistics ini, teman-teman perlu menyiapkan data di Ms. Excel terlebih dahulu, seperti berikut ini.

2. Buka program SPSS

Analisis descriptive statistics ini bia dilakukan di SPSS versi berapapun ya teman-teman. Silahkan buka SPSSnya. Di sini admin memakai SPSS versi 20. Berikut ini tampilannya.
  • Klik variable view > ketikkan nama-nma variabelnya di kolom name. Karena kita disini mau menganalisis 4 data, yaitu pre-test experiment, post-test experiment, pre-test control, dan post-test control, maka variabel yang ditulis adalah data yang ingin kita deskripsikan tersebut. Ubah measure semua variable menjadi scale. Untuk kolom lainnya, biarkan saja. Tampilannya akan seperti ini:

  • Kemudian klik data view dipojok kiri bawah. Silahkan copy-paste data yang telah kita buat di Ms. Excel tadi ya.. pastikan data menempati kolom sesuai dengan variabel yang telah kita buat.
  • Klik analyze > descriptive statistics > descriptives
  • Pindahkan variabel dari data experiment terlebih dahulu ke kolom variable(s)
  • Klik Options > beri centang poin-poin yang ingin dicari sesuai kebutuhan yaa > continue > OK.
  • Hasil outputnya akan seperti ini. Data dari experimental group siap di deskripsikan :)
  •  Untuk analisis data di control group, klik lagi analyze > descriptive statistics > descriptives. Pindahkan variabel data dari control group ke kolom variabel(s).
  • Klik lagi Options > pilih poin-poinya > continue > Ok.
  • Seperti ini outpunya, silahkan dideskripsikan :)

NOTE: Analisis antara data experiment dan control group sebernarnya bisa dilakukan bersamaan. Namun, untuk mendapatkan hasil output dengan tabel minimalis maka lebih baik jika dilakukan terpisah. Hal ini bertujuan untuk penulisan skripsi kalian agar lebih rapi, karena jika tabel terputus / lebih dari satu halaman, tabel tersebut harus diletakkan di appendix atau lampiran. Begitu teman-teman :)

Nah, gampang kan?
Emm kira-kira admin harus menulis apa lagi ya? Tulis di kolom komentar yaa...
Terimakasih, selamat mencoba. :)

Baca juga
Uji Homogenitas Regresi atau Homogeinity of Regression (Slope) Melalui SPSS


References:
Jackson Sherri L. 2009. Research Methods and Statistics: A Critical Thinking Approach, Third Edition. Belmont, USA: Wadsworth.


Ditulis oleh Endang Wahyuni
Continue reading Analisis Descriptive Statistics Melalui SPSS

Monday, March 30, 2020

,

Analisis Data Penelitian Quasi-Eksperimen


Penelitian eksperimen merupakan salah satu desain penelitian kuantitatif untuk mengetahui pengaruh yang timbul sebagai akibat dari perlakuan tertentu. Menurut Creswell (2012: 301), salah satu karakteristik desain penelitian ini adalah si peneliti melakukan treatment atau trial, atau disebut sebagai independen variabel untuk mengetahui efek dari treatment tersebut, atau disebut sebagai dependen variabel. 

Perbedaan quasi-experiment dengan true-experiment terkait teknik pengambilan sampel

Pengambilan sampel dalam desain penelitian ini menentukan jenis dari eksperimen itu sendiri, ada true-experiment atau eksperimen murni dan quasi-experiment atau eksperimen semu. Jika teknik pengambilan sampel dilkukan secara acak, atau random sampling maka jenis penelitiannya termasuk dalam desain true-experiment atau eksperimen murni. Namun, jika sampel tidak diambil secara acak karena kondisi tertentu, si peneliti tidak memiliki otoritas untuk mengambil individu secara acak, maka desain penelitian yang dipakai adalah quasi-experiment atau eksperimen semu.

Menurut Creswell (2009: 158), quasi-experiment melibatkan 2 grup, experimental group dan control group namun tidak memasukkan partisipan secara acak ke dalam dua grup tersebut karena sudah ada grup utuh yang sudah terbentuk dan tidak bisa di otak-atik lagi oleh si peneliti, sehingga peneliti hanya bisa mengambil individu-individu secara utuh dalam suatu grup.

Jenis penelitian quasi-experiment ini bisa menggunakan teknik cluster sampling, yaitu mengambil 2 grup sebagai sampel dari beberapa grup secara acak (bukan mengambil individu secara acak) atau purposive sampling, yaitu langsung memilih 2 grup sampel tertentu dikarenakan hanya tersedia 2 grup sampel tersebut atau karena alasan lainnya.

Perbedaan formula analisis data quasi-experiment dengan true-experiment 

Analisis data pada true-experiment dilakukan menggunakan formula t-test (untuk 1 independent variable) atau ANOVA (untuk dua atau lebih independent variable). Namun, pada penelitian quasi-experiment, analisis data dilakukan menggunakan formula ANCOVA (Analysis of Covariance). Selengkapnya konsep tentang ANCOVA bisa anda baca di sini Uji ANCOVA Melalui SPSS.

Poin-poin analisis data pada Bab 4 Skripsi untuk quasi-experiment

Baik, langsung saja, beberapa urutan poin analisis data di Bab 4 Skripsi yang harus dilakukan pada penelitian quasi-experiment adalah sebagai berikut:

Disini saya mengambil contoh judul penelitian "The Effectiveness of Peer Feedback on Students' Writing" dengan hipotesis:
- Ho : There is no significance different on students’ writing between students who got indirect feedback and students who did not get indirect feedback
- Ha : There is significance different on students' writing between students who got indirect feedback and students who did not get indirect feedback.


CHAPTER IV
RESEARCH FINDING AND DISCUSSION


A. The Finding
1. The Description of the Data
     Pada sub bab ini berisi tabel descriptive statistics beserta deskripsinya dari data yang telah diperoleh pada pre-test dan post-test dari kedua grup. Tujuan sub bab ini adalah untuk membandingkan mean, median, max, min atau hasil lainnya dari data pre-test dan post-test. Sehingga sub ini memiliki sub bab lagi sebagai berikut.
  • Data of Experimental Group
  • Data of Control Group

 Untuk langkah-langkah analisis descriptive statistics silahkan klik di sini Analisis Descriptive Statistics Melalui SPSS

NOTE: jika instrument anda writing test atau speaking test, maka anda harus melakukan uji inter-rater terlebih dahulu untuk menentukan data nilai dari rater 1, atau 2, atau rata-rata dari rater 1 dan 2 untuk digunakan sebagai analisis data secara keseluruhan.

2. Testing Inter-Rater Reliability
Jika instrument kalian berupa writing test atau speaking test, maka anda perlu mencari inter-rater reliability. Selengkapnya lihat di sini Inter-Rater Reliability dan langkah-langkah SPSS nya di sini Uji Inter-Rater Reliability Melalui SPSS

Namun, jika instrumen kalian berupa reading test dengan bentuk soal multiple choice maka anda tidak perlu melakukan inter-rater reliability, melainkan anda harus melakukan testing validity dan reliability sebelum analisis descriptive statistics.

3. Testing Assumptions of ANCOVA
Setiap formula analisis data memiliki asumsi yang harus dipenuhi sebelum melakukan analisis data itu sendiri. Untuk ANCOVA, ada 4 asumsi yang harus dipenuhi, yaitu:

a. Assumption of Normality
Asumsi ini bertujuan untuk mencari tahu apakah data yang kita peroleh berdistribusi normal atau tidak. Data dikatakan berdistribusi normal jika Sig. > α 0.05. Selengkapnya tentang Normality dan langkah-langkah di SPSSnya bisa anda lihat di sini (Uji Normalitas Kolmogrov Smirnov Melalui SPSS).

b. Assumption of Homogeneity Variances
Asumsi ini bertujuan untuk mengetahui apakah variasi data dari masing-masing test yang kita peroleh  adalah homogen. Data dikatakan homogen jika Sig. > α 0.05Selengkapnya tentang  Homogeneity Variances dan langkah-langkah di SPSSnya bisa anda lihat di sini. Uji Homogenitas Levene Test Melalui SPSS

c. Assumption of Homogeneity Regression (Slope)
Asumsi ini bertujuan untuk mengetahui apakah ada hubungan antara covariate dengan independent variable. Asumsi ini akan terpenuhi jika ditemukan tidak ada hubungan antara keduanya dengan syarat Sig. > α 0.05. Selengkapnya tentang  Homogeneity Regression (Slope) dan langkah-langkah di SPSSnya bisa anda lihat di sini. Uji Homogenitas Regresi atau Homogeinity of Regression (Slope) Melalui SPSS

d. Assumption of Linier Relationship between Covariate and Dependent Variable
Asumsi yang terakhir ini bertujuan untuk mengetahui apakah ada hubungan linier antara covariate dengan dependent variable.  Asumsi ini akan terpenuhi jika ditemukan ada hubungan liniar antara keduanya dengan syarat Sig. < α 0.05Selengkapnya tentang  Linier Relationship between Covariate and Dependent Variable dan langkah-langkah di SPSSnya bisa anda lihat di sini. Uji Linieritas Hubungan Kovariat dengan Variabel Dependen

4. Testing Hypothesis Using ANCOVA
Setelah semua asumsi terpenuhi, maka anda bisa menggunakan formula ANCOVA untuk menguji hipotesis yang telah dirumuskan. Selengkapnya tentang langkah-langkah uji hipotesis ANCOVA melalui SPSS bisa anda ihat di sini.
Ho diterima dan Ha di tolak jika Sig. > α 0.05
Ho ditolak dan Ha diterima jika Sig. < α 0.05
Selengkapnya tentang langkah-langkah uji hipotesis ANCOVA melalui SPSS bisa anda ihat di sini. Uji ANCOVA Melalui SPSS

B. Discussion
Pada bagian sub bab ini, anda harus menulis kesimpulan dari sub bab finding (1-2 paragraf). Dilanjutkan dengan possible reason dari finding. Dan dukung finding dan possible reason  tersebut dengan membandingkan atau menyamakan temuan pada previous study atau penelitian terdahulu.


NOTE:
Secara keseluruhan analisis data pada instrument writing dan speaking test dengan reading test (pilihan ganda) adalah sama, sama-sama menggunakan ANCOVA untuk penelitian quasi-eksperimen. Jadi semua asumsi ancova harus dilakukan. Namun, yang membedakan adalah pada uji validity dan reliability-nya.
- Jika pada reading test (berupa pilihan ganda), anda harus melakukan uji validity dan reliability sebelum melakukan uji asumsi ancova dan uji hipotesis.
- Namun, jika instrument anda writing test atau speaking test anda harus melakukan uji inter-rater reliability sebelum melakukan uji asumsi ancova dan uji hipotesis.


Sekian terimakasih, semoga bermanfaat.
Jangan lupa share ke teman-teman kalian ya.
Ada pertanyaan? Silahkan tulis di kolom komentar.


Referensi:
Creswell, John W. (2009). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches. 3rd Edition. California, USA: SAGE Publications. Inc.

Creswell, John W. (2012). Educational Research: Planning, Conducting, And Evaluating Quantitative and Qualitative Research. 4th Edition. Boston, USA: Pearson Education, Inc.


Baca Juga



Ditulis oleh Endang Wahyuni
Continue reading Analisis Data Penelitian Quasi-Eksperimen